In maart 2016 schreef ik voor het vaktijdschrift De Credit Manager een artikel over het einde van de creditmanager. Daarin voorspelde ik dat het werk van deze beroepsgroep op termijn zou worden overgenomen door zelflerende incassoalgoritmes. Toegegeven, het was een beetje angstzaaierij. Maar de boodschap was duidelijk: investeer in dergelijke technieken voordat je door de werkelijkheid wordt ingehaald. Welnu, dát moment is aangebroken.
Mail to Pay Machine Learning
Met big data en slim rekenen een incassotraject op maat.
Machinelearning voor het beste incassoresultaat
Mail to Pay heeft de afgelopen twee jaar met man en macht gewerkt aan Mail to Pay Machine Learning. Deze tool leert zelf wat het beste instrument is om een debiteur te vragen om te betalen. De machine heeft het profiel en de betaalgeschiedenis van de debiteur plus een scala aan instrumenten – e-mail, sms, brief, telefoon en diverse teksten (van zeer vriendelijk tot streng) - tot haar beschikking om de debiteur te benaderen. Vervolgens weegt zij alle mogelijkheden af en berekent welke combinatie van deze instrumenten naar alle waarschijnlijkheid het beste resultaat oplevert. Oftewel, ervoor zorgt dat de debiteur betaalt. Die combinatie wordt vervolgens ingezet als eerste incassoactie.
Machinelearning: een leven lang leren
Heeft de eerste incassoactie plaatsgevonden, dan onthoudt de machine het resultaat. De kunstmatige intelligentie heeft op dat moment bijgeleerd en is dus slimmer geworden. Zo leert de machine steeds beter wat in een specifiek geval het beste incassotraject is. De software van Mail to Pay Machine Learning is verder zo ontwikkeld dat de machine één op de tien combinaties expres negeert en een andere kiest. Daarmee krijgt de machine regelmatig nieuwe data die niet is gebaseerd op haar eigen beslissingen. Laat je de machine namelijk alleen maar doen wat zij zelf adviseert, dan leert zij niet meer bij.
Incassotraject op maat met algoritmes
Een voorbeeld. Het bedrijf Voorbeeld B.V. heeft een klant die zijn rekening niet heeft betaald. In plaats van zelf te bedenken hoe hij zijn klant kan bewegen om tot betaling over te gaan, maakt hij gebruik van Mail to Pay Machine Learning. Aan de hand van de profielschets van de debiteur, zijn betaalpatroon en het soort bedrijf dat Voorbeeld B.V. is, ontwikkelt onze tool algoritmes en maakt daarmee een incassotraject op maat. Betaalde deze debiteur altijd direct de maandag na het ontvangen van de factuur, dan ontvangt hij op maandagochtend een e-mail met daarin een vriendelijke, doch nadrukkelijke betalingsherinnering. Het resultaat van deze actie wordt opgeslagen in het systeem en meegenomen in het volgende incassotraject voor deze klant.
Miljoenen rekeningen
Nu heeft Voorbeeld B.V. een trouwe, maar bescheiden klantenkring. Daar zal het zo’n vaart niet lopen met de betalingsachterstanden. En komt het een keer voor dat iemand niet betaalt, dan is een telefoontje meestal voldoende. Maar voor bedrijven die honderdduizenden of soms wel miljoenen rekeningen per jaar versturen, zoals energiebedrijven of drinkwaterbedrijven, is het heel moeilijk om voor iedere afzonderlijke klant het beste incasso-instrument en de beste tekst te bedenken.
Minder zaken naar de deurwaarder
Mail to Pay Machine Learning zet dus big data en slimme statistische rekenkracht in om algoritmes te ontwikkelen en zo een op maat gemaakt incassotraject te kiezen. Zo kun je met elke vordering een klant zijn eigen persoonlijke behandeling geven, ook al heb je er een miljoen. Die persoonlijke aanpak zorgt ervoor dat minder zaken bij het incassobureau en de deurwaarder terechtkomen. Dus: meer betaalde rekeningen tegen minder kosten én je behoudt de goede relatie met je klant. Een win-winsituatie voor iedereen! Behalve misschien voor de creditmanager …
Over de auteur
Rody Heijstek CEO - Mail to Pay
Rody werkt al meer dan tien jaar in de wereld van creditmanagement en levert software die incassoprocessen automatiseren en optimaliseren.