L’intelligenza artificiale è al centro della strategia commerciale futura di banche e assicurazioni. Basta guardare ai dati dei Digital Trends 2022 del Cetif per vedere quanto la possibilità di fare leva sui dati sia tra le priorità: l’83,3% delle realtà intervistate segnala tra i trend più interessanti da qui al 2025 la “AI for Business”. Cioè proprio l’integrazione dell’intelligenza artificiale nelle proprie strategie commerciali.
Oltre l’omnicanalità
Strategie che puntano al concetto di opticanalità, che sta evolvendo quello di omnicanalità e introduce l’idea vincente di “un canale giusto al momento giusto”. Lo sviluppo dell’optichannel è segnalato come un trend al 2025 dall’82,6% del campione, mentre il 60,4% lo indica tra i temi forti già per il 2022.
«Tra le banche e le compagnie assicurative – spiega Paolo Gatelli, Senior Research Manager di Cetif – è ormai diffusa la consapevolezza che occorre spostarsi da un modello data driven a uno insight driven. E questo è un segno di maggiore maturità nell’uso dei dati e dell’intelligenza artificiale. La grande maggioranza delle realtà finance si è attrezzata per use case semplici, che suggeriscono la best next action, ad esempio per ridurre il churn o per inviare una notifica al cliente al verificarsi di una certa condizione. Ora è il momento di passare a un modello insight driven, in cui si vogliono comprendere le passioni, le abitudini e le emozioni che portano un cliente alla ricerca di un prodotto o un servizio. Analizzando il suo profilo per individuare il canale e il momento giusto per contattarlo».
L’emozione alimentata dalle informazioni
E proprio lo insight driven engagement è segnalato come un trend in corso da un ulteriore 58,3% del campione. Insomma, si sta lavorando per comprendere il cliente sotto diverse dimensioni, personalizzando ulteriormente la relazione. «Un concetto non banale da capire è quello di emozione – prosegue Gatelli – che nel settore finanziario può sorprendere. Non devo andare a cercare un aspetto legato alla sfera dei sentimenti in un mutuo, ad esempio, ma nel contesto di vita del cliente a cui quel prodotto è collegato. Chi chiede un mutuo sta realizzando un progetto familiare, insegue un sogno. Sta compiendo un passo importante, che richiede una logica di relazione empatica, supportata dalle informazioni sui bisogni del cliente. Oggi poche banche e compagnie sono arrivate a questo punto, ma l’obiettivo è tracciato».
Un cliente multi-dimensionale
E questo obiettivo richiede di considerare il cliente nella sua interezza. Clusterizzando quindi la clientela non solo in modo più puntuale, ma anche multi-dimensionale. «Ogni individuo ha caratteristiche che lo accomunano con alcune persone, ma lo differenziano da altre – commenta Gatelli- Per questo si parla di Multi-personas. Il cliente va analizzato sotto diversi profili di comportamento e di bisogni, che ne considerano tutte le sfaccettature. Con questi insight posso costruire una relazione personalizzata ed efficace. L’esempio più semplice e banale è la predisposizione del cliente a essere contattato su determinati canali in diversi momenti della giornata, sulla base del fatto che si trovi a casa o al lavoro».
Gli insight mostrano la via
Il cliente diventa un personaggio a più dimensioni, con cui interagire in base a regole dinamiche. «Grazie a questi insight la banca può passare da una logica pull a una push – continua Gatelli –, contattando direttamente il cliente con il canale più adatto. Può inviare una notifica in app per un’esigenza semplice, oppure segnalare un’opportunità alla filiale o alla rete di consulenti, in caso di un bisogno più sofisticato. Ma molto dipende da ciò che la banca riesce a intuire rispetto al profilo del cliente: sono gli insight elaborati dall’intelligenza artificiale a dire qual è il canale, il prodotto e il momento di interazione migliore».
Arricchire i dati
I settori bancario e assicurativo sono ritenuti tra quelli che dispongono di più informazioni sulla clientela: una vera e propria miniera di dati su transazioni, beni posseduti, famigliari. «In realtà anche le aziende finanziarie possono beneficiare di azioni di data enrichment – osserva Gatelli –, innanzitutto per conoscere meglio i loro clienti “storici”. Ma se stanno acquisendo nuova clientela, oppure se sono challenger da poco sul mercato, il set di informazioni a disposizione è, generalmente, piuttosto ridotto. Ci sono molti modi per arricchirlo: si possono sviluppare partnership ed ecosistemi con terze parti; oppure puntare sull’open banking e sull’accesso ai conti correnti presso altre realtà. Inoltre, molte informazioni utili possono provenire dai canali digitali, attraverso le cosiddette digital footprints: penso alla geolocalizzazione oppure alla tracciatura de servizi sottoscritti».
Gli insight per il private banking
Il modello insight-driven è estendibile, con opportuni aggiustamenti, a tutti i segmenti di clientela. «Si possono naturalmente azionare insight anche per la clientela Private, ad esempio – specifica Gatelli – anche se, in molti casi, riguarderanno aspetti così importanti da rendere illogico gestirli con una notifica o un’email. Per il private banking, l’intelligenza artificiale può generare insight profondi a supporto dell’attività di contatto e di consulenza condotta dal banker. In realtà, l’AI può fare ancora di più, cioè aiutare la banca a scoprire i cosiddetti hidden affluent o hidden private. Clienti che la banca conosce poco e che non riesce a collocare nel giusto segmento: analizzando i dati relativi al comportamento di un cliente e al suo patrimonio è possibile restituire la giusta dimensione a un soggetto e rafforzarne il rapporto con la banca».
Questo articolo è stato pubblicato sul numero di maggio 2022 di AziendaBanca ed è eccezionalmente disponibile gratuitamente anche sul sito web. Se vuoi ricevere AziendaBanca, puoi abbonarti nel nostro shop.
