Как мы в Т наводим порядок в рекламных предложениях в Мобильном банке? Привет! Меня зовут Игорь, я отвечаю за то, чтобы ИИ в Т-Банке решал прикладные бизнес-задачи и помогал зарабатывать больше, в том числе в привлечении и удержании клиентов. Хочу рассказать про кейс, который в 2025 году дал 1,5 млрд рублей эффекта. Рынок банковских продуктов в России уже довольно зрелый. Уникальных фич становится меньше, конкуренция за клиента растёт, внешнее привлечение дорожает, а банки превращаются в экосистемы с десятками сервисов. В итоге активная база клиентов становится главным источником роста. И кросс-продажи в мобильном приложении - один из ключевых каналов. Но тут возникает проблема. В Т-Банке сотни продуктов и сервисов. Если показывать клиенту всё подряд, он просто перестаёт обращать внимание. Значит, нужно в каждый момент предлагать только то, что реально может быть ему полезно. При этом мы всегда балансируем между тремя вещами: •экономикой продукта, •ёмкостью внимания клиента, •реальными потребностями конкретного человека. Исторически эта задача решалась руками. Маркетологи собирали сегменты, настраивали кампании, подбирали офферы под группы клиентов. И это нормально. На определённом этапе развития бизнеса так и должно быть: руками быстрее, гибче и дешевле. Не каждая задача сразу требует сложных моделей. Но вместе с ростом Т-Банка росло количество продуктов и объём данных о клиентах: транзакции, действия в приложении, история продуктов, реакции на коммуникации. В какой-то момент данных стало настолько много, что ручной подход упёрся в естественный потолок. Не потому что он плохой, а потому что масштаб изменился. Это типичная эволюция. Сначала задачи решаются вручную. Потом, когда система усложняется, приходится автоматизировать. А следующий шаг - использовать ИИ и ML, когда без них уже невозможно. Так у нас и появился Блендер. Блендер - это платформа на основе ИИ, которая подбирает клиенту наиболее релевантный продукт в конкретный момент времени на основе множества данных о клиентском поведении, транзакционной активности и экономике продуктов. По сути, это «умный диспетчер» всех маркетинговых предложений в приложении. Например, клиент недавно купил авиабилеты, начал тратить больше обычного и часто заходит в раздел путешествий. В этот момент логичнее показать ему не кредит наличными «вообще», а страховку для поездки или карту с повышенным кэшбэком на путешествия. Другому клиенту в той же точке мы покажем уже совсем другое предложение. То есть мы перестали думать категориями «кому в целом показать продукт», и начали думать «что именно этому человеку логично предложить прямо сейчас». В результате коммуникации стали заметно точнее, клиенты более вовлечёнными, а бизнес более эффективным. В 2025 году это дало 1,5 млрд рублей дополнительного эффекта. И это только начало. Удачные решения со временем перерастают из точечных инструментов в платформы и мы уже масштабируем Блендер на другие каналы и продукты, но это история для отдельного разговора.