nbo что это в банке
Финансовая сфера
Индпошив банковской лояльности
Традиционная банковская модель изменилась, финтех-компании и нишевые банки забирают прибыль крупных банков и заманивают своих клиентов более качественным сервисом по более низким ценам. Традиционные банки, как правило, настроены не как новаторы, вместо этого они сражаются за доверие клиентов
Независимый эксперт по банковским продуктам и лояльности
В то же время в России на фоне многочисленных санаций и изменений в банковском секторе уровень лояльности и доверия клиентов к российским банкам постепенно снижается. В 2016 году лицензий лишились 97 банков. За 2017 год были отозваны лицензии у 47 банков и четырех небанковских организаций, за первые четыре месяца этого года — еще у 20 банков и одной небанковской организации, 17 из них входили в систему страхования вкладов. Чтобы вернуть утраченное доверие, банкам приходится все больше инвестировать в рекламу и программы долгосрочного удержания клиентов.
Если в 2016 году индекс лояльности банкам составлял 43 пункта, то к январю 2018 года он снизился на 14 п.п. Об этом свидетельствуют результаты опроса, проведенного Аналитическим центром НАФИ в январе 2018 года и посвященного оценке индекса потребительской лояльности (NPS). Восемь из десяти россиян пользуются услугами банков (83%). Из них большинство считают своим основным банком Сбербанк (83%). Для 5% россиян основной банк — ВТБ, для 2% — Альфа-Банк. Другие банки основными называют 5% опрошенных. Индекс лояльности своему основному банку в январе 2018 года составил 29 пунктов и продемонстрировал сокращение на 10 п.п. по сравнению с данными за 2017 год и на 14 п.п. по сравнению с данными за 2016 год. Чуть менее половины (47%) опрошенных отметили, что с высокой вероятностью будут рекомендовать банк, в котором они обслуживаются, своим родственникам и знакомым.
Все больше клиентов переводят свои средства в банки с государственным участием, несмотря на систему страхования и повышенные ставки у частных игроков. При этом клиенты все меньше готовы рекомендовать банки знакомым и родственникам, не понимая дальнейшую ситуацию с кредитной организацией.
В текущих условиях программы лояльности становятся не просто дополнительным сервисом, а обязательным инструментом удержания клиентов. Почти 15% населения планеты (650 млн человек) участвуют как минимум в одной программе лояльности, и эта доля растет на 12% с каждым годом. В банковском секторе наблюдается такой же прирост, уже практически не осталось ни одного банка без программы лояльности. Более 80% российских банков из топ-50 предлагают своим клиентам как минимум одну программу. За девять месяцев 2017 года россияне 14,6 млрд раз расплатились пластиковыми картами, потратив таким образом 24 трлн рублей, как следует из статистики Центробанка. За аналогичный период 2016 года было проведено 10,2 млрд операций на сумму 16,1 трлн рублей. Помимо влияния на остатки, транзакционную активность и обогащение клиентского профиля через программы банки улучшают привлекательность своих продуктов, пенетрацию на одного клиента и LTV (life time value). Также не стоит забывать и о влиянии на снижение оттока, что особенно актуально сегодня для многих частных банков. Цель программы лояльности — приблизить существующую модель поведения клиента к желаемой, тем самым увеличив его ценность для банка.
Показательно, что в США уже 16% потребителей считают самым важным критерием при выборе кредитной карты наличие у банка бонусных программ. В Австралии уже более 70% населения используют банковские карты с программами лояльности. Транзакционная активность и средний оборот по таким картам намного выше, чем по картам без программ лояльности.
Аналогичная ситуация сложилась в ретейл-сегменте, без которого транзакционная активность по картам была бы невозможна. Компания Nielsen провела глобальное исследование потребительских предпочтений в отношении программ лояльности в 63 странах и выяснила, что при выборе между одинаковыми по всем критериям магазинами 76% покупателей пойдут к тому ретейлеру, в чьей программе лояльности они участвуют. По оценкам компании, в России 52% потребителей владеют картами лояльности, в то время как в США в программах лояльности участвуют 85% потребителей, в Великобритании — еще больше (89%). Средний по миру показатель составляет 66%. Более 50% людей в России тратят больше в магазинах с программами лояльности. Наибольшую ценность для клиентов, по результатам исследования, представляют скидки на продукты, их предпочитают 85%, товары в подарок отмечают 35%, кэшбэк — 30%. Эксклюзивный доступ к распродажам выбирают 27% респондентов.
Скорость, удобство получения информации и искусство вовлечения в программы достигли невероятных высот. Но все это привело к перенасыщению клиентов информацией, поступающей не только от банков, но и от авиакомпаний, заправок, магазинов и даже автомоек. В результате снижения совокупной ценности программ получить желаемый WOW-эффект на фоне информационного шума стало значительно сложнее. В связи с этим программы лояльности претерпели ряд существенных изменений, их фокус сместился в сторону развития долгосрочных отношений, формирования позитивного клиентского опыта и увеличения доли в структуре расходов клиента. Рассмотрим основные международные и российские тренды.
Персонализация предложений вместо сегментации
Предлагать всем своим клиентам одинаковую программу лояльности — то же самое, что заставить их носить одежду одного размера. У банка должно быть столько программ и кампаний, сколько у него клиентов. Необходимо учитывать индивидуальные потребности клиента, его ценность для банка. Многие банки провели за последние несколько лет серьезную работу по сегментации и кластеризации клиентских баз, в некоторых случаях даже были адаптированы организационные структуры кредитных организаций. Но сегодня этого уже недостаточно. Работа с данными, предиктивными моделями и персонализацией приобрела самый высокий статус. Стремясь конкурировать с сильнейшими брендами, которые формируют ожидания потребителей, такими как Amazon, Google и Facebook, банки активно работают над персонализированной маркетинговой методологией. Новая профессия в этой области — лидер по персонализации (CPO). В настоящее время поиск на LinkedIn для позиции CPO дает только 65 человек, но я уверена, что такая должность скоро появится в каждом банке.
Новые технологии позволяют анализировать поведение клиентов, прогнозировать их потребности и формировать персонифицированные предложения для каждого клиента, например такие, как NBO (next best offer). Такие предложения формируются на основании профайла клиента, структуры потребления, его жизненного цикла, истории участия в программе и многих других критериев, на основании анализа покупательских паттернов клиентов. Такой подход эффективно практикуют The Royal Bank of Canada, Citibank Singapore и Bank of America. При этом очень важно правильно выбрать каналы взаимодействия и модель коммуникаций с клиентами, так как у многих клиентов уже выработался иммунитет на рассылки, а часть каналов им просто неудобна. Выбор правильного канала и момента для коммуникации — гарантия того, что клиент воспримет предложение банка и отреагирует на него нужным для банка образом.
Эмоциональная лояльность
Большинство банковских программ ориентированы на рациональное потребление, а не на вовлечение клиента, повышение его удовлетворенности и новые позитивные эмоции. Я люблю говорить, что лояльность — это больше про любовь и эмоции. Ведь чем больше клиент любит свой банк, тем больше у него банковских продуктов и меньше желания перейти в другой. И эти эмоции можно взаимовыгодно монетизировать. Лояльный клиент приносит намного больше дохода, а уровень его лояльности можно оценить через NPS и share of wallet.
Банкам нужно научиться быть человечнее в коммуникациях и проявлять живые эмоции при взаимодействии с клиентами. По аналогии с ретейлом и сервисными организациями в программах может быть реализована система статусов, направленная на поощрение любых проявлений настоящей эмоциональной лояльности, а не терпимости к банку за вознаграждение. Банк может поощрять клиентов за предоставление обратной связи, участие в конкурсах и опросах, подписку на страницы в соцсетях и новости и т.д. Только не стоит давать бонусы за лайки в соцсетях, подобные акции привлекают охотников за призами и развращают лояльных клиентов. Лучше использовать нематериальную мотивацию в качестве поощрения эмоциональной лояльности. Клиенты могут быть приглашены на съемку в рекламе банка, мероприятие банка или завтрак с топ-менеджером.
В потоке информационного шума важно услышать мнение самих клиентов. Системы EFM (Enterprise Feedback Management) обратной связи с клиентами активно внедряются в программы лояльности. Интеграции в платформы онлайн-опросов, чатов, рейтингов, оценок, рекомендаций и каталогов избранных предложений уже приобрели массовый охват. Банки заинтересованы в информации о качестве обслуживания, привлекательности своих продуктов и мнении клиента «из первых рук».
Искусственный интеллект
Еще один новый мировой тренд — искусственный интеллект в работе с клиентскими данными. Согласно результатам исследования Accenture, качество и безопасность данных являются ключевыми проблемами, с которыми сталкиваются компании в разработке и продаже цифровых продуктов и услуг, поэтому все больше компаний стали внедрять искусственный интеллект. Исследование состояло из опроса 500 руководителей уровня директора из 500 компаний в шести странах с доходом 500 млн долларов и более. Респонденты отметили, что ключевыми факторами, способствующими внедрению в их продукты искусственного интеллекта и других цифровых технологий, являются лояльность клиентов (82%), понимание использования продуктов и услуг (82%), снижение затрат (73%) и увеличение возможностей получения доходов (73%). В результате включения искусственного интеллекта в свои продукты и услуги компании ожидают улучшения уровня послепродажного обслуживания клиентов (64%), увеличения источников дохода (64%) и предложений по потребительским ценностям (55%).
Повышенный кэшбэк от банка и его партнеров
Маржинальность банковских продуктов небесконечна, а уровень конкуренции достаточно высок. Создавая для клиента дополнительную ценность карточных продуктов в виде повышенного кэшбэка, банки стали привлекать к партнерству торгово-сервисные компании. Если раньше банковский кэшбэк по картам варьировался от 1 до 5%, то сейчас можно увидеть предложения и до 90% возврата на карту за покупку при среднем значении 10–20%. Размер кэшбэка зависит от маржинальности партнеров банка: чем она выше, тем больше отложенная скидка клиенту (ретро-бонусы), которая может суммироваться и с банковским кэшбэком. По результатам кэшбэк-кампаний банков, 20%-ный кэшбэк может приводить к увеличению до 60% объема продаж, а 15%-ный кэшбэк — до 40%. Клиенты, участвующие в программах, совершают более чем на 30% больше транзакций в первый месяц. В следующие месяцы такое транзакционное поведение сохраняется. При этом конверсия из кампаний в покупки достигает 10% при росте оборота и среднего чека до 30%, что очень выгодно для партнеров банка. Например, в Тинькофф Банке элементы программы лояльности есть во всей линейке продуктов, при этом все расходы на кэшбэк по программе лояльности «Тинькофф таргет» лежат на партнерах, комиссия самого банка небольшая.
Геймификация
Вовлечение в программу лояльности намного сложнее удержания в ней. Игровые механики при взаимодействии с клиентами позволяют значительно упростить эту задачу. Клиенты с большей вероятностью откликаются на предложения, включающие в себя элемент игры. Возможности геймификации достаточно широки и позволяют в игровой форме вовлечь клиентов в активное использование приложения или сайта банка, сформировать целевое пользовательское поведение, продвигать новые банковские сервисы и продукты, упростить восприятие сложных финансовых инструментов.
Бонусы как новая валюта
Приведу несколько наиболее ярких примеров из российской и международной практики. Коалиционная программа Plenti от American Express в 2011 году запустилась с крупнейшими американскими компаниями, получив доступ к их клиентским базам. Она позволяет через единый счет накапливать бонусы в одних организациях, а тратить — в других. За счет гибкости программы возросла ценность самих бонусов, а компании получают увеличение объемов продаж и числа новых клиентов. В программе Citi под названием Thank you клиенты получают баллы за любые операции — использование кредитной карты, хранение средств на депозите, получение ссуды и т.д. Bank of America в своей программе Preferred Rewards реализовал стимулирование «ответственного» потребления банковских услуг. Клиенты получают вознаграждение бонусами за платежи по кредитам без просрочки, пополнение депозитов или использование инвестиционных продуктов.
На российском рынке самый яркий пример — программа «Спасибо от Сбербанка», госбанк намерен в 2018 году потратить на бонусы своим клиентам 22,4 млрд рублей, что в 1,7 раза больше, чем в прошлом году, когда расходы составили 13,3 млрд рублей. Сбербанк увеличил выпуск карт и обновил линейки карт с повышенными бонусами, также в программе успешно развивается геймификация. Сбербанк начисляет баллы от 0,5 до 20% стоимости покупки, которыми клиенты могут расплачиваться у партнеров программы. Уже 32 млн человек являются участниками программы при почти 120 млн карт. Если сравнить с другими игроками, то ВТБ за этот год планирует потратить на все свои программы лояльности около 12 млрд рублей. В программе от ХКФ-банка клиенты заработали по программе лояльности «Польза» в прошлом году более 500 млн бонусных баллов.
Экосистемы и маркетплейсы
Клиентам не нужны банки, они хотят покупать продукты, отдыхать, растить детей, обустраивать свои дома, обеспечивать свои семьи всем необходимым. Чтобы выстроить долгосрочные отношения с клиентами и получить конкурентные преимущества, быть просто финансовым помощником в достижении целей недостаточно, поэтому многие банки начали создавать вокруг клиентов экосистему нефинансовых сервисов и услуг через партнерские программы. При этом стоимость таких сервисов, приобретаемых через банк, значительно ниже официальных тарифов компаний, что делает подобные программы сильными инструментами по удержанию клиентов: через свой банк можно легко и выгодно решить почти все вопросы. Банковские продукты через такие платформы предлагаются как скрытая реклама, а не навязываются клиенту. Программа лояльности здесь выступает как связующее звено между различными продуктами и услугами.
Компания Brand Finance провела исследование банковских брендов на 22 рынках, чтобы увидеть, как поменялись мнения клиентов в эпоху серьезных изменений в банковской в отрасли. Согласно исследованию, JP Morgan Chase — самый популярный банк и у него самые лояльные клиенты. Citi оказался вторым по популярности банком, к которому клиенты хотели бы перейти. Кампания банка «Сделай это здесь», запущенная в начале 2016 года, подчеркнула плавную интеграцию банков Citi в повседневную жизнь клиентов и сосредоточена на их ежедневных потребностях. Это подтверждает явный переход от прежнего маркетингового подхода бренда к функциональности, ориентированной на персональные потребности клиентов.
Первопроходцем на российском рынке стал Сбербанк, предложивший своим клиентам экономить на путешествиях через сервис «Сбербанк Путешествия», покупать билеты на развлекательные мероприятия за бонусы через «Сбербанк Впечатления» и даже запустивший свой онлайн-маркет. А недавно Сбербанк выкупил вновь выпущенные акции «Яндекс.Маркета» за 30 млрд рублей с целью построить на базе «Яндекс.Маркета» российский Amazon. Сбербанк считает эту сделку важной как для развития своей цифровой экосистемы, так и для экономики страны в целом. Партнерство, по мысли его участников, даст новые возможности рынку электронной коммерции, малому и среднему бизнесу, поможет росту экспорта российских товаров и откроет российский рынок зарубежным участникам. У компании будет три основных направления: онлайн-площадка для продавцов, трансграничная онлайн-торговля и сервис выбора товаров и сравнения цен.
Омниканальность
Отток клиентов, использующих различные каналы взаимодействия с банком, значительно ниже, чем в среднем по статистике, согласно исследованию Bain & Company. При этом такие клиенты потребляют услуг в 1,3 раза больше, чем клиенты, которые обслуживаются только через отделение банка, а стоимость их обслуживания значительно ниже. Программа лояльности помогает мотивировать клиентов к использованию удаленных каналов обслуживания через поощрение бонусами и привилегиями.
Все перечисленные выше тренды модифицируются и развиваются с высокой скоростью, подстраиваясь под растущий уровень требований клиентов и конкурентный банковский рынок. Их очень хорошо описывает крылатая фраза из книги Льюиса Кэрролла: «Нужно бежать со всех ног, чтобы только оставаться на месте, а чтобы куда-то попасть, надо бежать как минимум вдвое быстрее!»
Как построить процесс запуска кампаний NBO (Next Best Offer)?
Компании, которые погружаются в клиентскую аналитику и процессы целевого маркетинга, сталкиваются с вопросами тактического управления базой клиентов. Случайные и точечные коммуникации могут принести эффект в моменте, но иногда вредят длительному и качественному развитию клиентов. Для этого существует множество подходов к подбору следующего оптимального воздействия NBO (Next Best Offer). В статье команда GlowByte разобрала, как определить следующий шаг воздействия на клиента, который направит его к качественному росту.
Структура задачи
Место NBO в разрезе стратегических сегментов
Мы должны понимать, что цели коммуникаций разнятся в зависимости от стратегического сегмента клиента. Например:
○ конверсия в активных клиентов;
○ погружение в правила программы лояльности;
○ получение разрешений на коммуникацию в дешевых каналах.
○ возврат клиента в сеть.
○ планомерное повышение уровня трат;
○ поддержка уровня трат (предотвращение оттока);
○ качественное развитие (ходить чаще, покупать больше, шире корзина).
Чтобы мы достигли цели, нам следует решить ряд задач:
Структура процесса NBO
В структуру заложено три глобальных блока:
Модель клиента
Модель клиента следует строить на всех имеющихся у компании данных о клиенте, собранный в виде понятных, интерпретируемых сегментаций.
В первую очередь нам понадобится количественная сегментация RFMCD (Recency, Frequency, Monetary, Consistency, Diversity). Каждая компания так или иначе использует подобную сегментацию, в статье мы будем опираться на одну из вариаций, которая подробнее описана чуть ниже в примечании.
Для повышения персонализации наших предложений, а именно точного подбора персональных параметров кампаний (размера вознаграждения, рекомендуемой категории, порога списания бонусов и т.д.) может быть использовано множество:
● Сегментация по типовой корзине (т.н. Сегментация Needs);
● Сегментация по ценовым предпочтениям;
● Сегментация по чувствительности к вознаграждению;
● Сегментация по лояльности к сети.
Примечание
Способ построения сегментации RFMCD (один из многих)
Целеполагание
Как формируются цели
Фактор № 1: Как изменился показатель клиента?
 | |
Фактор № 2: Как сильно изменился показатель клиента?
Данный фактор нам необходим для того, чтобы выбрать степень воздействия на клиента. При резком снижении трат клиенту может потребоваться более привлекательное вознаграждение, чем клиенту в фазе естественного роста или стагнации.
Фактор № 3: За счет чего клиент снизил свои траты?
● Снижение частоты при неизменном среднем чеке
● Снижение среднего чека при неизменной частоте
● Равномерное снижение и частоты, и среднего чека
В процессе развития данной задачи можно дополнять логику новыми факторами, например:
● При увеличении или уменьшении трат можем учитывать, сколько периодов подряд это происходит для того, чтобы выявлять клиентов в фазе естественного роста или оттока
Начиная с основы, нам необходимо вырастить дерево, разветвляя его по вариантам факторов, описанных выше. В основе дерева целей заложим самый приоритетный показатель траты, т.к. именно увеличение трат клиента является одной из основных целей.
По результату прохождения по логике дерева мы получим набор простых правил:
ЕСЛИ Траты клиента упали,
И ЕСЛИ Падение трат было умеренным
И ЕСЛИ Падение трат произошло из-за падения частоты,
В дереве важно заложить больше возможностей на определение цели даже для клиентов, которые находятся в фазе естественного роста. Именно таких клиентов можно взращивать качественно: поддерживающие рекомендации на Upsell категорий, рекомендовать к покупке новые категории/бренды/товары, давать иное поощрение.
Для клиентов с уже очень высокими показателями по среднему чеку и частоте мы все равно можем дать предложение на поддержание. Например, для непрямого поддержания частоты можем использовать категорийную рекомендацию на товары/категории с низким сроком годности.
Переход от целей к механикам
Давайте рассмотрим несколько степеней свободы, которыми мы можем управлять:
Механики сильно отличаются по тому, на какой показатель в первую очередь воздействуют. Наиболее популярные комбинации на рынке:
■ Upsell (предлагаем купить чуть больше того, что клиент уже покупает)
■ Новые категории (рекомендуем попробовать новые категории)
○ Фиксированное количество бонусов
○ Мультипликатор бонусов (в 2, 3, 5 раз больше бонусов за целевое действие)
Существуют еще различные комбинации, например, пороговая механика при покупке в определенной категории (купи в категории «Молоко» на 150 рублей… и т. д.).
Подобная комбинация типа механики и типа вознаграждения дает нам уникальное воздействие на клиента, к которому мы должны прийти исходя из целей на клиента.
Все текущие доступные нам механики необходимо разместить на матрице Показатель х Степень воздействия исходя из данных по истории коммуникации. Не обладая полной богатой историей отправки механик на все сегменты клиентов, нельзя достоверно утверждать, какая механика в большей степени воздействует на тот или иной показатель клиента, а также насколько в среднем она затратна для компании.
В первую итерацию допускается проставить экспертное соответствие, однако с наполнением истории коммуникаций с клиентами, необходимо своевременно ее обновлять.
● Мягкая поддержка частоты
● Умеренное восстановление средней суммы чека
● Иное поощрение можно заложить в логику для растущих клиентов, для поддержания контакта
Многие механики, на первый взгляд, имеют достаточно очевидную цель воздействия. Несмотря на это, в наших силах искусственно изменить ее для увеличения разнообразия и оказания воздействия на требуемую нам метрику. Как пример, мы можем использовать категорийные/товарные рекомендации, чтобы косвенно повысить доп. маржу, частоту клиента, если дадим рекомендации на высокомаржинальные товары или товары с низким сроком годности.
Результирующая таблица на данном этапе:
В процессе детальной проработки дерева целей и соответствия механик, вы, скорее всего, столкнетесь с множеством случаев, когда логику дерева необходимо будет править с оглядкой на реальный опыт запуска кампаний. Чаще всего такие кейсы возникают, когда полученная цель чем-то противоречит политике контактов или даже базовой логике. Например, вы точно не захотите определять для клиентов с очень высоким средним чеком пороговую механику, даже несмотря на то, что дерево выдало такую цель (ведь само сообщение с очень высоким условием может восприниматься крайне негативно).
Запуск кампаний
Данный блок считается наиболее трудоемким с точки зрения подготовки. После определения итоговой комбинации типа механики и типа вознаграждения, предстоит рассчитать все параметры для каждого клиента.
Пример списка параметров и подход к расчету значений:
Подход к ручном расчету
Дата старта и дата окончания действия кампании
● Используются показатели Recency и Consistency из сегментации RFMCD
● Дата старта кампании подбирается спустя некоторое время после даты последней покупки (опираясь на среднюю частоту клиента)
● Показатель Consistency показывает, через сколько дней в среднем клиент совершает покупку. Дата окончания кампании должна быть за несколько дней до предполагаемой даты покупки. Таким образом мы не только нарастим нужный нам показатель, но и косвенно повысим частоту клиента.
● Округлить размер порога до маркетингового значения (кратное 50, 100, 1000)
Срок сгорания бонусов
● Предначисленные бонусы должны сгорать до наступления даты предполагаемой естественной покупки клиента, для того чтобы нарастить частоту
● В соответствии с юнит-экономикой (см. пример ниже)
В дополнение к таблице выше обязательно необходимо проверять размер вознаграждения на юнит-экономику.
Пример подобного расчета для пороговой механики:
Средний чек клиента
Средняя маржинальность сегмента клиента
Предполагаемый порог чека в компании
Redemption Rate (доля бонусов, которую в среднем спишет клиент до сгорания)
Предполагаемая доп. выручка
Предполагаемая доп. Маржа (30%)
1000 * 30% = 300 рублей
Затраты на бонусы с учетом RR
1000 * 50% = 500 рублей
Итоговый фин. результат
Вывод: комбинация порога 6000 рублей и 1000 бонусов принесет убыток 200 рублей.
Принято считать, что чем «персональнее» предложение, тем лучше для клиента. Но в современных реалиях не все компании обладают процессингом, который способен запустить большое количество механик с множеством отличающихся параметров в автоматическом режиме.
Допустим, мы хотим запустить пороговую механику на множество клиентов. Результат работы алгоритма подбора персонального порога выдаст множество значений порога, и для каждого порога может выдать несколько значений по вознаграждениям.
Размер порога по чеку
В таблице с примером приведен один тип механики (пороговая), но 4 уникальные комбинации порога и бонуса. В случае если нет технической возможности запустить быстро все эти уникальные механики, придется прибегнуть к искусственному ограничению разнообразия параметров.
Оценка эффекта
Так как данный подход ставит целями как рост трат, так и качественный рост клиентов, и запуск кампаний, и оценка эффективности подхода должны осуществляться на нескольких уровнях и по нескольким показателям:
● Доп. выручка (насколько траты в целевой группе превышают траты в контрольной)
● Рост частоты/среднего чека/ширины корзины по сегментам клиентов, которые объединены подобными целями.