KI ebnet den Weg für Customer Journey Mapping

In einer Welt, in der es so einfach ist, Geld in jeglicher Form auszugeben, kann man den Verbrauchern verzeihen, wenn sie denken, dass der Zugang zu allen Finanzdienstleistungen mühelos sein sollte. Und in einer Zeit, in der Finanzinstitute über eine Fülle von Informationen über ihre Kunden verfügen, sollten die Banken in der Lage sein, dies auch zu tun. Hier macht die künstliche Intelligenz (KI), insbesondere das maschinelle Lernen, große Fortschritte.

Eine der großen Frustrationen im Finanzdienstleistungsgeschäft ist die Unfähigkeit, wichtige Schmerzpunkte in den Kundenbeziehungen zu erkennen. Frustrierende Interaktionen – unklare Anweisungen bei Kreditanträgen oder unnötig lästige Anforderungen beim Einlösen von Schecks – können dazu führen, dass Kunden die Suche nach einem neuen Produkt aufgeben oder sogar einen neuen Finanzdienstleister in Betracht ziehen.

Selbst wenn Banken Hindernisse für Kunden identifizieren, ist es schwierig, wenn nicht sogar fast unmöglich, deren Auswirkungen zu verstehen.

Es ist noch gar nicht so lange her, da war es praktisch unmöglich, das Verhalten einzelner Kunden zu verfolgen. Ein frustrierender Kreditantrag in Papierform landete im Mülleimer und bot der Bank keinerlei Anhaltspunkte dafür, warum er aufgegeben wurde. (Tatsächlich hat die Bank vielleicht nicht einmal gewusst, dass ein Kunde überhaupt einen Kredit in Erwägung gezogen hat.) Die Banken hatten keine Möglichkeit nachzuvollziehen, wie oft ein Kunde versuchte, einen Scheck einzulösen, aber verärgert die Filiale verließ, weil ein zweiter Ausweis zu Hause lag. Diese Verhaltensweisen waren offline, effektiv versteckt.

Gehortete Daten waren dunkle Daten

Aber seien wir ehrlich – Banken hatten schon immer viele andere Arten von Kundendaten, denn es liegt in der Natur der Sache, dass sie riesige Mengen an Informationen sammeln und aufbewahren. Der Washington Post zufolge stammt das älteste in London entdeckte Schriftstück aus den Jahren 65-80 n. Chr. und es war – warten Sie es ab – ein IOU.

Seit der Zeit, in der Konten in riesigen handgeschriebenen Büchern geführt wurden, über die Zeit der Sparbücher bis hin zur Digitalisierung praktisch aller Kundendaten, sind Finanzunternehmen zwangsläufig die Aufbewahrungsorte enormer Datenmengen über ihre Kunden.

Die Branche verfügt zwar zweifellos über Unmengen von Daten, konnte diese aber bisher kaum nutzen.

Sicher, sehr kundenspezifische Anfragen können recht einfach bearbeitet werden. Wenn Frau Jones beispielsweise eine Kreditlinie beantragen würde, könnte die Bank in ihren Unterlagen nachsehen, wie zuverlässig sie ihre Hypothek bezahlt hat.

Aber sie konnten nicht einfach die Kundenkonten durchsuchen, um zu sehen, wie es ähnlichen Personen wie Frau Jones mit einer Kreditlinie ergangen war. Oder, was besonders wichtig ist, um Kunden wie sie zu identifizieren, die positiv auf ein proaktives Angebot einer Kreditlinie reagieren könnten.

Mehr Daten, weniger Einblicke

Das ändert sich jetzt. „Kreditkartenunternehmen sammeln all diese Informationen über uns, seit es Kreditkarten gibt. Die Informationen waren schon immer verfügbar. Es war nur sehr, sehr schwierig für die meisten Unternehmen, sie zu durchforsten und wirklich sinnvoll zu nutzen“, sagte Greg Kihlstrom, Senior Vice President of Experience bei Yes&, einer Agentur für digitales Marketing in Alexandria, Va. „Ich glaube, das ist die ganze Big Data-Sache, die uns einfach Berge von Daten beschert hat. Selbst damals hatten die meisten Unternehmen noch keinen Plan dafür“, so Kihlstrom.

Dann begann die Digitalisierung der Arbeitsabläufe – und ein Zustrom von noch mehr Daten war verfügbar.

In der Tat ist die Menge der Daten, die Finanzunternehmen sammeln können, um eine Größenordnung größer als noch vor 10 Jahren.

Wenn ein Kunde heutzutage einen Kreditantrag stellt, geschieht dies wahrscheinlich online. Es ist relativ einfach, herauszufinden, an welcher Stelle des Prozesses ein potenzieller Kreditnehmer den Antrag abgebrochen hat. Wenn eine Bank heute Kunden verliert, ist es viel einfacher, die Transaktionshistorie zu durchsuchen und zu versuchen zu verstehen, warum sie unzufrieden waren.

Wie Kihlstrom feststellt, waren die Banken bis vor kurzem in der Lage, immer größere Mengen an Kundendaten zu sammeln, als sie diese analysieren konnten. Aber die Dinge haben sich geändert.

„Jetzt sind wir an einem Punkt angelangt, an dem das Data Mining der Unternehmen dank der KI so weit ausgereift ist, dass wir mit der Nutzung von Big Data beginnen können“, sagte er.

Maschinelles Lernen ermöglicht einfacheres Data Mining

Dank der Fortschritte im Bereich der künstlichen Intelligenz und des maschinellen Lernens können Banken die Daten, die sie bereits besitzen, nutzen, um Erkenntnisse zu gewinnen, die ihnen dabei helfen, die Probleme ihrer Kunden systematisch anzugehen.

Kundenerfahrungen – sowohl gute als auch schlechte – werden gemeinhin auch als Customer Journey bezeichnet. Dies unterstreicht die Tatsache, dass die Interaktionen der meisten Kunden mit einem Finanzinstitut im Laufe der Zeit stattfinden, Interaktionen mit verschiedenen Abteilungen innerhalb des Unternehmens beinhalten und Datenpunkte erzeugen können, die in getrennten Silos mit wenig oder gar keiner Interkommunikation existieren. Mit anderen Worten: Banken verhalten sich wie fast jedes andere Unternehmen – sie speichern Daten an allen möglichen Orten und eine Hand weiß möglicherweise nicht, was die andere tut.

Laut Forrester Research ist die Fähigkeit, die Customer Journey abzubilden, für Finanzinstitute, die ihr Kundenerlebnis verbessern wollen, von entscheidender Bedeutung und erfordert zwangsläufig eine starke Abhängigkeit von der Datenanalyse.

Journey Mapping – der Schlüssel zur nächstbesten Aktion

In einem kürzlich erschienenen Bericht stellte das Unternehmen fest, dass Finanzdienstleister Analysen nutzen sollten, um einen datengesteuerten Ansatz für die Abbildung der Customer Journey zu verfolgen.

„Kundenorientierte Unternehmen sammeln nicht nur Informationen über ihre Kunden, sondern nutzen diese auch, um sie proaktiv einzubinden“, heißt es in dem Bericht. „Sie nutzen Daten wie Webanalysen, Umfragen zum Kundenfeedback, Daten zu Beschwerden und zur Kundenzufriedenheit oder Anrufprotokolle von Contact Centern, um Kundeninteraktionsdaten siloübergreifend zu analysieren, berührungspunktübergreifende Probleme zu beheben, operative Engpässe aufzudecken, optimale berührungspunktübergreifende Kundenerlebnisse zu schaffen und gewünschte Verhaltensweisen zu fördern.

In demselben Bericht sagte Christopher Cox, Chief Digital Officer bei USAA, dass „die Schaffung neuer digitaler Fähigkeiten allzu oft als Projekte mit einem Anfang, einer Mitte und einem Ende behandelt werden.“ Und Grant Ingersoll, Chief Technology Officer bei Lucidworks, sagte, dass eine der Herausforderungen darin bestehe, dass Initiativen zur Verbesserung des Verständnisses oft als Projekte und nicht als eine neue Art der Geschäftsabwicklung betrachtet wurden – und das hinterlässt Lücken. Aber jetzt „sehen wir, wie unsere Bankkunden die KI-gesteuerte Suche und Analyse nutzen, um eine 360°-Kundenansicht zu erstellen, die alle Berührungspunkte eines Kunden mit der Bank umfasst.“

KI-gesteuerte Suche ist ein nebulöser Marketingbegriff, den praktisch jeder Anbieter verwendet. Ingersoll bevorzugt den spezifischeren Begriff „maschinelles Lernen“.

„Banken nutzen maschinelle Lernsysteme, um eine große Anzahl von Datenquellen zu integrieren – von Transaktionsdaten bis hin zu den Kaffeevorlieben eines Kunden – und die Daten zugänglich und verwertbar zu machen“, so Ingersoll. „Algorithmen des maschinellen Lernens und andere statistische Verfahren durchforsten die Daten ständig, klassifizieren sie, setzen sie in Beziehung und untersuchen sie auf Trends und Anomalien auf individueller Ebene.“

Dieser Prozess ermöglicht auch intelligentere Empfehlungen für die Benutzer und bessere Berichte für die Mitarbeiter über die wichtigsten Geschäftsziele.

Am wichtigsten ist vielleicht, dass „die fortschrittlichsten Bankkunden das System nutzen, um die Analyse der ’nächstbesten Aktion‘ zu ermöglichen, die die Benutzer proaktiv mit den vom System gelernten Informationen informiert“, so Ingersoll.

KI treibt Automatisierung voran

Fortgeschrittene Analysen machen es auch möglich, Prozesse zu automatisieren, von denen man früher dachte, dass sie außerhalb der Reichweite von KI liegen. „Robotic Process Automation (RPA) beginnt, die Vielzahl der wiederholbaren Prozesse im Bankwesen zu automatisieren, z.B. wenn ein Kunde eine Adressänderung beantragt“, schreibt Tony Farnfield, der in London ansässige Country Lead von BearingPoint.

„Aufgrund der vielen Altsysteme, die traditionell in einem Unternehmen zu finden sind, führt diese Änderungsanfrage oft dazu, dass sechs oder mehr Datensätze aus dem CRM-System aktualisiert werden müssen, was für den Kunden einen langwierigen Prozess bedeutet“, erklärt er. „Die Automatisierung dieses Prozesses würde sowohl für das Unternehmen als auch für den Kunden eine erhebliche Zeit- und Arbeitsersparnis mit sich bringen, was letztlich zu einem besseren Kundenerlebnis führen würde.

Dies gilt auch für die anderen Elemente der Customer Journey. Es wird deutlich, dass KI-gestützte Chatbots in naher Zukunft eine immer wichtigere Rolle im Kundenservice großer Finanzdienstleister spielen werden.

Fahren Sie mit KI fort – aber denken Sie an die UX

Die Integration von KI in die kundenorientierten Elemente des Geschäfts ist jedoch nicht ohne Risiken, warnt Jim Marous, Herausgeber des Digital Banking Report. Was für eine Bank wie eine bequeme Effizienz aussieht, könnte für einen Kunden … unheimlich wirken.

„Es ist wichtig, dass sich digitale Lösungen auf den Aufbau großartiger Erlebnisse konzentrieren und nicht nur dazu dienen, Kosten zu senken oder den ROI zu erhöhen“, schreibt er. „Die Verbraucher sind zwar zunehmend sensibilisiert und zufrieden mit KI-gestützten Erlebnissen, aber sie erwarten auch ein menschliches Engagement und eine menschliche Präsenz, um Interaktionen über die gesamte Customer Journey hinweg besser zu ermöglichen.“

In jedem Fall kann es kaum einen Zweifel daran geben, dass künstliche Intelligenz und Analytik eine Schlüsselrolle – vielleicht sogar die Schlüsselrolle – spielen werden, wenn Finanzdienstleister zunehmend dazu übergehen, die Customer Journey zu rationalisieren. Und die Frage, wie damit umzugehen ist, könnte die Branchenführer schneller beschäftigen, als sie denken.

„Die Dinge werden sehr viel schneller automatisiert werden“, sagte Nihlstrom von Yes&. „Jetzt, wo wir die Möglichkeit haben, all diese großen Daten zu nutzen, über die man schon seit mindestens einem Jahrzehnt spricht, glaube ich, dass wir sehr, sehr schnell Fortschritte bei der Automatisierung vieler Aufgaben machen werden“, fügte er hinzu.

„Die Welt wird in fünf Jahren ganz anders aussehen, selbst für eine so risikoscheue Branche.“

Mehr erfahren

• Download Transformieren Sie das Finanzberatererlebnis mit KI
• Sehen Sie sich die Kundenanalysefunktionen von Lucidworks Fusion an
• Kontaktieren Sie uns für weitere Informationen

Rob Garver ist ein Reporter für Finanzdienstleistungen in DC.