Двигун персоналізації: AI у програмі лояльності ПриватБанк може спрогнозувати покупку ще до того, як клієнт її захоче

Керівниця програми лояльності «Привіт» ПриватБанк Інна Турлюн в ході RAU Summit 2025 розповіла, як щороку створюється 735 млн персональних рекомендацій для клієнтів, що допомагають будувати довіру та поділилася кейсами Фокстрот, Аврора, WOG і більш ніж 400 партнерів. В ході своєї презентації під красномовною назвою «Як AI у програмі лояльності «Привіт» передбачає потреби клієнтів і створює персональні пропозиції від різних брендів, які збільшують конверсію здійснення покупок» Інна показала відмінності програми лояльності «Привіт» в Приват24 від традиційних loyalty-програм. А також пояснила, як це впливає на динаміку покупок у брендів-партнерів, зокрема, як зростає self-service модель через маркетинговий кабінет у Приват24, де бізнес може керувати попитом у кілька кліків. RAU пропонує ознайомитися з основними тезами її виступу.

Нова філософія програми лояльності «Привіт»

Звичайні акційні програми, кешбек, знижки та інші пропозиції створюють дуже багато інформаційного шуму. Через тисячі пропозицій, направлених на клієнта звідусіль, падає маржа, а витрати на маркетинг зростають.

В результаті склалася ситуація, коли, з одного боку, незадоволені клієнти вимагають адекватної персоналізації пропозицій, а з іншого – є партнери банку, що хочуть комунікації з цією аудиторією.

Відповідно, маючи мережу в десятки тисяч партнерів і більше 15 млн клієнтів, в банку провели багато діалогів з обома сторонами. Їх результатом стала розробка нової платформи лояльності, де вже більш ніж 4000 партнерів можуть розміщувати свої пропозиції для клієнтів Приват24.

Платформа «Привіт» є не тільки програмою індивідуальних акційних пропозицій зі знижками та кешбеком від партнерів програми та самого банку, а насамперед – це можливість для партнерів самостійно працювати з аудиторією (self-service). І вже тільки це вирізняє нову програму лояльності ПриватБанк від аналогічних пропозицій. Але є й інші чинники, що роблять традиційні моделі не дуже ефективними.

Чому традиційні loyalty-програми втрачають ефективність

По факту клієнти вже не є лояльні. Вони просто шукають і купують вигоду серед однакових пропозиції для всіх. В традиційних програмах лояльності утворилася навіть така категорія клієнтів як cashback hunters, яких добре видно саме в банках. 

Тому дуже важливими є персоналізовані пропозиції, за реальними потребами, вигідні та зрозумілі певній частині клієнтів з велетенської клієнтської бази. У бізнес-партнерів завжди виникає спокуса надіслати свою пропозицію якомога більшій кількості людей. Але тоді вже від клієнта йде негативна реакція на рекламний шум.

Водночас для «мисливців за вигодою» навпаки – передбачено можливість обмеження та виключення з програми тих, хто не приносить цінності. Відтак є можливість контролювати ROI кожної кампанії в реальному часі. Але щоб займатися підбором таких індивідуальних покупок потрібна величезна команда фахівців, що неможливо реалізувати на практиці. Тому замість команди аналітиків таку роботу доручили штучному інтелекту.

Роль AI в програмі лояльності

Зрозуміло, що AI може бачити трохи більше паттернів поведінки клієнтів: що саме робить клієнт, як ця поведінка змінюється з часом. Певні особливості поведінки аналітики навіть можуть не помітити.

Використовуючи історію транзакцій, частоту, категорії, ритм покупок, штучний інтелект може спрогнозувати, коли клієнт з великою ймовірністю зробить наступну покупку. Звісно, трапляються помилки, моделі AI потрібно вчити.

Проте бувають випадки, коли AI ідентифікує поведінку власника картки, якою користується хтось із його рідних. Тоді, наприклад, чоловіку більше приходить пропозицій від салонів краси чи магазинів, що продають манікюрні набори, бо його дружина займалася шопінгом, поки він працював. Проте система постійно покращується й за попередній рік в «Привіт» було сформовано 735 млн персоналізованих пропозицій.

Це вже не тисячі скролів, а тільки 10-12 пропозицій, в когось може бути всього 3. Звісно, більшість – це партнерські пропозиції, але частина є пропозиціями від банку: це й співпраця з платіжними системами і так далі. Тобто система розвивається з усіх сторін, щоб мотивувати клієнта постійно на щоденній основі користуватися сервісом.

Результати спільної роботи

На прикладі співпраці з одним із найбільших партнерів банку по еквайрингу добре видно маркетингову воронку.

Через те, що у банку та його партнера дуже сильне перетинання аудиторії, кількість рекомендацій виявилася значною – більше 15 млн. З тих 15 мільйонів більше мільйона зареєструвалося, більше половини здійснило хоча б одну транзакцію. Але й ціль була велика – збільшити середній чек. Акція спрацювала, ціль досягнута, а ще в результаті додатково отримали приріст унікальних клієнтів.

Але, як уже зазначалося, працювати з великою кількістю партнерів і клієнтів досить важко, тому для спрощення роботи за моделлю self-service було створено маркетинговий кабінет, який працює через платформу Privat24 для бізнесу.

Цей кабінет дозволяє як швидко запускати транзакції, так і підбирати аудиторію. Наразі аудиторія підбирається в чотирьох категоріях: нові клієнти; лояльні клієнти; клієнти, які «засинають»; можливість мотивувати клієнта збільшити середній чек.

Загалом є багато можливостей для партнера додаткової комунікації в каналах Privat24 і в цьому випадку партнер пропонує вигоду лише клієнту, який зацікавлений в цій пропозиції. Він її отримав, він її активував, він зробив транзакцію. На відміну від інших кампаній, коли бренд платить за якісь додаткові комунікації з клієнтом.

Це бізнеси, що через ПриватБанк надають клієнтам персональні знижки, які можна активувати в Приват24, натиснувши на зображення долоньки.

Лояльність – це розуміння та передбачення поведінки клієнта. Тому в ПриватБанк будують не програму кешбеків чи знижок, а хочуть побудувати взаєморозуміння з клієнтом. Фактично АІ зараз став базою, з якої потрібно стартувати і рухатись далі. Тому що АІ дає персоналізацію. А персоналізація забезпечує дохід. Чим краще з цим працювати, тим кращими будуть конверсія, середній чек, частота покупок тощо.