Volg Intrum Nederland

4 Stappen voor data-gedreven credit management

Nieuws   •   jun 02, 2017 09:26 CEST

Het betaalgedrag van consumenten is de laatste jaren sterk veranderd. Dat komt met name door de opkomst van nieuwe technologieën en het gemak waarmee online producten en diensten kunnen worden afgenomen. Ook achteraf betaalmogelijkheden worden steeds gewoner. Door deze ontwikkelingen is de kans groter geworden dat consumenten het overzicht op hun financiën verliezen en betalingsachterstanden ontstaan.

Als credit manager wilt u de cash flow op peil houden, maar kunt u niet voorbij gaan aan het belang van klanttevredenheid. Daarbij past geen stringent en onpersoonlijk credit managementbeleid. Dit stelt de credit manager voor nieuwe vragen:

  • Welke signalen wijzen op mogelijke betalingsachterstand?
  • Hoe kunnen we klanten gerichter benaderen over betalingen?
  • Op welke klanten(groepen) kunnen wij ons het beste richten?

Voor het beantwoorden van die vragen is een omslag nodig naar preventief en data-gedreven credit management. Deze transitie bestaat uit de volgende stappen.

Stap 1: Benut alle beschikbare klantgegevens en trends

Sales, marketing en finance hebben een schat aan gegevens over klanten, bijvoorbeeld hun historisch betaal- en bestedingsgedrag en segmentatiecriteria. Ook informatie over de communicatie rond betalingen is bruikbaar. Hoe en via welk kanaal heeft het contact met een klant het meeste succes gehad? Daarnaast zijn externe gegevens beschikbaar, bijvoorbeeld van het BKR, de KvK, het CBS en credit score organisaties. Wanneer deze informatie gecombineerd wordt ontstaat een compleet beeld van klanten(groepen). Omdat dit beeld kan veranderen, is permanente monitoring nodig. Het is daarbij van belang om real time data te integreren. Dit om tijdig zicht te krijgen op ‘life events’ die effect kunnen hebben op het betaalgedrag, zoals baanverlies, scheiding en/of verandering in besteding.

Stap 2: Analyseer de data om verbanden en patronen te vinden

Door de beschikbare klantdata vanuit verschillende invalshoeken te analyseren worden patronen en parameters duidelijk die de kans op betalingsachterstanden bepalen. Hiervoor zijn verschillende statistische methoden inzetbaar die vaak verrassende verbanden aan het licht brengen. Wij kunnen u helpen bij uw data-analyse door onze eigen data en kennis in te zetten.

Stap 3: Bouw een model dat betalingsachterstanden voorspelt

Bij veel bedrijven stuurt het credit management via de achteruitkijkspiegel. Men komt pas in actie wanneer de vervaldatum van een factuur is verlopen. In plaats daarvan is op basis van data-analyse een model te bouwen dat signalen en patronen die wijzen op mogelijke wanbetaling vroegtijdig herkent. Dat model verschilt per sector en bedrijf. Denk aan een bank waar de combinatie van het opheffen van een en/of rekening en het veranderen van een adres kan wijzen op een echtscheiding. Lindorff kan u helpen bij het ontwikkelen van zo’n model of haar Profiling System voor u inzetten.

Stap 4: Automatiseer en personaliseer acties richting klanten

De uitkomsten van een voorspellend model zijn te vertalen naar geautomatiseerde acties. Deze kunnen worden gericht op personen of groepen waarover op basis van historische data en bekende patronen is te voorspellen dat een betalingsachterstand dreigt te ontstaan. In plaats van dan batches met gestandaardiseerde aanmaningen te sturen kunnen persoonlijke attenderingsberichten over een naderende vervaldatum worden gestuurd. Dit, met bijvoorbeeld een directe link naar iDeal. Het is belangrijk de juiste klanten op het juiste moment met de juiste boodschap te benaderen. Dit via hun favoriete kanaal. Door personalisatie verklein je de kans op wanbetaling en houd je de klantrelatie goed. Middels preventief beheer kan een organisatie het aantal zaken dat uitstoomt naar incasso al snel met 15% verlagen.

Preventief en data-gedreven credit management levert een aantoonbare bijdrage aan verlaging van DSO en versterkt tegelijkertijd de band met de klant. Meer weten? Neem contact met ons op. 

Opmerkingen (0)

Opmerking toevoegen

Opmerking

By submitting the comment you agree that your personal data will be processed according to Mynewsdesk's Privacy Policy.