9130

Индивидуальная коммуникационная политика

2021 год.

Персонализация коммуникационной стратегии для каждого клиента Сбера с помощью AI-моделей

alt

Какую проблему решали

Сбер стремится стать помощником клиента в любой жизненной ситуации. Для этого Сбер расширяет продуктовую линейку и количество сервисов партнеров банка, которые могут быть полезны клиентам в разных обстоятельствах.
Такое многообразие позволяет удовлетворить практически любую потребность клиента. При этом важно не перегрузить клиента сообщениями: избежать недовольства от назойливой рекламы и получить максимальный отклик на предложения.
Поэтому была поставлена задача найти индивидуальный подход к коммуникации с каждым клиентом Сбера: предлагать только те продукты, которые ему действительно нужны в текущий момент времени, используя наиболее удобный и эффективный канал связи.
Решение проблемы
Разработана индивидуальная коммуникационная политика (ИКП) на базе AI. Решение позволяет отправлять только релевантные предложения, учитывая потребности и жизненную ситуацию каждого клиента в режиме реального времени.

С помощью технологий машинного обучения ИКП определяет: 
- какой продукт нужен клиенту именно сейчас 
- в каком канале коммуникаций клиенту удобнее получить предложение
- в какое время отправить коммуникацию, чтобы клиент её точно не пропустил
- какая частота и периодичность коммуникаций наиболее эффективна во взаимодействии с клиентом
Применяемые технологии
Процесс индивидуальной коммуникационной политики построен на моделях нескольких уровней. 

Первый уровень включает определение baseline-значений по продажам симплекс-методом (optimize) с целью прогнозирования бизнес-плана.

Далее на векторе холодных данных, используя алгоритмы XGBoost и LightGBM, AI-модель определяет уровень склонности клиентов к приобретению каждого продукта в каждом канале коммуникации.

При возникновении событий в жизни клиента (например, транзакции по карте) холодный скоринг калибруется горячим вектором данных. При выборе следующего лучшего предложения для клиента используется pairwise-подход на истории предыдущего взаимодействия. В итоге AI-модель перестраивает коммуникационный план, сверяя его с baseline-значениями.

Гибкая IT-архитектура позволяет одновременно проводить множество автоматизированных AB-тестов (хеш-сэмплирование), результаты которых используются для автоматической калибровки моделей (AutoML Pipeline) и правил ИКП. Технологический стек представляет собой модульную архитектуру, которая позволяет использовать ИКП как сервис.

Бизнес-процесс

До проекта:

  • Клиент может получать несколько коммуникаций в день по разным продуктам и сервисам в неудобное время или по неудобному каналу связи
  • Склонность клиента к тому или иному продукту определяется 1-2 раза в месяц, при этом не учитывается жизненная ситуация, в которой находится клиент
  • Снижение показателей отклика на предложения и уровня удовлетворенности клиента при росте коммуникационной нагрузки

После проекта:

  • В режиме реального времени определяется потребность клиента в том или ином продукте или сервисе
  • На основе профиля клиента и истории его взаимодействия со Сбером определяются индивидуальные параметры коммуникационной политики (>100 тысяч правил)
  • Клиент получает нужное предложение в самый подходящий момент по наиболее удобному каналу связи

Результаты

Команда Сбера "Массовая персонализация"

Никита Коновалов
Руководитель направления по аналитике данных
Илья Митусов
Data scientist
Кирилл Панин
Управляющий директор
Михаил Савачаев
Исполнительный директор

Похожие кейсы

AI-кейсы с доказанной бизнес-эффективностью. Все проекты успешно прошли проверку комиссией из признанных экспертов в технологиях и бизнесе.