In september nam CactusSoft deel aan 3rdJaarlijkse conferentie Innovations on Banking in Praag, Tsjechië. Een belangrijk aandachtspunt op de conferentie was kunstmatige intelligentie, gevolgd door digitale innovaties, robotica in het banksegment, klantauthenticatie, chatbots en klantervaring.
De COO bij CactusSoft Mike Kartamyshev presenteerde zijn toespraak over hoe AI mobiel bankieren opnieuw definieert en deelde onze beste klantervaringspraktijken met het publiek. In dit artikel leest u de belangrijkste punten van zijn presentatie.
Relatief recentelijk kregen vooral bedrijven in de fintech- en banksector een unieke kans om een sterke en positieve klantervaring op te bouwen door middel van oplossingen en applicaties die werken op apparaten die zo populair en zo verslavend zijn geworden dat we gemakkelijk een paniekaanval kunnen krijgen als we ze thuis vergeten.
En als we het hebben over software voor mobiel bankieren, wordt de klantervaring in dit geval opgebouwd uit de kwaliteit van het aangeboden financiële product en daar kan de applicatie geen invloed op uitoefenen. Dat is waar de cliënt beslissingen neemt, verslaafden aan de diensten die hem worden aangeboden, worden een evangelist van de oplossing. En een goede gebruikerservaring is hier van cruciaal belang.
Dit is de laatste grens waar u extra punten kunt verdienen in de ogen van uw klanten. Verwar het niet met UI, UX, het is een bredere term die UI omvat. Dus wat doen we om deze zogenaamde goede UX te bieden?
Om in de goede richting te kunnen denken, moeten we eerst onze mentaliteit veranderen. Het tijdperk van reclame en marketing is aan het verdwijnen. Mensen haten het als ze gedwongen worden om te kopen. Ze vertrouwen geen promoties. We moeten ons niet als primair doel stellen om te verkopen of te verkopen.
Wat mensen waarderen en kopen zijn houding en zorgzaamheid. Niemand wil een product of dienst aangeboden krijgen op het moment dat hij het niet nodig heeft. In plaats daarvan moeten we ons concentreren op het bieden van een oplossing voor de problemen van klanten en het bevredigen van hun behoeften.
Het uiteindelijke doel met deze mentaliteit zou dan zijn om een applicatie te creëren die de klant gelukkiger maakt door precies te doen wat hij wil of nodig heeft op dit specifieke moment. De perfecte app zou één knop hebben die weet hoe ik de dingen moet doen die ik nu wil.
Zou iemand deze aanvraag kunnen voltooien? Dat is echter in deze tijd van technologische ontwikkeling nauwelijks mogelijk. Helaas of gelukkig kunnen we de gedachten van andere mensen niet lezen. Toch kunnen we al een paar dingen doen.
Mensen zijn gewend aan moderne interfaces. Ze willen dat de functies die ze gebruiken niet alleen functioneel zijn, maar ook mooi en strak. Het is gewoon een realiteit in de moderne wereld… tenzij je Craigslist bent, dan is het jouw zet.
Kortom 80% van de tijd klanten voeren de volgende acties uit bij bezoek aan mobiel bankieren:
- Het controleren van hun rekeningsaldo
- Betalingen doen
- En overdrachten
- Kijk naar Transactiegeschiedenis
- En zoek bankcontacten om contact op te nemen met de ondersteuning
Wat we dan kunnen doen, is de benadering van de interface heroverwegen om deze geschikt te maken voor de behoeften van de klant.
Zogenaamde Kunstmatige intelligentie wordt gebruikt voor problemen waarvoor geen exacte oplossing bestaat.
- Ten eerste verzamelen we gegevens van gebruikers. Alles wat we over hen kunnen krijgen.
- Vervolgens ruimen we die gegevens op, maken ze klaar en passen we ze aan. Wiskunde is hier nodig, dus je hebt zeker een paar slimme jongens nodig.
- Vervolgens kiezen en trainen we het model of algoritme dat ons uiteindelijk, als resultaat, een indicatie geeft van de waarschijnlijkheid van mogelijke uitkomsten.
We willen bijvoorbeeld een churn-voorspellingsmodel implementeren waarmee we klanten kunnen identificeren die onze bank binnen de volgende maand zullen verlaten. We verzamelen het profiel en de gedragsparameters van de klant. We weten wel wat klanten ons de afgelopen maand hebben nagelaten en dat is iets dat ons zal helpen het algoritme te trainen. Wij bereiden de gegevens voor. Vervolgens kiezen we met behulp van verschillende tools en raamwerken het juiste model en geven we les.
- Daarvoor voeden we de AI met gegevens van vóór de afgelopen maand en laten we de parameters van de modellen aanpassen om een resultaat te krijgen dat zo dicht mogelijk bij de werkelijke lijst van klanten ligt die de bank in die afgelopen maand hebben verlaten.
- Als het model accuraat genoeg is, kunnen we het gebruiken om klanten te identificeren die de grootste kans hebben om het bankcontract binnen een maand af te ronden. Er worden verschillende soorten algoritmen en hun combinaties gebruikt voor voorspellingen en segmentatien, computervisie en natuurlijke taalverwerking.
Ter herinnering: we hebben de gebruikersinterface van de app al verbeterd, wat de enige eerste stap was om gelijke tred te houden met de moderne wereld.
- Laten we zeggen dat we een ondersteuningsteam hebben. Als het team een goed gedefinieerd script heeft, kan dit worden toegepast in de chatbot die AI gebruikt om de menselijke vraag om te zetten in een verzoekmachine die het zou begrijpen.
Niet al te veel moeite om de eerste versie te hebben. Ja, het is heel eenvoudig, maar het helpt al in 80% van de gevallen.
- De volgende stap zou zijn om onze AI te trainen in het voortdurend monitoren van het gedrag van de cliënt. En laten we zeggen dat onze AI begreep dat de gebruiker onlangs wat geld heeft uitgegeven aan bruiloftsspullen en nu is begonnen met het uitgeven van artikelen voor kinderopvang, en dat dit een goede trigger zou kunnen zijn om hem een autolening aan te bieden om een SUV of stationwagen te kopen, of misschien een hypotheek om een groter huis te kopen.
Dat is absoluut maar een heel eenvoudig voorbeeld. AI is veel slimmer en zal op een veel geavanceerdere manier handelen, rekening houdend met tientallen en honderden en duizenden parameters en bouwmodellen waar een mens nooit aan zou hebben gedacht.
De machine zal nauwkeurige patronen ontdekken die de suggestie wekken van iets dat de cliënt met grote waarschijnlijkheid in deze periode nodig zou kunnen hebben. Wij zetten advertenties om in hulp in een specifieke situatie die AI identificeert.
Met analyses van het gedrag en de transacties van gebruikers kunnen wij u eraan herinneren dat er een betaling moet worden gedaan.
Verdere ontwikkeling van het AI-ecosysteem van banken kan ons in staat stellen suggesties voor betalingen en transacties te implementeren. Het systeem detecteert bijvoorbeeld dat de klant met de auto heeft gereden en is gestopt op een parkeerplaats in het stadscentrum.
Als we de applicatie openen, willen we misschien de parkeerplaats betalen en zal de app de interface aanpassen. En vul zelfs alle vereiste informatie vooraf in, zodat de klant alleen zijn vingerafdruk hoeft op te geven om de transactie te bevestigen.
Uiteindelijk kunnen banken op de juiste manier informeren over elke situatie die de aandacht van de gebruiker vereist, de financiële gezondheid helpen verbeteren en financiële voorspellingen doen om een reeks vereiste acties aan te bieden.
Ken jij de ultieme app met één knop nog? We zijn zeker nog niet in dit stadium, maar met de juiste aanpak en gebruik van deze nieuwe, mooie technologieën kunnen we al dichter bij dat doel komen.
