Бесконечная Полка – ИИ-сервис для рекомендаций продуктов банка

Создание ИИ-решения для персонализированного подбора и ранжирования продуктов и сервисов всей банковской линейки (50+ продуктов) клиентам через каналы дистанционного банковского обслуживания и точки продаж.

Основные задачи:

1. повышение количества оформлений, выдач и использования продуктов за счёт их ранжирования для каждого клиента по вероятности открытия и учета банковских политик

2. оптимизация контактной политики и снижение OPEX в каналах обслуживания за счет выделения и приоритизации наиболее склонных к покупкам групп клиентов

3. создание интерфейса и системы отчетности о результатах решения для бизнес-заказчика с возможностью задания им параметров разработки моделей (глубина данных, набор источников, набор продуктов и др.) – в целях мониторинга, проверки гипотез, проведения экспериментов и A/B-тестов

2025

• Рост продаж на одного клиента в среднем увеличился на 19.2% в сравнении с базовым подходом.

• 80% показов от всех предложений благодаря Бесконечной Полке формируется онлайн автоматизированным способом, позволяя сотрудникам бизнеса сделать фокус на микро-сегментах и проведении пилотных исследований в оставшихся 20%. 

• Точность рекомендаций по части продуктов после применения решения выросла в 2.2 раза в сравнении с исходным бизнес-процессом.

• В 7 раз сократилось время на цикл обучения моделей и их регулярный расчет в промышленной среде. 

• По некоторым продуктам прирост в Gini (метрика качества предсказательных моделей) достиг +25 пп. относительно предыдущих версий моделей, а использование текстовых данных добавило еще +5 пп. к Gini в среднем по всем продуктам и сервисам

Сократилось время операций с клиентами в отделениях Сократились операционные затраты в каналах на коммуникации с клиентами.

JupyterHub, Hadoop, PySpark, Pytorch, PyArrow, MLFlow, AirFlow, StreamLit, Система управления CRM-предложениями, Плюс7 ФормИТ, PostgreSQL, Superset ClickHouse, PowerBI, Система управления моделями (СУМ)

Из методов ML/DL в т.ч. использовались LLM и BGE для создания эмбеддингов на текстовых данных коммуникаций с клиентами

В проекте не используются решения из каталога Global CIO

• Необходимость сравнения далеких по тематике продуктов и сервисов, их разнородность по заполняемости/объему данных, отсутствие общего периода стабильности для трендов целевых переменных (долей оформления продуктов, 50+ шт.)

• Методологическая сложность, вариативность подходов к решению, тест множества гипотез и RnD в краткие сроки с ИТ-ограничениями, экономия ИТ-ресурсов в пром. среде

• Вычислительная сложность: множественные регулярные расчеты ресурсоемких алгоритмов (анализ корреляций, матрицы сходства, подбор параметров моделей и т.д.) на BigData (одна выборка –  ~1.7 млрд. записей * 30 тыс. признаков)

• Расширение ИТ-ландшафта в сжатые сроки

Бесконечная Полка – автообновляемая и автоулучшаемая ИИ-система рекомендаций и ранжирования банковских продуктов и сервисов для клиентов (розничный бизнес) с UI (Self-Service) для создания отчетности по результатам работы отдельных моделей и всего решения в целом с возможностью задания заказчиком в интерфейсе параметров разработки решения (глубина и свежесть данных, набор источников, набор продуктов и др.) для тестирования гипотез, проведения A/B-тестов и выбора наилучших стратегий коммуникаций.

Все регионы РФ