Segmentación avanzada: Disposición y capacidad de pago combinados con Valor en Riesgo

El regreso de mayores tasas de morosidad durante los últimos tiempos no ha venido acompañado de un aumento proporcional en la sofisticación de las operaciones de cobranza. Muchas instituciones aún organizan los contactos por etapa de morosidad, y muchas todavía dependen principalmente del canal telefónico para contactar a los clientes.

La mayoría de los canales de contacto y tratamientos también se adoptan sin ninguna evaluación. Como resultado de la marcación agresiva, muchos clientes ignoran activamente las llamadas entrantes. Las regulaciones de protección al consumidor también pueden plantear algunos desafíos. 

Adopción (muy temprana) de agencias de cobro

Los clientes morosos a menudo son abandonados y se entregan a una agencia de cobranzas sin que ni siquiera se les contacte directamente.

En muchos casos, cuando una deuda se vuelve vencida o irrecuperable, se traslada a terceros, sin tratar de descubrir las causas del incumplimiento en sí. Este es un indicador de que las estrategias necesitan ser revisadas.

Las empresas que desconocen las circunstancias particulares de sus deudores, generan un rechazo aún mayor a:

• Pagar el saldo adeudado
• Mantener la relación cliente/empresa

Al pasar la cuenta a un tercero, el banco la considera incobrable (70%) y se convierte en un pasivo, no en un activo.

Priorizar a los clientes por valor en riesgo

Una estrategia de segmentación es especialmente importante para las organizaciones con una capacidad de operación de cobranzas limitada. Independientemente del tiempo que una cuenta esté en mora, las operaciones de cobranza más efectivas priorizan a los clientes por valor en riesgo. Se puede calcular una puntuación de riesgo de cobro en función del valor de los saldos pendientes y de la disposición de pago del cliente.

Las instituciones con cobranzas más avanzadas están implementando inteligencia artificial, análisis avanzado y segmentación de valor en riesgo para luego optimizar los canales y asignar mejor los recursos. Se están desarrollando y utilizando modelos de segmentación cada vez más avanzados. 

Asignar el segmento al canal adecuado con automatización

La adopción de canales digitales de auto servicio para el pago de deuda vencida ha demostrado ser un factor fundamental para la recuperación de dichos créditos ya que existe un factor psicológico de querer disminuir la interacción humana.

Es importante tener en cuenta que cada segmento generacional reacciona de manera distinta y tiene sus propios hábitos de pago y consumo. La segmentación dinámica de canales y el seguimiento automatizado de precisión de cada cuenta ayuda a aplicar el medio más adecuado para cobranza.

Segmentación para eliminar fricciones

Las estrategias de recolección que se basan en la segmentación ayudan a los recolectores a superar las objeciones. En ese contexto los parámetros más importantes son la capacidad de pago del cliente y su disposición a pagar. Con base en la voluntad y la capacidad de pago, los cobradores pueden reconocer cuatro categorías de clientes en riesgo: 

• Capaces y dispuestos, 
• Capaces pero no muy dispuestos 
• Dispuestos pero apenas capaces 
• Apenas capaces, independientemente de su disposición.

KPIs para medir la disposición al pago

Para medir y sacar indicadores sobre la capacidad de pago combinada con la disposición, los siguientes son unos excelentes KPIs:

• ¿Cuánto tiempo hace que el cliente es propietario del producto?
• ¿Cuántos pagos han hecho?
• ¿Con qué frecuencia se ha contactado al cliente para cobrar?
• ¿En cuántos casos el cliente no ha cumplido sus promesas?
• ¿El cliente pidió un acuerdo?
• ¿El cliente quiere quedarse con el producto?
• ¿Ha iniciado alguna vez el cliente el contacto por su cuenta?

Nuevas formas de predecir el futuro

Con base en los resultados de los modelos, se puede predecir la probabilidad de que los clientes incumplan o permanezcan en mora durante más tiempo (hasta 30, 60 y 90 días de morosidad). Incluso es posible predecir la receptividad del cliente al contacto en algunos modelos.

Para mejorar el poder predictivo y asimilar mejor el comportamiento del cliente, los desarrolladores de software integran cada vez más la inteligencia artificial en sus modelos. El almacenamiento de datos ha hecho posible integrar recálculos diarios nocturnos de puntajes de riesgo de cobros y valores combinados de las cuentas de un cliente en modelos.

La data dinámica está cambiando las cobranzas 

El enfoque de valor en riesgo combinado con la disposición al pago está cambiando la forma en que se operan las cobranzas de las instituciones exitosas. Con base en este enfoque, están aplicando una variedad de métodos de contacto y una mayor autonomía del cobrador para ofrecer soluciones personalizadas, incluidos acuerdos más convenientes. Para tener éxito, este enfoque no requiere necesariamente una gran inversión en TI.

En este ejemplo de cómo se puede aplicar un modelo de análisis con una estrategia de data dinámica, se dividen los clientes en tres categorías según su probabilidad de pago:

• Con probabilidad de pago sin ninguna intervención,
• Con probabilidad de pago con una intervención
• No hay probabilidad de pago incluso con intervención.

Si se enfocan los esfuerzos de cobranza en la segunda categoría es posible obtener como resultados una reducción de alrededor de 15 por ciento en los costos de cobranza y una reducción de hasta 7 por ciento en los atrasos.