DIGITAL BANKING HUB COGNITIVE COMPUTING & DYNAMIC CRM PRIMO TAVOLO DI LAVORO - CETIF - UNIVERSITÀ CATTOLICA - 30 MAGGIO 2017
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
DIGITAL BANKING HUB
Cognitive Computing & Dynamic CRM
Primo Tavolo di Lavoro
CeTIF - Università Cattolica – 30 maggio 2017
1
Documento riservato e confidenziale
AGENDA
• Apertura dei lavori e presentazione degli obiettivi
• Presentazione a cura di CeTIF: Big Data e Dynamic CRM
Tavola Rotonda fra i partecipanti
• Intervento a cura di CRIF
Networking Lunch
• Presentazione a cura di CeTIF: Cognitive Computing
• Presentazione questionario fonti dati
• Chiusura dei lavori e next step
2
Documento riservato e confidenziale
Il CeTIF
CeTIF dal 1990 realizza studi e promuove ricerche sulle dinamiche di
cambiamento strategico e organizzativo nei settori finanziario,
bancario e assicurativo.
Tra i partner istituzionali di CeTIF figurano: Banca d’Italia, IVASS,
ABI, ANBP, ANIA, AIPB e CONSOB.
In seno a CeTIF è stato costituito il CEFIRS - Centre for European
Financial Regulations Studies - un Osservatorio Permanente sulla STRATEGIA FINANZA INNOVAZIONE
regolamentazione nel settore finanziario, bancario e assicurativo.
Il CeTIF è, inoltre, socio fondatore del FIT: l’Associazione europea dei
centri di ricerca sulla finanza e l’Information Technology.
15 strutture di ricerca quali Competence Centre e HUB, cui partecipano
RICERCA
oltre 20.000 professionisti
Oltre 10 workshop all’anno dedicati a banche, compagnie assicurative e aziende
WORKSHOP
non finanziarie
realizzate da qualificati docenti e ricercatori provenienti dal mondo
PUBBLICAZIONI
accademico, scientifico e finanziario
PERCORSI É presente la struttura CeTIF Academy, scuola di alta formazione universitaria
FORMATIVI che ha l’obiettivo di trasferire le conoscenze sviluppate in oltre 20 anni di ricerca.
3
Documento riservato e confidenziale
Con il
IL CALENDARIO DELL’INIZIATIVA contributo di:
STREAM I
• utilizzo di strumenti connessi (blackbox, whitebox, sensori,…), smarth watch, I-
Beacon e tecnologie per l’interazione con la clientela;
7 Febbraio STEERING COMMITTEE MEETING • Offerta di servizi e prodotti (anche non bancari) in modalità contestuale,
personalizzazione ed evoluzione della customer experience;
• Analisi dei dati provenienti dai punti di contatto, utilizzo di API e strategie di
7 Marzo IOT, WEARABLE DEVICE E I-BEACON STREAM I integrazione di componenti innovative negli attuali modelli di servizio;
IoT & New • Metodologie di svluppo e modelli organizzativi e di governo dei progetti di
DIGITAL BANKING BENCHMARKING
Digital innovazione (Scaling Agile, tribes, squads, Innovation HUBs, ecc.).
4 Aprile AGILE INNOVATION E API ECOSYSTEM
Experience
STREAM II
26 Aprile IoT & INNOVATION GOVERNANCE SUMMIT • adozione di piattafome autoapprendenti, cognitive computing e gestione
dinamica della customer journey;
• definizione di modelli di marketing dinamici (es. basati sui dati biometrici, di
30 Maggio COGNITIVE COMPUTING E DYNAMIC CRM STREAM II contesto e sensori);
Big Data & • utilizzo di fonti informative interne ed esterne per la conoscenza del cliente, i suoi
Customer bisogni e la relativa clusterizzazione;
20 Giugno BIG DATA E PREDICTIVE ANALYTICS Insight • analisi predittive e strumenti BIG DATA per la creazione di nuovi prodotti, servizi e
modelli di relazione.
11 Luglio MOBILE, SOCIAL BANKING E FINTECH STREAM III
Omnichannel STREAM III
& Digital • Caratteristiche e funzionalità delle Aree Riservate e delle App Mobile;
26 Settembre DIGITAL BUSINESS, REMOTE & ROBO ADVISORY Banking
• Utilizzo dei Social Media come strumento di relazione, engagement e servizio al
cliente;
• Requisiti di usabilità, personalizzazione dei percorsi utente, logiche di
25 Ottobre OMNICHANNEL EXPERIENCE SUMMIT comunicazione, modalità di autenticazione e sicurezza;
• Governo della relazione con il mondo delle Fintech, definizione di Partnership,
Digital Marketplace e nuovi servizi;
• Adozione di strumenti per la consulenza da remoto e Robo Advisory.
4
Documento riservato e confidenziale
AGENDA
• Apertura dei lavori e presentazione degli obiettivi
• Presentazione a cura di CeTIF: Big Data e Dynamic CRM
Tavola Rotonda fra i partecipanti
• Intervento a cura di CRIF
Networking Lunch
• Presentazione a cura di CeTIF: Cognitive Computing
• Presentazione questionario fonti dati
• Chiusura dei lavori e next step
5
OPEN BANKING & API ECOSYSTEM
APIs – or Application Programme Interfaces – are technology that allow banks and other companies to conveniently and
securely share data between their organizations.
CONVENIENCE SEMPLICITY SPEED
Piattaforma
AGGREGATION
Permette alle terze parti di creare nuove applicazioni
sulla base di quelle esistenti, con un minore costo e
time-to-market
ANALYSIS (API come sistema per lettura dei dati)
MONITORING
RECOMMENDATION
Accesso customer base
AUTOMATION Gli operatori tradizionali possono dare accesso alla
loro customer base a soggetti terzi incrementando
l’importanza del loro brand e della fidelizzazione
(API come sistema per lettura dei dati e primo step
PAYMENT REQUESTS canale comunicazione ai clienti degli operatori
tradizionali)
Esporre in modalità pubblica o privata le proprie APIs, possibilità di espandersi nella maniera più veloce e facile e a creare
nuove linee di business anche grazie a collaborazioni con soggetti terzi.
6
PSD2: NUOVE INFORMAZIONI E NUOVI SOGGETTI
ACCOUNT INFORMATION CUSTOMER TRANSACTION DATA PAYMENT INITIATION
Authentication and Authorization API Customer Information API Authentication and Authorization API
Account balance Data API Payment information API Dynamic Linking
Transaction history API Payment Transfer initiation API
Sufficient funds check API
AISP PISP
Card-based payment Instrument Service Provider:
CISP Emette carte di debito a valere su conti correnti detenuti presso altri provider (i.e. le Banche)
7
Documento riservato e confidenziale
API: OPZIONI STRATEGICHE PER PISP E AISP
PISP: CROSS SELL & LOYALTY OPPORTUNITIES Alternative
actions
PISP Services Cross sell Bank service Loyalty service Relevant product
positioning
Pre-approved
credit upsell
Il cliente seleziona Open API tra il La banca offre Il credito viene Il cliente riceve Il cliente utilizza i
online il pagamento sito e-commerce prestiti pre approvati approvato e la loyalty points loyalty points per
tramite PISP e la banca per la transazione transazione eseguita acquistare di nuovo Loyalty points
AISP: MONETISATION OF CUSTOMER SERVICES
Wealth advisory
Aggregation Service Analysis Cross sell Bank service Customer Exp service
Prediction of
customer needs
Cross selling
Aggregazione dati Derivazione e Identificazione del Offerta del prestito Offerta Piani di Offerta di
sulle transazioni visualizzazione di bisogno (e.g. per il bisogno (e.g risparmio con informativa e consigli
Insights acquisto volo) viaggio) raccomandazione di (e.g. pianificazione Personal lending
risparmio mensile viaggio)
8
Documento riservato e confidenziale
API: OPZIONI STRATEGICHE PER LE BANCHE
MONETISATION OF CUSTOMER INSIGHT
Servizi bancari tradizionali Altri servizi finanziari Servizi non convenzionali
Tailored offers
Richiesta Prestiti e Personal Servizi di Real Servizi Piani di risparmio Servizi di
Cross-selling
Mutui Finance Estate offerti assicurativi offerti per ristrutturazione assistenza
tramite Partner tramite Partner casa aggiuntivi
MONETISATION OF BUSINESS & MARKET INSIGHT Customer
Behaviour
Servizi offerti all’interno delle piattaforme di Banking Insight
Selling Customer
Insight
Acquisti in-store e Piani di espansione Dati sulle transazioni e Vendita di Insights attraverso
online dell’azienda e dati di mercato insights sulle performance il portele dei merchant
9
Documento riservato e confidenziale
THE INSTANT EXPERIENCE
PAYMENT SERVICES
Remote e Proximity Payments, Wallet, Money transfer
AGGREGATIONS E GESTIONE SUB ACCOUNTS
Visione di sintesi e di dettaglio delle posizioni in essere,
soluzioni di PFM, servizi informativi
AGGIUNTA NUOVO ACCOUNT / CARD
Integrazione nuovo conto, carta o strumento finanziario
LOYALTY e MARKETPLACE
Posizioni in essere su programmi di loyalty e offerte con
altri partner
FINANCIAL SERVICES
Acquisto e monitoraggio di prodotti finanziari e portfolio
management
VAS MANAGEMENT
Fruizione e gestione dei servizi a valore aggiunto
BANK APP STORE
Download di servizi sviluppati sulla «piattforma API» della
Banca
10Pagamenti, Canali e Informazioni sul cliente
Abitudini di spesa,
Transazioni per Valore, Numero e
consumi / gusti
categorie merceologiche periodicità transazioni
soggettivi
Informazioni su
Notizie e offerte
professione (Datore, Colloqui, tono di voce
visualizzate
valore retribuzione)
Operazioni ATM
Call me back (info
filiali/ATM localizzati (periodicità, luogo,
prodotti e servizi)
valore)
Loyalty, Couponing e
Ricarica cellulari Ticketing
altre abitudini
Destinatari rubrica / Informazioni
Customer Journey
transazioni P2P destrutturate
Geolocalizzazione dei Brand map (esercizi Dati del commercio
movimenti comm. più utilizzati) Elettronico
11Documento riservato e confidenziale
Intercettare abitudini, bisogni e comportamenti
DATAWAREHOUSE BUSINESS INTELLIGENCE REPORTING
Cos’è successo? Il Cliente ha prelevato 250 € presso la filiale XYZ. Il saldo ammonta a ZYX
BIG DATA PREDICTIVE ANALYTICS NEW KNOWLEDGE
Il Cliente intende prelevare 250 € presso la filiale XYZ. Ha richiesto un
Cosa sta succedendo adesso? codice OTP prelievo cardless / ha geolocalizzato l’ATM in oggetto.
Il Cliente necessita di contanti da consegnare al figlio in partenza per un breve
Perché è successo? viaggio di studio, come riscontrabile da ricerche e spese effettuate
Il Cliente è solito utilizzare l’ATM della filiale prossima all’ufficio. Non possiede una
Perché è successo in questo modo? carta prepagata e ha un prelievo medio di 250 €
Il Cliente si troverà presso un luogo di contatto, proporre la cifra del prelievo in
Come anticiparne i bisogni? preselezione. Proporre Prepagata o Servizio Money Transfer
12Cosa contraddistingue il BIG DATA
Dimensione delle basi dati
Informazioni non strutturate
e da fonti multiple
Dati e risultati real time
Complessità del dataset
BIG DATA FAQ
Potenziale di interazione Devo immagazzinare tutti i dati che intendo
delle basi dati elaborare?
Devo analizzare tutti i dati che ho raccolto?
Valore derivante dall’uso
di tecniche innovative di analisi Ci sono dati più importanti e significativi di altri?
13LE OPPORTUNITA’ OFFERTE DAI BIG DATA
L’utilizzo dei Big Data in ambito commerciale e marketing al fine di generare nuova conoscenza
1. SENTIMENT ANALYSIS
Esaminare i feedback degli
utenti rispetto un particolare
5. CUSTOMER INSIGHT prodotto/servizio, con l’obiettivo 2. CLUSTERING
di migliorare la qualità dello
La comprensione del cliente nella stesso e generare dinamiche Raggruppare i clienti in cluster
sua interezza, identificandone il virtuose (passaparola). omogenei per caratteristiche e
profilo, il livello di product comportamenti. Offre la possibilità
engagement, e la probabilità di di disegnare campagne di marketing
churn. dedicate (es. loyalty)
4. CUSTOMER JOURNEY 3. NEXT BEST OFFER
Tracciare il percorso del cliente per L’analisi dei bisogni permette di
l’acquisto di prodotti e servizi, sviluppare previsioni sui prossimi
rilevando i contenuti più rilevanti, i acquisti di un cliente. Permette di
canali e i punti di contatto prediletti, migliorare l’efficacia commerciale,
per misurare la marketing aumentando la fedeltà della clientela
effectiveness. e il cross selling.
Fonte: CeTIF 2016, rielaborazione EVRY 14Algoritmi di analisi
DECISION TREES
Algoritmi in grado di analizzare praticamente ogni tipo di dati, numerici, qualitativi o altri. Possono
essere usati per classificare soggetti entro target predefiniti, come per esempio individuare quali
clienti hanno caratteristiche tali da avere un’alta probabilità di churn.
CLUSTERING
Tramite questi algoritmi è possibile trovare segmenti di clientela accumunati da parametri non
considerati a priori come utili a questo scopo.
TEXT ANALYTICS
Permettono di analizzare strutture sintattiche, «leggendo» dunque quantità di testo e base dati che
altrimenti richiederebbero un tempo incompatibile con la normale operatività. Per esempio, possono
trarre, analizzando siti online selezionati come i Social Network, informazioni rilevanti sul sentiment
verso un prodotto.
RETI NEURALI
Algoritmi con capacità di «autoapprendimento», in grado di prevedere accuratamente la risposta ad
un determinato evento di individui con caratteristiche definite.
LINK ANALYSIS
Algoritmi in grado di trovare relazioni e connessioni fra vaste quantità di dati, permettendo di
identificare nodi chiave di informazioni, come i clienti più influenti.
SURVIVAL ANALYSIS
Algoritmi che danno indicazioni sulle probabilità di accadimento un evento specifico. Possono
prevedere, per esempio, il momento del ciclo di vita di un prodotto, o il momento in cui ci si
debba preoccupare della relazione con un cliente.
151. Sentiment Analytics
I Social Media aprono nuove possibilità per la connessione con i clienti. Brand, prodotti e servizi vengono
discussi su piattaforme social variegate, generando volumi di comunicazioni imponenti. Strumenti di
Sentiment Analysis permettono la rapida lettura di questa mole di dati, aiutando a comprendere che cosa le
persone apprezzano o meno a proposito di un prodotto o servizio venduto.
Cosa dicono i clienti online, Cosa dicono i clienti ai canali
Chi sono i clienti chiave?
fuori dai canali della Banca? della Banca?
OBIETTIVO OBIETTIVO OBIETTIVO
comprendere il sentiment verso comprendere il sentiment verso individuare i clienti con maggiore
prodotti e servizi tramite l’analisi dei prodotti e servizi tramite l’analisi dei influenza dinamiche di passaparola.
commenti online. feedback all’Istituzione. COME
COME COME misurare la quantità delle conoscenze
elaborare i commenti online tramite elaborare i commenti tramite dei clienti tramite link analysis;
algoritmi di text analytics. algoritmi di text analytics. misurare il livello di interazioni con
altre persone tramite algoritmi
FONTI FONTI decision trees.
Social Network, blog e siti specialistici. commenti alla pagina dell’Istituzione FONTI
sui Social Network, commenti ai call profili interni del cliente, informazioni
center, commenti in filiale. demografiche e informazioni da Social
Network e altre terze parti.
16BBVA – Online reputation monitoring
COUNTRY
COMPANY
• BBVA ha implementato un sistema automatico di
monitoring e misurazione del sentiment online
verso il proprio brand.
• Il tool analitico permette di trovare, immagazzinare
e analizzare i riferimenti online al brand BBVA, sia
che questi siano commenti dei clienti su social
media (Twitter, Facebook, forum, blog, etc.),
opinioni di esperti su articoli online su BBVA e i suoi
competitor, o riferimenti a BBVA sui siti di notizie. I
commenti vengono differenziati e categorizzati in
base a diversi parametri come autore, data, nazione PROGETTO PILOTA (6 mesi)
di provenienza, oggetto, etc… Aumento di feedback positivi online: > 1%
Riduzione di feedback negativi online: 1,5%
• Il sistema predispone un report che descrive
l’origine dei commenti negativi e il loro livello di
rischio reputazionale. BBVA dispone poi un
protocollo per decidere quale reazione mettere in
moto. Un procedimento simile esiste anche per I
commenti positivi.
17Haven On Demand – “Our Feelings about Politicians”
COUNTRY
COMPANY
• Haven on Demand ha creato un tool aperto per
misurare il sentiment verso i candidati alla
presidenza americana.
• Il tool analitico analizzava tutti i Tweet a riguardo di
o rivolti a un candidato presidente.
• Quando un Tweet veniva selezionato, il suo
sentiment veniva analizzato e mappato secondo una
scala da 0 a 100 (da 0 a 49 il sentiment è negativo,
50 è un valore neutro e da 51 a 100 il sentiment è
positivo), per poi essere convogliato in alcune
medie riguardanti il sentiment del periodo
complessivo, il giornaliero e quello delle ultime ore.
• Il tool dava insights anche sul paragone fra
candidati, consultabili giorno per giorno e sullo
storico.
182. Clustering
Il clustering è il processo di divisione dei clienti che condividono le stesse caratteristiche in cluster omogenei.
Un processo già ampiamente esistente che i Big Data possono facilitare e rendere più preciso.
Come costruire
Come dividere i Come fidelizzare i Come ottimizzare il
relazioni coi migliori
clienti? clienti? pricing?
clienti?
OBIETTIVO OBIETTIVO OBIETTIVO OBIETTIVO
costituire cluster coerenti con definire segmenti per offrire sapere quanto ogni cliente è identificare cluster
la costruzione di programmi di promozioni dirette disposto a pagare per un profittevoli a cui dedicare
marketing mirati. specificatamente alla cliente. trattamenti specifici.
fidelizzazione.
COME COME COME
segmentare tramite algoritmi COME segmentare tramite algoritmi segmentare tramite algoritmi
di clustering. analizzare cosa i clienti di clustering per definire i di clustering.
considerano importante cluster; assegnare i clienti
FONTI tramite algoritmi di prospect ai cluster tramite FONTI
tutti i dati disponibili sul clustering. decision trees. dati demografici, la frequenza
cliente, specialmente se già e le occasioni di acquisto, dati
strutturati su particolari FONTI FONTI di vendita.
categorie demografiche. dati sulle transazioni, profili dati sulle transazioni, profili
interni del cliente. interni del cliente.
19Heineken
COUNTRY
COMPANY
• All’interno della Marketing Strategy del
gruppo, Heineken ha iniziato ad impiegare Big
Data nella segmentazione della sua clientela.
• Heineken ha stretto una partnership con
Facebook, Google+ e Twitter per ottenere
informazioni sull’utilizzo dei diversi device e
sulle preferenze dei singoli consumatori.
• I dati dei Social Media vengono impiegati per
creare una segmentazione legata agli interessi
dei consumatori per creare campagne di
marketing personalizzate e real time.
• Per esempio, Heineken ha individuato i clienti
interessati ad eventi sportivi, selezionandoli
per inviare messaggi di marketing durante la
Champions League, con contenuti legati alla
partita in corso.
20Eastern Bank – Express Business Loan
COUNTRY
COMPANY
• Eastern Bank ha sviluppato internamente una
tecnologia in grado di effettuare prestiti per
SME in 5 minuti per un importo massimo di
100 k.
• Il processo richiede 5 minuti per i clienti
Eastern bank mentre ne richiede tra i 10 e i
20 per i nuovi clienti a causa della maggiore
difficoltà nel reperire i dati sulle transazioni.
• Le tecnologia permette di combinare dati
sulle transazioni dei clienti presenti
all’interno della banca, dati provenienti da
regolatori statali e dati di proprietà di data
provider privati.
213. Next Best Offer
La Next Best Offer permette ad una organizzazione di aumentare le proprie opportunità di vendita facendo
previsioni sui prossimi acquisti di un cliente, aumentando la fedeltà della clientela e il cross selling.
Quali prodotti vorranno i miei Come aumentare la fedeltà Come creare bundle di
clienti? tramite Next Best Offer? prodotti differenzianti?
OBIETTIVO OBIETTIVO OBIETTIVO
identificare i prodotti e servizi che i trovare in anticipo i prodotti che i aumentare cross e up-selling tramite
clienti vorranno. clienti vorranno per rafforzare la product bundling.
fedeltà e aumentare le vendite.
COME COME
assegnare uno score di probabilità di COME individuare quali prodotti associare fra
acquisto tramite algoritmi come reti determinare il nesso fra le loro loro tramite link analysis,
neurali e decision trees. transazioni passate e prodotti che incrementare il cross-selling tramite
potrebbero volere tramite link decision trees.
FONTI analysis.
dati sulle transazioni, profili interni del FONTI
cliente. FONTI profili interni del cliente, dati sulle
dati sulle transazioni, profili interni del transazioni.
cliente.
22Westpac – KnowMe
COUNTRY
COMPANY
• Westpac ha lanciato il programma KnowMe,
dedicato alla Next Best Offer
• Il sistema integra numerose fonti dati online
ed offline:
• Dati sulle transazioni e sulle carte
• Credit Risk
• Dati clickstream
• Dati da Online Banking
• Dati da siti pubblici e Social Network
• Dati di geolocalizzazione mobile
• Il sistema è attivo contemporaneamente nelle
filiali, nei call centre, negli ATM della banca,
sulle pagine Social di Westpac e sul loro
Online Banking
• Studiando questi dati, sono state effettuate
offerte mirate one-to-one direttamente ai
consumatori. Il 37% di chi ha ricevuto queste
offerte in filiale ed il 60% di chi le ha ricevute
da call center ha poi acquistato un prodotto
aggiuntivo
234. Customer Journey
Tracciare la Customer Journey in un momento in cui esistono numerosi canali con cui un cliente può interagire
può essere facilitato dall’utilizzo dei Big Data, che permettono una visione olistica dell’intero processo e delle
esperienze associate ai singoli canali.
Quale contenuto è più Come spingere i clienti Come misurare
Come i clienti usano i
rilevante nei diversi ad utilizzare canali più l’efficacia del
diversi canali?
canali? convenienti? marketing nei canali?
OBIETTIVO OBIETTIVO OBIETTIVO OBIETTIVO
identificare attraverso quali comprendere i pattern di sostituire canali molto costosi misurare l’efficacia dei vari
canali inviare i propri utilizzo dei differenti canali con alternative più canali per ottimizzare il
messaggi. nella ricerca e acquisto di un convenienti. budget e aumentare il ROI
prodotto da parte dei clienti. sulle campagne di marketing.
COME COME
misurare i canali utilizzati dai COME misurare i canali più efficaci COME
vari clienti tramite text tracciare l’utilizzo dei diversi tramite text analytics per i misurare la quantità di
analytics per i contenuti canali e la loro interazione contenuti testuali e decision vendite dirette/indirette
testuali e decision trees . tramite text analytics per i trees . generate dai singoli canali
contenuti testuali e decision tramite decision trees.
FONTI trees . FONTI
dati di utilizzo dei vari canali, dati di utilizzo dei vari canali, FONTI
come cookie. FONTI come tempo di visualizzazione clickstream, cookie, profili
profili interni del cliente, dati delle pagine online, commenti interni del cliente.
di utilizzo dei vari canali, dei clienti.
come cookie, commenti dei
clienti.
24Documento riservato e confidenziale
Vodafone
COUNTRY
COMPANY
• Vodafone ha impiegato da tempo una strategia
di omnicanalità, che li porta ad avere una
imponente mole di dati da gestire.
• Tramite Big Data Vodafone ha adottato
soluzioni che le permettono di raccogliere e
integrare più facilmente informazioni
provenienti da fonti diverse, come le visite dei
clienti nei negozi, le interazioni con i
touchpoint di assistenza, gli Sms che inviati ai
clienti da Vodafone e le informazioni Social.
• Vodafone definisce così la customer journey
impiegando Big Data incrociando molteplici
variabili, come la recente attività online
dell’utente, l’area geografica di residenza, il
tipo di piano tariffario attivato, lo smartphone
posseduto, lo storico delle richieste rivolte al
call center e i contenuti condivisi sui social
network.
25Documento riservato e confidenziale
Una Customer Journey multicanale
L’utente visualizza online una carta
ricaricabile della mia Banca. Inizia il Invio Email
processo ma non lo conclude. Invio SMS
Ha clickato sul Banner? Ha aperto la mail?
Ha ripreso il processo?
Contatto 1 giorno 3 giorni No 3 giorni No No
Sì
Ha completato il form?
Ha aperto la mail?
Sì 1 giorno No 3 giorni No
Invio Email
Sì
L’utente utilizza prevalentemente
home banking. Inserisco banner
pubblicitario nella sua pagina Sì
collegato alla carta ricaricabile.
265. Customer Insight
La comprensione del cliente nella sua interezza è un fattore competitivo. Per averla è necessario conoscere
il comportamento del cliente nel passato, le transazioni, le abitudini e il product engagement.
Qual è il livello di product Quando il cliente ha
Qual è il profilo del cliente?
engagement? intenzione di andarsene?
OBIETTIVO OBIETTIVO OBIETTIVO
definire il profilo del cliente per comprendere come un cliente usa o predire il momento del churn per
definire campagne di marketing più non usa un prodotto/servizio per attivare strategie di risposta.
incisive, vendite targetizzate e miglior intervenire sul marketing.
customer service. COME
COME il churn può essere predetto
COME analizzare quanto un cliente efficacemente tramite algoritmi di
determinare a cosa il cliente è interagisce con la Istituzione tramite decision trees e survival analysis.
interessato tramite reti neurali o reti neurali o decision trees.
decision trees. FONTI
FONTI profili interni del cliente, dati sulle
FONTI profili interni del cliente, dati sulle transazioni, informazioni dai Social
profili interni del cliente, informazioni transazioni, clickstream e cookie data. Network.
demografiche, dati sulle transazioni.
27Starbucks
COUNTRY
COMPANY
• Starbucks utilizza estensivamente i Big Data nella gestione
della sua relazione con il cliente.
• Nel decidere dove aprire un nuovo store, assegna uno
score combinando dati di:
• Dati demografici, densità di popolazione, reddito medio
• Dati sul traffico, sulle fermate dei trasporti pubblici
• Tipi di business presenti nella zona
• Nel decidere menù e offerte specifiche per negozio,
Starbucks analizza i dati di consumo dei singoli store e
delle singole aree. Per esempio, Starbucks ha creato un
menù specificatamente pensato per includere bevande
alcoliche in alcuni negozi in zone ad alto consumo di alcool
pro-capite.
• Utilizzando i dati sui consumi personali dei clienti iscritti al
loyalty program, Starbucks riconosce i gusti personali, i
pattern d’acquisto e invia pubblicità e sconti individuali
direttamente all’App mobile.
• Gli stessi dati sui consumi sono utilizzati per prevedere la
probabilità di churn, ed inviare offerte apposite ai clienti
in questione.
28Documento riservato e confidenziale
AGENDA
• Apertura dei lavori e presentazione degli obiettivi
• Presentazione a cura di CeTIF: Big Data e Dynamic CRM
Tavola Rotonda fra i partecipanti
• Intervento a cura di CRIF
Networking Lunch
• Presentazione a cura di CeTIF: Cognitive Computing
• Presentazione questionario fonti dati
• Chiusura dei lavori e next step
29Documento riservato e confidenziale
AGENDA
• Apertura dei lavori e presentazione degli obiettivi
• Presentazione a cura di CeTIF: Big Data e Dynamic CRM
Tavola Rotonda fra i partecipanti
• Intervento a cura di CRIF
Networking Lunch
• Presentazione a cura di CeTIF: Cognitive Computing
• Presentazione questionario fonti dati
• Chiusura dei lavori e next step
30Documento riservato e confidenziale
I sistemi di Cognitive Computing
Il termine Cognitive Computing si riferisce alle tecnologie che imitano il funzionamento del cervello umano, aiutando a
migliorare i processi di decision making. Il Cognitive Computing, dunque, ingloba e combina tecnologie di machine learning,
automated reasoning, natural language processing, riconoscimento vocale e visivo, interazione uomo-macchina, e altre.
ADATTIVI
Per essere definiti tali, i sistemi di Cognitive Computing devono imparare ed adattarsi mentre le informazioni
cambiano e gli obiettivi e le richieste evolvono. Devono risolvere ambiguità e tollerare l’imprevedibilità delle
situazioni, basandosi su dati dinamici, attinti in real-time o quasi in real-time.
INTERATTIVI
I sistemi di Cognitive Computing devono interagire facilmente con utenti, così che essi possano definire I loro
bisogni comodamente e in agilità. Devono anche interagire facilmente con altri processori, device, a servizi
Cloud, oltre che con le persone.
ITERATIVI E STATEFUL
Devono aiutare a definire un eventuale problema, per esempio ponendo domande o trovando autonomamente
fonti addizionali qualora un problem statement sia ambiguo o incompleto. Devono ricordare interazioni
avvenute all’interno di un processo e riconoscere quando utilizzare le informazioni ricavate in ogni momento
successivo e in processi futuri.
CONTESTUALI
I sistemi di Cognitive Computing devono identificare ed estrarre elementi contestuali, come sintassi,
significato, tempo, location, profilo utente, etc… Devono attingere a fonti dati multiple, sia strutturate che non
strutturate, così come informazioni da input di natura sensoriale (immagini visuali, gesturali, uditive…).
31Documento riservato e confidenziale
Il Cognitive Computing per una nuova Customer Experience
L’interazione con il cliente
tramite device IoT e Chatbot
basati sul Cognitive Computing
è la frontiera per la gestione
della relazione con il cliente su
cui si sono lanciati i GAFA
32Documento riservato e confidenziale
Facebook Bot – Comunicare con i business
Tramite il Bot è possibile richiedere Dopo aver connesso il proprio Tramite il Bot Domino’s, è
notizie su argomenti specifici. La account Amex, è possibile possibile effettuare un ordine,
CNN presenta poi una serie di ricevere messaggi su effettuare ordini già presenti
articoli sull’argomento consultabili ammontare degli acquisti, nome nella propria storia, tracciare il
direttamente dalla piattaforma. del vendor, indirizzo e stato del percorso di consegna. Ad oggi,
Man mano che si leggono articoli, il pagamento. A breve risponderà non supporta i pagamenti
Bot suggerisce contenuti su simili anche a domande più specifiche. direttamente da App
tematiche che ritiene possano
interessare
33Documento riservato e confidenziale
Chatbot, «virtual assistant»
1988 –
1966 - ELIZA 1972 - PARRY 1995 – A.L.I.C.E.
JABBERWACKY
Primo Chat Bot visuale che A differenza del primo questo Primo tentativo di chatbot È il primo chatbot vero e
simulava conversazioni con programma riesce ad esprimere capace di parlare (tramite proprio in quanto permette
sistemi di pattern matching che una personalità nelle voce). di instaurare conversazioni
davano all’utente l’illusione che la conversazioni (quella di uno utilizzando algoritmi
macchina capisse cosa le venisse schizofrenico). euristici.
detto.
2012 – 2001–
2015 – ALEXA 2010 – SIRI
GOOGLE NOW SMARTERCHILD
Riconosce e risponde a Risponde a domande e da consigli Assistente personale in grado di Chatbot che permetteva di
comandi vocali, all’utente delegando le richieste ad effettuare ricerche su browser. fornire informazioni
permettendo di una serie di servizi web. velocemente e personalizzare
controllare altri device. le conversazioni.
2016 –
2015 – CORTANA 2016 – TAY
MESSENGER BOTS
Un’assistente personale intelligente Facebook ha lanciato una piattaforma Chatbot creato per simulare il
che permette, oltre a rispondere alla messenger che permette a qualsiasi comportamento di una teenager
domande dell'utente, di impostare sviluppatore di creare bot che americana…fu spento dopo 16 ore di
reminder. interagiscono con gli utenti FB. funzionamento.
34Documento riservato e confidenziale
PAYPAL
COUNTRY Opera in 202 paesi e 25 valute
COMPANY
• E-wallet al quale è possibile associare carte di
pagamento (credito/prepagate) nonché un
conto di moneta elettronica (caricabile anche
tramite bonifico); la transazione avviene
inserendo una normale user/password senza
mai digitare i dati delle carte di pagamento
che non verranno perciò forniti ai singoli
merchant È molto utilizzato per pagamenti
eCommerce presso piccoli esercenti che non
possono permettersi un infrastruttura di
gestione pagamenti con carta di credito
• Dal 10 ottobre 2016 è possibile effettuare
trasferimenti P2P di denaro utilizzando Siri
in 30 paesi del mondo
• È possibile autorizzare addebito diretto in
conto tramite e-mandate SEPA
35Documento riservato e confidenziale
ATOM BANK
COUNTRY
COMPANY
• Atom Bank è la prima Banca interamente
digitale nel Regno Unito. Tutti i suoi servizi
sono erogati via App.
• Per aumentare il livello di sicurezza della App,
Atom ha implementato un sistema di Log-in
basato su dati biometrici.
• Oltre alla rilevazione dell’impronta digitale,
Atom ha implementato sistemi di Face e
Voice Recognition.
• Questi riconoscimenti sono software based,
e non richiedono dunque device particolari
per poter essere utilizzati dall’utente
(diversamente dalla rilevazione
dell’impronta).
36Documento riservato e confidenziale
Ernest
COUNTRY
COMPANY
• Ernest è uno smart chat-bot per la gestione
delle finanze personali, utilizzabile su
Facebook Messenger.
• Collegato tramite API al conto bancario
dell’utente, utilizza informazioni a riguardo
delle transazioni effettuate, dei bonifici
effettuati e ricevuti e dell’andamento del
proprio portafoglio.
• aiuta nella gestione delle finanze rispondendo
a domande specifiche, come stato del
bilancio, spesa nell’ultimo mese, etc…
• Oltre a rispondere alle domande, una volta
«imparati» i comportamenti dell’utente
suggerisce proattivamente possibili insights
sulle finanze del cliente, come modi per
risparmiare sulle spese abituali.
37Bank Of America - Erica
COUNTRY
COMPANY
• Il nuovo assistente Digital “Erica” disponibile
sull’app di Bank of America dal 2017
• I clienti possono chattare o comunicare
vocalmente con Erica allo scopo di ricevere
consigli sull’utilizzo del proprio denaro e la
gestione delle proprie finanze
• Erica utilizza Intelligenza artificiale, predictive
analytics e cognitive messaging per aiutare I
clienti ad effettuare operazioni come
pagamenti, controllo del saldo, risparmio e
finanziamento.
38ANZ Bank
COUNTRY
COMPANY
• ANZ Bank ha implementato un tool basato sul
cognitive computing per assistere i financial
advisor nella gestione delle domande della
clientela.
• ANZ ha «insegnato» alla macchina a
comprendere le domande dei clienti,
identificando e caricando una lista di 14.000
domande che i clienti potrebbero fare e i
documenti che contengono le risposte (ad es.
termini e condizioni dei prodotti ANZ,
informative sui prodotti…).
• Il sistema ha anche permesso di identificare
numerose domande per le quali nessun
documento esistente era in grado di
rispondere.
39Il Cognitive Computing nel Banking
ASSISTENZA DI PRIMO LIVELLO
I sistemi di Cognitive Computing possono essere utilizzati come assistenti all’utente, attivi
24/7, per esempio come supporto nella customer care o come assistenti personali in grado di
ricordare scadenze e suggerire acquisti basati sul proprio storico.
RICONOSCIMENTO E AUTENTICAZIONE
Nel Banking i sistemi di Cognitive Computing possono essere impiegati per fornire un sistema
facile, veloce ed estremamente sicuro nei processi di riconoscimento e autenticazione. Face
e Voice Recognition possono essere utilizzati al posto di password e PIN per App, Home
Banking e per ATM evoluti, contribuendo anche alla creazione di una elevata Customer
Experience.
INTERFACCIA PER OPERATIVITÀ
Con Chatbot e sistemi di riconoscimento vocale i sistemi di Cognitive Computing possono
essere sfruttati come una interfaccia esterna per consentire all’utente di effettuare
operazioni come pagamenti o controlli del saldo. Appoggiarsi su piattaforme esterne (come
Facebook Messenger) permette di creare una relazione con il cliente basata su strumenti da
lui conosciuti ed utilizzati quotidianamente, risparmiando inoltre sui costi di sviluppo.
40Documento riservato e confidenziale
AGENDA
• Apertura dei lavori e presentazione degli obiettivi
• Presentazione a cura di CeTIF: Big Data e Dynamic CRM
Tavola Rotonda fra i partecipanti
• Intervento a cura di CRIF
Networking Lunch
• Presentazione a cura di CeTIF: Cognitive Computing
• Presentazione questionario fonti dati
• Chiusura dei lavori e next step
41Le fonti dati per i Big Data
42Documento riservato e confidenziale
NEXT STEP
20 giugno 2017
Big Data & Predictive Analytics
10.00 – 16.30 – Aula SV002, Via San Vittore 18, Milano
Le prossime attività
Benchmark
• Invio delle Schede per la compilazione
• Restituzione delle Schede compilate
Paolo Gatelli
paolo.gatelli@unicatt.it
Francesco Simone Farina
francescosimone.farina@unicatt.it
43Puoi anche leggere
