Claudio Gisler In meinem Artikel von 2017 habe ich die traditionelle Kundensegmentierung von Banken hinterfragt und gezeigt, wie sich das entwickeln könnte. Heute, acht Jahre später, sind die technologischen Fortschritte so weit vorangeschritten, dass eine personalisierte Kundenansprache nicht nur möglich, sondern unerlässlich scheint. Insbesondere die Entwicklungen im Bereich der Künstlichen Intelligenz (KI) und der Large Language Models (LLMs) eröffnen Schweizer Banken neue Horizonte für eine individualisierte Kundenbetreuung.
Die Bedeutung der Personalisierung
Laut einer Studie von McKinsey erwarten 71 Prozent der Konsumenten personalisierte Interaktionen von Unternehmen, und 76 Prozent sind frustriert, wenn dies nicht geschieht. Unternehmen, die in der Personalisierung führend sind, generieren 40 Prozent mehr Umsatz aus diesen Aktivitäten als der Durchschnitt. Diese Zahlen unterstreichen die Notwendigkeit für Banken, ihre Kundenansprache zu individualisieren.
KI und LLMs als Treiber von «Segment of One»
Traditionelle Segmentierungsansätze, die Kunden in breite Kategorien einteilen, werden den heutigen Anforderungen nicht mehr gerecht. «Segment of One» zielt darauf ab, jeden Kunden als individuelles Segment zu betrachten. Durch den Einsatz von KI und LLMs können Banken das Verhalten, die Vorlieben und Bedürfnisse jedes einzelnen Kunden in Echtzeit analysieren und entsprechend reagieren. Dies ermöglicht eine beispiellose Personalisierung der Kundeninteraktionen.
«Segment of One» wird aber auch das Marketing verändern. Neu lassen sich Marketingmassnahmen für den einzelnen Kunden massschneidern. Dafür müssen Daten gesammelt und analysiert, Kundenprofile generiert und entsprechende Kampagnen kreiert werden. Was früher schier unmöglich war, ist mit KI und LLM nun möglich.
Das neue Kundenerlebnis
- Ende der fixen Kundenzuteilung: Wie oft hört man in Banken: «Das ist mein Kunde». Mit «Segment of One» gehört diese Denkweise der Vergangenheit an. KI-Systeme analysieren Transaktionsdaten und vergangene Kundeninteraktionen in Echtzeit. Kunden werden abhängig von ihrer Kanalnutzung und aktuellen Bedürfnissen dynamisch umsegmentiert und flexibel den passenden Beratern oder digitalen Services zugewiesen.
- Smarte Kundenanfragen-Routing: KI analysiert E-Mails (und vielleicht bald auch Telefongespräche in Echtzeit) und leitet Anfragen an die richtige Person weiter. Das muss nicht immer der persönliche Kundenberater sein. Oft kann ein Contact-Center-Mitarbeiter die Anfrage schneller, besser und kostengünstiger beantworten. Oder die KI übernimmt die Beantwortung direkt – per Chatbot, Messenger, E-Mail oder als VoiceBot.
- Automatisierte Kundenbetreuung mit emotionaler Intelligenz: LLMs können in Chatbots integriert werden, um Kundenanfragen effizient und präzise zu beantworten und so die Kundenzufriedenheit zu erhöhen. Sie erkennen am Schreibstil des Kunden dessen Stimmung und reagieren darauf – wie ein Mensch oder vielleicht sogar besser.
- KI als virtuelle Erweiterung des Beraters: KI wird so eingerichtet, dass sie das gewünschte Wording der Bank nutzt und gleichzeitig die «Personality» des persönlichen Beraters imitiert. So erlebt der Kunde eine konsistente Betreuung – egal, ob er digitale oder persönliche Kanäle nutzt.
- Team-basierte Kundenbetreuung: Zukünftig wird jeder Kunde von einem Team betreut – bestehend aus Kundenberater, Contact-Center-Mitarbeiter und KI. Dies stellt Banken und Bankmitarbeiter vor eine grosse kulturelle Herausforderung. KPI-Systeme müssen angepasst werden, ebenso wie Bonussysteme, die nicht nur den Umsatz, sondern auch die Kundenzufriedenheit und langfristige Kundenbindung berücksichtigen.
Blick in die Zukunft
Die Integration von KI und LLMs in die Bankprozesse steht noch am Anfang. In Zukunft könnten diese Technologien es ermöglichen, proaktiv auf die Bedürfnisse der Kunden einzugehen, noch bevor diese sie selbst erkennen. Stellen Sie sich vor, Ihre Bank informiert Sie automatisch über Optimierungsmöglichkeiten Ihrer Ausgaben oder schlägt Ihnen vor, überschüssige Mittel gewinnbringend anzulegen, basierend auf Ihren individuellen Finanzgewohnheiten.
Zudem könnten KI-gestützte Systeme künftig Lebensereignisse wie eine bevorstehende Familiengründung oder den Kauf einer Immobilie vorhersehen und die Segmentierung und Beraterzuteilung prospektiv anpassen. Für die Kunden ein einmaliges Erlebnis: Sie rufen an, da sie sich eine Wohnung kaufen möchten, und kommen direkt zum Finanzierungsspezialisten.
Die Zeit ist reif
Banken sollten sich jetzt mit dem Thema beschäftigen und die Möglichkeiten von KI und LLMs auch bei der Kundensegmentierung nutzen. Mit einer «Segment of One»-Strategie haben sie die Chance, ein ganz neues Kundenerlebnis zu schaffen und dabei erst noch effizienter zu arbeiten.
Damit das in der Praxis funktioniert, müssen organisatorische und kulturelle Vorbereitungen getroffen werden. Insbesondere das Bonusthema dürfte in vielen Banken heiss diskutiert werden: Wer kriegt den Bonus, wenn die KI die Arbeit macht?
Wer weiss: Vielleicht kriegt künftig auch die KI einen Bonus.
There will still be a need for «segmentation» within the bank, because AI can not be expected to do everything. The relationship aspect is important in banking, as much as the «accountability» part, for example : if investments go wrong, the client will not accept an answer that is «because our model failed», even if this is already true in many bansk. The client expects a proper answer that makes sense to him. These last two words also matter, «to him» : a standard retail client will not understand nor need the same explanation as a Private Banking client. Because of financial literay, amounts, financial products used, etc. Though, it might be that sometimes that the retail client is a lot more financialy savvy than the PB one…
So, I agree with you that personalization needs to become a lot better, and that segmentation needs to play a much smaller role in the relationship with the client. Being agile enough to put the right people in front of the client without needing to go through the «main» advisor first is definitely going to be a standard in the near future. As much as understanding the true potential of clients, their needs and how to best serve them (and not how we think they should be served).
Now, as you rightfuly pointed out, the biggest question of all is about implementation of that strategy. How do you implement these changes that touch the DNA of banks, and especially RM ? You still need to implement metrics to define the quality of their work and figure out their strenghts and weaknesses.
Do you think banks are ready for such a drastic change ?
Thanks a lot for your comment!
I agree with you on many points—especially when it comes to the importance of relationships in banking. Customers don’t just want personalized solutions. They also need explanations that make sense to them. And that’s exactly the challenge: implementing personalization in a way that optimally combines technological possibilities with the human factor.
The role of segmentation will definitely evolve. It will become more dynamic and context-dependent. As you mentioned, a retail customer can sometimes have more financial knowledge than a private banking client — and that’s where the opportunity lies. Instead of forcing customers into rigid segments, banks should aim to understand them in a more situational and data-driven way.
Banks are historically grown organizations with deeply rooted structures. That’s why change isn’t just about technology — it’s also about corporate culture. The definition of success needs to evolve as well.
Are banks ready for this transformation? Yes and no — many recognize the necessity, but only a few have a clear strategy for execution. However, I’m convinced that the banks that manage to balance technology and human connection will have an advantage in the long run.