Владимир Абазов, «Т-Банк»: экосистемная лояльность vs транзакционная выгода
Как вы измеряете и растите «экосистемную лояльность»?
Как вы измеряете и растите «экосистемную лояльность»? Для измерения эффективности используем многоуровневую систему метрик. Из базовых показателей смотрим на число активных клиентов и количество продуктов на одного клиента. LTV (lifetime value — пожизненная ценность клиента) — главный стратегический ориентир. Лояльность оцениваем с помощью алгоритмических метрик, включающих глубину проникновения в продукты, долю в кошельке по каждому направлению и вероятность возврата или удержания в сервисе или внутри экосистемы в целом. Какой тренд в data, рекламе или экосистемах, на ваш взгляд, сейчас переоценён? А какой — недооценен? Я не считаю, что есть переоцененные тренды — главное, использовать их разумно. Сейчас нельзя игнорировать ИИ, но это не панацея. Не стоит ждать, что нейросети завтра полностью заменят человека или автоматически построят бизнес. Они могут снизить порог входа, но не довести проект до чистового варианта и реализации. В рекламе нейросети очень хорошо справляются с задачей создания рекламных креативов и даже с частью аналитических задач по оценке эффективности кампаний. Недооцененный тренд — реальная data-driven культура, качественные данные и инфраструктура, а не просто слова для презентаций. Главная проблема рынка сейчас — качественная работа с данными: их сбор и хранение. Помните поговорку: «мусор на входе — мусор на выходе». Если у вас «мусорные данные», они превращаются в «мусорные рекомендации». Используете ли вы ИИ для решения задач в экосистемных сервисах? Есть ли области, где ИИ пока проигрывает традиционным подходам? ИИ в процессах банка появился давно. Выделю два ключевых направления его применения. Первое — это интеллектуальная маршрутизация в поддержке. Когда клиент пишет в чат, система на основе NLP (natural language processing — обработка естественного языка) распознает тему: путешествия, кредиты, инвестиции — и направляет запрос к профильному специалисту. Современные модели значительно улучшили точность распознавания намерений и скорость подбора эксперта. ИИ не заменяет человека, а усиливает взаимодействие, делая каждый контакт релевантным. Второе направление — увеличение эффективности сотрудников. В мировой практике мы видим, как новые ИИ-агенты помогают более продуктивно разрабатывать сами продукты. У нас уже достаточно большая доля кода написана совместно с искусственным интеллектом. Человек всё ещё проверяет код и одобряет его для кодовой базы, но эти инструменты сильно ускоряют работу разработчиков и аналитиков. Есть области, где ИИ пока проигрывает традиционным подходам. Во‑первых, с его помощью нельзя принимать управленческие и стратегические решения. ML хорошо оптимизирует локальные задачи: кому какую коммуникацию отправить, когда нужно перебрать миллион вариантов для миллиона клиентов. Но он не умеет принимать долгосрочные стратегии и, что важнее, нести ответственность за выбор стратегического фокуса. Для этого нужно много времени и структурных изменений, чтобы люди перестали брать ответственность на себя. Во‑вторых, ИИ пока слабоват в масштабных креативах и бренд-коммуникации. Рисовать картинки модели умеют, но выбрать общий человеческий посыл, с которым бренд будет взаимодействовать с клиентами, — нет. Это про локальную экспертизу в неосязаемых моментах, про творчество. В этой сфере человек остается незаменимым. Как за последние 2−3 года изменился запрос бизнеса на аналитику? Что сегодня важнее: скорость получения инсайтов или их глубина? Запрос бизнеса в целом меняется в свете изменений в экономике. Бизнес всегда хотел, чтобы аналитика помогала принимать решения, а не просто описывала прошлое. Но раньше аналитики тратили 60−90% времени на рутину: подгрузку данных, проведение А/В‑тестов, ответы на вопрос «что происходит». Сейчас у нас есть инструменты для автоматизации рутины. Времени на стратегические инсайты становится больше — не 10−20%, а существенно больше. Фокус сместился с описания «что было» на прогноз «что будет, если…» или «что надо сделать, чтобы…». Аналитик может заниматься глубокими исследованиями, поиском точек роста и помогать бизнесу принимать решения. Как измеряете успех рекламной кампании внутри экосистемы? Какие метрики действительно важны для рекламодателя в финтех‑среде? У банка есть большая розничная клиентская база и база бизнес-клиентов. Мы помогаем первым получить выгодное предложение, а вторым — найти свою аудиторию и увеличить продажи. Для этого у нас есть собственная рекламная платформа, которая позволяет соблюдать баланс между счастьем клиента и счастьем партнера.