金融服务用例
金融服务机构依靠Adobe Experience Platform统一银行、贷款和投资渠道的客户数据，提供个性化体验，从而加强关系并促进增长。 通过将客户活动、交易历史记录和行为信号整合在一起，这些组织可以在适当的时间提供适当的优惠，同时保持客户期望的信任和合规性。
高价值铅培养
根据用户档案数据和行为识别高价值潜在客户，然后通过自动化历程通过个性化内容和选件培养他们。 通过将人口统计详细信息、浏览活动和参与信号相结合，金融机构可以优先处理最有可能转化的潜在客户，并引导他们通过量身定制的途径成为客户。
商业影响
实施高价值商机培养的组织看到了提高商机对客户的转化率，同时建立了更健康、更可预测的销售渠道。
实施方式
使用多步骤编排历程模式构建根据潜在客户参与和准备情况信号调整的自动化培养序列。 当用例需要基于参与量度的条件分支的经过数天的有序多消息流时，这是正确的模式 — 单个触发的消息无法适应资格步骤之间的自适应培养逻辑或依赖关系逻辑。
技术注意事项
- 将CRM潜在客户评分数据和网站行为事件集成到统一的目标客户配置文件中，以支持历程进入和分支逻辑。
- 确保在每个接触点强制执行同意和选择加入首选项，特别是对于受金融营销法规管制的电话和电子邮件外联。
- 配置历程限制，以避免在较短的评估时段内进行多次通信导致潜在客户过多。
- 解决分支或顾问交互与数字参与之间的数据延迟，以保持培养消息传递的相关性。
针对现有客户的产品推荐
根据现有客户的个人资料、交易历史及生活阶段，向彼等推荐相关金融产品，如信用卡、贷款及投资产品。 此用例将日常帐户数据转换为可操作洞察，为每个客户呈现下一个最佳产品。
商业影响
个性化的产品推荐提高了产品采用率，并通过深化钱包份额显着增加了客户终生价值。
实施方式
使用Offer Decisioning模式实时根据合格产品选件评估每位客户，并按相关性和业务优先级对推荐进行排名。 当选件选择必须考虑财务适用性规则和监管资格约束（这些约束需要管理的决策逻辑，而不是单独的行为相关性排名）时，这是正确的模式。
技术注意事项
- 将交易数据、帐户余额和产品持有量统一到单个客户配置文件中，以便决策模型可以全面了解现有关系。
- 在排名优惠之前，将财务适用性规则和监管资格限制作为决策引擎中的硬性护栏。
- 协调在线银行业务、移动应用程序、电子邮件和顾问渠道之间的选件交付，以防止出现冲突或重复的建议。
- 实施每个产品类别的频率封顶，以避免推荐疲劳，尤其是对于抵押贷款和投资帐户等高关注度产品。
流失预防活动
使用AI支持的流失预测识别有流失风险的客户，并通过保留期优惠和个性化通信与他们接洽。 及早侦测到客户脱钩信号，使金融机构能够在客户关闭账户或将资产转移到别处之前进行干预。
商业影响
主动预防客户流失有助于减少客户流失、保护经常性收入流并降低客户更换成本。
实施方式
使用带有Decisioning的跨渠道历程模式可在客户流失风险分数超过定义的阈值时触发保留历程，并嵌入决策以选择最引人注目的保留选件。 当历程必须跨渠道协调投放以防止重复保留选件时，以及当选件选择需要风险分数阈值和业务限制时，这是正确的模式 — 仅多步编排不提供为每个客户选择最佳保留选件所需的实时决策层。
技术注意事项
- 将帐户活动趋势、服务交互历史记录和参与频率馈送到Customer AI客户流失倾向模型中，以生成风险分数。
- 定义特定于产品线的客户流失风险阈值，因为用于检查帐户的脱离信号不同于用于投资组合的脱离信号。
- 在激活留存优惠之前，请与您的法律和隐私团队一起审查定位和抑制标准，以确保遵守适用的公平借贷和平等待遇法规。
- 构建抑制逻辑以排除由于欺诈或合规性操作而流失的客户，在这些客户中，保留外展将是不适当的。
个性化帐户仪表板
根据每位客户的帐户活动、偏好和财务目标，个性化在线银行仪表板和移动应用程序体验。 量身定制的仪表板可帮助客户找到最重要的内容，并显示相关的见解，而无需他们进行搜索。
商业影响
个性化的仪表板通过让数字银行变得直观和相关而提高了参与率并有效地提高了客户满意度。
实施方式
使用已知访客Web/应用程序Personalization模式在经过身份验证的数字体验中提供实时个性化内容块、产品聚焦和财务见解。 当个性化是由用户档案属性和帐户活动而不是行为亲和度模型推动时，以及在亚秒延迟对用户体验至关重要的情况下，这是正确的模式。
技术注意事项
- 利用Edge Network在经过身份验证的银行会话中做出次秒的个性化决策，延迟会直接影响用户体验。
- 将交易数据聚合到预先计算的配置文件属性中，如支出类别和节省趋势，以避免实时计算大型数据集。
- 遵守辅助功能标准，并确保个性化内容满足与静态内容相同的法规披露要求。
- 在Web和移动渠道之间协调个性化逻辑，以使客户无论使用什么设备都可以看到一致的体验。
基于生命周期阶段的产品优惠
识别进入新生命阶段（如结婚、购买房屋或退休）的客户，并主动提供相关的金融产品和服务。 期待这些里程碑可以让机构在关键财务时刻将自己定位为可信赖的合作伙伴。
商业影响
生命周期阶段触发的优惠可实现更高的产品采用率，在强化长期客户关系的同时超过一般促销活动。
实施方式
使用带有Decisioning的跨渠道历程模式来检测生命周期阶段指示器，并通过为每个里程碑定制的嵌入优惠选择来编排多点接触历程。 当历程必须在关键财务时刻跨渠道协调投放，并且选件选择需要适用性检查和业务规则时，这是正确的模式 — 单靠多步编排无法提供确保合规性和相关性所需的决策层。
技术注意事项
- 将第一方信号（如地址更改、联合帐户开设和大型存款）与许可的第三方数据相结合，以推断生命周期阶段的过渡。
- 谨慎处理敏感的人生事件，消息传递的语调和频率，因为错误地推断的里程碑可能会削弱信任。
- 分层监管适用性检查到offer decisioning中，以便推荐的产品与客户核实的财务情况相符。
- 在生命阶段营销活动之间构建冷却期，以防止在短时间内触发多个指标时重叠外联。
基于事务的警报和建议
发送交易实时警报，并根据支出模式和帐户活动提供个性化推荐。 及时、相关的通知可随时告知客户最新信息，并创建适当的时刻以提供有用的财务指导。
商业影响
基于交易的警报可促进强有力的参与，提高安全意识，并为个性化推荐创建高价值接触点。
实施方式
使用事件触发的消息传递模式，通过警报和上下文相关建议实时响应事务事件。 当触发因素是系统事件而不是客户行为，并且当所需的通信是即时和反应而不是持续的培养序列时，这是正确的模式 — 警报延迟会直接影响安全有效性。
技术注意事项
- 通过具有低延迟交付要求的流管道摄取事务事件，因为如果延迟超过几分钟，安全警报会失去价值。
- 应用客户定义的警报首选项和阈值，使通知反映单个设置，而不是一刀切的规则。
- 在报文传送架构中将强制性安全警报与可选推荐消息分开，以确保合规性通知不会被抑制。
- 通过设计可根据需求扩展的吞吐能力，在高峰期（如发薪日和假日）解决高交易量。
信用卡申请放弃退回
识别已开始但未完成信用卡申请的客户，并通过个性化的消息传递和优惠重新吸引他们。 应用程序放弃是指高意图受众，通常只需轻轻推动即可完成该流程。
商业影响
放弃恢复活动提高了应用程序完成率，直接增加了来自已表示感兴趣的受众的新客户获取。
实施方式
使用事件触发的消息传递模式检测应用程序放弃事件并触发及时跟踪消息，以解决常见的放弃原因。 如果触发的是离散的客户操作（放弃），而所需的响应是在应用程序数据过期之前发送的时间敏感型消息，则这种模式是正确的 — 多步骤顺序无法满足紧急性和窄恢复窗口的要求。
技术注意事项
- 捕获放弃应用程序的特定步骤以定制消息传递，因为在进行身份验证时放弃的用户需要与条款审查时离开的用户不同的保证。
- 在部署之前，请与您的法律和合规团队合作，确认所有恢复通信均符合适用的信用营销披露要求和特定于渠道的同意规则。
- 实施时间衰减逻辑，以便在定义的窗口后停止恢复外联，因为过时的应用程序数据可能不再适用于资格预审。
- 与应用程序系统协调以禁止通过其他渠道（如分支访问或电话呼叫）完成的申请者的恢复消息。
投资Portfolio Recommendations
根据每位客户的风险状况、投资历史记录和财务目标，提供个性化的投资推荐。 数据驱动型投资组合指导可帮助客户作出明智的决策，同时深化他们对财富管理服务的参与。
商业影响
个性化的投资推荐促进了投资产品的采用并改善了整个客户群的投资组合多样化。
实施方式
使用行为推荐模式分析投资行为和偏好，然后通过数字渠道和顾问工具呈现相关的投资组合推荐。 当项目集（投资领域）很大，并且选择由行为亲和力和风险对齐驱动 — 而不是受严格的资格规则或适用性检查决策控制的有界优惠集时，这是正确的模式。
技术注意事项
- 集成经纪和托管数据馈送，以保持每个客户当前持有和分配的准确、最新视图。
- 强制实施证券法规规定的适当性要求，以使建议符合客户制定的风险容忍度和投资目标。
- 如果需要，可将个性化投资内容明确标示为教育或信息内容，将其与具有信托义务的正式投资建议区分开来。
- 定期更新推荐模型，以考虑市场变化、产品组合变化以及客户目标变化。
欺诈警报Personalization
根据每位客户的通信偏好和过去的交互历史，个性化欺诈警报和安全通信。 量身定制的警报提高了客户注意到、理解关键安全通知并采取相应行动的可能性。
商业影响
个性化的欺诈警报提高了警报响应率，增强了安全合规性，并减少了可疑活动期间的暴露窗口。
实施方式
使用事件触发的消息传递模式，通过每个客户的首选渠道发送欺诈警报，并提供上下文详细信息，以便轻松确认或争议活动。 当触发因素是系统事件而不是客户行为，并且所需的通信是即时和反应性的，没有时间执行多步序列时，这是正确的模式 — 警报延迟与财务损失风险直接相关。
技术注意事项
- 将投放速度和可靠性置于所有其他设计考虑因素之上，因为欺诈警报延迟与财务损失风险直接相关。
- 通过客户经验证的首选渠道发送警报，同时维护备用渠道，以确保即使主渠道出现故障也能发送。
- 存储警报交互历史记录以提高未来警报的相关性，并减少频繁旅行或进行非典型购买的客户的误报疲劳。
- 确保所有欺诈警报内容和工作流程符合银行安全法规，不会在邮件预览或主题行中公开敏感账户详细信息。
忠诚度计划参与度
通过在在线银行、移动应用程序、电子邮件和分行渠道之间编排实时优惠仲裁，使忠诚度计划通信、奖励和优惠个性化，防止重复或冲突的忠诚度优惠同时到达同一会员。 基于层的资格规则（控制每个成员可以访问的奖励、促销和赎回选项）在决策层实施，而不是仅通过分段来解决，确保优惠选择遵守每个渠道的计划限制。 忠诚度历程与更广泛的营销活动协调，以便产品和忠诚度优惠不会发生冲突，为成员提供一致的体验，而不是竞争消息。
商业影响
个性化的忠诚度参与提高了计划参与度，并显着提高了点数的赎回率，强化了计划的价值感知。
实施方式
使用带有Decisioning的跨渠道历程模式来跨渠道编排忠诚度通信，其中嵌入了Decisioning以选择每个成员最相关的奖励或优惠。 当历程必须协调跨渠道的投放以防止消息疲劳和优惠冲突时，以及当优惠选择需要基于层的规则和成员约束时（仅多步编排不提供尊重忠诚度规则和差异化成员待遇所需的实时决策层），这是正确的模式。
技术注意事项
- 将忠诚度平台数据（包括层状态、积分余额和赎回历史记录）近乎实时地同步到客户配置文件中，以避免促销过期或不准确的余额。
- 按层细分历程逻辑，以提供差异化的体验，因为高级别成员希望获得排他性待遇和提早获得促销活动。
- 将忠诚度消息与更广泛的营销活动协调起来，防止消息疲劳和项目间的优惠冲突。
- 跨渠道跟踪赎回归因，以衡量哪些个性化的通信可带来最高的计划投资回报。
抵押贷款预批准活动
根据配置文件数据、行为信号和生活阶段指标，定位可能进入抵押贷款市场的客户。 主动批准前的宣传活动将机构定位为在客户将做出的最重大财务决策之一时最方便的首选机构。
商业影响
有针对性的抵押贷款预批准活动，可在适当时候通过触及合格贷款前景来提高申请率和贷款发放量。
实施方式
使用多步骤编排历程模式，通过多点接触培养序列引导抵押贷款潜在客户从感知到预批准、根据参与和资格信号调整。 当用例需要经过扩展时间线的序列化多消息流时，这是一个正确的模式，该时间线具有基于参与和鉴别信号的条件分支 — 单个触发的消息无法适应自适应培养逻辑或移交给正式应用程序进程。
技术注意事项
- 结合房地产搜索行为、储蓄增长趋势和租赁到期信号，构建倾向模型以识别可能的抵押贷款寻求者。
- 确保所有预批准消息符合抵押贷款广告法规，包括要求的披露、费率准确性和平等住房语言。
- 协调营销活动时间安排与利率环境的变化，以使外展活动与有利的借贷条件保持一致，并避免过时的利率参考。
- 建立向贷款专员的移交工作流程，使数字化培养的贷款专员能够顺利过渡到正式申请和承保流程。
个性化理财教育内容
根据每位客户的财务状况、目标和兴趣，提供个性化的财务教育内容、提示和资源。 相关教育内容可以建立信任、改善金融知识，并创造引入相关产品的有机机会。
商业影响
个性化的教育内容提高了内容参与率并提高了客户的经济素养，而这反过来又推动了更有信心的产品采用。
实施方式
使用带有Decisioning的跨渠道历程模式，通过决策将主题与每个客户的财务状况和兴趣相匹配，跨渠道提供策划的教育内容序列。 当历程必须通过渐进式学习路径协调跨渠道交付，并且主题选择需要基于财务用户档案的资格规则时，这是正确的模式 — 仅多步编排不会提供将内容与客户财务状况匹配或防止先决条件违规所需的决策层。
技术注意事项
- 将教育内容与财务配置文件属性（如债务收入比、储蓄率和投资经验）相对应，以确保主题的相关性。
- 用困难级别和先决条件主题标记内容以构建渐进式学习路径，而不是提供断开连接的一次性文章。
- 在主题级别跟踪内容参与，以优化个性化模型并识别客户群中新兴的兴趣领域。
- 确保教育内容与产品营销明确区分开来，以维护法规合规性并维护客户对计划客观性的信任。
AI金融产品指南
金融服务组织提供的产品组合 — 支票和储蓄账户、信用卡、贷款产品、保险选项和投资工具 — 在没有个性化指导的情况下，客户很难浏览。 法规限制使得一线数字体验无法提供量身定制的投资建议，但在帮助客户了解产品如何工作、哪些客户满足其陈述的需求以及如何向应用迈进方面，存在巨大的价值。 AI金融产品指南让客户参与自然对话，询问关于金融目标和生活阶段的合格问题，并引导他们走向正确的产品 — 而不会进入受监管的咨询领域。
商业影响
引导式对话发现提高了产品应用启动率，减少了意识和应用之间的流失，同时捕获了意图信号，改善了下游培养和顾问推荐工作流。
实施方式
使用Brand Concierge对话体验模式。 这种方法会针对批准的产品内容库和知识库部署Product Advisor Agent，并使用AEP Agent Orchestrator和实时客户档案数据，通过以品牌约束、合规性审查内容为基础的多回合对话来指导客户购买适当的产品。 当目标是交互式、多轮对话发现以帮助客户理解和自行选择金融产品时，这是正确的模式 — 有别于事件触发的消息传递，它是单向的，可响应离散的帐户事件；有别于个性化Web体验，它被动地呈现产品内容，而无需让客户参与资格确认对话。 它需要AEP Agent Orchestrator和品牌治理配置。
技术注意事项
- 品牌治理护栏必须配置合规性和法律审查，以定义严格的内容界限：代理商必须根据陈述的需求引导客户购买合适的产品，不提供投资建议，并且必须明确定义和执行禁止的主题（具体回报预测、保证、比较性能声明）。
- 内容集成层必须基于已获合规性批准的产品描述、披露和常见问题解答，而不是动态生成的声明，从而确保在部署之前，代理商提供的每项响应都经过法律和管理团队的审查。
- 实时客户档案查找应显示关系数据（持有的现有产品、账户保有权和客户区段），以便代理商可以避免推荐客户已持有的产品，并可以根据客户与机构的现有关系定制指导。
- 对于客户需求超出对话指南范围的情况（例如复杂的借贷情况或个性化财务规划请求），必须配置实时代理切换，并将完整的对话上下文传输到接收顾问，以避免客户重复发生这种情况。
产品采用Funnel和流失驱动因素分析
分析客户在数字账户开立、贷款申请或投资登记流程中流失的位置，并识别产品流失前的行为信号。 无法看到这些流失点或流失前兆的金融机构，无法区分产品体验失败和取消资格，因而补救工作不准确。
商业影响
准确了解申请人放弃数字流的位置以及在关闭帐户前有哪些行为，可以使产品和营销团队优先考虑体验改进，从而减少放弃并延长客户任期。
实施方式
使用Customer Analytics和Insight生成模式。 这种方法将数字行为数据、CRM记录和产品事件流连接到Customer Journey Analytics，其中流失可视化图表识别流失步骤，同类群组分析显示不同产品线和客户获取区段之间的保留率差异。 当目标是理解和诊断（分析历程划分的位置以及导致流失的原因）而不是激活禁止受众或触发保留消息时，这是一个正确的模式。
技术注意事项
- 数字应用程序事件数据必须捕获载入或应用程序流中的每个步骤，作为具有一致步骤标识符的离散事件，以便CJA流失分析可以准确地隔离卷丢失的位置。
- CRM产品使用期和帐户状态数据应当与行为数据一起加入CJA连接中，以便流失分析能够将预流失行为与实际帐户关闭结果相关联。
- 数据治理标签必须应用于CJA连接中包含的任何敏感财务或身份字段，以防止在没有数据管理员权限的分析人员访问的共享功能板中出现PII泄露。
- 保留同类群组分析需要足够的历史数据深度（通常为12到24个月），因此必须配置AEP中的数据集保留策略，以保留进行有意义的同类群组比较所需的事件历史记录。
次优的Offer Decisioning
使用集中式决策逻辑，结合资格规则、业务限制和AI支持的排名策略，跨渠道为每个客户选择最相关的优惠。 集中选件选择确保每位客户都能获得最符合情境的金融产品选件，同时遵守管理法规资格要求和业务限制。
商业影响
使用集中式次优优惠决策的金融服务组织发现，当优惠选择同时兼顾倾向分数和资格护栏时，产品采用率提高，每个客户互动产生的收入增加，表现也最好。
实施方式
使用Offer Decisioning模式构建集中式决策引擎，该引擎可评估客户资格、应用业务约束并使用AI排名为跨Web、应用程序和出站渠道的每个客户交互选择最佳优惠。 当选件选择过于复杂，无法单独进行基于规则的个性化时，这是正确的模式 — 需要资格逻辑、优先级规则和自适应排名的组合，才能从选件目录中进行最佳选择。
技术注意事项
- 优惠资格规则必须在决策引擎中维护，并与核心银行或产品系统中的产品资格标准保持同步，以防止出现不符合资格的优惠。
- AI排名模型需要来自过去选件交互的足够训练数据才能生成可靠的倾向分数；新推出的产品需要回退排名策略，直到积累足够的数据为止。
- 金融服务业的监管要求可能会限制向谁以及通过哪个渠道提供内容；决策逻辑必须将这些限制编码为硬规则，而不是软偏好。
- 选件疲劳跟踪非常重要 — 如果客户反复收到他们未接受同一产品的选件，应在确定数量的风险暴露后，取消对该选件的优先顺序或禁止使用该选件。
Customer Journey Analytics Dashboard
构建结合Web、应用程序、电子邮件和呼叫中心数据的跨渠道分析工作区，以实现客户历程的可视化，识别流失点并衡量促销活动归因。 统一的Analytics工作区使产品和营销团队能够全面了解客户如何跨渠道和接触点移动，从而能够就投资于何处改善历程做出数据驱动型决策。
商业影响
具有跨渠道历程分析的金融服务组织缩短了营销活动和产品团队进入insight的时间，从而能够更快地识别跨载入流程、应用程序漏斗和客户服务历程的高影响力优化机会。
实施方式
使用Customer Analytics和Insight生成模式将所有数字和线下渠道的事件流拼合到一个统一的分析数据集中，然后构建公开历程流、funnel流失和归因模型的工作区可视化图表。 当主要需求是分析insight和可视化而不是实时激活时，这是一个正确的模式 — 数据用于制定决策而不是触发面向客户的操作。
技术注意事项
- 跨渠道数据拼接要求所有源系统都有一个一致的客户标识符；具有零散身份策略的组织将看到影响分析的不完整历程。
- 必须摄取呼叫中心和离线交互数据并准确加盖时间戳，以将其正确放置在相对于数字接触点的历程序列中。
- 源系统与Analytics Workspace之间的数据延迟会影响见解的可用速度；高频分析用例可能需要近乎实时的摄取，而不是每天的批量馈送。
- 隐私和数据治理控件必须应用于Analytics数据集，以防止个人身份信息出现在不应访问个人客户记录的分析师可访问的功能板中。