En este contexto, hemos desarrollado un proyecto basado en la detección de periodicidades en los datos transaccionales. Esta investigación, que será publicada en marzo durante los Simposios IEEE, representa un avance significativo en la segmentación de clientes bancarios.
Óscar Barba
Cofundador y CTO de Coinscrap Finance
Nuestro equipo ha desarrollado un innovador algoritmo basado en la detección de periodicidades en los datos transaccionales, una investigación recientemente seleccionada para su publicación en los Simposios IEEE sobre Inteligencia Computacional Aplicada en Trondheim, Noruega (marzo de 2025).
Together with my colleagues Martín Molina, Carolina Cano and David Díaz, we have created a system that allows banks to conocer mejor a sus clientes y anticipar sus necesidades financieras.
El potencial de la clusterización avanzada para los bancos
Según nos indican nuestros clientes, uno de los principales desafíos de los bancos es conocer en profundidad a sus usuarios para ofrecerles soluciones financieras adaptadas a sus necesidades reales. Lo que se dice lograr el “match” perfecto entre la oferta y la demanda.
Normalmente, la segmentación se basa en criterios socioeconómicos (como la edad o los ingresos) o reglas básicas de comportamiento financiero (como las inversiones o las propiedades). Sin embargo, con el enriquecimiento de datos transaccionales que ofrece nuestra IA y el análisis de periodicidades, los bancos pueden ir más allá, agrupando a sus clientes en clústeres con características y necesidades homogéneas.
Este nuevo enfoque les permite identificar patrones de gasto, evaluar la capacidad de ahorro y anticipar el comportamiento financiero futuro de cada usuario. Así, las entidades pueden acertar con sus estrategias de marketing, diseñar productos financieros de éxito y fortalecer la relación con sus clientes con comunicaciones realmente útiles para ellos.
💡 Sabías que...
… los ahorros generados por tus clientes pueden transferirse a diferentes vehículos de ahorro e inversión, según las prioridades estratégicas del banco: cuentas de ahorro, fondos de inversión, seguros unit linked, planes de pensiones, etc.
¿Qué aplicaciones prácticas tiene la detección de periodicidades?
La detección de periodicidades transaccionales ofrece interesantes posibilidades al sector: Imagina un mundo donde la banca no solo reacciona sino que anticipa necesidades, acompaña decisiones y hace la vida más sencilla. ¿No es lo que soñamos todos/as?
Voy a mostrarte ahora algunos casos de uso que dan sentido a nuestra investigación. Los algoritmos aportan una pizca de magia a la banca online; a continuación vas a descubrir cuáles son las aplicaciones que logran mejorar la salud financiera de la población:
microahorro
Cuando una persona tiene problemas para planificar y gestionar sus finanzas, es probable que huya de su entidad actual en cuanto encuentre una alternativa mejor. Las herramientas digitales que guían al usuario son capaces de fidelizar de por vida y atraer nuevos clientes.
Nuestra tecnología ya permite a los bancos ayudar a sus clientes en este proceso a través de reglas automáticas, estableciendo objetivos financieros realistas y celebrando con familiares y amigos cada pequeño avance. Esto es todo lo que los usuarios pueden hacer con nuestro módulo:
• Fijar metas de ahorro en función de su situación financiera.
• Recibir recomendaciones y consejos personalizados.
• Automatizar el ahorro hacia objetivos clave.
• Celebrar cada gol de su equipo aportando una cantidad a su hucha.
De esta forma, todos salen ganando: las entidades fortalecen su vínculo con cada persona y ésta alcanza sus metas financieras. Si a esto le sumamos una buena dosis de diversión y gamificación, la experiencia de uso se vuelve inolvidable. Te dejo el caso de negocio de B100 para que saques tus propias conclusiones.
Smart Savings: Smart Goals y Smart Moments
Sabemos que cada usuario tiene una realidad económica distinta. Por eso nuestro motor de IA propio, COCO, analiza las circunstancias de cada usuario y determina la cantidad que podría ahorrar en cada momento (Smart Savings).
En lugar de fijar una cifra estática para el ahorro mensual, el sistema proporciona una cantidad dinámica que varía según los ingresos y gastos, protegiendo así la salud financiera del usuario.
Por exemplo: se o sistema detecta que um utilizador tem um pagamento anual de seguro automóvel, pode sugerir dividir esse valor ao longo de 12 meses, alocando um montante mensal para o mealheiro. Assim, evita surpresas no orçamento e estarás gestionando mejor tus finanzas.
Veamos ahora cómo funcionan los Smart Moments. Se trata de una funcionalidad de nuestra IA que permite a las entidades identificar momentos en los que es posible maximizar las contribuciones a productos de ahorro, como las devoluciones de impuestos o una paga extra. Echa un vistazo a la imagen:
Segmentación de usuarios en función de comportamientos financieros
Más bien, microsegmentación. Los equipos de marketing de los bancos dan un paso de gigante reduciendo el tamaño de sus clústeres de usuarios. Ahora ya pueden crear segmentos de clientes en base a características ultra precisas –basadas en hábitos financieros y características destacadas a nivel de comportamiento–, que aportan más al negocio que los tradicionales aspectos sociodemográficos.
Se trata de una estrategia clave que está permitiendo a marcas líderes entender de verdad a sus clientes y ofrecer servicios 100% adaptados a sus necesidades. Lo vemos en el caso de los usuarios que muestran un especial interés por las compras online. O los que tienen apetito por el riesgo en sus inversiones.
En el primer caso, si la entidad observa que está suscrito a diferentes plataformas y realiza compras online todos los meses, puede plantear una estrategia de ahorro en la que se eliminan las plataformas de streaming/consumo de contenidos menos usadas y se adaptan los objetivos de la hucha digital a las capacidades reales de ahorro.
En el caso de nuestro hipotético inversor, al comprobar que cambia frecuentemente su cartera y compra activos con un riesgo por encima de la media, el banco podría lanzarle una push sugiriendo novedades, recomendaciones de compra o productos alternativos de su interés.
La IA como catalizador de la transformación bancaria
La inteligencia artificial está redefiniendo el sector financiero, permitiendo a los bancos ofrecer experiencias más intuitivas y centradas en las personas. Gracias a la detección de gastos esenciales y no esenciales, suscripciones, ingresos, movimientos periódicos y mucho más, estamos llevando a la industria bancaria al siguiente nivel.
Detección de periodicidades en la banca del futuro
Nuestro algoritmo de detección de periodicidades permite incluso que un mismo usuario pertenezca a distintos clústeres, de manera que pueda recibir ofertas en base a cada vértice de información recibido por nuestra IA. Cada hábito individual coloca al cliente en uno u otro segmento,, haciendo que todas las recomendaciones que le llegan sean valoradas.
Detección de momentos clave en el transaccional bancario
Aprovechar los momentos clave del año también marca la diferencia: Al entender los hábitos estacionales, se diseñan estrategias más efectivas. Por ejemplo, en septiembre, cuando los gastos escolares afectan a muchos usuarios, no es buen momento para mostrar banners sobre ahorro en la banca online.
Sin embargo, en marzo es el momento perfecto para ofrecer soluciones que aumenten el colchón financiero. Conocer estos picos y valles hace que las entidades saquen el máximo partido a sus datos y animan al cliente a ahorrar en los meses con menos gastos. Este es un valor que fomenta la lealtad hacia las marcas y crea relaciones duraderas entre los bancos y las personas.
Este enfoque hace que las plataformas digitales no solo sean fáciles de usar, sino también extremadamente útiles, ayudando a las personas a mejorar sus hábitos financieros y a alcanzar sus metas de ahorro sin ningún esfuerzo y con la ayuda de su entidad bancaria de confianza.
¡Así es cómo las entidades pueden aumentar sus beneficios, ayudando a sus clientes a tener un control más inteligente y efectivo de su dinero!
Sobre el autor
Óscar Barba es cofundador y CTO de Coinscrap Finance. Es un experto Scrum Manager con más de 6 años de experiencia en la recolección y análisis semántico de datos en el sector financiero, clasificación de transacciones bancarias, deep learning aplicado a los sistemas de análisis del sentimiento bursátil y a la medición de la huella de carbono asociada a datos transaccionales.
Con amplia experiencia en el sector bancario y asegurador, Óscar está finalizando su Doctorado en Tecnologías de la Información Es Ingeniero y Máster en Ingeniería Informática por la Universidad de Vigo, Máster en Comercio Electrónico por la Universidad de Salamanca, Certificado Scrum Manager y Project Management por el CNTG, Certificado en Arquitectura SOA y Servicios Web por la Universidad de Salamanca. Recientemente ha obtenido la certificación ITIL Fundamentals, un reconocimiento a las buenas prácticas en la gestión de servicios TI.
