금융 서비스가 고객 행동을 활용하는 방법

디지털 금융 회사는 금융 서비스(FinServ) 현상을 파괴하는 데 몰두하고 있습니다. 전통적인 기관은 실행 가능한 대안이 없기 때문에 오랫동안 은행에서 사실상의 선택이었습니다. 그러나 이제 Robinhood, Venmo 및 Branch와 같은 금융 앱이 Goldman Sachs 및 JP Morgan Chase와 같은 기업이 오랫동안 보유하고 있던 영역을 잠식하기 시작했습니다. 처음으로 직접 지불을 하거나, 주식 시장에 투자하거나, 월급날 대출을 받고자 하는 고객은 시중에 나와 있는 많은 FinServ 앱 중 하나를 통해 그렇게 할 수 있습니다.

이 직접적인 경쟁은 FinServ 산업의 원로 정치가들의 약점을 드러냈습니다. 기존 은행은 종종 부풀려지고 다루기 힘들며 틈새 시장과 민첩한 스타트업만큼 빠르게 전략을 전환할 수 없습니다. 이에 비해 Cash App과 같은 P2P 결제 앱을 통해 수행되는 거래는 2023년에 1조 달러를 초과할 것으로 추정됩니다. 기존 은행은 현재로서는 순전한 규모와 규모로 이점을 보유하고 있지만 추세에 따르면 소비자는 보다 자기 주도적인 것을 선호합니다. 재정 관리의 디지털 수단. 이것은 따라가지 않으려거나 따라갈 수 없는 기관의 미래에 좋지 않은 징조입니다.

기존 은행은 최신 경쟁업체보다 이점이 있습니다. 즉, 마음대로 사용할 수 있는 고객 행동 데이터의 양입니다. Amplitude와 같은 통합 분석 프로그램을 최대한 활용하는 기존 금융 기관은 데이터 기반 행동 통찰력을 수십 년간의 과거 데이터와 결합하여 신규 기업의 주도권을 넘겨받을 수 있습니다. 디지털 뱅킹 앱을 둘러싸고 다가오는 갈등에서 행동 데이터는 FinServ 기관을 공세에 가두고 신생 기업과 디지털 거물을 뒤흔드는 진보적 전략을 고안하는 열쇠입니다.

확장 가능한 통합 솔루션 고안

전통적인 FinServ 기관은 처리할 수 있는 방대한 양의 데이터를 보유하고 있지만 이를 한 지붕 아래에 모으는 것은 어려운 것으로 판명될 수 있습니다. 몇몇 은행은 경쟁자가 될 수 있는 기업을 인수하고 데이터와 기술을 통합함으로써 FinServ 분야의 경쟁에 대응했습니다. 은행은 혁신을 통해 경쟁하는 대신 상당한 영향력과 예산을 사용하여 기존 디지털 플랫폼을 구매했습니다. 예를 들어 Bank of America는 최근 디지털 서비스 범위를 확장하기 위해 의료 지불 회사 Axia를 인수했습니다.

단일 분석 플랫폼에서 데이터가 수집되는 한 분석의 힘은 수집된 데이터의 양에 따라 커집니다. 불행히도, 인수에 실패한 FinServ 기관은 별도의 사일로와 시스템에 귀중한 데이터 세트가 갇힐 수 있습니다. 월급날 대출 앱과 주식 거래 앱은 고객의 다양한 인구 통계를 제공합니다. 이와 별도로 각각의 행동 데이터는 원하는 사용자 기반의 좁은 부분에만 해당됩니다. 집합적 행동 데이터를 단일 우산 아래 함께 통합하면 제품 관리자가 전략 평가, 아이디어 구상 및 실험에서 진정한 가치를 활용할 수 있습니다.

데이터 통합의 중요성을 감안할 때 제품 관리자는 데이터를 처리할 수 있는 분석 플랫폼을 선택하는 것이 현명할 것입니다. Amplitude의 디지털 최적화 시스템은 확장 가능하므로 인수 임무를 수행하는 은행이 확장에 수반되는 증가하는 고통을 우회하면서 데이터를 동화할 수 있습니다. 제품 관리자는 서로 다른 부서나 팀에 정보를 요청하는 대신 실시간으로 행동 데이터를 가져오거나 예측을 테스트할 수 있습니다. 소비자 데이터에 대한 이러한 즉각적인 액세스는 보다 민첩한 전략 수립 및 구현을 촉진하여 FinServ 기관과 보다 민첩한 경쟁업체 간의 격차를 줄이는 데 도움이 됩니다.

여러 제품과 플랫폼의 균형을 유지하는 모든 회사에는 다중 소스 데이터 수집 및 분석이 가능한 분석 플랫폼이 필요합니다. Amplitude는 통합을 염두에 두고 구축되어 데이터 소스를 쉽게 추가하고 Salesforce, Zendesk 등과 통합할 수도 있습니다. 또한 Amplitude를 사용하면 제품 관리자가 모바일 및 브라우저 기반 고객 모두로부터 데이터를 가져올 수 있으므로 플랫폼 내에서 수행되는 평가, 실험 및 예측이 전체 고객 기반에 대한 정보를 얻고 이를 처리할 수 있습니다.

당신의 고객이 이미 당신에게 말하고 있는 것을 발견하십시오

단일 플랫폼 내에서 행동 데이터의 통합을 통해 FinServ 기관은 최대 강점인 고객 규모를 활용할 수 있습니다. 신생 기업이 서서히 헤게모니를 무너뜨리고 있지만 FDIC는 여전히 미국 가계의 95%가 전통적 기관에서 은행을 이용하고 있다고 추정합니다. 스타트업은 데이터를 성장시키거나 구매해야 하지만 역사적으로 오프라인 FinServ 회사는 잠재적으로 수십 년에 걸친 데이터를 즉시 처리할 수 있습니다.

수천 명의 고객의 행동 데이터는 제품 관리자에게 다음과 같은 통찰력을 제공합니다.

고객 이탈

모바일 뱅킹 앱 다운로드 비율은 훌륭하지만 고객 사용량은 처음 2주 이내에 절벽에서 떨어집니다. 무엇을 제공합니까?

고객 여정을 추적하면 고객 기반에 마찰을 일으키는 이벤트를 파악하는 데 도움이 됩니다. 가입하는 동안 사용량이 감소하면 요청하는 개인 정보의 유형과 양, 메시지 또는 UI까지 살펴보는 것이 좋습니다. Wells Fargo는 모바일 뱅킹 앱을 재설계하기 전에 고객 행동을 연구하여 메뉴와 하위 메뉴의 레이어 아래에 묻지 않고 홈 화면에 대한 고주파 상호 작용 버튼을 홍보했습니다.

고객 선호도

팀은 킬러 제품을 만들기 위해 고군분투하지만 이론상 고객이 제품과 상호 작용하는 방식은 결국 제품을 사용하는 방식과 많이 다릅니다. Zelle은 Venmo와 같은 회사와 경쟁하기 위해 최고의 은행에 의해 소개되었지만 시간이 지남에 따라 고객이 근본적으로 다른 방식으로 각 앱을 사용한다는 것이 분명해졌습니다. 아마도 대형 은행과의 연결 때문에 고객들은 일반적인 P2P 거래 금액이 $74 정도인 Venmo에 비해 청구서 지불 및 더 실질적인 거래에 Zelle을 사용하는 것을 선호합니다. 고객이 자신을 위해 구축한 기능을 사용하는 방식의 특성을 발견하면 향후 사용자 경험 개선을 위한 기반을 만들 수 있습니다.

특정 고객 세그먼트에 대한 귀중한 통찰력은 수백만 명의 다른 고객 데이터에 묻혀버릴 수 있습니다. Amplitude Recommend는 제품 관리자가 공유 행동을 기반으로 고객을 집단으로 구성하여 특정 세그먼트가 제품과 상호 작용하는 방식을 더 잘 이해할 수 있도록 합니다. FinServ 기관에서 고급 사용자가 새로운 모바일 수표 입금 기능에 참여하고 있는지 확인하려는 경우 가장 열성적인 사용자로만 구성된 집단을 만들고 그룹의 몇 퍼센트가 이 기능을 적극적으로 사용하는지 평가할 수 있습니다.

새로운 기회

다양한 고객 세그먼트의 행동을 연구하면 새로운 제품이나 기능에 대한 기회나 필요성이 모두 드러날 수 있습니다. 예를 들어 이전에 언급한 Zelle 사용자가 개인 청구서 결제에 앱을 선호한다는 사실을 가정해 보겠습니다. 상업적 고객에 대한 분석이 상업적 영역에서 유사한 기회를 드러낼 수 있습니까? JP Morgan Chase는 최근 B2B 디지털 청구서 지불 기능 발표에서 알 수 있듯이 그렇게 생각하는 것 같습니다. 새로운 기능을 추가하거나 신제품을 발명하면 더 많은 행동 데이터가 생성되어 분석, 개발 및 평가 루프가 시작되어 지속적인 성장을 촉진합니다.

데이터 기반 예측으로 전략 수립 및 테스트

은행은 또 다른 주요 면에서 경쟁자보다 우위에 있습니다. 바로 과거 데이터입니다. 은행은 컴퓨터 시대 내내 FinServ를 지배했습니다. 즉, 수백만 고객의 재무 기록이 사용자 행동에 대해 계산될 수 있음을 의미합니다. Amazon은 행동 데이터와 구매 내역을 사용하여 전체 수익의 35%를 차지하는 시스템인 권장 사항을 강화합니다. Netflix가 몇 년의 데이터만으로 고객이 다음에 원하는 것을 예측할 수 있다면 FinServ 기관의 한계는 하늘입니다.

예측은 과거 데이터, 행동 데이터, 컴퓨터 학습 및 통계 모델링을 사용하여 고객이 미래에 특정 작업을 수행할 가능성에 대한 감각을 제공합니다. 행동 데이터 분석을 통해 온보딩 워크플로의 문제가 확인되면 제품 관리자는 새로 설계된 흐름이 전환을 높일 가능성을 테스트할 수 있습니다.

특정 결과의 가능성을 알면 FinServ 제품 관리자는 잠재적으로 수백만 명의 고객에게 영향을 미칠 수 있는 변경 사항을 커밋하기 전에 행동 기반 전략을 테스트할 수 있습니다. Amplitude Experiment를 사용하면 제품 관리자가 A/B 테스트 변경 사항을 더 작은 대상 사용자 세그먼트에서 테스트하여 예측된 결과를 확인할 수 있습니다. 데이터 기반 예측과 세분화된 실험 사이에서 Amplitude는 제품 전략을 방해하는 추측과 "직감 본능"을 제거합니다.

이러한 예측 기반의 실험 검증된 제품 전략은 전통적인 FinServ 기관을 디지털 금융 경쟁의 최전선으로 밀어붙일 것입니다. 은행은 시장의 변화에 ​​대응하는 대신 변화에 스스로 영향을 미칠 수 있습니다. 은행은 미래의 고객 요구를 예측하는 데이터 기반 제품과 기능을 만들 수 있습니다. 신생 기업을 능가할 만큼 충분한 데이터와 기술 기업과 전면전을 벌일 수 있는 충분한 자금을 갖춘 기존 기업은 FinServ 혁신 ​​기업과 경쟁할 수 있는 유리한 위치에 있습니다.

고객 통찰력을 사용하여 결과를 이끌어내는 전략 개발

금융의 미래는 더 개인적이고, 더 직접적이며, 점점 더 디지털화됩니다. 스타트업은 기본적으로 더 빨라졌고 기술 회사는 혁신을 위해 준비되어 있지만 FinServ 기관이 보유하고 있는 행동 데이터의 깊이(폭)를 얻는 데는 몇 년이 걸릴 것입니다. 이제 고객이 오랫동안 제공해온 통찰력을 활용하여 고객이 사용하고 싶어하는 핀서브 제품을 개발할 때입니다.

FinServ 기관이 직면한 과제, 업계 동향 및 4분기 전자책, "금융 서비스 생존 가이드"에서 성공의 열쇠에 대해 자세히 알아보십시오. 사본을 다운로드 하려면 여기를 클릭하십시오 .