شرکتهایی که یک نئوبانک را راهاندازی میکنند میتوانند با هدف قرار دادن ویژگیها و قابلیتهای خاص در اولویت استراتژی و برنامههای اجرایی، شانس موفقیت خود را در محیط نامشخص امروزی افزایش دهند.
به گزارش پایگاه خبری بانکداری الکترونیک، نئوبانکهای دارای مجوز، صنعت خدمات مالی جهانی را به سبب پشتیبانی شدن توسط روندهای بهروز دچار تحول میکنند، اما موفقیت بلندمدت آنها به توانایی ایشان در ایجاد یک مدل بانکداری مبتنی بر هوش مصنوعی که مشتری محور، از نظر عملیاتی کارآمد و در مقیاس بزرگ سودآور است، بستگی دارد.
در دهه گذشته حدود 400 نئوبانک دارای مجوز راهاندازی شده است، دستهای فراگیر که شامل بانکهای دیجیتالی، بانکهای مجازی و بانکهای رقیب میشود. بانکهای فعلی، رقبای غیربانکی (مانند بازیگران حوزه فینتک)، مهاجمان دیجیتال مستقل و پلتفرمهای بزرگ مصرفکننده و پرداخت، همگی طی سالهای اخیر بانکهای نئو را راهاندازی نموده و رقابت را بهطور فزایندهای گسترده و متنوع کردهاند.
نئوبانکها پارادایم صنعت بانکداری سنتی را از نظر تجربه مشتری، نوآوری محصول و قیمتگذاری مجدداً در فضای رگولاتوری بازتعریف میکنند، که این امر با افزایش تقاضای مصرفکننده و مقررات حمایتی چارچوبهای صدور مجوز امکانپذیر شده است. سرمایهگذاران به سمت قدرت متحولکننده این بانکها جذب شدهاند و تقریباً 32 میلیارد دلار از بودجه سرمایهگذاری ریسکپذیر جهانی را بین سالهای 2017 تا 2021 به نئوبانکها اختصاص دادهاند.
بااینحال، وقتی صحبت از عملکرد مالی میشود، تنها تعداد انگشتشماری از نئوبانکها به موفقیت رسیدهاند. مابقی برای ایجاد ارزش تلاش کردهاند. برخی از بزرگترین نئوبانکهای جهان طی ماههای اخیر شاهد کاهش شدید ارزشگذاریهای خود بودهاند که در واکنش به نوسانات اقتصاد کلان و تغییر دیدگاه سرمایهگذاران درمورد محرکهای ارزشگذاری نئوبانکها بوده است.
در چنین سناریویی، چگونه استارتآپهای نئوبانک میتوانند در فضای امروز خود را برای موفقیت آماده کنند؟ درحالیکه اعتقاد بر این است که نئوبانکها روندهای بلندمدت صنعت بانکداری دیجیتال را مرتبط و جذاب نگه میدارند، حتی در بحبوحه رکود اقتصادی، سودآوری را تضمین نمیکنند. در این مقاله، چارچوبی از ویژگیها و قابلیتهای برنده شرح داده میشود که هر تازه واردی باید در استراتژی و اجرای خود بگنجاند تا به یک نئوبانک آماده آینده نامشخص تبدیل شود.
نئوبانک چیست؟
اصطلاح نئوبانک حداقل از اواسط دهه 2010 برای توصیف فینتکهایی که با ارائه مجموعهای از خدمات بانکی جامع (برخلاف پرداختها، مدیریت مالی شخصی و غیره) از طریقی خلاقانه و کمهزینه، بانکهای سنتی را به چالش میکشند، استفاده میشود. در کانالهای دیجیتالی بسته به موقعیت جغرافیایی، به این موسسات، بانکهای چالشگر، بانکهای مجازی، بانکهای دیجیتال، بانکهای آنلاین و بانکهای فقط اینترنتی نیز گفته میشود.
در طی سالیان، تعریف نئوبانک گسترش یافته و مبهم شده است. بسیاری از بانکهای سنتی نمایشنامههای منحصرا دیجیتالی خود را راهاندازی کردهاند و فینتکها برای ارائه خدمات بانکی با بانکهای سنتی شریک شدهاند. امروزه، نئوبانکهای دارای مجوز (نهادهایی که دارای مجوز قانونی در جغرافیای مربوطه خود برای ارائه خدمات بانکداری دیجیتال هستند) ممکن است بهعنوان فینتکهای مستقل، واحدهای دیجیتال راهاندازیشده توسط بانکهای سنتی، یا بهعنوان خدمات مالی دیجیتال توسط سایر مؤسسات وجود داشته باشند.
خصیصههای متمایزکننده یک نئوبانک برنده
اکوسیستم بانکی طی سالهای اخیر دستخوش تغییرات لرزهای شده است. بانکداری خرد، استخرهای سود بزرگ و جذاب هستند، اما بانکها در طول تاریخ مجبور بودهاند با موانع زیادی برای ورود (بهعنوان مثال، هزینههای ثابت بالا و نیاز به برندهای مصرفکننده قابل اعتماد) و مسیرهای طولانی برای رسیدن به نقطه سربهسر کنار بیایند. نئوبانکها با کارکردن با ساختارهای هزینه کمتر (معمولاً کسری از هزینههای سنتی بانکها) این موانع را به چالش کشیدهاند. نئوبانک ها در مقایسه با بانکهای سنتی، قیمتهای پایینتر و شرایط قیمتگذاری شفافتری با کارمزدهای پنهان کمتر ارائه میدهند.
بااینحال، چالش واقعی برای نئوبانکهای امروزی این است که چگونه می توان آن مزیت رقابتی را با تصاحب سهم بالاتری از کیف پول مصرفکنندگان و ایجاد سودهای مادی تقویت کرد. پاسخ، تا حد زیادی، در تعبیه دادهها و قابلیتهای هوش مصنوعی بهطور گسترده در تمام جنبههای عملیاتی نئوبانکها نهفته است.
هوش مصنوعی میتواند به بانکهای نوین کمک کند تا روابط با مشتری را عمیقتر کنند (بهعنوان مثال، طراحی ارزشهای پیشنهادی هوشمند که نیازهای برآوردهنشده را مرتفع میکند، استفاده از کلاندادهها بهمنظور ارائه خدمات فوق شخصیسازیشده و افزایش فروش متقابل)، و بهبود عملکرد مالی (بهعنوان مثال، به حداکثر رساندن ارزش طول عمر ماندگاری مشتری، کاهش چشمگیر هزینه خدمات از طریق اتوماسیون، و اتخاذ شیوههای مدیریت ریسک برتر مبتنی بر داده). نئوبانکها علاوه بر داشتن ذهنیت در اولویت قرار دادن هوش مصنوعی، باید اطمینان حاصل کنند که این قابلیتهای هوش مصنوعی به نفع آنها عمل میکند و ارزش واقعی کسب و کار را ارائه میدهد.
بسیاری از نئوبانکهای پیشرو جهان که به مقیاس بزرگ یا سودآوری دست یافتهاند، بهطور موثر از هوش مصنوعی استفاده کردهاند. با توجه به تجزیهوتحلیل مککنزی از این بازیکنان موفق، همه آن هفت ویژگی زیر را از خود نشان میدهند.
راهاندازی محصولات با سرعت بالا
بیشتر بانکها قصد دارند مشتریمحور باشند، اما نئوبانکهای برنده با راهاندازی و بازنگری سریع محصولات و پیشنهادات جدید، قدمی فراتر در تضمین رضایت مشتری بر میدارند. آنها با نیازهای در حال تحول مشتری سازگار میشوند و همچنین بخشهای بسیاری از مشتریان را جذب و درگیر کرده و کسب درآمد میکنند.
درحالیکه یک بانک معمولی ممکن است سالها طول بکشد تا یک محصول جدید را عرضه کند، نئوبانکهایی با ذهنیت هوش مصنوعی این کار را طی ماهها و گاهی حتی هفتهها انجام میدهند. برای انجام این کار، آنها سرمایهگذاری قابل توجهی در جمعآوری و تجزیهوتحلیل کلاندادههای مشتری انجام میدهند. آنها تیمهای کاملی را سازماندهی میکنند که شامل افرادی از صاحبان محصول، طراحان، و دانشمندان علوم داده و همچنین اعضای تیمهای قانونی، ریسک، عملیات و بازاریابی است. آنها همچنین پلتفرمهای فناوری انعطافپذیر و قابل تنظیم را حفظ میکنند که امکان ایجاد نسبتا آسان محصولات جدید را فراهم میآورد.
نمونهای از آن Revolut است که در سال 2015 تنها دو محصول داشت: کارت سفر چندارزی پرچمدار خود و یک اپ تلفن همراه. تا سال 2020، این شرکت به 20 محصول و خدمات کار خود را گسترش داد، یا بهطور متوسط، یک محصول جدید هر سه ماهه عرضه میشد، که ناشی از استراتژی Revolut برای آزمایش با عرضه محصولات جدید در سراسر پشته بهمنظور رسیدگی به روندهای در حال تحول بازار و سپس دوبرابر کردن میزان دریافت محصولات بود. بهعنوان مثال در سال 2018، ویژگیهای ارز دیجیتال را در اپلیکیشن خود راهاندازی کرد و به یکی از معدود نئوبانکهای دارای مجوز تبدیل شد که در آن زمان این کار را انجام میداد
نئوبانکهای موفق به تعامل با مشتری اولویت داده و برتری مییابند. آنها مانند همتایان خود در بخش فناوری مصرفکننده، تعامل دیجیتال را پیشدرآمدی برای کسب درآمد میدانند. بر اساس این استراتژی که سهم مشتریان بر سهم آنها از کیف پول مقدم است، این عمل صورت میپذیرد.
درنتیجه، استراتژی آنها محدود به ارائه بهترین تجربه تراکنش یا قیمتگذاری، یا بستهبندی محصولات اصلی آنها نیست. آنها همچنین تمایل دارند از خدمات مالی خالص فراتر بروند تا خدمات تکمیلی ارائه دهند که نهتنها اشکال جدید سودمندی (بهعنوان مثال، «پسانداز و کسب درآمد بیشتر»، «معاملات بهتر»)، بلکه همچنین اطلاعرسانی و سرگرمی («بازی کردن»، «مشاهده موارد پرطرفدار»، «آموختن درباره موضوعات جدید») را ارائه میدهند.
پیشنهادات افزایش تعامل شامل محتوای دیجیتال و تولیدشده توسط کاربر، کسبوکار، ویژگیهای اجتماعی، گیمیفیکیشن و مدیریت مالی شخصی است. بسیاری از نئوبانکها معاملات و تخفیفهایی ارائه میکنند، به مشتریان کمک میکنند محصولات جدید را کشف کنند، خدمات مالی را بازیسازی کنند (بهعنوان مثال، مدیریت یک سبد سرمایهگذاری «دمو» که بازار را بهصورت لحظهای ردیابی میکند)، ارائه محتوای خلاقانه و سرگرمکننده در حوزه مورد علاقهشان (برنامهریزی تعطیلات، رزرو سرگرمی)، و ارائه ویژگیهای اجتماعی (بهعنوان مثال، «ارسال یک هدیه برای دوستان و خانواده خود»).
این نئوبانکها بهطور مؤثری محصولات و خدمات را بر اساس عوامل متعددی ازجمله توانایی تعامل با کاربران هدف بر اساس الگوهای علاقه آنها و همسویی با برند و هدف کلی بانک انجام میدهند. بهعنوان مثال، علاوه بر اینکه به مشتریان اجازه میدهند به پرداختها و محصولات اعتباری یکپارچه در محل فروش دسترسی داشته باشند، بلکه همچنین مانند Klarna سوئد از یک سیستم توصیه مبتنی بر یادگیری ماشین برای تعیین الگوهای خرید مصرفکننده و ارائه توصیههای خرید مناسب و پیشنهادات مالی استفاده میکند.
علاوه بر این، نئوبانکهای پیشرو مبتنی بر هوش مصنوعی عملکرد تعامل خود را بهدقت دنبال میکنند. آنها تیم هایی را برای تجزیهوتحلیل چندین معیار تعامل، مانند میانگین زمان صرفشده توسط مشتری در اپ، تعداد کاربران فعال روزانه (DAU)، تعداد کاربران فعال ماهانه (MAU) و نسبت فعالیت روزانه به ماهانه اختصاص دادهاند. کاربران برخی از بهترین عملکردها نسبت DAU به MAU 25 تا 35 درصد را برای پایگاه کلی کاربر خود به دست آوردهاند.
تجارب و گزارههای بیشازحد شخصیسازیشده
نئوبانکها استفاده فراگیر از شخصیسازی با قابلیت یادگیری ماشینی را در نقاط تماس با مشتری نشان دادهاند. افراد موفقتر نیز با تطبیق شرایط فعلی و رفتار تاریخی مشتریان، جهت حرکت (بهعنوان مثال، پیشبینی وضعیت فعلی رضایت و بهترین اقدام بعدی) و تمایلات، تجربه کاربر را شخصیسازی میکنند. استاندارد صنعت برای بانکهای دیجیتال بهسرعت درحال تغییر به سمت سطح n=1 شخصیسازی است که در آن هر مشتری میتواند پیشنهادات و تجربیات منحصربهفردی را که از ترکیبی از چندین مدل یادگیری ماشینی ایجاد میشود، دریافت کند.
برخی از نئوبانکهای پیشرو نیز در حال ارائه پیشنهادهایی هستند که میتوانند وظایف روزمره با اصطکاک بالا را بر اساس ترجیحات مشتریان خودکارسازی کنند. بهعنوان مثال، بانک مجازی Monzo مستقر در بریتانیا، ویژگیهای ذخیره خودکار را در اپ خود معرفی کرد.
این ویژگیها میتوانند هر بار که مشتری خرج میکند، تراکنشها را جمعآوری کرده و آن پول را در یک حساب جداگانه واریز کند و میتواند بهطور خودکار درصدی از چک حقوق ماهانه خود را در روز پرداخت به یک حساب پسانداز منتقل کند.
درحالیکه این ویژگیها مسلماً در صنعت بانکداری آنلاین رایج هستند، اثربخشی آنها بستگی به این دارد که چگونه این حرکتها بهصورت پویا شخصیسازی شده باشند. یک بانک موفق میتواند مدلهایی را بر اساس دادههای تراکنش و اطلاعات جمعیتی کاربر، در میان سایر دادهها، بسازد تا اهداف بودجه و پسانداز قابل اجرا را بهطور خودکار شناسایی کند.
پذیرش طراحی مبتنی بر مکالمه
چتباتها نقش اساسی در ارتباط با مشتریان دارند و اکثر بانکها از آنها برای پاسخگویی به درخواستهای مشتریان و درخواستهای خدمات استفاده میکنند. نئوبانکهای متمرکز بر هوش مصنوعی با جایگزینی فرمها و پرسشنامهها به جای طراحی مکالمه در قالب چتباتها، دستیارهای صوتی و مشاورههای ویدئویی زنده قدمی فراتر گذاشتهاند.
با انجام این کار، آنها میتوانند زمینه و هدف مشتری را با استفاده از تکنیکهای پردازش زبان طبیعی برای ارائه تعامل برتر ترکیب کنند. WeBank چین بهطور گستردهای هوش مصنوعی را در تعاملات کاربر به کار میگیرد و ادعا میکند که تقریباً 98 درصد از درخواستهای مشتری توسط چتباتهای هوش مصنوعی مورد بررسی قرار میگیرد. این به بانک اجازه میدهد تا با اهرم عملیاتی بالاتر درحالیکه روزانه به میلیونها مشتری خدماترسانی میکند، مقیاسبندی کند.
این ویژگی همچنین باعث کاهش هزینهها میشود. یک گزارش تخمین میزند که صرفهجویی در هزینههای عملیاتی ناشی از استفاده مؤثر از چتباتها در بانکداری میتواند به 7/3 میلیارد دلار در سطح جهان تا سال ۲۰۲۳ برسد، که معادل تقریباً ۸۶۲ میلیون ساعت صرفه جویی در زمان است.
مترجم: مسعود اسکندری
منبع:
https://www.mckinsey.com/industries/financial-services/our-insights/building-a-winning-ai-neobank
نظر شما چیست؟