BigProfiles

Recouvrement de créances et Intelligence Artificielle : comment la priorisation des listes permet d’atteindre plus facilement les objectifs

Condividi
Share on facebook
Share on linkedin
Share on twitter
Share on email

Les entreprises spécialistes du recouvrement de créances ou encore les cellules de recouvrement internes des entreprises, doivent réussir à définir des stratégies capables d’affronter différents niveaux de difficulté. Certains peuvent être liés à la nature même de l’impayé à recouvrer et d’autres, en revanche, peuvent découler de la propension, ou non, du débiteur à régler sa propre dette.

 

Généralement, la probabilité d’atteindre les objectifs de recouvrement se base exclusivement sur l’habilité de l’agent et sur les variables liées à la situation du débiteur, comme par exemple sa situation économique, professionnelle ou familiale. Ces deux facteurs ne sont en aucun cas pris en considération par l’entreprise qui s’occupe effectivement du recouvrement.

 

Par exemple, un BPO qui est chargé des campagnes de recouvrement pour un fournisseur d’énergies contacte dans un premier temps environ 10.000 débiteurs par mois, en les affectant aléatoirement à ses agents. Les seules informations qu’il connait sont : la valeur de l’impayé et le talent de ses agents, mais il n’a pas la possibilité d’agir en ce sens, si ce n’est quand le traitement est désormais déjà en cours.

 

De cette façon, l’entreprise en charge du recouvrement emploie beaucoup de temps et de ressources pour des créances qui seront difficilement recouvrées, faisant ainsi obstacle à l’atteinte des objectifs.

 

En analysant préalablement les créances présentes au sein de la liste de débiteurs, il serait possible de prioriser dès le début les segments de liste qui contiennent la plus haute probabilité de recouvrement et dont la valeur économique recouvrable est la plus élevée, ou au moins, la plus en adéquation avec l’atteinte des objectifs.

 

Réussir à connaitre en amont les positions plus enclines à repayer leur propre dette ainsi que la valeur associée à chacune d’elles, permet donc à l’entreprise en charge du recouvrement de concentrer ses premiers efforts sur les positions les plus simples et économiquement rentables pour, ensuite, se consacrer à celles plus compliquées, de façon à obtenir le plus grand nombre de recouvrements avec la valeur la plus élevée dans un court délais.

 

 

Comment est-il possible d’effectuer la priorisation avant de procéder au traitement ?

 

Grâce à BigProfiles, la première Plateforme d’Intelligence Artificielle pour le recouvrement de créances, il est possible de prioriser les positions sur la liste avant même de commencer le traitement de cette dernière. L’entreprise chargée de recouvrement aura ainsi la possibilité de définir à chaque fois, selon les objectifs de revenu, de nombre ou de délais de recouvrement, la meilleure stratégie pour atteindre ses propres objectifs.

Retour haut de page