Архив Финансовые услуги и страхование · Банки

Альфа-Банк: ИИ-модель оттока и звонки с суперкэшбэком — аплифт 7,9 п.п. в пилоте

В пилоте предиктивного удержания активной базы, запущенном в ноябре 2025 года, модель ИИ Альфа-Банка отбирала клиентов, склонных к оттоку, для звонков с персональным суперкэшбэком; конверсия рабочей группы составила 18,6% против 10,7% в контрольной, аплифт — 7,9 п.п.

Стадия
Пилот / PoC
География
Россия
Год
2026
Источники
1
CB-002317
проверено 24.10.2026

/01 · ключевые результаты

  • результат пилота

    7,9 п. п.

    аплифт конверсии рабочей группы относительно контрольной

    CCGuru, статья, 21.05.2026

    пилот, запущенный в ноябре 2025 года · пилот предиктивного удержания активной базы, телемаркетинг Альфа-Банка

    данные СМИ

  • 18,6% конверсия рабочей группы в активацию кэшбэка за 30 дней после звонка · результат пилота CCGuru, статья, 21.05.2026
  • 10,7% конверсия контрольной группы · исходный уровень CCGuru, статья, 21.05.2026
  • 74% аплифт по активациям кэшбэка к контрольной группе в первом запуске · результат пилота CCGuru, статья, 21.05.2026

оценка strategai

Оценку не приводим: пилот, денежный эффект модели и объём охваченной базы не раскрыты

В пилоте предиктивного удержания активной базы, запущенном в ноябре 2025 года, модель ИИ Альфа-Банка отбирала клиентов, склонных к оттоку, для звонков с персональным суперкэшбэком; конверсия рабочей группы составила 18,6% против 10,7% в контрольной, аплифт — 7,9 п.п.

Стадия
Пилот / PoC
География
Россия
Год
2026
Источники
1
CB-002317
проверено 24.10.2026

/02 · паспорт кейса

/ паспорт кейса · CB-002317АО «Альфа-Банк»

Бизнес

Компания
АО «Альфа-Банк»
Отрасль
Финансовые услуги и страхование · Банки
Функция
Продажи и работа с клиентской базой
Задача
Прогноз оттока и удержание

Технология

Класс AI
Предиктивная аналитика (классический ML)
Тип решения
Собственная разработка
Данные
Транзакции клиентов, паттерны поведения, цифровой профиль и другие признаки клиентской активности.

Внедрение

Стадия
Пилот / PoC, на 21.05.2026
География
Россия

/03 · описание кейса

Бизнес-задача

Альфа-Банк работает с клиентами, которые постепенно теряют активность: перестают пользоваться дебетовой картой, реже заходят в приложение и переносят операции в другой банк. Исследование команды телемаркетинга (обзвон более 15 тыс. клиентов и опрос в приложении) показало, что 42% уходящих клиентов переходят в другой банк на зарплатный проект, 34% называют невыгодный кэшбэк вторым по значимости драйвером ухода, а 38% опрошенных не видят мер банка, которые могли бы их удержать. На первом этапе, с июля 2025 года, банк звонил клиентам в предоттоке с персональным суперкэшбэком. Следующей задачей стало удерживать клиентов заранее — пока они ещё активны, но по поведенческим признакам могут потерять активность через несколько месяцев.

Решение

С ноября 2025 года команда запустила предиктивное удержание активной базы с использованием моделей ИИ. По словам спикера банка, использовалась внутренняя разработка Альфа-Банка — АльфаГен. Модель анализирует транзакции, паттерны поведения, цифровой профиль и другие признаки клиентской активности и выявляет клиентов, склонных к будущему оттоку. Этим клиентам операторы телемаркетинга звонят с персональным суперкэшбэком — повышенным кэшбэком в 1–2 категориях, где клиент действительно тратит деньги (маркетплейсы, продукты, аптеки и другие). Целевое действие — активация кэшбэка в течение 30 дней с даты звонка; после согласия клиенту через 2 дня приходят напоминания по SMS и push.

Внедрение

Пилот проводился на рабочей и контрольной группах. Конверсия рабочей группы составила 18,6%, контрольной — 10,7%, аплифт — 7,9 п.п.; первый запуск дал аплифт 74% по активациям кэшбэка относительно контрольной группы. Проект «Персонализация удержания клиентов на основе адаптивной аналитики» банк представил в номинации «Лучшая практика аналитики и использования данных о клиентах» премии CCGuru Awards; материал CCGuru опубликован 21 мая 2026 года и основан на эссе и выступлении команды. Следующим шагом банк называет подключение моделей склонности к кредитным продуктам — кредитным картам, кредитам и рефинансированию.

/04 · источники и проверка

Что подтверждено

  • В пилоте предиктивного удержания конверсия рабочей группы составила 18,6% против 10,7% в контрольной, аплифт — 7,9 п.п.
  • Первый запуск дал аплифт 74% по активациям кэшбэка относительно контрольной группы.
  • Модель отбирает активных клиентов, склонных к оттоку, по транзакциям, поведению и цифровому профилю; инициатива запущена в ноябре 2025 года.

Ограничения

  • Цифры относятся к пилоту; размер рабочей и контрольной групп и длительность теста не раскрыты.
  • Аплифт отражает совокупный эффект отбора клиентов моделью и персонального предложения суперкэшбэка; вклад самой модели отдельно не выделен.
  • Снижение CIR с 86% до 43% и другие итоги относятся ко всему проекту удержания и не приписаны модели.
  • Конверсия измеряет активацию кэшбэка в течение 30 дней; влияние на долгосрочный отток и доход в источнике не показано.
  1. [1] CCGuru

    Как Альфа-Банк превратил удержание клиентов в точную аналитику: от «звонка про кэшбэк» к предиктивной модели сохранения

    СМИ · 21.05.2026

    Открыть источник

Архив Сообщить о неточности

АрхИИВ /strategai · CB-002317 · Версия 1 · 24.10.2026 · /c/CB-002317/