Иллюзия выбора. Как банки зарабатывают на наших привычках?

Большинство людей уверены, что банки зарабатывают на комиссиях и процентах по кредитам, и чем активнее человек пользуется их услугами, тем больше платит. Однако это лишь видимая часть айсберга: с развитием цифровых сервисов финтех начал активнее работать с информацией о клиентах. Любое действие в приложении фиксируется и становится частью общего массива пользовательских данных, которые можно анализировать, объединять и использовать повторно.

Благодаря экосистеме open banking (открытый банкинг) эти данные не только собираются, но и активно участвуют в обмене между участниками рынка. Финансовая информация превращается в самостоятельный актив и становится отдельным ресурсом, который помогает бизнесу создавать продукты, настраивать персональные предложения и точнее взаимодействовать с клиентом.

В расчет идут не только базовые операции, но и структура доходов, уровень сбережений, долговая нагрузка, поведенческие факторы и иные признаки финансовых действий человека. Это позволяет банкам подстраиваться под поведение клиента, предсказывать его действия и даже влиять на них. В итоге бизнес зарабатывает не только на самой операции, но и на том, что влияет на вероятность ее совершения. Ключевым элементом такой бизнес-модели становится пожизненная ценность клиента (Lifetime Value – то, сколько дохода компании принесло взаимодействие с ним): чем точнее получается ее предсказать и направить, тем выше доход у компании.

Однако пользователи часто не понимают, как именно используются их данные, кто имеет к ним доступ и какие на основе этого принимаются решения. Это снижает доверие и создает ощущение, что от человека мало что зависит. Далее подробнее о том, как это работает.

Банковские приложения фиксируют практически каждое действие пользователя. Анализируются не только покупки, но и время операций, частота входа в приложение, реакции на уведомления, переводы и даже паузы между действиями. На основе этих данных формируется поведенческий профиль – цифровой «аватар» клиента, показывающий, как он принимает финансовые решения.

Один из базовых инструментов такого анализа – RFM-модель (Recency, Frequency, Monetary). Она разделяет поведение клиентов по трем параметрам: как давно было совершено последнее действие, как часто человек пользуется самим сервисом и сколько он при этом тратит. Эти показатели позволяют понять, насколько клиент активен и ценен для банка. Пользователю присваивается оценка по каждому из трех параметров – например, от 1 до 5. В результате формируется комбинация вроде 5-5-5 (самые активные и прибыльные клиенты) или 1-1-1 (те, кто почти перестал пользоваться сервисом). Это вписывает поведение клиента в понятную для банка картину: кого удерживать, кого возвращать, а на кого не стоит тратить ресурсы.

Далее подключаются алгоритмы машинного обучения. Они сопоставляют поведение миллионов пользователей и находят закономерности: кто берет кредит, кто перестал пользоваться услугами, а кто откликается на предложения. В результате банки сегментируют клиентов, что помогает им точнее настраивать маркетинг, повышать эффективность рекламных кампаний и удерживать аудиторию. Общий принцип действия этой модели изложен на графике.

Точность подобных прогнозов довольно высока. В ряде исследований модели прогнозирования поведения клиентов в банковской сфере показывают точность от 86% до 90% и выше, а в отдельных случаях – до 99%. Таким образом, система с большой вероятностью может заранее определить, какое действие совершит пользователь и что ему в этом поможет.

На практике это работает следующим образом. Если система видит, что пользователь регулярно тратит деньги в определенное время или в конкретной категории, она может предложить ему кредит, рассрочку или кешбэк именно в тот момент, когда вероятность получения согласия с его стороны максимальна. В итоге банки используют поведение клиента, чтобы подталкивать его к тем или иным решениям, увеличивая свой доход. Для удобства этот процесс разделяется на три взаимосвязанных действия.

Первая механика – рост количества операций. Чем чаще клиент платит, переводит деньги или пользуется платежными сервисами, тем больше доход банка. Поэтому интерфейсы и продукты нацелены на их регулярное использование: автоматические платежи, кешбэк, подписки. Это помогает увеличить частоту клиентских действий и, соответственно, доход банка.

Вторая ключевая точка – правильно выбранный момент: важно не только знать что предложить, но и когда лучше всего это сделать. Для этого система отслеживает действия пользователя в реальном времени и показывает предложения в момент, когда шанс отклика с его стороны самый высокий. По данным исследования портала BackBase, персонализация на основе этих данных может увеличивать конверсию (отношение количества предложений к числу их оформлений) до 30% и давать рост выручки банков на 10–15%.

Наиболее важный фактор – удержание клиента. Банку выгоден не разовый доход, а длительное взаимодействие. Чем дольше пользователь остается активным, тем выше его суммарная ценность. Поэтому банки так часто инвестируют в персонализацию и пользовательский опыт: по данным BackBase, в банковской сфере 71% клиентов ожидают индивидуального подхода, а 76% негативно реагируют на его отсутствие. В долгосрочной перспективе это напрямую влияет на лояльность клиентов и доход самого банка.

В результате формируется устойчивая модель взаимодействия: привычка – действие – доход. Ключевым активом в этой связке становится не сама операция, а способность направить ее в нужное русло. И чем точнее банк будет это делать, тем выше и стабильнее будет его прибыль.

Если банки зарабатывают на действиях пользователя, логично, что следующий шаг – повысить их частоту и удобство. Для этого финтех-сервисы упрощают сценарии действий, улучшая свой клиентский сервис: предложения становятся точнее, интерфейс – проще, а решения принимаются быстрее. По данным McKinsey & Company, персонализация в финансовых сервисах может увеличить выручку до 15%, заметно повышая вовлеченность пользователей в сам процесс.

Однако такая точность достигается за счет постоянного анализа данных. Алгоритмы учитывают покупки, поведение клиента и текущий контекст, чтобы показать предложение в нужный момент. В результате пользователь чаще на них соглашается – не потому, что долго сравнивал варианты, а потому что полученное предложение совпало с его ситуацией. При этом сам механизм принятия решений остается «за кадром»: большинство людей не видят, как именно формируется их выбор.

В связи с этим интересно исследование удобства мобильных приложений 10 крупных российских банков, проведенное компанией UsabilityLab в декабре 2025 года. Оказалось, что различия между мобильными приложениями банков формируются не за счет их функциональности, а исходя из пользовательского опыта клиентов. По сумме факторов лидирует приложение Банка Уралсиб. Для большинства респондентов оно оказалось наиболее удобным, понятным и вызывало доверие: пользователи легко выполняли нужные действия и понимали, как все работает. Хорошие результаты показало и приложение ВТБ. Его клиенты изначально ожидали меньшего, но в итоге высоко оценили удобство, дизайн и скорость работы.

У части банков наблюдался обратный эффект. Приложения Альфа-Банка и Банка Санкт-Петербург хотя и выглядят качественными, но не всегда соответствуют ожиданиям, которые формирует сам бренд. В целом доверие клиентов падает, когда они сталкиваются с маркетинговыми уловками, которые подталкивают их к незапланированным действиям. Например, если реклама кредитной карты выглядит как реальный счет с лимитом – пользователь может случайно нажать и оформить ненужный продукт, что снижает его удовлетворенность от использования приложения.

Ожидания от банковских приложений также зависят и от возраста клиентов. Исследование UsabilityLab показало, что если пользователям 18–34 лет важны дизайн, настройка под себя и минимум действий, то люди 35–55 лет чаще воспринимают приложение как инструмент контроля за деньгами: им нужна понятная аналитика и управление расходами, хотя таких функций часто не хватает. Клиенты старше 56 лет в основном ценят приложения банков за простоту и надежность – крупный шрифт, понятные кнопки и стабильную работу без сбоев.

В результате анализ данных и персонализация становятся не просто вопросом удобства, а основным элементом пользовательского опыта. Приложения, которые вызывают доверие и ощущение контроля, позволяют клиенту легко совершать действия, не задумываясь о том, как они сформированы. В то же время попытки банков слишком открыто управлять поведением пользователей приводят к обратному эффекту и снижают удовлетворенность от работы с мобильным приложением.

Если банки все точнее выстраивают экономику вокруг поведения клиента, возникает логичный вопрос: замечают ли это сами пользователи? Чтобы понять это, Просто. провел опрос среди более семи тысяч подписчиков своего телеграм-канала на тему: «Как часто вы замечаете, что банк подсказывает вам «нужные» решения в самый подходящий момент?»

54% респондентов ответили, что не обращают внимания на такие подсказки. Интересно, что основная часть аудитории не фиксирует сам факт влияния банков на свои финансовые действия. Таким образом, можно констатировать, что сегодня персонализация встроена в пользовательский опыт настолько органично, что воспринимается как «нормальная работа сервиса», а не управляемый сценарий.

13% считают такие совпадения случайными. Это важный промежуточный уровень восприятия: хотя пользователи и замечают определенные закономерности, они не связывают их с системной работой алгоритмов. Для банков это все еще комфортная зона – влияние есть, но оно не распознается клиентами как управляемое.

8% респондентов отметили, что банк действительно «угадывает» их действия. Именно такие клиенты первыми начинают задаваться вопросами о том, как работают рекомендации. 19% пользователей осознают, что такие предложения не случайны, а происходящее является частью маркетинга банка. И наконец, 6% испытывают настороженность и не понимают, как это работает: судя по всему, непрозрачность алгоритмов у этой части аудитории начинает вызывать недоверие.

В итоге более половины опрошенных (54%) признались, что не замечают влияния банков на свои решения, а еще почти треть респондентов (32%) не до конца его осознает. Таким образом, персонализация работает эффективно в том числе потому, что для большинства клиентов остается незаметной. И чем меньше пользователь воспринимает ее влияние как внешнее давление, тем выше вероятность того, что он примет предложенное ему банком финансовое решение.

^{Статья не содержит финансовых рекомендаций, не является рекламой и носит исключительно справочно-информационный характер.}