Научили AI предлагать только нужные подписки 🔥
Малый бизнес каждый день сталкивается с одной и той же проблемой: тариф или подписка вроде бы подходят, но в какой-то момент лимитов не хватает, операции становятся дороже, а часть расчётов приходится уводить в другие банки.
Мы решили превратить эту боль в точку роста для клиента и для банка ⬇️
Что происходит под капотом?
Ансамбль ML-моделей формирует персональный оффер, а движок коммуникаций доставляет его клиенту в реальном времени.
1️⃣ Выявление потребности (5 ML-моделей и real-time-триггеры)
Определяем, какой продукт нужен клиенту, учитывая его склонность и поведенческие паттерны.
2️⃣ Оценка потенциала (5 ML-моделей)
Прогнозируем, как изменятся транзакционный профиль и доход от клиента после подключения продукта.
3️⃣ Экономика оффера (2 ML-модели и 2 микросервиса)
Распределяем бюджет на скидки с учётом окупаемости и эластичности спроса на уровне конкретного клиента.
3️⃣ Коммуникация (3 ML- и LLM-модели)
Формируем контент и sales-аргументы и запускаем коммуникацию в нужных каналах.
Кейс уже получил две награды: FinTech Awards Russia в номинации Personal Finance Innovation Award и Loyalty&CX Russia-Belarus в номинации «Персонализация года».
Если хотите подробнее узнать о кейсе или есть вопросы по моделям, спрашивайте в комментариях 🔽
#aaa_hardposting
❤️ Больше рассказываем о работе в IT и Digital в канале Alfa Digital
Малый бизнес каждый день сталкивается с одной и той же проблемой: тариф или подписка вроде бы подходят, но в какой-то момент лимитов не хватает, операции становятся дороже, а часть расчётов приходится уводить в другие банки.
Мы решили превратить эту боль в точку роста для клиента и для банка ⬇️
Сделали AI-рекомендательную систему, которая анализирует поведение бизнеса и в нужный момент предлагает персональный тариф или подписку с оптимальной стоимостью. Система учитывает индивидуальные потребности клиента и окупаемость предложения для банка.
Что происходит под капотом?
Ансамбль ML-моделей формирует персональный оффер, а движок коммуникаций доставляет его клиенту в реальном времени.
1️⃣ Выявление потребности (5 ML-моделей и real-time-триггеры)
Определяем, какой продукт нужен клиенту, учитывая его склонность и поведенческие паттерны.
2️⃣ Оценка потенциала (5 ML-моделей)
Прогнозируем, как изменятся транзакционный профиль и доход от клиента после подключения продукта.
3️⃣ Экономика оффера (2 ML-модели и 2 микросервиса)
Распределяем бюджет на скидки с учётом окупаемости и эластичности спроса на уровне конкретного клиента.
3️⃣ Коммуникация (3 ML- и LLM-модели)
Формируем контент и sales-аргументы и запускаем коммуникацию в нужных каналах.
Кейс уже получил две награды: FinTech Awards Russia в номинации Personal Finance Innovation Award и Loyalty&CX Russia-Belarus в номинации «Персонализация года».
Если хотите подробнее узнать о кейсе или есть вопросы по моделям, спрашивайте в комментариях 🔽
#aaa_hardposting
❤️ Больше рассказываем о работе в IT и Digital в канале Alfa Digital