موج نو فین‌‌‌تک

در بررسی ترجیحات رفتاری مصرف‌کننده پست‌‌‌مدرن به امری مهم یعنی شخصی‌‌‌سازی تجربه کاربری در محصولات حوزه فین‌‌‌تک برمی‌‌‌خوریم؛ موضوعی که نه‌تنها اهمیت زیادی برای رشد و موفقیت این محصولات دارد؛ بلکه با توسعه هوش مصنوعی اهمیت بیشتری نیز پیدا کرده است.

مصرف‌کننده پست‌‌‌مدرن به گروهی از افراد اشاره دارد که رفتارها، نگرش‌‌‌ها و اولویت‌‌‌های خرید و مصرف آنها با مصرف‌کنندگان سنتی یا مدرن متفاوت است. این گروه به‌واسطه تغییرات فرهنگی، تکنولوژیک و اجتماعی شکل گرفته و خصوصیاتی مثل فردگرایی و تنوع در انتخاب‌‌‌ها، چندگانگی هویت و تجربه، رویکرد تجربی و احساسی، دوری از قطعیت و جست‌وجوی معنا، توقع بالا از محصولات نوآور، اهمیت دادن به مسائل اجتماعی و اخلاقی، چالش‌‌‌پذیری و انتظارات بالا در آنها پررنگ است. از آنجا که مصرف‌کننده پست‌‌‌مدرن به‌شدت به بررسی نظرات سایر کاربران اهمیت می‌دهد و در فضای مالی تصمیم‌گیری‌‌‌ها با پیچیدگی‌‌‌های بیشتری همراه است، مساله شخصی‌‌‌سازی تجربه، برای راضی نگه‌‌‌داشتن این دسته از مخاطبان الزامی به نظر می‌‌‌رسد. اهمیت شخصی‌‌‌سازی محصولات حوزه فین‌‌‌تک را می‌‌‌توان در دو بخش کلی تعریف کرد:

- افزایش رضایت و وفاداری مشتری: شخصی‌‌‌سازی محصولات به کاربران اجازه می‌دهد تا کنترل بیشتری بر روی دارایی‌‌‌ها و سرمایه‌گذاری‌‌‌های خود داشته باشند که در نهایت موجب رضایت بیشتر آنها خواهد شد.

-کاهش هزینه‌‌‌ها و کارآیی بیشتر: با پیشنهاد محصولات سفارشی و مرتبط، نیاز به بازاریابی و پیشنهادهای عمومی کاهش یافته و کسب‌وکارها می‌‌‌توانند منابع خود را بهینه‌‌‌تر تخصیص دهند.

برای تحقق این موضوع، فعالان حوزه فین‌‌‌تک به شناخت عمیق‌‌‌تری از کاربر خود نیاز دارند. اینجاست که هوش مصنوعی و یادگیری ماشین می‌‌‌تواند نقش مهمی بازی کند. شناخت کاربر براساس سطح ریسک و توقعات مالی با فهم ترجیحات و مدل‌‌‌های سرمایه‌گذاری او می‌‌‌تواند در کنار هوش مصنوعی و یادگیری ماشین به نتایج چشمگیری منجر شود؛ تا جایی که شاید یک محصول بتواند پیشنهادهای مالی منحصر‌‌‌به‌‌‌فرد به هر کاربر ارائه دهد. علاوه براین هوش مصنوعی می‌‌‌تواند در بخش‌‌‌های زیر نیز موثر واقع شود:

-آنالیز داده‌‌‌های بزرگ و ارائه پیشنهادهای سفارشی: هوش مصنوعی با تحلیل رفتار و الگوهای مالی مشتریان، می‌‌‌تواند به شرکت‌های فین‌‌‌تک کمک کند تا محصولاتی سفارشی و دقیق برای هر کاربر ارائه دهند.

-پیش‌بینی رفتار مالی AI: با استفاده از یادگیری ماشین می‌‌‌توان رفتار مشتریان را پیش‌بینی کرد و در نتیجه تجربه کاربری شخصی‌‌‌سازی‌شده و بهتری مثل پیشنهادهای سرمایه‌گذاری براساس تحلیل الگوهای گذشته و وضعیت فعلی بازار به آنها ارائه کرد.

-بهبود امنیت و شخصی‌‌‌سازی در خدمات: AI می‌‌‌تواند با تشخیص تهدیدهای امنیتی در داده‌‌‌های مشتری و ارائه راه‌‌‌حل‌‌‌های امنیتی سفارشی، به ارائه تجربه کاربری امن‌‌‌تر و کارآمدتر کمک کند.

یکی از ‌‌خروجی‌‌‌های جذاب این مدل توسعه محصولاتی است که امکان Asset allocation و ارائه پیشنهادهای هوشمند سرمایه‌گذاری (Robo-advisor) را عملی کنند. باید توجه داشت که کسب نتیجه و تجربه موفق در این حوزه، نیازمند بستر عملیاتی و قابل اجراست که بازار سرمایه ایران بهترین مدل برای کسب نتیجه در این حوزه نیست (به دلیل عوامل تاثیرگذار بیرونی مانند تحولات سیاسی و اجتماعی در داخل یا خارج از کشور که کار مدل‌‌‌سازی داده را بسیار پیچیده می‌کند). البته در استارت‌آپ‌‌‌های فین‌‌‌تکی کشور نیز در سال‌های گذشته شاهد پیشرفت‌‌‌های خوبی بوده‌‌‌ایم، اما این بازار هنوز گنجایش بیشتری برای جذب مصرف‌کننده پست‌‌‌مدرن دارد. همان‌طور که اشاره کردیم، در حوزه فین‌‌‌تک، ساخت تجربه کاربری منحصربه‌‌‌فرد برای مصرف‌کننده پست‌‌‌مدرن که شناخت بالایی از حوزه دیجیتال داشته و نسبت به کیفیت خدماتی که دریافت می‌کند (به‌ویژه در حوزه مالی) حساسیت بالایی دارد، بسیار حائز اهمیت است. در همین راستا، شخصی‌‌‌سازی محصولات فین‌‌‌تکی که نیاز مخاطب را به‌‌‌درستی تشخیص داده و برای حل مشکل وی راهکار ارائه می‌کند، یک استراتژی موفق و کارآ به‌‌‌شمار می‌رود.