Главные новости

16 ноября 2026

Сбербанк разработал фундаментальную ИИ-модель для анализа поведения клиентов

Исследователи Сбера разработали фундаментальную ИИ-модель, которая анализирует поведение клиента банка сразу по нескольким типам событий: финансовым операциям, действиям в мобильном приложении и коммуникациям. Модель объединяет их в единую хронологическую последовательность и находит общие закономерности в истории взаимодействия клиента с сервисом. Об этом сообщили в пресс-службе банка.

Фундаментальной называют модель, которую сначала обучают на большом объёме данных без привязки к одной конкретной прикладной задаче. После этого сформированное ею представление данных можно многократно использовать в разных сценариях. Такая модель дополняет уже имеющиеся данные о клиенте информацией, которую она извлекает из истории его действий. Их сочетание затем используется для более точного прогноза.

Подход помогает решить одну из системных проблем машинного обучения в крупных финансовых организациях. Традиционно для разных задач — например, для оценки вероятности отклика клиента на предложение — создаются отдельные модели. По мере роста числа сценариев увеличиваются затраты на их разработку и поддержку, а закономерности, найденные при решении одной задачи, сложно использовать в другой.

Ещё одна особенность разработки — мультимодальность. Поведение клиента отражают не только транзакции, но и действия в мобильном приложении, обращения в банк, сообщения, звонки и другие события. Совместный анализ разных источников даёт модели более полное представление о взаимодействии клиента с сервисом и повышает качество прогнозов.

Подход проверили на реальных задачах, связанных с прогнозированием реакции клиентов на коммуникации по банковским продуктам. Помимо офлайн-экспериментов, исследователи провели A/B-тест для шести ключевых банковских продуктов и трёх каналов коммуникации — push-уведомлений, SMS и телемаркетинга. По итогам эксперимента новая архитектура в среднем дала около 1% прироста общей бизнес-метрики NPV — чистой приведённой стоимости — по сравнению с использовавшимися ранее промышленными моделями на основе градиентного бустинга. Для банка масштаба Сбера этот прирост соответствует существенному финансовому эффекту. После A/B-теста подход внедрили в промышленную эксплуатацию, сейчас он используется как основной для прогнозирования отклика клиентов по шести ключевым банковским продуктам.

Вице-президент — директор департамента данных и рекомендательных систем B2C Сбербанка Иван Кузьмин отметил, что при подготовке банковского предложения один из главных вопросов — кому о нём рассказать. По его словам, у людей разные финансовые задачи, и со временем они меняются, поэтому для точного прогноза отклика важно учитывать, как человек пользуется банковскими сервисами.

«Новая модель позволяет опираться на этот контекст при работе с разными продуктами и точнее выбирать, кому направить сообщение. Так клиент с большей вероятностью узнает о продукте, который ему пригодится», — добавил Кузьмин.

Разработка выполнена командами блока B2C и Центра практического искусственного интеллекта (ЦПИИ) Сбера. Подход описан в научной статье, подготовленной под руководством исполнительного директора по исследованию данных Алексея Васильева, и представлен на международной конференции KDD в Южной Корее.

Читайте NBJ в Telegram
Поделиться:

Возврат к списку