Klasyfikacja transakcji oparta na sztucznej inteligencji dla banku SGB

O kliencie

Od lat z sukcesem współpracujemy z naszym klientem, SGB-Bankiem, nieprzerwanie rozwój aplikacji mobilnej SGB. Wyniki tego partnerstwa były konsekwentnie wyróżniony przez jury Mobile Trend Awardszdobywając wiele nominacji na przestrzeni lat - w tym w tym roku za rozwiązanie Ailleron do klasyfikacji transakcji.

Jedną z kluczowych funkcji dostępnych w SGB Mobile jest zarządzanie finansami osobistymi (PFM), pomagające użytkownikom śledzić i organizować swoje wydatki. Chociaż bank oferował już narzędzie PFM, nie spełniało ono w pełni oczekiwań klientów:

Logika oparta na regułach błędnie klasyfikowała 3-5 na 10 transakcje.
Prezentowane dane wymagały interpretacji i nie zawsze były intuicyjne dla użytkowników.
Aby ulepszyć to doświadczenie, SGB-Bank współpracował z Ailleron w celu zwiększenia możliwości PFM i ułatwienia klientom zarządzania finansami.

Nasi eksperci zaprojektowali i wdrożyli Klasyfikator transakcji Ailleron (ATC) - rozwiązanie oparte na sztucznej inteligencji. Wykorzystując Modele uczenia maszynowego (ML)Klienci banku mogą teraz efektywniej zarządzać swoim budżetem dzięki automatycznie kategoryzowanym transakcjom i lepszemu wglądowi w swoje finanse.

Ailleron Transaction Classifier analizuje wszystkie transakcje klientów:

przelewy bankowe

bankowość detaliczna - platforma internetowa

transakcje kartą, w tym płatności abonamentowe

bankowość detaliczna - platforma mobilna

specyficzne dla danego rynku rodzaje płatności, takie jak BLIK w Polsce

Następnie ATC przypisuje transakcje do odpowiednich kategorii. Klientom indywidualnym prezentujemy:

strukturę wydatków i jej zmiany w czasie

wskazówki, alerty lub powiadomienia, aby skuteczniej zarządzać budżetem

Współpraca

Głównym celem projektu było udoskonalenie klasyfikacji transakcji dokonywanych przez klientów indywidualnych.

warsztaty biznesowe z zespołem banku,

aby wybrać odpowiednie kategorie transakcji

zespół Ailleron zaprojektował rozwiązanie oparte na sztucznej inteligencji,

aby dopasować atrybuty transakcji klienta do predefiniowanych kategorii

ustalenie zakresu treningu modelu uczenia maszynowego

i oznaczanie anonimowych danych zgodnie z pożądanymi kategoriami

przygotowanie projektu UI/UX,

aby połączyć nowe funkcje zarządzania finansami osobistymi (PFM) z istniejącą aplikacją mobilną banku

Rozwiązanie:

Naszym celem było zwiększenie zaangażowania użytkowników aplikacji bankowości mobilnej poprzez wygodne prezentowanie danych transakcyjnych klientów. Projekt przyniesie bankowi spółdzielczemu szereg krótkoterminowych korzyści biznesowych, w tym:

wzrost zaangażowania użytkowników aplikacji wraz ze wzrostem liczby logowań i zwiększoną aktywnością po wprowadzeniu nowych funkcji,
wzmocnienie lojalności i zaufania klientów dzięki priorytetyzacji ich potrzeb.

Z biznesowego punktu widzenia ustrukturyzowane dane o wydatkach klientów są przydatne do:

zaawansowanych celów analitycznych – lepszej segmentacji klientów i rekomendacji produktowych,
wzbogacania danych klientów,
budowy powiadomień dla klientów na podstawie historii ich transakcji.

Wdrożenie ATC pozwala również na lepszą segmentację klientów.
Dostrzeżenie podobieństw we wzorcach wydatków umożliwia trafną identyfikację grup klientów o podobnej charakterystyce.

Lista ukończonych zadań w ramach projektu Ailleron Transaction Classifier

Model ML jako mikroserwis został przygotowany do wdrożenia wewnątrz infrastruktury banku
Integracje z:
- transakcjami klientów pozyskiwanymi w systemach bankowych
- aplikacją bankowości mobilnej
Architektura sterowana zdarzeniami do kategoryzacji w czasie rzeczywistym:
- Platforma do strumieniowego przesyłania danych oparta na Apache Kafka w celu zbierania transakcji klientów i dostarczania ich do klasyfikatora transakcji
- Baza danych bez SQL – MongoDB
Narzędzia odpowiedzialne za monitorowanie, śledzenie, bezpieczeństwo i zarządzanie logami:
Graphana, Proetheus, ISTIO, Zipkin, Flunent ID itp.
UX/UI, aby połączyć nowe funkcje oprogramiwania do zarządzania finansami osobistymi (PFM) z istniejącą aplikacją mobilną banku.

Jak to działa?

Ailleron Transaction Classfier przypisuje transakcje klientów do jednej ze zdefiniowanych grup:

samochód i transport
gotówka
rozrywka, hobby i podróże
edukacja
codzienne wydatki
zdrowie i uroda
odzież
oszczędności i inwestycje
dochód
inne przelewy przychodzące

Niektóre z atrybutów transakcji analizowanych przez ATC obejmują:

kwotę wydatków
opis lub tytuł
odbiorcę
walutę
kod kategorii sprzedawcy (ang. Merchant Category Code, MCC)

Kluczowe rezultaty projektu – najwyższa dokładność:

ATC dzieli transakcje klientów na 13 grup:

11 grup wydatków,
2 grupy transakcji przychodzących.

Dokładność modelu ML zasilającego ATC wynosi:

92%, co oznacza, że 92% transakcji klientów jest odpowiednio zakwalifikowanych (dla transakcji z MCC lub bez),
98% wartości prawidłowo zakwalifikowanych transakcji klientów, co oznacza, że w przypadku transakcji o niskich kwotach mogą wystąpić drobne błędy.

W SGB Mobile wierzymy, że najlepsze innowacje powstają dzięki bliskiej i partnerskiej współpracy. Dlatego w rozwoju naszych usług stawiamy na długoterminowe relacje z dostawcami technologii, wspólnie tworząc rozwiązania, które realnie ułatwiają życie naszym klientom. Świetnym przykładem tego podejścia jest usługa ‘Twoje wydatki i paragony’, w której wykorzystujemy Klasyfikator wydatków dostarczany przez Ailleron. To pierwsze rozwiązanie AI, które wykorzystujemy w naszej aplikacji. Nasze partnerstwo to nie tylko wdrażanie gotowych rozwiązań, ale wspólne kreowanie przyszłości cyfrowej bankowości. Dzięki temu możemy szybciej reagować na zmieniające się oczekiwania rynku i dostarczać technologie, które naprawdę robią różnicę.

Artur Józefowski

Dyrektor Biura Bankowości Mobilnej i Internetowej w SGB Bank S.A.