Künstliche Intelligenz in der Finanzbranche Wie Vermittler ihre Kunden mit Big Data besser beraten
Um Kunden effizienter zu beraten und dabei gleichzeitig deren Zufriedenheit zu erhöhen, sollten Finanzinstitute als erstes die Wahl des Beratungskanals überdenken und individualisieren. Immer mehr Kunden wählen dabei digitale Kommunikationswege: Laut einer aktuellen Bitkom-Umfrage erledigen bereits 70 Prozent der Deutschen ihre Bankgeschäfte online. Daher sollten Finanzunternehmen ihre Ressourcen angemessen zwischen Beraterstunden, Call Center, Briefpost und elektronischer Kommunikation verteilen und dabei die Präferenz der Kunden berücksichtigen.
Laufend verbesserte Beratung
Zusätzlich zur Wahl des richtigen Kanals lässt sich auch der Inhalt der Beratung optimieren – und zwar auf Basis intelligenter Big-Data-Analysen. Denn die Institute kennen Cash-Flow und Darlehen ihrer Kunden und können daraus eine Vielzahl an Schlussfolgerungen ziehen: In welcher Lebensphase befinden sie sich? Welches Auto haben sie gekauft? Wann sind sie zuletzt umgezogen? Kombiniert mit weiteren Daten aus sozialen Plattformen können Banken so ein fast vollständiges Bild ihrer Kunden erhalten. Grundvoraussetzung ist natürlich, dass die Institute alle personenbezogenen Daten datenschutzkonform erheben und speichern. Darüber hinaus, können aber auch anonymisierte Informationen zu Zusammenhängen zwischen Persönlichkeitsmerkmalen und Verhalten aufschlussreich sein.
Um eine solch immense Menge an strukturierten und unstrukturierten Daten zu verarbeiten, benötigen Finanzinstitute künstliche Intelligenz (KI), einschließlich natürlicher Spracherkennung (Natural Language Processing, NLP), aber auch maschinellem Lernen (ML). Zunächst müssen alle Fakten mittels NLP maschinengerecht aufbereitet werden. In einem nächsten Schritt erfasst das System die Bedeutungszusammenhänge der Fachbegriffe – von Finanzprodukten über wirtschaftsmathematische Berechnungen bis hin zu psychologischen Ansätzen. Auf diese Weise kann die KI Informationen künftig richtig zuordnen und interpretieren.
Anschließend lernt das System aus den Beispieldaten auf Basis von ML-Algorithmen. Diese extrahieren statistische Regelmäßigkeiten, die sie in Form von Modellen darstellen. Dieser Modelle lassen sich dann auch auf neue, unbekannte Daten anwenden, um diese zu interpretieren und Vorhersagen oder Vorschläge abzuleiten. Je mehr Beispiel- oder Trainingsdaten die KI erhält, desto mehr kann sie das Modell verbessern. Auch im Betrieb lassen sich noch Beispiele und Feedback sammeln, damit der Lernalgorithmus das Modell weiter anpassen kann.
1.200% Rendite in 20 Jahren?
Der Kunde steht im Mittelpunkt
Auf diese Weise können Finanzinstitute aus Informationen zu Demographie, Produktnutzung, Kartentransaktionen, Zahlungsverkehrstransaktionen, Login-Frequenz beim Online-Banking und Reaktionen auf frühere Beratungen verstehen, wie Kunden mit ihren Produkten und Dienstleistungen umgehen. Auch können sie auf dieser Basis künftiges Verhalten prognostizieren und auf ähnliche Kunden projizieren.
Darüber hinaus können Banken mithilfe einer Cashflow-Analyse erkennen, wie Kunden mit ihrem Guthaben umgehen. So geben einige Kunden alles Geld bis Monatsende aus, während es andere bis zu einem bestimmten Betrag sammeln oder für einen konstant hohes Plus auf dem Konto sorgen. Durch den Abgleich mit Merkmalen von sämtlichen Finanzprodukten lässt sich anschließend für jeden Kunden ein Score für die Produktaffinität und Abschlusswahrscheinlichkeit erstellen. Künftig stellt die Beratung den einzelnen Kunden und weniger das Finanzprodukt in den Mittelpunkt.
Kundenbindung immer wichtiger
Letztendlich erhalten die Kunden eine individuellere, passgenaue und qualitativ bessere Beratung. Das stärkt die Kundenbindung – ein Faktor, der immer wichtiger wird. Denn künftig werden sich die Anbieter durchsetzen, welche die beste Kundenerfahrung bieten.
Dabei gilt es zu beachten, dass die Einführung einer einzelnen neuen Lösung kein Garant für Kundenzufriedenheit und Zukunftssicherheit ist. Erfolgreiche Finanzunternehmen setzen auf eine Kombination aus menschlicher Beratung, KI und Datenanalyse. Der Wandel hin zur zukunftsfesten, digitalen Bank beginnt jedoch nicht nur mit ersten Testversuchen mit den neuen Technologien, sondern vor allem in den Köpfen. Denn für nachhaltigen Erfolg muss der kulturelle mit dem technologischen Wandel einhergehen.
