Помните времена, когда банк ассоциировался исключительно со строгим офисом, очередями и кучей бумаг? Эта эпоха окончательно уходит. На российском финтех-рынке происходит тектонический сдвиг: банки Яндекса, Ozon и Wildberries стремительно превращаются из «электронных кошельков для скидок» в полноценных финансовых гигантов.
ВЦИОМ тут как раз выкатил свежее исследование о том, как россияне воспринимают эти молодые цифровые банки. Цифры говорят сами за себя – классическим игрокам пора серьезно напрячься. Хехе!
Главные инсайды:
• Ozon Банк ворвался в топ. По охвату клиентов он занял второе место в стране (им пользуются 62% опрошенных). Более того, каждый четвертый (24%) назвал его своим основным банком. По этому показателю он фактически делит вторую строчку с Т-Банком (25%), уступив только Сберу (63%) и обогнав ВТБ и Альфу. В топ-7 приоритетных банков страны теперь входят необанки всех трех главных маркетплейсов.
• Кризис доверия? Нет, не слышали. За последний год доверие к необанкам росло в два раза быстрее, чем к традиционным игрокам (13% против 6-7%). Общий уровень доверия к ним уже перевалил за 42% – гроссмейстерский показатель для новичков индустрии. А драйвит этот тренд, конечно, молодежь от 18 до 24 лет.
• Больше, чем просто скидка на маркетплейсе. Миф о том, что картами Ozon или Wildberries пользуются только ради кешбэка при покупках, разрушен. 78% клиентов совершают по ним обычные повседневные операции: платят в офлайн-магазинах, переводят деньги, оплачивают ЖКХ и штрафы. А каждый шестой уже открывает там накопительные счета.
По любви или по расчету?
Почему люди массово готовы уходить в необанки? Все в целом просто: четверть тех, кто еще не пользуется цифровыми банками, готовы сделать их основными, если условия будут выгоднее текущих (главный триггер – тарифы и выгода, так ответили 29%).
При этом психологического барьера или страха почти нет: всего 9% скептиков сомневаются в надежности цифровых платформ. Большинство не переходит просто потому, что им пока лень менять свой привычный банк, но, судя по динамике, это вопрос времени и хорошего маркетингового оффера.
Платформенная экономика продолжает пережевывать классический банкинг. Интересно, чем ответят традиционные банки, когда маркетплейсы начнут выдавать ипотеку?
ВЦИОМ тут как раз выкатил свежее исследование о том, как россияне воспринимают эти молодые цифровые банки. Цифры говорят сами за себя – классическим игрокам пора серьезно напрячься. Хехе!
Главные инсайды:
• Ozon Банк ворвался в топ. По охвату клиентов он занял второе место в стране (им пользуются 62% опрошенных). Более того, каждый четвертый (24%) назвал его своим основным банком. По этому показателю он фактически делит вторую строчку с Т-Банком (25%), уступив только Сберу (63%) и обогнав ВТБ и Альфу. В топ-7 приоритетных банков страны теперь входят необанки всех трех главных маркетплейсов.
• Кризис доверия? Нет, не слышали. За последний год доверие к необанкам росло в два раза быстрее, чем к традиционным игрокам (13% против 6-7%). Общий уровень доверия к ним уже перевалил за 42% – гроссмейстерский показатель для новичков индустрии. А драйвит этот тренд, конечно, молодежь от 18 до 24 лет.
• Больше, чем просто скидка на маркетплейсе. Миф о том, что картами Ozon или Wildberries пользуются только ради кешбэка при покупках, разрушен. 78% клиентов совершают по ним обычные повседневные операции: платят в офлайн-магазинах, переводят деньги, оплачивают ЖКХ и штрафы. А каждый шестой уже открывает там накопительные счета.
По любви или по расчету?
Почему люди массово готовы уходить в необанки? Все в целом просто: четверть тех, кто еще не пользуется цифровыми банками, готовы сделать их основными, если условия будут выгоднее текущих (главный триггер – тарифы и выгода, так ответили 29%).
При этом психологического барьера или страха почти нет: всего 9% скептиков сомневаются в надежности цифровых платформ. Большинство не переходит просто потому, что им пока лень менять свой привычный банк, но, судя по динамике, это вопрос времени и хорошего маркетингового оффера.
Платформенная экономика продолжает пережевывать классический банкинг. Интересно, чем ответят традиционные банки, когда маркетплейсы начнут выдавать ипотеку?
👍4
Отрезвление: бейзлайн
Этап «Отрезвление»: Что было бы, если бы мы не внедрили ИИ?
В оценке ИИ-проектов есть одна фундаментальная проблема: идеальная математическая точность модели вообще не гарантирует бизнесу прибыли.
Чтобы связать технологии с реальными деньгами, Альянс в сфере ИИ и Ассоциация ФинТех разработали единую отраслевую методологию оценки эффектов. Ее базовый принцип гласит: любой корректный расчет начинается с фиксации бейзлайна процесса – то есть лучшей альтернативы новому процессу после внедрения ИИ.
Главный инсайт здесь в том, что без жестко зафиксированной точки отсчета любой рост показателей можно списать на технологии. Вы внедрили нейросеть, и выручка выросла. Но что это было: реальный эффект модели, сезонный скачок рынка или параллельная работа маркетологов? Более того, часто случается так, что технически успешная модель требует таких сопутствующих затрат на свое выполнение, что старый «ручной» процесс оказывался для компании выгоднее.
Поэтому базовый сценарий строится на трех вопросах:
1. Описан ли процесс до внедрения ИИ и какой конкретный показатель мы хотим улучшить?
2. Как мы будем собирать данные, чтобы изолировать эффект модели от внешнего воздействия?
3. Касается ли изменение только одного продукта, или оно незаметно влияет на смежные направления?
Пока нет ответов на эти вопросы, любые цифры на защите проекта – просто иллюзия. Более подробно в статье Никиты Худова, заместителя генерального директора Альянса ИИ и руководителя проекта.
В следующем посте разберем, в каких именно эффектах искать реальную выгоду от ИИ.
#методологияОФЭ #АльянсИИ #Ассоциация_ФинТех
Реклама. Ассоциация «Альянс в сфере ИИ» ИНН 9725034035
Этап «Отрезвление»: Что было бы, если бы мы не внедрили ИИ?
В оценке ИИ-проектов есть одна фундаментальная проблема: идеальная математическая точность модели вообще не гарантирует бизнесу прибыли.
Чтобы связать технологии с реальными деньгами, Альянс в сфере ИИ и Ассоциация ФинТех разработали единую отраслевую методологию оценки эффектов. Ее базовый принцип гласит: любой корректный расчет начинается с фиксации бейзлайна процесса – то есть лучшей альтернативы новому процессу после внедрения ИИ.
Главный инсайт здесь в том, что без жестко зафиксированной точки отсчета любой рост показателей можно списать на технологии. Вы внедрили нейросеть, и выручка выросла. Но что это было: реальный эффект модели, сезонный скачок рынка или параллельная работа маркетологов? Более того, часто случается так, что технически успешная модель требует таких сопутствующих затрат на свое выполнение, что старый «ручной» процесс оказывался для компании выгоднее.
Поэтому базовый сценарий строится на трех вопросах:
1. Описан ли процесс до внедрения ИИ и какой конкретный показатель мы хотим улучшить?
2. Как мы будем собирать данные, чтобы изолировать эффект модели от внешнего воздействия?
3. Касается ли изменение только одного продукта, или оно незаметно влияет на смежные направления?
Пока нет ответов на эти вопросы, любые цифры на защите проекта – просто иллюзия. Более подробно в статье Никиты Худова, заместителя генерального директора Альянса ИИ и руководителя проекта.
В следующем посте разберем, в каких именно эффектах искать реальную выгоду от ИИ.
#методологияОФЭ #АльянсИИ #Ассоциация_ФинТех
Реклама. Ассоциация «Альянс в сфере ИИ» ИНН 9725034035
👍3
У Альфа-Банка снова проблемы с регуляторами?
С мест сообщают, что ФАС в очередной раз поймала банк на нарушении закона о рекламе. На этот раз — за навязчивые рекламные звонки и рассылки. И это далеко не первый случай.
Только за последний год Альфа неоднократно получала штрафы за нарушения рекламного законодательства: недостоверную рекламу, мелкий шрифт, вводящие в заблуждение условия и другие претензии регулятора. По данным ФАС, за два года банк получил более 60 штрафов на общую сумму около 20 млн рублей.
Одновременно ЦБ трижды оштрафовал Альфу — за нарушения при работе с кредитными историями и несвоевременное исполнение отдельных требований регулятора. Получается любопытная ситуация: банк, который регулярно напоминает о себе рекламными звонками и пуш-уведомлениями, сам допускает нарушения при взаимодействии с надзорными органами.🙄
Возникает закономерный вопрос: насколько чувствительны такие штрафы для одного из крупнейших банков страны? Если экономический эффект от агрессивного продвижения услуг превышает размер штрафов, не оказывается ли их периодическая уплата для банка более выгодной, чем полный отказ от спорных практик?
#мысли
С мест сообщают, что ФАС в очередной раз поймала банк на нарушении закона о рекламе. На этот раз — за навязчивые рекламные звонки и рассылки. И это далеко не первый случай.
Только за последний год Альфа неоднократно получала штрафы за нарушения рекламного законодательства: недостоверную рекламу, мелкий шрифт, вводящие в заблуждение условия и другие претензии регулятора. По данным ФАС, за два года банк получил более 60 штрафов на общую сумму около 20 млн рублей.
Одновременно ЦБ трижды оштрафовал Альфу — за нарушения при работе с кредитными историями и несвоевременное исполнение отдельных требований регулятора. Получается любопытная ситуация: банк, который регулярно напоминает о себе рекламными звонками и пуш-уведомлениями, сам допускает нарушения при взаимодействии с надзорными органами.🙄
Возникает закономерный вопрос: насколько чувствительны такие штрафы для одного из крупнейших банков страны? Если экономический эффект от агрессивного продвижения услуг превышает размер штрафов, не оказывается ли их периодическая уплата для банка более выгодной, чем полный отказ от спорных практик?
#мысли
👍2
Судьбинушка ИИ в России теперь в какой-то мере зависит от Минцифры. Солгу, если скажу, что рад. 😕
👍2🔥1🤯1
Поиск выгоды: 8 типов
Этап «Поиск выгоды»: 8 типов эффектов от ИИ.
Когда стартовый сценарий определен, нужно понять, на что именно влияет технология. Ошибка многих команд в том, что они по инерции сводят всё к прямому росту продаж. На деле методология в финтехе выделяет восемь разных типов финансового влияния на P&L.
Вот список того, где реально прячутся деньги:
1. Рост доходов. Инсайт в том, что это не только новые сделки, но и изменение маржинальности, а главное – обязательный учет каннибализации, когда взлет одного продукта убивает спрос на другие товары компании.
2. Снижение операционных расходов. Прямое удешевление самого бизнес-процесса за счет снижения количества соверщаемых расходных операций или их стоимости.
3. Высвобождение штатной численности. Здесь кроется два сценария: реальное сокращение сотрудников и скрытый эффект «ненайма», когда объем работы кратно вырос, но вам не пришлось раздувать штат.
4. Снижение операционных рисков. Предотвращение прямых убытков от мошенничества или ошибок сотрудников.
5. Высвобождение ликвидности. За счет точного прогнозирования ИИ позволяет компании держать меньше страховочных денег на счетах. Эту свободную наличность можно пустить в оборот и получить дополнительный доход.
6. Восстановление резервов. Ситуация, когда ИИ точнее оценивает надежность клиентов или партнеров по бизнесу, благодаря чему компании не нужно держать замороженными лишние деньги на случай невыполнения ими обязательств – они возвращаются в оборот.
7. Учетный эффект на резервы. В методологии этот термин используется дословно: здесь кроется ловушка, ведь эффект нужно оценивать на всем сроке жизни продукта, иначе в следующем году можно получить минус в отчетности.
8. Снижение расходов на капитал. Уменьшение общей финансовой нагрузки на компанию.
А какие из этих эффектов чаще всего встречаются в вашей практике? Пишите в комментарии.
Более подробно - в статье Заместителя Генерального директора Альянса ИИ.
#методологияОФЭ #АльянсИИ #Ассоциация_ФинТех
Реклама. Ассоциация «Альянс в сфере ИИ» ИНН 9725034035
Этап «Поиск выгоды»: 8 типов эффектов от ИИ.
Когда стартовый сценарий определен, нужно понять, на что именно влияет технология. Ошибка многих команд в том, что они по инерции сводят всё к прямому росту продаж. На деле методология в финтехе выделяет восемь разных типов финансового влияния на P&L.
Вот список того, где реально прячутся деньги:
1. Рост доходов. Инсайт в том, что это не только новые сделки, но и изменение маржинальности, а главное – обязательный учет каннибализации, когда взлет одного продукта убивает спрос на другие товары компании.
2. Снижение операционных расходов. Прямое удешевление самого бизнес-процесса за счет снижения количества соверщаемых расходных операций или их стоимости.
3. Высвобождение штатной численности. Здесь кроется два сценария: реальное сокращение сотрудников и скрытый эффект «ненайма», когда объем работы кратно вырос, но вам не пришлось раздувать штат.
4. Снижение операционных рисков. Предотвращение прямых убытков от мошенничества или ошибок сотрудников.
5. Высвобождение ликвидности. За счет точного прогнозирования ИИ позволяет компании держать меньше страховочных денег на счетах. Эту свободную наличность можно пустить в оборот и получить дополнительный доход.
6. Восстановление резервов. Ситуация, когда ИИ точнее оценивает надежность клиентов или партнеров по бизнесу, благодаря чему компании не нужно держать замороженными лишние деньги на случай невыполнения ими обязательств – они возвращаются в оборот.
7. Учетный эффект на резервы. В методологии этот термин используется дословно: здесь кроется ловушка, ведь эффект нужно оценивать на всем сроке жизни продукта, иначе в следующем году можно получить минус в отчетности.
8. Снижение расходов на капитал. Уменьшение общей финансовой нагрузки на компанию.
А какие из этих эффектов чаще всего встречаются в вашей практике? Пишите в комментарии.
Более подробно - в статье Заместителя Генерального директора Альянса ИИ.
#методологияОФЭ #АльянсИИ #Ассоциация_ФинТех
Реклама. Ассоциация «Альянс в сфере ИИ» ИНН 9725034035
❤3
А прикольно же Сбер и ТБанк запустили сервисы заправок?
Нет, сам по себе повод, конечно, отстой, но реализация… финтех в чистом виде: на основе обезличенных данных о покупках топлива.
Не знаю… по-моему круто.
Нет, сам по себе повод, конечно, отстой, но реализация… финтех в чистом виде: на основе обезличенных данных о покупках топлива.
Не знаю… по-моему круто.
🤔3
Хммм... анализ Никиты Кричевского выглядит весьма прагматичным и достаточно точно отражает специфику российского финтех-рынка. В условиях жесткого регулирования и деанонимизации крипты классические финтех-преимущества (удобный UX, скорость) уступают место тем самым двум главным факторам масштабу дистрибуции и институциональному доверию. 🤷
Если до конца 2026 года закон будет принят, то мы, скорее всего, увидим жесткую сегментацию рынка. Где Сбер заберет себе гигантский массив пассивных «ходлеров». Т-Банк и Альфа станут базой для активных трейдеров и технологически продвинутых пользователей, которым важны скорость, глубина стакана (омг) и интеграция с инвестиционными стратегиями. Ну а Мосбиржа выступит главным бэк-офисом и ликвидным хабом для всей этой экосистемы. Да? :-D
Как думаете, пойдет ли массовый российский инвестор в крипту через банковские приложения, или те, кому это действительно нужно, так и останутся на зарубежных P2P-платформах и биржах?
Если до конца 2026 года закон будет принят, то мы, скорее всего, увидим жесткую сегментацию рынка. Где Сбер заберет себе гигантский массив пассивных «ходлеров». Т-Банк и Альфа станут базой для активных трейдеров и технологически продвинутых пользователей, которым важны скорость, глубина стакана (омг) и интеграция с инвестиционными стратегиями. Ну а Мосбиржа выступит главным бэк-офисом и ликвидным хабом для всей этой экосистемы. Да? :-D
Как думаете, пойдет ли массовый российский инвестор в крипту через банковские приложения, или те, кому это действительно нужно, так и останутся на зарубежных P2P-платформах и биржах?
👍1
Работа над ошибками
Этап «Работа над ошибками»: Почему финансовый отдел не в восторге от расчетов по ИИ-проектам?
Вы нашли точку отсчета и определили тип выгоды, но на защите бюджета аргументы рассыпаются под вопросами финансового директора. В методологии от Альянса в сфере ИИ и Ассоциации ФинТех детально разобраны ловушки, которые превращают многообещающий проект в убыточный.
Топ фундаментальных ошибок, которых можно избежать:
1.Игнорирование принципа консерватизма. Финансисты не верят в идеальные прогнозы. Надёжный расчёт требует закладывать негативный сценарий: доходы всегда прогнозируются по нижней границе, а расходы — по верхней.
2. Расчёт «на память» без воспроизводимой методики. Если эффект посчитан на основе экспертного ощущения, а не задокументированных данных и формул — такой расчёт невозможно проверить, оспорить или защитить. Любой другой аналитик с теми же исходными данными должен прийти к тому же результату.
3. Эффект посчитали один раз и забыли. Оценка — это не разовое событие. Все ключевые драйверы эффекта должны быть зафиксированы и доступны для мониторинга в любой момент жизни инициативы. Иначе через год невозможно понять, сбылся ли прогноз.
4. Подмена чистого эффекта валовым. Команды любят отчитываться о дополнительных доходах, но забывают вычесть затраты на серверы, разметку данных, покупку внешних решений, зарплаты отдела поддержки и поддержку модели в будущем. Учитывать нужно всё — по всем продуктам, каналам и подразделениям.
5. Смешение эффектов нескольких инициатив. Когда одновременно меняется процесс и запускается ИИ-модель, приписать весь результат модели — ошибка. Каждое изменение оценивается отдельно. Если разделить эффекты невозможно, инициативы оцениваются как единый каскад.
6. Погоня за точностью там, где это не меняет решения. Тратить недели на уточнение параметра, который сдвигает итог на 1%, — нерационально. Точность нужна там, где она реально влияет на вывод о целесообразности.
7. Оценка только на уровне бизнес-юнита, без учёта группы. Инициатива может выглядеть прибыльной внутри подразделения, но при консолидации на уровне холдинга картина изменится: налоговые эффекты, внутригрупповые трансферы и перераспределение затрат корректируют итог.
Избежать этих ошибок – значит перестать витать в облаках и начать считать реальную прибыль. Об этих и других ошибках читайте здесь.
#методологияОФЭ #АльянсИИ #Ассоциация_ФинТех
Реклама. Ассоциация «Альянс в сфере ИИ» ИНН 9725034035
Этап «Работа над ошибками»: Почему финансовый отдел не в восторге от расчетов по ИИ-проектам?
Вы нашли точку отсчета и определили тип выгоды, но на защите бюджета аргументы рассыпаются под вопросами финансового директора. В методологии от Альянса в сфере ИИ и Ассоциации ФинТех детально разобраны ловушки, которые превращают многообещающий проект в убыточный.
Топ фундаментальных ошибок, которых можно избежать:
1.Игнорирование принципа консерватизма. Финансисты не верят в идеальные прогнозы. Надёжный расчёт требует закладывать негативный сценарий: доходы всегда прогнозируются по нижней границе, а расходы — по верхней.
2. Расчёт «на память» без воспроизводимой методики. Если эффект посчитан на основе экспертного ощущения, а не задокументированных данных и формул — такой расчёт невозможно проверить, оспорить или защитить. Любой другой аналитик с теми же исходными данными должен прийти к тому же результату.
3. Эффект посчитали один раз и забыли. Оценка — это не разовое событие. Все ключевые драйверы эффекта должны быть зафиксированы и доступны для мониторинга в любой момент жизни инициативы. Иначе через год невозможно понять, сбылся ли прогноз.
4. Подмена чистого эффекта валовым. Команды любят отчитываться о дополнительных доходах, но забывают вычесть затраты на серверы, разметку данных, покупку внешних решений, зарплаты отдела поддержки и поддержку модели в будущем. Учитывать нужно всё — по всем продуктам, каналам и подразделениям.
5. Смешение эффектов нескольких инициатив. Когда одновременно меняется процесс и запускается ИИ-модель, приписать весь результат модели — ошибка. Каждое изменение оценивается отдельно. Если разделить эффекты невозможно, инициативы оцениваются как единый каскад.
6. Погоня за точностью там, где это не меняет решения. Тратить недели на уточнение параметра, который сдвигает итог на 1%, — нерационально. Точность нужна там, где она реально влияет на вывод о целесообразности.
7. Оценка только на уровне бизнес-юнита, без учёта группы. Инициатива может выглядеть прибыльной внутри подразделения, но при консолидации на уровне холдинга картина изменится: налоговые эффекты, внутригрупповые трансферы и перераспределение затрат корректируют итог.
Избежать этих ошибок – значит перестать витать в облаках и начать считать реальную прибыль. Об этих и других ошибках читайте здесь.
#методологияОФЭ #АльянсИИ #Ассоциация_ФинТех
Реклама. Ассоциация «Альянс в сфере ИИ» ИНН 9725034035
👍2
Яндекс выкатил ИИ-агентов для бизнеса. Теперь каждый может собрать своего «карманного» аналитика?
Помните агента «Исследовать» в Алисе AI, который умеет глубоко копать темы? Yandex B2B Tech открыл эту технологию для компаний на платформе Yandex AI Studio. Теперь любой бизнес может быстро собрать умного ИИ-помощника под свои задачи и встроить его сотрудникам в рабочий чат или клиентам в мобильное приложение.
Главное отличие от обычного поисковика в том, что агент работает как въедливый стажер. Он сам строит цепочку запросов, лезет вглубь — в научные статьи и отчеты — и переформулирует вопросы, если фактуры не хватило. В процессе он может совмещать данные из интернета с вашей внутренней документацией или CRM, выдавая на выходе готовый структурированный отчет, таблицу или презентацию. Маркетологам обещают быстрый анализ конкурентов, HR-специалистам — портрет идеального кандидата за пару минут, а продуктологам — оценку новых ниш без недели ручного гугления.
Но тут, конечно, есть подвох. Любой ИИ-аналитик хорош ровно настолько, насколько хороши источники в его распоряжении. Если агент пойдет шерстить открытый рунет, велика вероятность на выходе получить безупречно сверстанный отчет, собранный из кликбейтных статей, чужого SEO-мусора и победных пресс-релизов конкурентов. Презентация за три минуты — это удобно, но верифицировать цифры и отделять реальные инсайты от галлюцинаций и маркетинговой шелухи все равно придется человеку. Робот отлично упаковывает информацию, но критически мыслить пока так и не научился.
Тем не менее, инструмент, похоже, взлетит. Веб-поиском в AI Studio уже пользуются больше 11 тысяч компаний, совершая по 400 тысяч запросов в месяц. Теперь процесс станет быстрее, главное — не разучиться перепроверять то, что ИИ так красиво разложил по слайдам.
Помните агента «Исследовать» в Алисе AI, который умеет глубоко копать темы? Yandex B2B Tech открыл эту технологию для компаний на платформе Yandex AI Studio. Теперь любой бизнес может быстро собрать умного ИИ-помощника под свои задачи и встроить его сотрудникам в рабочий чат или клиентам в мобильное приложение.
Главное отличие от обычного поисковика в том, что агент работает как въедливый стажер. Он сам строит цепочку запросов, лезет вглубь — в научные статьи и отчеты — и переформулирует вопросы, если фактуры не хватило. В процессе он может совмещать данные из интернета с вашей внутренней документацией или CRM, выдавая на выходе готовый структурированный отчет, таблицу или презентацию. Маркетологам обещают быстрый анализ конкурентов, HR-специалистам — портрет идеального кандидата за пару минут, а продуктологам — оценку новых ниш без недели ручного гугления.
Но тут, конечно, есть подвох. Любой ИИ-аналитик хорош ровно настолько, насколько хороши источники в его распоряжении. Если агент пойдет шерстить открытый рунет, велика вероятность на выходе получить безупречно сверстанный отчет, собранный из кликбейтных статей, чужого SEO-мусора и победных пресс-релизов конкурентов. Презентация за три минуты — это удобно, но верифицировать цифры и отделять реальные инсайты от галлюцинаций и маркетинговой шелухи все равно придется человеку. Робот отлично упаковывает информацию, но критически мыслить пока так и не научился.
Тем не менее, инструмент, похоже, взлетит. Веб-поиском в AI Studio уже пользуются больше 11 тысяч компаний, совершая по 400 тысяч запросов в месяц. Теперь процесс станет быстрее, главное — не разучиться перепроверять то, что ИИ так красиво разложил по слайдам.
👍3
Зрелость: двойной учёт (финал)
Этап «Зрелость»: Как случайно не посчитать эффект дважды?
Финальный пост нашей серии. В корпоративной среде одну и ту же заработанную тысячу рублей часто записывают в свои достижения и маркетологи, и розница, и ИИ-команда. Двойной учет – главная причина раздутых отчетов, которые никак не бьются с реальным балансом компании.
Отраслевая методология жестко регламентирует этот момент: эффект должен быть привязан к конкретной ИИ-инициативе, продукту или ИИ-модели.
Как пресечь дублирование:
1. Используйте контрольные группы. Если вы внедрили модель и одновременно обновили продукт, приписывать весь рост технологиям нельзя. Правду покажет только эксперимент, где к одной части клиентов применяется ИИ, а к другой – нет. Разница между ними и есть ваш чистый заработок.
2. Считайте связанные модели вместе. Часто несколько нейросетей работают в связке: одна собирает данные, другая принимает решение. Обе претендуют на одни и те же деньги. Если их влияние невозможно честно разделить, их нужно оценивать как единый проект.
3. Смотрите на картину целиком. Если продажи целевого товара выросли, обязательно проверьте всю продуктовую матрицу. Нейросеть могла просто перетянуть на себя внимание клиента, обрушив продажи смежных продуктов-аналогов.
Настоящая зрелость аналитики начинается там, где команда умеет находить инкрементальный эффект, выделяя чистую добавленную стоимость ИИ из общей работы всего бизнеса.
Об этих и других инсайтах подробно описано в статье Альянса ИИ.
#методологияОФЭ #АльянсИИ #Ассоциация_ФинТех
Реклама. Ассоциация «Альянс в сфере ИИ» ИНН 9725034035
Этап «Зрелость»: Как случайно не посчитать эффект дважды?
Финальный пост нашей серии. В корпоративной среде одну и ту же заработанную тысячу рублей часто записывают в свои достижения и маркетологи, и розница, и ИИ-команда. Двойной учет – главная причина раздутых отчетов, которые никак не бьются с реальным балансом компании.
Отраслевая методология жестко регламентирует этот момент: эффект должен быть привязан к конкретной ИИ-инициативе, продукту или ИИ-модели.
Как пресечь дублирование:
1. Используйте контрольные группы. Если вы внедрили модель и одновременно обновили продукт, приписывать весь рост технологиям нельзя. Правду покажет только эксперимент, где к одной части клиентов применяется ИИ, а к другой – нет. Разница между ними и есть ваш чистый заработок.
2. Считайте связанные модели вместе. Часто несколько нейросетей работают в связке: одна собирает данные, другая принимает решение. Обе претендуют на одни и те же деньги. Если их влияние невозможно честно разделить, их нужно оценивать как единый проект.
3. Смотрите на картину целиком. Если продажи целевого товара выросли, обязательно проверьте всю продуктовую матрицу. Нейросеть могла просто перетянуть на себя внимание клиента, обрушив продажи смежных продуктов-аналогов.
Настоящая зрелость аналитики начинается там, где команда умеет находить инкрементальный эффект, выделяя чистую добавленную стоимость ИИ из общей работы всего бизнеса.
Об этих и других инсайтах подробно описано в статье Альянса ИИ.
#методологияОФЭ #АльянсИИ #Ассоциация_ФинТех
Реклама. Ассоциация «Альянс в сфере ИИ» ИНН 9725034035
👍1