مشتریان در سال 2030 ترکیبی خاص از خدمات مالی را انتظار دارند.




 

 

در سال 2030 من تنها یک نرم‌افزار موبایلی برای خدمات مالی بر روی تلفن همراهم خواهم داشت که تمامی نیازهای بانکی و مالی من را برآورده خواهد نمود و تمام پیشنهادهای شخصی‌‎سازی شده بر اساس نیازهای من را برای من نمایش خواهد داد.

با این که این تصویر از آینده می‌تواند خیال‌پردازانه به نظر برسد، اما انتظاری واقعی از سمت مشتریان است که سازمان‌های مختلف مالی تلاش دارند آن را محقق کنند. لازمه‌ی تحقق چنین هدفی از سمت موسسات مالی، تغییر دیدگاه از در نظرگرفتن سودآوری مالی به عنوان تنها معیار موفقیت به دیدگاهی است که در آن، تجربه‌ی مشتریان، پایداری (محیط زیستی) و میزان انتفاع جامعه از خدمات ارائه شده، همگی معیارهای اصلی هستند. در بازاری که در دو سال گذشته به دلیل همه‌گیری کووید19 دچار تحولاتی اساسی شده است، موسسات مالی با تغییر شرایط، بیش از پیش مانوس شده‌اند و می‌توان امید داشت این آمادگی تغییر دیدگاه، آنها را در مسیر انتظارات مشتریان در سال 2030 همراهی نماید.

 

تمرکز بر روی طراحی انسان- محور

طراحی محصولات و خدمات با در نظرگرفتن مشتریان و مصرف‌کنندگان آنها به طراحی محصولات و خدماتی خواهد انجامید که تعامل بیشتر با مشتریان را در خود گنجانده است و دامنه‌ی واقعی‌تر و گسترده‌تری از نیازهای آنها را پوشش می‌دهد. با وجود این که این موضوع بدیهی به نظر می‌رسد، بسیاری از سازمان‌ها از آن غافل هستند.

یکی از بزرگترین موسسات مشاوره‌ی مالی جهان تاکید دارد نقش بانک‌ها باید به نقشی نامرئی تبدیل شود. نقشی که مشتریان را در سفر دریافت خدمات و خرید محصولات مورد نظرشان، آنها را به صورت نامحسوس همراهی می‌نماید. به عنوان نمونه، پیشنهاد خرید منازلی که با موقعیت و قیمت آنها با سوابق مالی و میزان درآمد یک مشتری مطابقت دارد یا پیشنهاد میزان هزینه‌ی تعمیر منزل یا اتومبیل یک مشتری، نمونه‌هایی از این نقش مشاور و راهنمایی نامرئی هستند.  چنین طراحی‌هایی تنها در صورتی میسر خواهد بود که موسسات مالی تمرکز خود را بر روی درک صحیح نیازهای مشتریان و شناخت آنها قرار دهند.

 

حذف اصطکاک در فرآیند پرداخت مشتریان

با به‌کارگیری هوش مصنوعی و خودکارسازی، موسسات مالی قادر خواهند بود خدمات پرداخت را به ساده‌ترین نحو و با کمترین هزینه در اختیار مشتریان قرار دهند. همگن بودن و یکپارچگی ابزارهای پرداخت از پرداخت‌های ساده‌ی الکترونیکی گرفته تا پرداخت با استفاده از رمزارزها و زنجیره‌های بلوکی یا صرف اعتبارات و امتیازات جمع‌آوری شده در سیستم‌های وفاداری، نمونه‌ای از این گونه طراحی و پیاده‌سازی سیستم‌های پرداخت است.

به عنوان نمونه، نئوبانک Revoult در انگلستان با استفاده از محیط رایانش ابری گوگل، به مشتریان خود اجازه می‌دهد از حساب خود در یکی از 150 گونه ارز رایج با نرخی معادل نرخ تبدیل بانک‌ها برداشت نمایند در حالی که هزینه‌ای بسیار کمتر از بانک‌ها پرداخت می‌نمایند. طبیعتاً بناکردن سیستم نرم‌افزاری بانک بر روی محیط رایانش ابری، امکان به روزرسانی بلادرنگ نرم‌افزارهای مورد استفاده‌ی مشتریان را در اختیار این بانک قرار داده است.

 

توسعه‌ی مفهوم «اعتماد به عنوان یک خدمت»

بانک‌ها از گونه‌ای از عدم اعتماد مشتریان رنج می‌برند. مشتریان برای نگهداری منابع مالی خود به بانک‌ها اطمینان دارند اما در خصوص به اشتراک گذاشتن اطلاعات شخصی خود دچار تردید هستند. اگر بانک‌ها بتوانند به شکلی این عدم اطمینان را از میان بردارند، قدم بسیار بزرگی در جهت شناخت مشتریان برداشته‌اند. به عنوان نمونه، اگر مشتریان حاضر باشند اطلاعات درآمدی خود یا میزان تعهدات جاری مالی خود را با بانک‌ها به اشتراک بگذارند، بانک‌ها قادر خواهند بود محصولاتی شخصی‌سازی شده برای هر مشتری طراحی و ارائه نمایند. در چنین حالتی، فن‌آوری هوش مصنوعی قادر خواهد بود با در نظرگرفتن الگوی مصرف هر مشتری، الگوی درآمدی وی، اشتهای ریسک آن شخص و سوابق اطلاعاتی که در اختیار بانک است، امتیازی پویا در هر مقطع زمانی برای یک مشتری تولید نماید و بر اساس آن محصولات و خدماتی شخصی‌سازی شده و متناسب با نیاز وی به او ارائه نماید.

 

ایجاد تمایز با ارائه‌ی محصولات خاص

در سال 2030، به احتمال بسیار زیاد، موسسات مالی از منابع ذخیره‌سازی و پردازشی محیط‌های رایانش ابری استفاده خواهند کرد و این موضوع، امکان طراحی و عرضه‌ی محصولات خاص را برای آنها فراهم می‌سازد. این خصوصیت می‌تواند در حالت ایده‌آل خود به سمت «موسسه‌ی مالی برای یک نفر» حرکت نماید. وضعیتی که در آن، هر فرد خدمات خاص خود را از موسسه‌ی مالی دریافت می‌کند به شکلی که گویا این موسسه‌ی مالی تنها برای وی طراحی شده است.

 

بر اساس مطالبی که در بالا ذکر شد، هدف نرم‌افزاری که در ابتدای این نوشته به آن اشاره کردیم، مرکز قرار دادن هر مشتری و اتصال با زیرساخت‌های مختلف مالی و خدماتی است. نرم‌افزاری که با شناخت هرچه بیشتر شما به عنوان یک مشتری، خدمات مختلف و خاصی را در ارتباط با زیرساخت‌هایی که به آنها متصل است در اختیار شما قرار می‌دهد.

 

منبع:

https://www.rfigroup.com/rfi-group/news/consumers-2030-will-want-mixtape-financial-services

 

مطالب مرتبط:

خدمات مالی بدون محدودیت مکانی

 

آینده‌ی پرداخت‌های موبایلی و محوریت مشتریان

 

پرداخت‌های موبایلی و خدمات فین‌تک‌ها – کسب وکاری داده‌محور

 

در صنایع مالی، زمان بارش نوآوری رسیده است.

 


به‌کارگیری هوش مصنوعی در بانکداری نوین




 

فن‌آوری هوش مصنوعی به سرعت در حال تکامل است. موسسات مالی استفاده از این فن‌آوری را برای کاربردهایی چون کشف تقلب، مبارزه با پول‌شویی، شخصی‌سازی خدمات ارائه شده به مشتریان، اعتبارسنجی، درک زبان طبیعی در پردازش مستندات و ارزیابی ریسک آغاز نموده‌اند.

بانک‌ها در دهه‌ی گذشته در حال بهبود روش‌های تعامل با مشتریان خود بوده‌اند. مفهوم دستگاه‌های خودپرداز بیش از شصت سال پیش مطرح شد. پس از آن شاهد رواج کارت‌های بانکی برای برداشت پول نقد از دستگاه‌های خودپرداز شدیم اما این تغییر به گستره‌ی عظیمی از پرداخت‌های کارت-‌محور منجر شد. به همین ترتیب مطرح شدن مفهوم هوش مصنوعی در خدمات مالی، بستر بزرگی از امکانات و خدمات ایجاد کرد. بر اساس پیش‌بینی‌های انجام شده، بانک‌ها در سال2023 با استفاده از فن‌آوری هوش مصنوعی، مبلغی بالغ بر447 میلیارد دلار صرفه‌جویی خواهند کرد. نوشته‌ی زیر برخی از روندهای آتی استفاده از هوش مصنوعی در صنایع مالی را به تصویر می‌کشد.

 

بانکداری موبایلی

استفاده از هوش مصنوعی در بانکداری موبایلی به سرعت در حال رشد است. به عنوان نمونه، یکی از بانک‌های پیشرو، ابزار دستیار صوتی Siri را با نرم‌افزار موبایلی خود ادغام نموده است و امکان صدور دستور پرداخت‌های صوتی را در اختیار مشتریان خود قرار داده است. شخصی‌سازی خدمات ارائه شده بر اساس تحلیل رفتار یک مشتری در گذشته و ارائه‌ی پیشنهادهای ویژه برای هر مشتری بر اساس رفتار خرید وی، نمونه‌هایی از استفاده از فن‌آوری هوش مصنوعی در بانکداری موبایلی هستند.

 

ربات‌های گفت‌و‌‌گوی هوشمند

ربات‌های گفت‌وگو ابزارهایی هوشمند برای مکالمات بین مشتریان و موسسات مالی هستند. به کمک فن‌آوری هوش مصنوعی، این ربات‌ها حجم قابل‌توجهی از مکالمات بین مشتریان و موسسات مالی را با هزینه‌ای اندک میسر می‌سازند. درک زبان طبیعی که یکی از کاربردهای رایج فن‌آوری هوش مصنوعی است به بانک‌ها کمک می‌کند پرسش‌های مطرح شده از سوی مشتریان را درک کرده و به شکلی هوشمندانه به آنها پاسخ دهند. با افزودن ربات‌های گفت‌وگو به محیط‌های عرضه‌ی خدمات بانکی، موسسات مالی، امکان پاسخ‌دهی به مشکلات و تقاضاهای مشتریان در محل شکل‌گیری/ رخ دادن آنها را فراهم می‌کنند. به عنوان دو نمونه از پیاده‌سازی موثر این فن‌آوری می‌توان از بانکی که فعال‌سازی کارت‌های بانکی، تغییر رمز و دریافت موجودی را خودکارسازی نموده است و همچنین بانکی که بر اساس خریدهای انجام شده توسط هر مشتری، توصیه‌هایی را برای کاهش هزینه‌ها استخراج نموده و در قالب یک مکالمه با مشتری آنها را به وی ارائه می‌دهد، نام برد.

 

جمع‌آوری و تحلیل داده‌ها

با دیجیتالی‌شدن هرچه بیشتر فرآیندها، حجم داده‌های تولید شده در اطراف فعالیت مشتریان به شدت افزایش یافته است. این واقعیت، امکان گردآوری حجمی دوچندان از داده‌ها را – به صورت مستقیم از فعالیت‌های مالی ایشان و از طریق مشارکت‌های داده‌ای با دیگر منابع تولید و جمع‌آوری داده‌ها – در اختیار موسسات مالی قرار داده است. تاثیر این داده‌های افزونه، ایجاد دیدی 360 درجه از مشتریان و اشراف به تمایلات آنها در زمینه‌های مختلفی است که ردپای تراکنش‌های مالی در آنها وجود دارد. در بسیاری از سازمان‌ها، نگاهی به استفاده از بینش خلق شده از این داده‌ها به عنوان یک منبع درآمدی نیز وجود دارد.

 

مدیریت ریسک

زمانی که یک موسسه‌ی مالی به انبوهی از داده‌های رفتاری یک مشتری نگاه می‌کند، توان بیشتری در ساخت الگوی رفتاری وی و پیش‌بینی امکان عدم ایفای تعهدات را به دست می‌آورد. هرگونه مشکل مالی آتی یک مشتری در رفتارهای مالی وی نشانه‌هایی اولیه دارد و با استفاده از تحلیل بلادرنگ داده‌های عظیمی که هر لحظه در اثر رفتار هر مشتری در حال تولید هستند، سازمان‌های مالی می‌توانند خطرات احتمالی عدم ایفای تعهدات در آینده را تا حد قابل‌توجهی پیش‌بینی نمایند.

 

غنی‌سازی داده‌های تراکنش‌ها و امنیت داده‌ها

تبدیل اطلاعات متنی موجود در اطراف یک تراکنش مالی به اطلاعات قابل تحلیل و نیز غنی‌سازی اطلاعات هر تراکنش در مشارکت با دیگر منابع تولید داده می‌تواند از بروز تقلب و بسیاری از تماس‌های مشتریان برای رفع ابهام در تراکنش‌ها پیشگیری نماید. به عنوان نمونه، افزودن محل فیزیکی انجام تراکنش‌های بانکی امکان کشف تقلب در صورت بروز دو تراکنش پیاپی با فاصله‌ی جغرافیایی قابل توجه را در اختیار موسسات مالی قرار می‌دهد. همچنین افزودن اطلاعاتی تکمیلی در خصوص کسب وکاری که تراکنش مالی از طریق ترمینال آن انجام شده است بانک‌ها را از علایق و سبک زندگی و الگوی مصرف مشتری مطلع می‌سازد.

 

جمع‌بندی

در روند پیشرفت موسسات مالی، سازمان‌هایی که هوش مصنوعی را به عنوان ابزاری کلیدی در توسعه‌ی خدمات خود و در ارتباط با مشتریان خود در نظر می‌گیرند، از رقبای خود پیشی خواهند گرفت. حجم افزونه‌ی داده‌های تولید شده در اطراف رفتار مشتریان و پیشرفت فن‌آوری هوشمند مصنوعی، عرصه‌ی رقابت موسسات مالی را به گونه‌ای تغییر داده است که در آن به‌کارگیری این فن‌آوری از لازمه‌های اصلی عرضه‌ی خدمات رقابتی است.

 

منبع:

https://www.finextra.com/blogposting/20688/use-of-artificial-intelligence-in-banking-world-today

 

مطالب مرتبط: 

برای موسسات مالی در سال جدید، هوش مصنوعی جزو الزامات محسوب می‌شود.

 

هوش مصنوعی در خدمات مالی

 

سه راه و روش تحول آینده‌ی انفورماتیک در بانک‌ها از طریق هوش نرم‌افزاری