Персональный кэшбэк для клиентов банка

Сентябрь, 2020 год.

Технология алгоритмического кэшбэка Tinkoff.

Финансы Маркетинг ИТ Клиентский сервис Снижение расходов Рост производительности Повышение качества Крупный бизнес Собственная разработка Decision support systems Recommendation systems

Какую проблему решали

В суперприложении Tinkoff магазины-партнеры и производители товаров могут давать повышенный кэшбэк (скидку) клиентам через механизм спецпредложений. Клиенту одновременно доступно 100-300 скидок.

Менеджеры отдела вручную определяют значимость каждого предложения. От этого зависит, где оно будет располагаться. Клиенты не просматривают все позиции, обращая внимание только на те, которые расположены выше других.

Необходимо в начале показывать наиболее релевантные для каждого клиента предложения. Но определение значимости каждого предложения не поддается строгой инструкции и не может быть автоматизировано.

Решение проблемы

Тинькофф разработал и запустил собственную технологию алгоритмического кэшбэка с рекомендательными моделями. Она подбирает наиболее релевантные для клиентов спецпредложения в разных товарных группах и формирует категорию «Рекомендуемое».

Веса значимости предложений персонализированы и автоматически обновляются с учетом совершенных транзакций и новых офферов. ML-решение предугадывает, что захочет купить человек в будущем, и предлагают индивидуальный кэшбэк на эти товар

Технология помогает магазинам и производителям определить, какие товары пользуются спросом, стоит ли запускать акцию на товар или бренд в офлайне, какому клиенту нужно предложить новую категорию товаров и какой на неё давать кэшбэк.

Применяемые технологии

Технология кэшбэка Tinkoff — это семейство современных AI-алгоритмов, обученных на покупках 8 млн клиентов банка, которые они совершили в течение двух лет в различных категориях. На начало 2021 года эта технология не имеет аналогов в мировой практике.

Архитектура технологии позволяет рассчитать различные модели вероятности покупки для конкретного бренда, магазина или товара и решить, нужно ли давать кэшбэк на конкретный бренд или товар.

Технология работает на внутреннем сервисе — ML-платформе, на которой аналитики могут описывать пайплайны конвертации исходных данных в конечные веса.

Основная модель — Mult-VAE.