Améliorer la stratégie de recouvrement de 30 % grâce à l'apprentissage automatique
Contacter les clients numériquement pour récupérer des comptes en souffrance est une façon d’améliorer votre expérience client.
Mais prédire comment chaque client préfère s’engager et adapter chaque étape de son parcours en conséquence élève vos recouvrements à des niveaux de personnalisation entièrement nouveaux.
Décomposons comment notre apprentissage automatique (ML) propriétaire fait exactement cela, pour piloter la stratégie de Collect et offrir une augmentation de 30 % de la performance des recouvrements.
Qu’est-ce que les modèles d’apprentissage automatique ?
L’apprentissage automatique (ML) est une forme d’intelligence artificielle. Ils utilisent de grandes quantités de données pour générer des insights et prédire des résultats spécifiques. Mais la véritable beauté de cette technologie est que les modèles s’améliorent automatiquement en temps réel, à mesure qu’ils reçoivent plus de données.
Alors, comment est-il utilisé dans le recouvrement de créances ? Eh bien, nos modèles ML éliminent les conjectures.
En utilisant l’apprentissage automatique, Collect peut :
- Prédire comment un client est le plus susceptible de s’engager avec sa dette
- Personnaliser chaque parcours de recouvrement selon des préférences et comportements uniques
- Adapter les communications de manière intuitive en temps réel - comment un client interagit avec une communication informe ce qu’il reçoit ensuite
- Protéger les clients avec notre pare-feu de conformité codé en dur, garantissant que toutes les activités de recouvrement restent conformes aux réglementations locales
- Élargir les récupérations sans limite et avec un effort de travail égal sur tous les comptes clients
Contrairement aux méthodes traditionnelles qui reposent sur l’intuition humaine ou des métriques sélectives, le ML applique des insights en temps réel à un niveau client pour créer la stratégie de recouvrement ultime.
Comment fonctionnent les modèles d’apprentissage automatique de Collect ?
Chaque fois qu’un client interagit avec nous, cela est enregistré comme un événement unique dans notre entrepôt de données, contribuant à nos 850 millions d’événements (et en augmentation).
Pensez aux événements comme des interactions - telles qu’un client ouvrant un e-mail, le moment où il l’a ouvert, combien de temps il a passé à le lire, s’il a cliqué sur le lien de paiement ou contacté notre équipe d’expérience client.
Ces événements sont ensuite analysés par des modèles d’apprentissage automatique pour déterminer quelle communication doit être envoyée ensuite, pilotant la stratégie à chaque point de contact individuel.
À un niveau élevé, nos modèles sont répartis sur trois domaines : quand contacter, quoi envoyer et comment contacter.
Voyons comment ces modèles fonctionnent en pratique. Dans ces exemples, nous suivrons David qui a une dette impayée auprès de MyBank.
Quoi envoyer
Analyse
Pour bien commencer son parcours, Collect analyse le profil de David par rapport à notre entrepôt de données, afin de comprendre ses comportements et préférences. Cela inclut des facteurs tels que le montant de sa dette et l’origine de cette dette.
Cette analyse alimente nos modèles ML, pour déterminer quel message David devrait recevoir.
Messages
En utilisant une combinaison de rédacteurs humains et de notre
rédacteur AI sur mesure, nos modèles ont des milliers de communications parmi lesquelles choisir.
Chaque message subit un examen de conformité approfondi et des tests de performance avant d’être déployé. Cela garantit que chaque communication envoyée par Collect est performante et conforme. Prenez par exemple nos messages rédigés par le rédacteur AI, qui ont augmenté les taux de conversion de 32 %.
Sélection
En ce qui concerne la sélection, nos modèles ML choisissent méticuleusement le message le plus susceptible d’encourager David à agir sur son compte. Ils prennent en compte chaque détail, tel que l’objet, le ton, l’appel à l’action, et plus encore dans leur prise de décision - maximisant la conversion à chaque opportunité.
Et cela ne s’arrête pas là. Avec notre
modèle de parcours client, l’interaction de David avec un message informe ce qu’il reçoit ensuite. Le résultat ? Une expérience client personnalisée et réactive - tout au long du parcours de recouvrement.
Quand contacter
Le bon message au mauvais moment est trop typique dans les recouvrements traditionnels.
Pour contacter David au moment parfait, chaque message est envoyé au moment où il est le plus susceptible de s’engager - jusqu’au jour et à l’heure spécifiques. Ce changement seul augmente les conversions de paiements par e-mail jusqu’à 20 %.
La fréquence est également importante ici, pour éviter une surcommunication ou que les clients se sentent harcelés. Nos modèles ML trouvent le parfait équilibre entre la protection de la délivrabilité et l’espace de respiration, ce qui permet à InDebted de maintenir certains des taux de signalement de spam les plus bas de l’industrie.
Comment envoyer
L’expérience de recouvrement fluide de David est guidée par l’engagement omnicanal de Collect.
En reconnaissant quels canaux David est le plus réactif, nos modèles ML peuvent adapter son expérience à son style d’engagement. Être simplement disponible sur les canaux que nos clients préfèrent supprime les obstacles et améliore encore la performance, offrant jusqu’à 7x plus d’engagement client que les méthodes traditionnelles.
La prochaine phase : Introduction du Collecteur AI
La dépendance aux agents humains était l’un des plus grands obstacles empêchant les recouvreurs de dettes de croître – jusqu’à présent.
Lancé en 2024, notre Collecteur AI utilise une technologie AI conversationnelle sur mesure pour gérer les demandes des clients entrants.
En utilisant notre entrepôt de données et notre pare-feu de conformité codé en dur, le Collecteur AI fonctionne avec une efficacité inégalée. Grâce à deux modèles d’apprentissage automatique - l’un pour classifier le but de la demande et l’autre pour déterminer quelle action entreprendre, 80 % de toutes les demandes par e-mail entrantes sont résolues par le Collecteur AI.
Par exemple, il peut fournir aux clients des informations sur leur compte, mettre à jour des détails existants ou envoyer un lien de paiement unique en quelques secondes. Cela signifie que les requêtes simples sont traitées instantanément et avec précision, donnant à nos clients l’autonomie dont ils ont besoin pour se remettre sur la bonne voie plus rapidement.
L’effet d’entraînement est significatif, car cela libère notre équipe d’expérience client pour se concentrer sur des cas plus complexes. Actuellement en version bêta avec l’un de nos plus grands clients australiens, le Collecteur AI améliore déjà l’efficacité et l’expérience client.
Collect : La nouvelle génération de solutions de recouvrement
Les modèles d’apprentissage automatique de Collect changent la façon dont les clients gèrent leur dette et comment les entreprises maintiennent une expérience client de premier ordre.
Cette technologie génère déjà une performance supérieure de 30 % - et nous continuons à briser ce plafond de verre. Avec un investissement continu dans le développement de modèles, la sécurité des données et la conformité, nos clients peuvent récupérer des dettes plus rapidement, plus sûrement et mieux que jamais.
Entrez dans la nouvelle génération de recouvrements, vous ne le regretterez pas.
Découvrez comment cela fonctionne
