تحسين استراتيجية التحصيل بنسبة 30% باستخدام التعلم الآلي
الاتصال بالعملاء رقميًا لاسترداد الحسابات المتأخرة هو إحدى الطرق لتحسين تجربة العملاء لديك.
لكن التنبؤ بكيفية تفضيل كل عميل للتفاعل، وتخصيص كل خطوة في رحلتهم وفقًا لذلك يأخذ تحصيلاتك إلى مستويات جديدة تمامًا من التخصيص.
دعونا نفصل كيف يقوم التعلم الآلي الخاص بنا بذلك بالضبط، لدفع استراتيجية Collect وتحقيق زيادة بنسبة 30% في أداء التحصيل.
ما هي نماذج التعلم الآلي؟
التعلم الآلي (ML) هو شكل من أشكال الذكاء الاصطناعي. يستخدم كميات كبيرة من البيانات لتوليد رؤى وتوقع نتائج محددة. لكن الجمال الحقيقي وراء هذه التكنولوجيا هو أن النماذج تحسن تلقائيًا في الوقت الحقيقي، مع تلقي المزيد من البيانات.
فكيف يتم استخدامه في تحصيل الديون؟ حسنًا، نماذج التعلم الآلي لدينا تزيل التخمين.
باستخدام التعلم الآلي، يمكن لـ Collect:
- توقع كيفية تفاعل العميل مع ديونه
- تخصيص كل رحلة تحصيل وفقًا للتفضيلات والسلوكيات الفريدة
- تكييف الرسائل بشكل حدسي في الوقت الحقيقي - كيف يتفاعل العميل مع رسالة واحدة يؤثر على ما يتلقاه بعد ذلك
- حماية العملاء من خلال جدار الحماية الخاص بالامتثال، مما يضمن بقاء جميع أنشطة التحصيل ضمن اللوائح المحلية
- توسيع الاستردادات بلا حدود وبجهد عمل متساوٍ عبر جميع حسابات العملاء
على عكس الطرق التقليدية التي تعتمد على الحدس البشري أو المقاييس الانتقائية، يطبق التعلم الآلي رؤى في الوقت الحقيقي على مستوى العميل لإنشاء استراتيجية التحصيل المثلى.
كيف تعمل نماذج التعلم الآلي في Collect؟
في كل مرة يتفاعل فيها عميل معنا، يتم تسجيل ذلك كحدث فريد في مستودع بياناتنا، مما يساهم في 850 مليون حدث (وما زال العدد في تزايد).
فكر في الأحداث كالتفاعلات - مثل فتح العميل لبريد إلكتروني، الوقت الذي فتح فيه، المدة التي قضى في قراءته، سواء نقر على رابط الدفع أو اتصل بفريق تجربة العملاء لدينا.
ثم يتم تحليل هذه الأحداث بواسطة نماذج التعلم الآلي لتحديد ما يجب إرساله بعد ذلك، مما يدفع الاستراتيجية في كل نقطة تواصل فردية.
على مستوى عالٍ، تنقسم نماذجنا إلى ثلاثة مجالات: متى يتم الاتصال، ماذا يتم إرساله، وكيف يتم الاتصال.
دعونا نلقي نظرة على كيفية عمل هذه النماذج في الممارسة العملية. في هذه الأمثلة، سنتبع ديفيد الذي لديه دين مستحق مع MyBank.
ماذا نرسل
التحليل
لضمان نجاح رحلته منذ البداية، تقوم Collect بتحليل ملف ديفيد مقابل مستودع بياناتنا، لفهم سلوكياته وتفضيلاته. يشمل ذلك عوامل مثل مقدار الدين الذي لديه وأصل ذلك الدين.
يغذي هذا التحليل نماذج التعلم الآلي لدينا، لتحديد الرسالة التي يجب أن يتلقاها ديفيد.
الرسائل
باستخدام مزيج من كتّاب النصوص البشريين و
كاتب النصوص الذكي الذي قمنا بتطويره، تمتلك نماذجنا الآلاف من الرسائل للاختيار من بينها.
تخضع كل رسالة لمراجعة امتثال شاملة واختبار أداء، قبل نشرها. يضمن ذلك أن كل رسالة ترسلها Collect تكون عالية الأداء ومتوافقة. خذ على سبيل المثال الرسائل المكتوبة بواسطة كاتب النصوص الذكي لدينا، والتي زادت معدلات التحويل بنسبة 32%.
الاختيار
عندما يتعلق الأمر بالاختيار، تختار نماذج التعلم الآلي لدينا بدقة الرسالة الأكثر احتمالًا لتشجيع ديفيد على اتخاذ إجراء بشأن حسابه. تأخذ في الاعتبار كل التفاصيل، مثل عنوان الرسالة، والنغمة، والدعوة إلى العمل، والمزيد في عملية اتخاذ القرار - مما يزيد من معدلات التحويل في كل فرصة.
ولا يتوقف الأمر عند هذا الحد. مع
نموذج رحلة العميل، يؤثر تفاعل ديفيد مع رسالة واحدة على ما يتم إرساله له بعد ذلك. النتيجة؟ تجربة عملاء مخصصة وسريعة الاستجابة - طوال رحلة التحصيل بأكملها.
متى يتم الاتصال
الرسالة الصحيحة في الوقت الخطأ هي أمر شائع جدًا في التحصيل التقليدي.
للاتصال بديفيد في اللحظة المثالية، يتم إرسال كل رسالة في الوقت الذي من المرجح أن يتفاعل فيه - حتى اليوم والساعة المحددين. هذه النقلة وحدها تزيد من معدلات تحويل المدفوعات عبر البريد الإلكتروني بنسبة تصل إلى 20%.
التكرار مهم أيضًا هنا، لمنع الإفراط في التواصل أو شعور العملاء بالتحرش. تحقق نماذج التعلم الآلي لدينا التوازن المثالي بين حماية كل من إمكانية التسليم وترك مساحة للتنفس، مما يؤدي إلى احتفاظ InDebted ببعض من أدنى معدلات الإبلاغ عن الرسائل غير المرغوب فيها في الصناعة.
كيف نرسل
تجربة التحصيل السلسة لديفيد مدفوعة بالتفاعل عبر قنوات متعددة من Collect.
من خلال التعرف على القنوات التي يستجيب لها ديفيد بشكل أكبر، يمكن لنماذج التعلم الآلي لدينا تخصيص تجربته لتناسب أسلوب تفاعله. إن التواجد ببساطة على القنوات التي يفضلها عملاؤنا يزيل العقبات ويدفع الأداء إلى الأمام، مما يوفر حتى 7 مرات أعلى في تفاعل العملاء مقارنة بالطرق التقليدية.
المرحلة التالية: تقديم جامع الذكاء الاصطناعي
كان الاعتماد على الوكلاء البشريين أحد أكبر العقبات التي تعيق نمو جامعي الديون - حتى الآن.
تم إطلاق جامع الذكاء الاصطناعي في عام 2024، ويستخدم تكنولوجيا الذكاء الاصطناعي المحادثي المصممة خصيصًا للتعامل مع استفسارات العملاء الواردة.
باستخدام مستودع بياناتنا وجدار الحماية الخاص بالامتثال، يعمل جامع الذكاء الاصطناعي بكفاءة لا مثيل لها. بفضل نموذجين من التعلم الآلي - أحدهما لتصنيف غرض الاستفسار والآخر لتحديد الإجراء الذي يجب اتخاذه، يتم حل 80% من جميع استفسارات البريد الإلكتروني الواردة بواسطة جامع الذكاء الاصطناعي.
على سبيل المثال، يمكنه تزويد العملاء بمعلومات الحساب، تحديث التفاصيل الحالية أو إرسال رابط دفع فريد في غضون ثوانٍ. وهذا يعني أن الاستفسارات البسيطة يتم التعامل معها على الفور بدقة، مما يمنح عملائنا الاستقلالية التي يحتاجونها للعودة إلى المسار الصحيح بشكل أسرع.
التأثير الناتج كبير، حيث يحرر فريق تجربة العملاء لدينا للتركيز على الحالات الأكثر تعقيدًا. حاليًا في مرحلة البيتا مع أحد أكبر عملائنا في أستراليا، يقوم جامع الذكاء الاصطناعي بالفعل بتحسين الكفاءة وتجربة العملاء.
Collect: حل التحصيل من الجيل الجديد
تغير نماذج التعلم الآلي في Collect كيفية إدارة العملاء لديونهم، وكيفية الحفاظ على تجربة عملاء بمعايير ذهبية.
تدفع هذه التكنولوجيا بالفعل أداءً أعلى بنسبة 30% - ونحن مستمرون في كسر هذا السقف الزجاجي. مع الاستثمار المستمر في تطوير النماذج، وأمان البيانات، والامتثال، يمكن لعملائنا استرداد الديون بشكل أسرع، وأكثر أمانًا، وأفضل من أي وقت مضى.
ادخل إلى جيل جديد من التحصيل، لن تنظر إلى الوراء.
شاهد كيف يعمل
