30 000 möjligheter, ett mål.

När kunderna inte betalar satsar vi på en kombination av artificiell intelligens (AI), datavetenskap och beteendeforskning.

Vår självlärande algoritm typifierar människor baserat på data och åtgärder för att utföra den bästa strategin.

Med respektfull hantering gör vår AI personen medveten om betalningskravet och hittar en kundorienterad lösning.

Artificiell intelligens.

Vi använder den mest avancerade AI-tekniken för att skapa en mycket personaliserad kundupplevelse inom inkasso.

Generativ AI Reinforcement Learning Supervised Learning

Generativ AI bygger på stora språkmodeller (LLM) och är särskilt lämplig för automatiserad hantering av förfrågningar i inkommande kommunikation inom inkasso. Denna teknik kan självständigt kategorisera förfrågningar som betalningsplaner, betalningspauser eller tvister, välja passande svar och skicka dem. Den kan också avgöra om ett svar ska ges av mänskliga medarbetare eller av den generativa AI:n själv. Detta leder till en betydande acceleration av kommunikationsprocessen.

Reinforcement Learning (RL) är lämpligt för att välja den bästa strategin. RL möjliggör en personaliserad kundkontakt vid inkasso genom att ta hänsyn till individuella preferenser och beteendemönster. Deep Q Learning är en komplex form av Reinforcement Learning, som bygger på neurala nätverk. På så sätt kan man på lång sikt ta fram optimala åtgärder och till exempel fastställa den bästa tidpunkten eller den bästa kommunikationskanalen för ett betalningsmeddelande.

Supervised Learning (övervakad inlärning) används för att förutsäga konkreta händelser och ofta deras sannolikheter. Markerade dataposter används för att träna algoritmerna. Övervakad inlärning är en form av maskininlärning och kan användas inom fordringshantering, till exempel vid Scoring (poängsättning). Tack vare övervakad inlärning kan algoritmen uppskatta hur sannolikt det är att en person kommer att betala den öppna fordran.

Datavetenskap.

Vår algoritm bearbetar individuella egenskaper hos dina fallerande kunder. De samlas in genom dataanalys före och under påminnelseprocessen. Baserat på dessa egenskaper identifierar vår AI specifika beteendemönster och specificerar deras typologi.

Kundinformation från första hand
Dina kunduppgifter ger oss inblick i konsumentbeteenden och ledtrådar till systematiska handlingsmönster hos dina kunder samt bestämmer kommunikationskanalerna.
Uppgifter från tredje part
Uppgifter från kreditupplysningsföretag, kreditinstitut och marknadsdata hjälper oss att få en bättre bild av dina fallerande kunders betalningsförmåga. På så sätt kan vi erbjuda skräddarsydda lösningar.
Digitala data
Data som samlas in från sociala medier eller som en del av e-postidentifieringen ger dessutom information om dina kunders socioekonomiska status och styr också kommunikationen i påminnelseprocessen.
Beteendedata
Dina kunders tillgänglighet, reaktionssätt eller reaktionshastighet ger information om betalningsviljan och visar oss om åtgärderna i påminnelseprocessen är effektiva.

Beteendeforskning.

Baserat på insikter från beteendeforskning identifierar vi den optimala kontakten med dina kunder. Under interaktionen anpassar vår algoritm kommunikationen efter kundens reaktion tills vi når en överenskommelse med din kund.

  1. Kanal
  2. Tidpunkt
  3. Lösningsalternativ
  4. Frekvens
  5. Tonalitet
  6. Stilistiska medel

Fördelarna.