Většina firem v oblasti finančního sektoru již nyní umí pracovat se strukturovanými daty, tedy informacemi, které ukládá ze svých bankovních systémů, platebních terminálů, kontaktních center apod. Jedná se zejména o základní informace o klientech, jejich transakcích (tedy objemech, termínech, místech, někdy i účelech transakcí), finančních produktech, které si pořídily a využívají, apod. Firmy tak mohou vyhodnocovat a analyzovat informace typu: v jaké věkové kategorii mají nejvíce zákazníků, které regiony jsou nejrizikovější z pohledu nesplácení úvěrů, zda kartou v obchodech s obuví více utratí ženy nebo muži apod.

V současné době tedy narůstá trend, jak tyto získané informace obchodně využít, tedy jak ovlivnit chování zákazníků. Řada bank má již jako základní stavební kámen svého marketingu práci s těmito daty. Jsou schopny nabízet speciálně upravené nabídky a produkty na základě práce s informacemi, které posbírají. Mají například speciální produkty pro ženy s extra zvýhodněnou nabídkou propojenou na obchodní partnery, pro které je tato skupina zajímavá, nebo nabízejí různě propojené balíčky pro rodiny s dětmi. V současné době asi nikoho nepřekvapí, že mu s věkem přibývají nabídky na úrazová pojištění nebo že se mu po přiznání dítěte u banky začnou hromadit nabídky na spoření a další upravené produkty pro děti. Co je ale novinkou, je ovlivnění zákazníků v reálném čase, v momentu, kdy například platební kartou provedou platbu či peněžní výběr. Jedná se o tzv. automatizaci rozhodnutí v reálném čase, tedy real-time decisioning. Banka například pozná, že její zákazník právě zaplatil v obchodu s pánskými oděvy a že se stav jeho účtu přiblížil nule. Může mu potom formou SMS okamžitě nabídnout krátkodobý úvěr a případně slevu na nákup bot od svého obchodního partnera, který má obchod ve stejném nákupním centru jako byla uskutečněná transakce. Pokud se bance podaří aplikovat toto ovlivnění formou, která bude pro jejího zákazníka motivační a zajímavá, pak může doslova začít řídit jeho kroky, tedy minimálně jeho platby.

Dalším trendem je práce s nestrukturovanými daty z různých zdrojů, jako jsou sociální média, weby, e-maily, audio nahrávky apod. Těchto dat existuje mnohonásobně více než strukturovaných a jejich analyzování, propojování a vyhodnocování je mnohonásobně náročnější. Současná doba je v oblasti komunikace mnohonásobně aktivnější, zejména mladí lidé jsou stále otevřenější ohledně toho, co si plánují koupit, jak jsou s výběrem spokojeni nebo co se jim nelíbí. Ač pro řadu z nás, kteří vyrůstali za režimu, kdy bylo lepší o ničem novém nemluvit, aby soused nezáviděl a neřešil, kde jsme to sehnali, se to zdá těžko pochopitelné, tak astronomické růsty zisků majitelů sociálních médií potvrzují, že trend sdílení toho, co dělám, jak se cítím, co plánuji koupit apod. je nezvratný. Bylo by tedy škoda ho nevyužít ku prospěchu, například v oblasti marketingu a obchodu. Pro finanční instituce se otevírá neuvěřitelný zdroj informací, které jim mohou pomoci ještě lépe ovlivňovat chování svých zákazníků.

Vraťme se ale k zákazníkovi, který nakupoval v obchodě s pánskými oděvy. Lze předpokládat, že na sociální síť umístil, že si koupil například tmavě modrý společenský oblek a jaké velikosti. Pravděpodobně přímo označil z webu prodejce typ obleku, možná také uvedl, že chtěl i zimní kabát, ale neměli jeho velikost. Možná se ale navíc dostaneme k informaci, že nový oblek si koupil kvůli tomu, že byl v práci povýšen. Pokud se podaří bance tyto informace odchytit, může následně svému zákazníkovi, ať už v reálném čase, či následných dnech, nabídnout produkty šité na míru a naprosto odlišné od konkurence, která nebude schopna upravit své neosobní nabídky.

Ve světě již řada finančních institucí touto cestou vyrazila a investují nemalé peníze do toho, aby byly mezi prvními, kdo bude schopen nestrukturovaná sociální data vytěžit. Je zřejmě, že se opravdu jedná o zlomový, ale zároveň nelehký úkol. Objemy dat jsou monstrózní, nároky na rychlost zpracování, výpočty a analýzy enormní. Přesto je důležité začít co nejdříve. Hledat partnery, kteří pomohou s výpočetní kapacitou, partnery kteří mají zkušenosti s nástroji pro analýzu dat a jejich zpracováním v různých manažerských reportech.

Roman Kopecký