Data Science & IA
Desarrollo de Herramientas Inteligentes de Gestión de Cobranza
El Desafío
Empresa distribuidora de agua con más de 500.000 clientes necesitaba mejorar su cobranza. Para esto, disponía de cinco posibles canales para contactar a sus clientes: llamadas, visitas, SMS, cartas y mails. La compañía quería saber a qué clientes contactar por cada uno de los canales, para así maximizar la recaudación.
Lo que partió como un par de pruebas de concepto terminó con un modelo en productivo desde la ingesta de datos hasta la escritura en el ERP
La estrategia
Para lograr la meta se desarrollaron dos modelos complementarios:
- Modelo de predicción del monto de pago: para recomendar por qué canal contactar a cada cliente se estimó, mediante una regresión, el monto de pago esperado considerando cada alternativa. Los modelos de árboles de decisión, con un algoritmo machine learning tipo Catboost, dieron los mejores resultados, con tiempos de procesamientos acotados
- Modelo de engagement timing: además de sugerir el canal, se usó un modelo de segmentación de clientes para determinar el día de la semana con mayor efectividad de contacto para cada cliente, además de la semana óptima de contacto
Al terminar su desarrollo, estos modelos quedaron integrados en cloud AWS, automatizando desde el procesamiento de los datos hasta la escritura de los resultados en el ERP.
Balance mensual
detalle del estado de deuda mensual de cada cliente, incluyendo información de cuotas, convenios, etc.
Contactos históricos
cada uno de los contactos realizados a los clientes por los cinco canales descritos, según fecha y resultado de la gestión
Información clientes
categoría y rubro de los clientes, tamaño, clasificaciones según datos demográficos, entre otros
Los Logros
Antes de una ejecución a nivel nacional del modelo, se hicieron varios pilotos, donde se concluyó que la cobranza mejoraen efectividad de cobranza gracias a los contactos recomendados del modelo. Al validarse el modelo este se ejecutó a nivel país, llegando a recomendar más de 58k contactos en todo Chile, todo esto de forma automática, sin la necesidad de input humanos para la toma de decisión.
Mejora en efectividad de un 7%
Más de 58.000 contactos recomendados efectuados
Ejecución del modelo automatizado de punta a punta
Casos de éxito
Desarrollamos algoritmos que ayudan a las compañías a mirar hacia el futuro y tomar las decisiones que dan forma a su presente"