Machine Learning: Den größtmöglichen Nutzen im Forderungsmanagement erzielen

Autor: Benjamin Graf zu Dohna, Director Account Management Telekommunikation Experian DACH

Am heikelsten Punkt der Customer Journey datenbasiert entscheiden

In einem wettbewerbsintensiven Markt stehen Telcos unter hohem Druck. Es gilt, interne Prozesse kosteneffizient aufzustellen, Zahlungsausfälle gering zu halten und dabei die Kundenbeziehung nicht zu belasten – eine scheinbar unlösbare Aufgabe. Abhilfe schaffen kann Digital Decisioning für automatisierte und schlanke Prozesse. Dabei werden verschiedene Datenquellen für die Segmentierung von Kundengruppen eingesetzt, um eine möglichst individuelle Kommunikation zwischen Telco-Anbietern und ihren Kunden zu ermöglichen. Das Ziel: erfolgreiche Strategien erkennen, optimieren und so das gewünschte Ergebnis herbeiführen. So können Telcos ihre Entscheidungen an einer besonders heiklen Stelle in der Customer Journey gewinnbringend ausrichten: bei Zahlungsausfällen.

Machine Learning macht Forderungsmanagement agil

Machine Learning als Add-On-Komponente hebt die Kommunikation auf ein exzellentes Niveau, das mit einer persönlichen Betreuung vergleichbar ist. Denn die Entscheidungsprozesse, die die Kundenansprache steuern, richten sich permanent an den Präferenzen des Kunden aus. Agiles Forderungsmanagement lautet hier das Stichwort. Wer flexibel individuelle Bedürfnisse berücksichtigt, erreicht mit einer hohen Wahrscheinlichkeit, dass Kunden ihre Rückstände möglichst früh im Mahnprozess begleichen. So lässt sich die Inkassoquote signifikant reduzieren.

Dazu ein beeindruckendes Beispiel für erfolgreiches Digital Decisioning und agiles Forderungsmanagement im Telco-Bereich: Die panafrikanische Mobilfunkgesellschaft Vodacom entschied sich für eine datenbasierte Segmentierung von Kunden mit offenen Forderungen sowie einen darauf aufbauenden regelbasierten Mahn- und Inkassoprozess. Im Ergebnis sanken die Betriebskosten um 38 Prozent sowie Abschreibungen um 53 Prozent. Gleichzeitig wanderten sehr viel weniger Kunden ab.

Verhaltensmuster identifizieren und Kunden kategorisieren

Wie das im Detail funktioniert? Datenanalysen und Machine Learning machen es möglich, an allen Kontaktpunkten mit säumigen Kunden individuelle Merkmale zu sammeln. Sie dienen dazu, bestimmte Verhaltensmuster zu identifizieren und die Kunden in verschiedene Segmente einzuteilen. Telcos erfahren zum Beispiel, ob ein Kunde grundsätzlich zahlungswillig und vergesslich ist – oder tatsächlich beschränkt zahlungsfähig. Sie lernen auch, welchen Kontaktkanal der Kunde bevorzugt, zu welcher Tageszeit er am besten erreichbar ist oder über welche Zahlart er mit der größten Wahrscheinlichkeit seine Rechnungen begleicht.

Mit diesem Wissen lässt sich eine individuelle Kommunikation aufbauen. Diese könnte dank Digital Decisioning so aussehen: Der Kunde erhält automatisiert eine Erinnerung über seinen Zahlungsrückstand via SMS, Messenger-Nachricht oder E-Mail. Über einen Link gelangt er ohne Medienbruch auf ein Self-Service Portal im Corporate-Design seines Telco-Anbieters. Dort findet der Kunde alle für ihn relevanten Zahlarten im Angebot – eventuell sogar Optionen zur Ratenzahlung. Vielleicht hat der Telco-Anbieter zu diesem Zeitpunkt bereits die Vertragsleistung reduziert und beispielsweise bestimmte Services für seinen Kunden eingeschränkt. In diesem Fall erhält der Anbieter eine Echtzeitmeldung über den Zahlungseingang. So kann er den Kunden umgehend wieder freischalten.

Kundenbedürfnisse kennen und unkompliziert Zahlungen ermöglichen

Es zeigt sich: Intelligentes Decisioning mit Unterstützung von entscheidungsrelevanten Daten und Machine Learning eröffnet Telcos ein besseres Verständnis für ihre Kunden und deren Bedürfnisse. Das reduziert Rückfragen und ermöglicht es Kunden, offene Forderungen frühzeitig und unkompliziert zu begleichen. So erzeugen Telcos über die gesamte Kundenlandschaft hinweg ein positives Kontakterlebnis. Sie beugen einer Abwanderung vor, festigen die Loyalität und Kundenbeziehung. Damit stärken die Unternehmen auch ihre Position im hart umkämpften Telco-Markt.

Der Mehrwert von Machine-Learning-unterstütztem Digital Decisioning liegt auf der Hand: Kunden profitieren, weil agiles Forderungsmanagement dazu beiträgt, sie vor finanziellen Schwierigkeiten zu bewahren. Die Telcos gewinnen gleich auf drei Ebenen: der operative Aufwand für ihren Mahn- und Inkassoprozess reduziert sich, es werden weniger Ausfälle verzeichnet und gleichzeitig wird die Kundenbindung intensiviert.