ハイパーパーソナライゼーションの時代は金融サービスに大きな打撃を与えています。Dealroomによると、昨年のフィンテックへの投資の18%はパーソナライズされた金融管理に投入されました。また、オープンバンキングの台頭により、専門性の高いフィンテック企業の波が押し寄せ、かつてない数のパーソナライズされたレコメンデーション商品が市場に投入されました。
明らかに、秘密は明らかです。金融サービス全体のユースケースにおいて、ディープラーニング レコメンデーション システムは、顧客一人ひとりの特定のニーズと行動に合わせてカスタマイズされた、優れた 1 対 1 のエクスペリエンスを提供します。これは最終的に、金融機関とフィンテックが顧客をより効果的に獲得し、忠誠心と維持率を高めることで市場シェアを獲得するのに役立ちます。
次の最善の行動を解き放つ
個人向け財務管理の急成長は、オープンバンキングの普及に一因があります。オープンバンキングにより、専門性の高いフィンテック企業が取引データへの安全なアクセスを提供することで、市場参入が可能になりました。パーソナライズされたソリューションに重点を置くフィンテック企業は、このデータを活用して「次のベストアクション」を決定しています。これは、パーソナライズされたオファー、サービス、または取引を通じて、各顧客の固有のニーズを満たすことを優先する顧客中心の戦略です。
Personeticsは、NVIDIAのアクセラレーテッドコンピューティングを搭載したAWS AI/MLプラットフォームを用いて取引データをリアルタイムで分析するフィンテック企業であり、オープンバンキングアグリゲーターとして事業を展開しています。同社は多数のAPIエンドポイントから銀行データを分析し、機械学習を用いてレストランでの支出やeコマースなどの特定のカテゴリに分類します。そして、Personeticsは分類されたデータを銀行と共有し、銀行はそれを用いて顧客にパーソナライズされた提案を提供しています。
従来の機械学習システムと比較して、ディープラーニングによるレコメンデーションモデルは、顧客のより包括的な全体像を描き出し、顧客の嗜好を理解し、より正確な予測を行うことができます。ディープラーニングモデルは、ユーザーレビューや顧客のウェブサイトへのログイン回数といった明示的なデータポイントだけでなく、顧客とのインタラクションのタイミングや順序といったより暗黙的なデータポイントも分析します。また、単一のセッション内だけでなく、時間の経過に伴う関係性を分析することも可能です。
「ディープラーニングで用いられる大規模なニューラルネットワークは、ユーザーと行動、そして結果の間にある、自明ではない非線形の関係性を明らかにするのに非常に効果的です」と、NVIDIAの金融サービス業界向けグローバルインダストリービジネス開発責任者であるケビン・レビットは説明します。「このネットワークがもたらす大きな能力は、時系列的なシーケンスを分析し、適切なタイミングで適切なメッセージを伝えることに成功した過去のコンバージョンに基づいて、最適な機会を判断できることです。これにより、銀行は次の顧客により良い体験を提供できるようになります。」
例えば、コールセンターはAIとディープラーニングモデルを活用して非構造化データを取り込み、顧客サービスに関するレコメンデーションを強化できます。顧客がコールセンターに到着すると、自動音声認識モデルが会話を書き起こし、自然言語処理に送られて通話データが構造化されます。これらの入力データとCRMプラットフォームからの履歴データは、レコメンデーションシステムにリアルタイムで送られ、担当者が最適なサービスを提供し、顧客感情の改善、共感の表明、適切なソリューションの提示など、望ましい結果を達成できるよう導きます。
「次の最善の行動」は、コールセンター、モバイルアプリ、ウェブサイト、さらには銀行員との対面でのやり取りなど、あらゆる顧客接点において決定されます。クロスセルに加えて、システムは顧客の投資に基づいた市場ニュース、顧客の金融履歴やライフステージに基づいた教育コンテンツ、株式ポートフォリオ管理のためのパーソナライズされたロボアドバイザーサービスなど、関連性の高いコンテンツを推奨することもできます。
個人金融に真のパーソナライゼーションをもたらす
従来、顧客が信用限度額の増額を希望する場合、金融機関に電話をかけ、コールセンターの担当者と簡単な手続きを進めていました。担当者は、顧客が希望する金額とその理由を尋ね、増額が認められるかどうかを判断するための承認リクエストを発行していました。
フィンテック企業や金融機関は、ディープラーニングを活用したレコメンデーションシステムを活用することで、顧客のより幅広い人生経験を理解し、同じ結果を達成するための代替案を特定できるようになりました。例えば、顧客にとって、信用限度額を引き上げるよりも、個人ローンの資格を得たり、より金利の高い別の口座に資金を移したりする方が得策だと判断できるかもしれません。
例えば、英国に拠点を置くフィンテック企業Cleoは、オープンバンキングの取引データとNVIDIAおよびAWSを活用したディープラーニングを活用し、チャットボット形式で顧客にパーソナライズされたレコメンデーションを提供しています。ユーザーは「今月の食料品の買い物にいくら使っているか？」や「今月末までに300ポンド貯金するにはどうすればよいか？」といった質問に答えることができます。また、このアプリは、今後の休暇に向けた貯蓄プランの作成など、特定の人生目標を達成するためにユーザーが取るべき具体的なステップを提案することもできます。
Cleo のテクノロジー担当バイスプレジデント、サム・テイラー氏は次のように述べています。「Cleo は NVIDIA を搭載した AWS プラットフォームを活用することで、迅速な製品提供に必要な柔軟性、拡張性、そしてコスト効率を実現し、ユーザーに最大の価値を提供することに集中できます。ユーザーがカスタマー サービス チームに費やす時間を 30% 削減し、よくある質問をユーザーが自ら解決できるようになり、ユーザー満足度が向上しました。」
顧客向けのツールに加え、独自の金融サービスツールを求める企業にも、同じ原則が当てはまります。シアトルに拠点を置くフィンテック企業Attunelyは、ディープラーニングを活用し、企業が滞納口座から収益を回収するためのオムニチャネル回収モデルを構築しています。匿名の債務配置に加えて代替データを分析することで、Attunelyの顧客は回収活動を増やすことなく、売上高を5%から20%増加させることができます。
「数億件もの匿名の債務情報、そして数十億件もの電話、手紙、テキストメッセージ、そしてメールから得られるデータを活用できるのが魔法です」と、AttunelyのCTO、ライアン・コサイ氏は述べています。「私たちはこれらのデータをすべて毎晩再処理しており、AWSのサービスによって、この急激で高スループットな負荷を低コストで処理できるのです。」
ディープラーニングと生成AIの利点
フィンテック企業や金融機関は、顧客が誰であり、金融ジャーニーのどの段階にいるのかをより深く理解することで、生成AIを活用して様々なコミュニケーションチャネルを強化できます。例えば、コールセンターのスクリプトを改善したり、より魅力的なメールの件名を作成したり、関連性の高い記事を掲載したニュースレターを作成したり、マーケティングキャンペーンに適した画像を選定したりすることが可能になります。ディープラーニングと生成AIを組み合わせることで、潜在顧客や既存顧客の心に最も響くものを迅速に特定することができ、コンバージョン率の向上、顧客満足度とロイヤルティの向上につながります。
競争優位性を獲得するための道は、データの取り込みと保存から始まります。例えば、AWSアーキテクチャを利用することで、フィンテック企業は様々なソースからのデータを360度ビューで把握し、AWSアーキテクチャを用いて効率的に保存することができます。また、Amazon PersonalizeのようなマネージドMLサービスでは、Amazon.comがリアルタイムのパーソナライズされたレコメンデーションに使用しているのと同じテクノロジーを用いてアプリケーションを構築することも可能です。
「Netflix や Amazon.com などのサービスによって構築された金融サービス業界では、パーソナライズされたエクスペリエンスに対する需要がますます高まっています」と、AWS のスタートアップ向けフィンテックのグローバル責任者であるサム・エッジ氏は述べています。
このようなパーソナライゼーションにより、フィンテック企業や金融機関は顧客にとって適切な商品を提示できるようになります。個人金融会社であるNerdWalletは、顧客が負債を返済し、最適な金融商品やサービスを選択し、住宅購入や老後資金の貯蓄といった人生の大きな変化に対処できるよう、ツールとアドバイスを提供しています。Amazon SageMakerとNVIDIAアクセラレーテッドコンピューティングを活用することで、NerdWalletはモデルをトレーニングし、顧客とパーソナライズされた金融商品をより効果的に結び付けています。
もちろん、提供スピードも重要です。適切なAI/MLおよびアクセラレーテッドコンピューティングのパートナーを選択することが不可欠な理由は2つあります。フィンテック企業や金融機関は、モデルのトレーニング時間を短縮して市場投入を迅速化する必要があること、そして最新の精度を確保するために、新しいデータと入力データでモデルを継続的に再トレーニングする必要があることです。これは、カスタマージャーニーの遅延を防ぎ、すべての顧客に効果的でパーソナライズされたインタラクションを提供するために不可欠です。
Capital One は、 AWS で NVIDIA GPU を活用したMerlin アプリケーション フレームワークを活用し、大規模な高性能レコメンデーション システムを構築することで、データ サイエンティストの市場投入までの時間を短縮し、オンライン広告のパフォーマンスを向上させています。NVIDIA Merlin を活用した機械学習からディープラーニングへの移行により、Capital One は既存顧客のクリックからコンバージョンまでの率が60% 向上しました。
「大手銀行からフィンテック企業まで、AI機能の構築に多額の投資を行っているのは、それが競争上の差別化要因となることを認識しているからです」とレビット氏は語る。「レコメンデーションシステム向けのディープラーニング機能に投資する企業は、顧客獲得と優れた顧客体験の提供において競合他社を凌駕し、その過程で市場シェアを拡大する可能性が高くなります。」
金融サービスにおける AI の現状レポートをダウンロードして、レコメンデーション システムとハイパーパーソナライズされた金融について詳しくご覧ください。
