Kamis 08 Aug 2019 17:43 WIB

Customer Engagement, Bank Commonwealth Gunakan AI dan ML

Bank Commonwealth telah membangun customer engagement engine.

Rep: Agus Aryanto(Warta Ekonomi)/ Red: Agus Aryanto(Warta Ekonomi)
Begini Bank Commonwealth Gunakan AI dan ML untuk Customer Engagement. (FOTO: Pixabay)
Begini Bank Commonwealth Gunakan AI dan ML untuk Customer Engagement. (FOTO: Pixabay)

Bank Commonwealth Australia (CBA) telah membangun customer engagement engine yang disebut-sebut sebagai kekuatan pengalaman pelanggan melalui penggunaan kecerdasan buatan (AI) dan mesin pembelajaran (ML).

Ini adalah sistem canggih yang menggabungkan AI, ML, dan data pelanggan untuk mengoptimalkan dan memprioritaskan semua pesan, peringatan, percakapan, dan komunikasi yang dimiliki dengan pelanggan pada waktu tertentu di semua saluran secara real time.

Melansir Zdnet, Kepala Petugas Analisis CBA Andrew McMullan mengatakan, CBA menjalankan lebih dari 200 model mesin pembelajaran di atas 157 miliar titik data. Di mana model-model itu terus-menerus mengoptimalkan, memprioritaskan, dan mengembalikan pesan pribadi terbaik berikutnya kepada pelanggan ketika mereka berinteraksi dengan perusahaan di semua saluran yang dimiliki.

Baca Juga: AI untuk Bantu Cegah Serangan Jantung

"Jadi, mungkin ada pesan yang ingin kami uji dengan beberapa pelanggan kami di salah satu aset dalam aplikasi seluler. Kami akan mendorong pesan itu secara langsung dan di latar belakang kami akan menghidupkan salah satu model mesin pembelajaran canggih kami," jelas McMullan.

Dia menjelaskan, ketika pelanggan terlibat dengan pesan itu, mungkin mengklik percakapan 'ya, tolong' atau 'tidak, terima kasih'. Model mesin pembelajaran di balik itu untuk benar-benar lebih akurat memprediksi jenis pelanggan mana yang benar-benar menikmati pengalaman dengan pesan khusus itu.

McMullan menambahkan, CBA senang dengan kinerja model itu, dan akan mengaktifkan dan menambahkan percakapan itu ke sistem untuk menjadi pesan lain yang akan dibagikan pada pelanggan. Saat ini masing-masing aset telah dipersonalisasi dengan melakukan panggilan ke customer engagement engine untuk mengatakan, apa pesan terbaik berikutnya untuk menentukan komunikasi khusus ini.

Memberikan skala sistem, McMullan mengatakan bahwa setiap hari aplikasi bank melakukan lebih dari 20 juta panggilan ke customer engagement engine untuk mengembalikan pesan yang dipersonalisasi. Selama 12 bulan ke depan, bank mengharapkan akan memiliki kesempatan untuk mengirimkan 3 miliar pesan pribadi kepada para pelanggannya.

McMullan mencontohkan, salah satu favoritnya adalah peringatan cerdas CBA pada kartu kredit. Di mana bank terus memantau data pelanggan dan jika pelanggan belum membayar jumlah minimum atau membayar saldo kartu kredit mereka, tiga hari sejak jatuh tempo, bank akan mengirimkan peringatan kepada mereka, membuatnya sangat mudah mengklik untuk melakukan pembayaran.

Baca Juga: 5 Keuntungan Terapkan Machine Learning dalam Perusahaan

Contoh lain adalah bagaimana CBA berusaha membantu pelanggan mengelola tagihan mereka. Dengan menggunakan pemrosesan bahasa alami, bank berusaha untuk lebih memahami semua pembayaran dan tagihan reguler yang dimiliki pelanggan untuk mengidentifikasi anomali. 

Contoh terakhir yang dibagikan McMullan adalah membantu bank dengan menggunakan sistem selama proses pengajuan aplikasi. Pelanggan mungkin memulai aplikasi dan karena berbagai alasan, mereka keluar, tidak melanjutkan.

Masalahnya, mungkin calon nasabah belum mengirimkan dokumen, atau belum menandatangani dokumen. Maka, sistem akan memindai hal itu, mengidentifikasi apa yang harus pelanggan perlu lakukan selanjutnya, dan memberitahukan apa yang harus dilakukan untuk melanjutkan proses aplikasi.

"Kami bertekad untuk meningkatkan kesejahteraan finansial pelanggan dan komunitas kami," jelas McMullan.

Yuk gabung diskusi sepak bola di sini ...
Disclaimer: Berita ini merupakan kerja sama Republika.co.id dengan Warta Ekonomi. Hal yang terkait dengan tulisan, foto, grafis, video, dan keseluruhan isi berita menjadi tanggung jawab Warta Ekonomi.
Advertisement
Advertisement
Advertisement
Advertisement