Comment la personnalisation par apprentissage automatique augmente les paiements de 7 %

La personnalisation est rapidement devenue la norme. Maintenant, 71 % des consommateurs s’attendent à ce que les entreprises créent des interactions sur mesure et, en revanche, 76 % se sentent frustrés lorsque leurs expériences ne sont pas à la hauteur de leurs attentes. 

Les avantages commerciaux de la personnalisation sont également significatifs. McKinsey & Company a constaté qu’elle peut : 

• Réduire les coûts d’acquisition de clients jusqu’à 50 %
• Augmenter les revenus de 5 à 15 %
• Accroître le retour sur investissement marketing de 10 à 30 %

Alors, comment appliquons-nous cela dans la collecte de dettes ? Présentation du message recommender.

Personnaliser chaque message

Collect, notre produit intelligent de collecte de dettes, est alimenté par des modèles d’apprentissage automatique. Chacun de ces modèles améliore un point particulier de l’expérience de collecte. Par exemple, notre modèle de planificateur de messages garantit que les e-mails arrivent dans la boîte de réception d’un client au moment où il est le plus susceptible d’agir. 

Le message recommender est notre dernier modèle d’apprentissage automatique, qui personnalise chaque message que chaque client reçoit.

Intuitif en fonction de l’étape du parcours d’un client 

Lorsqu’un client est référé à Collect, son profil et son comportement sont évalués pour déterminer comment il est le plus susceptible d’interagir avec sa dette. Le modèle de message recommender sélectionne un message qui a le bon ton, le bon contenu et l’appel à l’action approprié pour un client individuel, afin qu’il se sente le plus susceptible de se sentir habilité et d’agir. 

Pour faire une sélection éclairée, le modèle mesure la performance de chaque message envoyé par Collect. Il analyse :

• Taux d’ouverture - le taux auquel le message a été ouvert
• Taux de clic - le taux auquel le lien dans le message a été cliqué
• Taux de conversion - la proportion de clients qui ont résolu leur dette via le message (en mettant en place un plan de paiement ou en payant en totalité)
• Nombre de fois que le message a été utilisé 

Pour créer une expérience client véritablement intuitive, le modèle combine ces informations avec :

• L’étape à laquelle le client se trouve dans son parcours de collecte - par exemple, a-t-il déjà reçu deux e-mails de notre part, ou s’agit-il de son premier message ?
• La localisation du client - pour garantir que le message respecte toutes les exigences de conformité propres à cette région

Une fois que le modèle a analysé tout cela, il réduit les meilleurs messages potentiels à envoyer. Enfin, il examine la performance passée de tous les messages restants et sélectionne celui qui a le meilleur rendement. 

Un aspect clé de la personnalisation est de s’assurer que l’ensemble de l’expérience est individualisée et intuitive, c’est pourquoi le modèle de message recommender est utilisé pour optimiser chaque communication qu’un client reçoit.

Augmentation des taux de conversion et de clics 

La dernière version du modèle de message recommender a été lancée en mars 2023. Comparé à ceux qui ont reçu des communications au hasard, les clients qui reçoivent des messages recommandés par le message recommender ont :

• 6,9 % d’augmentation du taux de conversion
• 5,4 % d’augmentation du taux de clic

Ces augmentations significatives sont observées dans tous les segments de clients, quel que soit leur stade dans leur parcours de collecte. Mais, la vraie cerise sur le gâteau ? Les modèles d’apprentissage automatique sont exactement cela - ils apprennent. Ils deviennent plus intelligents, plus précis et produisent de meilleures recommandations à chaque interaction. Découvrez-en plus ici dans notre guide sur la collecte de dettes intelligente ici.