Por que segmentar a pré-cobrança em operações de crédito
O que é pré-cobrança
Pré-cobrança é uma forma proativa de lidar com dívidas em aberto antes que uma conta entre em atraso. O objetivo é evitar que ela chegue ao processo de cobrança, lembrando o cliente do pagamento ou combinando um plano de pagamento ou outro acordo antes do início do atraso.
Ao entrar em contato antes que as contas fiquem inadimplentes, uma empresa de crédito pode melhorar o fluxo de caixa e reduzir os custos associados à cobrança.
Por que segmentar a pré-cobrança
A segmentação da pré-cobrança é importante por vários motivos. Ao dividir as contas em grupos menores e mais fáceis de administrar, as empresas conseguem direcionar as ações de cobrança com mais precisão.
Um credor pode segmentar as contas para priorizar aquelas com maior chance de entrar em atraso. Assim, a equipe concentra recursos nas contas com maior risco de não pagamento, o que pode aumentar a recuperação.
A segmentação também ajuda a adaptar as ações de cobrança às necessidades de cada cliente, aumentando as chances de um bom resultado.
O mais importante é que nem todo cliente precisa de um lembrete. Entrar em contato com todos pode incomodar quem pagaria em dia de qualquer forma. A segmentação ajuda a identificar quem deve receber uma mensagem e economiza tempo e dinheiro.
Como fazer a pré-cobrança
Há várias formas de fazer a pré-cobrança. Entre as mais comuns estão:
- enviar e-mails
- enviar mensagens instantâneas (WhatsApp, Facebook Messenger, Telegram) ou SMS
- fazer ligações automatizadas com URA ou bots de voz
Há também métodos mais antigos e mais caros:
- fazer ligações telefônicas
- fazer visitas presenciais
- trabalhar com empresas terceirizadas
- contratar um escritório de advocacia especializado em cobrança de dívidas
Como segmentar contas para a pré-cobrança
Há várias formas de segmentar contas para a pré-cobrança. Uma opção comum é usar o saldo devedor. Contas com saldos maiores costumam apresentar mais risco.
Outros critérios de segmentação incluem histórico de pagamentos, score de crédito, dados demográficos e tipo de dívida.
Depois de segmentar as contas, o próximo passo é definir como entrar em contato com cada grupo.
Como implementar na prática
A implementação técnica pode ser feita extraindo dados diariamente do sistema principal. Entre os dados úteis para a segmentação estão:
- máximo de dias em atraso
- média de dias em atraso
- saldo restante
- pagamento mensal
- histórico dos tipos de contato e quais levaram a um resultado bem-sucedido
Score preditivo
Uma empresa também pode criar um modelo de aprendizado de máquina para estimar a probabilidade de um cliente esquecer de pagar uma parcela. A variável dependente pode ser um indicador binário, como “o cliente pagou em dia?”. A variável-alvo deve estimar a probabilidade de pagamento no curto prazo. Para isso, considere um período curto, por exemplo, 10 dias. Esses dados podem ser usados para treinar um modelo de aprendizado de máquina que preveja a probabilidade de pagamento em dia.
Depois de treinado, o modelo pode ser usado diariamente para calcular o score de todas as contas e selecionar um grupo com base tanto nas regras de segmentação quanto no score de pagamento.
Como colocar em prática
O cálculo pode ser feito como um processo de ETL em um data warehouse ou como uma tarefa de processamento em lote com um motor de decisão.
Um motor de decisão permite escolher a melhor forma de entrar em contato com cada cliente, considerando suas características e o resultado do modelo.
Perguntas frequentes
Qual período do histórico de pagamentos usar no score de pré-cobrança?
Comece com 6 a 12 meses de histórico de pagamentos e resultados de contato, desde que esses dados reflitam o produto e a política de cobrança atuais. Depois, valide o score usando um período mais recente. Para prever pagamentos em até 10 dias, use variáveis recentes e relevantes, mas inclua dados que contemplem também efeitos sazonais. Exclua períodos em que as condições de pagamento ou as regras de contato eram muito diferentes.
Com quantos segmentos começar?
Comece com três ou quatro grupos, cada um associado a uma ação específica da equipe de cobrança. Por exemplo, separe as contas que podem receber um lembrete padrão daquelas que precisam de uma análise mais cuidadosa por causa do saldo ou do histórico de pagamentos. Divida um grupo somente quando os resultados de pagamento forem diferentes o bastante para justificar outra política.
Qual ponto de corte do score de pagamento deve acionar o contato?
Defina o ponto de corte comparando o benefício esperado do contato com seu custo e seu impacto no cliente. Um score alto pode indicar clientes que provavelmente pagarão em dia sem lembrete. Um score baixo pode indicar contas em que o contato dificilmente mudará o resultado. Teste diferentes pontos de corte com dados recentes e peça ao responsável pela cobrança que aprove a política escolhida antes do release.
Quando vale a pena investir em um score preditivo?
Use um score preditivo quando regras simples baseadas no histórico de pagamentos e no saldo não diferenciarem as contas o suficiente para mudar as decisões de cobrança. Compare os custos de preparação dos dados, manutenção do modelo e revisão contínua com os pagamentos adicionais que o score deve gerar. Se os ganhos forem pequenos ou variarem muito entre períodos, mantenha a abordagem mais simples, baseada em regras.
