AI có thể khiến khách hàng yêu thích chứ không phải ghê tởm ngân hàng của họ trong thời kỳ tài chính khó khăn (Steve Morgan)

Nút nguồn: 1122181

Trong số tất cả các tổ chức, ngân hàng luôn đi đầu trong việc cảm nhận và khuyến khích khả năng phục hồi tài chính của khách hàng. Họ có những hiểu biết rõ ràng về tình trạng cân bằng tài chính, chi tiêu và nợ nần của một cá nhân. Điều này đặc biệt có giá trị vì tài chính của khách hàng đang bị căng thẳng bất thường mà không phải do lỗi của họ.

Khả năng phục hồi tài chính đang trở thành một vấn đề lớn khi nền kinh tế chuyển đổi từ các biện pháp bảo vệ việc làm trước rủi ro. Ngoài ra, chúng ta đang chứng kiến ​​​​sự gia tăng mạnh về chi phí sinh hoạt ở nhiều thị trường lớn, bao gồm cả Vương quốc Anh. FT gần đây đưa tin rằng tất cả các gia đình sẽ phải đối mặt với hóa đơn năng lượng và thực phẩm cao hơn vào mùa thu này.

Việc tăng hóa đơn năng lượng lên tới 50% sẽ kéo theo việc tăng thuế vào mùa xuân năm 2022 khi tỷ lệ bảo hiểm quốc gia sẽ được tăng lên để chi trả cho chi tiêu NHS tăng lên. Lạm phát cũng được dự báo sẽ tăng từ mức hiện nay khoảng 3.2% lên 4% vào cuối năm 2021.

Kết hợp những yếu tố này và các yếu tố khác lại với nhau, các ngân hàng sẽ thấy mình chịu áp lực phải cung cấp tín dụng cho khách hàng trong những tháng tới. Việc đưa ra các quyết định đúng đắn, có trách nhiệm liên quan đến việc cho vay và tín dụng sẽ được giám sát chặt chẽ cả trong nội bộ ngân hàng và cơ quan quản lý.

Cách tiếp cận tiêu chuẩn đối với khách hàng đang chịu áp lực là ngân hàng cung cấp một khoản vay hợp nhất hoặc gia hạn tạm thời đối với hạn mức tín dụng hiện có. Các lựa chọn này phải được áp dụng với sự hiểu biết về bối cảnh rộng hơn của từng khách hàng. Không phải là các ngân hàng không có thông tin họ cần hoặc khả năng truy cập kết hợp dữ liệu bên trong và bên ngoài để có được bối cảnh đầy đủ thông tin. Nó thường liên quan nhiều hơn đến việc thiết lập hoạt động, các lựa chọn sản phẩm, chính sách rủi ro tín dụng và cách áp dụng chúng tốt nhất trong bối cảnh đó cũng như điều chỉnh nó cho phù hợp với hoàn cảnh của khách hàng.

Một ví dụ điển hình về những gì có thể làm ở đây là cách một ngân hàng Úc, Commonwealth Bank of Australia, đưa tính năng tự động hóa thông minh vào cách khách hàng có thể tìm kiếm trợ giúp tài chính. Họ đã thực hiện rất đúng đắn nỗ lực giáo dục khách hàng về sự hỗ trợ sẵn có từ chính phủ và ngân hàng thông qua phần 'công cụ tìm lợi ích' trong ứng dụng ngân hàng của mình. Tuy nhiên, nó cũng được thiết lập theo cách mà nếu khách hàng có nhu cầu về dòng tiền tạm thời, thông qua ứng dụng hoặc trang web, họ có thể nhận được các đề xuất được cá nhân hóa về các lựa chọn tốt nhất dựa trên các sản phẩm họ đã có với ngân hàng. Ví dụ: nó có thể đề xuất rút lại khoản thế chấp nếu họ trả trước các khoản thanh toán thế chấp, đây sẽ là kết quả rẻ nhất và tốt nhất cho họ.

AI đằng sau quá trình này được thiết lập để cung cấp khoản cho vay có trách nhiệm và thực hiện những điều đúng đắn cho khách hàng. Đó là câu hỏi: ‘Lời khuyên và bối cảnh tốt nhất mà ngân hàng của chúng tôi có thể cung cấp cho khách hàng là gì?’. Lợi ích ở đây là cách AI cho phép khách hàng tự thực hiện quá trình này mà không cần can thiệp thủ công nhưng cung cấp tùy chọn tiếp cận lời khuyên trực tiếp nếu họ muốn. Việc đạt được sự cân bằng đó là rất quan trọng.

Các ngân hàng khác đã thực hiện rất tốt việc xem xét các phân tích dự đoán để đưa ra cảnh báo sớm hơn cho ngân hàng về việc khách hàng gặp vấn đề. Điều này cho phép ngân hàng chủ động đưa ra những trợ giúp mang tính xây dựng trước khi tình hình trở nên tồi tệ hơn. Từ thư viện quy tắc và các tương tác tốt nhất tiếp theo, bạn có thể sử dụng khả năng ra quyết định dựa trên xác suất nâng cao để truyền tải thông điệp về sản phẩm hoặc dịch vụ có thể thực sự giúp ích cho nhu cầu về dòng tiền của cá nhân và doanh nghiệp.  

Sẽ không còn đủ nếu chỉ đưa khách hàng đi từng bước một. Bạn có thể làm được, nhưng bạn sẽ bỏ lỡ một cơ hội – cơ hội đưa các quyết định được cá nhân hóa vào cuộc sống trên quy mô lớn. Không phải mọi tương tác với khách hàng đều cần AI quy trình dựa trên xác suất, nhưng đối với những người được hưởng lợi từ nó, thì bạn thực sự có thể gia tăng giá trị cho khách hàng, nhân viên của mình và khả năng kiểm soát quy trình. Ví dụ: cài đặt tự động bắt đầu cho các quy trình điều tra KYC dựa trên một số yếu tố kích hoạt nhất định hoặc các kịch bản rút vốn hoặc đơn xin vay leo thang tự động dựa trên xác suất xảy ra các vấn đề tín dụng hoặc phi tín dụng. Nó cũng mang lại cho bạn lợi ích là có thể mở rộng quy mô tốt hơn, đạt được hiệu quả và cân bằng lại khi bạn cần sự can thiệp trực tiếp so với xử lý trực tiếp thông qua tự động. Một trong những dịch vụ tư vấn nợ ở Vương quốc Anh – StepChange – đã thực hiện chính xác điều đó để thiết lập nhiều dịch vụ trực tuyến hơn, nhưng họ rất có ý thức làm nổi bật và cho phép tư vấn và lựa chọn cá nhân.

It’s a delicate balance between using different combinations of automation and AI to speed up advice, resolution and service, and getting to the right level of in-person or virtual assistance. And it’s no more important than when customers are under financial pressure.

Nguồn: https://www.finextra.com/blogposting/21021/ai-can-make-customers-love-not-loathe-their-bank-in-tough-financial-times?utm_medium=rssfinextra&utm_source=finextrablogs

Dấu thời gian:

Thêm từ Nghiên cứu Finextra