Цифровой «шпионаж»: как банки используют информацию о клиентах

Фото: РБК Петербург

Проповедь о пользе больших данных набирает обороты. Провайдеры big data (соцсети, поисковики, мобильные операторы) пытаются напичкать бизнес знанием о лайках клиента в фейсбуке, историей его заказов пиццы или агрессивности вождения. На многочисленных конференциях нам рассказывают, что, если у человека зеленые тона в аккаунте, значит банк должен предложить ему купить молоко через свои каналы. Это абсолютный фейк. Информация такого рода не создает для банков никакой ценности, хотя многие тратят на эти сведения кучу денег.

Более того, попытки сделать клиенту предложение, в котором он абсолютно не заинтересован, лишь вызывают раздражение. А это едва ли способствует выстраиванию долгосрочных отношений. В действительности банкам нужны не частота просмотров сайта «Бентли», а данные «черного интернета» (т.н. dark net, скрытый от обычного пользователя — ред.).

Философия бешенства

Во-первых, у большинства из нас давно выработалась баннерная слепота — мы почти не обращаем внимания на рекламные сообщения и не верим им. Да, у банков есть возможность спамить клиента через имеющиеся каналы коммуникации в расчете на хоть какую-то конверсию.

Однако эти автоматические цифровые каналы отнюдь не бесплатные. Каждый отправленный e-mail или sms стоит денег. К тому же мы просто занимаем канал, который можно использовать для по-настоящему ценных предложений. Иначе говоря, мы сами у себя отнимаем выгоду. И в этой системе довольно сложно балансировать.

Во-вторых, банк не должен навязывать услугу, которая клиенту не нужна. Отнюдь не потому, что банкиры такие этичные. Просто вы не сможете выстроить долгосрочные отношения с клиентом, если будете постоянно его бесить.

Случайный роман

Теоретически, вы можете спровоцировать клиента взять кредит, используя большие данные. Например, человек приходит в магазин электроники, видит перед собой очень дорогой телевизор 4К с изогнутым экраном. Он стоит, смотрит на телевизор и хочет его. Допустим, мы такой классный банк, который сумел интегрироваться с системами этого магазина, и прислал клиенту предварительно одобренный кредит на этот телевизор.

Человек покупает телевизор, приносит его домой, ставит на стол и радуется ему. А потом наступает самое неприятное время в его жизни. Человек начинает платить проценты по кредиту, и это съедает значимую часть его зарплаты.

Парадокс в том, что ругаться клиент будет не на телевизор, не на магазин электроники, а на банк, который подсунул ему кредит. Продолжит ли клиент обслуживаться в этом банке? Очень сильно сомневаюсь.

Технологии создания потребности хорошо работают, когда вам подсовывают новые «Кириешки», или, например, направляют ваши симпатии на синюю машину, а не на красную. В финансах все работают по-другому. Для нас лучше работать с клиентом долго и понемногу, чем один раз и с одним продуктом.

Мы строим бастионы

В банковском секторе есть только одна область, где работа с большими данными полностью оправдана. Речь идет об информационной безопасности — защите от взломов, хакерских атак. Куда пойдут киберпреступники? В фейсбук, грабить аккаунты девятиклассников? Думаю, что едва ли.

Хакеры пойдут в банки, потому что именно там находятся деньги. Поэтому на борьбу с киберпреступностью банки тратят огромные суммы. Мы должны строить бастионы, которые обеспечивают защиту от любых видов офлайн и онлайн хакерских атак.

Здесь реально используется машинное обучение, и большие данные, из которых мы строим сложные модели с тысячами факторов. Но это не данные о количестве лайков в аккаунте того или иного клиента в социальной сети. В киберзащите big data — это, например, данные «черного» интернета или разного рода площадок, куда сливается информация о скомпрометированных картах, об ошибках других игроков и пр.

Дело в том, что киберпреступника невозможно поймать на истории из прошлого, потому что он всегда придумывает какой-то новый способ обойти систему. Необходимо строить интеллектуальные системы защиты, которые выявляют аномалии — в поведении клиентов, их компьютеров, банковских серверов.

Старый добрый ручной труд

Впрочем, это не значит, что банки никак не используют накопленные знания о клиентах для получения прибыли. Мы можем неплохо стимулировать транзакционную активность клиента, анализируя информацию о его покупках. Зачем это нужно? У классического банковского клиента сейчас в кошельке несколько карточек. Все банки заинтересованы в том, чтобы их карта была основным повседневным платежным инструментом. Именно для этого и придуманы все эти кешбэки и системы лояльности — скидки на заправку и кино.

Это тоже таргетинг, но ни в коем случае не big data. И никогда не станет bid data, даже если мы разрастемся до вселенских масштабов. Это всего лишь большой объем информации, полученный из одного понятного источника и в едином понятном формате. Более того, чтобы принять решение о рассылке, мы не используем сумасшедшие технологии, искусственный интеллект и машинное обучение. Если банк предложил вам заправиться на определенной заправке, это не значит, что так решила нейросеть, прочувствовавшая у вас эту потребность. Просто менеджер, отвечающий за увеличение транзакционной активности заложил такое предложение в систему, руководствуясь простыми и понятными человеческими шаблонами поведения. Старый добрый ручной труд.

На сегодняшний день человек гораздо точнее угадывает логику поведения клиента, чем искусственный интеллект. Если в будущем что-то изменится, то мы обязательно будем применять эту технологию. Но пока машина не может серьезно спорить с человеком в эффективности.

Позиция спикера может не совпадать с мнением редакции.