Reconheça os seus clientes: a fintech investe em dados e inovação para alargar as fronteiras do setor financeiro

As boas propostas de valor transcendem os limites operacionais. Quando uma das maiores fintechs da América Latina registou um impressionante aumento de clientes, teve de analisar profundamente os hábitos dos utilizadores para perceber mais sobre o novo perfil do seu público.

---

Considerada uma das referências de fintech entre os bancos digitais, cresceu cerca de 400% em 1 ano. Alcançou tudo isto com uma clara proposta de valor, investimentos direcionados e o desenvolvimento de novas tecnologias com toda a ênfase na experiência do cliente.

O crescimento acelerado também suscitou dúvidas: quem eram estes novos clientes? Como é que atendemos estes novos tipos de utilizadores? Como é que alteramos os nossos produtos e serviços? Que oportunidades de inovação nos podem ajudar a manter estes novos clientes?

Num mercado comoditizado como o setor bancário, a experiência do utilizador e as relações com os clientes podem fazer toda a diferença. Dado este contexto, o compromisso foi:

1. Compreender os novos clientes e as suas necessidades não satisfeitas; 
2. Definir onde investir esforços; 
3. Expandir a carteira de produtos e serviços.

O boom de crescimento vivenciado pelas fintechs criou novos desafios, principalmente no que diz respeito à difusão de serviços. 

Para além disso, os procedimentos de apoio em situações de emergência no meio da pandemia incorporaram 33 milhões de novos participantes no sistema financeiro. Uma excelente oportunidade para abraçar esta expansão. 

O desafio: manter um elevado nível de satisfação do consumidor, apresentar produtos e serviços financeiros cada vez mais aderentes, assim como compreender este novo perfil. 

Como o desafio inicial era demasiado amplo, foi dividido em quatro partes:

1. Segmentação da população dentro dos serviços bancários; 
2. Descoberta de necessidades não satisfeitas;
3. Criação de oportunidades de inovação para o mercado com rendimentos mais elevados; 
4. Identificação de segmentos no CRM (identificados com base em quem pertencia a que segmento).

Uma das maiores fintechs da América Latina, com uma enormidade de seguidores – algo anteriormente impensável no setor bancário – não podia classificar estes novos clientes apenas pelos seus rendimentos e faixa etária. Faltava alguma coisa. E nós estávamos determinados a encontrar essa falta.

Foi necessário definir o que os distingue. Colocar o utilizador no centro da estratégia empresarial e analisar a sua base focada nos utilizadores. Conhecer estes novos clientes tão bem como conhecem os seus clientes mais fiéis.

Para tal, o projeto foi estruturado em quatro segmentos interdisciplinares diferentes:

• Cliente e Mercado: Referências e estudos de mercado. 
• Investigação quantitativa: Pesquisa de clientes, cruzamento de dados e segmentação final.
• Oportunidades de inovação: Ter “Trabalhos a fazer” para listar ações numa estratégia de oceano azul.
• Ciência dos Dados: Qualidade dos dados, análise exploratória de dados, criação de hipóteses, engenharia de características, desenvolvimento de painéis de instrumentos, segmentação de base CRM, comparação de segmentação, pontuação de base dos clientes, automatização da classificação de base e documentação da segmentação.

A essência da proposta de valor era compreender os novos consumidores. Afinal, a segmentação nada mais é do que análise. 

Posteriormente, articularíamos com o Projeto de Serviços e a Ciência dos Dados, para aprofundar o perfil do cliente existente na base de dados e identificar nuances comportamentais. Para além de cruzar diferentes tipos de dados, incluindo dados demográficos, comportamentais e qualitativos.

A nossa equipa de inovação liderou o processo de Pensamento do Projeto. Houve cerca de 300 horas de entrevistas exploratórias e aprofundadas com clientes de forma a descobrir como os utilizadores de bancos digitais pensam e se comportam.

Transformar dados em valor

Neste caso, todas as áreas envolvidas foram igualmente importantes na cocriação, mas concentremo-nos na Ciência dos Dados.

O projeto de Data Science começa com o acesso aos dados. Inicialmente complexo por razões de segurança da informação, precisávamos de conceber estratégias que permitissem aos funcionários aceder aos dados de forma segura.

Rapidamente nos apercebemos de que a base de dados desta empresa era enorme. A própria empresa estava, de facto, desenvolvida no que diz respeito aos dados e apresentou-nos uma base com milhares de variáveis. 

A característica inicial dos projetos de ciência dos dados é a fase exploratória. Mas com milhares de variáveis, precisávamos de saber exatamente o que queríamos extrair dos seus dados.

A criação de hipóteses aconteceu em workshops e entrevistas exploratórias, que constituíram a base para a realização de uma investigação mais aprofundada.

→ Quem seriam os nossos grandes utilizadores nas finanças?

→ Que características poderiam descrever o seu perfil?

Foram utilizados modelos de machine learning para classificar a informação dentro do processo de engenharia de características para extrair o seguinte:

• Um conjunto de dados com milhares de variáveis;
• Criação de características com visualização de perfis, utilização do produto e comportamento financeiro;
• Estratégia de processamento paralelo de nuvens para analisar eficazmente

Com estes conhecimentos preliminares, criámos os nossos primeiros resultados: 

• Criação de um painel interativo de análise dos clientes;
• Filtros para os diferentes perfis de clientes;
• Canal disponibilizado para implementação.

Com base nesta análise, era tempo de criar segmentações. Iniciámos o processo iterativo de segmentação, analisando as 127 variáveis que criámos.

1. Durante o processo de criação de novas hipóteses, foram criadas 14 iterações. Comparámos estas iterações com as segmentações existentes para identificar fraquezas e vulnerabilidades.

Entretanto, a equipa de inovação da MJV estava a realizar imersão e análise com o cliente e o mercado. Com base em critérios qualitativos, o inquérito à inovação procurava segmentar a população “em bancos” para identificar os aspetos-chave que moldam as decisões financeiras das pessoas.

Posteriormente, a equipa de Data Science realizou investigação quantitativa a nível nacional para ajudar a segmentação. A investigação começou a utilizar acionadores criados na fase anterior. O questionário procurou aprofundar a nossa compreensão dos comportamentos e atitudes financeiras.

• Associação de questões e acionadores;
• Categorização de macro-acionadores e micro-acionadores utilizando análise de fatores;
• Análise de grupos;
• Interpretação de segmentos.

Depois, a equipa de Inovação analisou os grupos criados pela equipa da Ciência dos Dados. Isto foi feito para ver se fazia sentido de um ponto de vista qualitativo.

Os clientes da Fintech foram divididos com base em oito acionadores. Outras variáveis recolhidas foram utilizadas para descrever e interpretar segmentos, como a demografia, histórico do produto e o comportamento financeiro, entre outros.

As variáveis foram utilizadas para descrever segmentos e dar mais informações sobre o tipo de produtos que os clientes estavam a consumir. 

O resultado foi um material rico em informação, detalhes e conhecimentos:

• Identificação através dos inquiridos fintech;
• Disponibilidade de grupos com clientes fintech no painel;
• Documentação de todo o processo de segmentação;
• Registo de todas as decisões tomadas, referências e código utilizado. Disponível numa interface web fácil de navegar.

Com os dados corretamente estruturados e os insights criados, a Fintech tinha agora nas suas mãos um verdadeiro mapa para definir ações e estratégias.

Insights para a tomada de decisão

O cliente estava agora munido com os conhecimentos qualitativos do processo de DT e com as hipóteses de segmentação de DS. Mas também criámos uma série de possibilidades e descobertas no que diz respeito a necessidades não satisfeitas.

O que chamamos oportunidades de inovação escaláveis

A entrega final consistiu em:

• Criação de 15 segmentos de clientes com características diferentes.
• Estudo de mercado e pesquisa de benchmarking;
• Classificação dos clientes de acordo com perfis comportamentais.
• Mapeamento de 40 oportunidades de inovação numa estratégia do oceano azul (onde não existe concorrência direta de outros bancos);
• Priorização de 26 trabalhos a serem feitos em busca de uma vantagem competitiva neste novo momento de expansão do mercado fintech.
• Desenvolvimento de ferramentas e painéis para uma análise completa do cliente.

O projeto foi um marco importante para a fintech, uma vez que indica quais serão os próximos passos da empresa. Foi uma mudança de ritmo há muito esperada: o momento em que Change the Bank (Mudar o Banco) se torna finalmente Run the Bank (Gerir o Banco).

É importante salientar que o processo foi levado a cabo com muita cooperação das partes interessadas, que compreenderam que novos contextos requerem novas formas de funcionamento – para além da participação ativa na priorização das ações.

Quando se lida com uma empresa tão disruptiva, é essencial ouvir o cliente. 

Se também quer conhecer os seus clientes e obter conhecimentos valiosos sobre produtos e serviços, podemos ajudar. Entre em contacto com um dos nossos consultores!

Voltar