ในเดือนมกราคมปีนี้, การผิดนัดชำระหนี้ B2B แตะระดับสูงสุดที่ 7,1 ล้านบริษัทที่มีหนี้ค้างชำระที่, รวม, รวมเป็นเงิน R$ 154,9 พันล้าน – การเพิ่มขึ้นของ R$ 4,3 พันล้านเมื่อเปรียบเทียบกับเดือนก่อนหน้า. ที่นี่เรากำลังพูดถึง 31,4% ของบริษัทที่ดำเนินกิจการในประเทศ. ข้อมูลที่รวบรวมโดย Serasa Experian, ที่มีปริมาณสูงสุดที่บันทึกไว้ในประวัติศาสตร์ของการสำรวจในเดือนนั้น, จัดขึ้นทุกเดือนตั้งแต่ปี 2016. เพื่อให้เข้าใจ, ในเดือนมกราคมปี 2024 หมายเลขนี้อยู่ที่ 6,7 ล้านและได้สร้างแนวโน้มการเติบโตตลอดทั้งปี.
สถานการณ์นี้เป็นเพียงตัวอย่างของวิธีที่การผิดนัดชำระหนี้ระหว่างบริษัทโดยทั่วไปมีการพัฒนาที่ควรได้รับความสนใจและ, ชัดเจน, การดำเนินการที่มีประสิทธิภาพ. อุตสาหกรรม, แม้ว่าจะเป็นสัดส่วนที่น้อยกว่าในความเป็นจริงของการชำระเงินที่ล่าช้า (8% เทียบกับ 52,4% ของบริการและ 35,3% ของการค้า, ยังเผชิญกับความท้าทายครั้งใหญ่ในการฟื้นฟูเครดิต.
เป็นข้อเท็จจริงว่า, เมื่อความล่าช้าไม่ได้รับการควบคุมอย่างเหมาะสม, อาจส่งผลกระทบต่อกระแสเงินสดอย่างรุนแรง, ลดความสามารถในการลงทุนและแม้กระทั่งเพิ่มต้นทุนทางการเงิน, หากจำเป็นต้องขอสินเชื่อในเงื่อนไขที่ไม่เอื้ออำนวยต่อดอกเบี้ย.
นี่ทำให้เราต้องมองไปที่แนวป้องกันที่แตกต่างกันต่อการผิดนัดชำระหนี้, สิ่งที่เริ่มตั้งแต่การวิเคราะห์เครดิตไปจนถึงรูปแบบการเรียกเก็บเงินที่นำมาใช้. สุดท้าย, ในช่วงเวลาที่การรวมตัวของอุตสาหกรรม 4.0 ชี้ไปที่อนาคต 5.0, จำเป็นต้องอภิปรายจากมุมมองเดียวกันเกี่ยวกับรูปแบบการเรียกเก็บเงินแบบดั้งเดิมเมื่อเปรียบเทียบกับความเป็นไปได้ใหม่ที่นำโดยเทคโนโลยี.
ขาดการทำงานอัตโนมัติในโมเดลแบบดั้งเดิม
ตามธรรมชาติ, เมื่อเราพูดถึงโมเดลแบบดั้งเดิมไม่ได้หมายถึงการปฏิบัติที่เกือบจะไม่ได้ใช้แล้ว, การส่งจดหมายหรือการส่งผู้เก็บเงินด้วยตนเอง. อย่างน้อยก็ไม่เมื่อเราพูดถึงกระบวนการเรียกเก็บเงินจำนวนมากและประสิทธิภาพสูงที่ใช้โดยบริษัทขนาดกลางและใหญ่. เราสามารถพูดได้ว่าโมเดลดั้งเดิมคือโมเดลที่, แม้ว่าจะเป็นดิจิทัลในระดับหนึ่งแล้ว, ยังไม่ใช้ประโยชน์จากความสามารถทั้งหมดที่ทรัพยากรทางเทคโนโลยีอนุญาตในปัจจุบันอย่างมีประสิทธิภาพ.
ตารางการโทรศัพท์ที่อิงจากรายการอายุ – รายชื่อลูกค้าที่ค้างชำระเรียงตามระยะเวลาที่ค้างชำระ – อาจเป็นตัวอย่างที่พื้นฐานที่สุด. จากนั้น, เราสามารถก้าวไปสู่ช่องทางดิจิทัล อีเมล, WhatsApp และ SMS. เกิดขึ้นว่าโดยไม่มีกลยุทธ์ที่อิงจากการทำงานอัตโนมัติและการบูรณาการอย่างเต็มที่ของช่องทางเหล่านี้, จะเป็นเพียงการถ่ายโอนแบบง่ายของโมเดลโทรศัพท์. แน่นอนว่าสามารถปรับขนาดได้และมีความคล่องตัวมากขึ้น, แต่, ยังไงก็ตาม, ต่ำกว่าศักยภาพสูงสุดของตน.
เราต้องเริ่มจากความเข้าใจว่า, ในการฟื้นฟูเครดิต B2B, การเข้าหาต้องมีความชาญฉลาดและมีเกณฑ์. นี่เป็นการเรียกเก็บเงินที่มีลักษณะซับซ้อนมากขึ้น, มุ่งเป้าไปที่มืออาชีพที่มีข้อมูลดี, ด้วยความเต็มใจมากขึ้นในการเจรจาใหม่ในเงื่อนไขและข้อกำหนดที่ซับซ้อนมากขึ้น. ดังนั้น, การปรับแต่งและปัญญาประดิษฐ์ด้านข้อมูลกลายเป็นคำสำคัญในการปรับปรุงผลลัพธ์ในการเรียกเก็บเงินในภาคนี้. และนี่ต้องการทรัพยากรใหม่.
ความก้าวหน้าที่นำมาซึ่งรูปแบบการเรียกเก็บเงินใหม่
โมเดลการเรียกเก็บเงินใหม่เป็นกลยุทธ์และเทคนิคที่ใช้เครื่องมือที่ใช้ปัญญาประดิษฐ์, อัลกอริธึมการพยากรณ์และการทำงานอัตโนมัติ. เป็นรูปแบบการดำเนินการที่สามารถตอบสนองได้อย่างแม่นยำต่อรูปแบบการผิดนัดชำระเงินที่แตกต่างกัน.
ตัวอย่างหนึ่งของเรื่องนี้คือแนวคิด "ดิจิทัลก่อน", แนวทางที่ให้ความสำคัญกับช่องทางดิจิทัลเป็นวิธีการติดต่อและบริการ. สิ่งนี้ไม่เพียงแต่เพิ่มประสิทธิภาพและการปรับปรุงต้นทุนเท่านั้น แต่ยังตอบสนองความต้องการของผู้ชมด้วย, ที่ชอบความสะดวกสบายและความยืดหยุ่นของการบริการดิจิทัลมากขึ้นเรื่อยๆ. พื้นฐานของแนวคิดนี้คือช่องทางต่างๆ เช่น อีเมล, ข้อความสั้น, WhatsApp และโซเชียลมีเดีย, รวมกับเทคโนโลยีของแชทบอทและผู้ช่วยเสมือน.
การจัดโครงสร้างแนวทางดิจิทัลฟิร์สต้องการขั้นตอนเช่นการทำแผนที่เส้นทางของลูกค้า, การทำให้กระบวนการเป็นอัตโนมัติ, การกำหนดช่องทางและการวิเคราะห์ข้อมูล. สิ่งนี้ต้องการโครงสร้างพื้นฐานที่แข็งแกร่ง, ด้วยทรัพยากรขั้นสูง, โดยเฉพาะอย่างยิ่งเกี่ยวกับความสามารถในการประมวลผลข้อมูลจำนวนมาก, เหมือนกับทะเลสาบข้อมูลและโซลูชันการเรียนรู้ของเครื่อง. ในการทำงานของเราใน Global, เราได้พิสูจน์แล้วว่าชุดทรัพยากรนี้ไปไกลกว่าการเพิ่มประสิทธิภาพผลลัพธ์การเรียกเก็บเงิน, เพราะยังนำมาซึ่งความสามารถในการวิเคราะห์เชิงพยากรณ์, จากซึ่งสามารถวางกลยุทธ์และวางแผนการดำเนินการล่วงหน้าที่ลดความเสี่ยงจากการผิดนัดชำระหนี้.
การให้บริการต้องยังคงเป็นมนุษย์อยู่
ด้วยความหลากหลายของเทคโนโลยีและการแลกเปลี่ยนข้อมูลอย่างต่อเนื่อง, การบูรณาการที่มีประสิทธิภาพของข้อมูลทั้งหมดนี้กลายเป็นสิ่งจำเป็นสำหรับการใช้ประโยชน์สูงสุดและเพื่อเป้าหมายที่สำคัญที่สุดซึ่งก็คือการลดอัตราการผิดนัดชำระ. แต่การรวมเข้าด้วยกันอย่างเต็มที่ก็เป็นวิธีที่ดีที่สุดในการแก้ปัญหาพาราด็อกซ์ทั่วไปของช่องทางดิจิทัลในการเรียกเก็บเงิน: ผู้คนชอบวิธีการอัตโนมัตินี้, แต่พวกเขาไม่ต้องการละทิ้งการบริการที่มีมนุษยธรรม, ถัดไปและปรับแต่ง.
การนำช่องทางดิจิทัลและการทำงานอัตโนมัติที่ไม่เชื่อมโยงกับข้อมูลเชิงปัญญาไปใช้เพียงอย่างเดียวไม่เพียงพอ. ดูตัวอย่างสิ่งที่โครงสร้างที่บูรณาการดีสามารถทำได้. สมมติว่าการแก้ปัญหาดิจิทัลใช้วิธีการผ่านข้อความอัตโนมัติ. อาลีเริ่มการเจรจาผ่านแชทบอทที่เสนอทางเลือกบางอย่างของเงื่อนไขที่ปรับให้เหมาะสมสำหรับลูกค้าคนนั้น. ดังนั้น, ต่อหน้าข้อเสนอที่ตรงกันข้าม, เครื่องมือเข้าใจความซับซ้อนของการตอบสนองและขยายการให้บริการนี้จนถึงมนุษย์, อย่างราบรื่น, อาจจะไม่สามารถรับรู้ได้สำหรับคนอีกฝั่ง.
การดำเนินการเช่นในตัวอย่างนี้แสดงถึงอัตราความสำเร็จที่สูงขึ้นในทางปฏิบัติ, ทำไมไม่ควรพลาดโอกาสที่เกิดขึ้นจากการเปิดให้มีการสนทนา, ไม่ทำให้การบริการเป็นระบบราชการ, อย่าทำให้ลูกค้ารอนาน, อย่าขอให้เขาเข้าช่องอื่น. ทุกอย่างได้รับการแก้ไขในติดต่อเดียว.
ทำไมโมเดลใหม่จึงดีกว่าสำหรับอุตสาหกรรม?
หลายลักษณะเฉพาะของภาคอุตสาหกรรมและประเภทของการผิดนัดชำระหนี้ที่เผชิญอยู่ทำให้มีความจำเป็นเร่งด่วนในการปรับปรุงรูปแบบการเรียกเก็บเงิน. มูลค่าสูงที่ทำการเจรจาในภาคนี้ต้องการสัญญาและเงื่อนไขการชำระเงินที่ซับซ้อนมากขึ้นและ, ดังนั้น, การเรียกเก็บเงินที่เข้าใจข้อตกลงที่แตกต่างกัน.
ระยะเวลาการชำระเงินที่ยาวนานเป็นอีกปัจจัยหนึ่ง, เนื่องจากความล่าช้าส่งผลกระทบต่อการวางแผนการผลิต, ส่วนสำคัญของกลยุทธ์ในอุตสาหกรรมใด ๆ, การบรรเทาความเสี่ยงนี้ต้องการความรวดเร็วในการฟื้นฟูเครดิต. ความเป็นฤดูกาล, ที่มีผลกระทบอย่างมากต่อหลายกลุ่ม, เป็นอีกเรื่องที่เฉพาะเจาะจงมากซึ่งมีผลกระทบต่อการวางแผนการเงินและควรพิจารณาในกลยุทธ์การเรียกเก็บเงินและ, เสื้อคลุม, ในแบบจำลองการพยากรณ์.
ให้ความคล่องตัว, ความแม่นยำ, การปรับแต่งและผลลัพธ์ที่สอดคล้องกันกับชุดลักษณะนี้ขึ้นอยู่กับเทคโนโลยีเช่นปัญญาประดิษฐ์และการวิเคราะห์ข้อมูลที่มีความละเอียดสูง. ทรัพยากรที่เฉพาะรุ่นใหม่และทันสมัยของการเรียกเก็บเงินสามารถมอบให้ได้.
สุดท้าย, จำเป็นต้องจำพื้นฐาน, สิ่งที่ทั้งโมเดลเก่าและใหม่ไม่สามารถมองข้ามได้ในการสร้างกลยุทธ์: การเรียกเก็บเงินคือความสัมพันธ์. และมันเป็นการค้นหาความสัมพันธ์ที่ดีที่สุดที่เทคโนโลยีดิจิทัลและการทำงานอัตโนมัติต้องมุ่งเน้น. ไม่มีการชี้นำและความระมัดระวังอย่างยิ่งในแต่ละวิธีการ, ผลลัพธ์จะไม่มีวันน่าพอใจ.
