¿Por qué se dice que el 99% de las colecciones inteligentes son trucos?
La recaudación en la industria de financiación al consumo consiste en buscar un equilibrio dinámico entre costes y beneficios.
Saliendo de la premisa del coste y hablando de recaudación, no hay comparación. La recogida inteligente supone una reducción parcial de costes y un aumento de la eficiencia, y toda la metodología de recogida no ha cambiado.
La optimización de los cobros debe combinarse con cambios en la tasa de morosidad. La optimización de costes manteniendo la morosidad sin cambios es la verdadera forma de reducir costes y aumentar la eficiencia.
Para las empresas financieras, el mayor riesgo son las personas.
Hay un dicho en la industria financiera que dice que "un tercio del préstamo se divide en siete partes para su gestión".
Ya sea un banco o una institución financiera mutua actual, la importancia del cobro se refleja en dos aspectos: en primer lugar, puede minimizar la pérdida de deudas incobrables; en segundo lugar, a través de una fuerte capacidad de cobro, puede incautar; negocios de mayor riesgo y obtener beneficios.
El riesgo de incumplimiento del grupo de clientes de las instituciones financieras mutuas es mayor que el del grupo de clientes de tarjetas de crédito. Los cambios sutiles en el efecto de cobro pueden causar ganancias o pérdidas del orden de millones.
Con el aumento y la caída de los préstamos en efectivo, la industria de cobranza parece estar marcando el comienzo de una primavera.
Por un lado, el número de clientes se está disparando rápidamente, por otro lado, los clientes son cada vez más difíciles de cobrar y las deudas incobrables en toda la industria se están disparando.
La recogida inteligente ha surgido como un nuevo método.
La IA está de moda en 2018. ¿Es la recolección inteligente realmente el futuro de la industria de la recolección? no necesariamente.
¿Qué es la recogida inteligente?
Según informes públicos, la recopilación inteligente utiliza principalmente tecnología de inteligencia artificial para optimizar todo el proceso de recopilación.
Primero tomemos todo el proceso de cobranza como ejemplo. La siguiente es la definición de indicadores vencidos para cobranzas comunes. Por lo general, un monto vencido de 9 (M3+) se define como morosidad, que es lo que la industria suele denominar tasa de morosidad, y un monto vencido de 18 se define como deuda incobrable.
Por supuesto, la definición de insolvencia y los mecanismos de devengo y castigo son diferentes para cada empresa, por lo que no los mencionaremos aquí por ahora.
Definición de Indicadores de Cobro Vencido
En este proceso, los recordatorios generalmente comenzarán por teléfono unos días antes de cada fecha de pago (m1, m2, m3, etc.) La fecha de pago del usuario Se acerca, preste atención al pago oportuno. Este método lo utilizan Alipay, Baitiao y los centros de tarjetas de crédito de varios bancos.
A partir de m1, una vez que el pago no se reembolsa, quedará vencido. Generalmente, unos días después de la fecha de vencimiento, se emitirá un recordatorio telefónico. Este no es un recordatorio para pagar, sino un recordatorio para pagar. Por lo tanto, como se muestra en la figura anterior, toda la intensidad de la cobranza aumentará gradualmente hasta que esté vencida y se abordará a través de medios muy fuertes como la judicial, la subcontratación y la puerta a puerta. Por supuesto, el costo también será muy alto. alto.
A lo largo de todo el proceso de cobranza, los clientes morosos deben ser analizados continuamente a través de informes de datos, se deben formular estrategias de cobranza específicas y se deben realizar ajustes en función de los indicadores de cobranza de cada mes.
Esto incluye diferentes aspectos del trabajo como llamadas telefónicas, subcontratación e inspección de calidad.
Esquema simplificado del proceso de recogida
¿Qué aspectos ha cambiado con la recogida inteligente?
Las principales innovaciones mencionadas en la tecnología de cobranza inteligente son los siguientes enlaces:
1 Llamadas a teléfonos inteligentes (llamadas entrantes y salientes)
2 Llamadas a teléfonos inteligentes División de casos (principalmente relacionados con estrategias de cobranza)
3 Informes inteligentes
4 Inspección de calidad inteligente (inspección de calidad)
Llamadas telefónicas inteligentes: ¿reducir significativamente los costos laborales? No necesariamente
Existen dos tipos de llamadas desde teléfonos inteligentes. Uno es la grabación y transmisión típica, es decir, la información de voz del robot de voz se graba e importa manualmente con anticipación, lo cual es muy similar al servicio al cliente del robot de Taobao.
La otra es la respuesta de voz con inteligencia artificial en tiempo real, que por el momento puede entenderse como Siri del iPhone o Alexa de Amazon.
El núcleo del servicio de atención al cliente inteligente es aumentar los recordatorios a los usuarios, aumentar la frecuencia y reducir costes.
Las agencias de cobranza tradicionales utilizan llamadas telefónicas manuales. Muchas empresas financieras subcontratarán este negocio y la subcontratación asignará las órdenes de cobro de la empresa financiera de acuerdo con el número de agentes. Un asiento equivale a una persona. La capacidad de producción promedio diaria per cápita en la industria es de alrededor de 200 a 300 pases.
En cuanto a la participación en las ganancias de las empresas de cobranza, las comisiones básicamente se dan en diferentes proporciones según el monto a cobrar.
Le recordamos que no se deje atraer por las muestras de los sitios web oficiales de muchas empresas de inteligencia artificial. En términos generales, el sitio web oficial es una versión pulida. Si desea saber cómo se desempeña el robot de atención al cliente en el negocio de cobranza, debe realizar una prueba.
Existe la opinión actual en la industria de que la inteligencia artificial ha reducido significativamente los costos laborales.
Desde la perspectiva del coste de cada pedido, sí tiene una mayor ventaja que la mano de obra. Sin embargo, si esta reducción de costes se combina con los indicadores posteriores de cobro de insolvencias, los resultados pueden no ser tan optimistas. .
En la actualidad, los diferentes estándares de facturación de las principales plataformas de llamadas telefónicas en la industria de cobranza.
Para la marcación manual pura, la industria básicamente sigue la tarifa de marcación por llamada, que es de 2 yuanes. / Aprobar. El método de cobro convencional actual para que la inteligencia artificial reemplace la marcación manual se basa en la duración del uso, que es básicamente de aproximadamente un yuan o 0,5 yuanes por minuto.
Dado que la duración media de cada llamada manual es básicamente de aproximadamente un minuto, podemos compararlas de forma aproximadamente uniforme.
Actualmente, a iFlytek le está yendo relativamente bien en el campo de la inteligencia artificial y sus tarifas son relativamente más altas que las de otros proveedores de la industria. Tomemos un rango medio de 1,5 yuanes. Otros proveedores también siguen el valor medio, que es de 0,5 yuanes.
Supongamos que también necesitamos hacer 200 llamadas telefónicas todos los días. Los diferentes costos son los siguientes:
Nota: La tasa de morosidad aquí se refiere a los indicadores posteriores causados por diferentes cobros. métodos. La fuente de los datos de inteligencia artificial son las cifras de las pruebas comerciales realizadas por varias empresas importantes de financiación al consumo en China.
El trabajo manual puro puede al menos reducir la tasa de morosidad en un punto en comparación con la inteligencia artificial. Repito, haga pruebas comerciales y no confíe en ninguna descripción del sitio web oficial de la empresa. Si se supone que la cantidad a solicitar es de 30.000 yuanes por día, serán alrededor de 900.000 yuanes por mes.
Si eliges la inteligencia artificial:
Si la deuda incobrable se reduce en un punto, la pérdida será: 900.000 * 1% = 9.000 yuanes.
Reducción de costes, ahorro: (400-100) yuanes * 30 = 9.000 yuanes.
Básicamente un empate.
Si bajamos aún más el precio unitario de la inteligencia artificial hasta los 0,25 yuanes. Entonces el coste se puede ahorrar en 350 yuanes * 30 = 10.500 yuanes o 9.000 yuanes.
Si la brecha de morosidad no es de un punto, pasa a ser de 2 puntos. 900.000*2%=18.000 yuanes 10.500 yuanes.
El razonamiento numérico anterior utiliza básicamente el promedio empresarial de la industria. Habrá una desviación superior e inferior, pero la amplitud no será demasiado grande.
De la simple deducción anterior, podemos sacar al menos tres conclusiones:
1. En términos de precio unitario, la inteligencia artificial tiene ventajas significativas sobre el trabajo manual puro y puede reducir en gran medida el Precio unitario promedio, no hay duda.
2. Si se combinan los efectos de cobranza posteriores y también se tienen en cuenta las tasas de morosidad causadas por diferentes métodos, queda por ver si la inteligencia artificial es más rentable.
3. Desde un único punto de vista, las pérdidas provocadas por el aumento de la tasa de morosidad son mucho más terribles que la reducción de costes.
Las finanzas son un negocio con un fuerte rezago en el control de riesgos, y todos los cambios deben tener en cuenta los cambios en la morosidad que puedan derivarse.
Si se ignora la tasa de morosidad y se realizan varias optimizaciones de forma unilateral, equivale a descartar lo bueno y perseguir lo último.
División de casos inteligente (estrategia de recopilación): si la variable humana no se puede controlar, el valor de la inteligencia artificial no es grande
Este es el trabajo central de toda la colección posterior al préstamo. . Se contacta a diferentes clientes mediante diferentes métodos de recolección y frecuencia de recolección en diferentes momentos. Desarrollar un plan de cobranza óptimo entre el costo y la tasa de recuperación basado en diferentes comentarios de datos y experiencia de la industria es el valor de la estrategia.
La estrategia de recolección involucra básicamente los siguientes factores: personas (recolectores), en qué momento (timing de recolección) y de qué manera (intensidad/frecuencia de recolección) qué diferentes casos se manejan (características del caso de recolección).
Ya sea WeChat automatizado, mensajes de texto, recordatorios telefónicos o recolección manual, la formulación de estrategias requiere diseño humano. Hasta ahora, la inteligencia artificial no puede sustituir las funciones humanas.
Informes inteligentes: los informes automatizados son populares desde hace mucho tiempo en la industria.
Los informes se ejecutan a través de toda la gestión de cobranza. Por ahora, no hay mucha diferencia entre los informes automáticos proporcionados por la inteligencia artificial y los informes integrados en el sistema de recopilación.
Básicamente, para empresas con sistemas MIS, los sistemas de recopilación pueden proporcionar generación automática de informes en diferentes dimensiones. Muchos sistemas de recopilación vendidos por empresas externas de la industria, como Huateng, contienen informes integrados. Esta tecnología ha estado madura durante muchos años.
En este punto, la inteligencia artificial no tiene ninguna ventaja significativa. Incluso si el nivel de informes de la inteligencia artificial puede ser igual al de los informes MIS requiere más observación.
Inspección de calidad inteligente: la inteligencia artificial es mejor que el trabajo manual
En el campo de la inspección de calidad, la inteligencia artificial tiene actualmente una ventaja líder.
Ya sea que cree su propio equipo de cobranza o lo subcontrate a una empresa de cobranza de terceros, debe acceder periódicamente a las grabaciones para controlar la calidad de las llamadas de cobranza. Esta es la llamada inspección de calidad. Por ejemplo, nada de insultos, amenazas, descripciones comerciales claras, etc.
El método tradicional de inspección de calidad básicamente utiliza una cierta cantidad de muestras seleccionadas al azar de la biblioteca de registros de la colección, recluta a un grupo de especialistas en inspección de calidad para escucharlas una por una, registra los casos problemáticos y calcula el proporción.
En el caso de la inteligencia artificial, las muestras de voz muestreadas se pueden convertir en texto mediante el método de voz a texto y luego se puede realizar la recuperación automática de información de palabras clave. En este punto, la inteligencia artificial, en teoría, puede reducir los costos significativamente.
Pero aquí hay un problema, pero en realidad, el problema de la calidad de la colección es problema del coleccionista. Cuando el negocio crece y el equipo que depende de la inspección de calidad manual en la etapa inicial es básicamente estable, un recolector normal no experimentará repentinamente desviaciones de calidad.
Esta inspección de calidad no es un muestreo completamente aleatorio. Puede intervenir mediante gestión humana, y también existe el teorema de los grandes números. Por lo tanto, a medida que la escala aumenta y se estabiliza, el efecto puede no ser tan grande.
Un sistema realmente eficaz en el ámbito de la cobranza: sistema de marcación automática
Sistema de marcación automática: tras obtener la lista de cuentas esperadas, clasifica las cuentas que requieren llamadas telefónicas según el establecer reglas. Utilizar algoritmos para optimizar el orden de las llamadas y maximizar la productividad de cada agente.
Un sistema de marcación automática es imprescindible para las grandes agencias de cobranza.
La siguiente es una comparación de algunos números comerciales antes y después de usar este sistema:
Nota: Los números en la imagen provienen del libro "Consumer Finance Scripture"
Pero la aplicación de este sistema depende en gran medida de las habilidades profesionales de los estrategas post-préstamos. Los gerentes determinan las reglas del sistema de marcación automática para garantizar que los cobradores de alta calidad respondan tantas llamadas como sea posible mientras mantienen una alta tasa de finalización de llamadas.
Por ejemplo, cómo garantizar que un excelente agente de cobros le envíe inmediatamente el último caso en el momento en que cuelgue el teléfono, sin problemas. Además, el sistema de marcación automática no es un producto nuevo creado por la IA en los últimos dos años. Se trata de un producto industrial muy maduro y ha sido utilizado por los principales centros de tarjetas de crédito nacionales y extranjeros durante muchos años.
Sin embargo, este sistema también tiene defectos evidentes. Básicamente, es necesario y posible utilizarlo en una escala de más de mil personas. Para una empresa de cobranza que es demasiado pequeña, el costo de comprar un sistema de este tipo es demasiado alto. En segundo lugar, el sistema de marcación automática debe depender de diferentes variables en una enorme base de datos para permitir que el algoritmo tome la decisión más informada. Si el tamaño de la muestra es pequeño, no significará mucho.
¿Cuál es el núcleo de la colección?
La cobranza es una industria que requiere mucha mano de obra. El núcleo de la capacidad de cobranza es si se pueden cobrar las deudas de la forma más económica y eficiente posible.
El núcleo de la cobranza radica en la formulación e implementación real de estrategias de cobranza. Bajo cierto control de costos, cómo minimizar el riesgo potencial de mora o el daño del comportamiento real de mora. Esto tiene en cuenta en gran medida las capacidades comerciales de un modelador y estratega profesional.
Como se muestra en la figura anterior, en todo el proceso de cobro posterior al préstamo, la intensidad del cobro y el efecto del cobro en realidad tienen estrategias completamente diferentes.
Para las empresas de financiación al consumo (a excepción de los préstamos en efectivo, el modelo de negocio es completamente diferente), cuando el vencimiento acaba de comenzar, no es necesario adoptar la intensidad de cobro más fuerte, pero el efecto de cobro en este momento debería ser teóricamente el mejor.
A medida que pasa el tiempo, la dificultad de cobro aumenta gradualmente y la posibilidad de insolvencias aumenta aún más. En este momento, se debe aumentar el poder de cobro.
Existe otro ingreso importante por recaudación que son las multas. Incluso bajo ciertas estrategias, las instituciones financieras hacen que ciertos clientes estén vencidos o vencidos durante mucho tiempo intencionalmente.
Las entidades financieras no son estúpidas, y tienen sus razones para serlo. Porque una buena cobranza debe ser el mejor equilibrio de los tres factores: pérdidas por deudas incobrables, ingresos por multas y costos de cobranza.
La figura anterior simplemente enumera la comparación de tres estrategias de cobranza diferentes.
La recogida óptima es maximizar el valor positivo y reducir el valor negativo. Estos tres factores están interrelacionados y no es fácil influir en todo el cuerpo.
Esto se extiende a dos vínculos principales: la identificación de clientes de alto y bajo riesgo y la creación de puntuaciones de cobranza. Al menos en lo que respecta al estado actual de las principales agencias de cobro de deudas, la inteligencia artificial no puede reemplazar a las personas.
Las instituciones financieras tradicionales básicamente asignan clientes de alto riesgo a los cobradores de deudas más experimentados. Porque para los clientes de alto riesgo, las instituciones no pueden esperar sin rumbo ni aumentar la intensidad del cobro después de que se extienda el tiempo vencido, sino que deben adoptar estrategias de cobro de alta intensidad lo antes posible para que los clientes cobren su dinero.
Cómo identificar grupos de clientes de alto riesgo entre los clientes requiere el uso de un sistema de puntuación de cobranza. El sistema de puntuación de cobranza puede basarse en el desempeño anterior del cliente y en métodos estadísticos, además de la experiencia de cobranza de la industria (incluidos los cambios en las probabilidades de pago de los usuarios que pueden ser causados por diferentes estrategias de cobranza, etc.).
De hecho, la inteligencia artificial ha mejorado la eficiencia en ciertos puntos, pero esta mejora debe considerarse en el panorama general de los costes de recaudación. De lo contrario, no tiene sentido.
Además, las llamadas salientes actuales de inteligencia artificial todavía están muy por detrás de las personas reales. Cuando cada vez más clientes reconozcan que se trata de un robot hablando, ¿producirá el efecto contrario?