En septiembre, CactusSoft participó en la 3.ª Conferencia Anual de Innovaciones en Banca en Praga, República Checa. Un enfoque principal en la conferencia fue la inteligencia artificial, seguida de innovaciones digitales, robótica en el sector bancario, autenticación de clientes, chatbots y experiencia del cliente.
El Director de Operaciones (COO) de CactusSoft, Mike Kartamyshev, presentó su discurso sobre cómo la IA está redefiniendo la banca móvil y compartió con la audiencia nuestras mejores prácticas de experiencia del cliente. En este artículo, puedes leer los puntos más importantes de su presentación.
Hace relativamente poco tiempo, las empresas del sector fintech y bancario, en particular, recibieron la oportunidad única de construir una experiencia de cliente sólida y positiva a través de soluciones y aplicaciones que funcionan en dispositivos que se han vuelto tan populares y adictivos que podemos experimentar fácilmente un ataque de pánico si los olvidamos en casa.
Y si hablamos de software de banca móvil, la experiencia del cliente, en este caso, se construye a partir de la calidad del producto financiero ofrecido, y eso es algo sobre lo que la aplicación no puede influir. Ahí es donde el cliente toma decisiones, se engancha a los servicios que se le proporcionan y se convierte en un evangelista de la solución. Y la experiencia de usuario (UX) adecuada es vital aquí.
Esta es la última frontera donde puedes ganar puntos extra ante los ojos de tus clientes. No lo confundas con la UI (interfaz de usuario), la UX es un término más amplio que incluye la UI. Entonces, ¿qué hacemos para proporcionar esta llamada UX adecuada?
Para pensar en la dirección correcta, primero debemos cambiar nuestra mentalidad. La era de la publicidad y el marketing se está alejando. La gente odia que la empujen a comprar. No confían en las promociones. No debemos establecer como objetivo principal vender o aumentar las ventas.
Lo que la gente valora y compra es la actitud y el cuidado. Nadie quiere que le ofrezcan un producto o servicio en el momento que no lo necesita. En cambio, debemos centrarnos en proporcionar una solución a los problemas de los clientes y la satisfacción de sus necesidades.
El objetivo final con esta mentalidad sería entonces crear una aplicación que haga más feliz al cliente haciendo justo lo que quiere o necesita en ese momento particular. La aplicación perfecta tendría un botón que supiera cómo hacer lo que quiero en ese instante.
¿Alguien sería capaz de completar esta aplicación? Sin embargo, eso es difícilmente posible, al menos en este momento del desarrollo tecnológico. Desafortunadamente o afortunadamente, no podemos leer la mente de otras personas. Aunque ya podemos hacer un par de cosas.
Las personas están acostumbradas a las interfaces modernas. Quieren ver que las funciones que usan no solo sean funcionales, sino también hermosas y elegantes. Es simplemente una realidad del mundo moderno… a menos que seas Craigslist, entonces es tu movimiento.
Básicamente, el 80% del tiempo los clientes realizan las siguientes acciones al visitar la banca móvil:
- Consultar su saldo de cuenta
- Realizar pagos
- Y transferencias
- Mirar el historial de transacciones
- Y buscar los contactos del banco para comunicarse con el soporte
Lo que podemos hacer entonces es repensar el enfoque de la interfaz para hacerla conveniente según las necesidades del cliente.
La llamada Inteligencia Artificial se utiliza para problemas que no tienen una solución exacta.
- Primero, recopilamos datos de los usuarios. Todo lo que podamos obtener sobre ellos.
- Luego, limpiamos, preparamos y ajustamos esos datos. Aquí se necesitan matemáticas, así que definitivamente necesitarás a algunos tipos inteligentes.
- Luego, elegimos y educamos el modelo o algoritmo que, finalmente, como resultado, nos da un conjunto de probabilidades de posibles resultados.
Por ejemplo, queremos implementar un modelo de predicción de abandono (churn) que nos ayude a revelar los clientes que dejarán nuestro banco en el próximo mes. Recopilamos el perfil del cliente y los parámetros de comportamiento. Sabemos qué clientes nos dejaron en el mes anterior y eso es algo que nos ayudará a entrenar el algoritmo. Preparamos los datos. Luego, utilizando varias herramientas y marcos de trabajo, elegimos y educamos el modelo apropiado.
- Para ello, alimentamos a la IA con datos anteriores al último mes y dejamos que ajuste los parámetros del modelo para obtener un resultado que sea lo más cercano posible a la lista real de clientes que abandonaron el banco durante ese último mes.
- Después de que el modelo es lo suficientemente preciso, podemos usarlo para identificar a los clientes que tienen la mayor probabilidad de cancelar el contrato con el banco en el próximo mes. Se utilizan varios tipos de algoritmos y sus combinaciones para la predicción, segmentación, visión por computadora y procesamiento del lenguaje natural.
Solo para recordar, ya hemos mejorado la interfaz de usuario (UI) de la aplicación, que fue solo el primer paso para estar al día con el mundo moderno.
- Digamos que tenemos un equipo de soporte. En caso de que el equipo tenga un guion bien definido, se puede aplicar en el chatbot que utiliza IA para transformar la pregunta humana en una solicitud que la máquina entendería.
No requiere demasiado esfuerzo tener la primera versión. Sí, es muy básica, pero ya ayuda en el 80% de los casos.
- El siguiente paso sería educar a nuestra IA para que monitoree constantemente el comportamiento del cliente. Y digamos que nuestra IA entendió que el usuario recientemente gastó algo de dinero en artículos de boda y ahora comenzó a gastar en artículos de cuidado infantil, y eso podría ser un buen detonante para ofrecerle un préstamo de automóvil para comprar un SUV o un familiar, o quizás una hipoteca para obtener una casa más grande.
Definitivamente, eso es solo un ejemplo muy simple. La IA es mucho más inteligente y actuará de una manera mucho más sofisticada, teniendo en cuenta decenas, cientos y miles de parámetros y construyendo modelos en los que un ser humano nunca habría pensado.
La máquina descubrirá patrones precisos que desencadenan la sugerencia de algo que el cliente con alta probabilidad podría necesitar en este período de tiempo. Transformamos los anuncios en asistencia en una situación particular que la IA identifica.
Con el análisis del comportamiento y las transacciones del usuario, podemos ayudar a recordar que se debe realizar un pago.
El desarrollo posterior del ecosistema de IA del banco puede permitirnos implementar sugerencias de pagos y transacciones. Por ejemplo, el sistema detecta que el cliente viajó en coche y se detuvo en un estacionamiento en el centro de la ciudad.
Si entramos en la aplicación, es posible que queramos hacer el pago del estacionamiento y la aplicación adaptará su interfaz. E incluso completará previamente toda la información requerida para que el cliente solo necesite proporcionar su huella digital para confirmar la transacción.
Con el tiempo, los bancos pueden informar adecuadamente sobre cualquier situación que requiera la atención del usuario, ayudar a mejorar la salud financiera y hacer pronósticos financieros para ofrecer una gama de acciones requeridas.
¿Recuerdas la aplicación definitiva con un solo botón? Definitivamente no estamos en esta etapa todavía, pero con el enfoque adecuado y el uso de estas nuevas y hermosas tecnologías, ya podemos acercarnos a ese objetivo.
