European Media Partner

Intelligent incasseren met Syncasso

Tien jaar geleden begon Syncasso met het segmenteren van debiteurklanten voor incasso-communicatie, als eerste creditmanagementorganisatie in Nederland en lange tijd ook als enige. Inmiddels weten zij exact wat Artificial Intelligence op kan leveren voor creditmanagement segmentatie, hoe ze daarmee de kostendruk voor de debiteurklant kunnen beperken, hoe ze ervoor zorgen minder gerechtelijke incasso hoeven in te zetten, en hoe ze de verwachtingen van opdrachtgevers kunnen overtreffen met nieuwe inzichten uit data.  

“We hebben tien jaar geïnvesteerd en geïnnoveerd in AI voor creditmanagement. We willen onze kennis en ervaring delen om de gehele creditmanagement- en schulddienstverleningsketen te inspireren om AI-toepassingen in de eigen en in gezamenlijke processen in te zetten”, Sabine van den Boogaard Directeur Klant & Markt bij Syncasso. 


Persoonsgericht

In de huidige markt wordt persoonsgerichte en maatschappelijk verantwoorde incasso vaak als uitgangspunt gekozen. “Zonder AI en segmentatie kun je daar in grote consumentenportefeuilles onmogelijk aan voldoen. Met inzichten uit data-analyse hebben we hiervoor applicaties ontwikkeld, getest en verbeterd om met marketingprofielen, AI en interactieve workflows onze incassoboodschap af te stemmen op de betaalcapaciteit van de debiteurklant die via het beste communicatiekanaal met de juiste toon wordt gecommuniceerd”. 


Betaalcapaciteit

Kennis van de actuele betaalcapaciteit van de debiteurklant is essentieel voor de juiste benadering, aldus Van den Boogaard. “Bij een niet-kunner aandringen op directe betaling van de hoofdsom en kosten is nutteloos. Een niet-kunner kan onmogelijk aan die eis voldoen en reageert niet. De kans om alsnog in gesprek te komen over een oplossing voor het betalingsprobleem daalt dan naar onder nul. Bij gebrek aan contact wordt een dagvaarding betekend om de zaak weer op gang proberen te brengen, wat zinloos en onnodig kostenverhogend is.” Het levert alleen maar stress op, voor alle betrokken partijen.


Verhaalscore

“Op basis van ons AI voorspelmodel Verhaalscore onderscheiden wij in onze benadering Probleembetalers, Regelaars, Snelle en Late Betalers”, gaat Van den Boogaard verder. “Door de juiste boodschap te kiezen die past bij de situatie – hulp vragen, een regeling afspreken of nu betalen– is de bereidheid om mee te werken aan een oplossing voor het betalingsprobleem veel groter. Ons belangrijkste voorspelmodel Verhaalscore hebben we continu doorontwikkeld en is 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 >75%. Deze 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 worden persoonlijk gevalideerd met een call of een huisbezoek.”


Betalingsproblemen door COVID-19

De verwachting dat er meer betalingsproblemen door COVID-19 ontstaan hangt al twee kwartalen in de lucht, besluit Van den Boogaard. “Syncasso behandelt grote volumes vorderingen voor zowel B2C als B2B opdrachtgevers in verschillende categorieën. Hierdoor hebben we een breed en diep inzicht in de ontwikkeling van betalingsachterstanden, door onze Business Intelligence monitoring en continue data-analyses. We monitoren de ontwikkelingen in alle portefeuilles op dag-basis, waardoor we direct de signalen van een omslag in het betalingsgedrag constateren. Om vervolgens in nauw overleg met onze opdrachtgevers snel te kunnen schakelen om de schade voor onze opdrachtgevers en hun debiteurklanten te beperken.” We Cash. We Care. 


www.syncasso.nl



Delen

Journalist

Related articles