Cómo entender los cambios de los clientes durante la pandemia con Inteligencia Artificial
Por: Scott Zoldi, Chief Analytics Officer de FICO
A once meses del inicio de la pandemia, la “nueva normalidad” sigue siendo un concepto vago. El sentimiento de los consumidores y las puntuaciones de crédito han aumentado. Sin embargo, en Europa se han aplicado nuevos confinamientos, en Estados Unidos las reaperturas cambian todos los días y masas de clientes nuevos y existentes están adoptando un estilo de vida digital como nunca antes.
Cuando la incertidumbre ataca, ¿cómo pueden los bancos y los comercios utilizar la inteligencia artificial para reabrir exitosamente, conocer los cambios de los clientes durante la pandemia e interactuar con los clientes para satisfacer sus necesidades cambiantes? Este artículo nos explica cómo lograrlo.
Los datos están cambiando
Al menos una cosa es cierta en la era del COVID: los datos están cambiando. La IA nos puede ayudar a entender mejor esos cambios.
Por ejemplo, la división de fraude de FICO lleva tiempo utilizando perfiles colaborativos y arquetipos de comportamiento, un constructo analítico en el cual los clientes se pueden agrupar en un número limitado de clústeres de comportamiento. Los comportamientos de las transacciones de un clúster se pueden analizar para determinar si un cliente en ese grupo se está comportando de manera normal o anormal. Esta técnica resulta útil para identificar las transacciones fraudulentas, además de ser muy valioso para conocer la forma en que los hábitos de gasto del cliente han cambiado, tal como ha sucedido durante la pandemia. Si un cliente siempre ha comprado sus productos electrónicos en Apple, pero recientemente adquirió una computadora en una tienda de descuento en línea, ¿esa compra podría atribuirse a un fraude, a una reducción de salario o pérdida del empleo, o a un gasto dentro de sus posibilidades?
Los perfiles colaborativos cuentan una historia
Las tecnologías de creación de perfiles colaborativos de FICO traducen cada transacción en un evento o “palabra”, y todas las transacciones pasadas y actuales forman una “historia” figurativa. Esas historias traducen la información de cada transacción en una serie de comportamientos característicos de los clientes. Cada cliente tiene diferentes cargas estadísticas de comportamiento y, a medida que las transacciones nuevas agregan palabras a la historia, los comportamientos que describen al cliente cambian en consecuencia.
Cabe señalar que los arquetipos que se aprenden cambian con cada transacción, lo que proporciona una medición en tiempo real de la situación actual del cliente y sus comportamientos esperados. Durante la pandemia, en la que resulta fundamental conocer la trayectoria del cliente, los perfiles colaborativos ofrecen una mirada a las dificultades sin precedentes que los clientes podrían estar experimentando, tal como se muestra en sus complicadas trayectorias.
La IA da vida a los datos estáticos
Los cambios se pueden observar a través de un modelo de filtrado colaborativo basado en los arquetipos y comportamientos de las transacciones antes y durante el COVID, y luego ver la manera en que están mutando las cargas de los arquetipos de comportamiento del cliente. Los conocimientos obtenidos a partir de este ejercicio pueden ayudarnos a decidir cómo interactuar con los clientes de forma diferente; los algoritmos de detección de cambios nos indican si debemos comunicarnos con el cliente, y las cargas de los arquetipos nos permiten saber la mejor manera de hacerlo.
Análogamente, por medio del filtrado colaborativo podemos saber de manera intuitiva qué personas han experimentado un impacto financiero mínimo debido al COVID y cuáles se han visto seriamente afectadas. La pandemia no ha convertido a los humanos en alienígenas —las personas siguen comprando alimentos, pidiendo comida a domicilio y pagando sus tarjetas de crédito—, pero sin duda el COVID está dando lugar a cambios importantes en los hábitos individuales de los clientes. ¿Cómo pueden los bancos y los comercios conocer esos cambios para entender e interactuar adecuadamente con ellos?
Con el fin de cumplir ese objetivo, aplicar la IA para analizar los cambios en el comportamiento de las transacciones puede ser sumamente revelador, ya que aporta significado, color y vida a los datos estáticos que los modelos consideran, tales como los informes del buró de crédito o los archivos maestros de las cuentas de los clientes.