Przeszukaj treści według wybranego tematu

Przeszukaj treści według wybranego tematu

Przeszukaj treści według wybranej branży

Branża
2014-09-22 07:21

Jak zbiory big data przekuć w sukces finansowy banku?

Rosnąca liczba użytkowników bankowości online oznacza przyrost danych gromadzonych przez instytucje finansowe. Ich analiza oraz wyciągnięcie właściwych wniosków może się wprost przełożyć na jakość usług i dopasowanie produktów bankowych do potrzeb wybranych grup konsumentów.

Serwisy transakcyjne online, które są prowadzone przez podmioty obracające środkami pieniężnymi, stają się normą. Platformy internetowe cieszą się coraz większą popularnością wśród użytkowników indywidualnych oraz firm. Dzieje się tak, ponieważ wiąże się to z szeregiem korzyści – przede wszystkim z oszczędnością czasu, obniżeniem kosztów obsługi transakcji, stałym dostępem do stanu konta i możliwością zarządzania finansami zdalnie, w czasie rzeczywistym, bez względu na miejsce pobytu.

Przybywa e-konsumentów usług bankowych

Od kilku lat na rynku bankowości elektronicznej obserwuje się znaczny wzrost liczby konsumentów. O ile w styczniu 2009 roku strony internetowe banków w Polsce odwiedzało około 42 proc. użytkowników, to dwa lata później (styczeń 2011 roku) ich odsetek wzrósł do 56 proc. Jak pokazują dane z lipca 2014 roku z bankowości online korzysta 58 proc. wszystkich internautów w Polsce (12,6 mln). W rezultacie instytucje finansowe mają do czynienia z ogromną liczbą danych dotyczących nie tylko transakcji na rachunkach, lecz również na przykład odwiedzin strony internetowej banku w celu znalezienia informacji o kredytach czy lokatach.

Zbiory big data pomieszczą ogromną ilość danych

Współczesne technologie IT, z których korzysta branża finansowa, oparte są na najnowszych rozwiązaniach o wysokim pułapie bezpieczeństwa, złożonym szyfrowaniu transakcji oraz intuicyjnym zarządzaniu rachunkiem. Równocześnie rosnący zakres usług bankowości internetowej oznacza coraz większe zasoby danych, które w szybkim tempie gromadzą się na serwerach zarządzanych przez podmioty obracające środkami pieniężnymi.

Takie zbiory informacji o dużej objętości, znacznej zmienności i różnorodności, wymagające wykorzystania nowych form przetwarzania, nazywa się „big data”. Wdrożenie właściwych narzędzi służących analizie wspomaga uzyskanie odpowiednich wniosków, a w konsekwencji ułatwia podejmowanie decyzji, odkrywanie nowych zjawisk oraz optymalizację procesów.

Coraz lepsze dopasowanie oferty dzięki zbiorom big data

Sektor bankowy wyróżnia się bardzo dużą możliwością selekcji danych i ich efektywnej analizy w czasie rzeczywistym. Rezultaty tych działań mogą przekładać się na jakość produktów finansowych.

Z kolei informacje płynące z cyklicznych badań gemiusAudience pomagają w precyzyjnym charakteryzowaniu zachowań internautów w serwisach finansowych i segmentacji e-konsumentów według wybranych cech społeczno-demograficznych (m.in. wiek, wykształcenie, status społeczny, miejsce zamieszkania, wysokość dochodu, ale również np. rodzaj urządzenia z dostępem do sieci, z którego korzystają internauci). Pozwala to przygotować ofertę odpowiadającą potrzebom konkretnych grup osób.

Czym jest targetowanie behawioralne?

Patrick Dixon, wizjoner, konsultant biznesowy i doradca kierunków rozwoju dla największych firm na świecie, między innymi Google’a czy Microsoftu, twierdzi: „Przyszłość to nie innowacje, a zrozumienie ludzi”. Żeby rzeczywiście zrozumieć swoich konsumentów, konieczne jest poznanie ich potrzeb i zwyczajów. Zbiory big data stanowią niezwykle cenne źródło takich informacji, ponieważ zawierają nie tylko dane aktualne, ale również archiwalne, co daje kompleksowy obraz wybranych użytkowników internetu.

Dane te, między innymi pliki cookies, są zapisywane, a następnie analizowane i interpretowane w czasie rzeczywistym. Wiedza ta pomaga na bieżąco dzielić internautów na wąskie grupy zgodnie z tym, jakie treści przeglądają oni na stronach WWW. Taki podział internautów, który uwzględnia zachowanie użytkowników sieci, nazywa się targetowaniem behawioralnym. Dzięki zapisanym plikom cookies wiadomo na przykład, że dana osoba odwiedziła poszczególne podsekcje serwisu, kiedy ostatnio to zrobiła, jak często, jak dużo czasu poświęciła na lekturę interesujących ją treści itp.

Dla zobrazowania tego procesu warto przywołać przykład targetowania behawioralnego. Można sobie wyobrazić użytkownika sieci przeglądającego informacje o lokacie na stronie internetowej banku. Jego zainteresowanie przejawiałoby się między innymi tym, że zaglądałby na opis tej oferty w dwóch sesjach w przeciągu ostatnich czterech dni. Można będzie więc założyć, że chce on otworzyć lokatę. Powinno się więc zadbać o to, żeby na kolejnych stronach WWW, które ten internauta będzie odwiedzał, lub podczas jego następnej wizyty w serwisie banku zobaczył on reklamę uwypuklającą zalety określonej lokaty. W ten sposób istnieje duża szansa na trafienie dokładnie w potrzeby danego konsumenta. Jeżeli zatem zamierza się podzielić e-konsumentów nie tylko zgodnie z profilem społeczno-demograficznym, ale również według określonych wzorców zachowań, korzystanie ze zbiorów big data okazuje się niezbędne.

Zbiory big data są pomocne w budowaniu dialogu z klientem

Aktywne i świadome wykorzystanie zbiorów big data w bankowości elektronicznej wpływa na budowanie przewagi biznesowej. Polega ona między innymi na większej konkurencyjności w stosunku do innych graczy na rynku o podobnym profilu działalności oraz większej elastyczności w dopasowaniu do potrzeb potencjalnych klientów.

Osoby korzystające z internetu pozostawiają po sobie „elektroniczne ślady”. Idąc ich tropem, łatwiej trafić z ofertą do konkretnych odbiorców.

Oprócz najbardziej szczegółowego jak dotąd poznania potrzeb określonych grup konsumentów, usługodawca może wchodzić z nimi w interakcję czy angażować ich w współtworzenie i promowanie swoich produktów. 

Jednak monitorowanie zachowania klientów w sieci i wnioskowanie z ogromnych ilości danych jest prawdziwym wyzwaniem. Jak targetowanie behawioralne wygląda na konkretnym przykładzie?

Bank powinien dostosować ofertę do różnych klientów

Przyjmijmy, że bank zamierza poinformować konsumentów o nowej ofercie kredytu. Jeżeli zostanie przygotowany taki sam komunikat dla wszystkich i zostanie on zaprezentowany każdemu w identyczny sposób, jego efektywność będzie niższa niż takiego komunikatu, który będzie uwzględniał potrzeby konkretnej grupy osób. Przygotowując ofertę, należy pamiętać, że strona internetowa banku stanowi podstawowe źródło informacji o produkcie, jakim jest kredyt. Warto więc w oparciu o dane zgromadzone w zbiorach big data podzielić klientów na potencjalnych, poszukujących i zdecydowanych.

Klient potencjalny sam jeszcze nie wie, czego chce. Wchodzi na stronę WWW banku bez skonkretyzowanego celu, przegląda pobieżnie ofertę i szybko opuszcza serwis. Aby zachęcić takiego internautę do wzięcia kredytu, działania placówki finansowej powinny opierać się głównie na podtrzymaniu zainteresowania polegającym np. na sygnalizowaniu różnorodności produktów.

Klienta poszukującego zdradza to, że odwiedza stronę WWW banku kolejny raz, przebywa na niej dłużej niż większość użytkowników sieci, wyświetla liczne podstrony, dokładniej przegląda ofertę, a także poszukuje informacji o danym kredycie w sieci. Interakcja banku z takim internautą polega na umiejętnym kierowaniu jego uwagą poprzez udzielanie podpowiedzi (np. w formie linków do stron produktowych) oraz informowaniu o możliwości kontaktu z konsultantem.

Z kolei klient zdecydowany skupia swoją uwagę na konkretnym produkcie, w tym przypadku na oferowanym kredycie. Jeśli taki użytkownik sieci ponownie odwiedza stronę WWW banku, to przegląda te elementy (np. podstrony), które są poświęcone temu kredytowi. Ponadto więcej czasu przeznacza na czytanie treści, przekazuje dane do kontaktu z konsultantem i ściąga na dysk pliki PDF z regulaminem, formularzem itp. Reakcją banku będzie kontakt pracownika placówki z klientem, którego celem jest sfinalizowanie transakcji.

Za wirtualnymi zbiorami danych kryją się realne możliwości

Jak widać, zaplanowanie i realizacja kampanii marketingowej w oparciu o analizę danych ze zbiorów big data oraz stałe monitorowanie zachowań internautów dają bankom możliwość szybkiego wzrostu liczby klientów, a także nawiązania z nimi trwałych relacji. Aktywność banku w internecie wiąże się z szeregiem możliwości zaprezentowania oferty i pozyskania określonych grup klientów, a wiedza płynąca z zachowań użytkowników sieci stanowi punkt wyjścia do budowania strategii sprzedażowych oraz dostosowywania produktów do osób o sprecyzowanych potrzebach. Ważne, aby mieć tego świadomość w codziennych decyzjach biznesowych.

Do schowka> Drukuj

Rodzaj treści

poradnik

Branża

finanse