Все кейсы
Анализ данныхФинансы1 января 2024 г.

Кластеризация клиентской базы. Рекомендательная система банковских продуктов

Рекомендательная система связывает поведение клиента с подходящими услугами банка. Сегментация использует транзакции, доход и характеристики клиентов, чтобы учитывать различия внутри базы.

Кластеризация клиентской базы. Рекомендательная система банковских продуктов

Задача

Банку требовалось улучшить рекомендации услуг для неоднородной клиентской базы. Привлечение клиента само по себе не обеспечивало повторное использование продуктов: предложения должны учитывать поведение человека и особенности похожих групп.

Решение

Разработаны алгоритм сегментации и система рекомендации банковских услуг. На вход подаются транзакции, сведения о доходе, социально-демографические характеристики и другие доступные данные клиента.

Алгоритм определяет группы внутри базы. Рекомендации строятся с учётом поведенческих характеристик конкретного человека или группы. Таким образом, продуктовая логика может опираться на различия между сегментами, а не на единое предложение для всех.

Результат

Получена система рекомендаций, связанная с сегментацией клиентов. Для продуктовой и маркетинговой команды это инструмент подготовки предложений по характеристикам аудитории. Его назначение включает повторные продажи и расширение использования банковских услуг.

Результат рекомендации и результат кампании оцениваются раздельно: соответствие предложения поведению ещё не означает, что клиент воспользуется продуктом.

Такой подход применим к большим клиентским базам и может быть адаптирован через внедрение рекомендательных систем.