Intelligenza artificiale per il recupero crediti

recupero crediti

Dal rapporto annuale sul recupero crediti presentato il 26 ottobre scorso da Unirec (Unione nazionale imprese a tutela del credito) emerge che in termini di importi affidati i comparti utility, finanziario e bancario rappresentano il 94% con una prevalenza del settore bancario (55%), seguito dal finanziario (29%) e delle utility (10%).

Sul fronte del numero di pratiche i settori più rilevanti sono le utility, Tlc, PA e commerciale (60%), finanziario (23%) e bancario (14%), in continuità con quanto rilevato nel 2019. Nell’ambito delle utility l’importo medio da recuperare sui clienti attivi è di 438,00 euro e sui clienti cessati è di 705,00 euro.

Tra gli insoluti figurano in massima parte le bollette non pagate che impattano maggiormente sulla situazione finanziaria dell’azienda creditrice considerando anche il tempo e le risorse necessarie a gestire contestazioni e reclami ed evitare allo stesso tempo che la posizione debitoria si aggravi ulteriormente. La composizione dei crediti delle utilities hanno, infatti, caratteristiche sempre più simili a quelli bancari: nella classificazione dei crediti (privati, business e istituzioni), nella crescita esponenziale delle morosità e nella gestione del credito (solleciti, recupero giudiziale e cessione del credito). Non sono in condizioni migliori le telco, le assicurazioni e le finanziarie.

Come comportarsi dunque per mantenere l’equilibrio tra esigenze aziendali e necessità dei clienti?
Anche nell’ambito del recupero crediti la personalizzazione dei processi di contatto, lavorazione e credit collection, diventano la chiave giusta per creare relazioni basate sulle condizioni del cliente.

Per tutti i settori, le informazioni commerciali reperibili su ciascun cliente sono sia uno strumento di prevenzione con la valutazione del cliente, sia di valutazione del successo dell’attività di recupero. L’analisi dei dati e delle informazioni in possesso della filiera creditizia diventa un fattore imprescindibile per affrontare le criticità di mercato e riuscire ad agire in tempi rapidi. ll dato verificato e aggiornato permette di entrare in contatto con i clienti e avviare operazioni di recupero stragiudiziale con la piena conoscenza dell’effettivo status dei clienti insolventi.

Un processo ottimizzato

Utilizzare strumenti di analisi dei dati permette di conoscere meglio i debitori e di centralizzare tutte le informazioni (anagrafiche, contatti, fatture, documenti, azioni effettuate e quelle ancora da effettuare) per diminuire il tempo di avvio delle attività di recupero e agire tempestivamente permettendo di ridurre i tempi di incasso.

La centralizzazione dei dati permette di seguire e documentare procedure di controllo e monitoraggio del credito con rendicontazione continua sugli incassi e una visione completa delle azioni compiute e da programmare. Su questa base è possibile anche automatizzare i processi, per snellire le procedure, eliminare i tempi morti tipici delle attività manuali, consentire la ricollocazione delle risorse su attività davvero a valore, intervenire tempestivamente sulle situazioni di insolvenza.

Sono molti gli strumenti digitali che consentono di monitorare la situazione cliente in tempo reale, fornire alert sullo scaduto e spedire solleciti multicanale, inviare nei momenti programmati (le scadenze, per esempio) le comunicazioni necessarie attivando così i processi di recupero in tempo utile. È possibile anche creare team interfunzionali per coinvolgere nella governance del credito e nella gestione degli insoluti tutti i dipartimenti interessati (marketing, sales, amministrazione e commerciale, legale, agenzie di recupero crediti) eliminando così criticità dovute a un disallineamento tra funzioni aziendali.

L’intelligenza artificiale, come quella che sta alla base della piattaforma di BigProfiles, gioca un ruolo rilevante perché può utilizzare tutti gli esiti storici delle campagne di Credit Collection, in modo da individuare le caratteristiche comuni ai soggetti dei quali sono stati recuperati crediti in passato e utilizzarle per predire la probabilità di recupero per ogni singola posizione presente nel tuo portafoglio. Potendo individuare i debitori più propensi all’adempimento spontaneo è possibile ridurre le attività di contatto su questa porzione di portafoglio e concentrare gli sforzi sulle altre in modo da ridurre i tempi di recupero, con una velocità maggiore del 50%.

Il tasso di recupero delle campagne di phone collection si può alzare del 20% individuando i debitori a più alta probabilità di recupero per assegnarli agli operatori meno performanti. In questo modo potrai indirizzare le attività degli operatori più abili sulle posizioni più difficili da recuperare. Infine è possibile risparmiare il 20% dei costi operativi, individuando le potenzialità di recupero per ogni posizione ed investendo solo sui debiti con alto tasso di recupero.

COMMENTI