Упрощенная HTML-версия
IT-решений. При этом для каждого
банка решение прорабатывается инди-
видуально в зависимости от запросов,
приоритетов и возможностей.
Фактыже показывают, что противо-
речие только кажущееся: действитель-
но, каждыйбанкиндивидуален, ичтобы
построить эффективный аналитиче-
ский CRM, требуется серьёзная подго-
товительная работа. Но это не значит,
что с нуля придётся создавать абсолют-
но всё: существуют готовые техниче-
ские решения, которые интегрируются
в систему каждого конкретного банка
и настраиваются под требуемые пара-
метры, становясь на выходе тем самым
уникальным CRM-решением.
Чтобы примирить эти два проти-
воречия, по опыту успешного вне-
дрения аналитического CRM в Райф-
файзенбанке можно порекомендовать
следующее. Во-первых, переносите
процессы по частям. Переключить всё
и сразу будет очень сложно и очень до-
рого. Во-вторых, не стоит недооцени-
вать сложность проекта — даже при
очень точном планировании, полном
понимании задач и решений времени
может уйти больше, чем предполага-
лось на начальном этапе. И наконец,
необходимо очень чётко представлять,
что вы хотите получить на выходе: то
есть вы должны изучить и хорошо по-
нимать то техническое решение, кото-
рое собираетесь приобрести. В случае
Райффайзенбанка после такого глу-
бокого изучения оптимальным выбо-
ром стали решения от компании SAS.
Чёткое понимание задач и детальное
ознакомление с возможностями про-
дуктов позволило сэкономить в том
числе и время, поскольку большин-
ство бизнес-требований покрывалось
стандартнымфункционалом платфор-
мы Customer Decision Hub.
РЕШЕНИЕ SAS: СТАНДАРТНЫЕ
ОПЦИИ, НЕСТАНДАРТНЫЕ ЗАДАЧИ
Цели, стоявшие перед Райффай-
зенбанком, были отчасти продикто-
ваны общей макроэкономической
ситуацией, отчасти — ростом самого
банка: увеличением линейки банков-
ских продуктов и клиентской базы
в годы после первой волны кризиса.
Система, которая была создана в банке
собственными силами, к 2012 году уже
не справлялась с потоком новых задач.
Было необходимо внедрить промыш-
ленное аналитическое CRM-решение,
которое позволило бы повысить ло-
яльность клиентов и объём продаж за
счёт эффективной работы с уже име-
ющейся клиентской базой. Нам требо-
валась сильная и, что важно, единая
аналитическая платформа, которая
бы позволила подбирать интересные
предложения для каждого конкрет-
ного клиента на основании методов
статистического анализа. Кроме того,
мы искали инструмент для сценарно-
го моделирования целевых компаний,
чтобы прогнозировать финальный ре-
зультат ещё до начала коммуникации
с потенциальным клиентом.
Упомянутое CRM-решение, кото-
рое работало в банке на тот момент,
напоминало своего рода «техниче-
скую солянку»: это была некая сово-
купность совершенно разнородных
приложений, где были задействованы
и Excel, и Enterprise Guide, и Access,
и многое другое. Всё это работало
с достаточно большим временн м ла-
гом, обновление данных не было столь
оперативным, как бы нам хотелось,
и в результате возникали, скажем,
такие ситуации, когда клиенты полу-
чали предложение, от которого уже
отказались, и не понимали, почему им
прислали его снова. Разумеется, отка-
зывались повторно, при этом страдала
лояльность. Грубо говоря, нам не хва-
тало гибкости. Чтобы решить эту про-
блему, в рамках проекта мы построили
новую витрину данных, а для решения
задач аналитики и запуска кампаний
выбрали инструменты SAS.
Ключевую роль при выборе сыграл
функционал системы, в первую оче-
редь — аналитический инструмента-
рий. Кроме того, как уже было упомя-
нуто выше, большинство наших задач
решалось стандартными опциями си-
стемы, что экономило время. Исполь-
зование стандартного функционала
позволяло нам уменьшить стоимость
перехода за счёт оптимизации затрат
на сопровождение, поставку обновле-
ний, миграции на новые версии, об-
учение сотрудников и развитие плат-
формы. Таким образом, максимальное
использование стандартных меха-
низмов и решений в ходе внедрения
и дальнейшей эксплуатации системы
стало одним из главных требований
к решению. Но, разумеется, мы опи-
рались и на успешный опыт предыду-
щего сотрудничества с SAS.
Внедрение системы проходило
в два этапа. На первом из них была
построена витрина данных, позволя-
ющая создавать прогнозные модели на
уровне каждого клиента и проводить
автоматизированные целевые марке-
тинговые кампании. Также были на-
строены сценарии исходящих целевых
маркетинговых кампаний. На втором
этапе была проведена установка мо-
дуля SAS Marketing Optimization, на-
строены сценарии оптимизации целе-
вых кампаний в зависимости от целей
и ограничений.
Чего мы достигли после внедрения
решений? Прежде всего — максими-
зировали ожидаемую доходность от
коммуникаций с клиентом. Снача-
ла мы рассчитываем вероятности по
всем каналам продаж, для всех про-
дуктов. Затем рассчитываем доход-
ность, которую планируем получить
от каждого клиента при предложении
каждого из продуктов, перемножаем
эти два показателя—и получаем ожи-
даемую прибыль. Ну а дальше выбира-
ется для данного конкретного клиента
тот канал и то предложение, которые
показали максимальную доходность.
Что же касается количественных
результатов, то мы добились роста
продаж, несмотря на макроэкономи-
ческую ситуацию. По некоторым про-
дуктам аплифт составил более 100%,
продажи таких продуктов, как депо-
зиты и паи инвестиционных фондов,
выросли вдвое. В настоящий момент
система в полноценном рабочем режи-
ме используется подразделением CRM
для управления многоканальными це-
левыми маркетинговыми кампаниями,
и проект автоматизации аналитиче-
ского CRM признан успешным.
АВГУСТ 2015
БАНКИ И ДЕЛОВОЙ МИР
77
B2B:
ЭФФЕКТИВНОСТЬ БИЗНЕСА