In marketing zijn digitalisering en personalisering van de klantreis actuele thema’s. Organisaties investeren vaak aanzienlijke bedragen in de voorkant van het proces om het de potentiële koper zo makkelijk mogelijk te maken om klant te worden. Aan de achterkant, waar het betaalproces onderdeel van uitmaakt, blijkt digitalisering en daarmee optimalisering van de klantbeleving niet altijd even hoog op de agenda te staan. “Een gemiste kans, die op termijn zowel financieel, als commercieel nadelige effecten voor organisaties kan hebben”, aldus Dennis Faas, Director Client Relations bij Mail to Pay. In dit interview spreek ik met Dennis over het belang van digitalisering van het betaalproces, de relatie met de klant (klantreis) en de toepassing van machine learning bij klantsegmentatie.
Digitaliseren van het betaalproces
Organisaties hebben vaak ruimschoots ideeën en plannen met betrekking tot digitalisering. Toch zie je in de praktijk dat die plannen na verloop van tijd in de spreekwoordelijke ijskast belanden. Heb je daar een verklaring voor?
Dennis: “Mail to Pay richt haar activiteiten vooral op corporates en het groot MKB. Ieder jaar worden budgetten voor digitalisering van het betaalproces beschikbaar gesteld, maar de realisatie van projecten blijft echter nog wel eens achterwege. Gedurende het budgetjaar zie je de prioriteiten of de aandacht verschoven worden ten koste van digitalisering. Ook kan het gebrek aan kennis en resources bij organisaties een rol spelen. Het gevolg is dan dat digitalisering op de achtergrond raakt en men al snel roept dat het volgend jaar ook nog wel kan. Organisaties richten hun (digitaliserings)pijlen (en budgetten) vooral op de voorkant van het proces, zoals bijvoorbeeld (digitale) marketing en sales. Maar kom je bij de achterkant van het proces, zoals betalingen, dan lijkt de urgentie om te digitaliseren weg te ebben. Zo kan het nog steeds voorkomen dat een klant op volledig digitale wijze is aangesloten en vervolgens een ouderwetse acceptgiro ontvangt. Je loopt dan als organisatie het risico dat klanten dit te omslachtig of tijdrovend vinden en mogelijk hun voorkeur geven aan organisaties die hun betaalprocessen wel hebben aangepast aan de (digitale) wensen van de klant.”
Over de uitfasering van acceptgiro wordt al jaren gesproken, maar ondanks de hoge kosten blijft deze omslachtige en tijdrovende betaalmethode beschikbaar in de markt. Wat is het argument van organisaties om (nog) niet over te stappen op digitale betalingsmethoden?
Dennis: “Een argument dat vaak gebruikt wordt is dat klanten dit willen. Toch is dit merkwaardig, want een klant verwacht anno 2019 in toenemende mate dat betalingen eenvoudig, snel, veilig en online (met een mobiele telefoon) gedaan kunnen worden. Daarnaast wordt soms enige terughoudendheid bespeurd om te investeren in digitale betaalmethoden. Wanneer er echter enkel naar het kostenaspect gekeken wordt, blijkt dat digitaal betalen slechts een tiende van de kosten van de acceptgiro met zich meebrengt. Deze terughoudendheid is ook lastig te verklaren als je bedenkt dat je over een paar jaar wel zult moeten investeren, omdat de acceptgirokaart dan écht gaat verdwijnen.”
De wensen van de klant zijn natuurlijk altijd een belangrijk uitgangspunt, ook als het om betalen gaat. Wat is volgens jou het risico als je als organisatie de overstap naar digitaal betalen niet of niet op tijd maakt?
Dennis: “Als je niet digitaliseert loop je het risico dat de relatie met de klant onder druk komt te staan. De klant is de laatste jaren sterk gedigitaliseerd, waarmee ook het verwachtingspatroon is veranderd. Uit verschillende onderzoeken blijkt dat digitaal betalen (via een betaallink of QR code) niet alleen door veel klanten op prijs gesteld wordt, maar ook erg efficiënt is voor zowel de klant als de organisatie. Een product als de acceptgiro past daar in meerdere opzichten niet meer bij. Door het continu uitstellen van digitalisering kunnen organisaties ook een flinke digitale achterstand oplopen of zelfs in een ‘tech gap’ belanden.”
Tech gap?
Dennis: “Organisaties belanden in een ‘tech gap’ als er niet voldoende wordt geïnvesteerd in digitalisering en de kloof tussen de huidige situatie en de marktvraag steeds groter wordt. Hoe langer investeringen uitgesteld worden, hoe moeilijker het voor organisaties wordt om de kloof – financieel en qua implementatie in de eigen organisatie – te overbruggen. Een ‘tech gap’ kan dus fataal zijn voor organisaties, omdat zij op een gegeven moment door de markt gedwongen worden om te investeren, maar daar inmiddels de middelen of de tijd niet meer voor hebben. Hierdoor kun je klanten kwijtraken aan concurrenten, die wel in staat zijn te voldoen aan hun wensen en behoeften op het gebied van digitaal betalen.”
Kun je aangeven hoeveel tijd het gemiddeld kost om als organisatie te transformeren naar een volledig digitale manier van betalen?
Dennis: “Op basis van de ervaring van Mail to Pay kun je het gehele facturatieproces en debiteurenbeheer in een periode van vier tot zes maanden volledig digitaliseren. Het zou in principe nog sneller kunnen, maar je moet er rekening mee houden dat klantdata verrijkt moeten worden. Denk daarbij aan ontbrekende e-mailadressen en telefoonnummers. Het verzamelen van ontbrekende data neemt in de praktijk één tot twee maanden in beslag.”
Hoe zit het met de terugverdientijd bij een transformatie naar digitaal betalen?
Dennis: “Financieel gezien is de terugverdientijd vrij kort, omdat de kosten per factuur tot wel 90 procent kunnen dalen. Daarnaast is ook aangetoond, dat een digitaal betaalverzoek ertoe bijdraagt dat klanten sneller betalen. Bij het versturen van een brief of acceptgiro loop je op grond van fysieke handelingen al snel een tot twee weken vertraging op. De terugverdientijd kun je uiteindelijk ook afzetten tegenover een betere klantbeleving van het betaalproces. Dat is wellicht iets lastiger concreet te maken, maar het is wel een factor om mee te nemen in de overweging om het betaalproces te digitaliseren. Dus naast een scherpe daling van de kosten en een betere klantbeleving, heeft digitaal betalen aantoonbaar een gunstige invloed op de DSO en cashflow.”
Waarin onderscheidt Mail to Pay zich van andere betaaloplossingen in de markt?
Dennis: “Er zijn een aantal zaken waarin Mail to Pay zich onderscheidt. De opmaak van de betaalverzoeken is volledig in de huisstijl van de opdrachtgever. De opdrachtgever bepaalt dus hoe de betaalverzoeken eruitzien, de klanten zien nergens Mail to Pay staan. Daarnaast hanteert Mail to Pay geen zogenaamde derdengeldenrekening, zodat de klant direct aan zijn of haar leverancier betaalt. Verder is de methode van aanmanen uniek, deze is gebaseerd op algoritmes. Zo is het mogelijk om aan de hand van specifieke factuur- en klantdata logica in te bouwen wat dynamische aanmaantrajecten mogelijk maakt. Mail to Pay ontzorgt de opdrachtgevers volledig bij het opvolgen van onbetaalde facturen. Naast het verzorgen van een volledig aanmaantraject, worden ook externe partijen aangestuurd. Voorbeelden hiervan zijn het inschakelen van een extern callcenter, het laten uitvoeren van huisbezoeken en een overdracht naar een incassobureau of deurwaarder.“
Jullie pleiten ervoor om het betaalproces aan de klantreis toe te voegen. Kun je dat nader toelichten?
Dennis: “Het is van belang de volledige klantreis te koppelen aan klanttevredenheid en klantloyaliteit. Door te weten wie je klanten zijn en welke kenmerken zij hebben, kun je met behulp van algoritmes nagenoeg op maat bepalen wat de beste methode en tone of voice is om met een klant te communiceren. Niet alleen aan de voorkant van het proces, maar ook aan de achterkant van het proces. Met behulp van machine learning kan zelfs een persoonlijk aanmaantraject worden toegepast. Op deze manier kan een consistente klantbeleving gecreëerd worden, die bijdraagt aan een hogere klanttevredenheid en klantloyaliteit.”
Machine learning, als subset van AI, wordt regelmatig in de media genoemd. Wat zijn jullie ervaringen op dit gebied?
Dennis: “Overal waar machine learning wordt ingezet, verslaat deze het traditionele (oude) proces met gemak. Elke nieuwe klant die machine learning wil gebruiken heeft in principe twee keuzes: een model op basis van private machine learning of een model gebaseerd op gezamenlijke machine learning. In het laatste geval kan de klant starten met machine learning op basis van de beschikbare data van Mail to Pay. Mail to Pay adviseert haar opdrachtgevers bijna altijd om te kiezen voor het gezamenlijke model, omdat de toepassing van machine learning effectiever is naarmate er meer data beschikbaar zijn. Dan praat je over de verwerking van miljoenen betaalervaringen. Het grote voordeel van deze aanpak is dat ook kleinere organisaties gebruik kunnen maken van machine learning.”
Hoe zit het met privacy van klantdata?
Dennis: “Kenmerkend voor deze techniek is dat de gegevens van individuele klanten niet worden opgeslagen. Het gaat simpel gezegd om het effectief matchen van acties (betaalmethode, kanaal, tekst) aan de situatie van de klant. Op basis van ervaringen en kenmerken van een klant, zoals plaats, wijk, leeftijd et cetera, kan de meest effectieve actie voor een klant bepaald worden, zodat de kans op betaling het grootst is. Het proces van het continu verbeteren (van het algoritme), kan met behulp van machine learning op een gedegen en volautomatische wijze gedaan worden, waarbij de privacy van klanten gewaarborgd blijft.”
Machine learning is voor veel mensen echter nog steeds een enigszins abstract begrip. Kun je een praktijkvoorbeeld geven van de toepassing van machine learning?
Dennis: “Zeker. Hiervoor is een verwijzing naar de klantcase van Nationale Nederlanden (NN), die ook op de website van Mail to Pay staat, het beste. In deze klantcase worden de resultaten die met machine learning behaald zijn door hun creditmanager Cor Möller besproken. Kort gezegd: door het gebruik van machine learning is het aantal royementen door wanbetaling met maar liefst 52 procent gedaald. Het voorkomen van royementen is niet alleen financieel voordelig, maar ook gunstig in de zin van klantbehoud. Per saldo neemt hierdoor het rendement op je marketinginspanningen aanzienlijk toe. Het is aldus aan te bevelen om de klantreis niet alleen aan de voorkant, maar ook aan de achterkant van het proces efficiënt en klantgericht in te richten.”
Jullie spreken ook over ‘microsegmentatie’. Wat verstaan jullie daaronder?
Dennis: “Microsegmentatie wordt feitelijk mogelijk gemaakt door de toepassing van machine learning. Segmentatie van klanten vindt vaak in een aantal stadia plaats. Het beginpunt is algemene klantsegmentatie. Dat kan verder verfijnd worden door het toepassen van persona’s, waarbij ook het gedrag van de klantgroep wordt meegenomen in de klantcommunicatie. Je weet dan van een klant dat hij bij voorkeur met een betaallink via SMS betaalt, maar nog niet op welk tijdstip dit betaalverzoek verstuurd moet worden. Bij microsegmentatie wordt machine learning ingezet, waarbij op individueel niveau alle aspecten die betrekking hebben op het betaalgedrag van de klant zijn meegenomen. Het aanmaantraject wordt hierdoor voor elke klant uniek. Zo kun je de klantbeleving van het betaalproces optimaliseren, door deze af te stemmen op de wensen en gedragingen van de individuele (unieke) klant.”
Digitaliseren wordt ook vaak met verandering geassocieerd en het kan wel eens lastig zijn om mensen mee te krijgen. Hoe kijken jullie daar tegenaan?
Dennis: “Veranderingen in methoden of werkwijzen worden over het algemeen als ietwat eng gezien. Toch blijkt in de dagelijkse praktijk vaak het omgekeerde. Door digitalisering is er namelijk veel meer mogelijk (zoals analyse, procesoptimalisatie en meer persoonlijk contact met de klant), waardoor de kwaliteit van en het plezier in de werkzaamheden juist toeneemt. Repeterende, vaak administratieve, handelingen komen namelijk door automatisering en digitalisering te vervallen en dat zijn juist de werkzaamheden waar veel mensen meestal niet om staan te springen. Door (betaal)processen te digitaliseren kan er meer tijd vrijgemaakt worden, die vervolgens kan worden gebruikt voor de eerder vermelde zaken. Digitalisering draagt bij aan de ontwikkeling om de werkende mens weer mens te laten worden. De robot kan alle taken verrichten die saai of repeterend zijn, terwijl de mens zich op complexere zaken en uiteraard de klant kan richten. Als zodanig kan digitalisering extra waarde toevoegen voor alle stakeholders.”