Hyperpersonalisierung bei Schweizer Retail-Banken

Effizient und risikoarm Hyperpersonalisierung im Sinne der Kunden einführen, eine Win-Win-Situation schaffen und sich zukunftssicher für den Wettbewerb mit digitalen Herausforderern aufstellen

Ein Bankkunde loggt sich bei seiner Bank ein. Da seine Bank auf Hyperpersonalisierung setzt, wird die Benutzeroberfläche automatisch entsprechend den bisherigen Interaktionen des Kunden angepasst. Der Kunde sieht also eine personalisierte Startseite, mit Informationen zu seinen letzten und antizipierten Banking-Belangen. Da der Kunde vorhin einen Interkontinentalflug über seine Kreditkarte gebucht hat, weist seine Bank darauf hin, dass an seinem Reiseziel mit seiner aktuellen Kreditkarte Gebühren bei Bargeldabhebungen und Kartenzahlungen anfallen. Neben dieser Information wird eine passende Alternative – wie eine Reisekreditkarte – angeboten, die hilft, die Gebühren zu reduzieren bzw. sogar ganz zu vermeiden.

Dieses Beispiel ist keine ferne Zukunftsmusik. Tatsächlich ist eine derartige Hyperpersonalisierung bei digital führenden Playern schon längst Standard. Dabei nutzen IT-Systeme (Echtzeit-) Daten, um Produkte, Dienstleistungen oder Inhalte zu erstellen, die kundenspezifisch und hochgradig detailliert sind. Oft ist der Prozess komplett automatisiert. Sowohl Fintechs als auch Big-Techs haben den Wert von Daten für ihre Geschäfte bereits früh erkannt und setzen aggressiv auf Hyperpersonalisierung.

Das bedroht die etablierten Banken. Bislang waren Fintechs zu klein, um eine ernsthafte Gefahr für Banken darzustellen und Big-Techs in anderen Geschäftsfeldern aktiv. Doch nun, da Fintechs erwachsen werden und Big-Techs immer öfter auch Finanzdienstleistungen anbieten (siehe Apple Card Savings Account), geraten Banken zunehmend unter Druck.

Banken besitzen bereits die wichtigste Grundlage für Hyperpersonalisierung

Doch die gute Nachricht ist: Hyperpersonalisierung ist auch für etablierte Retail-Banken möglich, und lässt sich zudem schneller und einfacher erreichen als gedacht. Denn die wichtigste Grundlage dafür ist bereits da: Etablierte Retail-Banken sitzen auf wahren Datenschätzen. Sie besitzen umfassende Informationen zu ihren Kunden. Sie verfügen über so viele Kundeninformationen wie kaum eine andere Branche. Die Daten umfassen alles, von Ausgabentrends bis hin zu Anlageportfolios. Und die Banken haben den direkten Draht zu ihren Kunden: Ob persönlich, per Email, per SMS oder in der App – sie haben viele Touchpoints.

Hyperpersonalisierung schafft eine Win-Win-Situation für Banken und ihre Kunden

Die Datenlage und die Kontaktmöglichkeiten sind also exzellent, um personalisierte Angebote zu erstellen und auszuspielen. Und es gibt viele wichtige Gründe, warum Banken auf Hyperpersonalisierung setzen sollten: Wenn die richtigen Angebote die richtigen Personen zur richtigen Zeit erreichen, schafft das eine Win-Win-Situation für Banken und ihre Kunden. Banken steigern Umsatz sowie Gewinn und positionieren sich darüber hinaus als ein starker Partner, der auf die individuellen finanziellen Belange jedes einzelnen Kunden eingeht.

Das steigert die Kundenbindung – ein Aspekt, der kaum zu überschätzen ist. Denn Banking ist heutzutage ein „Commodity Service“ und Bankkunden vergleichen keine Marken mehr, sondern Experiences. Und wenn die Banking Experience bei einem Fintech oder Big-Tech besser ist, wechselt der Kunde. Für Kunden wiederum ist Hyperpersonalisierung attraktiv, weil sie erstens beim Banking die Experience bekommen, die sie von Spotify, Netflix und anderen Digital Champions gewohnt sind. Und zweitens bekommen sie die Finanzprodukte, die zu ihrer Lebenssituation passen. Diese Win-Win-Situation stärkt etablierte Kreditinstitute im harten Wettbewerb mit Fintechs und Big-Techs.

Die Frage nach der Umsetzung

Die Vorteile sind enorm, der Wettbewerbsdruck ist hoch: Viele Entscheider haben bereits erkannt, dass Hyperpersonalisierung ihrer Bank riesige Chancen bietet, ihre Bank ohne sie jedoch sehr wahrscheinlich ernsthafte Schwierigkeiten bekommen wird. Da ist die Frage berechtigt, wieso Hyperpersonalisierung nicht schon längst von viel mehr Schweizer Retail-Banken angeboten wird.

Eine mögliche Antwort darauf ist, dass sich viele Entscheider noch fragen, wie genau sie die Hyperpersonalisierung schnell, effizient und risikoarm in ihrer Bank einführen. Die dafür nötige Modernisierung der IT scheint arbeitsintensiv, langwierig, teuer und mit ungewissem Ausgang riskant. Wird es funktionieren, einen möglichst großen Teil als Eigenentwicklung bereitzustellen? Was wird die Eigenentwicklung kosten, wie lange wird sie dauern? Oder wäre es besser, mittels Best of Breed die Lösungen verschiedener Anbieter miteinander zu kombinieren? Oder gibt es eine Plattform, die alle Herausforderungen adressiert?

Silos,  Analyse,  Kommunikation.

Um diese Fragen zu beantworten, schauen wir uns kurz aus der Vogelperspektive die größten Milestones an, die auf dem Weg zur Hyperpersonalisierung zu nehmen sind. Die Daten sind – wie gesagt – schon vorhanden. Doch oft liegen sie in Silos. Diese Silos müssen also zunächst erschlossen werden. Dann müssen die Daten mittels Machine Learning bzw. Künstlicher Intelligenz analysiert werden, um Erkenntnisse zu gewinnen. Mit den Erkenntnissen verstehen Banken, was ihre Kunden wollen und was sie als nächstes wollen werden. Und schließlich müssen die Banken die richtigen Angebote zur richtigen Zeit über den passenden Kanal an ihre Kunden ausspielen. Denn die beste Reisekreditkarte nützt nichts, wenn das Angebot dafür per E-Mail an einen Kunden gesendet wird, der zwar zugestimmt hat, per E-Mail kontaktiert zu werden, aber noch nie eine E-Mail seiner Bank geöffnet hat. Oder wenn das Angebot für die Reisekreditkarte per Brief versendet wird und den Kunden einen Tag vor seiner Abreise erreicht.

Eine Plattform für alle Herausforderungen

Mit einem Plattform-Ansatz – genauer gesagt mit einer Engagement-Banking-Plattform – adressieren Banken alle oben genannten Milestones, ohne ihre Legacy IT verändern zu müssen. Eine Engagement-Banking-Plattform hilft dabei, einen lose mit den Datensystemen gekoppelten Engagement Layer zu erstellen, der die in den Silos gefangenen Daten erschließt. Des Weiteren bringt eine Engagement-Banking-Plattform Fähigkeiten zur Datenanalyse mit und erlaubt es, diese Fähigkeiten unkompliziert durch die Integration von Fintech-Lösungen zu erweitern. Schließlich ermöglicht es die Engagement-Banking-Plattform den Marketern der Bank, mit einem benutzerfreundlichen Interface hyperpersonalisierte Marketingkampagnen durchzuführen.

In diesem Interface können Marketer beispielsweise eine Kampagne für alle Kunden umsetzen, die vor kurzem einen Flug gebucht haben und noch keine Reisekreditkarte haben. Dabei legen sie mit wenigen Klicks fest, welcher Content auf welchen Kanälen an dieses Kundensegment ausgespielt wird. Anschließend lässt sich auf derselben Plattform auch die Performance auswerten: Welche Kunden mit welchen Merkmalen – aus welchem Segment – haben auf welchem Kanal am häufigsten auf das Angebot reagiert? Diese Daten fließen dann in alle zukünftigen Kampagnen ein.

Risiken eliminieren und Time to Market senken

Es steht Banken frei, selbst Lösungen zu entwickeln, um die oben genannten Milestones zu erreichen. Aber ist das sinnvoll, und lassen sich zuverlässig die folgenden Fragen beantworten wie beispielsweise: Wie lange wird die Eigenentwicklung dauern und wie viel wird sie kosten? Sind genug Experten verfügbar, die das Knowhow dafür haben? Wie groß ist dann der laufende Aufwand, um die Lösung zu betreiben, also die Weiterentwicklung, der Support für die Mitarbeiter, Troubleshooting, Security Fixes, Audits etc.?

Auch der Best-of-Breed-Ansatz birgt seine Tücken: Welche Anbieter haben gute Lösungen für die drei Bereiche Silos erschließen, Daten analysieren und Angebote erstellen plus ausspielen? Wie gut integrieren die Lösungen in der Praxis miteinander? Es treibt die Kosten und verlangsamt den Prozess enorm, wenn zum Beispiel die Analyse hervorragend funktioniert, aber die gewonnenen Erkenntnisse nicht effizient genutzt werden können, weil die Lösung zum Ausspielen der Angebote nicht nahtlos mit der Analyselösung integriert.

Diese Aufwände und Risiken gilt es genau abzuwägen. Alternativ zu Eigenentwicklung und Best of Breed lohnt sich daher ein Blick auf existierende Engagement-Banking-Plattformen, die am Markt verfügbar sind und mit vergleichsweise geringem Aufwand und Risiko eine Bank maßgeblich bei der Hyperpersonalisierung unterstützen.