Lowell_Slik-kan-Big-Data-og-bots-bidra-til-økt-verdiskapning_shutterstock_395111656-285939-edited

Det snakkes en del om roboter, kunstig intelligens og bruk av store datamengder for tiden. Noen frykter det, og kanskje med rette. Hvis det blir brukt på måter som ikke er gjennomtenkt, eller i henhold til lovverk. For vår egen, og for kunders del, ser vi klar verdiskapning i flere prosesser. I denne artikkelen kan du lese om nyttige datakilder og hvordan de kan brukes for å skape verdi for din virksomhet også.

CRM-system

CRM-systemer gir grunninformasjon om kunden. Kundekategori og annen informasjon kan benyttes til å lage et målrettet budskap relatert til eksempelvis kundens viktighet og de produktene eller tjenestene som kundene kjøper.

Kommunikasjonsdata

Informasjon fra tidligere faktureringssykluser og inkassoprosesser må benyttes aktivt for å forbedre dialogen med kunden. Det er avgjørende å kommunisere via en kanal der han eller hun svarer. I enkelte påminnelsesprosesser hvor Lowell kontakter kundene per telefon, er det opp mot 90 % som ikke svarer når vi ringer, selv om telefonnummeret er riktig. Hvilket er et klart tegn på at i de tilfellene, må vi benytte andre kanaler for å nå dem, eller se nærmere i våre data for å finne tidspunkt hvor sannsynligheten kanskje er større for at de svarer. Kommunikasjonspreferansene våre viser seg å være relativt statiske, noe som innebærer at data kan vise oss hvordan den spesifikke kunden eller lignende kunder foretrekker å bli kontaktet.

Siden kommunikasjonskanaler og metoder er i svært rask utvikling, er dette også et felt som trolig krever mye oppfølging fremover – rett og slett for å kunne beholde en god dialog med kunden der de er.

Betalingshistorikk

Betaler noen av dine kunder konsekvent for sent? Da bør du vurdere å endre budskap eller kommunikasjonskanal. Enkelte kunder kan utgjøre en risiko eller påvirke likviditeten negativt, men det er mulig å endre atferd. Hvordan gjør du dette i praksis? Et eksempel er å se på hva som skiller kundene som alltid betaler i tide og de som ikke gjør det:

  • Hvilken kanal betaler de gjennom og når betaler de?
  • Hva slags demografiske data skiller kundene?
  • Hvilke grep kan du gjøre mot utvalgsgrupper som ikke betaler i tide?

Da Vipps lanserte fakturaløsningen i appen oppdaget de i løpet av kort tid at misligholdet blant spesifikke kundegrupper raskt ble redusert under pilotprosjektet. Tilsvarende har vi data på kunder hos oss hvor kunder i samme segment har svært ulike betalingsmønstre og benytter ulike fakturakanaler.

Last ned gratis e-bok: Slik utnytter fremtidens økonomiledere AI, Big Data og bots

Bruk av eksterne kilder

Kredittopplysningsselskapene og de største inkassoselskapene henter og oppdaterer kundeinformasjon fra en rekke kilder. Ved å sjekke kontaktinformasjonen til kunden før fakturaen sendes, kan returpost reduseres, telefonnummer oppdateres og andre endringer fanges opp uten at kunden selv må ta kontakt.

Vi lever i en tid hvor kunder i stadig større utstrekning forventer at leverandørene selv finner nødvendig informasjon. Kanskje har noen av dine kunder registrert på Vipps at de ønsker å betale fakturaer der, eller at de vil motta kommunikasjon på Digipost. Utfordringen er at akkurat denne informasjonen per i dag ikke går automatisk videre til deg som leverandør. Dere må selv kontrollere og oppdatere hvilke kunder det dreier seg om og dette må faktisk gjøres hver eneste gang du skal fakturere kunden.

Oppdateringen gjør du ved hjelp av et automatisk webserviceoppslag mot distribusjonsleverandøren, eksempelvis Digipost, for å sjekke om kunden benytter kanalen. Du må også ha et regelverk eller hierarki for hva som skjer dersom en kanal benyttes eller ikke. Har kunden Vipps, men allerede en aktiv avtalegiro løpende? Hva skal prioriteres da? Dette må gå raskt og automatisk. Ved å være oppdatert her, vil det bidra til å redusere kostnader og mislighold ved fakturering.

Les også: Rask teknologiutvikling stiller nye krav til økonomiledere – henger du med?

Andre viktige kilder

Risikovurdering og informasjon om atferdsmønstre som er relevant for oppfølgingen, er også viktige kilder for å kunne endre oppfølging og dermed redusere kredittiden. Gjennom forebyggende handlinger på fakturaer som med høy sannsynlighet vil misligholdes, vil innkrevingstiden reduseres.

Ved å benytte forbrukeratferdsmodeller som eksempelvis Mosaic eller Lowells egne datamodeller, gjør vi det mulig å segmentere målgrupper basert på faktorer som vaner, livsstil, adferd og sosiodemografiske trekk og kan vurdere kunden både som menneske og forbruker. På den måten kan vi spisse budskap hele veien fram til fakturaen blir betalt, basert på tidligere atferd fra andre mennesker i samme kundegruppe. Innfordringsløpet tilpasses kundens vaner, og ikke den som sender fakturaen

Les mer: Ny personvernforordning (GDPR) blir norsk lov i 2018: Hvilke tiltak må du gjøre?

Robotenes bidrag

Med robotisering kan informasjon fra alle datakildene vi har, kobles sammen og bearbeides slik at vi får helt individuelle oppfølgingsløp for den spesifikke kunden. Underveis i oppfølgingen bearbeides og evalueres ny informasjon som gjenbrukes neste gang den samme kunden skal faktureres.

Ved å utnytte datakildene jeg har beskrevet over, har vi eksempler hvor roboter utfører så mange som 250 oppgaver knyttet til en enkelt faktura. For en virksomhet, uansett størrelse og fakturavolum, er dette uhåndterlig å gjøre manuelt. Her er noen eksempler på oppgaver:

  • Tilkobling til andre datakilder – det finnes mange leverandører av spesialisert og fremtidsrettet teknologi. Kan dere integrere dere mot leverandøren og benytte deres teknologi i stedet, reduserer det trolig kostnader og utviklingstid i de fleste tilfeller.
  • Kunne gjøre logiske kontroller – er det en feil eller en mangel? Eller skal denne kunden kanskje ikke faktureres fordi vedkommende har klaget til kundeservice? Om disse kontrollene skal gjøres manuelt skjer det feil, og behandlingstiden blir enorm.
  • Hente data fra ulike kilder, kanskje med ulike formater, og samle informasjonen slik at eksempelvis atferd kan benyttes.
  • Kunne tolke data og dermed individualisere arbeidsflyten for kunden din.
  • Lære av hendelser som oppstår underveis.
  • Ha en plan B og velge nye tiltak selv dersom noe skjer – hva hvis kunden tar kontakt med kundeservice når fakturaen er sendt?

Hvordan utnytter din virksomhet Big Data?

Lurer du på hvordan du skal benytte Big Data best mulig i din virksomhet? Det finnes svært mange spennende teknologiselskaper som leverer teknologi man kan knytte seg til. Det viktigste slik vi ser det, er å definere oppgaver hvor man kan bruke data, automatisere og tilføre et selvlærende element.

Å gjennomgå faktureringsprosesser, finne utfordringer og muligheter er også noe Lowell er spesialister på å bidra med. Spør oss, så kan vi hjelpe deg videre!

Slik utnytter fremtidens økonomiledere AI, Big Data og Bots Last ned vår gratis e-bok ›