Un algoritmo che impara dai financial advisor per potenziare i consulenti

Sono passati ormai più di dieci anni dalla nascita dei primi roboadvisor e ormai è evidente che il wealth management digitale non rappresenta un business “nuovo”, ma semplicemente mette a disposizione un nuovo canale e nuove modalità di esecuzione per un servizio, quello della consulenza finanziaria, che le banche offrono ai loro clienti da decenni.

Oggi le imprese di wealth management hanno la possibilità di differenziare il modello di servizio secondo il valore economico, le attitudini e le preferenze loro clienti. Si va dal servizio tradizionale umano, fino ad oggi dominante e comunque il migliore per clienti con esigenze più complesse e patrimoni consistenti, fino a un servizio 100% digitale, quello appunto dei roboadvisor, riservato a giovani e digital savy. Nel mezzo sono possibili varie gradazioni di modelli ibridi.

La differenza vera sta nell’usare e poter integrare virtuosamente i diversi canali per garantire al cliente il miglior servizio possibile e un’esperienza personalizzata e fidelizzante.

Umano, digitale o ibrido, il futuro è personalizzato e data-driven

In tutti i modelli di servizio, l’interazione umana rimarrà cruciale, anche se essa sarà presente in misura variabile a seconda del modello prescelto. Per un modello di servizio guidato dal digitale è sufficiente un accesso mirato a un centro servizi, mentre un approccio ibrido di successo richiede una maggiore interazione umana e il modello guidato dall’uomo assomiglia al tradizionale modello di servizio di fascia alta (private).

Una consulenza personalizzata su larga scala sarà il fattore chiave di differenziazione commerciale e il motore per generare valore per i wealth manager, a prescindere dal modello di servizio. Secondo un recente sondaggio di Oliver Wyman, circa il 70% dei clienti ritiene che il grado di consulenza personalizzata sia uno dei fattori più critici quando si decide su un consulente patrimoniale, nonché il razionale economico per motivare il costo della consulenza finanziaria.

I clienti di oggi sono più digitalmente sofisticati, hanno esigenze più complesse e si aspettano una maggiore personalizzazione dei consigli nel tempo, i sistemi di wealth management e i consulenti devono apprendere e adattarsi alle loro preferenze.

La buona notizia è che mentre in passato il wealth management doveva trovare un compromesso tra personalizzazione e scalabilità, oggi i data analytics e l’uso del machine learning consentono di aggregare e analizzare i dati attraverso sistemi diversi (tra cui il CRM, i tool di pianificazione finanziaria, la costruzione di portafogli e altri strumenti di terze parti).

Nessun algoritmo farà mai meglio di un bravo advisor, ecco perché abbiamo copiato da loro

Anche nell’era del Metaverso le decisioni finanziarie complesse riguardanti la pianificazione di investimento a lungo termine e i grandi patrimoni continueranno a essere prese con il supporto di consulenti in carne e ossa preparati, con cui si stabilisce un rapporto fiduciario e personale.

E anche in Italia i maggiori player del wealth management si affidano a reti tradizionali di bravi (e ben remunerati) consulenti umani. Il digital investing è sì presente, ma dominato da player totalmente digitali come Moneyfarm e di nicchia come Euclidea. Il canale di investimento e risparmio digitale degli operatori finanziari è ad oggi ancora limitato e per lo più fatto di app rivolte al pubblico di “micro-risparmiatori” o dei più giovani, come Gimme5 di AcomeA Sgr, o la nuova Beewise di Azimut.

La piattaforma di data analytics di Wealthype per il wealth management nasce proprio per aiutare le reti tradizionali, pur essendo applicabile anche ai modelli ibridi o al canale 100% digitale.

Addirittura, i nostri algoritmi di machine learning sono stati addestrati per imparare dalle best practice dei migliori advisor umani replicandone le azioni. In fondo, le reti neurali, che esistono da oltre 20 anni, cercano proprio di replicare il funzionamento di quel potentissimo e sofisticato macchinario che è il cervello umano. Ma è molto improbabile che anche la più sofisticata intelligenza artificiale potrà mai superare un bravo consulente che conosce davvero bene il suo cliente e crea con esso legami di fiducia ed empatia

Ma quanti sono i clienti che un advisor può davvero seguire nel migliore dei modi?

La verità è che non tutti i consulenti sono così esperti. E che non con tutti i clienti si riesce a creare quel livello di comunicazione e fiducia speciale. Ecco che qui arriva l’algoritmo, che consente di replicare la migliore esperienza su un numero ben maggiore di clienti, giovando alla profittabilità dell’azienda e dell’advisor stesso e migliorando la qualità complessiva del servizio.

Il Recommendation System di Wealthype che ho provato a rappresentare nella figura iniziale mette il consulente al centro ed è fatto per aiutarlo a rispondere alle domande che egli si pone, e le cui risposte sono la chiave del successo. Chi è davvero il mio cliente? Quali i prodotti che gli servono? Quali sono i clienti più in target per un certo prodotto? Come comunicare al meglio con il cliente?

È evidente che la tecnologia può superare le capacità di calcolo o di memoria di una persona, ma siamo molto lontani anche solo ad eguagliare quel tipo di “intelligenza” che è fatta di mille sfumature e implicazioni psicologiche ed emotive che definiscono il rapporto tra cliente e consulente finanziario.

Ma se l’aiutino è disponibile, perché non trasformare un bravo advisor in un super advisor?

Noi in Wealthype ci occupiamo di questo e abbiamo già aiutato migliaia di advisor a lavorare meglio. Per una demo dei nostri tool, potete contattarci al link sottostante e scoprire come applicare le logiche del Machine Learning ai vostri processi aziendali.