Segmentatie via predictive scoring

Aanpak op maat verhoogt succes van incasso-inspanningen


“De juiste boodschap op het juiste moment via het juiste kanaal. Daar komt het op aan als je wilt succesvol achterstallige factuurbedragen innen.” vertelt Sabine D'haen, Operations Director bij Intrum.

“Veel bedrijven hanteren een one-for-all aanpak voor hun debiteurenbeheer. Dat geeft nu eens goed resultaat, dan weer slecht. De waarheid is dat je niet alle late betalers over dezelfde kam mag scheren: sommigen kunnen niet tijdig betalen. Anderen betalen bewust te laat. Nog anderen zijn gewoon slordig of nonchalant.”

Intrum kent uw klanten beter

De immense hoeveelheid betalingsdata waarover Intrum beschikt, geven een uniek inzicht in het betalingsgedrag van miljoenen Belgische consumenten.

Via gesofisticeerde statistiek worden deze data per consument samengevat in één handige score. Die score geeft ons een goed idee van het te verwachten betalingsgedrag van de late betaler en van welke acties hem best aanzetten tot betaling.

Nieuw scoremodel: predictive scoring

Ons oude “weighted scoring” model hebben wij ondertussen vervangen door “predictive scoring”, waarbij huidige en historische gegevens worden geanalyseerd om voorspellingen te maken over toekomstige gebeurtenissen.

“Neen, wij hebben geen glazen bol” lacht Sabine D’Haen. “Wij kunnen niet met 100% zekerheid voorspellen hoe een bepaald individu op een prikkel zal reageren. We weten wel heel goed welk gedrag wij van een bepaalde groep individuen hoofdzakelijk mogen verwachten."

"Het scoring model laat ons toe om onze incasso aanpak te differentiëren naargelang de aard van de late betaler." gaat de Operations Director verder. "Ter voorbeeld: Vroeg in het incasso traject zullen wij een afbetalingsplan uitsluitend suggereren bij een beperkte, zeer precieze selectie van late betalers."

Zweeds scoremodel, aangepast voor de Belgische markt

Het “predictive scoring” model dat wij nu in België hanteren, komt van onze collega’s in Zweden, waar dit type van scoring al langer met succes gebruikt wordt. Zweden is niet toevallig een land waar het probleem van “bad debt” zeer klein is in vergelijking met andere Europese landen.

Het model is een verzameling van relevante data elementen die met elkaar verbonden worden via een formule, een algoritme. De relevantie van onze data werd achterhaald door data mining. Zo merkten wij bijvoorbeeld een zeer sterke correlatie tussen niet reageren op betalingsherinneringen en het niet betalen van schulden in de afgelopen 48 maand.

Soms is het ontbreken van data een goede indicator. Het niet gekend zijn van een telefoonnummer heeft bijvoorbeeld een relatief grote voorspellende waarde voor negatief betalingsgedrag.

Champion-challenger: A/B-testing

Ons predictive scoring model is bovendien “zelf-lerend”. Zowel bij de “makkelijke” als bij de “moeilijke” debiteuren testen wij voortdurend nieuwe mogelijkheden: een nieuw communicatiekanaal, een nieuwe inhoud voor onze herinneringsbrieven en telefoon scripts of zelfs een complete andere collection flow.

Alleen door continu te innoveren kan een incassobureau goede resultaten neerzetten. Onze zeer performance-driven aanpak garandeert een win-win relatie tussen Intrum en haar klanten. Nu maar zeker ook in de toekomst.

 

Een incassotraject op maat van elke unieke schuldenaar?

Kies de incasso-oplossing die best bij u past >

Voor een maximale inning tegen een minimale kost!