На първия FinMachine форум, проведен в петък, Максим Еременко, директор на отдела за моделиране на риска в Сбербанк, и Андрей Черток, ръководител на R&D в Data Science, говориха за това как, наред с други неща, най-голямата банка в страната използва машинно обучение за генерира искове и намира бизнес партньори за своите клиенти.

Казус 1. Интелигентни съвети: генериране на базата на анализ на транзакции с клиентски карти
Максим Ерьоменко: На този моментние се доближихме до проблема с откриването и последващото прогнозиране на моделите на поведение на картодържателите. Анализирайки дейността на картодържателите, ние се научихме да идентифицираме тези модели.

Андрей Черток: Като част от участието ни в един от проектите на банката, ние откриваме поведенчески модели на клиентите на банката въз основа на нейните транзакции. Първите модели бяха свързани с описателен анализ на транзакционното поведение. Например, клиентът нямаше покупки, свързани с автомобили - те се появиха. Това означава, че той е купил кола и сега можете например да предложите на такъв клиент продукти или услуги, които са полезни за собствениците на автомобили.

Следващата задача е да предвидите определени събития, включително самия факт на покупка. В допълнение към моделите, с появата на различни MCC кодове, става възможно да се извлече достатъчно интересни истории, включително свързани със спестовната дейност на картодържателите. Тоест виждаме кои от клиентите на банката спестяват пари и предотвратяваме определени големи покупки. Това може значително да подобри моделите. Банката може да даде по-широка гама от оферти. Това обаче означава, че такива модели трябва постоянно да се адаптират.

На слайда виждаме три доста разбираеми случая: закупуване на кола, ремонт на апартамент / закупуване на мебели и разходите за лечение. Особено ценно е, ако е възможна обратна връзка за предлаганите му продукти от клиента. Следователно е необходимо да се направят модели, които могат да вземат предвид тази обратна връзка. В много отношения това е същият принцип, който е в основата на моделите за учене с подсилване, които сега започваме да разработваме.

Обучението с подсилване или обучението с подсилване, което сега се разработва, включително OpenAI и DeepMind, е предвестник на AI, както те искат да го видят. Никакъв модел на света не е въведен предварително в системата и системата всъщност не знае нищо за него. Системата започва да взаимодейства със света, да получава обратна връзка, така наречените награди. След това системата коригира поведението си въз основа на това колко добри или лоши са наградите. При банковите продукти наградата е например колко интересно или безинтересно за клиентите се оказва това или онова предложение на банката.

Чрез използване на методи със специфични свойства на обучение за подсилване, можем да адаптираме тези алгоритми в реално време. От новите подходи може да се отбележи, че съвсем наскоро статия от същия DeepMind беше публикувана в Nature, където се говори за това как елементите на машината на Тюринг са въведени в невронната мрежа. В резултат на това невронната мрежа получи възможността да има памет, която невронните мрежи липсват на този етап.

Казус 2. Оптимизиране на фунията на продажбите
Андрей Черток: В този случай ние анализираме транзакционната активност, търсейки клъстери от клиенти с определени модели на поведение. Но в този случай ние не ги свързваме с предсказанието за някакви събития. Например можем да намерим клиенти, които често летят със самолет, пътуват в чужбина и често конвертират валути. Въз основа на това ние правим оферти на такива клиенти по-ефективно.

Слайдовете показват какви модели можем да намерим и какви продукти можем да предложим в този случай. Като цяло, разбираема история - тук се предполагат определени методи, свързани с групирането. Проекция на данни, например.

Казус 3. Оптимизиране на паричното обръщение
Андрей Черток: Сбербанк разполага с широка мрежа от банкомати, клонове и схема за работа с корпоративни клиенти. Съответно възниква проблемът да се предвиди утрешното търсене на пари в брой. Колкото по-точно направим тази прогноза, толкова по-точно, да кажем, ще можем да разпределим тези пари. От една страна, важно е парите да не стоят бездействащи в банкоматите, а вместо това да ги поставим на краткосрочен депозит. От друга страна, ние се стремим да избегнем репутационни загуби - парите свършват по-рано от планираното и банкоматът спира да работи, а клиентът остава недоволен.

Тук имаме нужда от модели, които могат да работят с асиметрични грешки. Първите модели са много прости и се основават на класически методи за анализ на времеви редове, свързани с тяхното изглаждане. Сега са необходими по-точни подходи и методите за машинно обучение вече се използват активно. Естествено, такива методи трябва да бъдат адаптивни, тъй като търсенето зависи както от макроикономически фактори, така и от параметри като местоположението на банкоматите в града и прогнозата за времето. Комбинирането на различни характеристики дава по-значим резултат от използването на други модели за машинно обучение.

Случай 4. Моделиране на вероятността от неизпълнение за малък бизнес в реално време
Максим Ерьоменко: През 2014 г. всички говореха за Big Data. През 2015 г. машинното обучение стана разрушително и на ръба. Дълбокото обучение беше основната тенденция тази година. Догодина явно ще говорят за закрепващо обучение.

За разлика от предишните три тенденции, обучението с подсилване е лесно за изпробване на отворени платформи. Отвореният изкуствен интелект, финансиран от Илон Мъск, и платформата DeepMind се обучават на компютърни игри, използвайки отворен API, който ви позволява да влезете в кода на играта.

Получаваме битка на два алгоритъма. Ако през 80-90-те играехме Pac-Man, сега машината го управлява и този алгоритъм може да бъде модифициран. DeepMind пое по този път малко по-напред и заедно с Blizzard изградиха алгоритъм за StarCraft.

Алгоритмите се обучават по такъв начин, че да ги рационализират за приложни задачи. В бъдеще те могат ефективно да бъдат поставени върху задачи, свързани например с превода на текстова информация във вектори.

Такива задачи са в основата на двигателя Google Word2vec, който превежда от текстова информация във вектор, търсения и целия семантичен анализ на текста, на който се базира.

Но самият случай е малко по-различен. Прегледахме активни B2B и B2C клиенти в нашето портфолио, с особен фокус върху малките предприятия, които активно обменят плащания. И когато работят с тях, те се опитаха да изоставят класическия кредитен скоринг, от анализа на финансовите отчети и провеждането на качествена проверка на рисковете по отношение на репутацията на бенефициента, мениджърите и подобни параметри. Вместо това започнахме да използваме някакъв вид агрегиран показател, базиран единствено на транзакции - всъщност правейки аналитичен скоринг въз основа на данните, с които разполага банката.

В резултат на това се оказа, че моделът, базиран на кредитен скоринг, който класира клиентите според вероятността от неизпълнение, практически не се различава от класическите модели по отношение на количествената метрика на точност. Нейният Джини е почти същият на ниво 60-65%. Но ако собствената информация на банката се обогати с външни данни, да речем от социалните мрежи и се използва за класиране, тогава точността може да бъде допълнително подобрена.

На практика това означава, че няма нужда да отделяте време за оценка на рисковете от гледна точка на класически анализ. Можете да обработите данните, които са в системата, и да получите статистически еднакво релевантен показател за качество.

Подобен модел вече може да се използва само за формиране на списък с предварително одобрени предложения. Ако клиентът каже „Добре, съгласен съм“, тогава процесът е по-сложен. С течение на времето, ако видим, че качеството на потока се поддържа на текущото ниво или по-високо и моделът показва по-голяма точност на прогнозиране, тогава той може да се използва като някакъв вид алтернатива.

Казус 5. Алгоритми за обработка на естествен език за анализ и генериране на твърдения
Максим Ерьоменко: Като част от използването на инструменти за обработка на текст или обработка на естествен език, се натъкнахме на факта, че Сбербанк изразходва доста голямо количество човешки и времеви ресурси за анализиране на искове и изготвяне на отговор. В същото време анализът на по-голямата част от информацията на ищците и самите искови молби срещу Сбербанк може да бъде автоматизиран. Не използвайте труда на хора, които въвеждат информация за паспортните данни в диспозитива искова молба, но можете да извлечете всичко това: дата на раждане, паспортни данни, подробности и диспозитива. На втория етап, за да подготвим отговорната част на исковете, предложихме да използваме определен шаблон като оптимизация.

Случай 6. ОпределениеB2БандаB2B-вериги
Максим Ерьоменко: За активни B2B потребители можете не само да оцените кредитния риск, но и да изберете типични модели на неговия партньор. Ако видим компании с подобен профил в портфолиото стопанска дейност, докато и двамата принадлежат към приблизително една и съща кохорта, тоест това не са големи инвестиции и малки предприятия, тогава ние, въз основа на тези модели, избираме партньори и препоръчваме кои взаимоотношения могат да представляват интерес за тях.

Казус 7. Алгоритми за @SberbankML_Bot чатбот
Максим Ерьоменко: Нашият чатбот все още се учи, но също така изпълнява някои неща, които много хора вече знаят как да правят, например препращане през API към отворени източници като Wikipedia. Ако го попитате кой е Греф или Путин, той ще ви отговори.

Имаме вътрешен ангажимент към нашите шефове, че до лятото на 2017 г. ботът ще може да води разговор за банкиране, плюс това ще има основни когнитивни способности и ще може да комуникира на абстрактни теми. В момента ботът е базиран в Telegram, но ние вече разработваме собствен месинджър [където ще бъде преместен].

Случай 8. Нашите алгоритми могат не само да се учат, но и да пишат поезия
Максим Еременко:Това е по-скоро развлекателен проект. Взехме повтаряща се невронна мрежа, базирана на поемите на Пушкин, Лермонтов и малко на чата Jira на самите разработчици, и обучихме системата да пише поезия. Отначало тя не се справи добре дори с ямбичния тетраметър, но след това започна да се появява дори рима. Сега той успява да пише поезия дори за Сбербанк.

В тази статия ще споделя с вас нашия опит в решаването на интересен проблем аналитична задачаизползване на нестандартни визуални инструменти. Статията ще бъде интересна за хора, занимаващи се с анализ на данни, както и за банкови мениджъри, специализирани в наблюдението и анализа на кредитния портфейл на банката.

Приложението, за което всъщност ще пиша по-долу, е базирано на платформата iDVP (Interactive Data Visualization Platform).

И така, да започваме!

Проблемът, който решавахме и който ще опиша в тази статия, беше формулиран по следния начин:

Банката издава големи заеми юридически лица- кредитополучатели. Броят на големите кредитополучатели наведнъж не надвишава 1000. банков мениджмънтнеобходим е удобен инструмент, с който да се вижда (наблюдава) цялостна картина на кредитния портфейл на банката. В същото време трябва да може да се премине от разглеждане на кредитния портфейл като цяло към подробна информация за всеки от кредитополучателите.

В какви условия е лидерът и от какво се нуждае?

1. Ръководството иска да похарчи минимум усилия за работа с приложението, интерпретиране на визуална информация и анализ на данни.
2. Ръководството иска незабавно да види състоянието на кредитния портфейл, като просто отвори приложението, без да прави нито едно кликване на мишката.
3. Информацията трябва да бъде представена "доколкото е възможно" - на един екран, без необходимост от скролиране. Още на първия екран потребителят трябва да види кои кредитополучатели са „проблемни“, колко „проблемни“ са и какъв е делът им в портфейла в количествено и стойностно изражение.
4. Инструментите за филтриране и групиране на данни трябва да са удобни и интуитивни.
5. Екраните на приложенията трябва да бъдат „красиви“, така че ръководството да може да ги използва, за да представи „ефектно“ своите отчети на основатели и акционери.

Банковите анализатори, както и доставчиците на BI инструменти, се опитват да създадат решения, които да отговарят на всички посочени изисквания, но не всички изисквания могат да бъдат напълно изпълнени и в резултат на това създадените софтуерни решения не винаги се харесват от ръководството. Решихме да поемем по собствен път и да проектираме решение, което да отговаря на всички изисквания с възможно най-високо качество.

Вече говорих за нашия подход към задачите за анализ на данни в предишна статия, ако желаете, можете да я прочетете.

Основните тези на тази статия

1. Когато преглеждаме клиент, ние винаги се опитваме да идентифицираме болката (проблема) на клиента, който може да бъде разрешен с помощта на анализ на данни. И ние създаваме приложение, което напълно решава този проблем.
2. За анализ на данни ние не използваме „обикновени“ BI отчети, а триизмерни приложения. В тези приложения визуализацията на аналитична информация се извършва под формата на 3D обекти, комбинирани в тематични интерактивни сцени (екранни форми), свързани помежду си чрез логически преходи.
3. Решенията, които създаваме се основават на три принципа:

• Визуално представяне на бизнес картината на клиента. Още при първото запознаване с приложението, на първия екран, потребителят трябва да види всички части от неговия бизнес, които го интересуват.
• Разкриване на причините за проблема. След като е избрал проблемна точка, потребителят трябва да може да използва функцията за детайлизиране, която ви позволява да навлезете по-дълбоко в проблемната област и да видите причините за проблемите в следните екранни форми.
• техническа естетика. Приложението трябва да предизвика уау ефект, т.е. трябва да бъде привлекателен, интуитивен и удобен за потребителя.

Тези принципи, според нас, трябва да заемат еднаква позиция при формирането на изискванията към решението, наред с функционалните изисквания.
В съответствие с горните тези на последната статия започнахме да създаваме нашето решение.

Позволете ми да ви напомня за нашите етапи на проектиране на приложението:

1. Поставяне на задачата и започване на работа;
2. Проучване на клиента и работа с отворени източници;
3. Анализ, формиране на изисквания и документация;
4. Оформяне на окончателен документ „Описание на приложението“.

Следващото описание е структурирано според тези стъпки.

Поставяне на задачата и започване

Като част от този етап, заедно със специалистите на банката, установихме, че основната „болка“ на клиента е да проследи състоянието на кредитния портфейл, като същевременно трябва да е възможно да се стигне до конкретен кредитополучател.

Естествено, приложението трябва да отговаря на всички изброени по-горе специфични изисквания на ръководството на банката.

Проучване на клиента и работа с отворени източници

В хода на проучването се получи следната картина на това направление от дейността на банката.

Основният доход на повечето банки е да предоставят заеми на фирми и физически лица.

Някои банки са специализирани в кредитиране на населението, други в кредитиране на юридически лица.

В тази банка задачата за наблюдение на кредитите, отпуснати на големи компании кредитополучатели, беше особено остра. Компаниите заеми принадлежат към различни индустрии, следователно се изисква анализ на портфейла както по компания, така и по индустрия.

Банката съставя и постоянно актуализира свой профил за всеки кредитополучател, който съдържа информация за надеждността на кредитополучателя, за неговата финансови показатели.

Банковите анализатори също събират информация за движението Пари(паричен поток) на кредитополучателя и други показатели, изграждане на модели на паричния поток. Информацията се събира от няколко информационни системибуркан.

Въз основа на анализа на събраната информация се идентифицират проблемите на кредитополучателя и кредитополучателят се причислява към една от 5-те „проблемни зони“, използвани в банката за групиране на кредитополучателите:

1. Зелена зона – тази зона включва кредитополучател, който не е установил проблеми, които могат да повлияят на изплащането на кредита;
2. Жълта зона - кредитополучателят има някои проблеми;
3. Червена зона - кредитополучателят има значителни проблеми;
4. Черна зона - кредитополучателят с вероятност близо до 100 процента няма да изплати заема;
5. Бяла зона - проблемът на кредитополучателя все още не е изчислен.

В зависимост от проблемния характер на кредитополучателя, банката е длъжна да направи резерви по специални сметки за евентуални загуби, чийто размер зависи от размера на кредита и надеждността на кредитополучателя. В тази връзка е необходимо да се контролира размерът на тези резерви и да се предотврати тяхното нарастване, т.к. Резервът е пари, които са „мъртви“ за банката и не могат да бъдат използвани.

Анализаторите на банката анализират и просрочения дълг на кредитополучателя (NPL - Non-performing loans). Въз основа на резултатите от анализа, кредитополучателят се разпределя в една от 4-те зони на NPL:

1. Зелена зона – плащанията по кредита от страна на кредитополучателя не са просрочени или просрочени до 4 дни;
2. Жълта зона - закъснението е от 5 до 29 дни;
3. Червена зона - от 30 до 89 дни;
4. Черна зона - от 90 дни и повече.

В резултат на разглеждане на всички показатели на кредитополучателя, банката изчислява общия си рейтинг, който показва колко надежден е този кредитополучател.

За всеки кредит се следи навременността на плащанията и изпълнението на останалите условия по договора за кредит.

При забавяне на следващото плащане, банката установява причините за забавянето и предприема действия срещу фирмата кредитополучател. Това може да са глоби или затягане на условията на договора за заем.

IN договори за заемса посочени и „ковенанти“ – това са специални условия на договора, които забраняват на фирмата кредитополучател да предприема действия, които се отразяват неблагоприятно върху способността на кредитополучателя да изплаща кредита. Примери за споразумения са: задължението на кредитополучателя да предостави на банката с финансови отчети, закриване на сметки в други банки, забрана за получаване на кредити от други банки, предоставяне на обезпечение по кредит.

Анализ, генериране на изисквания и документиране

Основните функции на приложението, осигуряващи мониторинг на тази тематична област, бяха: контрол на обема на кредитите, надеждност или проблемни кредитополучатели, както и други показатели.

Колкото повече „лоши” кредити като пари има банката, толкова по-лошо е качеството на кредитния портфейл. Следователно ръководството на банката трябва незабавно да види „лошите“ кредити и „лошите“ кредитополучатели, да може да види подробното състояние на проблемния кредитополучател и да вземе решение за по-нататъшни действия по отношение на него.

Решихме, че работата на потребителския мениджър с приложението в крайна сметка трябва да бъде подобна на играта „намерете проблемния кредитополучател и разберете какъв е неговият проблем“.

Също така, за да направим приложението удобно за ръководството на банката, решихме да направим не само десктоп версия за Windows, но и за Mac OS, iOS и Android. Освен това платформата, на която разработваме тези приложения, ви позволява да направите това, както се казва, „с едно докосване“.

Въз основа на резултатите от анализа бяха идентифицирани следните показатели, които трябва да бъдат наблюдавани за всеки кредитополучател:

1. Обем на дълга
2. Проблемна зона
3. NPL зона
4. Резервна сума
5. Рейтинг на кредитополучателя

Приложението трябва да позволява на потребителя да:

1. Вижте всички кредитополучатели на един екран; в същото време трябва да се помни, че в същото време банката обслужва до 1000 големи кредитополучатели;
2. Филтрирайте кредитополучателите по размера на дълга;
3. Филтрирайте кредитополучателите по проблемни области;
4. Филтрирайте кредитополучателите по NPL зони;
5. Филтрирайте кредитополучателите по банкови клонове, които са им издали заеми;
6. Филтрирайте кредитополучателите по отрасли;
7. Филтрирайте кредитополучателите по идентифицираните с тях проблеми.

Опитайте се да си представите доклад (или няколко доклада), който ще отговаря на тези изисквания, както и на изискванията, посочени в самото начало на статията. Представено? И сега ви предлагам да се запознаете с нашето решение.

Както казах по-горе, удобството и красотата на приложението е много важно за нас. голямо значение. Следователно не само анализатори участват в работата по екраните на приложенията, но също така и 3D дизайнери и специалисти по използваемост.

В резултат на това получихме следния основен екран на приложението iDVP.Banks.Credit Processes (вижте фигурата по-долу).

На пръв поглед екранът изглежда доста наситен, но в същото време цялата информация е разделена на зони, което я прави по-лесна за възприемане. С какви зони се озовахте?

Банковите кредитополучатели са представени в тази зона под формата на многоцветни планети (топки). Размерът на планетата съответства на размера на дълга по заема от този кредитополучател. Цветът на планетата съответства на проблемната област на кредитополучателя. В същото време кредитополучателите от един и същи цвят са групирани заедно, така че е възможно визуално да се оцени техният дял (количествено и по размер на дълга) в кредитния портфейл. Така решихме проблема с „виждането на всички кредитополучатели на един екран“.

В същата зона има филтър по размера на планетите (обърнете внимание на мащаба и кръга, разположен вдясно от планетите). С този филтър можете да посочите минималния и максималния размер на дълга за показаните кредитополучатели. Можете да оставите на екрана само големи кредитополучатели, например. Задачата за „филтриране на кредитополучателите по размера на дълга“ е решена.

Когато щракнете върху която и да е планета, отивате на екрана "Карта на кредитополучателя" (вижте снимката по-долу), той предоставя подробна информация за показателите, характеризиращи този кредитополучател и неговия кредит.

Задачата за „преход от цялостната картина на кредитния портфейл към конкретен кредитополучател“ за анализ на ситуацията трябва да се извърши с минимален брой кликвания“ е решена.

В първоначалното състояние на екрана на малка планета не винаги е удобно да щракнете - просто е трудно да ги ударите с мишката или, в случай на сензорни интерфейси, с пръст. За да се компенсира тази трудност, в централната зона е възможно да се увеличава и намалява (увеличаване и намаляване) на всяка част от планетарната система. Това се прави или с колелцето на мишката, или, ако се използва сензорен екран, с действието "щипване".

Тази зона съдържа филтър по цветови зони на проблемни кредитополучатели. Можете да щракнете/премахнете щракване върху необходимите/ненужните области на проблемните зони. В резултат на това в централната зона ще останат само планети-заематели на желаните от потребителя цветове. Решена е задачата за „филтриране на кредитополучатели по проблемни области“, „филтриране на кредитополучатели по зони на NPL“. Внимателен читател със сигурност ще попита как филтрираме кредитополучателите по NPL зони с помощта на този инструмент, тъй като той филтрира само проблемни области. Всичко е просто: в горната лява част на екрана има надпис „ОСТАТЪЧЕН ДЪЛГ“ - това всъщност е падащ списък за избор на режими на показване на кредитополучателя. Следните режими са достъпни за избор:

1. ОСТАТЪК ДЪЛГ - в този режим размерът на планетите се определя от размера на дълга, а цветът на планетите се определя от проблемната зона;
2. NPL VOLUME - в този режим размерът на планетите се определя от размера на просрочения дълг, а цветът на планетите се определя от NPL зоната;
3. РЕЗЕРВ - в този режим размерът на планетите се определя от размера на резерва, а цветът на планетите се определя от проблемната зона;
4. РЕЙТИНГ - в този режим размерът на планетите се определя от стойността на рейтинга, а цветът на планетите се определя от проблемната зона.

Тук, в режим „NPL Volume“, филтърът отляво става филтър за цветова зона на NPL.

Филтърна зона вдясно

Тази зона съдържа филтриращия елемент "акордеон", който съдържа три филтъра:

1. CA + TB (централен офис + териториални банки) - с помощта на този филтър можете да оставите на екрана само кредитополучатели, чиито заеми са издадени от централния офис (централен офис на банката) или териториални банки (клонове).
2. ИНДУСТРИИ - позволява ви да филтрирате кредитополучатели от определени индустрии.
3. ПРОБЛЕМИ - този филтър ви позволява да оставите на екрана само тези кредитополучатели, за които анализаторите на банката са идентифицирали определени проблеми.

Характеристика на елемента "акордеон" е, че се използва само един филтър в даден момент (филтърът "ПРОБЛЕМ" е разположен в скицата). Останалите филтри са в свито състояние.

Задачата за „филтриране на кредитополучателите по банкови клонове, по отрасли, по проблеми“ е решена.

Долна графична зона

Тази зона съдържа графика, която показва промяната в съотношението на проблемните области или NPL зоните във времето. За да направите това, използвайте типа диаграма "линейна диаграма с натрупване". Цветовете на графиката съответстват на проблемни области или NPL зони.

Потребителят има възможност да настрои плъзгача на произволна дата от диаграмата и само онези кредитополучатели, които банката е имала по това време, ще бъдат показани в централната зона. Размерите на планетите и техните цветове ще съответстват на размера на дълга и проблемната зона, която всеки кредитополучател е имал на избраната дата.

По-долу прикачвам останалите екрани на приложението: миниатюри и заглавия.И ще имате възможност да ги изучавате, анализирате сами. Ако имате въпроси относно съдържанието - задайте ги в коментарите, определено ще отговоря.

Основният екран с показване на кръгова диаграма на разпределението на проблемните цветови зони

Основният екран с кредитополучатели, филтрирани по размера на дълга (на скалата вляво от планетите долната граница на показване е зададена на 20% от максимума)

Начален екран. Приближаване на планетите (увеличаване)

Карта на кредитополучател

Финансовият симулатор помага на хората да погледнат работата на банката отвътре

Към отметки

Представители на банката Home Credit разказаха на редакторите на сайта как компанията е разработила онлайн играта „Вашият собствен банкер“, която позволява на играчите да се чувстват като директор на банка. Благодарение на симулатора публиката може да разбере как точно работи финансовата институция, което им позволява да бъдат въвлечени в бранда.

Идеята за разработване на онлайн финансова игра идва на банката през 2015 г. Компанията си постави за цел да заинтересува хората от банкирането, да ги въвлече в марката и по закачлив начин да разкаже за основните принципи на банката.

„Опитът показва, че хората са по-склонни да взаимодействат с това, което разбират. И нашата игра дава възможност на хората да погледнат банката отвътре: играчите сами определят как ще работи „тяхната“ банка и след това системата автоматично изчислява печалба или загуба“, казва Мария Бурак, директор Маркетинг и маркетингови комуникации в Home Credit Bank.

Управлението на банката е разделено на девет области (кредитни продукти, рискове, обслужване на клиенти и т.н.). Избирайки елемент от менюто, играчът трябва или да отговори на въпрос, или да зададе стойностите на финансовите показатели.

След като потребителят определи политиката на организацията, системата ще изчисли колко успешна ще бъде банката и колко играчът ще може да спечели (или загуби).

Играта стартира в средата на 2016 г. От откриването му досега в него са участвали над 32 000 души. „Първоначално очаквахме до края на 2016 г. поне 10 000 души да играят играта. В резултат надхвърлихме първоначалните си планове повече от три пъти“, отбелязва Бурак.

Според директора на маркетинга около 20% от играчите са играли няколко пъти, опитвайки се да подобрят резултата си. Аудиторията се състоеше от клиенти на банката, абонати на нейните групи в социалните мрежи, хора, дошли чрез репост на други играчи, както и банкови служители.

„Онлайн играта няма награден фонд и компанията не е платила за промоция. Играчите бяха привлечени чрез уебсайта и официалните общности на банката в социалните мрежи. Направихме и пощенски списък с предложение за игра на „Вашият собствен банкер“ до клиенти и служители на нашата банка“, отбелязва тя.

Според Бурак по този начин банката решава няколко важни задачи едновременно: привлича интерес към марката, повишава осведомеността и финансовата грамотност на играчите, а също така ги въвлича в процеса на игра.

Мария БуракДиректор на отдел „Маркетинг и маркетингови комуникации“ на Home Credit Bank

Не сме имали за задача да рекламираме продуктите на банката. Искахме да променим отношението на хората към банковия бизнес като цяло – да говорим за целите и задачите, да обясним как банките постигат своите резултати. Това е повече за имиджовата страна на проблема, отколкото за продажбите на продукти.

Идеята, моделът, визуалната концепция на играта - всичко е измислено и разработено вътре в банката. Участващата агенция само начерта и програмира мисията. Прототипът за създаване на онлайн куест беше обучителна настолна игра, също създадена от служители на нашата банка.

Нарича се още „Собственият ви банкер“. Неговата игрова механика е много по-сложна: трябва да играете в отбори в няколко рунда. Пълното преминаване на тренировъчната настолна игра отнема от няколко часа до цял ден. В онлайн версията можете да постигнете резултати много по-бързо: за няколко минути. Заслужава да се отбележи, че ние не рекламираме продуктите на Home Credit Bank по никакъв начин в играта.

Между другото, по време на съществуването на играта тя също имаше свои собствени рекордьори. Играта може да се играе неограничен брой пъти. Един човек е играл 127 пъти, получава и печалба, и загуба. Той постави абсолютен рекорд - 42 209 768 000 рубли, който все още не е счупен, въпреки че няколко души успяха да се доближат до него и "спечелиха" 42 135 451 000 рубли.

Популяризиране на банкови продукти и формиране на търсене за тях.

Геймификацията е една от най-популярните маркетингови тенденции в момента. И беше логично ние, като банка с активна и напреднала аудитория, да го подкрепим, като предложим на клиентите промоция, при която механиката на играта е внедрена на правилното технологично ниво и е до голяма степен персонализирана.

— Кирил Бобров, вицепрезидент на Tinkoff Bank за привличане на клиенти

В резултат на това много потребители за първи път получават лихва върху пари, които просто са в банката. Клиентите разбират от собствен опит, че спестовната сметка е прост и печеливш продукт. А това е първата стъпка към откриването на депозит или влог, а и към разширяването на идеята за банковите продукти като цяло.

Косвен резултат е и редовното използване на онлайн банката от потребителя, тъй като само там можете да видите напредъка си.

Освен това резултатът се постига косвено с помощта на механиката на играта, представя се под формата на история за активен начин на живот, който е много по-интересен за определена аудитория от способността да спестявате и да получавате лихва (това се предлага от всяка банка) или обаждане за използване на онлайн банка.

Геймификацията е супер тема. Всичко е въпрос на участие. Скучно е да правите транзакции в банка, скучно е да използвате банкови продукти. И хората обичат да се състезават, хората обичат да се състезават. Седи вътре и много дълбоко. И можете да използвате тези качества на хората. Как да го направя в банка? Случаите са малко. Но моето дълбоко убеждение е, че тези, които се научат да ангажират активно клиентите си, включително да използват геймификация, могат да спечелят много пари.

— Иван Пятков, директор на отдел „Дистанционно обслужване и продажби“, Банка на Москва

Повишаване на финансовата грамотност на потребителите за опростяване на възприемането на сложни банкови продукти: депозити, инвестиции и др.

Типични подходи:

1. Програми за лоялност с точки, мили и връщане на пари като награди.
2. Интерактивно контекстуално обучение за нови функции. Добре дошли скриптове.
3. Куестове и състезания за клиенти.
4. Създаване на прости полезни услуги с елементи на играта: PFM, натрупване на целта.
5. Вирусни промоционални игри, които обявяват нови продукти по забавен начин.

Играта прави всеки процес по-лесен и забавен. Ето защо се появяват все повече приложения, базирани на геймификация. В играта потребителите получават нови знания, развиват добри навици или, обратно, се отърват от лошите.

Защо банките и платежните системи се нуждаят от игровизация?

„Геймификацията“ всъщност е система от мотивация и стимули. IN съветско времеимаше почетно табло, на което бяха поставени снимки на най-добрите служители (тогава не можеше да се говори за стимулиране на купувачите). Сега има много повече възможности да направите системата за мотивация интересна, вълнуваща, нелинейна. Това е превръщането му в игра, което е геймификация.

Геймификацията е предназначена да завладее потребителя, човекът ще се стреми към нови постижения. Важно е този път да е ясен. Например, потребителят не само получава нов статусв приложението, но вижда движение към него, разбира какво трябва да направи за това. Всичко това с красива графика.

Човешкият мозък винаги се стреми към опростяване. Затова бързо се заемаме с нещата, които са ни ясни, а трудните отлагаме за по-късно. Геймификацията е един от начините за опростяване, намаляване на дискомфорта.

С кого можеш да играеш?

Мозъчната дейност не зависи от социалната роля. Следователно геймификацията работи както с клиенти, така и с служители. Сега в компанията идват все повече специалисти от поколение Y. За тях подписаният договор не е най-важната причина за безкористна работа, а финансовите стимули не винаги включват пълна мотивация.

Работата трябва да е вълнуваща, служителите искат развитие и независимост.Следователно играта може да започне още при наемането на служител и може да се използва за повишаване на мотивацията в бъдеще.

И, разбира се, геймификацията помага за изграждането на взаимоотношения с клиентите, повишаването на тяхната лоялност и формирането на навик за използване на определена услуга или продукт. Именно в играта потребителят може ненатрапчиво да бъде насочен към целевото действие. Ще се фокусираме върху тази аудитория и във връзка с финансовия сектор.

Дълги години се смяташе, че банките и финансова институциятрябва да създадете и поддържате имидж на сериозни компании, те категорично не позволяват шеги. Само в този случай клиентите ще им доверят парите си. Но ситуацията се промени: финансистите също използват геймификация.

Цели на геймификацията

1. Привлечете нови потребители

Едно е, когато говорите за предимствата на даден продукт, а съвсем друго, когато поканите потребител да участва в играта.

случай

Миналата година Rocketbank проведе онлайн търсене с препратки към СССР. Потребителите можеха да спечелят iPhone 7, испански хамон или френски макарони. Участниците трябваше да изпълнят 12 задачи, за които се дават точки и се поставят печати във виртуален талон. Някои от тях бяха свързани с разпространението на информация за Rocketbank в в социалните мрежи. А една от задачите – „Партиен билет“ – включваше подаване на заявление за издаване на карта Rocketbank.

Така участниците в куеста, докато играят, сами повишават разпознаваемостта на банката, разширяват аудиторията й и междувременно стават клиенти.

2. Помогнете да разберете продукта

Финансовите продукти често са доста сложни, потребителят трябва както да обясни самата услуга, така и да даде инструкции как да я използва.

случай

Базираната в Холандия Robobank внесе елемент на игра в доста сложния и объркващ процес на получаване на ипотечен кредит. За да направите това, кредитополучателят трябва да премине през пътя, за него са определени конкретни стъпки и едва след като бъдат изпълнени, се отваря следващото ниво и се активира новата икона за действие.

3. Повишаване на финансовата грамотност

Много банкови и платежни услуги не само гарантират, че клиентите познават техния продукт, но и подобряват финансовата им грамотност. Често въпроси относно защитата от измами и вземането на финансови решения се използват в геймификацията.

случай

Америка има програма за награди SaveUp. Потребителите се насърчават да действат правилно и ефективно по отношение на финансите. Освен това, това не е програма за лоялност на конкретна банка, тя включва потребители на повече от 180 000 американски финансови институции.

Точките, например, се броят, когато потребител депозира средства в пенсионна сметка или депозит, изплати дълг по ипотеки, кредитни карти и други видове заеми. Освен това потребителите участват в курсове за финансово образование на ресурса SaveUp. Точките могат да бъдат осребрени за шанс за спечелване на награди.

4. Увеличаване на потребителската активност и предлагане на нови услуги

Хората не отиват в платежната услуга от скука или просто защото имат свободна минута. Трябва да платите - потребителят отваря приложението, извършва плащане и напуска. Но при този подход клиентът може дори да не знае всички функции на услугата. Например, той осъзна, че е удобно да плаща сметки за комунални услуги, той идва веднъж месечно и прави плащане. Докато HOA или Наказателният кодекс не издаде следващата разписка, потребителят не може да се върне към услугата.

случай

Платежната система "Централна каса" има голяма група потребители, различни от другите аудитории - таксиметрови шофьори. Те получават плащане от пътниците, които са платили банкова карта, към електронен портфейл. Някои от тях просто превеждаха получените пари по картите си. На това взаимодействие с платежна системаприключи.

Следователно предизвикателството за бизнеса: научете таксиметровите шофьори как да използват приложението за плащане на услуги. За да направите това, играта беше стартирана. Таксиметровите шофьори приемаха плащане за пътувания, получаваха бонуси и плащаха за диспечерски услуги без комисионна.

Друг случай

Alfa-Bank стартира услугата Alfa Activity. Банката предложи на потребителите автоматично да прехвърлят пари в „касичката“ пропорционално на предприетите стъпки. За да направите това, беше необходимо да свържете акаунта на фитнес тракера с интернет банката. Резултатите бяха показани в специална скала, така че потребителят да разбере какво вече е спестил.

И още един

Американската банка PNC не излезе с дълго и трудно търсене. Просто на екрана на потребител, който е в интернет банката, се появява касичка. Когато щракнете върху него, средствата се прехвърлят в спестовната сметка. Освен това клиентът определя самостоятелно честотата и размера на плащанията.

5. Програма за лоялност

Отваряме портфейла и какво виждаме? Голям бройкарти за отстъпка, много вече не ги носят всички със себе си. Следователно обичайната програма за лоялност не изненадва никого. Потребителите често дори отказват да се присъединят към него.

случай

Геймификацията ще помогне за съживяването на бонусната програма отново. Испанската банка BBVA стартира онлайн услугата BBVA Game. Клиентът печели точки за извършване на определени дейности, като извършване на онлайн плащания. Точките могат да се обменят за награди, да се плаща за музика и видеоклипове на партньорския сайт на BBVA. В допълнение към точките, потребителят получава медали ("значки"), които се показват на страницата на неговия профил.

Но е важно да запомните, че бизнесът не трябва просто да стартира игра заради самата игра. Целта на геймификацията е да направи по-интересно взаимодействието с компаниите, закупуването на техните услуги и използването на тяхната функционалност. Само в този случай играта ще помогне за постигане на бизнес цели и повишаване на лоялността.