Банк «Санкт-Петербург» совместно с GlowByte персонализирует коммуникации с клиентами в мобильном приложении с помощью RL-модели

2025: Внедрение в приложение модели для персонализации предложений для клиентов

БСПБ при поддержке GlowByte внедрил в мобильное приложение Банка модель для персонализации предложений для клиентов. Решение основано на технологии Reinforcement learning («обучение с подкреплением»). Данный подход позволяет формировать индивидуальный план показа баннеров каждому клиенту: теперь Банк сможет проводить интерактивные маркетинговые акции, которые позволят создавать релевантные для клиента предложения. Об этом GlowByte сообщил 13 февраля 2025 года.

RL-модель была разработана с целью автоматизации маркетинга. Модель усилила собой ансамбль использовавшихся ранее ML-моделей, которые анализируют склонности клиентов к различным продуктам Банка. RL-модель обеспечивает оптимальное сочетание разнообразия предложений и максимизации интереса клиентов. В отличие от классических подходов, технология Reinforcement learning позволяет модели постоянно дообучаться на основе новых поступающих данных и быстрее адаптироваться к изменениям. 

Благодаря данному решению система автоматизации маркетинга может сочетать стратегию исследования степени интереса клиентов к разным предложениям со стратегией максимизации откликов: предложение из пула доступных для клиентов предложений будет обязательно показано большей или меньшей доле клиентов – в зависимости от их отклика на данное предложение. Помимо прочего, RL-модели обеспечивают быструю проверку гипотез по новым предложениям (модель сократит их показы, если они не будут интересны клиентам), а также позволяют эффективно решить задачу персонализации предложений для клиентов без истории в мобильном приложении Банка. Система легко адаптируется к изменениям клиентского поведения, сезонным трендам и способна обновляться на основе свежих данных сколь угодно часто, даже ежеминутно. 

Мы активно следим за развитием новых методов и ИТ-инструментов и стараемся постоянно повышать качество работы с данными, улучшать коммуникацию с клиентами. Мы идем от потребностей и интересов клиентов Банка. Теперь благодаря реализованному проекту вместе с GlowByte мы можем легко, быстро и, главное, безопасно проверять гипотезы по новым и существующим продуктам, максимально ориентируясь на текущие потребности наших клиентов, сказал Константин Киселев, директор департамента развития клиентской базы БСПБ.

«Мы идем от потребностей и интересов клиентов банка. Разработанный инструмент позволит определить эффективный охват аудитории для каждого предложения, добавить интересный продукт в список рекомендуемых, а если отклик на новый продукт окажется слишком низким, система сама сократит его показы клиентам», пояснила Мария Духнич, начальник управления целевого маркетинга БСПБ.

2024: Внедрение MLOps-инструменты для повышения эффективности работы платформы моделирования

Банк «Санкт-Петербург» при поддержке интегратора GlowByte внедрил MLOps-инструменты для повышения эффективности работы платформы моделирования. Об этом GlowByte сообщил 13 января 2025 года. Проект позволил ускорить цикл обновления моделей, централизовать процессы подготовки данных, обучения моделей и их развертывания, а также внедрить автоматизированную систему для управления версиями кода моделей.

В рамках проекта были внедрены инструменты Airflow, Gitlab CI/CD и DVC (Data Version Control), благодаря которым происходит управление жизненным циклом моделей. Airflow обеспечивает координацию задач и автоматический запуск процессов, с помощью инструмента Gitlab CI/CD построен единый пайплайн вывода модели от стадии разработки до применения в продакшене, DVC позволяет сохранять данные в S3, а также версионировать большие файлы данных, модели и другие артефакты.

Мы интегрировали все этапы разработки и тестирования с системой контроля версий GitLab, благодаря чему автоматизировали процессы сборки для моделей машинного обучения и процесс продуктивизации моделей, сделали прозрачной историю всех изменений в кодовой базе. Кроме того, Airflow дал возможность автоматизировать запуск batch-моделей, а также позволил оптимизировать управление ресурсами кластера Kubernetes, – пояснил Сергей Новоселов, архитектор Advanced Analytics GlowByte.

Внедрение MLOps-подходов повысило интерес к использованию ML-платформы, что, в свою очередь, способствовало привлечению большего числа бизнес-пользователей в банке «Санкт-Петербург». 

В банке «Санкт-Петербург» ML-платформа существует уже достаточно давно. В 2024 году благодаря совместным работам с GlowByte она получила дополнительный импульс к развитию на пути к единому пространству банка для решения сложных многофакторных задач. Внедренные инструменты не только повысят эффективность разработчиков моделей, но и существенно облегчат доступность их результатов для пользователей, сказал Кирилл Светлов, управляющий директор Дирекции Казначейство ПАО «Банк "Санкт-Петербург"».

В дальнейшем планируется продолжать развитие платформы, улучшая стабильность ее работы за счет более эффективного управления ресурсами в кластере Kubernetes и применения современных подходов в области машинного обучения и MLOps, в том числе инструмента MLFlow для отслеживания экспериментов с моделями.