Альфа-Лизинг, крупнейшая в России негосударственная лизинговая компания, внедрила искусственный интеллект для оптимизации продаж своих услуг. Технологическим партнером проекта стала ИТ-компания «ВейвАксесс», которая реализовала решение на основе собственной платформы для быстрого запуска ИИ-проектов ValueAI.
Команда «ВейвАксесс» обработала исторические данные и построила модель с использованием алгоритмов машинного обучения. Модель выделяет и рекомендует к обзвону контакты, которые с наибольшей вероятностью готовы заключить сделку в ближайшее время. Решение развернуто в инфраструктуре Альфа-Лизинга, что позволяет обеспечивать контроль над данными и их безопасность.
Отдельная модель в системе отвечает за прогнозирование наиболее подходящего предмета лизинга (легковые автомобили, грузовая или специальная техника). Также решение способно выделять организации, ранее не заключавшие договоры на лизинг, но потенциально имеющие такой запрос. ИИ-модель предоставляет список всех перспективных клиентов, данные используются для установки контакта и подбора адресного предложения.
Решение на базе ValueAI составляет прогноз автоматически, ежемесячно получая данные из Единого федерального реестра сведений о фактах деятельности юридических лиц, а также из системы проверки контрагентов — в случае с новыми клиентами. Также предусмотрена возможность для специалистов Альфа-Лизинга оперативно анализировать отдельные выборки по запросу, загружая данные вручную.
ИИ-модель обрабатывает базу данных в более чем 400 000 клиентов и тысячи новых контрактов ежемесячно. По последним результатам, решение предсказало интерес к повторной сделке у 14 197 контактов. Из них 3240 были квалифицированы Альфа-Лизингом как «лиды» и взяты в работу менеджерами по продажам — 15,5% заключили сделку с Альфа-Лизингом. При этом почти 50% из рекомендованных организаций впоследствии подписали договор с одной из лизинговых компаний.
«Наша команда имеет более чем 10-летний опыт разработки решений на базе искусственного интеллекта с нуля, в том числе для финансовой отрасли. С помощью нашей платформы ValueAI мы помогаем компаниям, которые осваивают ИИ, значительно сэкономить время и ресурсы на внедрение технологии в свои процессы. Разработка для Альфа-Лизинга — уникальный кейс подобного применения ИИ на рынке лизинговых услуг, и мы рады быть частью этого проекта», — отмечает Александр Азаров, генеральный директор «ВейвАксесс».
«Благодаря совместной работе внутренних команд RnD, корпоративного хранилища ГК Альфа-Лизинг и команды “ВейвАксесс”, мы смогли быстро провести пилот, оценить его эффективность и начать расширять возможности ИИ в нашей компании. При этом не только в рамках направления продажи лизинга, но и работе с оценкой риск-профиля клиента, инструментов коммуникации и так далее», — поделился Александр Воробьев, руководитель управления стратегического проектирования и цифровых инноваций ГК Альфа-Лизинг.
«Рынок лизинговых услуг конечен и сейчас растет менее динамично. Лизинговым компаниям все сложнее быстро расширяться за счет новых клиентов. Поэтому уникальное решение на базе ИИ, которое предсказывает потребности потенциальных клиентов в лизинге, так актуально для отрасли. Мы проделали большую работу с качеством данных, а также и поиском доступных ресурсов. В партнерстве с “ВейвАксесс” удалось быстро провести пилот на исторических данных и показать коллегам из бизнеса возможную эффективность модели. Проект был воспринят позитивно и благодаря решению подразделения “Умных продаж” мы встроили предиктивную модель в процессы компании. Положительный опыт в применении технологий ИИ мотивирует нас использовать их и в дальнейшем», — отметил Артем Косолапов, директор по информационным технологиям ГК Альфа-Лизинг.
Благодаря своевременной коммуникации с перспективными контактами эффективность холодных звонков выросла вдвое. Альфа-Лизинг повысила результативность апсейла и увеличила средний чек. Использование в проекте платформы ValueAI также позволило ускорить внедрение искусственного интеллекта в процессы на 40%.
В планах развития проекта — расширение перечня источников данных для оптимизации работы существующей ИИ-модели.