Sistemi preporuka i banke: Dragocena preporuka

Put klijenta, od osmišljavanja ideje do izrade projekta u banci, nekada je bio jasan, ali nepredvidiv. To je podrazumevalo potencijalno primećen oglas ili sopstvenu ideju klijenta, ličnu posetu šalteru banke i manje-više uspešno poslovanje sa bankom. To je oduzimalo mnogo vremena, sa vrlo malo kontrole od strane banke, i još nižom efikasnošću. Bilo je veoma teško prihvatiti ovu metodu u industriji koja se ponosi motom „vreme je novac“.

Internet komunikacija banke i klijenta na prvi pogled deluje još haotičnije. Slučajni klikovi na sajtove u potrazi za informacijama, odgovorima na ključna pitanja, lutanju, traženju potrebne usluge.
Međutim, stvari ne moraju tako da izgledaju. Ljudsko ponašanje u pokušajima komunikacije sa bankama je obično sve samo ne haotično.

Prvi korak – kreiranje sistema

Najbolji lek za haos je – implementacija poretka. U onlajn komunikaciji između klijenata i banaka, to znači identifikovanje opcija za dobijanje najboljih mogućih izlaza iz sistema, oslanjajući se na inpute.
„Sistemi preporuka se kloriste da daju najbolju preporuku našeg proizvoda koji bi klijenta najviše zanimao (sistemska izlazna vrednost), na osnovu korisničkih podataka (sistemski input)“, objašnjava stručnjak kompanije Things Solver za razvoj i implementaciju sistema preporuka Strahinja Demić, koristeći definiciju kompanije.

Ovi sistemi se mogu klasifikovati prema sistemskom inputu, izlaznoj vrednosti sistema ili prema algoritmima koji rade u pozadini i kreiraju preporuku. Prve dve klasifikacije su kreirane u kompaniji Things Solver i zasnovane su na praktičnom iskustvu.
„U klasifikaciji zasnovanoj na sistemskim unosima, možemo identifikovati unose sa interneta (posete korisnika veb-sajtu, na primer), inpute izvan mreže (korisnički podaci se čuvaju u bazi podataka banke) ili mešavinu obe vrste podataka. U klasifikaciji zasnovanoj na izlaznim vrednostima sistema, sistem preporuka može da predloži proizvode koje je korisnik već iskusio ili one za koje bi mogao biti zainteresovan, ali ih još nema; ili mešavinu obe vrste“, navodi Demić opisujući sisteme.

Novi pristup za banke

Sistemi preporuka koje je uspostavila kompanija Things Solver ulaze u bankarske sisteme preko podataka o sesijama na mreži.
„Onlajn sesija se definiše kao poseta klijenta veb-sajtu i njegova celokupna aktivnost na veb-sajtu – na primer, putanja kroz veb-sajt, vreme provedeno na određenim stranicama, izbor linkova. Na osnovu tih podataka pokušavamo da opišemo šta klijent zapravo želi – poseta klijenta veb-sajtu za zajmove ili pokušaj obračuna može nam poslati signal da postoji interesovanje za uzimanje zajma“, objašnjava Demić.

Ishod procesa je paket od pet proizvoda koje je klijent analizirao i pet proizvoda za koje bi mogao biti zainteresovan, ali do sada nije imao direktnog iskustva sa tim – jedino je algoritam uočio potencijalno interesovanje za proizvod.
„Možemo primetiti interesovanje za proizvod. čak i pre nego što to pokažu u nekoj od banaka za najmanje 10 odsto klijenata, a to nije mali broj. Procenat bi rastao kada bi se ti klijenti kontaktirali kako bi se očuvalo njihovo interesovanje”, a to je trenutak kada su, kako objašnjava Demić, rukovodeće strukture banaka postale zainteresovanije za sisteme preporuka.

Ali ovi rezultati ne raduju samo rukovodstvo. Zadovoljni su i ostali zaposleni – bez mnogo promena u procedurama, pošto ljudi retko pozdravljaju velike promene, rezultati i efikasnost se poboljšavaju. Ova preporuka onda definitivno zaslužuje pridev „dragocena“ u svom opisu.