Umělá Nikita o vás zjistí skoro všechno za méně než vteřinu

26. 5. 2017
Doba čtení: 6 minut

Sdílet

 Autor: Shutterstock
Pomůže zrychlit kreditní rozhodnutí na 50 milisekund tak, abyste mohli v další vteřině zaplatit penězi, které ani nejsou vaše. Anebo zjistí, že vám půjčit není bezpečné. To není sci-fi, vlastní neuronovou síť si už vyrobil český úvěrový startup.

Jak udělat kreditní rozhodnutí za 50 milisekund a zhodnotit v něm zhruba 400 faktorů, když máte k dispozici jen čtyři údaje? S pomocí machine learningu, umělé inteligence.

O té nám na konferenci Digitální peníze, kterou pořádal server Měšec.cz, povídal Lukáš Hurych z projektu Twisto.

Twisto je platební aplikace funkční na řadě e-shopů, se kterou můžete odložit platbu za zboží vlastními penězi až na příští měsíc tak, že v první chvíli proběhne okamžitá platba přes Twisto a vy za zboží zaplatíte až do 15. dne následujícího měsíce (služba po registraci nastaví kreditní limit, ze kterého v průběhu měsíce platíte nákupy. První den příštího měsíce dostanete souhrnné vyúčtování, které do 14 dnů zaplatíte). Přes službu lze platit i složenky a faktury tak, že je vyfotíte do mobilní aplikace a pošlete na plati@twisto.cz. Všechny doklady ke koupi i uhrazené doklady máte v aplikaci pohromadě. Aplikaci Twisto stáhnete na Google Play a App Store.

Twisto vám po registraci nastaví kreditní limit, ze kterého v průběhu měsíce financujete své nákupy. První den příštího měsíce dostanete souhrnné vyúčtování, které Twistu uhradíte do 14 dnů. Bez úroků a skrytých poplatků.

Tvůrci projektu Twisto při jeho tvorbě vycházeli zejména z toho, že produkt dělá zážitek, a ne jeho funkce. Lukáš Hurych si pro objasnění této myšlenky vzal na pomoc například službu Uber, která nedělá lepší taxíky, ale dělá lepší zážitek z cestování. Nebo Airbnb, která nemá lepší ubytování, ale dramaticky mění zážitek z toho, jak se můžeme ubytovat v zahraničí. Stejně tak u Spotify nevymysleli lepší technologii, hudební formát nebo vydavatelství, ale změnili způsob, jak konzumovat hudbu. Jak tedy Hurych zdůrazňuje, úspěch nemusí plynout ze spousty funkcí, které by služba nabídla, ale ze zážitku.

Nadesignovat všechno

Tento zážitek (user experience) podle Hurycha už dnes není jen o tom mít přívětivý design webu, ale o tom mít dobrý design všeho. Z pohledu e-shopu to může být zážitek z prvního kontaktu se zákaznickou podporou, první balíček apod. Není to jen ten moment konverze, kdy obchodník potřebuje urvat danou transakci. Nadesignovat by se měl celý proces nákupu i případná podpora po něm, myslí si Hurych.

První věc, se kterou Twisto přišlo v souvislosti s touto myšlenkou, je platební metoda v e-shopech, kdy jediná podmínka toho, aby klient zaplatil, je, aby si tu možnost zvolil. Tedy žádné zadávání platby, převádění peněz, platba na jedno kliknutí.

Nechtěli jsme dělat jen další platební tlačítko, chtěli jsme úplně změnit zážitek uživatele z nakupování.


Lukáš Hurych

Vteřinový skóring

Co se v e-shopu reálně stalo, když zákazník zaplatil přes službu Twisto a nevyplňoval žádné osobní údaje či údaje o kartě? Na straně Twisto proběhlo zhruba za dobu 50 milisekund kreditní rozhodnutí, ke kterému měla služba konkrétně na Slevomatu k dispozici jméno, telefon a e-mail. (V drtivé většině případů mívá u jiných služeb Twisto k dispozici i adresu, u Slevomatu to tak není.) Na základě těchto tří údajů Twisto vyhodnotilo, zda je daný klient důvěryhodný, dostojí závazku a do 14 dnů za službu či výrobek zaplatí kartou, hotově či převodem.

Vyhodnocování solventnosti klienta Twisto dělá pomocí systému interního skóringového systému Nikita. Bez ohledu na to, že k dispozici jsou jen čtyři údaje (na Slevomatu tři), systém si pomocí otevřených dat umí analýzu obohatit ještě o dalších zhruba 400 faktorů.

Přístup zatím funguje, protože Twisto eviduje úhrady u jednotek procent uživatelů (při 170 000 unikátních uživatelích).

Příkladem budiž výsledky voleb publikované pro mikroregiony: Pokud pro daný mikroregion statisticky vítězí KSČM, je pro nás dvakrát rizikovější, než když v něm vítězí např. ODS, uvádí Hurych příklad a hned přidává další. Pokud se připojujete z 27palcového iMacu, jste dvakrát kredibilnější než uživatel s Androidem za dva tisíce. Podobně je velký rozdíl, když má zákazník ve svém e-mailu celé jméno ve srovnání s někým, kdo se do služby přihlašuje jako chlupataberuska@seznam.cz. Ani jedno kritérium samo o sobě automaticky neznamená, že by si uživatel spadající do dané skupiny přes Twisto nenakoupil, výsledek určuje až mix oněch 400 faktorů. V současnosti se schvaluje přes Slevomat asi 85 % transakcí.

Rychlejší (umělý) mozek

Pojem machine learning Hurych opět vysvětluje na příkladu, tentokrát na nákupu manga. Jdete-li si pro mango, předpokládejme, že chcete to nejsladší a nejzralejší, to jsou vaše dvě zásadní kritéria. Vaše babička vám kdysi říkala, že jenom žlutá manga jsou sladká a šťavnatá. Po nákupu na trhu zjistíte, že půlka žlutých mang je skutečně zralá a sladká, ale zbytek už tak dobře nechutná. Když zapátráte, tak zjistíte, že velká manga jsou skutečně ta dobrá a menší kusy jsou ty špatné. Když pak chcete ještě doplnit další požadavek, aby bylo mango šťavnaté, z vašeho nákupu zjistíte, že šťavnaté kusy jsou měkčí. Na konci dne tak z pohledu ajťáka dojdete k něčemu takovému:

Příště, když jdete manga nakupovat, víte, čím se řídit, abyste si koupili to správné mango. Najednou ale zjistíte, že váš oblíbený prodejce tam neprodává, že je tam nový, který má jiná manga z jiné země. To je podle Hurycha příklad toho, proč je tu strojová inteligence. Protože se stále učí, i když dojde ke změně předpokladů.

Pokud byste si chtěli vytvořit vlastní model na rozpoznávání toho, zda je mango zralé a šťavnaté, půjdete na trh a koupíte sto mang z různých rozměrů, podob, zemí původu od různých prodejců. Prvním krokem je popsání vlastností manga (barva, velikost, tvar, prodejce, vůně..) a zároveň popíšete výstupní parametry, které vás zajímají (sladkost, šťavnatost, vyzrálost). Když těmito daty nakrmíte algoritmus, ten vám řekne, s jakou pravděpodobností bude dané mango sladké a šťavnaté. Každou další zkušenost navíc strojová inteligence bere v úvahu a model stále zpřesňuje.

Od manga k nákupnímu košíku

Implementace podobné technologie do skórovacího procesu má za následek rychlejší posouzení bonity zákazníka a možnost okamžité platby. Protože jak Hurych upozornil, právě platba je největší „bolestí“ nákupního procesu.

Chceme v podstatě platbu a přemýšlení nad platbou dát do pozadí, uvedl Hurych. To je pro klienty pohodlná myšlenka. A ještě šikovnější je pro obchodníky.

skoleni_8_1

Kromě toho, že se zákazník nemusí zdržovat se zadáním platebního příkazu nebo čísla své karty, zde funguje i psychologický faktor. Při rychlé platbě spotřebitel tolik nepociťuje, že právě utrácí své peníze, protože ví, že zatím je má reálně stále k dispozici a platit bude muset Twistu až příští měsíc. Kromě toho má mnohem méně času si koupi rozmyslet než např. při platbě převodem nebo své nákupní rozhodnutí změnit a nakoupit u konkurence. Samozřejmě se dá zboží během doby, než ho skutečně uhradí Twistu, vrátit. Část spotřebitelů to ale neudělá, protože buď zjistí, že ten produkt, která už má v rukou, vlastně opravdu chce, nebo mu na tom nesejde tolik, aby ho to donutilo zajít s balíčkem na poštu. Jsou i nákupy, kde je rychlá platba velkým pomocníkem. Třeba při nákupu na DámeJídlo bude zákazník oběd vracet jen těžko kvůli tomu, že si po chvilce uvědomil, že chce místo špaget vlastně hamburger.

Z dalšího úhlu je Twisto vlastně krátkodobá neúročená půjčka bez poplatků. Z ještě dalšího je pak alternativou pro paranoiky, kteří chtějí rychle zaplatit, ale bojí se platit na internetu a nechtějí zadávat čísla ze své platební karty do platebních bran.

Upozorníme vás na články, které by vám neměly uniknout (maximálně 2x týdně).