Deze website maakt gebruik van cookies om ons te helpen uw gebruikerservaring te verbeteren. Accepteren Meer informatie

AI segmentatie met Verhaalscore®

AI segmentatie met Verhaalscore®

AI voor creditmanagement

In eerdere artikelen in deze serie hebben we de noodzaak van het gebruik van AI segmentatie voor maatschappelijk verantwoord incasseren belicht. Dit is het derde artikel in deze serie, waarin we het gebruik van ons AI-voorspelmodel Verhaalscore® voor segmentatie bespreken.  Alle artikelen in deze reeks kunt u (straks) vinden op www.syncasso.nl/aivoorcm

Betaalcapaciteit bepalend

Maatschappelijk verantwoorde incasso begint bij de juiste boodschap. Wat je precies vraagt van de debiteurklant is bepalend voor (het uitblijven van) de reactie daarop. De betaalcapaciteit van de debiteurklant staat daarbij centraal. Als je iets vraagt waar de debiteurklant onmogelijk aan kan voldoen (nu betalen terwijl er geen geld is) is het resultaat voorspelbaar en stopt de communicatie.

Op basis van ons AI voorspelmodel Verhaalscore® onderscheiden wij in onze benadering Probleembetalers, Regelaars, Snelle- en Late Betalers. Door de juiste boodschap te kiezen bij hun situatie – hulp vragen, een regeling afspreken of nu betalen – is de bereidheid om mee te werken aan een oplossing voor het betalingsprobleem veel groter.

AI voorspelmodel Verhaalscore

Ons belangrijkste AI-voorspelmodel Verhaalscore hebben we in 2010 ontwikkeld. Verhaalscore is continue doorontwikkeld en onmisbaar in onze behandeling van vorderingen op consumenten. Het algoritme van Verhaalscore is data-gedreven door historisch- en actueel betaalgedrag en sociodemografische data. Met behulp van machine learning heeft de voorspelkracht van Verhaalscore zich ontwikkeld naar >95%.

Verhaalscore levert per vordering een betaalcapaciteitsscore voor de vordering op een schaal van 1-1000. Op basis van deze score verdelen we de vorderingen in zes hanteerbare verhaalsklassen, van zeer slecht tot zeer goed verhaalbaar. Verschillende vorderingen op dezelfde debiteurklant kunnen een andere Verhaalscore krijgen, omdat de hoogte en aard van de vordering onderdeel zijn van het algoritme. Grensgevallen, op het randje van redelijk c.q. slecht of goed, worden persoonlijk gevalideerd met een call of een huisbezoek.

Samenstelling en kwaliteit portefeuilles

De verdeling van de Verhaalscores verschilt sterk per portefeuille, maar soms ook zelfs per aanlevering binnen dezelfde portefeuille. Om het incassoresultaat van verschillende incassopartners eerlijk met elkaar te kunnen vergelijken in een benchmark, is inzicht in de verhaalbaarheid van de batches vorderingen een belangrijke voorwaarde. Lagere Verhaalscores zijn immers moeilijker (of niet) te incasseren. Fluctuaties in de (gemiddelde) Verhaalscore kunnen veroorzaakt worden door veranderingen in het dunning proces van de opdrachtgever, maar ook door marketingacties waarmee een ander type klant door de opdrachtgever wordt geworven.

Verhaalscore genereert daarnaast een kasstroomprognose in geld en tijd per batch en wordt daarnaast ingezet om koopportefeuilles te waarderen.

Persona

In een eerder artikel over segmentatie met marketingprofielen gaven we aan dat die geen betrouwbare voorspelling van de betaalcapaciteit oplevert. Door marketingprofielen met Verhaalscore te combineren, wordt dat wel bereikt. Debiteurklantgerichte incassocommunicatie die rekening houdt met de actuele betaalcapaciteit van de debiteurklant. Deze benadering kan ook toegepast worden in het dunning proces van opdrachtgevers om veel eerder debiteurklanten te identificeren die extra aandacht nodig hebben om aan hun lopende verplichtingen te (kunnen) voldoen.

Continue ontwikkelen

Ons team van datawetenschappers onderzoekt doorlopend op we onze voorspelmodellen kunnen verbeteren, bijvoorbeeld wat de toevoeging van nieuwe data is die beschikbaar komt. Naast Verhaalscore zijn recent twee nieuwe AI-voorspelmodellen ontwikkeld. Een model om de verwachte kasstroom in langlopende vorderingen te voorspellen. Daarmee wordt voorkomen dat wij vorderingen doorbehandelen waar geen geldstroom meer in te verwachten is. Het ondervangt onnodige kosten en stress bij de debiteurklant. Een ander voorspelmodel berekent de proportionaliteit van voorgenomen executiemaatregelen, relatief aan de hoogte van de vordering.

Het volgende artikel in deze serie gaat over AI en Interactieve Workflows. Kijk voor meer informatie of reageer op deze artikelenreeks via www.syncasso.nl/aivoorcm