Posibilidades de los algoritmos aplicados al cobro de deuda

Tweet about this on Twitter0Share on LinkedIn15Email this to someonePrint this page

La Inteligencia Artificial y, más específicamente, el desarrollo de algoritmos predictivos basados en técnicas avanzadas de machine learning, permite optimizar la recuperación amistosa de deudas y la productividad del centro de telegestión de las compañías de recobro. Una empresa experta en este ámbito es Lead Ratings, quien en uno de los últimos casos abordados consiguió aumentar la media de recuperación un 39% y doblar el importe medio de deuda recuperada por registro.

Las operaciones outbound en las empresas de recobro tienen una casuística particular que consiste en una clara concentración de las recuperaciones en los primeros días del mes. En este contexto, una segmentación a priori (rating) de los morosos en base a su probabilidad de recuperación, como hicieron en esta caso los algoritmos predictivos que se aplicaron, permite asegurar el incremento de conversión y, al mismo tiempo, reducir significativamente el coste de oportunidad. La inclusión de la predicción por importe de deuda asegura que al incremento de la conversión en términos de morosos recuperados se le añade también el de importe de deuda recuperada.

Pero una operación así hay que tener en cuenta una serie de variables en el análisis previo:

Variables del perfil del usuario: lugar de residencia, fecha de nacimiento, teléfono, mal y género.

Variable de empresa: CIF, fecha de creación, código postal, teléfono y mail.

Variables de deuda: Contrato, producto, importe de la deuda, fecha de entrada en mora, fecha de alta, importe pendiente de pago.

Variables históricas: Deudas recuperadas, importes recuperados.

Objetivos a alcanzar

Hechas estas salvedades que nos ayudan a conocer mejor los mecanismos del mercado en el que se desarrolla este caso, a modo de ejemplo ilustrativo, pasemos a señalar los objetivos que buscaba un outsourcer con el que Lead Ratings colaboró recientemente y en el que se trajabó con algoritmos:

Segmentar los usuarios (personas y empresas) en función de las posibilidades de recuperación.

Ordenar las llamadas del call center en base a la segmentación del algoritmo.

Optimizar el centro de telegestión para reducir el número de litigios por morosidad.

Aumentar la tasa de recuperación y maximizar los ingresos por importes de deuda recuperada.

Para alcanzar todo esto había que trabajar con un algoritmo que pudiera: predecir las probabilidades de recuperación de la deuda y de la cantidad recuperada; generar un scoring para cada usuario con la estimación del algoritmo y, realizar segmentación de los usuarios (rating) en base a la cantidad recuperada.

La solución que presentamos a los responsables de esta compañía de outsourcing ofrecía un alto nivel de precisión en la predicción (ajuste superior al 85%), un modelo SaaS muy fácil de implementar, un entorno de machine learning que permite asegurar el aprendizaje y calibración continuo del modelo predictivo y un precio del servicio claramente inferior al valor aportado”, señala Ricard Bonastre, CEO & Cofundador de Lead Ratings.

(El reportaje completo se puede leer en este pdf del número 74 de Relacaión Cliente Mag).

 

Tweet about this on Twitter0Share on LinkedIn15Email this to someonePrint this page