Bu yılın ocak ayında, B2B temerrütü 7 rekoruna ulaştı,1 milyon gecikmiş borcu olan şirketler ki, toplamlar, toplam R$ 154 ediyordu,9 milyar – 4 R$ artışı,3 milyar bir önceki aya göre. Burada 31'den bahsediyoruz,ülkedeki faaliyetteki şirketlerin %4'ü. Serasa Experian tarafından toplanan veriler, o ay boyunca araştırma tarihindeki en yüksek kaydedilen hacme ulaştı, 2016'dan beri her ay yapılmaktadır. Bir fikir edinmek için, 2024 Ocak ayında bu sayı 6 idi,7 milyon ve yıl boyunca bir büyüme eğilimini pekiştirdi.
Bu senaryo, genel olarak şirketler arasındaki temerrüdün nasıl bir evrim gösterdiğine dair dikkat edilmesi gereken bir örnektir ve, tabii, etkili eylemler. Sanayi sektörü, geçikmiş ödemeler gerçeğinde daha küçük bir dilimi temsil etse de (yüzde 8, yüzde 52'ye karşı),Hizmetlerin %4'ü ve 35,Ticaretin %3'ü, kredi geri kazanımında da büyük zorluklarla karşılaşıyor.
Bir gerçek ki, gecikmeler uygun şekilde kontrol edilmediğinde, nakit akışını ciddi şekilde tehlikeye atabilirler, yatırım kapasitesini azaltmak ve hatta finansal maliyetleri artırmak, kötü faiz koşullarında krediye başvurmak gerekirse.
Bu, bizi temerrüde karşı farklı savunma hatlarına bakmaya yönlendiriyor, kredi analizi ile benimsenen tahsilat modeli arasında uzanan bir şey. Sonuçta, Endüstri 4'ün konsolidasyonunun bir anında.0 zaten 5'e işaret ediyor.0, geleneksel tahsilat modellerini teknoloji tarafından getirilen yeni olanaklarla karşılaştırarak aynı bakış açısıyla tartışmak gereklidir.
Geleneksel modellere otomasyon eksikliği var
Doğal olarak, geleneksel modellerden bahsettiğimizde, neredeyse tamamen kullanılmayan uygulamalardan söz etmiyoruz, bir mektup ya da bir tahsilatçının şahsen gönderilmesi gibi. En azından orta ve büyük işletmeler tarafından kullanılan yüksek performanslı toplu tahsilat süreçlerinden bahsettiğimizde değil. Geleneksel modeller, şunlardır diyebiliriz ki, her ne kadar bir ölçüde dijital olsalar da, hala günümüzde teknolojik kaynakların sunduğu tüm yetenekleri verimli bir şekilde keşfetmiyorlar.
Yaşlandırma listesine dayalı bir telefon arama takvimi – gecikmiş ödeme süresine göre düzenlenmiş borçlu müşteri listesi – belki de en temel örnektir. Bundan itibaren, dijital kanallara ve e-posta'ya geçebiliriz, WhatsApp ve SMS. Olay şu ki, bu kanalların otomasyon ve tam entegrasyona dayalı bir strateji olmadan, sadece telefon modelinin basit bir transpozisyonu olacak. Kesinlikle daha çevik ve ölçeklenebilir, ama, yine de, maksimum potansiyelinin altında.
Anlayışa varmamız gereken nokta şudur ki, B2B kredi tahsilatında, yaklaşım dinamikleri akıllı ve titiz olmalıdır. Bu, daha sofistike bir profil ile bir tahsilat işlemidir, iyi bilgilendirilmiş profesyonellere yönelik, daha karmaşık terim ve koşullarda yeniden müzakere için daha istekli. Böylece, kişiselleştirme ve veri zekası, bu sektördeki tahsilat sonuçlarını iyileştirmek için anahtar kelimeler haline geliyor. Ve yeni kaynaklar gerektiriyor.
Yeni tahsilat modellerinin getirdiği ilerlemeler
Yeni faturalama modelleri, yapay zeka kullanan araçlara dayanan stratejiler ve taktiklerdir, öngörücü algoritmalar ve otomasyonlar. Farklı temerrüt kalıplarına kesinlikle yanıt verebilen eylem biçimleridir.
Bunun bir örneği "önce dijital" kavramıdır, dijital kanalları iletişim ve hizmet verme biçimi olarak önceliklendiren bir yaklaşım. Bu sadece daha fazla verimlilik ve maliyet optimizasyonu sağlamakla kalmaz, aynı zamanda halkın bir talebine de yanıt verir, her zaman dijital hizmetin konforunu ve esnekliğini tercih ediyor. Bu kavramın temeli e-posta gibi kanallardır, SMS, WhatsApp ve sosyal medya, sohbet botları ve sanal asistan teknolojileri ile birleştirildiğinde.
Dijital öncelikli bir yaklaşımın yapılandırılması, müşteri yolculuğunun haritalanması gibi adımları gerektirir, süreçlerin otomasyonu, kanalların tanımı ve veri analizi. Bu, sağlam bir altyapı gerektirir, gelişmiş kaynaklarla, özellikle büyük bir bilgi hacminin işlenme kapasitesiyle ilgili olarak, veri gölleri ve makine öğrenimi çözümleri. Global'daki deneyimimizde, bu kaynaklar setinin tahsilat sonuçlarını optimize etmekten çok daha fazlasını sağladığını kanıtladık, çünkü aynı zamanda öngörücü analiz yeteneği de getirir, hangi noktadan itibaren borçlanma risklerini azaltacak stratejiler belirlemek ve önceden eylem planları yapmak mümkündür.
Hizmet insan odaklı devam etmelidir
Bu kadar geniş bir teknoloji yelpazesi ve sürekli bilgi alışverişi ile, tüm bu repertuarın etkili entegrasyonu, en önemli hedefi olan temerrüt oranlarının azaltılması için maksimum fayda sağlamak adına hayati önem taşır. Ama aynı zamanda, dijital tahsilat kanallarında yaygın bir paradoksu çözmenin en iyi yolu olan tam entegrasyondur: insanlar bu otomatik yöntemi tercih ediyor, ama ancak insani bir hizmetten vazgeçmek istemiyorlar, yakın ve kişiselleştirilmiş.
Veri analitiğinden kopuk dijital kanalların ve otomasyonların basit bir şekilde benimsenmesi yeterli değildir. İyi entegre edilmiş bir yapının neler yapabileceğine bir örnek görün. Diyelim ki bir dijital çözüm otomatik mesaj yoluyla bir yaklaşım sergiliyor. Ali, bir müşteri için optimize edilmiş bazı koşul seçenekleri sunan bir chatbot ile bir müzakere başlatılır. O zaman, bir karşı teklif karşısında, araç, yanıtın karmaşıklığını anlar ve bu hizmeti bir insana kadar ölçeklendirir, akıcı bir şekilde, belki karşı taraftaki kişi için algılanamaz.
Bu örnekteki gibi bir operasyon pratikte daha yüksek başarı oranını temsil eder, neden diyalog için açılan fırsatı değerlendirmiyorsun, hizmeti bürokratik hale getirmez, müşteriyi bekletme, ona başka bir kanala erişmesini isteme. Her şey aynı iletişimde çözülüyor.
Yeni modeller neden sanayi için daha iyidir?
Sanayi sektörünün birçok özelliği ve karşılaştığı temerrüt türü, tahsilat modellerini modernize etme aciliyetini haklı çıkarıyor. Bu sektördeki yüksek değerler, daha karmaşık sözleşmeler ve ödeme koşulları gerektirir ve, dolayısıyla, farklı anlaşmaları anlayan bir tahsilat.
Uzun ödeme süreleri başka bir faktördür, gecikmeler üretim planlamasını etkilediğinden, herhangi bir endüstrinin stratejisinin temel bir parçası, ve bu riski azaltmak, kredi geri kazanımında hızlı olmayı gerektirir. Mevsimsellik, birçok segmenti güçlü bir şekilde etkileyen, bu, finansal planlamayı etkileyen çok spesifik bir başka konudur ve tahsilat stratejilerinde dikkate alınmalıdır, üst giysi, tahminsel modellerde.
Hız kazandırmak, kesinlik, özelleştirme ve tutarlı sonuçlar bu özellikler setine bağlıdır, yapay zeka ve oldukça rafine veri analizi gibi teknolojilere dayanır. Sadece yeni ve modern tahsilat modellerinin sunabileceği kaynaklar.
Sonuç olarak, temel olanı hatırlamak gerekiyor, eski ve yeni modellerin bir strateji oluştururken göz ardı edemeyeceği bir şey: tahsilat ilişkidir. Ve siempre en la búsqueda de la mejor relación que las tecnologías digitales y de automatización deben estar enfocadas. Bu yönlendirme ve her yaklaşımda aşırı dikkat olmadan, sonuçlar asla tatmin edici olmayacak.
