功能大戰(zhàn)的時代已經(jīng)結束，這一演變不再僅僅是納入額外的功能，相反，它的核心是根據(jù)個人需求和偏好定制銀行體驗，為超個性化和積極主動的銀行服務推動的新浪潮讓路，這一舉措對于提高客戶滿意度、參與度以及最重要的客戶忠誠度至關重要。

為了讓超個性化成為現(xiàn)實，讓我們來看看一些例子：

主動提示理財：及時提示客戶審查服務訂閱(其中一些他們可能不需要或已經(jīng)忘記)，或者在固定利率期限即將結束時續(xù)簽抵押貸款，或者在收到工資抵免后不久將資金轉移到儲蓄中，這有助于客戶更好地了解和控制其財務狀況。

有針對性的生態(tài)系統(tǒng)行動(能源法案)：利用來自智能電表的數(shù)據(jù)，銀行可以發(fā)揮積極作用，幫助用戶優(yōu)化其能源支出，提供有洞察力的基準比較、使用提示和替代交易，從而為改善生活成本做出貢獻。

預先批準的銀行產(chǎn)品優(yōu)惠：根據(jù)客戶特定的信用和行為歷史，向客戶提供預先批準的量身定做的貸款優(yōu)惠，在登錄手機銀行或網(wǎng)上銀行時顯示為橫幅。

改進的客戶服務：AI模型可以從之前的交互和交易中收集見解，為客戶代理提供及時的提示和信息，同時為客戶提供更個性化的服務體驗。

挑戰(zhàn)：個性化的障礙

雖然個性化的概念已經(jīng)出現(xiàn)在地平線上幾十年了，但銀行業(yè)面臨著幾個阻礙其廣泛采用的挑戰(zhàn)：

監(jiān)管障礙：遵守GDPR和導航同意管理等法規(guī)會對收集和利用客戶數(shù)據(jù)構成障礙。

數(shù)據(jù)質(zhì)量和碎片化：數(shù)據(jù)質(zhì)量和碎片化問題阻礙了有效個性化所需的無縫分析。

組織孤島：在較大的機構中，數(shù)據(jù)和數(shù)字團隊之間的協(xié)作受到組織孤島的阻礙，從而減緩了個性化功能的實施。

技術復雜性：個性化的技術框架不是微不足道的，需要結合實時和批量數(shù)據(jù)分析、復雜的規(guī)則系統(tǒng)以及基于客戶交互的持續(xù)改進，GenAI是解鎖這種技術復雜性的關鍵推動因素。

個性化平臺的基本要素：

要適時地提供個性化，必須有三個構建塊——客戶數(shù)據(jù)平臺、個性化人工智能大腦和客戶交互框架。

客戶數(shù)據(jù)平臺：個性化的基礎在于干凈全面的企業(yè)范圍的數(shù)據(jù)，有明確的譜系，這些合并數(shù)據(jù)通常稱為客戶360，包括靜態(tài)客戶主數(shù)據(jù)、交易數(shù)據(jù)、互動和投訴數(shù)據(jù)(包括音頻記錄)以及外部/社交媒體數(shù)據(jù)。

個性化AI大腦：在這一領域，我們看到一個多模型解決方案正在出現(xiàn)，不同的用例需要不同的AI/分析，GenAI的最新進展為利用更多非結構化數(shù)據(jù)中的信息提供了非常強大的額外模型。

分析用例可以大致分為兩種類型：

復雜模式識別的批處理：涉及到非常多的參數(shù)和大量的歷史數(shù)據(jù)，需要計算工作量來對“學習”進行預處理，示例包括預先批準的貸款，其中批處理分析的輸出是每個客戶批準的貸款限額，可在客戶登錄時提供服務。

即時警報的實時分析：由事件觸發(fā)，提供及時的警報或提示，但計算工作量較小，通常需要較少的“人工智能”，但更具確定性的邏輯，例如，“你離你的獎勵只有一筆交易”這樣的警報，或者關于收到工資積分的通知，甚至是潛在的欺詐性交易。

最后一個基礎模塊是用于管理任何分析的輸出呈現(xiàn)給客戶的方式的框架，這包括推送通知消息系統(tǒng)、應用程序內(nèi)可點擊的通知或移動應用程序中的可點擊橫幅，這樣的系統(tǒng)動態(tài)地處理消息的優(yōu)先順序，尊重關于消息類型、頻道和定時的客戶偏好，它還考慮了消息重復等因素，并確保任何行動號召的超鏈接都指向行動的正確位置，并配有適當?shù)淖詣訑?shù)據(jù)填充。

到2024年，我們將看到一些來自新銀行或商業(yè)街銀行的個性化例子上線，這些銀行過去曾投資于統(tǒng)一的數(shù)據(jù)平臺，而其他例子可能僅限于優(yōu)先考慮他們擁有數(shù)據(jù)的利基用例。

隨著銀行在這些構建塊和方法中導航，更定制、更吸引人和更積極主動的銀行體驗的承諾等待著他們的客戶。