CRM-аналитика
Следующее лучшее действие в банке: когда помощь важнее продажи
Время чтения: 5 мин
Уровень материала: Для экспертов
Содержание
Один клиент одновременно попал в сегменты для вклада, кредитной карты и премиального обслуживания. В это же время у него не проходит платёж. Если каждая продуктовая команда отправит лучшее предложение со своей точки зрения, банк получит четыре несогласованных контакта.
Next best action, или следующее лучшее действие, — правило выбора того, что уместно сделать сейчас для конкретного клиента. Действием может быть предложение, помощь, уточнение потребности или отсутствие контакта. Начинать такую систему можно с понятных правил. Модель машинного обучения не заменяет ограничений и ответственности за решение.
Сначала допустимость, потом привлекательность
Предсказанная вероятность покупки отвечает на вопрос «кто может согласиться». Она не отвечает на вопросы «доступен ли продукт», «подходит ли момент» и «имеем ли мы право отправить сообщение».
Поэтому выбор удобно организовать последовательно. Сначала проверяются продуктовые ограничения, актуальность согласий, инциденты и уже принятые решения. Затем остаются действия, которые действительно доступны. Только после этого сравниваются их ожидаемая польза, цена и приоритет.
| Уровень решения | Пример проверки | Результат |
|---|---|---|
| Обязательное ограничение | Доступность продукта или запрет контакта | Недопустимые действия исключены |
| Сервисный контекст | Нерешённая проблема с операцией | Продажа отложена, выбран маршрут помощи |
| Потребность | Заявленная задача или актуальное событие | Сформирован список уместных действий |
| Экономика и нагрузка | Стоимость стимула и число контактов | Выбрано одно действие либо пауза |
| Проверка перед отправкой | Состояние успело измениться | Решение подтверждено или отменено |
Что показывают опубликованные кейсы
Commonwealth Bank of Australia описывает систему, поддерживающую разговоры на основе потребностей клиента в разных каналах. Среди примеров есть помощь с доступными выплатами и поддержка при сложных обстоятельствах. Это иллюстрирует более широкую задачу, чем выбор продукта для продажи; публикация банка не является независимым экспериментом эффективности всех таких решений. [1]
В кейсе Simplii Financial от Braze персонализированные кредитные предложения связаны с предварительно определённой доступностью продукта. Практический вывод — персонализация должна опираться на банковское решение о допустимости, а не создавать его внутри сообщения. Кейс поставщика не устанавливает универсальный финансовый эффект подхода. [2]
Предлагаемая ниже схема — редакционная разработка CRM Lab для проектирования собственной политики.
Опишите кандидатов на действие одинаково
У каждой карточки действия нужны причина, срок уместности, условия входа и выхода, источник данных, разрешённый канал и владелец. Добавьте предполагаемую пользу клиенту: не «продать вклад», а «помочь выбрать дальнейшее размещение после окончания текущего срока».
Отложенное действие не должно бесконечно ждать в очереди. После решения инцидента прежнее предложение может потерять смысл. Назначайте срок повторной проверки и правило окончательного удаления.
Действие «не контактировать» тоже фиксируется с причиной. Без него система будет выбирать лучшую из плохих альтернатив, даже когда клиент уже получил достаточно сообщений или ни один продукт не отвечает текущей задаче.
Не складывайте несопоставимые оценки
Скоринг — числовая оценка для ранжирования вариантов — полезен, если составляющие понятны. Произвольное сложение вероятности покупки, размера вклада и приоритета директора создаёт псевдоточность.
Можно начать с последовательности правил: сначала обязательное обслуживание, затем помощь по заявленной потребности, затем доступное продуктовое предложение. Внутри последнего уровня сравнивают согласованную оценку дополнительного результата, а не оборот продукта.
Высокая склонность купить не равна высокой отдаче от контакта. Клиент, который уже решил открыть вклад, может оформить его без стимулирующего сообщения. Если система постоянно выбирает таких людей, конверсия выглядит убедительно, но дополнительная польза остаётся небольшой.
Условный пример: меньше продаж, больше результата
Банк сравнивает две политики на случайных группах по 10 000 клиентов. Прежняя выбирает продукт с максимальной вероятностью оформления. Новая сначала учитывает нерешённые вопросы и исключает предложения без актуального основания.
В первой группе оформлено 620 продуктов, во второй — 590. По числу оформлений новая политика выглядит хуже. Но согласованный вклад продуктов в результат за период после стоимости денег и переменных расходов составил 930 тыс. и 940 тыс. рублей. Бонусы и расходы кампаний, ещё не включённые в эти суммы, равны 300 тыс. и 210 тыс.
Итог — 630 тыс. против 730 тыс. рублей, наблюдаемая разница 100 тыс. в пользу новой политики. Это условный пример, а не обещание роста. Перед решением нужны оценка неопределённости, проверка качества портфеля и последующее наблюдение за отношениями с клиентами.
Проверяйте всю политику
Если каждый продукт проводит собственный эксперимент, общий результат банка может остаться непонятным. Один сценарий перехватывает клиента у другого, скидка переносит действие во времени, сообщение менеджера дублирует автоматическую цепочку.
Для проверки выбора между действиями нужна группа, получающая прежнюю согласованную политику, и группа с новой. Обязательные уведомления и необходимая помощь доступны всем. Клиент не должен одновременно оказаться в несовместимых вариантах.
Кроме дохода отслеживают решённые обращения, жалобы, контакты на человека и повторное использование. Эти показатели помогают понять механизм результата. Улучшение одной конверсии не доказывает улучшения всей системы.
Сохраните объяснение решения
Перед включением новой политики полезен режим наблюдения: система рассчитывает предполагаемое действие, но клиент пока получает прежнее сопровождение. Команда проверяет, сколько решений изменилось, какие ограничения срабатывают и не исчезают ли важные сервисные маршруты. Такой режим помогает найти ошибки, но не измеряет эффект ещё не выполненного действия.
После реального запуска установите пределы нагрузки на каналы и менеджеров. Если лучшее действие требует разговора, а свободных сотрудников нет, нельзя обещать немедленный звонок. Предложение должно учитывать фактическую возможность исполнения. Иначе интеллектуальный выбор увеличивает число невыполненных обещаний быстрее, чем обычная массовая цепочка.
Для каждой отправки должно быть видно, какие варианты рассматривались, какие были исключены и почему выбран оставшийся. Хранить все исходные чувствительные данные в журнале CRM не требуется: достаточно необходимых признаков, версии правил и ссылки на контролируемый источник.
Начните с конфликта двух распространённых сценариев и добавьте сервисный приоритет. Такая система уже полезнее десятков независимых цепочек. Усложнять её стоит тогда, когда понятны цена ошибки, качество данных и способ проверить, действительно ли следующий шаг стал лучше для клиента и банка.
Источники
1. Commonwealth Bank of Australia. How artificial intelligence is changing the face of banking. CBA Newsroom, июнь 2022.
2. Braze; Simplii Financial. Simplii Financial Increases Conversions and Reduces Time-to-Market With Braze. Кейс поставщика Braze. Проверено 24.09.2026.