如果我们知道客户明天会关心什么，我们今天就可以为他们提供理想的报价。我们了解它们，并提供真正相关的商业模式和商业理念，而不仅仅是我们向很多人“复制”的另一种产品。这是我们希望如何接近客户及其需求的理想形象。不幸的是，现实往往有所不同。
每个人都知道：您会收到一封包含超高利率融资报价的信函。为什么我们都会得到这个？因为我们是银行的客户。这封信是单独设计的吗？ - 不。这封信与事件有关吗？ - 不。您觉得银行对您个人有照顾吗？ - 不。银行有一种产品（在本例中为融资）并且想要出售它。这个过程对双方来说都没有意义，因为付出的努力只会带来很少的销售额（转化率很低）。收件人在打开信之前就把它扔掉，因为每个人都知道这是广告而不是建议。
此问题可以应用于企业对企业 (B2B) 和企业对客户 (B2C) 环境。每当我们从产品的角度而不是从他人的需求角度思考时，我们从一开始就没有理想的解决方案 - 正如这句座右铭：“当我有一把锤子时，我到处都看到钉子。”我们必须转变视角，看到我们的客户和金融服务提供商的客户的需求。但这通常没有完成，因为这是一项非常复杂的任务，而且通常既没有结构化数据，也没有模型或流程，所以我们像以前一样继续进行。
Next Best Action – 了解客户的解决方案
这就是下一个最佳行动方法发挥作用的地方。这种方法可以预 hotmail 电子邮件列表 测客户需求并显示理想的后续步骤。目标是在正确的时间确定对话的正确原因，并将两者与提供的服务结合起来，以实现理想的方法。例如，这可能意味着：结合储蓄率、年龄和其他参数对租金支付进行分析，以便认识到购买房产对银行客户来说可能是一个好的步骤。如果有进一步的财务信息，我们甚至可以计算出房产的理想位置，并为客户准备量身定制的报价。这将从根本上改变银行与客户的互动——从不参考任何基于客户需求的真实建议的统一利率报价。
这种方法带来了各种挑战，例如数据保护。单独检查什么在法律上是可能的并且在道德上是合理的总是很重要的。我们为客户提供建议并开发商业模式。由于其高度复杂性，我不会在本文中更深入地讨论这个主题，而是主要更详细地研究可能的实现。
可以使用既定的程序来处理传入的信息并识别相关的场合。可以连接内部和外部系统和网站，并通过预先构建的接口或单独的流程读取它们，并准备信息并将其保存在数据库中。处理通过神经网络进行。相关信息被识别并分配给各个区域（实体）。例如，如果您活跃于 B2B 领域，并且想要了解可以接近客户（无论是现有客户还是新客户）的原因，那么将内部信息（例如来自 CRM 的信息）与外部信息进行比较会很有帮助 - 例如作为新闻稿、新闻或社交网络。这使得该方法更加个性化，因为您没有进行一般性对话，而是进行与事件相关的对话，从而建立信任并实现长期业务。此过程如下图所示：
人工智能如何帮助解决这个问题？
人工智能（AI）的使用在整个方法中具有很大的优势，有两个主要用例：
1：查找并分析相关信息
2：场合信息的抽象
这意味着所有现有客户信息都相互连接，并定义了可能的目标场景。来自金融服务提供商的历史信息清单非常有帮助，可以快速取得成功。例如，您可以查看哪些后续融资相关、何时需要新保险等等。可以使用历史数据进行训练，以创建洞察，从而提供更好、更个性化的客户服务。
本着以客户为中心的精神采取灵活的方法
总之，下一个最佳行动方法可以极大地支持现有和新客户业务的销售。如果智能算法发挥作用，就可以发现全新的内容，并且客户可以获得他们期望从银行获得的服务。另一方面，该银行正在向“金融之家”迈出一大步。