English
Polski
KI im Privatkundengeschäft - Verbesserung der Transaktionsklassifizierung
Über den Kunden
Mit unserem Kunden, der SGB-Bank, arbeiten wir seit Jahren erfolgreich und kontinuierlich zusammen. die Entwicklung der SGB Mobile Anwendung. Die Ergebnisse dieser Partnerschaft sind durchweg positiv von der Jury des Mobile Trend Awards ausgezeichnetSie wurden im Laufe der Jahre mehrfach nominiert, so auch in diesem Jahr für die Klassifizierungslösung von Ailleron für Transaktionen.
Eine der wichtigsten Funktionen, die in SGB Mobil ist das persönliche Finanzmanagement (PFM), das den Nutzern hilft, ihre Ausgaben zu verfolgen und zu organisieren. Die Bank bot zwar bereits ein PFM-Tool an, aber es erfüllte die Erwartungen der Kunden nicht vollständig:
- Die regelbasierte Logik klassifizierte falsch 3-5 von 10 Transaktionen.
- Die präsentierten Daten mussten interpretiert werden und waren für die Nutzer nicht immer intuitiv.
Um diese Erfahrung zu verbessern, SGB-Bank in Zusammenarbeit mit Ailleron um seine PFM-Fähigkeiten zu verbessern und das Finanzmanagement für die Kunden zu erleichtern.
Unsere Experten konzipierten und implementierten die Ailleron Transaction Classifier (ATC) - eine KI-gestützte Lösung. Durch die Nutzung von Modelle für maschinelles Lernen (ML)Die Kunden der Bank können nun ihre Budgets durch automatisch kategorisierte Transaktionen und klarere Einblicke in ihre Finanzen effektiver verwalten.
Ailleron Transaction Classifier analysiert alle Kundentransaktionen:
Banküberweisungen
Kartenzahlungen, einschließlich Abonnements
marktspezifische Zahlungsarten, wie BLIK in Polen
Danach ordnet es die Transaktionen den entsprechenden Kategorien zu. Privatkunden werden mit versorgt:
die Struktur ihrer Ausgaben im Laufe der Zeit
aktive Hinweise, Warnungen oder Benachrichtigungen zur Beherrschung ihrer Haushaltsführung
Die Zusammenarbeit
Der Hauptgedanke des Projekts war die Verbesserung der Klassifizierung der Transaktionen von Privatkunden einer Bank.
Business-Workshops mit dem Team der Bank
die relevanten Transaktionskategorien zu wählen
Ailleron Team entwickelte die KI-gestützte Lösung
die Attribute von Kundentransaktionen mit vordefinierten Kategorien abzugleichen
Festlegung des Umfangs des Trainings von Machine Learning-Modellen
und beginnen Sie damit, die anonymisierten Daten nach den gewünschten Kategorien zu kennzeichnen
Vorbereitung des UX/UI-Designs
die neuen Funktionen der persönlichen Finanzverwaltung (PFM) in die bestehenden mobilen Anwendungen der Banken zu integrieren
Lösung:
Unser Ziel war es, das Engagement der Nutzer der Mobile-Banking-App zu erhöhen, indem wir die Transaktionsdaten der Kunden übersichtlich darstellen. Das Projekt wird der Genossenschaftsbank kurzfristig erhebliche geschäftliche Vorteile bringen, darunter:
- erhöhte das Engagement für die mobile Anwendung durch einen Anstieg der Anmeldungen und verstärkte In-App-Aktivitäten nach der Einführung neuer Funktionen,
- die Loyalität und das Vertrauen der Kunden zu stärken, indem ihre Bedürfnisse in den Vordergrund gestellt werden.
Aus geschäftlicher Sicht sind strukturierte Daten über die Ausgaben von Kunden nützlich für:
- erweiterte analytische Zwecke - bessere Kundensegmentierung und Produktempfehlungen
- Anreicherung von Kundendaten
- Erstellung von ereignisgesteuerten Benachrichtigungen für Kunden auf der Grundlage der Historie ihrer Transaktionen
Die Einführung von ATC ermöglicht auch eine Erweiterung der Kundensegmentierung.
Das Verständnis von Ähnlichkeiten im Ausgabeverhalten ermöglicht die genaue Identifizierung von Gruppen ähnlicher Kunden.
Liste der von der Bank im Rahmen des Projekts Ailleron Transaction Classifier zu erbringenden Leistungen
- ML-Modell als Microservice wurde für die Implementierung in die Infrastruktur der Bank vorbereitet
- Integrationen mit
- die in den Banksystemen gespeicherten Transaktionen der Kunden
- Mobile-Banking-App
- Ereignisgesteuerte Architektur für die Bereitstellung von Echtzeit-Kategorisierungen
- Daten-Streaming-Plattform auf der Basis von Apache Kafka zum Sammeln von Kundentransaktionen und zur Übermittlung an Transaktionsklassifizierer
- Keine-SQL-Datenbank -MongoB
- Tools für die Überwachung, Verfolgung, Sicherheit und Protokollverwaltung:
Graphana, Proetheus, ISTIO, Zipkin, Flunent ID usw. - UX/UI, um die neuen Personal Finance Management (PFM)-Funktionen in die bestehende mobile Anwendung der Banken zu integrieren.
Wie funktioniert das?
Ailleron Transaction Classfier ordnet die Kundentransaktionen einer der definierten Gruppen zu:
-
-
-
-
-
-
-
-
-
-
Einige der von ATC analysierten Transaktionsattribute sind:
-
-
-
-
-
Wichtigste Ergebnisse des Projekts - erstklassige Genauigkeit
ATC teilt die Kundentransaktionen in 13 Gruppen ein
- 11 Gruppen für Ausgaben
- 2 Gruppen von eingehenden Transaktionen
Die Genauigkeit des ML-Modells für die ATC ist
- 92%was bedeutet, dass 92% der Kundentransaktionen ordnungsgemäß qualifiziert sind (für Transaktionen mit oder ohne MCC)
- 98% für den Wert der korrekt qualifizierten Kundentransaktionen, was bedeutet, dass bei Transaktionen mit niedrigen Beträgen kleinere Fehler auftreten können.
Wir bei SGB Mobile glauben, dass die besten Innovationen aus einer engen und partnerschaftlichen Zusammenarbeit entstehen. Deshalb setzen wir bei der Entwicklung unserer Dienste auf langfristige Beziehungen mit Technologieanbietern, um gemeinsam Lösungen zu entwickeln, die das Leben unserer Kunden wirklich einfacher machen. Ein hervorragendes Beispiel für diesen Ansatz ist der Dienst "Ihre Ausgaben und Belege", bei dem wir den Expense Classifier von Ailleron einsetzen. Es ist die erste KI-gestützte Lösung, die in unserer Anwendung implementiert wurde. Bei unserer Partnerschaft geht es nicht nur um den Einsatz fertiger Lösungen, sondern darum, die Zukunft des digitalen Bankings gemeinsam zu gestalten. So können wir schneller auf sich ändernde Markterwartungen reagieren und Technologien bereitstellen, die wirklich einen Unterschied machen.
Direktor des Büros für mobiles und Internet-Banking bei der SGB Bank S.A.
Herausforderungen im Bereich Daten und Datenanalyse sind unsere Leidenschaft! Lassen Sie uns darüber sprechen, wie wir Ihr Unternehmen dabei unterstützen können, aus Daten echten Mehrwert zu generieren.
Michał Walerowski
Geschäftsbereichsleiter AI/ML & Datenlösungen
Lassen Sie uns über Ihre Herausforderungen mit Daten sprechen