Сбербанк

 
 
Советы от Сбербанка
 
Сервис «Советы» - это инструмент, созданный на базе машинного обучения, который помогает клиентам изменить свои финансовые привычки и дает полезные рекомендации. Эта функция доступна в приложении Сбербанк Онлайн, которым активно пользуется более 25 млн человек. Сервис запущен в феврале 2017 года. Сервис даёт рекомендации на основе финансовой активности клиента. Если предложение заинтересовало, клиент может перейти по ссылке и воспользоваться услугой или узнать детали.
 
Как это работает
 
Пользователь заходит в раздел «Мой помощник» мобильного приложения Сбербанк Онлайн, видит свой бюджет на текущий месяц, а ниже превью советов, которые могут быть ему полезными в данный момент. Пользователь может лайкнуть нужный совет или просмотреть детальную информацию. В совете есть ссылка, которая может перенаправить пользователя либо на другую страницу приложения, либо на внешний сайт (для банка это возможность в подходящий момент предлагать клиенту релевантный сервис — собственный или партнерский). Простые и актуальные на конкретный момент времени советы (например, тому, кто ждёт свой рейс в аэропорту) будут приходить в виде Push-уведомлений.
 
Типы советов
 
Советы в Сбербанк Онлайн можно разделить на следующие категории:
  • Сложные советы (используют для таргетинга машинное обучение) – показываются клиентам, если математическая модель определила большую вероятность какого-то события в жизни пользователя. Пример: Пользователь собирается в путешествие (это можно выяснить по косвенным признакам еще до покупки авиабилета) – он получит предложение купить страховку для выезжающих за рубеж.
  • Советы средней сложности (показываются клиенту, если сработали различные триггеры) - появляются после определенных действий пользователя. Пример: Если пользователь оплачивает аренду машины за границей, помощник предложит заправить автомобиль на заправке на второстепенной дороге, так как бензин на этих станциях на 5-7% дешевле.
  • Простые советы - советы с простым таргетированием, привязанным к определенным событиям и датам. Пример: клиент взял ипотеку – сервис предложит ему подключить «Копилку», которая автоматически вовремя переводит на ипотечный счет нужную сумму (возможность для привлечения клиента к более активному использованию сервисов/к покупке банковских и партнерских продуктов).

Советы бывают разных форматов:
  • Обучающие советы по функциям и сервисам приложения
  • Советы, предлагающие релевантные продукты банка и партнеров
  • Сравнение с похожими
Пользователь получает сравнительную характеристику со средним показателем по каждой категории трат в своем кластере. Этот инструмент помогает сориентироваться в своих расходах и увидеть категории, на которые потенциально можно тратить меньше.
  • Дайджест расходов
Дайджест дает пользователю статистику по его расходам и доходам (например, самая крупная покупка месяца, самая популярная торговая точка, среднедневной расход).
  • Советы на общие темы, не связанные с сервисами банка (например, связанные с праздниками и сезонами) – на этапе бета-тестирования. Пример: 22 июня в день памяти героям предложение перевести деньги в благотворительный фонд.
  • Лайфхаки – бытовые советы – на этапе бета-тестирования. Пример: как компактно располагать вещи в чемодане.
  • + Советы в финансовых целях:
  1. Мы встроили в сценарий создания финансовой цели специфический совет, который поможет на основе вводных от клиента выбрать самый выгодный из 3 типов вклада (в зависимости от сроков и первоначального взноса).
  2. В раздел финансовых целей интегрированы специальные контекстные советы по процессу накопления. Информация о целях (дата, категория и т.д.) позволяет давать максимально точные советы (например, подключить копилку для планомерного накопления или использовать баллы «Спасибо» для оплаты до 99% стоимости желаемой покупки в магазине партнера).
 
Технология
Сервис построен на базе технологии, включающей в себя различные методы машинного обучения. Алгоритм градиентного бустинга (gradient boosqng) может предсказывать события в жизни клиента. Алгоритмы обучения с подкреплением (reinforcement learning) позволяют учитывать обратную связь от клиентов и совершенствовать советы. Каждый совет сначала показывается небольшой части целевой аудитории для получения обратной связи, после чего целевая аудитория автоматически оптимизируется. Также алгоритм использует накопленную обратную связь для самообучения – он постоянно улучшает свои навыки таргетинга советов. Работа над генерацией советов имеет следующую структуру: различные жизненные ситуации распределяются по веткам с общей темой. Чтобы предоставлять целостную и логичную цепочку советов, каждая ветка ситуаций прорабатывается последовательно. Так, в приложении уже есть советы веток «для автомобилистов», «для путешественников» и советы по использованию банковских продуктов, в ближайшем будущем будут проработаны ветки с советами для тех, кто недавно обзавелся семьей, и для тех, кто задумался о покупке жилья или недавно купил недвижимость. Работа с данными подразумевает обработку больших массивов информации о поведении клиентов. Важны именно объемы данных для более точного анализа. Мы не используем информацию о конкретных пользователях. Все данные имеют обезличенный характер и соответствуют высокой степени конфиденциальности. Информация ни в каком виде не передается третьим лицам.

Результаты и планы
  • За 5 месяцев работы было сгенерировано более 40 млн советов для пользователей Сбербанк Онлайн.
  • Около 1,5 млн человек открывали и читали советы.