Un scoring prédictif oriente chaque impayé e-commerce vers la stratégie de relance la plus efficace, sans sur-solliciter le client.
Un acteur e-commerce avec paiement différé ou en plusieurs fois accumule chaque mois des milliers de créances impayées. Les équipes recouvrement traitent les dossiers dans l'ordre d'arrivée ou par montant, sans distinguer un client solvable qui a oublié de payer d'un client en difficulté structurelle. Résultat : des relances agressives envoyées à de bons clients qui se désabonnent, et des dossiers à fort potentiel de recouvrement traités trop tard.
La démarche part d'un état des lieux des actions de recouvrement existantes et de leur taux de succès réel, souvent mal mesuré car les relances sont envoyées de façon uniforme. On construit ensuite un modèle de scoring du risque de non-paiement définitif, puis un second modèle qui recommande l'action optimale parmi plusieurs scénarios de relance testés en amont.
Le scoring utilise XGBoost sur variables comportementales et transactionnelles, avec une contrainte de monotonie sur des variables comme le nombre d'incidents passés, pour garantir une cohérence métier facile à auditer. Pour l'allocation de la stratégie de relance, on s'appuie sur une approche d'uplift modeling (forêts causales) afin d'identifier quels clients répondent mieux à un email, un SMS, un appel ou un geste commercial, plutôt que de prédire seulement le risque brut.
Le dispositif est testé en A/B sur un périmètre restreint de dossiers avant généralisation, avec un tableau de bord Looker Studio pour suivre en continu le taux de recouvrement par segment et détecter toute dérive du modèle.
Si 15 à 20 % des impayés aujourd'hui transmis au contentieux sont en réalité recouvrables avec une relance mieux ciblée, le taux de recouvrement global pourrait progresser de quelques points. Une allocation plus fine des canaux de relance réduirait aussi le coût de traitement par dossier, en limitant les appels et courriers inutiles sur les clients à faible risque.
Non. Il priorise les dossiers et recommande le canal le plus efficace, mais les agents gardent la main sur les cas complexes et les décisions finales, notamment pour les dossiers sensibles ou litigieux.
Le modèle d'uplift distingue le risque de non-paiement du bon canal de relance. Un client fidèle à risque faible reçoit une relance douce, ce qui limite le risque de churn tout en recouvrant la créance.
Disposer d'un historique d'au moins 12 à 18 mois de relances avec leur résultat, et d'un identifiant client unique reliant commandes, paiements et interactions SAV.
Nous le cadrons, le construisons et le mettons en production. Ou nous formons vos équipes à le faire.
Nous utilisons des cookies de mesure d'audience et de suivi publicitaire pour comprendre la fréquentation du site et l'efficacité de nos annonces. Rien n'est déposé sans votre accord. En savoir plus