在过去的几年中，银行面临着许多新问题，例如不断提高的消费者期望、来自具有卓越客户体验的数字竞争对手的竞争、技术进步和收紧监管。许多银行已经实现数字化以应对这些挑战并保持相关性，但随着流量开始流向数字渠道，银行缩减其分支机构网络以节省成本。新冠疫情爆发后，数字化转型进一步加速。对于传统实体银行来说尤其如此，它们的成本收入比是数字银行的两倍。我们现在正处于经济衰退之中，这迫使每个人都勒紧裤腰带。支出正在下降，目前的情况可能会持续一段时间。经济衰退也影响了大多数银行，许多银行不得不削减招聘支出，在许多情况下还进一步裁员。虽然裁员可能缓解了一些经济压力（据金融行为监管局估计，关闭一家银行分行每年可节省590,000英镑），但银行仍需要资源与客户保持联系，以确保他们能够留住客户并吸引新客户顾客。一种解决方案是使用数据和人工智能来获取客户知识并建立用户粘性。机器学习(ML)可用于分析数据，为银行提供对输入的上下文体验的洞察力，或对话式人工智能，以实现与客户的“类人”交互。NatWest的虚拟助手Cora展示了如何通过帮助成千上万受大流行影响的客户重新安排贷款和信用卡付款来实现这一目标。了解您的客户是更好地参与的关键。人工智能和分析解决方案通过提供洞察力帮助客户管理财务并向他们推荐后续步骤来实现这一点。然而，为了提供最有效的参与，需要全面的数据。银行应该使用一个平台来收集有关客户其他业务关系和位置的信息，使他们能够了解客户的偏好并预测未来的需求。例如，基于客户收入和支出模式、年龄、金融资产和负债的数据集合将使银行能够推荐投资于特定公司或减少频繁外出就餐的支出。使用数据分析的另一个好处是，它可以防止银行用他们不需要的服务和优惠来烦扰客户。相反，它允许银行在正确的时间向正确的人提供正确的服务。这减少了客户去其他地方满足其财务需求的机会。上述示例使银行能够实现高水平的参与，有效地使用AI提供高度个性化、上下文敏感的体验和建议，从而改善客户的财务状况。然而，虽然向客户提供这些数据可以帮助他们更有效地管理财务，从而让银行留住他们，但研究报告《最大化数字银行参与度》显示，只有5%的银行成功地建立了有效的客户参与度。大多数这样做是通过专注于临时修复客户体验而不是长期计划来实现的。数据收集和分析所需的技术也可能带来挑战。成本可能很高，结果取决于所使用的数据。因此，银行应根据其所在位置做出选择，同时考虑业务目标、客户群和技术准备情况等因素。
