Аналитические и операционные системы для комфортных коммуникаций с клиентом

и продвижения финансовых услуг банка

Евгений Матрос Банк Михайловский

2 Клиентский поток и тенденции рынка

• Клиентский поток: • Высокая цена клиента

• Большинство хороших клиентов уже являются клиентами других банков

• Конкуренция – охота на клиентов

• Большая доля клиентов, которые обращаются за кредитами уже сейчас платят по кредитам больше 50% своего ежемесячного дохода

• Негативная кредитная история

• Определенный сегмент клиентов, которые ищут банк (больше 3 заявки на кредит в течении месяца)

• Мошенничество

• Гибкие ИТ системы банка

3 Повышение эффективности

Время

Кросс-Апселл

Стимулирование Удержание Завершение/Восстановление

Эффективное удержание

Привлечение

Доход

Быстрое завершение отношений с убыточными клиентами

Эффективное привлечение новых клиентов

Восстановление потенциально доходных клиентов

4 Аналитические и операционные системы

Front (operation CRM)

Application

Processing

System

Analytical

models builder

External

sources,

BKI

O_DWH

Core

bank

system

Call

center

Card

system

Reporting system

Fraud

detection

Collection

engine

Internal

verification db

SMS

gate

Letter

send

Card

fraud Reporting DataMart

Analytical

CRM

Интернет/мобиль

ный банкинг

5 Эффективная система риск-менеджмента в розничном кредитовании

• Принятие решения о выдаче кредита:

– Параметры продуктов (кредитные лимиты, схема погашений…)

– Каналы продаж

– Модель принятия решений / стратегия принятия решений

– Ценообразование на основании рисков

– Оценка кредитоспособности

o Целевой клиент

o Верификация данных

o Идентификация мошенничества

o Платежеспособность

o Скоринг

• Анализ поведения заемщика

– Утилизация лимита (для кредитных карт)

– Погашения

– Наличие контакта

– Предоставление необходимой информации и выполнение необходимых действий

– Поведенческий скоринг

• Мониторинг портфеля / каналов продаж

– Динамика качества портфеля

– Объемы продаж в разрезе каналов

– Показатели просрочки в разрезе каналов (типы каналов, сотрудники, точки продаж, города, регионы)

– Выявления закономерностей в идентификационных/контактных данных в просрочках. Пополнение черных списков

• Коллекшин

– Стратегии взыскания

– Коллекшин скоринг

– Пополнение черных списков

6 Риск-менеджмент

Front (operation CRM)

Application

Processing

System

Analytical

models builder

External

sources,

BKI

O_DWH

Core

bank

system

Call

center

Card

system

Reporting system

Fraud

detection

Collection

engine

Internal

verification db

SMS

gate

Letter

send

Card

fraud Reporting DataMart

Analytical

CRM

Интернет/мобиль

ный банкинг

7 APS. Стратегии принятия решений Ввод заявки

Автоматическая

верификация

Проверка инфы из

АБС

Правила кредитной

политики

Платежеспособность

Скоринг для

выбора стратегии

Fraud detection

Проверки во

внешних

источниках

Уровень 2

Проверка в

кредитных

бюро

Уровень 2

Ручная

Верификация

Уровень 2

Проверки во

внешних

источниках

Уровень 1

Проверка в

кредитных

бюро

Уровень 1

Низкий

риск

Средний

риск

Высокий риск

Первичный скоринг

Ручная

Верификация

Уровень 1

Окончательный

скоринг

Ценообразование с

учетом уровня риска

• Гибкий конструктор принятия решений с преднастроенными блоками

• Разные стратегии для разных продуктов/сегментов

• Разные правила и параметры правил для разных продуктов/сегментов/подсегментов

• Черные списки

• Кредитная история

• Платежеспособность

• …

• Насстройка стратегий на уровне аналитика в рисках, не ИТ

• Запуск новых стратегий на лету

• Механизм тестирования стратегий

• Простой интеграционный механизм

8 Скоринг

Задачи аппликейшин скоринга

Уровень риска для первичной оценки

Стратегия принятия решения с учетом

рисков

Ценообразование с учетом уровня риска

Принятие окончательного

решения. Расчет ВКР

Задачи поведенческого скоринга

Уровень текущего

риска/ВКР

сделки/клиента/ портфеля

Расчет максимального лимита, управление

лимитами

Возможность ап/кросс села по

кредитным продуктам

Стратегия перевода на более

доходные продукты

Задачи коллекшин скоринга

Выявление клиентов для пре-коллекшин

Выявления клиентов, которые сами погасят

Выбор правильно стратегии взыскания

Мотивация коллекторов

Аутсорсинг на основании рисков

Оценка портфеля и ожидаемых потерь

Продажа портфеля на основании рисков

9 Инструменты построения моделей

• Data Mining / Интеллектуальный Анализ Данных – извлечение скрытых закономерностей из массивов данных

• Может быть использован для риск-менеджмента и клиентской аналитики

• DataMining включает в себя следующий набор методов

1

3

2

0.00%

1.00%

2.00%

3.00%

4.00%

5.00%

6.00%

7.00%

8.00%

$0 $25 $50 $75 $100 $125 $150 $175 $200

ARPU

Pro

po

rtio

n C

hu

rn

Cluster 3

22.5% of the upgraders

5.90% churn

$36.67 avg. ARPU

Cluster 1

73.4% of the upgraders

1.80% churn

$87.14 avg. ARPU

Cluster 2

4.19% of the upgraders

3.17% churn

$173.40 avg. ARPU

Деревья решений

Кластерный анализ

Логистическая регрессия

Нейронные сети и другие …

Стратегии коллекшин

Срок

обслуживания

кредита менее 3

месяцев

Срок

обслуживания

кредита более 3

месяцев

- 3 дня

SMS 7 дней

IVR

12 дней

звонок

Низкий уровень

риска

Средний

уровень риска

Высокий

уровень риска

7 дней

SMS

20 дней

IVR

90 дней

Хард

25 дней

звонок

3 дня

SMS

7 дней

IVR

60 дней

Хард

15 дней

звонок

3 дня

SMS

5 дней

звонок

30 дней

Хард

3 дней

SMS 60 дней

Хард

Наличие

просрочки в

других банках

2 дня

звонок

7 дней

Хард

15 дней

Лигал

• Есть разные типы клиентов: – Есть клиенты, которые постоянно платят с опозданием на 15-20 дней. – Клиенты, которые не имеют кредитной истории и впервые взяли кредит нуждаются в постоянных напоминаниях – Если у клиента есть просроченные долги в других банках, необходимо быстрее прогнать его через софт и хард и

пораньше начать лигал – не факт что имущества хватит на погашения долгов во всех банках • Использование единой стратегии для всех клиентов не дает необходимой эффективности • Необходимо разрабатывать стратегии в зависимости от сегмента/уровня риска должника. • Уровень риска можно определять с помощью простых правил или путем построения скоринговых моделей, которые

учитывают значительное количество параметров и работают более эффективно.

11 CRM

Front (operation CRM)

Application

Processing

System

Analytical

models builder

External

sources,

BKI

O_DWH

Core

bank

system

Call

center

Card

system

Reporting system

Fraud

detection

Collection

engine

Internal

verification db

SMS

gate

Letter

send

Card

fraud Reporting DataMart

Analytical

CRM

Интернет/мобиль

ный банкинг

12 CRM

• Задачи:

• Единый профиль клиента

• Доходность клиентов

• Сегментация клиентов

• Построения аналитических моделей повышения продаж и удержания клиентов

• Проведение маркетинговых кампаний (офлайн/онлайн)

• Аналитический и операционный CRM

Операционный CRM – руки Аналитический CRM – голова

Накопление и трансформация данных

Построение математических моделей (data mining)

Оценка клиентов по математическим моделям

Формирование / оптимизация маркетинговой кампании

Выполнение маркетинговой кампании

Анализ маркетинговой кампании

Постановка аналитической задачи

13 Аналитические модели для CRM

• Сегментация клиентов

• Вероятность покупки продукта (cross/up sell)

• Выбор оптимального канала общения

• Оценка будущей доходности клиента

• Вероятность ухода клиента

• Вероятность удержания клиента

• Модель Next best offer

14 Интернет и социальные сети

• Заявки на кредит через интернет. Лиды.

• Насыщение информации по клиенту из социальных сетей.

• Взыскание задолженности с помощью социальных сетей.

• Поиск потенциальных клиентов в зависимости от потребностей.

• Выявление и обработка отзывов.

15

Спасибо