Скользкий психотип: как выручить $150 тыс. на портретах клиентов компаний
РБК June 07, 2019
Платформа DataSine поднимает продажи, вычисляя, кому из клиентов показывать в рассылках фото котиков, а кому — одинокого человека с книжкой
«Талантливый менеджер по продажам — это хороший психолог: он подстраивается под клиента, чтобы продать ему как можно больше в магазине или по телефону. А как подстроиться под клиента, которому компания пишет электронные сообщения? И вот тут уже вступает в игру наша платформа: она подсказывает, какие цвета нравятся адресату, какие фразы в сообщении и фото вызывают отклик», — говорит основатель британского стартапа DataSine Игорь Волжанин. В 2015 году он вместе с Богданом Шкарупой запустил платформу, которая может вычислить психологический портрет клиента банков и страховых компаний, основываясь на его поведении — сведениях о финансовых операциях, отклике на рекламу, рассылки, лендинговые страницы и т.п.
Первой их решение протестировала международная страховая компания BNP Paribas Cardif. Меняя дизайн и текст email-рассылок, а также скрипты операторов своего кол-центра в зависимости от психотипа адресата, она подняла продажи одной из услуг на 71%. Следом за ней технологию опробовали Hello bank! и Тинькофф Банк. В 2018 году оборот стартапа составил около $150 тыс. В этом году основатели DataSine планируют выручить уже более $630 тыс.
Психология и компьютеры
Игорь Волжанин родился во Львове. Когда ему было 12 лет, он вместе с семьей переехал в Канаду. В местных учебных заведениях, Королевском университете и Университете Виктории, будущий предприниматель получил образование политолога и госуправленца. Свой карьерный путь он начал в 2010 году с четырехмесячной стажировки сначала в нью-йоркском офисе ООН, где занимался мониторингом и оценкой программ секретариата организации. Затем он стажировался в офисе Генерального ревизора Канады, год проработал в Албании младшим экспертом в международной программе по развитию инфраструктуры, потом два года — проектным менеджером в консалтинговой компании International Development Services при Франкфуртской школе финансов и управления.
«Среди наших клиентов был сам Всемирный банк», — гордится 32-летний Игорь Волжанин. Но когда в компании ему предложили пожизненный контракт, он смутился. «Казалось, я достиг своей мечты: работал в крупной компании, ездил в командировки по миру, — говорит предприниматель. — Но тут я спросил себя: и что, это все? Мне захотелось чего-то другого». Самый простой способ сменить профессию — пойти учиться, заключил Волжанин. Друг посоветовал ему почитать научные статьи на темы, с которыми он хочет связать карьеру. «Экономика, финансы, политология — все это теперь казалось скучным, — признается Волжанин. — В какой-то момент наткнулся на какую-то психологическую статью и вдруг вспомнил, что всегда с большим интересом читал книги о поведенческой экономике, принятии решений, рациональности людей».
Волжанин нашел программу по когнитивной психологии и компьютерным наукам в колледже Биркбек при Лондонском университете и написал одной из профессоров колледжа о том, что хочет под ее руководством готовить диссертацию. «Мы общались на протяжении нескольких месяцев, а в сентябре 2014 года она сказала: «Приезжай!» — вспоминает Волжанин. Предприниматель поступил в аспирантуру в Биркбеке. «Изучая новую область в новой для меня стране, я все чаще думал о запуске своего дела: раз уж менять жизнь, то кардинально! — рассказывает он. — Так как конкретной бизнес-идеи у меня не было, я решил побольше общаться с разными людьми и рассказывать всем, что хочу запустить бизнес».
На лекции о машинном обучении будущий предприниматель познакомился с Богданом Шкарупой. Он, так же как и Волжанин, родился на Украине, поработал в зарубежном Deutsche Bank и пошел учиться, чтобы понять, чем хочет заниматься дальше. «Мы подумали: было бы здорово совместить то, о чем нам рассказывали на лекции, с психологией и опытом Богдана в банковской сфере», — вспоминает Волжанин. Немного поразмыслив, приятели пришли к изначальной идее DataSine — определять психотипы клиентов банков и предсказывать их реакцию на те или иные действия, используя данные о транзакционной активности. В начале 2015 года они рассказали о задумке знакомому Шкарупы в лондонском филиале Швейцарского банка. Тому идея понравилась, и приятели приступили к созданию проекта.
Как это работает
Компания-заказчик предоставляет DataSine доступ к обезличенным данным о поле и возрасте, а также тратах своих клиентов (места покупок, сумма покупок, частота транзакций и др.). DataSine обрабатывает эти данные и показывает психотипы клиентов. Типизация происходит по модели «Большой пятерки», согласно которой личность человека определяется пятью главными чертами характера: открытость или закрытость к опыту (интеллект), продуманность или импульсивность, экстраверсия или интроверсия, соперничество или дружелюбность, эмоциональность или спокойствие. Далее заказчик может загрузить в программу DataSine, например, тексты и картинки из своих email-сообщений и увидеть рекомендации по их корректировке под каждый психотип. «Система может посоветовать фотографию с улыбающимися людьми для экстраверта и картинку, где одинокий персонаж читает книгу, для интроверта», — объясняет Игорь Волжанин. Если заказчик принимает рекомендации, платформа сама вносит корректировки и делает рассылку через email-провайдеров MailChimp, HubSpot или SendSay.
Инвестиции на разработку самой технологии партнеры рассчитывали получить от Швейцарского банка через знакомого Шкарупы. «Но, когда мы снова пришли к нему, оказалось, что он о нас уже забыл и банк никаких денег нам давать не собирается, — делится Волжанин. — Получилось, что у нас уже есть компания, но ни разработки, ни клиентов нет».
Предприниматели принялись создавать проект на собственные накопления. Летом 2015 года они подали заявку на четырехмесячный международный хакатон для финтех-проектов, который устраивала страховая компания BNP Paribas Cardif в Париже. «Нас взяли буквально в последнюю секунду», — вспоминает Волжанин. В ходе хакатона приятели дописали алгоритм, который мог с помощью транзакционных данных определить психотип человека. Проект победил в конкурсе, а Волжанин и Шкарупа получили около €7 тыс. в качестве приза.
После хакатона партнеры предложили руководству BNP Paribas Cardif узнать психотипы их собственных клиентов с помощью алгоритма DataSine. «Нам сказали: у нас есть конкретная проблема — мы не знаем, как правильно общаться с клиентами по телефону и почте, — рассказывает Волжанин. — Мы поняли, что психотипы сами по себе компаниям неинтересны, и начали строить систему, помогающую корректировать коммуникацию».
В ноябре 2015 года BNP Paribas Cardif вложила в разработку DataSine €50 тыс. и предоставила стартаперам доступ к обезличенным данным 500 тыс. клиентов. Волжанин и Шкарупа перебрались в Париж, поближе к штаб-квартире компании, наняли психолога и специалистов по машинному обучению Джеймса Джина и Криса Лоя, а летом 2016 года презентовали доработанный продукт. Свои рекомендации по общению с клиентами они поначалу отправляли вручную. «Например, писали: вот эта группа людей — экстраверты. Общаться с ними лучше, используя экспрессивный язык, активную коммуникацию, такие словосочетания, как «Иди вперед — мы за тобой!» и так далее», — объясняет Волжанин. Несмотря на перспективность идеи, Шкарупа покинул проект. «Он решил вернуться в банковскую сферу, где заработок был гораздо стабильнее», — поясняет Волжанин. Новыми партнерами предпринимателя стали Джин и Лой.
BNP Paribas Cardif заключила с DataSine несколько коммерческих контрактов на общую сумму $200 тыс. и начала тестировать решение. В течение месяца, например, компания предлагала клиентам страховку от несчастных случаев, выстраивая разговор с людьми разных психотипов по скорректированным DataSine скриптам. «В итоге мы увеличили количество продаж страховок на 71% по сравнению с их прошлым опытом, — говорит Волжанин. — Вся магия была в том, что кому-то они сообщали о цифрах и фактах, а кому-то коротко рассказывали, чем ему будет полезен продукт».
Первые пилотные проекты с BNP Paribas Cardif открыли DataSine двери в крупный акселератор Techstars в Лондоне, с помощью которого стартап привлек $20 тыс. Еще $100 тыс. партнеры получили в виде конвертируемого займа, по условиям которого Techstars стал владельцем 8% DataSine. Полученные средства партнеры потратили на то, чтобы доработать систему: теперь она выдавала рекомендации, как общаться с разными типами клиентов, автоматически.
В начале 2017 года клиентом DataSine стало бельгийское отделение принадлежащего BNP Paribas Hello bank!. Банк заключил со стартапом контракт на $100 тыс. В ходе пилотного проекта DataSine рекомендовал банку, как изменить email-сообщения, информирующие клиентов о ежегодной акции. «Hello bank! проводил маркетинговую кампанию, чтобы стимулировать людей использовать банковскую карту: отправлял в путешествие тех, кто проводил операции более десяти раз за месяц», — рассказывает Волжанин. Чтобы принять участие в конкурсе, нужно было заполнить анкету. Письмо с информацией об акции приходило клиентам на почту. «Благодаря нашим корректировкам Hello bank! смог увеличить количество участников конкурса на 80% по сравнению с прошлым годом, — вспоминает предприниматель. — Обе интеграции показали нам, что персонализация на основе психотипов работает».
Личное предложение
Сегодня каждый четвертый маркетолог в мире использует персонализацию общения с клиентом при помощи искусственного интеллекта. Разрабатывают подобные решения многие зарубежные компании — например, Meniga, Textio, VisualDNA, Hello Soda, Concured и другие. А вот поведенческую психологию используют в своих решениях гораздо меньше игроков. Среди них, например, англо-американский стартап Genus AI (привлек в общей сложности $2 млн инвестиций) и Adapti из Люксембурга (привлек €500 тыс.). Оба используют в основном те же типы данных, что и DataSine.
Психотипы по подписке
«Несмотря на результаты пилотных проектов, продукт был еще очень далек от масштабирования, — признается Волжанин. — Нам каждый раз приходилось настраивать систему под новую компанию». Каждый пилотный проект, по словам предпринимателя, затягивался на три—шесть месяцев, и выручка DataSine была нестабильной.
Игорь Волжанин подумал: нужно сделать так, чтобы заказчики могли автоматически менять все свои тексты в соответствии с рекомендациями и сразу отправлять их в рассылку. В октябре 2017 года он привлек на доработку сервиса €1 млн. Лидером в этом раунде инвестирования стала BNP Paribas, участие также приняли связанный с этой компанией фонд Cathay Capitals, британский Force Over Mass и российский Sistema VС, основанный АФК «Система». «Нас компания привлекла нестандартным решением на стыке психологии и ИТ, — говорит Искандер Гиниятуллин, вице-президент по инвестициям Sistema VC. — Если учесть высокую конкуренцию во многих сегментах, постоянный рост стоимости привлечения клиента, борьбу компаний за удержание аудитории и повторные продажи, станет ясно, что у команды DataSine есть преимущество, которое позволяет им надеяться на высокий рост».
Инвестиции позволили Волжанину начать разработку универсальной системы, которую не придется настраивать для каждого нового заказчика. С их помощью к концу 2018 года команда DataSine внедрила в свою технологию алгоритмы искусственного интеллекта: теперь софт стал обучаться, анализируя реакцию людей на скорректированные сообщения. «Чем больше клиент взаимодействует с персонализированным контентом, тем четче система выстраивает его личностный профиль», — объясняет Волжанин.
В марте 2018 года Волжанин провел еще один пилотный проект, на этот раз с российским Тинькофф Банком. «Еще до пилота мы провели анкетирование среди наших лояльных клиентов и определили, кто к какому психотипу по «Большой пятерке» относится, — говорит Евгений Исупов, директор по монетизации больших данных в Тинькофф Банке. — Дальше возник большой вопрос: каким способом общаться с каждым психотипом? И вот тут мы как раз привлекли DataSine».
По словам Исупова, Тинькофф Банк провел с DataSine несколько пилотных кампаний. Так, в email-сообщении предлагал клиентам банка, которые пользуются разными продуктами и сервисами, например покупают билеты через «Кассир.ру» или используют карты All Airliines, купить билеты в кино со скидкой. «В целом разные психотипы действительно реагировали на контент по-своему. Но некоторые тесты с DataSine показывали хорошие результаты, а некоторые — провальные, — признается Исупов. — Технология в целом интересная и перспективная, но на тот момент находилась в фазе разжигания огня камнем. Я думаю, в течение нескольких лет ее доведут до ума и она будет работать как зажигалка». Исупов не исключает, что Тинькофф Банк вернется к работе с DataSine.
В начале 2019 года DataSine привлек еще $5,2 млн от Sistema VС, Pentech Ventures, Propel Venture Partners, Twin Ventures International и C.Entrepreneurs. Около 50% бизнеса, по словам Волжанина, принадлежит трем первым фондам. Часть денег пошла на расширение команды до 20 человек. «Благодаря вложениям мы как раз докрутили платформу до SaaS-решения (программное обеспечение как услуга. — РБК) для финтех-индустрии, — поясняет предприниматель. — Теперь наконец наши клиенты могут сегментировать своих клиентов по психотипам, автоматически изменять контент для них и непосредственно через платформу запускать рассылку». Для этого DataSine интегрировал софт с email-провайдерами MailChimp, HubSpot или SendSay.
Сейчас DataSine использует три разных тарифных плана — Free, Pro и Enterprise. Используя первый, можно анализировать изображения (впоследствии Волжанин планирует добавить и текст) на предмет соответствия вкусам большинства людей: например, узнать, какой процент клиентов станут отзывчивее, увидев фотографию котика. Pro-версия создана для малого и среднего бизнеса: ее стоимость составляет $100 в месяц, она имеет интеграцию с email-провайдерами, но ограничена по глубине анализа личности каждого клиента. Enterprise-версия позволяет увидеть уникальный личностный профиль каждого. Выбирая ее, заказчики платят за каждого по $1 или меньше, если клиентов больше 500 тыс.
«Полноценные пилоты показали очень хороший результат, — считает Искандер Гиниятуллин. — Думаю, это подтвердят и компании-клиенты. В процессе происходила доработка бизнес-модели. Оптимальным подходом стала модель SaaS, а не продажа разовых лицензий на использование продукта. Основной риск, с которым, кстати, DataSine пока благополучно справляется, — в том, что нужно нарабатывать экспертизу в достаточно узкой области — финансовой индустрии». По мнению вице-президента по инвестициям Sistema VC, это может создать существенные препятствия для роста стартапа на глобальном рынке, поскольку финансы — довольно консервативная сфера со сложной системой государственного регулирования персональных данных.
Первым клиентом доработанного проекта стал австрийский банк, который Игорь Волжанин не называет. В процессе заключения контракта на постоянное использование и английский банк RBS. Интерес к автоматизированному решению, по словам предпринимателя, есть у BNP Paribas Cardif и Hello bank!. К концу 2019 года Волжанин рассчитывает подключить к DataSine пять постоянных клиентов и выручить более $630 тыс. Маржинальность DataSine сейчас составляет 50–60%. По словам основателя проекта, решение может быть интересным не только банкам, но и телекому, торговым интернет-площадкам и благотворительным организациям. «Любой бизнес, где есть клиентская база, с которой нужно постоянно коммуницировать, — потенциально наши заказчики», — уверен Игорь Волжанин.
Взгляд со стороны
«Мы не можем поделить всех людей на 16 или даже 32 типа»
Елена Добробабенко, психотерапевт
«Сама по себе типизация личностей не является универсальным инструментом. Мы не можем поделить всех людей на 16 или даже 32 типа и четко знать, как именно с каждым из них общаться. Так не работает. Каждый человек уникален, как бы пафосно это ни звучало. Но если мне, например, на групповом занятии задают вопрос: «А как мне наладить отношения с руководством?», а время на ответ у меня ограниченно, я отвечаю: «Выберите любую типологию личности, определите, какого типа ваш руководитель, и общайтесь с ним так, как рекомендуется общаться с этим типом». Таким образом, не стоит использовать типизацию личности как единственно правильный инструмент и возможность эффективно общаться с человеком. Но мы можем использовать ее как еще один инструмент по улучшению этой коммуникации».
Автор: Ксения Мельникова