L’IA transforme le recouvrement

 

L’IA permet d’affiner la segmentation des clients. En les regroupant selon leur historique de paiement, leurs caractéristiques démographiques et d’autres données pertinentes, les équipes peuvent cibler les actions de recouvrement. Il est désormais plus facile de repérer les clients les plus susceptibles de payer.

Des méthodes de segmentation avancées

Parmi les méthodes de segmentation :

Les avantages des moteurs de décision

Les moteurs de décision sont un très bon choix pour segmenter les clients à l’aide de l’apprentissage automatique. Les analystes peuvent actualiser rapidement la logique de décision afin que les modèles restent précis et efficaces. Le traitement par lots permet à ces plateformes de gérer efficacement de grands volumes de données.

Les premiers utilisateurs des moteurs de décision constatent plusieurs avantages :

  • Une segmentation plus précise des clients
  • Une meilleure ciblage des clients les plus susceptibles de payer
  • Une optimisation plus régulière des stratégies de recouvrement dans le temps

Gagner en efficacité dans le recouvrement grâce aux agents vocaux

L’IA améliore aussi l’efficacité du recouvrement. Les agents vocaux peuvent gérer les échanges liés au recouvrement et les premiers appels de pré-recouvrement. Avec les progrès de la technologie, ils pourront traiter des situations plus complexes, proposer des réponses mieux adaptées et envisager d’autres solutions.

Intégrez ces contrôles à un flux de décision

Créez des règles de crédit, de fraude ou de recouvrement, puis appliquez-les aux décisions réelles.

L’évolution des équipes de recouvrement

L’organisation des équipes de recouvrement évolue également. Les agents vocaux peuvent prendre en charge les premières relances amiables pour les comptes présentant jusqu’à 10 jours de retard. Les agents se consacrent alors aux dossiers plus complexes, qui nécessitent davantage d’échanges personnalisés.

L’importance d’une approche personnalisée

Les agents vocaux ne conviennent toutefois pas à tous les clients. Certains dossiers nécessitent une approche personnalisée. Une segmentation efficace reste essentielle pour distinguer les clients qui peuvent être contactés par un agent vocal de ceux qui ont besoin d’un échange avec un agent.

En résumé, l’IA transforme le recouvrement de créances. Elle permet de mieux segmenter les clients, d’améliorer l’efficacité et de soigner l’expérience client. À mesure que l’IA progresse, le secteur du recouvrement devrait voir apparaître des outils plus performants, au service de l’innovation et de la croissance. Grâce au traitement par lots, les moteurs de décision aident les sociétés de recouvrement, les établissements de crédit à la consommation, les banques de détail et les acteurs du paiement fractionné (BNPL) à améliorer leurs résultats en matière de recouvrement.

Questions fréquentes

À partir de combien de jours de retard orienter un compte vers un agent vocal ?

Pour les premières actions de recouvrement, commencez par les comptes présentant jusqu’à 10 jours de retard. Traitez ensuite ce seuil comme une règle à tester, et non comme une limite valable dans tous les cas. Réservez l’agent vocal aux premiers échanges courants. Orientez les litiges, les situations de difficulté, les informations de compte incertaines et les demandes d’un interlocuteur vers un agent. Avant d’élargir le seuil, analysez les résultats selon l’ancienneté de l’impayé et le segment de clientèle.

Quelles données utiliser pour segmenter les clients en recouvrement ?

Commencez par l’historique des paiements et les résultats des actions de recouvrement précédentes, puis ajoutez les informations de compte pertinentes, comme le nombre de jours de retard et le solde. Associez chaque segment à une action précise : appel, agent vocal ou examen par un agent. Limitez le nombre de segments au départ pour que l’équipe puisse comparer les résultats et repérer ceux qui sont trop larges pour orienter les actions.

Comment tester un nouveau segment avant de l’élargir ?

Il faut comparer le nouveau traitement à l’approche actuelle sur des dossiers comparables, puis suivre le recouvrement, le coût par dossier résolu, les promesses de paiement tenues, les réclamations et les demandes de contact avec un agent. Les résultats sont à examiner par ancienneté de l’impayé et par segment, car une amélioration globale peut masquer un résultat défavorable pour un groupe. Les indicateurs de réussite et la durée de l’évaluation sont à fixer avant le début du pilote.

À quelle fréquence revoir les règles de recouvrement faisant appel à l’IA ?

Pour commencer, examinez les résultats au moins une fois par mois, et plus tôt si la composition du portefeuille ou les résultats du recouvrement changent sensiblement. L’IA peut proposer des modifications de la logique de décision, mais le responsable du recouvrement doit examiner les changements proposés et les approuver avant le déploiement d’une nouvelle version. Conservez la version précédente pour comparer les résultats et pouvoir la rétablir si les changements donnent de moins bons résultats.

Quels indicateurs suivre avant de transférer une partie de la capacité de traitement des agents vers les bots vocaux ?

Il faut suivre la part des dossiers éligibles que le bot contacte et résout, ainsi que le recouvrement, les contacts répétés, les réclamations et les transferts vers des agents. Ces résultats sont à comparer à ceux de l’approche actuelle avant de modifier les effectifs. Si les transferts ou les réclamations augmentent sur un segment, l’usage du bot peut y être limité et une capacité de traitement par des agents maintenue pour ces clients.

Intégrez ces contrôles à un flux de décision

Créez des règles de crédit, de fraude ou de recouvrement, puis appliquez-les aux décisions réelles.