Как Альфа-Банк персонализировал 3,5 млрд сообщений в месяц с помощью нейросетей и увеличил продажи на 40%: кейс для потенциальных интеграторов ИИ в бизнес
В эпоху насыщенного рынка и высокой конкуренции, персонализация коммуникаций с клиентами становится не просто трендом, а необходимостью для устойчивого развития бизнеса. Альфа-Банк, один из лидеров финансовой сферы, продемонстрировал, как интеграция искусственного интеллекта и нейросетевых технологий может радикально изменить подход к маркетингу и взаимодействию с аудиторией. В этом кейсе мы рассмотрим, как банк смог персонализировать миллиарды сообщений в месяц и увеличить продажи на 40%, а также какие возможности это открывает для других бизнесов.
Зачем персонализировать коммуникации?
За последние годы Альфа-Банк существенно расширил свою продуктовую линейку, предложив более 100 различных сервисов — от классических банковских услуг до программ лояльности, страхования и инвестиций. Для продвижения этих продуктов банк ежемесячно отправлял миллиарды рекламных сообщений через различные каналы: SMS, push-уведомления, баннеры в приложениях, звонки и т. д.
Однако стандартная стратегия массовых рассылок оказалась неэффективной. Конверсия была низкой, а лояльность клиентов снижалась из-за большого количества неактуальных предложений. В 2021 году, когда маркетинговая активность достигла пика, банк столкнулся с ростом недовольства аудитории. Анализ обратной связи показал, что для улучшения ситуации необходимо персонализировать коммуникации.
Как предиктивные модели помогли решить проблему
Внедрение предиктивных моделей машинного обучения стало ключевым решением. Эти модели позволяют анализировать данные о клиентах и предсказывать их поведение, чтобы отправлять только те предложения, которые могут быть интересны конкретному пользователю.
В Альфа-Банке нейросети анализируют данные о клиентах и предсказывают вероятность совершения определенных действий — от клика по баннеру до оформления кредитной карты или страхового полиса. В результате система формирует скоринговую карту для каждого клиента, в которой отражаются его интересы, предпочтения и склонности к различным действиям. Эти данные передаются в «движки персонализации», которые автоматически определяют параметры взаимодействия с клиентом.
Что делают «движки персонализации»
- Выбор продуктов и предложений
Система анализирует историю взаимодействия клиента с банком и подбирает наиболее релевантные предложения. Например, активному пользователю карты предлагается выгодный кешбэк, а клиенту, интересующемуся инвестициями, — инвестиционные продукты. - Выбор канала и времени коммуникации
Система определяет, через какой канал (баннер, push-уведомление, звонок) и в какое время будет наиболее эффективно отправить сообщение. Например, предложения о скидках на авиабилеты отправляются перед отпуском клиента. - Определение последовательности сообщений
Система учитывает предпочтения клиента и определяет, в какой последовательности отправлять сообщения — сначала главное или сначала контекст. - Адаптация визуального контента
Алгоритмы могут адаптировать дизайн баннера, подбирая лучшие изображения и тексты. Например, если известно, что у клиента есть домашнее животное, система может предложить скидку от партнерской ветеринарной клиники.
Внедрение и эксперименты
Переход на предиктивный подход был постепенным. Команда персонализации последовательно внедряла модели в различные процессы и продукты, покрывая каждую баннерную локацию, каждый звонок из колл-центра и каждую всплывающую подсказку в приложении.
Основную часть времени занимали эксперименты и A/B-тестирования. Например, команда проверяла, влияет ли пол и голос оператора на эффективность телефонных звонков, а также тестировала визуальные элементы в приложении. Оказалось, что дизайн и текст баннера могут менять показатели конверсии на 30%.
Результаты и планы на будущее
К весне 2025 года система персонализирует 3,5 млрд маркетинговых взаимодействий с клиентами в месяц. Общий объем коммуникаций сократился на 25%, а количество продаж через собственные каналы банка увеличилось на 5–40%, в зависимости от типа продукта. Например, продажи подписок выросли на 40%, в то время как продажи ипотеки — на 5%.
Альфа-Банк продолжает развивать персонализацию, внедряя генеративный ИИ и персонализацию в режиме реального времени. Генеративный ИИ будет создавать тексты, изображения и даже виртуальных ассистентов для сотрудников. Персонализация в реальном времени позволит системе мгновенно адаптироваться к действиям клиента, подстраиваясь под его текущие интересы.
Представители Альфа Банка о проекте внедрения ИИ:
Сергей Тариченко, руководитель дирекции персонализации и оптимизации предложений: «Мы проанализировали обратную связь и обнаружили, что зашли слишком далеко с точки зрения объёмов коммуникаций. Стало понятно, что их надо персонализировать — определять, какому клиенту, через какой канал и в какой момент времени показывать то или иное предложение. В масштабах Альфы вручную это делать невозможно, поэтому команда начала внедрять в рекламный процесс предиктивные модели машинного обучения. Для каждого клиента в системе формируется скоринговая карта. Там отражены его интересы, сферы деятельности и склонности к тем или иным действиям в разных каналах коммуникации с банком. Эти данные поступают в "движки персонализации", которые в автономном режиме определяют параметры взаимодействия с тем или иным пользователем».
Александр Вшивцев, руководитель дирекции развития CRM продаж: «Прежде чем менять коммуникацию, мы проводим классические A/B-тестирования. Это позволяет понять, действительно ли предлагаемые обновления — будь то баннер, система сортировки контента или смена визуального оформления — влияют на поведение пользователей. Каждый эксперимент занимает от одного до трёх месяцев и полностью оправдывает затраченные время и усилия. Например, гипотезы, которые в теории кажутся прорывными, на практике могут не работать, и наоборот».
Алексей Ломакин, руководитель дирекции CRM-аналитики: «Теперь клиенты видят только те уведомления и предложения, которые их заинтересуют с наибольшей вероятностью. В итоге общий объем коммуникаций сократился на 25% при том, что количество продаж через собственные каналы коммуникации банка увеличилось на 5–40% в зависимости от типа продукта. У “тяжелых” предложений, таких как ипотека, рост ожидаемо невысокий: люди не каждый день покупают недвижимость. Максимальный — у “легких” продуктов, например, у подписки: такие опции недорогие, с понятной выгодой, а еще их можно оформить спонтанно».
Татьяна Фетисова, руководитель департамента вторичных продаж и персонализации: «Мы стремимся сделать каждый контакт с банком не только функциональным, но и эмоционально комфортным для клиента. Это постоянный процесс, и мы видим, что развиваемся в верном направлении».
Заключение: возможности для вашего бизнеса
Кейс Альфа-Банка демонстрирует, как интеграция ИИ и нейросетевых технологий может радикально изменить маркетинговые стратегии и улучшить показатели продаж. Если ваш бизнес также сталкивается с проблемами низкой конверсии и недовольства клиентов, внедрение предиктивных моделей и персонализации может стать ключом к успеху. Мы приглашаем вас рассмотреть возможности интеграции ИИ-решений в ваш бизнес и начать путь к более эффективному и персонализированному взаимодействию с аудиторией.
