پایگاه خبری راه پرداخت دارای مجوز به شماره ۷۴۵۷۲ از وزارت فرهنگ و ارشاد اسلامی و بخشی از «شبکه عصر تراکنش» است. راه پرداخت فعالیت خود را از دوم اردیبهشتماه ۱۳۹۰ شروع کرده و اکنون پرمخاطبترین رسانه ایران در زمینه فناوریهای مالی، بانکداری و پرداخت و استارتآپهای فینتک است.
دادهکاوی برای کسب درآمد
در U.S. Bank، دادههای بزرگ (بیگ دیتا) یک مفهوم انتزاعی نیست. این مفهوم برای این بانک مستقر در مینیاپولیس با سرمایه ۳۷۱ میلیارد دلار درآمدزایی خوبی دارد.
این بانک تراکنشها و رفتار آنلاین مشتریان را پایش کرده تا پیامهایی شخصیسازیشده برایشان ارسال کنند. اخیراً مدیر یکی از شعب از این طریق موردی را شناسایی کرده و با مشتری کسبوکاری خود تماس گرفت. این مشتری باهدف وام گرفتن از یک بانک دیگر، پول زیادی را از U.S. Bank برداشت کرده بود. رئیس شعبه این مشتری را قانع کرد که وام را این بانک تراکنشها و رفتار آنلاین مشتریان را پایش کرده تا پیامهایی شخصیسازیشده برایشان ارسال کنند. اخیراً مدیر یکی از شعب از این طریق موردی را شناسایی کرده و با مشتری کسبوکاری خود تماس گرفت. این مشتری باهدف وام گرفتن از یک بانک دیگر، پول زیادی را از U.S. Bank برداشت کرده بود. رئیس شعبه این مشتری را قانع کرد که وام را از U.S. Bank بگیرد.
ریکارد مارتینو، نایبرئیس ارشد دادههای سازمان و تفسیر آنها در U.S. Bank میگوید: «آنها نهتنها توانستند سرمایهای که مشتری به آن نیاز داشت را تهیه کنند، بلکه یک خط اعتباری به او دادند تا به هزینهها برسد.»
دیگر برای بازاریابها و متخصصان یک مفهوم آینده گر نیست. شرکتهای کارتهای اعتباری سالها است که از تحلیل دادهها برای شناسایی کلاهبرداریها، و همچنین ارائهی طرحهای اعتباری به مشتریان استفاده میکنند، ولی این راهکار بهصورت گسترده توسط بانکها مورداستفاده قرار نگرفته است. ولی این روند در حال تغییر است.
حتی امروزه بانکهای کوچک هم برشهای کوچکی از اطلاعات را خریداری میکنند تا استراتژیهای محوری خود را جهت دهند. هزینهی اینگونه اطلاعات برای طیف وسیعی از شرکتها ارزانتر شده و استفاده از آنها هم سادهتر شده است.
محرک این قضیه انباره دادهها هستند که هر چیزی را در مورد شما میدانند، و اینکه شما چیزی در مورد اکسیکوم در آرکانزاس، و آژانسهای رتبهبندی اعتباری مانند اکویفکس در آتلانتا نمیدانید. حجم و وسعت اطلاعاتی که میتوانید خریداری کنید غیرقابلاندازهگیری است. انباره دادهها میتوانید مشتریان مناسب برای هدفگیری در کمپینهای بازاریابی را شناسایی کنند، نهتنها بر اساس جایی که زندگی میکنند، بلکه بر اساس عادتهای خرید آنها، سطوح درآمدی آنها، قسطهایی که پرداخت میکنند، و اینکه چه مقدار داراییهای قابل سرمایهگذاری دارند. شما میتوانید قبل از اینکه پیشنهاد یک وام را از طریق کمپین ایمیلی برایشان ارسال کنید، از خرید آنها مطمئن شوید.
آیا میخواهید بدانید کدامیک از مشتریان شما خود را برای خرید یک خانه آماده میکنند؟ جای نگرانی ندارد. داده بخرید. چه کسانی میخواهند ماشین بخرند؟ دادهها را چک کنید. آیا میخواهید با تمام کسانی که در عرض یک هفته از نزدیکی یکی از شعبههای شما رد شدهاند تماس برقرار کنید؟ (قبل از اینکه در بانک دیگری حساب باز کنند؟) به دادهها نگاهی بیندازید.
تحلیل دادهها میتواند درزمینهی خدمترسانی به مشتریان و مدیریت روابط با آنها، بهعلاوهی ریسکها و تطابق با قوانین مورداستفاده قرار گیرد. چالشها تعیین میکنند که بانک شما به چه دادههایی نیاز دارد، چگونه آنها را تفسیر کند، و بر آن اساس برنامههای خود را اجرایی کند. به گفتهی پاتریک گراسرود، مدیر محصول در «خدمات بازاریابی دیلاکس»، «بانکها و موسسههای اعتباری با این مسئله در حال تقلا هستند، آنها نمیتوانند ترکیبی مؤثر را پیدا کنند. انگار که میخواهند آب اقیانوسها را به جوش بیاورند.»
بانکهای بزرگ صدها کارمند دارند که در حوزهی تحلیل دادهها کار میکنند، و سعی همگی آنها بر این است که دریابند دادههای آنها در مورد مشتریانشان چه میگویند. برخی از آنها درزمینهی کمپینهای بازاریابی، یا تشخیص کلاهبرداریها، یا مدیریت تطابق با قوانین کار میکنند. به گفتهی شریف ملیس، یکی از مدیران شرکت مشاوره خدمات مالی نوانتاس، بزرگترین بانکها حدود ۴۰ نفر تحلیلگر شعبهها، ۵۰ نفر تحلیلگر قیمتگذاریها، و ۱۰۰ نفر تحلیلگر بازار در اختیاردارند. بر اساس برآوردهای او، بانکهایی که از تحلیل دادههای مربوط به مشتریان استفاده میکنند سالانه حدود ۳ تا ۴ صدم درصد درآمد خود را افزایش میدهند.
مدیر بخش بانکداری خردهفروشی در شرکت اکویفکس، برد جونز میگوید «بانکهای بزرگ ارتشی بهاندازهی شرکت ما دارند که درون دادهها پرسه میزنند. آنها نزدیکبین هستند و حتی نمیدانند شرکتشان با این دادهها چه میکنند. آنها فقط به دادهها نگاه میکنند.»
برای حفاظت از مشتریان، آژانسهایی مانند «شرکت فدرال بیمه سپردهگذاری» بانکها را مجاب کرده بیانیهی حریم خصوصی خود را منتشر کرده تا مشتریان بدانند دادههای خصوصی آنها چگونه پردازششده و در صورت تمایل اجازهی پردازش این دادهها را به آنها ندهند.
راهکار اصلی برای یک بازاریابی دادهی خوب این است مشتریان خود را هدفگذاری کنید بدون اینکه حس کنند روی آنها جاسوسی میکنید. برای مثال U.S. Bank، رئیس شعبه در تماس تلفنی با مشتری اسمی از تراکنش بزرگ مالی نبرد، بلکه از او پرسید که آیا از بانک و خدمات آن رضایت دارد یا خیر.
بانکها همچنین میتوانید از عرضهکنندههای خارجی استفاده کنند تا کمپینهای بازاریابی را ترویج دهند. برای مثال، زمانی که یک آژانس رتبهبندی اعتبار میتواند ببیند که شما ماهانه چه مقدار قسط برای خودرو ای که خریدهاید پرداخت میکنید، آنها میتوانید رتبهی شما را تعیین کنند، و زمانی که یک ماشین دیگر میخرید، به بانک شما بگویند که زمان یک پیشنهاد خود رسیده است. بانکها بیشتر ازآنچه فکر میکنند در مورد مشتریان خود داده در اختیاردارند. ولی گردآوری داده از هر زمان دیگری سادهتر شده است.
کوری بوث، شریک مدیریتی گروه مشاوران بوستون میگوید «بهترین چیز در مورد تحلیل دادهها این است که این روزها از هر زمان دیگری ارزانتر شده است.» راهکارهای رایانش ابری میتوانید به ذخیرهسازی دادهها کمک کنند. شرکتهای فناوری محوری استارتاپی سعی دارند از نرمافزارهای ارزانتر استفاده کنند. وی میافزاید «کار سختی است، ولی نه بهاندازهای که قبلاً بود.»
برای مثال، شرکت StrategyCorps، که یک محصول حسابجاری بانکی به نام بازینگ را ارائه میدهد، از دادههای خود بانکها استفاده میکنم تا به آنها در تشخیص اینکه چه مشتریانی سود ده هستند کمک کند. آنها این تحلیلها را بر اساس معیارهای زیادی، از درآمدهای دستمزد اعتباری گرفته تا قسطها، انجام میدهند.
به مشتریان سود ده یک حسابجاری بانکی، باارزش افزوده و کوپنها و خدمات متنوع، بهصورت رایگان، داده میشود. مشتریان غیر سود ده میتوانید با پرداخت ۶ دلار بهصورت ماهانه از این حسابهای جاری بهرهمند شوند (یا درصورتیکه میزان سپردهگذاری آنها از یک مقدار مشخصی بیشتر باشد، از حسابهای ساده استفاده کنند). اصولاً بانکهایی که میزان دارایی آنها بین ۵۰۰ تا ۷۵۰ میلیون دلار است از بازینگ استفاده میکنند.
گراسرود میگوید اگر بانکها میخواهند بهخوبی از دادهها استفاده کنند، مسائل زیادی هستند که از همان ابتدا باید موردتوجه قرار دهند. لازم است تعیین کنید که چهکار میخواهید بکنید. سپس باید از خود بپرسید که آیا این مسئله قابلاندازهگیری است یا خیر. اگر قابلاندازهگیری نیست، همانجا کار را متوقف کنید. سؤال بعدی این است که: آیا میتوان از این کمپین درآمدی کسب کرد؟ اگر بعد از انجام تحلیل به این نتیجه رسیدید که تنها ۷ نفر هستند که باید به سراغشان بروید، ممکن است این تحلیل سود ده نباشد.
آیا بخشی از بازار که روی آن متمرکزشدهاید، آنقدر ثابت هستند که در طول زمان ناپدید نشوند؟ چگونه موفقیت خود را ردگیری و اندازهگیری میکنید؟ آیا موفقی شما بر اساس تعداد کسانی است که روی یک تبلیغ آنلاین کلیک میکنند یا تعداد کسانی که فرمهای درخواست سرویس را پر میکنند؟ نقاط کنترلی ایجاد کنید، گویی که یک آزمایش علمی را انجام میدهید. چه اتفاقی خواهد افتاد اگر این کمپین بازاریابی را انجام ندهید؟ و چگونه این را خواهید دانست؟ سازمانهایی که دپارتمان بازاریابی مقیاسپذیر ندارند، مجبور خواهند شد یک شرکت بازاریابی را استخدام کنند تا در تصمیمگیریها و طراحی کمپین به آنها کمک کنند.
چه اتفاقی میافتد اگر شما به تحلیل دادهها وارد نشوید؟ بههرحال این کار زمانبر و گران به نظر میرسد. راه منسوخشدهی ایجاد درخواستهای رهن خانه این است که با بنگاههای معاملات ملکی رابطه برقرار کنید. ولی این راههای قدیمی دیگر چارهساز نیستند. این روزها بیشتر مردم از طریق اینترنت خانهها و خودروهای قسطی را جستوجو میکنند.
استفان رامیرز، مدیرعامل شرکت Beyond the Arc که تحلیلگر دادهها برای بانکها میباشد، عنوان میکنم که این روزها مشتریان جوانتر، بیشتر به توصیهی دوستان خود توجه میکنند تا به توصیه بنگاههای معاملات ملکی. مردم روی رهنهای خود قیمت میگذارند و از طریق آنلاین پیشنهاد دریافت میکنند. وی میگوید «این نوآوریها در حال ریشه دواندن هستند، و امروزه تدوین یک استراتژی کسبوکاری و سازگاری این استراتژی با اولویتهای شما، بیشازپیش اهمیت یافته است.
پل شاوز، مدیرعامل و مؤسس شرکت مشاوره CCG Catalyst میگوید اکنون زمانی حیاتی برای بانکها است تا به نحوهی استفادهی خود از دادهها توجه بیشتری نشان دهند. او میگوید «فناوری ما را قادر ساخته است تا مشتریان خود را نشانکرده و آنها را به بانک خود جذب کنیم. اگر شما این کار را نکنید، رقبای شما این کار را خواهند کرد و شما با مشتریانی باقی خواهید ماند که هیچ بانکی آنها را نمیخواهد.»