在过去几年里，银行面临着许多新问题，比如消费者预期不断上升、来自拥有优质客户体验的数字竞争对手的竞争、技术进步以及监管收紧。许多银行已经开始数字化，以应对这些挑战并保持相关性，但随着流量开始流向数字渠道，银行缩减了其分支网络，以节省成本。
在新冠疫情爆发后，数字转型进一步加快。对于传统的实体银行来说尤其如此，它们的成本收入比是数字银行的两倍。
现在正处于经济衰退中，这迫使所有人都勒紧裤腰带。支出在下降，目前的情况可能会持续一段时间。经济低迷也影响了大多数银行，许多银行不得不削减招聘支出，在很多情况下，还进一步裁员。虽然这次裁员可能缓解了一些经济压力(据金融市场行为监管局估计，关闭一家银行分支机构每年可以节省59万英镑)，但银行仍需要资源来与客户保持联系，以确保他们能够留住客户并吸引新客户。
一个解决方案是使用数据和人工智能来获取客户知识，建立用户粘性。机器学习(ML)可用于分析数据，为银行提供输入上下文体验的见解，或会话式人工智能，以实现与客户的“类人”交互。英国国民西敏寺银行的虚拟助理Cora展示了如何通过帮助数千名受疫情影响的客户重新安排他们的贷款和信用卡支付来实现这一点。
了解客户是更好参与的关键。人工智能和分析解决方案通过提供洞察来帮助客户管理他们的财务，并向他们推荐下一步的步骤，实现了这一点。然而，为了提供最有效的参与，需要全面的数据。银行应该使用一个平台来收集客户的其他商业关系和位置的信息，从而能够了解客户的偏好并预测未来的需求。例如，基于客户收入和支出模式、年龄、金融资产和负债的数据集合，将允许银行建议投资特定公司或减少经常外出就餐的支出。
使用数据分析的另一个好处是，它防止银行用他们不需要的服务和提供来惹恼客户。相反，它允许银行在正确的时间向正确的人提供正确的服务。这降低了客户去其他地方满足其财务需求的机会。
前面提到的例子可以让银行实现高水平的参与，有效地使用人工智能提供高度个性化的、上下文相关的体验和建议，从而改善客户的财务状况。
然而，尽管向客户提供这些数据可以帮助他们更有效地管理自己的财务，从而让银行留住他们，但研究报告《最大化数字银行参与度》显示，只有5%的银行成功地创造了有效的客户参与度。大多数这样做只是通过关注客户体验的临时修复，而不是长期计划。
数据收集和分析所需的技术也可能带来挑战。成本可能很高，结果取决于所使用的数据。因此，银行应该根据自己的位置做出选择，考虑业务目标、客户基础和技术准备等因素。
