Klanten vragen om achterstallige facturen en betalingsplannen te betalen is een standaardonderdeel van incasso dat door alle bedrijven wordt uitgevoerd. Het blijft echter een grote uitdaging om ze zover te krijgen dat ze hun rekeningen op tijd betalen. Om dit in de juiste context te plaatsen: uit een rapport van Intrum Justitia blijkt dat 57% van de bedrijven in Europa zegt liquiditeitsproblemen te hebben door betalingsachterstanden, met Griekenland als koploper (96%).
In de meeste gevallen blijven incassostrategieën complex, inefficiënt en verouderd. In de snelle, digitale wereld van vandaag de dag eisen klanten flexibiliteit, toegankelijkheid en keuze. Het regelen van een schuld moet gemakkelijk en pijnloos aanvoelen, niet een proces dat bestaat uit onsmakelijke brieven en meerdere telefoontjes op ongepaste tijdstippen van de dag.
Dit is waar kunstmatige intelligentie (AI) om de hoek komt kijken. De afgelopen jaren is het innen van schulden verstoord door AI. AI stelt bedrijven in staat om geavanceerde analyses, gedragswetenschappen en machine learning (ML) in hun voordeel te gebruiken. Het stelt bedrijven in staat om hun incassostrategie naadloos te automatiseren en hun gemiddelde DSO (Days Sales Outstanding) te verlagen.
In deze blog gaan we dieper in op deze voordelen en laten we zien hoe we verwachten dat kunstmatige intelligentie incasso de komende jaren verder vorm zal geven.
1. Gegevens gebruiken om de inningspercentages te verbeteren
Inzicht in gegevens is de sleutel tot het identificeren van trends, afwijkingen en marktkansen. Verouderde incassostrategieën vertrouwen sterk op menselijk instinct en kennis alleen, in plaats van op numerieke logica om een onbevooroordeelde oplossing te ontwikkelen.
Het verzamelen van gegevens met behulp van kunstmatige intelligentie betekent dat bedrijven kanalen, berichtgeving, timing en de toon kunnen "minimaliseren"om incassopercentages en klantervaringen te verbeteren. Het idee van minimax is om AI, beslissingstheorie, speltheorie (indien van toepassing), statistiek en psychologie te gebruiken om het mogelijke verlies voor een worstcasescenario te minimaliseren.
In tegenstelling tot verwachtingswaarde of verwacht nut doet minimax, ook wel MinMax / MinMaxing genoemd, geen aannames over de waarschijnlijkheid van verschillende uitkomsten van klanten. Het creëert alleen een scenarioanalyse van wat de mogelijke uitkomsten zijn. Een dergelijke logica kan bedrijven vroegtijdig inzicht geven in problemen voordat ze zich voordoen en hen in staat stellen om de incasso-aanpak aan te passen op basis van de mogelijke gegevensbevindingen. Het kan bijvoorbeeld vroegtijdige potentiële wanbetalers identificeren door diegenen eruit te pikken die lang op communicatie reageren en voorspellende modellen gebruiken om u te helpen de juiste actie te ondernemen.
Een goed voorbeeld hiervan is het gebruik van een duwtje in de rug, zoals een korting voor vroege betaling, om potentiële toekomstige wanbetalers aan te moedigen hun rekening te betalen voordat deze in de incassocyclus terechtkomt.
2. De klantervaring personaliseren door gedragswetenschap
De manier waarop kunstmatige intelligentie incasso verandert, is via gedragswetenschap. Jongere, computervaardige Millennials (1981-1996) en Generatie Z (1996-2010) klanten zijn op zoek naar nieuwe, on-demand oplossingen als het gaat om het doen van betalingen. Ze willen geen telefoontjes tijdens werkuren of veeleisende brieven met een tijdrovende oproep tot actie.
Kunstmatige intelligentie heeft de capaciteit om bedrijven te helpen slimmere keuzes te maken over wanneer ze contact opnemen met klanten en hoe, op basis van hun gedrag. Het is nu mogelijk om algoritmes met voorspellende modellen te ontwerpen op basis van de informatie die wordt verkregen door gegevens en machine learning.
Op basis van de bevindingen op demografische, sociale en economische gegevens kunnen incassostrategieën worden geprioriteerd en toegepast op basis van de gegevens die bij elke schuld horen.
Als je bijvoorbeeld de leeftijd, het salaris, het beroep en historische interacties van een klant gebruikt, kun je vaststellen hoe waarschijnlijk het is dat ze een schuld zullen betalen. Dit geeft u dan weer de kennis om uw aanpak aan te passen zodat u alleen het beste kanaal gebruikt waar u waarschijnlijk een positieve reactie krijgt. Dit zal ook helpen om de activiteiten van uw bedrijf te stroomlijnen.
3. Digitaliseer oude processen door automatisering
Een van de grootste obstakels voor het verbeteren van de efficiëntie van incasso is het gebruik van verouderde processen. Drukbezette klanten vragen om telefonisch te betalen of een doorlopende machtiging aan te maken is frustrerend en tijdrovend.
Hoewel e-mails en sms'jes misschien beter op elkaar zijn afgestemd om een moderne, digitale samenleving te bereiken, is het nog steeds belangrijk om het proces aan te passen om het gestroomlijnder te maken voor de klant.
Het opnieuw uitvinden en aanpassen van de manier waarop we deze kanalen gebruiken is een noodzakelijke stap in de richting van automatisering waar kunstmatige intelligentie aan werkt. Naarmate de technologie zich verder ontwikkelt, kunnen slimme sms'jes klanten door het proces leiden en links in de conversatie opnemen om klanten naar een extern betaalplatform of een helppagina te sturen.
Terwijl het opnemen van QR-codes in e-mails het betaalproces voor klanten zal vergemakkelijken door ze onderweg eenvoudigweg te scannen met hun smartphone. Het kan zelfs zo simpel zijn als het versturen van geautomatiseerde sms- of e-mailherinneringen met een link naar een landingspagina voor betalingen waar klanten met creditcards kunnen betalen.
Het is een kwestie van de beste beschikbare kanalen gebruiken, maar kunstmatige intelligentie en digitale technologie gebruiken om ze te moderniseren. Deze voorbeelden komen niet alleen de klant ten goede, maar zullen ook de activiteiten binnen uw bedrijf drastisch verbeteren. Ongeacht het aantal touchpoints dat u wilt toevoegen, zorgen geautomatiseerde berichten en de mogelijkheid voor klanten om zichzelf te helpen ervoor dat ze het gevoel hebben dat ze alles onder controle hebben en dat de barrières voor medewerkers om effectief te werken worden weggenomen. In plaats daarvan kunt u hun tijd richten op andere elementen van het klanttraject of op het vergroten van de hoeveelheid werk die ze in dezelfde tijd gedaan kunnen krijgen.
4. Verbeterde A/B-tests uitvoeren
Het laatste voordeel van het gebruik van kunstmatige intelligentie bij incasso is de geavanceerde mogelijkheid om A/B-tests uit te voeren. Met zijn vermogen om te leren van eerdere ervaringen, datametrics en voorspellende algoritmen kan AI de effectiviteit van een e-mail, landingspagina voor betalingen of sms analyseren.
Het is niet alleen een kwestie van twee e-mailopenpercentages bekijken en zien welke onderwerpregel effectiever was. AI geeft je de mogelijkheid om inzicht te krijgen in hun gedrag voorafgaand aan, tijdens en na het verzenden van een e-mail. Hebben ze bijvoorbeeld eerdere berichten of interacties genegeerd? Als ze een e-mail hebben geopend, hoe lang hebben ze die dan gelezen? Reageerde de ene groep klanten sneller toen je de kleur van een knop veranderde of een duwtje in de rug introduceerde?
Kunstmatige intelligentie werkt, analyseert en handelt sneller dan mensen. Bovendien zijn de fijne kneepjes van multivariate testen, waarbij een bedrijf meerdere veranderingen in één variant verwerkt, naadloos.
Het is geen kwestie van AI versus A/B-testen, het is een samensmelting van de twee die de productiviteit van het testen op de incassostrategie verbetert. De testcycli worden simpelweg versneld door de kennis en mogelijkheden van kunstmatige intelligentie.
Je hoeft niet langer te gissen wat je beste kanalen zijn voor bepaalde klantpersona's. AI kan snelle A/B-tests uitvoeren om voortdurend gedrag te testen, zodat je een duidelijk beeld krijgt van hoe je de toon van je berichten kunt aanpassen, de juiste call-to-action kunt gebruiken en op een optimaal tijdstip kunt verzenden. Je hoeft niet te wachten, je krijgt snel gegevens en kunt snel bijsturen.
Laatste gedachten
Op dit moment is kunstmatige intelligentie al in staat om incasso binnen bedrijven te verbeteren. Het vermogen om gegevens, machine learning en gedragswetenschap te gebruiken is een krachtig middel om klanten op een dieper en persoonlijker niveau te begrijpen.
AI maakt giswerk en menselijke vooroordelen overbodig en elke stap kan worden gebruikt om het proces logisch te automatiseren en een klantgerichte aanpak te ontwikkelen. Het zijn de bedrijven die het belang inzien van het prioriteren van langetermijnrelaties door middel van een betere ervaring die zullen bloeien en groeien. Het is gewoon een kwestie van beslissen of je het op de gemakkelijke manier wilt doen met behulp van AI of wilt vertrouwen op andere middelen.
Als je meer wilt weten over het gebruik van AI voor het automatiseren van incassoprocessen, het verbeteren van de cashflow en het creëren van een positief klanttraject, plan dan vandaag nog een demo met ons in.
