Machine learning i Danske Bank: Nu fire- til seksdobler vi vores hits i markedsføringen

Hvis du seks gange har forsøgt at få fat på en kunde via telefonen, hvad er så sandsynligheden for, at han tager den, når du ringer den syvende gang? Hvorimod hvis kunden altid læser digital marketing, hvad er sandsynligheden så for, at han gør det igen?

Eksemplerne er ekstreme og åbenlyse. Men ser man på alle udfaldsrum imellem de to poler, bliver spørgsmålet rigtig svært at svare på.

Til formålet har Danske Bank udviklet prescriptive analyse-modeller baseret på skakalgoritmer, fortæller Bjørn Büchmann-Slorup, der er chef for bankens afdeling for advanced analytics.

»De er opbygget til at forudsige, hvad kunden gør, hvis vi gør noget bestemt. Det bruger vi til at forstå deres præferencer.«

»Og det er selvfølgelig bygget på machine learning, så hvis kunden begynder at skifte adfærd, så opdaterer det sig selv,« fortsætter han.

For to år siden fik Bjørn Büchmann-Slorup og co. mandat til at samle et hold, der – med hans egne ord – kan ‘rive alt fra hinanden', når det gælder om at forudsige fremtiden og kundernes behov.

Og det har de så gjort. En række analysemodeller og machine learning-værktøjer forudsiger i dag alt fra, hvilke medarbejdere banken får behov for, til hvorfor kunder forlader banken, og med hvilke kanaler man rammer dem bedst.

»Vi har kørt omkring 30 projekter over de seneste to år, hvor størstedelen har været succeser. For to år siden var vi tre mand, nu er vi 24, så det er gået vanvittigt stærkt,« fortæller Bjørn Büchmann-Slorup.

I virkeligheden svært...

I de prædiktive modeller er essensen at fange kundernes adfærd og behov.

»Lad os sige, du laver en marketingkampagne, hvor du vælger 5.000 kunder, og du så har en eller anden hitrate. Typisk kan vi se, at den hitrate bliver 4-6 gange så høj, hvis vi forstår kundernes behov.«

Kampagner rammer i sidste ende det samme antal kunder, men gruppen af kunder, der udvælges til at begynde med, er væsentlig lavere.

»For kunden betyder det, at de slipper for at tale i telefon med deres bank, hvis de hellere vil have noget på skrift. Vi slipper for at sende dem ting og spamme med materiale, de ikke er interesserede i,« siger Bjørn Büchmann-Slorup.

Trods effekten er processen med at udbrede advanced analytics i en organisation på størrelse med Danske Bank en langt større udfordring, end alverdens AI-begejstrede PowerPoint-præsentationer røber.

»Der er mange, der har en holdning til deep learning og machine learning og big data. Men at gøre det i virkeligheden, det er svært,« fastslår Bjørn Büchmann-Slorup.

Sponseret indhold

Webinar: Det er ikke nok at sikkerhedskopiere din data

It-sikkerhed

»Folk glemmer at tage det kulturelle med ind. Da lommeregneren blev introduceret for 50-70 år siden, troede folk, den snød eller regnede forkert, og de tjekkede regnestykkerne efter i hånden,« siger han og tilføjer:

»Og det er præcis den samme reaktion, vi møder 70 år senere.«

Overtager lektierne – ikke verdensherredømmet

Advanced analytics-holdet tæller ph.d’er i både fysik og kemi, fortæller Bjørn Büchmann-Slorup.

»For dem er det hele attributter. Hvis de forstår problemet og har den rette data, så er de egentlig ligeglade med, hvad variablerne hedder.«

Selvom de matematisk kan bevise, at analysemodellerne holder vand, så tager afdelingen stadig dialogen om, hvorvidt modellerne virker.

»Det vigtigt at forklare rådgiverne; vi kommer ikke og overtager verdensherredømmet – vi vil bare gerne klæde jer bedre på,« forklarer Bjørn Büchmann-Slorup.

Holdet arbejder ud fra en data first-strategi, som skal spredes til resten af organisationen – en opgave, der kan sammenlignes med at vende et tankskib, mener analysechefen.

»Den største barriere er at få det fuldt integreret i den kommercielle forretning, for analytics er stadig noget vi gør, efter vi gør det, vi plejer at gøre,« siger Bjørn Büchmann-Slorup.

Hent Profilanalysen og årets ranglister

Profilanalysen 2023

»Spørgsmålet er, hvordan sikrer vi, at det er det første vi gør. Jeg tror ikke vi skal erstatte rådgivere, men vi kan lave alt hjemmearbejdet og crunche al den data, og så kan vi informere dem, der nu skal tage beslutningen.«

Man kan lave alt med Machine Learning

Som Version2 i fredags kunne beskrive har banker i dag adgang til mere data om kunderne end nogensinde før. Til næste år ophører 30 års forbud mod at bruge betalingsdata til andet end at behandle en betaling. Og det giver helt nye muligheder – såfremt bankerne kan få kundens samtykke.

»Implikationerne af det er, at alt sådan noget som customer surveys på hjemmesider – det kommer over tid til at forsvinde fuldstændig. For vi ved, hvad kunderne klikker på, og hvad de foretrækker,« siger Bjørn Büchmann-Slorup.

»Det er klart at giver etiske spørgsmål omkring, hvad vi må bruge, og hvad vi skal bruge. Og det tager vi ekstremt seriøst.«

»Det værste der kan ske er, at kunderne kommer til at opfatte os som for snedige eller for kloge. Man kan lave alt med Machine Learning. Og netop derfor skal vi være meget forsigtige. Der er ingen i mit team, der må lave noget, uden de først forklarer, hvad det betyder for kunderne.«

Hele grundlaget for Danske Banks strategi for advanced analytics er ifølge Bjørn Büchmann-Slorup, at data skal drive kundcentiriciteten – kort fortalt ideen om, at den bedste måde at skabe værdi for forretningen er at skabe værdi for kunderne.

»Jeg prøver at sætte mig i kundens sted, og overveje, hvad der er meningsfyldt. Og meningsfyldt for mig er, at banken må bruge min data til at give mig de bedste tilbud, baseret på mine behov. Jeg tror, at noget-for-noget tilgangen er en, som kunderne godt kan forstå og godt kan lide.«