DIGITAL BANKING HUB. Cognitive Computing & Dynamic CRM. Primo Tavolo di Lavoro. CeTIF - Università Cattolica 30 maggio 2017

(1)

DIGITAL BANKING HUB

Cognitive Computing & Dynamic CRM

Primo Tavolo di Lavoro

CeTIF - Università Cattolica – 30 maggio 2017

(2)

Documento riservato e confidenziale

AGENDA

• Apertura dei lavori e presentazione degli obiettivi

• Presentazione a cura di CeTIF: Big Data e Dynamic CRM Tavola Rotonda fra i partecipanti

• Intervento a cura di CRIF Networking Lunch

• Presentazione a cura di CeTIF: Cognitive Computing

• Presentazione questionario fonti dati

• Chiusura dei lavori e next step

(3)

Il CeTIF

CeTIF dal 1990 realizza studi e promuove ricerche sulle dinamiche di cambiamento strategico e organizzativo nei settori finanziario, bancario e assicurativo.

Tra i partner istituzionali di CeTIF figurano: Banca d’Italia, IVASS, ABI, ANBP, ANIA, AIPB e CONSOB.

In seno a CeTIF è stato costituito il CEFIRS - Centre for European Financial Regulations Studies - un Osservatorio Permanente sulla regolamentazione nel settore finanziario, bancario e assicurativo.

Il CeTIF è, inoltre, socio fondatore del FIT: l’Associazione europea dei centri di ricerca sulla finanza e l’Information Technology.

STRATEGIA FINANZA INNOVAZIONE

RICERCA 15 strutture di ricerca quali Competence Centre e HUB, cui partecipano oltre 20.000 professionisti

WORKSHOP ^Oltre10 workshop all’anno dedicati a banche, compagnie assicurative e aziende non finanziarie

PUBBLICAZIONI realizzate da qualificati docenti e ricercatori provenienti dal mondo accademico, scientifico e finanziario

PERCORSI FORMATIVI

É presente la struttura CeTIF Academy, scuola di alta formazione universitaria che ha l’obiettivo di trasferire le conoscenze sviluppate in oltre 20 anni di ricerca.

(4)

IL CALENDARIO DELL’INIZIATIVA

STREAM I

• utilizzo di strumenti connessi (blackbox, whitebox, sensori,…), smarth watch, I- Beacon e tecnologie per l’interazione con la clientela;

• Offerta di servizi e prodotti (anche non bancari) in modalità contestuale, personalizzazione ed evoluzione della customer experience;

• Analisi dei dati provenienti dai punti di contatto, utilizzo di API e strategie di integrazione di componenti innovative negli attuali modelli di servizio;

• Metodologie di svluppo e modelli organizzativi e di governo dei progetti di innovazione (Scaling Agile, tribes, squads, Innovation HUBs, ecc.).

STREAM II

• adozione di piattafome autoapprendenti, cognitive computing e gestione dinamica della customer journey;

• definizione di modelli di marketing dinamici (es. basati sui dati biometrici, di contesto e sensori);

• utilizzo di fonti informative interne ed esterne per la conoscenza del cliente, i suoi bisogni e la relativa clusterizzazione;

• analisi predittive e strumenti BIG DATA per la creazione di nuovi prodotti, servizi e modelli di relazione.

STREAM III

• Caratteristiche e funzionalità delle Aree Riservate e delle App Mobile;

• Utilizzo dei Social Media come strumento di relazione, engagement e servizio al cliente;

• Requisiti di usabilità, personalizzazione dei percorsi utente, logiche di comunicazione, modalità di autenticazione e sicurezza;

• Governo della relazione con il mondo delle Fintech, definizione di Partnership, Digital Marketplace e nuovi servizi;

• Adozione di strumenti per la consulenza da remoto e Robo Advisory.

Con il

contributo di:

DIGITAL BANKING BENCHMARKING

STEERING COMMITTEE MEETING

MOBILE, SOCIAL BANKING E FINTECH

DIGITAL BUSINESS, REMOTE & ROBO ADVISORY IOT, WEARABLE DEVICE E I-BEACON

AGILE INNOVATION E API ECOSYSTEM

OMNICHANNEL EXPERIENCE SUMMIT

COGNITIVE COMPUTING E DYNAMIC CRM

BIG DATA E PREDICTIVE ANALYTICS

IoT & INNOVATION GOVERNANCE SUMMIT 7 Febbraio

7 Marzo 4 Aprile

26 Aprile

30 Maggio 20 Giugno

11 Luglio 26 Settembre

25 Ottobre

STREAM I

IoT & New Digital Experience

STREAM II

Big Data &

Customer Insight

STREAM III

Omnichannel

& Digital Banking

(5)

AGENDA

• Apertura dei lavori e presentazione degli obiettivi

• Presentazione a cura di CeTIF: Big Data e Dynamic CRM Tavola Rotonda fra i partecipanti

• Intervento a cura di CRIF Networking Lunch

• Presentazione a cura di CeTIF: Cognitive Computing

• Presentazione questionario fonti dati

• Chiusura dei lavori e next step

(6)

OPEN BANKING & API ECOSYSTEM

APIs – or Application Programme Interfaces – are technology that allow banks and other companies to conveniently and securely share data between their organizations.

AGGREGATION

MONITORING

RECOMMENDATION

AUTOMATION

PAYMENT REQUESTS ANALYSIS

CONVENIENCE SEMPLICITY SPEED

Esporre in modalità pubblica o privata le proprie APIs, possibilità di espandersi nella maniera più veloce e facile e a creare nuove linee di business anche grazie a collaborazioni con soggetti terzi.

Piattaforma

Permette alle terze parti di creare nuove applicazioni sulla base di quelle esistenti, con un minore costo e

time-to-market

(API come sistema per lettura dei dati)

Accesso customer base

Gli operatori tradizionali possono dare accesso alla loro customer base a soggetti terzi incrementando

l’importanza del loro brand e della fidelizzazione (API come sistema per lettura dei dati e primo step

canale comunicazione ai clienti degli operatori tradizionali)

(7)

PSD2: NUOVE INFORMAZIONI E NUOVI SOGGETTI

AISP PISP

CISP

Card-based payment Instrument Service Provider:

Emette carte di debito a valere su conti correnti detenuti presso altri provider (i.e. le Banche) ACCOUNT INFORMATION

Authentication and Authorization API Account balance Data API

Transaction history API

PAYMENT INITIATION

Authentication and Authorization API Dynamic Linking

Payment Transfer initiation API Sufficient funds check API CUSTOMER TRANSACTION DATA

Customer Information API Payment information API

(8)

API: OPZIONI STRATEGICHE PER PISP E AISP

AISP: MONETISATION OF CUSTOMER SERVICES PISP: CROSS SELL & LOYALTY OPPORTUNITIES

Il cliente seleziona online il pagamento

tramite PISP

Open API tra il sito e-commerce

e la banca

PISP Services Cross sell Bank service Loyalty service

La banca offre prestiti pre approvati

per la transazione

Il credito viene approvato e la transazione eseguita

Il cliente riceve loyalty points

Il cliente utilizza i loyalty points per acquistare di nuovo

Alternative actions

Aggregazione dati sulle transazioni

Derivazione e visualizzazione di

Insights

Aggregation Service Analysis Cross sell Bank service

Identificazione del bisogno (e.g.

acquisto volo)

Offerta Piani di risparmio con raccomandazione di

risparmio mensile

Offerta di informativa e consigli

(e.g. pianificazione viaggio)

Relevant product positioning

Pre-approved credit upsell

Loyalty points

Wealth advisory

Prediction of customer needs

Cross selling

Personal lending Customer Exp service

Offerta del prestito per il bisogno (e.g

viaggio)

(9)

API: OPZIONI STRATEGICHE PER LE BANCHE

MONETISATION OF BUSINESS & MARKET INSIGHT MONETISATION OF CUSTOMER INSIGHT

Richiesta Mutui

Prestiti e Personal Finance

Servizi bancari tradizionali Altri servizi finanziari Servizi non convenzionali

Servizi di Real Estate offerti tramite Partner

Servizi assicurativi offerti

tramite Partner

Piani di risparmio per ristrutturazione

casa

Servizi di assistenza aggiuntivi

Servizi offerti all’interno delle piattaforme di Banking Insight

Acquisti in-store e online

Piani di espansione dell’azienda e dati di mercato

Dati sulle transazioni e insights sulle performance

Vendita di Insights attraverso il portele dei merchant

Tailored offers

Cross-selling

Customer Behaviour

Selling Customer Insight

(10)

PAYMENT SERVICES

Remote e Proximity Payments, Wallet, Money transfer AGGREGATIONS E GESTIONE SUB ACCOUNTS Visione di sintesi e di dettaglio delle posizioni in essere,

soluzioni di PFM, servizi informativi

BANK APP STORE

Download di servizi sviluppati sulla «piattforma API» della Banca

AGGIUNTA NUOVO ACCOUNT / CARD

Integrazione nuovo conto, carta o strumento finanziario LOYALTY e MARKETPLACE

Posizioni in essere su programmi di loyalty e offerte con altri partner

FINANCIAL SERVICES

Acquisto e monitoraggio di prodotti finanziari e portfolio management

VAS MANAGEMENT

Fruizione e gestione dei servizi a valore aggiunto

THE INSTANT EXPERIENCE

(11)

PERSONALIZZAZIONE

Pagamenti, Canali e Informazioni sul cliente

IMMEDIATEZZA E CONTESTUALITA’ SPECIALIZZAZIONE DELLE APP

Valore, Numero e periodicità transazioni

Operazioni ATM (periodicità, luogo,

valore)

Ricarica cellulari Ticketing

Destinatari rubrica / transazioni P2P

Call me back (info prodotti e servizi) filiali/ATM localizzati

Notizie e offerte visualizzate

Abitudini di spesa, consumi / gusti

soggettivi

Informazioni su professione (Datore,

valore retribuzione) Transazioni per categorie merceologiche

Geolocalizzazione dei movimenti

Loyalty, Couponing e altre abitudini

Dati del commercio Elettronico Brand map (esercizi

comm. più utilizzati)

Colloqui, tono di voce

Customer Journey Informazioni

destrutturate

(12)

Intercettare abitudini, bisogni e comportamenti

Cos’è successo?

DATAWAREHOUSE

Cosa sta succedendo adesso?

Perché è successo?

Perché è successo in questo modo?

Come anticiparne i bisogni?

REPORTING BUSINESS INTELLIGENCE

BIG DATA PREDICTIVE ANALYTICS NEW KNOWLEDGE

Il Cliente ha prelevato 250 € presso la filiale XYZ. Il saldo ammonta a ZYX

Il Cliente intende prelevare 250 € presso la filiale XYZ. Ha richiesto un codice OTP prelievo cardless / ha geolocalizzato l’ATM in oggetto.

Il Cliente necessita di contanti da consegnare al figlio in partenza per un breve viaggio di studio, come riscontrabile da ricerche e spese effettuate

Il Cliente è solito utilizzare l’ATM della filiale prossima all’ufficio. Non possiede una carta prepagata e ha un prelievo medio di 250 €

Il Cliente si troverà presso un luogo di contatto, proporre la cifra del prelievo in preselezione. Proporre Prepagata o Servizio Money Transfer

(13)

Cosa contraddistingue il BIG DATA

Dati e risultati real time

Complessità del dataset Informazioni non strutturate e da fonti multiple

Potenziale di interazione delle basi dati

Valore derivante dall’uso di tecniche innovative di analisi

Dimensione delle basi dati

Devo immagazzinare tutti i dati che intendo elaborare?

Devo analizzare tutti i dati che ho raccolto?

Ci sono dati più importanti e significativi di altri?

BIG DATA FAQ

(14)

Tracciare il percorso del cliente per l’acquisto di prodotti e servizi, rilevando i contenuti più rilevanti, i canali e i punti di contatto prediletti, per misurare la marketing

effectiveness.

Raggruppare i clienti in cluster omogenei per caratteristiche e comportamenti. Offre la possibilità di disegnare campagne di marketing dedicate (es. loyalty)

4. CUSTOMER JOURNEY La comprensione del cliente nella sua interezza, identificandone il profilo, il livello di product engagement, e la probabilità di churn.

5. CUSTOMER INSIGHT

1. SENTIMENT ANALYSIS

LE OPPORTUNITA’ OFFERTE DAI BIG DATA

2. CLUSTERING

L’analisi dei bisogni permette di sviluppare previsioni sui prossimi acquisti di un cliente. Permette di migliorare l’efficacia commerciale, aumentando la fedeltà della clientela e il cross selling.

3. NEXT BEST OFFER Esaminare i feedback degli

utenti rispetto un particolare prodotto/servizio, con l’obiettivo di migliorare la qualità dello stesso e generare dinamiche virtuose (passaparola).

L’utilizzo dei Big Data in ambito commerciale e marketing al fine di generare nuova conoscenza

(15)

Algoritmi di analisi

Algoritmi in grado di analizzare praticamente ogni tipo di dati, numerici, qualitativi o altri. Possono essere usati per classificare soggetti entro target predefiniti, come per esempio individuare quali clienti hanno caratteristiche tali da avere un’alta probabilità di churn.

DECISION TREES

CLUSTERING

Tramite questi algoritmi è possibile trovare segmenti di clientela accumunati da parametri non considerati a priori come utili a questo scopo.

TEXT ANALYTICS

Permettono di analizzare strutture sintattiche, «leggendo» dunque quantità di testo e base dati che altrimenti richiederebbero un tempo incompatibile con la normale operatività. Per esempio, possono trarre, analizzando siti online selezionati come i Social Network, informazioni rilevanti sul sentiment verso un prodotto.

RETI NEURALI

Algoritmi con capacità di «autoapprendimento», in grado di prevedere accuratamente la risposta ad un determinato evento di individui con caratteristiche definite.

LINK ANALYSIS

Algoritmi in grado di trovare relazioni e connessioni fra vaste quantità di dati, permettendo di identificare nodi chiave di informazioni, come i clienti più influenti.

SURVIVAL ANALYSIS

Algoritmi che danno indicazioni sulle probabilità di accadimento un evento specifico. Possono

prevedere, per esempio, il momento del ciclo di vita di un prodotto, o il momento in cui ci si

debba preoccupare della relazione con un cliente.

(16)

1. Sentiment Analytics

I Social Media aprono nuove possibilità per la connessione con i clienti. Brand, prodotti e servizi vengono discussi su piattaforme social variegate, generando volumi di comunicazioni imponenti. Strumenti di Sentiment Analysis permettono la rapida lettura di questa mole di dati, aiutando a comprendere che cosa le persone apprezzano o meno a proposito di un prodotto o servizio venduto.

OBIETTIVO

comprendere il sentiment verso prodotti e servizi tramite l’analisi dei commenti online.

COME

elaborare i commenti online tramite algoritmi di text analytics.

FONTI

Social Network, blog e siti specialistici.

OBIETTIVO

individuare i clienti con maggiore influenza dinamiche di passaparola.

COME

misurare la quantità delle conoscenze dei clienti tramite link analysis;

misurare il livello di interazioni con altre persone tramite algoritmi decision trees.

FONTI

profili interni del cliente, informazioni demografiche e informazioni da Social Network e altre terze parti.

Cosa dicono i clienti online, fuori dai canali della Banca?

Cosa dicono i clienti ai canali

della Banca? Chi sono i clienti chiave?

OBIETTIVO

comprendere il sentiment verso prodotti e servizi tramite l’analisi dei feedback all’Istituzione.

COME

elaborare i commenti tramite algoritmi di text analytics.

FONTI

commenti alla pagina dell’Istituzione sui Social Network, commenti ai call center, commenti in filiale.

(17)

BBVA – Online reputation monitoring

COUNTRY COMPANY

• BBVA ha implementato un sistema automatico di monitoring e misurazione del sentiment online verso il proprio brand.

• Il tool analitico permette di trovare, immagazzinare e analizzare i riferimenti online al brand BBVA, sia che questi siano commenti dei clienti su social media (Twitter, Facebook, forum, blog, etc.), opinioni di esperti su articoli online su BBVA e i suoi competitor, o riferimenti a BBVA sui siti di notizie. I commenti vengono differenziati e categorizzati in base a diversi parametri come autore, data, nazione di provenienza, oggetto, etc…

• Il sistema predispone un report che descrive l’origine dei commenti negativi e il loro livello di rischio reputazionale. BBVA dispone poi un protocollo per decidere quale reazione mettere in moto. Un procedimento simile esiste anche per I commenti positivi.

PROGETTO PILOTA (6 mesi) Aumento di feedback positivi online: > 1%

Riduzione di feedback negativi online: 1,5%

(18)

Haven On Demand – “Our Feelings about Politicians”

COUNTRY COMPANY

• Haven on Demand ha creato un tool aperto per misurare il sentiment verso i candidati alla presidenza americana.

• Il tool analitico analizzava tutti i Tweet a riguardo di o rivolti a un candidato presidente.

• Quando un Tweet veniva selezionato, il suo sentiment veniva analizzato e mappato secondo una scala da 0 a 100 (da 0 a 49 il sentiment è negativo, 50 è un valore neutro e da 51 a 100 il sentiment è positivo), per poi essere convogliato in alcune medie riguardanti il sentiment del periodo complessivo, il giornaliero e quello delle ultime ore.

• Il tool dava insights anche sul paragone fra candidati, consultabili giorno per giorno e sullo storico.

(19)

2. Clustering

Il clustering è il processo di divisione dei clienti che condividono le stesse caratteristiche in cluster omogenei.

Un processo già ampiamente esistente che i Big Data possono facilitare e rendere più preciso.

OBIETTIVO

costituire cluster coerenti con la costruzione di programmi di marketing mirati.

COME

segmentare tramite algoritmi di clustering.

FONTI

tutti i dati disponibili sul cliente, specialmente se già strutturati su particolari categorie demografiche.

Come dividere i clienti?

OBIETTIVO

sapere quanto ogni cliente è disposto a pagare per un cliente.

COME

segmentare tramite algoritmi di clustering per definire i cluster; assegnare i clienti prospect ai cluster tramite decision trees.

FONTI

dati sulle transazioni, profili interni del cliente.

Come ottimizzare il pricing?

Come fidelizzare i clienti?

OBIETTIVO

definire segmenti per offrire promozioni dirette

specificatamente alla fidelizzazione.

COME

analizzare cosa i clienti considerano importante tramite algoritmi di clustering.

FONTI

OBIETTIVO

identificare cluster

profittevoli a cui dedicare trattamenti specifici.

COME

segmentare tramite algoritmi di clustering.

FONTI

dati demografici, la frequenza e le occasioni di acquisto, dati di vendita.

Come costruire relazioni coi migliori

clienti?

(20)

Heineken

COUNTRY COMPANY

• All’interno della Marketing Strategy del gruppo, Heineken ha iniziato ad impiegare Big Data nella segmentazione della sua clientela.

• Heineken ha stretto una partnership con Facebook, Google+ e Twitter per ottenere informazioni sull’utilizzo dei diversi device e sulle preferenze dei singoli consumatori.

• I dati dei Social Media vengono impiegati per creare una segmentazione legata agli interessi dei consumatori per creare campagne di marketing personalizzate e real time.

• Per esempio, Heineken ha individuato i clienti

interessati ad eventi sportivi, selezionandoli

per inviare messaggi di marketing durante la

Champions League, con contenuti legati alla

partita in corso.

(21)

Eastern Bank – Express Business Loan

COUNTRY COMPANY

• Eastern Bank ha sviluppato internamente una tecnologia in grado di effettuare prestiti per SME in 5 minuti per un importo massimo di 100 k.

• Il processo richiede 5 minuti per i clienti Eastern bank mentre ne richiede tra i 10 e i 20 per i nuovi clienti a causa della maggiore difficoltà nel reperire i dati sulle transazioni.

• Le tecnologia permette di combinare dati

sulle transazioni dei clienti presenti

all’interno della banca, dati provenienti da

regolatori statali e dati di proprietà di data

provider privati.

(22)

3. Next Best Offer

La Next Best Offer permette ad una organizzazione di aumentare le proprie opportunità di vendita facendo previsioni sui prossimi acquisti di un cliente, aumentando la fedeltà della clientela e il cross selling.

OBIETTIVO

trovare in anticipo i prodotti che i clienti vorranno per rafforzare la fedeltà e aumentare le vendite.

COME

determinare il nesso fra le loro transazioni passate e prodotti che potrebbero volere tramite link analysis.

FONTI

OBIETTIVO

aumentare cross e up-selling tramite product bundling.

COME

individuare quali prodotti associare fra loro tramite link analysis,

incrementare il cross-selling tramite decision trees.

FONTI

profili interni del cliente, dati sulle transazioni.

Come aumentare la fedeltà tramite Next Best Offer?

Come creare bundle di prodotti differenzianti?

Quali prodotti vorranno i miei clienti?

OBIETTIVO

identificare i prodotti e servizi che i clienti vorranno.

COME

assegnare uno score di probabilità di acquisto tramite algoritmi come reti neurali e decision trees.

FONTI

(23)

Westpac – KnowMe

COUNTRY COMPANY

• Westpac ha lanciato il programma KnowMe, dedicato alla Next Best Offer

• Il sistema integra numerose fonti dati online ed offline:

• Dati sulle transazioni e sulle carte

• Credit Risk

• Dati clickstream

• Dati da Online Banking

• Dati da siti pubblici e Social Network

• Dati di geolocalizzazione mobile

• Il sistema è attivo contemporaneamente nelle filiali, nei call centre, negli ATM della banca, sulle pagine Social di Westpac e sul loro Online Banking

• Studiando questi dati, sono state effettuate offerte mirate one-to-one direttamente ai consumatori. Il 37% di chi ha ricevuto queste offerte in filiale ed il 60% di chi le ha ricevute da call center ha poi acquistato un prodotto aggiuntivo

(24)

4. Customer Journey

Tracciare la Customer Journey in un momento in cui esistono numerosi canali con cui un cliente può interagire può essere facilitato dall’utilizzo dei Big Data, che permettono una visione olistica dell’intero processo e delle esperienze associate ai singoli canali.

OBIETTIVO

identificare attraverso quali canali inviare i propri

messaggi.

COME

misurare i canali utilizzati dai vari clienti tramite text analytics per i contenuti testuali e decision trees . FONTI

dati di utilizzo dei vari canali, come cookie.

Quale contenuto è più rilevante nei diversi

canali?

OBIETTIVO

sostituire canali molto costosi con alternative più

convenienti.

COME

misurare i canali più efficaci tramite text analytics per i contenuti testuali e decision trees .

FONTI

dati di utilizzo dei vari canali, come tempo di visualizzazione delle pagine online, commenti dei clienti.

Come spingere i clienti ad utilizzare canali più

convenienti?

Come i clienti usano i diversi canali?

OBIETTIVO

comprendere i pattern di utilizzo dei differenti canali nella ricerca e acquisto di un prodotto da parte dei clienti.

COME

tracciare l’utilizzo dei diversi canali e la loro interazione tramite text analytics per i contenuti testuali e decision trees .

FONTI

profili interni del cliente, dati di utilizzo dei vari canali, come cookie, commenti dei clienti.

OBIETTIVO

misurare l’efficacia dei vari canali per ottimizzare il budget e aumentare il ROI sulle campagne di marketing.

COME

misurare la quantità di vendite dirette/indirette generate dai singoli canali tramite decision trees.

FONTI

clickstream, cookie, profili interni del cliente.

Come misurare

l’efficacia del

marketing nei canali?

(25)

Vodafone

• Vodafone ha impiegato da tempo una strategia di omnicanalità, che li porta ad avere una imponente mole di dati da gestire.

• Tramite Big Data Vodafone ha adottato soluzioni che le permettono di raccogliere e integrare più facilmente informazioni provenienti da fonti diverse, come le visite dei clienti nei negozi, le interazioni con i touchpoint di assistenza, gli Sms che inviati ai clienti da Vodafone e le informazioni Social.

• Vodafone definisce così la customer journey impiegando Big Data incrociando molteplici variabili, come la recente attività online dell’utente, l’area geografica di residenza, il tipo di piano tariffario attivato, lo smartphone posseduto, lo storico delle richieste rivolte al call center e i contenuti condivisi sui social network.

COUNTRY

COMPANY

(26)

Una Customer Journey multicanale

1giorno

L’utente visualizza online una carta ricaricabile della mia Banca. Inizia il processo ma non lo conclude.

L’utente utilizza prevalentemente home banking. Inserisco banner pubblicitario nella sua pagina collegato alla carta ricaricabile.

3giorni No

Ha clickato sul Banner?

Sì

Invio Email

3giorni

Ha aperto la mail?

Invio SMS

Ha completato il form?

Sì

No

Ha ripreso il processo?

No

Sì

Invio Email

1giorno No 3giorni

Ha aperto la mail?

No

Sì Contatto

(27)

5. Customer Insight

La comprensione del cliente nella sua interezza è un fattore competitivo. Per averla è necessario conoscere il comportamento del cliente nel passato, le transazioni, le abitudini e il product engagement.

OBIETTIVO

definire il profilo del cliente per definire campagne di marketing più incisive, vendite targetizzate e miglior customer service.

COME

determinare a cosa il cliente è interessato tramite reti neurali o decision trees.

FONTI

profili interni del cliente, informazioni demografiche, dati sulle transazioni.

OBIETTIVO

predire il momento del churn per attivare strategie di risposta.

COME

il churn può essere predetto

efficacemente tramite algoritmi di decision trees e survival analysis.

FONTI

profili interni del cliente, dati sulle transazioni, informazioni dai Social Network.

Qual è il profilo del cliente? Qual è il livello di product engagement?

Quando il cliente ha intenzione di andarsene?

OBIETTIVO

comprendere come un cliente usa o non usa un prodotto/servizio per intervenire sul marketing.

COME

analizzare quanto un cliente

interagisce con la Istituzione tramite reti neurali o decision trees.

FONTI

profili interni del cliente, dati sulle transazioni, clickstream e cookie data.

(28)

Starbucks

COUNTRY COMPANY

• Starbucks utilizza estensivamente i Big Data nella gestione della sua relazione con il cliente.

• Nel decidere dove aprire un nuovo store, assegna uno score combinando dati di:

• Dati demografici, densità di popolazione, reddito medio

• Dati sul traffico, sulle fermate dei trasporti pubblici

• Tipi di business presenti nella zona

• Nel decidere menù e offerte specifiche per negozio, Starbucks analizza i dati di consumo dei singoli store e delle singole aree. Per esempio, Starbucks ha creato un menù specificatamente pensato per includere bevande alcoliche in alcuni negozi in zone ad alto consumo di alcool pro-capite.

• Utilizzando i dati sui consumi personali dei clienti iscritti al loyalty program, Starbucks riconosce i gusti personali, i pattern d’acquisto e invia pubblicità e sconti individuali direttamente all’App mobile.

• Gli stessi dati sui consumi sono utilizzati per prevedere la probabilità di churn, ed inviare offerte apposite ai clienti in questione.

(29)

AGENDA

• Apertura dei lavori e presentazione degli obiettivi

• Presentazione a cura di CeTIF: Big Data e Dynamic CRM Tavola Rotonda fra i partecipanti

• Intervento a cura di CRIF Networking Lunch

• Presentazione a cura di CeTIF: Cognitive Computing

• Presentazione questionario fonti dati

• Chiusura dei lavori e next step

(30)

AGENDA

• Apertura dei lavori e presentazione degli obiettivi

• Presentazione a cura di CeTIF: Big Data e Dynamic CRM Tavola Rotonda fra i partecipanti

• Intervento a cura di CRIF Networking Lunch

• Presentazione a cura di CeTIF: Cognitive Computing

• Presentazione questionario fonti dati

• Chiusura dei lavori e next step

(31)

I sistemi di Cognitive Computing

ADATTIVI

Per essere definiti tali, i sistemi di Cognitive Computing devono imparare ed adattarsi mentre le informazioni cambiano e gli obiettivi e le richieste evolvono. Devono risolvere ambiguità e tollerare l’imprevedibilità delle situazioni, basandosi su dati dinamici, attinti in real-time o quasi in real-time.

INTERATTIVI

I sistemi di Cognitive Computing devono interagire facilmente con utenti, così che essi possano definire I loro bisogni comodamente e in agilità. Devono anche interagire facilmente con altri processori, device, a servizi Cloud, oltre che con le persone.

ITERATIVI E STATEFUL

Devono aiutare a definire un eventuale problema, per esempio ponendo domande o trovando autonomamente fonti addizionali qualora un problem statement sia ambiguo o incompleto. Devono ricordare interazioni avvenute all’interno di un processo e riconoscere quando utilizzare le informazioni ricavate in ogni momento successivo e in processi futuri.

CONTESTUALI

I sistemi di Cognitive Computing devono identificare ed estrarre elementi contestuali, come sintassi, significato, tempo, location, profilo utente, etc… Devono attingere a fonti dati multiple, sia strutturate che non strutturate, così come informazioni da input di natura sensoriale (immagini visuali, gesturali, uditive…).

Il termine Cognitive Computing si riferisce alle tecnologie che imitano il funzionamento del cervello umano, aiutando a migliorare i processi di decision making. Il Cognitive Computing, dunque, ingloba e combina tecnologie di machine learning, automated reasoning, natural language processing, riconoscimento vocale e visivo, interazione uomo-macchina, e altre.

(32)

Il Cognitive Computing per una nuova Customer Experience

L’interazione con il cliente

tramite device IoT e Chatbot

basati sul Cognitive Computing

è la frontiera per la gestione

della relazione con il cliente su

cui si sono lanciati i GAFA

(33)

Facebook Bot – Comunicare con i business

Tramite il Bot Domino’s, è possibile effettuare un ordine, effettuare ordini già presenti nella propria storia, tracciare il percorso di consegna. Ad oggi, non supporta i pagamenti direttamente da App

Dopo aver connesso il proprio account Amex, è possibile ricevere messaggi su ammontare degli acquisti, nome del vendor, indirizzo e stato del pagamento. A breve risponderà anche a domande più specifiche.

Tramite il Bot è possibile richiedere notizie su argomenti specifici. La CNN presenta poi una serie di articoli sull’argomento consultabili direttamente dalla piattaforma.

Man mano che si leggono articoli, il Bot suggerisce contenuti su simili tematiche che ritiene possano interessare

(34)

Chatbot, «virtual assistant»

Primo Chat Bot visuale che simulava conversazioni con sistemi di pattern matching che davano all’utente l’illusione che la macchina capisse cosa le venisse detto.

1966 - ELIZA 1972 - PARRY

A differenza del primo questo programma riesce ad esprimere una personalità nelle

conversazioni (quella di uno schizofrenico).

1988 –

JABBERWACKY

Primo tentativo di chatbot capace di parlare (tramite voce).

1995 – A.L.I.C.E.

È il primo chatbot vero e proprio in quanto permette di instaurare conversazioni utilizzando algoritmi euristici.

2001–

SMARTERCHILD

Chatbot che permetteva di fornire informazioni

velocemente e personalizzare le conversazioni.

Assistente personale in grado di effettuare ricerche su browser.

2012 –

GOOGLE NOW

Risponde a domande e da consigli all’utente delegando le richieste ad una serie di servizi web.

2015 – ALEXA

Riconosce e risponde a comandi vocali,

permettendo di

controllare altri device.

2015 – CORTANA

Un’assistente personale intelligente che permette, oltre a rispondere alla domande dell'utente, di impostare reminder.

2016 –

MESSENGER BOTS

Facebook ha lanciato una piattaforma messenger che permette a qualsiasi sviluppatore di creare bot che interagiscono con gli utenti FB.

2016 – TAY

Chatbot creato per simulare il comportamento di una teenager americana…fu spento dopo 16 ore di funzionamento.

2010 – SIRI

(35)

PAYPAL

• E-wallet al quale è possibile associare carte di pagamento (credito/prepagate) nonché un conto di moneta elettronica (caricabile anche tramite bonifico); la transazione avviene inserendo una normale user/password senza mai digitare i dati delle carte di pagamento che non verranno perciò forniti ai singoli merchant È molto utilizzato per pagamenti eCommerce presso piccoli esercenti che non possono permettersi un infrastruttura di gestione pagamenti con carta di credito

• Dal 10 ottobre 2016 è possibile effettuare trasferimenti P2P di denaro utilizzando Siri in 30 paesi del mondo

• È possibile autorizzare addebito diretto in conto tramite e-mandate SEPA

Opera in 202 paesi e 25 valute

COUNTRY

COMPANY

(36)

ATOM BANK

• Atom Bank è la prima Banca interamente digitale nel Regno Unito. Tutti i suoi servizi sono erogati via App.

• Per aumentare il livello di sicurezza della App, Atom ha implementato un sistema di Log-in basato su dati biometrici.

• Oltre alla rilevazione dell’impronta digitale, Atom ha implementato sistemi di Face e Voice Recognition.

• Questi riconoscimenti sono software based, e non richiedono dunque device particolari per poter essere utilizzati dall’utente (diversamente dalla rilevazione dell’impronta).

COUNTRY

COMPANY

(37)

Ernest

• Ernest è uno smart chat-bot per la gestione delle finanze personali, utilizzabile su Facebook Messenger.

• Collegato tramite API al conto bancario dell’utente, utilizza informazioni a riguardo delle transazioni effettuate, dei bonifici effettuati e ricevuti e dell’andamento del proprio portafoglio.

• aiuta nella gestione delle finanze rispondendo a domande specifiche, come stato del bilancio, spesa nell’ultimo mese, etc…

• Oltre a rispondere alle domande, una volta

«imparati» i comportamenti dell’utente suggerisce proattivamente possibili insights sulle finanze del cliente, come modi per risparmiare sulle spese abituali.

COUNTRY

COMPANY

(38)

Bank Of America - Erica

COUNTRY COMPANY

• Il nuovo assistente Digital “Erica” disponibile sull’app di Bank of America dal 2017

• I clienti possono chattare o comunicare vocalmente con Erica allo scopo di ricevere consigli sull’utilizzo del proprio denaro e la gestione delle proprie finanze

• Erica utilizza Intelligenza artificiale, predictive

analytics e cognitive messaging per aiutare I

clienti ad effettuare operazioni come

pagamenti, controllo del saldo, risparmio e

finanziamento.

(39)

ANZ Bank

COUNTRY COMPANY

• ANZ Bank ha implementato un tool basato sul cognitive computing per assistere i financial advisor nella gestione delle domande della clientela.

• ANZ ha «insegnato» alla macchina a comprendere le domande dei clienti, identificando e caricando una lista di 14.000 domande che i clienti potrebbero fare e i documenti che contengono le risposte (ad es.

termini e condizioni dei prodotti ANZ, informative sui prodotti…).

• Il sistema ha anche permesso di identificare

numerose domande per le quali nessun

documento esistente era in grado di

rispondere.

(40)

ASSISTENZA DI PRIMO LIVELLO

I sistemi di Cognitive Computing possono essere utilizzati come assistenti all’utente, attivi 24/7, per esempio come supporto nella customer care o come assistenti personali in grado di ricordare scadenze e suggerire acquisti basati sul proprio storico.

INTERFACCIA PER OPERATIVITÀ

Con Chatbot e sistemi di riconoscimento vocale i sistemi di Cognitive Computing possono essere sfruttati come una interfaccia esterna per consentire all’utente di effettuare

operazioni come pagamenti o controlli del saldo. Appoggiarsi su piattaforme esterne (come

Facebook Messenger) permette di creare una relazione con il cliente basata su strumenti da lui conosciuti ed utilizzati quotidianamente, risparmiando inoltre sui costi di sviluppo.

RICONOSCIMENTO E AUTENTICAZIONE

Nel Banking i sistemi di Cognitive Computing possono essere impiegati per fornire un sistema facile, veloce ed estremamente sicuro nei processi di riconoscimento e autenticazione. Face e Voice Recognition possono essere utilizzati al posto di password e PIN per App, Home Banking e per ATM evoluti, contribuendo anche alla creazione di una elevata Customer Experience.

Il Cognitive Computing nel Banking

(41)

AGENDA

• Apertura dei lavori e presentazione degli obiettivi

• Presentazione a cura di CeTIF: Big Data e Dynamic CRM Tavola Rotonda fra i partecipanti

• Intervento a cura di CRIF Networking Lunch

• Presentazione a cura di CeTIF: Cognitive Computing

• Presentazione questionario fonti dati

• Chiusura dei lavori e next step

(42)

Le fonti dati per i Big Data

(43)

NEXT STEP

Benchmark

• Invio delle Schede per la compilazione

• Restituzione delle Schede compilate

Big Data & Predictive Analytics

20 giugno 2017

Le prossime attività

10.00 – 16.30 – Aula SV002, Via San Vittore 18, Milano

Paolo Gatelli [email protected] Francesco Simone Farina [email protected]