Diseño de un modelo de segmentación de clientes morosos basado en variables financieras y de centros de cobro para proponer estrategias personalizadas de gestión en departamentos de cobranza

La cobranza es el proceso con el cual las compañías buscan retornar los ingresos ya generados por sus productos o servicios, a partir del cobro de facturas que no han sido canceladas por sus clientes. Para esto es necesario segmentar, dependiendo de la complejidad del caso, los usuarios morosos entre los cobradores del área, quienes contactan al cliente para motivar el pago de las obligaciones. A raíz de la baja segmentación automatizada de clientes, en empresas de manufactura y servicios, se ha evidenciado que este proceso es lento, inexacto y costoso. Esto afecta el número de deudas incobrables, los costos de endeudamiento y la rentabilidad de las compañías, lo cual puede resultar en insolvencia para pequeñas y medianas empresas. Con el estudio del área de cobranza de una Fintech en Colombia, este proyecto diseña un modelo de clasificación de clientes de microcrédito, según su historial financiero y contactabilidad. Lo anterior, con el fin de automatizar la división de los clientes entre los gestores, y así proponer medios y horarios de cobro para la primera y segunda llamada. Los resultados permitieron disminuir las visitas al deudor en un 3.19% y las llamadas en un 6.22%, lo que apunta también a la reducción de costos y el aumento de la capacidad de cobro del área. Además, con un diagnóstico del proceso, se recomendaron programas preventivos de mora, incentivos y capacitación, tanto de clientes como gestores, para regular el porcentaje de usuarios vencidos en la empresa. Estudios próximos pueden agregar el análisis del contexto demográfico de cada tipo de cliente, para evaluar cómo este afecta la probabilidad de pago. Por otra parte, es posible encontrar patrones críticos de comportamiento en los clientes que se convirtieron en ilocalizables, de manera que se orienten futuras estrategias que protejan a la compañía ante la eventual pérdida de contacto y dinero sobre estos deudores.

• Autores: Avila Parra, Andrea Isabel; Castro Bueno, Dalia Alexandra; Gómez Durán, Karen Juliana
• Fecha de publicación: 2023
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/11531
• Acceso en línea: http://hdl.handle.net/10584/11531
• Palabra clave: Cobranza; Segmentación de clientes; Machine Learning; Clustering; Regresión logística; Clientes morosos; Estrategias de cobro; Collection; Customer segmentation; Machine Learning; Clustering; Logistic regression; Debtors; Debt collection strategies
• License: Universidad del Norte