Automatisierte Finanz-Angebote an Kunden im Zeitalter von Big Data und Machine Learning

Sind Personalisierungstechnologien eine Chance für die Finanz­branche? Das Kundenverhalten und speziell der Umgang mit digitalen Medien hat sich in den vergangenen Jahren von Grund auf geändert. Die Grenzen zwischen Online und Offline verschwinden; die Kunden werden anspruchsvoller und erwarten die Services der Internetgiganten auch von ihrer Bank oder ihrer Versicherung. Ein Beispiel: Personalisierung ist zunehmend, befeuert von den schnellen Entwicklungen im eCommerce, ein gewünschtes Feature geworden. Ganz simpel gesagt: Wer online ist, erwartet, dass in den Amazon-Empfehlungen tatsächlich kaufenswerte Angebote angezeigt werden, Facebook irrelevante Inhalte ausfiltert und YouTube passende Videovorschläge zu den eigenen Vorlieben liefert.

von Michael Altendorf , CEO Adtelligence

Banken sind nicht wie Facebook

Übertragen auf die Leistungen von Finanzunternehmen kann das bedeuten, dass online rasch festgestellt werden muss, was der Kunde genau sucht und wo er im Entscheidungsprozess steht, denn …

…wer einfach nur Texte zum Selbststudium oder direkte Angebote der eigenen Lieblingsprodukte anbietet, riskiert, dass der Kunde rasch woanders weitersucht – die Konkurrenz ist ja immer nur einen Klick entfernt.”

Dieser rasante Wandel stellt viele Finanzunternehmen vor große Herausforderungen, insbesondere solche, für die Online (noch) nur ein zartes Pflänzlein ist, während der Umsatz maßgeblich stationär und im Filialgeschäft erwirtschaftet wird. Neue Verfahren im Marketing erfordern technische Anpassungen, doch die komplexen und über Jahre gewachsenen IT-Systeme und Webseiten sind häufig veraltet und nur mit sehr viel Aufwand erneuerbar. Stillstand droht. Gleichzeitig wächst der Konkurrenzdruck durch flexible und technisch versierte Newcomer. Das zeigt sich auch in der Bilanz: Die Neukundengewinnung wird nicht nur schwieriger, sondern auch enorm teuer, da durch fehlende Personalisierung zu breit gefächert geworben wird.

Oftmals sehen Finanzunternehmen ihr Heil entsprechend in höheren Marketing-Budgets. Eine Erhöhung der Besucherzahlen ist aber nicht gleichzusetzen mit einer Erhöhung der Abschlüsse.”

62 Prozent der Besucher springen nach einem Klick ab

Das ist effektive Geldvernichtung durch negativen ROI. Wie also den eigenen Kunden in seiner digitalen und mobilen Welt besser verstehen lernen? Marketingstudien versprechen eine Antwort auf diese drängende Frage. Traditionelle Marktforschung ist jedoch nicht nur aufwändig und teuer, die Erkenntnisse über digitale Kunden sind zudem verschwindend gering und übermorgen schon nicht mehr auf der Höhe der Zeit. Der Grund dafür ist schlicht, dass Menschen eine Flut von Daten auswerten und einen Sinn darin zu finden suchen, wenn Maschinen doch so viel besser darin sind, Muster zu identifizieren.

Doch der Wandel ist nicht nur Problem, sondern auch Chance: Wer Kunden passgenaue Angebote machen kann, kann sich auch gegen größere Konkurrenz durchsetzen, kann Fast-Mover-Vorteile mitnehmen, kann die Neukundengewinnung vereinfachen.

Deep Learning und Algorithmen-basierte Conversion-Optimierung

Die Vorstellungskraft, die Fähigkeit zur Anpassung an rapiden Wandel und schlussendlich die Kapazitäten eines Menschen sind begrenzt. Machine Learning und Neuronale Netze sind heute dazu in der Lage, das zu bewältigen, wozu kein Mensch mehr im Stande ist: automatische Erstellung und Konfiguration von Nutzergruppen auf Basis sämtlicher Parameter, die heutzutage vom Kunden selbst zur Verfügung gestellt oder über Nutzerverhalten identifiziert werden. Im Gegensatz zu einfachen Optimierungs-Maßnahmen durch beispielsweise A/B-Testing, ist Deep Learning ein konstanter, sich stets selbst verbessernder Prozess, der nicht auf Hypothesen beruht, sondern sich auf konkrete Datenmuster stützt.

Seinen neuesten Algorithmus stellte Adtelligence zur Digitalkonferenz DMEXCO im September vor. Die neueste Version des Personalisierungsalgorithmus, ein neuronales Netz, das auf Servern in Deutschland gehostet ist und nach deutschen Datenschutzbestimmungen agiert, bei Banken und Versicherern. Der neue Algorithmus steigert die Konversionrate im Schnitt um 15 bis 30 Prozent, je nach Anwendungsfall beim Kunden. 

Derartige Steigerungen sind ohne die Nutzung von Big Data wie CRM, DMP oder Verhaltensdaten sowie die Nutzung von Algorithmen zur automatischen Optimierung nicht machbar. Die Daten sind eben das “Öl” für den Algorithmus-Motor, automatisch das beste Kundenerlebnis zu erzeugen.

Kongress zum Thema Personalisierung im Bankenwesen

Am 4. Oktober lädt Adtelligence an der Deutschen Börse in Frankfurt zu einem Kongress zu den Themen Big Data, Personalisierung, Predictive Analytics und künstliche Intelligenz mit Speakern aus Agenturen, Banken und von Adtelligence selbst ein.

Dabei werden nicht nur die Herausforderungen der digitalen Transformation angesprochen, sondern auch die flexible, technische Integration der Adtelligence-Software, die im Zweifel auch mit einem kleinen Schnipsel JavaScript implementiert werden kann, vorgestellt.aj