وظیفه مغز انسان تجزیه و تحلیل داده ها یا تصمیم گیری پیچیده نیست. وظیفه اصلی ذهن ما این است که اطمینان حاصل کنیم که امروز زنده مانده و زندگی می کنیم تا دیگری را ببینیم. این حقایق زیادی را بازی می کند تا ما را به آن برساند
فردا.
ترفندهای مغز و انحرافات سیستماتیک از عقلانیت نامیده می شود
تعصبات شناختی. محققان دریافته‌اند که ذهن انسان مستعد ابتلا به
بیش از 100 چنین تعصباتی وقتی تنها دغدغه بشریت شکار، جمع آوری و تولید مثل بود، اینها به ما کمک کردند. با این حال، در دنیای امروزی، سیستم شناختی ما می‌تواند منجر به خطا شود، به‌ویژه هنگام تصمیم‌گیری‌های پیچیده مانند مدیریت امور مالی.
اکثر برنامه های بانکداری دیجیتال بر اساس سوگیری های شناختی انسان طراحی نشده اند
و فقط جنبه منطقی مغز را جلب می کند. در نتیجه، آنها تمایل به ارائه تجربیات کمتر بهینه برای کاربر دارند و می توانند منجر به تصمیمات مالی ضعیف شوند.
در زیر سه نمونه از نحوه طراحی اپلیکیشن‌های بانکداری دیجیتال برای همسویی بهتر با سوگیری‌های شناختی توسط بانک‌ها وجود دارد.
1. ساده سازی
یکی از بزرگترین کاستی های مغز انسان، نابسامانی آن است
تنبلی. یک مثال اساسی، سوگیری شناختی به نام «پارادوکس انتخاب» است. وقتی نوبت به انتخاب از بین تعداد زیادی گزینه می رسد، افراد اغلب خود را فلج می بینند و
قادر به تصمیم گیری نیست. داشتن گزینه‌های زیاد باعث می‌شود که ما نسبت به تصمیم‌هایمان شک کنیم و به طور قابل‌توجهی کمتر از آن راضی باشیم.
بانکداری دیجیتال می تواند این سوگیری شناختی را با ارائه ساده، جبران کند،
تجربیات کاربر پسند با گزینه های محدود برای مشتریان. راه دیگری برای ساده سازی محیط تصمیم گیری شامل
استفاده از قدرت پیش فرض ها. تمایل ما به چسبیدن به انتخاب‌های پیش‌فرض، که به‌طور مناسب به آنها می‌گویند
سوگیری پیش فرضمی‌توان با از پیش انتخاب مناسب‌ترین گزینه‌ها برای تشویق رفتار مثبت مشتری، در بانکداری دیجیتال اهرمی اعمال کرد - برای مثال، شرط گذاشتن بیانیه‌های بدون کاغذ برای انصراف از آن به جای شرکت.
بنابراین، بانک ها می توانند بار شناختی کاربران را کاهش دهند و به حذف پارادوکس انتخاب، افزایش رضایت مشتری و بهبود تصمیم گیری کمک کنند.
2. تصمیم گیری با هوش مصنوعی
سوگیری های شناختی می تواند به طور قابل توجهی بر نحوه تصمیم گیری های مالی ما تأثیر بگذارد، مانند تمایل ما به اولویت دادن به رضایت فوری بر اهداف بلند مدت. این به اصطلاح
تعصب حاضر منجر به تصمیم‌گیری‌های مالی غیربهینه مانند خرج بیش از حد و اتکا به اعتبار می‌شود.
بانک‌ها می‌توانند از الگوریتم‌ها و هوش مصنوعی برای شناسایی این سوگیری‌های شناختی و تقویت تصمیم‌گیری انسان استفاده کنند. با سوق دادن مشتریان به سمت رفتار مطلوب تر.
برای مثال، اوبر از ترفند روان‌شناختی اعطای نشان استفاده می‌کند تا رانندگان را تشویق کند تا ساعت‌های طولانی‌تری بدون اجبار آنها کار کنند. مثال دیگر Virgin Atlantic r استecommending
pilots to use less fuel، بنابراین هزینه ها را به میزان قابل توجهی کاهش می دهد.
Digital banking could use AI-driven recommendations to counter biases, for example, by nudging and rewarding customers for setting up and regularly contributing to long-term goals such as retirement. Another way of countering the present bias is by alerting
customers with money-saving notifications and tips whenever they are on a trajectory to overspend.
چنین استراتژی هایی به ایجاد عادات خوب کمک می کند و رفاه مالی طولانی مدت را امکان پذیر می کند.
3. بانکداری دیجیتال هوشمند از نظر شناختی
در بانکداری دیجیتال، بانک‌ها می‌توانند از سوگیری‌های شناختی برای تأثیرگذاری بر مشتریان به سمت انتخاب‌های بهینه‌تر استفاده کنند. نمونه ای از آن سوگیری شناختی است که به عنوان "خاموش
ناامیدی". پژوهش shows that people experience about twice as much pain over losses than
pleasure over an equivalent amount of gain. Have you noticed that, when shopping on Amazon, you tend to make faster purchasing decisions when only a few items are left in stock and Amazon tells you to “order soon”? Amazon is employing loss aversion to its
advantage by implying you will lose out if you don’t act quickly.
In digital banking, loss aversion could be utilized to frame decisions to emphasize the losses of not using a product or service instead of focusing on the benefits, such as highlighting the potential losses incurred by not utilizing the optimal savings
or investment products. Thus, banks could influence customers to make more optimal choices.
سوگیری های شناختی در درجات مختلف ظاهر می شودو برخی افراد ممکن است بیشتر از دیگران مستعد ابتلا به آن باشند
تعصبات خاص. با تجزیه و تحلیل الگوهای تصمیم گیری گذشته، بانک ها می توانند از تجزیه و تحلیل داده ها و هوش مصنوعی برای درک تفاوت های بین حساسیت مشتریان به سوگیری های شناختی استفاده کنند. این بینش می‌تواند به بهینه‌سازی تجربیات کاربر دیجیتال در سطح فردی کمک کند.
در آینده شاید ببینیم برنامه‌های بانکداری دیجیتال هوشمند با استفاده از هوش مصنوعی برای بهینه‌سازی خودکار تجربیات دیجیتال برای پروفایل‌های سوگیری شناختی فردی.
نتیجه
ذهن انسان به طرز شگفت انگیزی پیچیده است اما مستعد عادت های غیرمنطقی است. برای مهندسی تجربیات دیجیتال واقعاً برجسته، بانک‌ها باید به همان اندازه که بر برتری عملکردی تمرکز کنند، روی سوگیری‌های شناختی انسان و علوم رفتاری تمرکز کنند.
چنین اولویت‌بندی ارتباطاتی ایجاد می‌کند که تجربه مشتری معنادارتری را ایجاد می‌کند، تصمیم‌گیری را بهبود می‌بخشد و سلامت مالی را تقویت می‌کند و در نتیجه مشتریان سودآورتر و وفادارتر را به همراه خواهد داشت.
