NAB, ‘müşteri beyni’ bir sonraki en iyi eylem sistemini güçlendirmek için herhangi bir zamanda 800 uyarlanabilir makine öğrenimi modeli aracılığıyla müşterileri hakkında yaklaşık 1000 veri özelliğini çalıştırıyor.
NAB’den Jess Cuthbertson.
Müşteri analitiği ve karar verme yöneticisi Jess Cuthbertson, bu sabah Las Vegas’ta düzenlenen PegaWorld iNspire 2024 konferansındaki açılış konuşmasında müşteri beynini sergiledi.
Kişiselleştirme motorunun 2022’de geliştirilme aşamasında olduğu işaretlenmişti ve projeyle ilgili daha fazla ayrıntı bu yılın başlarında The Australian gazetesinde yayınlandı.
Müşteri beyni, Pega’nın müşteri karar merkezi platformu tarafından desteklenmektedir.
Cuthbertson, bankanın sistemlerine yönelik bulut tabanlı yaklaşımına uygun olarak, NAB’ın Pega ortamlarının “sözleşmemizi imzaladıktan sonraki üç hafta içinde hazır ve çalışır hale geldiğini” söyledi.
Sistem yaklaşık iki yıldır kullanımda ve müşteri etkileşimlerinin dörtte üçünü kapsıyor.
“Müşteri beyni programımız için 24 aydan kısa bir sürede müşteri etkileşimlerinin kapsamını sıfırdan yüzde 75’e çıkardık” dedi.
“Hizmet, satış ve etkileşim türü deneyimlerde 150’den fazla sonraki en iyi eylemi gerçekleştirdik.”
Bu eylemler, uygulama içi ödeme hatırlatmalarından, müşterileri ev kredisi sürecinin her aşamasında bilgilendirmek için tasarlanmış mesajlaşmalara ve “tasarruf hedefine ulaşmak veya ipoteğinizi ödemek” gibi “dönüm noktası” kutlamalarına kadar uzanıyordu.
Cuthbertson, banka müşterilerinin ortalama yüzde 65’inin “cep telefonunu kullandığını” söyledi [banking] günde en az iki kez uygulayın.
“Dolayısıyla onlarla etkileşime geçmek, bağlantı kurmak ve sohbeti sürdürmek için harika bir fırsatımız var” dedi.
Banka, hem “müşterileri veriler aracılığıyla dinlemek” hem de ön saflardaki bankacıların deneyimlerinin onlara bir müşterinin sorun yaşıyor olabileceğini nasıl söylediğini anlamak için oldukça fazla zaman harcadı.
“Müşterileri veriler aracılığıyla dinlemek için müşteri beyni programına gerçekten zaman ayırdık; bize ne anlatıyorlar? Cuthbertson, net tavsiye puanına, şikayet verilerine, müşterilerin yol boyunca takılıp kaldığını görebileceğiniz farklı yolculuklara baktık ve bunu deneyimlerimizi önceliklendirmek için kullandık” dedi.
“Bankacılarımızla da görüştük” [to understand] Bir müşteriyle konuşurken neye bakıyorlar, müşterinin biraz yardıma ihtiyacı olabileceğini nasıl görüyorlar, bu nasıl bir şey? Biz de bunu aldık, kodladık ve sisteme yerleştirdik.”
Cuthbertson, müşteri beyninin arkasında bulunan makine öğrenimi algoritmalarının aynı zamanda eylemin etkinliğini ve müşterilerin bununla nasıl etkileşim kurduğunu da izlediğini söyledi.
“Şu anda, müşteri beynini besleyen yaklaşık 1000 veri özelliğimiz olduğunu düşünüyorum – yalnızca müşteri verilerinde görebildiğimiz farklı şeyler – ve ayrıca muhtemelen herhangi bir zamanda çalışan 800 uyarlanabilir modelimiz var.” söz konusu.
“Dolayısıyla müşteriler hakkında sahip olduğumuz verileri alıyoruz ama aynı zamanda onları da dinliyoruz ve onların gerçek zamanlı olarak etkileşim kurarak yanıt vermelerini ve motoru çalıştırmalarını umuyoruz.”
Cuthbertson, bankanın “beyni taktığımız anda” müşteri etkileşiminde yüzde 40’lık bir “artış” yaşadığını söyledi.
“Sanırım bu, daha alakalı olduğumuz gerçeğini gösteriyor” dedi.
“Bu, aslında bazı müşterilerimizle daha az konuştuğumuz anlamına gelebilir, ancak konuştuğumuzda, bunun kendi ihtiyaçları ile alakalı ve o anda olacağına güvenebilirler.”
Müşteri beyni aynı zamanda bankacılara müşterilerle yapılan görüşmelerin iyi karşılanacağı konusunda daha fazla zaman ve güven verdi.
Cuthbertson, “Bankacılar müşterilerle vakit geçirebilir ve yapmak istedikleri de budur” dedi.
“İster beş dakika ister beş yıldır bankacı olun, müşterilerin telefonunu açabilmek tutarlılık ve güven yaratmanıza yardımcı olabilir.”