Programa de cobro proactivo impulsado por aprendizaje automático

Situación/Escenario previo

• Los indicadores de abandono de clientes resultaron ineficaces porque predecían el evento de abandono demasiado tarde.
• Las campañas de retención fueron reactivas.
• Las ofertas de retención eran costosas y las mismas para todos los segmentos.
• Campañas reactivas para la prevención de la deserción de clientes.

Desafíos del cliente

• Mejorar las tasas de rotación involuntaria y reducir la morosidad.
• El proceso de retención y cobro era manual y carecía de segmentación. Se utilizaban ofertas costosas e ineficaces para retener a los clientes.
• Falta de estrategias de retención armonizadas. Las llamadas de retención del centro de contacto generaron costos sustanciales.

Solución Strata / Facilitadores clave

Developed two “Propensity to Involuntary Churn” risk models and a new customer value segmentation (analyzed over 10M customer records and more than 550 variables). Defined a new collections process and actions that integrate value, risk, and created omnichannel contact journeys (Call Center, IVR, Email, SMS) to optimize costs and results based on value, risk, and prior contacts

Detección temprana de eventos predictivos de abandono (tiempo de espera, reclamaciones, servicio, visitas). Procesos de retención automatizados y establecimiento de una matriz de retención.

Resultado

Se identificó una secuencia de eventos que sirven como predictores de abandono en un algoritmo de propensión al abandono, el cual activa tratamientos y acciones de retención. Se diseñaron e implementaron criterios de segmentación basados en un enfoque piramidal para campañas de estimulación, con el fin de optimizar el contacto, la conversión y el impacto. Se transformaron las campañas de retención en medidas proactivas. Se unificaron las estrategias de retención en función de los segmentos de valor del cliente. Se redujo la morosidad mediante una mejor identificación de los clientes.