Dans le cadre d’une gestion d’impayés, la data permet de s’adresser de manière intelligente aux clients. Résultat : les taux de recouvrement peuvent être augmentés de 15 % en moyenne, et accompagnés d’autres avantages plus qualitatifs, comme l’explique Roxana Racaru, Directrice Data et Digital Performance chez Collection Services (l’entité dédiée au recouvrement de Webhelp Payment Services), et Audrey Gandoin, Data Science Manager chez Gobeyond Partners France.

L’enjeu est bien connu : contacter la bonne personne, au bon moment, par le bon canal et avec le bon message. Plus facile à dire qu’à faire ! Pour y parvenir, il est très pertinent de s’appuyer sur la data. Sur cette base, les marques pourront gérer elles-mêmes leurs impayés ou les confier à un partenaire, de façon intelligente. Parmi les options possibles : la mise en place d’une solution de selfcare, qui donnera une grande autonomie aux clients débiteurs.

En pratique, une première phase va consister à analyser le fichier de contact fourni par la marque. Un certain historique de contacts sur les 6 derniers mois idéalement – sera nécessaire pour identifier des profils ou des comportements de paiement typiques d’un groupe de clients finaux.

Au final, on obtiendra ainsi 2 informations capitales et stratégiques :

• un scoring de joignabilité, qui permettra de définir le canal de contact privilégié et le moment,
• un comportement client vis à vis de la dette (retard, paiement partiel, etc.).

C’est en fonction de ces 2 données calculées qu’un parcours de relance sera choisi ou construit. Il va s’appuyer sur un modèle prédictif de comportement, tout en minimisant les efforts des équipes de recouvrement, et en préservant l’image de la marque. Cette dynamique sera plus favorable à un recouvrement serein de la dette et à la hausse de la fidélité client à la marque.

Datas, automatisation… et expertise humaine !

Pour répondre à ces exigences, la data et l’automatisation ne sont pas suffisants : un regard humain est nécessaire. En particulier, dans le cadre d’un scénario de relance donné, il faudra analyser l’échec rencontré à une certaine étape.

Par exemple, un message déposé sur le répondeur est resté sans effet : est-ce une caractéristique personnelle du client ? Ou faut-il créer une nouvelle catégorie : « ne réagit pas aux messages sur répondeur » ? Seule une analyse humaine, en mode test & learn, peut apporter une réponse intelligente à cette question !

Dans ce cadre général, l’approche de l’entité Collection Services, spécialisée dans le recouvrement chez Webhelp, présente une double originalité :

• Historiquement, les équipes Webhelp ont une forte expertise de la relation client, ce qui leur permet de comprendre le client dans sa globalité – et non uniquement sous le prisme de son impayé,
• La conception des scorings et des parcours de relance ne sont pas standardisés mais personnalisés, en fonction des critères fournis par le donneur d’ordre, ainsi que les contextes clients finaux / marques / secteurs d’activité. Ce qui n’empêche évidemment pas de mettre en oeuvre des process automatisés, toujours nécessaires.

En complément des feedbacks récoltés par les négociateurs recouvrement au téléphone, cette expertise humaine s’explique par le fait que Webhelp mobilise des datas scientists expérimentés dans les métiers du recouvrement. Ils font partie de l’équipe Gobeyond Partners, entité conseil de Webhelp, notamment en matière de data science et d’expérience client, et qui travaille au quotidien avec l’équipe Collection Services.

Webhelp a une particularité importante : ses équipes spécialisées dans le recouvrement – Collection Services – et Gobeyond Partners, travaillent en étroite synergie.

Comme l’explique Audrey Gandoin, Manager Data Science chez Gobeyond Partners : « Webhelp a une particularité importante : ses équipes spécialisées dans le recouvrement – Collection Services – et Gobeyond Partners, travaillent en étroite synergie au siège de Webhelp. Cette organisation a 2 avantages :

• une proximité et une complémentarité des expertises – uniques en France – qui permettent de piloter efficacement les activités de scoring et de création de nouvelles fonctions,
• un choix du canal et des moments de contact les mieux adaptés à chaque client.

Pour donner quelques-uns des résultats, à titre illustratif (dans les secteurs telcos, utilities, banque-assurance, BNPL) :

• une augmentation de 20 à 40 % du taux de joignabilité
• une augmentation de 5 à 30 % du taux de régularisation

Nous pouvons en conclure que les pratiques de recouvrement « à l’ancienne », qui s’appuyaient uniquement sur des vagues de courriers et d’appels massifs et standardisés, n’ont plus de raison d’être ! ».

Des performances améliorées de 15 % en moyenne

En résumé, cette méthodologie apporte aux donneurs d’ordre 2 grands avantages :

• des performances meilleures : qui se traduisent notamment par un meilleur taux de recouvrement, en moyenne de 15 % et des niveaux NPS supérieurs à 50.
• un nombre élevé d’insights : les modèles prédictifs révèlent souvent des comportements ou des problématiques qui n’avaient pas été identifiés auparavant. Ces insights permettent ainsi d’introduire des améliorations dans l’organisation même des process de la marque favorisant une expérience financière client best-in-class.

Pour en savoir plus, contactez Mélanie Hentgès.