En este artículo, profundizo en un tema básico a la hora de retener clientes y aumentar su engagement: el análisis de los datos transaccionales. Gracias a nuestra investigación y al entrenamiento de nuestro motor de IA propio, COCO, ayudamos a los bancos a comprender en profundidad la situación, inquietudes y necesidades de las personas que contratan sus servicios.
Óscar Barba
Cofundador y CTO de Coinscrap Finance
Transformar las tendencias globales en oportunidades reales de negocio
Tal y como menciona la consultora Deloitte en este documento, las comunicaciones entre empresas y usuarios se personalizarán hasta un extremo difícil de imaginar hace unos meses. “Por ejemplo, Graybar está probando IA en ventas y servicio al cliente (...) Está añadiendo inteligencia artificial a los sistemas para ayudar a los gestores personales a descubrir ideas de venta cruzada y adicional."
Estamos viendo a diario que los modelos basados en datos están marcando el futuro de la fidelización. Nuestra tecnología es capaz de analizar patrones de comportamiento, preferencias y contexto para anticipar el siguiente paso del cliente. Por ejemplo, COCO puede detectar cuándo un usuario está a punto de necesitar un nuevo producto financiero, ofrecerle ofertas personalizadas en el momento exacto, o automatizar tareas rutinarias para simplificar su día a día.
Ya no se trata solo de responder a una consulta o premiar la lealtad con puntos y descuentos, sino de crear un entorno en el que la marca se adelante a las necesidades de las personas y le ofrezca soluciones antes incluso de que las soliciten. Tenemos los datos y contamos con la infraestructura para hacerlo, ¿por qué no empezar hoy a transformar la experiencia financiera de tus clientes?
Casos de uso para la industria financiera
Los departamentos de marketing de las principales entidades ya utilizan herramientas capaces de procesar millones de datos bancarios por segundo, extrayendo un conocimiento profundo y accionable sobre cada usuario: desde la previsión de gastos, hábitos de consumo y preferencias, hasta necesidades financieras, conductas de riesgo, patrones estacionales de pagos y mucho más.
Gracias a esta tecnología es posible detectar momentos clave en la vida del cliente. Por ejemplo, gastos en guarderías, farmacias y tiendas para bebés pueden indicar que acaba de tener un hijo. Lo mismo que con la apertura de un nuevo negocio, evidente por los pagos a la notaría, el alquiler de la oficina o la compra de un dominio.
Estos dos casos reflejan nuevas responsabilidades por parte del cliente. Y localizarlos en tiempo real permite a los bancos anticiparse y ofrecer productos como seguros de vida en el momento exacto en que puede estar pensando: “¿Qué pasa si yo no estoy?”
Este nivel de personalización es posible gracias a herramientas avanzadas que, hasta hace poco, estaban fuera del alcance de muchas compañías. Por suerte, la colaboración estratégica entre bancos y fintech está permitiendo el acceso a estos desarrollos.
Alianzas entre bancos y fintech: la clave para innovar sin inversiones millonarias
Los bancos que disponen de estas herramientas se diferencian de la enorme competencia que existe en el sector. Neobancos, grandes tecnológicas y nuevos actores financieros están reduciendo la cantidad de pastel que queda para los bancos tradicionales. Por eso, muchos de ellos encuentran nuevas formas de implementar soluciones innovadoras sin realizar grandes inversiones en I+D+i.
La alianza con las Fintech ha demostrado ser el secreto que aumenta su capacidad para crear productos y servicios altamente segmentados. Estas colaboraciones permiten a los bancos aprovechar la agilidad, tecnología, creatividad y enfoque centrado en el cliente de las Fintech sin afrontar los costes de un desarrollo in-house.
Me gustaría mostrarte cómo se aplica toda esta teoría a un caso práctico: Nuestro equipo ha desarrollado un proyecto que cuenta con el respaldo del Centro para el Desarrollo Tecnológico y la Innovación (CDTI), una entidad pública empresarial dependiente del Ministerio de Ciencia, Innovación y Universidades.
💡 Sabías que...
“Nuestro algoritmo puede ayudarte a averiguar qué cliente está listo para contratar un producto financiero”.
Caso de éxito: nuestro proyecto para CDTI innovación
Nuestro proyecto "Inteligencia financiera hiperpersonalizada: Empoderar a los usuarios a través de la PFM impulsada por IA", pone de manifiesto la importancia del desarrollo de modelos algorítmicos capaces de detectar patrones de conducta y de extraer conocimiento sobre hábitos de compra y preferencias de los clientes de banca.
Este trabajo aborda cuestiones como:
- Clustering de usuarios por transacciones similares
- Identificación de eventos relevantes
- Recomendación de productos
- Predicción de adquisición de productos futuros
Uno de los descubrimientos más importantes de nuestra investigación, que está ayudando a grandes bancos a mejorar la relación con sus clientes, es la hiperpersonalización de recomendaciones financieras. Nuestros módulos inteligentes detectan oportunidades para las entidades, como en el caso de un posible refinanciamiento de las deudas del usuario.
Veamos este ejemplo en detalle: Examinados los subconjuntos de entrenamiento y prueba, se pre-procesan los datos para desarrollar un modelo capaz de evaluar la idoneidad de un grupo de clientes concreto. Se busca detectar cuáles podrían beneficiarse de un seguro para refinanciar su deuda, dadas sus características personales.
Seguro de refinanciamiento de deudas:
- Grupo 1: Personas que tienen un ratio de endeudamiento alto y una utilización del límite de crédito alta.
- Grupo 2: Personas con muy poca estabilidad en los ingresos.
- Grupo 0: El resto de personas. (Con menor capacidad de ahorro).
Nuestro modelo realiza su elección de indicadores basándose en el nivel financiero del usuario y el proyecto tiene en cuenta además otras variables, como la información que necesitaría un agente humano para valorar la idoneidad. Posteriormente, se incluirían también aspectos concretos de la deuda y las tasas de interés vigentes.
De esta forma, el algoritmo elige a los clientes que, con mayor seguridad, aceptarán este producto y se beneficiarán de la oferta que realice el banco para su caso concreto. Así es como las entidades financieras aumentan su volumen de negocio: creando oportunidades de upselling y cross-selling dentro de su base de clientes actual.
Una conclusión final: la industria financiera debe adaptarse al impacto real de la IA.
Nuestra investigación demuestra que ya es posible anticipar necesidades, recomendar productos adecuados y generar experiencias memorables a través de la detección inteligente de patrones y la segmentación dinámica.
Las entidades que sepan aplicar esta tecnología con visión estratégica estarán mejor posicionadas para competir en un entorno cada vez más exigente. La hiperpersonalización no es una promesa: es una ventaja competitiva tangible.
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.
Doctor en Tecnologías de la Información por la Universidad de Vigo, cuenta con un Máster en Ingeniería Informática, 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.
