I januar i år, B2B-inkasso nåede en rekord på 7,1 million virksomheder med forsinkede gæld som, sammenlagt, totaliserede R$ 154,9 milliarder – en stigning på R$ 4,3 milliarder i forhold til den foregående måned. Her taler vi om 31,4% af virksomhederne i aktivitet i landet. Det er data indsamlet af Serasa Experian, der nåede den største mængde registreret i den historiske serie af undersøgelsen den måned, afholdt månedligt siden 2016. For at få en idé, i januar 2024 var dette tal 6,7 millioner og har konsolideret en væksttrend i løbet af året.
Dette scenarie er kun et eksempel på, hvordan misligholdelse mellem virksomheder generelt har vist en udvikling, der fortjener opmærksomhed og, klart, effektive handlinger. Industriens sektor, selvom det repræsenterer en mindre del i denne virkelighed af forsinkede betalinger (8% mod 52,4% af tjenester og 35,3% af Handelen, står også over for store udfordringer i inddrivelsen af gæld.
Det er et faktum at, når forsinkelser ikke bliver kontrolleret ordentligt, kan alvorligt påvirke likviditeten, reducere investeringskapaciteten og endda hæve de finansielle omkostninger, hvis det er nødvendigt at ty til kredit under ugunstige rentevilkår.
Dette får os til at se på de forskellige forsvarslinjer mod misligholdelse, noget der spænder fra kreditvurdering til den anvendte betalingsmodel. Alligevel, i et øjeblik, hvor konsolideringen af Industri 4.0 peger allerede mod en fremtid 5.0, det er nødvendigt at debattere ud fra det samme perspektiv de traditionelle betalingsmodeller i sammenligning med de nye muligheder, som teknologien har bragt.
Der er mangel på automatisering i de traditionelle modeller
Naturligvis, når vi taler om traditionelle modeller handler det ikke om praksisser, der næsten er helt forladt, som som afsendelse af et brev eller en inkassator personligt. I det mindste ikke når vi taler om massive og højtydende inkassoprocesser anvendt af mellemstore og store virksomheder. Vi kan sige, at traditionelle modeller er dem, der, selvom de allerede er digitale i en vis grad, de udnytter stadig ikke effektivt alle de muligheder, som de teknologiske ressourcer giver i dag.
En tidsplan for telefonopkald baseret på en aging-liste – en liste over misligholdte kunder organiseret efter forsinkelsestid – måske er det det mest grundlæggende eksempel. Fra dette, vi kan gå videre til de digitale kanaler e-mail, WhatsApp og SMS. Det sker, at uden en strategi baseret på automatisering og fuld integration af disse kanaler, det vil kun være en simpel overførsel af telefonmodellen. Mere mere og skalerbar med sikkerhed, men, alligevel, under its maximum potential.
Vi skal starte med at forstå, at, i inddrivelse af B2B-kredit, de tilgangsdynamikker skal være intelligente og kriteriebaserede. Det drejer sig om en opkrævning med en mere sofistikeret profil, rettet mod velinformerede fagfolk, med større villighed til en genforhandling af mere komplekse vilkår og betingelser. Sådan, personalisering og datainformation bliver nøgleord for at forbedre resultaterne i opkrævningen af denne sektor. Og det kræver nye ressourcer.
Fremskridt bragt af de nye betalingsmodeller
De nye betalingsmodeller er strategier og taktikker baseret på værktøjer, der bruger kunstig intelligens, prædiktive algoritmer og automatiseringer. Det er handlingsformer, der kan reagere præcist på forskellige mønstre af betalingsmisligholdelse.
Et eksempel på dette er konceptet "digital first", en tilgang, der prioriterer digitale kanaler som en måde at kontakte og betjene på. Dette bringer ikke kun mere effektivitet og omkostningsoptimering, men opfylder også en efterspørgsel fra offentligheden, som ønsker mere og mere bekvemmelighed og fleksibilitet i den digitale service. Enheden af dette koncept er kanaler som e-mail, SMS, WhatsApp og sociale medier, kombineret med chatbot-teknologier og virtuelle assistenter.
Struktureringen af en digital first tilgang kræver trin som kortlægning af kunderejsen, automatisering af processer, definition af kanaler og dataanalyse. Dette kræver en robust infrastruktur, med avancerede ressourcer, især med hensyn til evnen til at behandle et stort volumen af oplysninger, hvordan datalakes og maskinløsninger. I vores erfaring i Global, vi har bevist, at dette sæt af ressourcer går langt ud over at optimere resultaterne af inddrivelse, for det bringer også evnen til prædiktiv analyse, fra hvilken det er muligt at udarbejde strategier og planlægge forudgående handlinger, der mindsker risikoen for misligholdelse.
Betjening skal fortsætte med at være humaniseret
Med et så bredt udvalg af teknologier og den konstante krydsning af informationer, den effektive integration af hele dette repertoire bliver essentiel for dets maksimale udnyttelse og for dets vigtigste mål, som er reduktionen af misligholdelsesraterne. Men det er også den totale integration den bedste måde at løse et almindeligt paradoks i digitale betalingskanaler: folk foretrækker denne automatiserede metode, men de vil ikke give afkald på en humaniseret service, næste og personlig.
En simpel adoption af digitale kanaler og automatiseringer, der er frakoblet dataintelligens, er ikke tilstrækkelig. Se et et eksempel på, hvad en godt integreret struktur kan gøre. Lad os sige, at en digital løsning gør en tilgang via automatisk besked. Her starter en forhandling via chatbot, der tilbyder nogle optimerede betingelsesmuligheder for den pågældende kunde. Så, i lyset af et modtilbud, værktøjet forstår kompleksiteten af svaret og skalerer denne service op til et menneske, på en flydende måde, måske umærkelig for personen på den anden side.
En operation som denne repræsenterer i praksis en højere succesrate, fordi ikke at miste muligheden, der opstod med åbningen for dialogen, bureakratiserer ikke servicen, lad ikke kunden vente, bare ikke bed ham om at få adgang til en anden kanal. Det hele bliver løst i den samme kontakt.
Hvorfor nye modeller er bedre for industrien?
Mange særlige forhold i den industrielle sektor og den type misligholdelse, den står overfor, retfærdiggør hastigheden i at modernisere sine inddrivelsesmodeller. De høje værdier, der forhandles i denne sektor, kræver mere komplekse kontrakter og betalingsbetingelser og, derfor, uma cobrança que entenda os diferentes acordos.
De lange betalingsfrister er en anden faktor, da forsinkelse påvirker produktionsplanlægningen, vigtig del af strategien for enhver industri, og at mindske denne risiko kræver hurtighed i genopretningen af kreditten. Sæsonbestemthed, som påvirker mange segmenter kraftigt, det er et andet meget specifikt spørgsmål, der påvirker den finansielle planlægning og bør overvejes i inddrivelsesstrategierne og, især, i de prædiktive modeller.
Giv hurtighed, præcision, tilpasning og konsistente resultater af dette sæt af egenskaber afhænger af teknologier som kunstig intelligens og meget raffineret dataanalyse. Ressourcer som kun de nye og moderne betalingsmodeller kan levere.
Endelig, det er vigtigt at huske det grundlæggende, noget som hverken de gamle eller de nye modeller kan se bort fra i opbygningen af en strategi: indsamling er relationer. Og er det altid i jagten på det bedste forhold, at digitale teknologier og automatisering bør være fokuseret. Uden denne retning og ekstrem omhu i hver tilgang, resultaterne vil aldrig være tilfredsstillende.
