Задача клиента
Банк ставил задачу снизить roll rate в раннем DPD 1–10 и увеличить долю зафиксированных обещаний оплаты без расширения штата контакт-центра — на этой стадии ключевая задача не давление, а корректная коммуникация.
Что делает робот
- Запускается по базе Pre-collection или DPD 1–10, идентифицирует клиента
- Корректно напоминает о задолженности, уточняет дату оплаты
- Фиксирует результат (RPC, PTP, отказ или перевод на оператора)
- При спорной ситуации переводит звонок на оператора
Результат
- Контактность — 56,2%, RPC — 62,5%
- PTP — 53,8%, KEPT — 64,4%
- Ранняя просрочка стала контролируемым сегментом, фиксация PTP — системной
Главный результат — не просто рост контактности, а то, что фиксация обещания оплаты стала системным процессом, а не случайной удачей отдельного звонка.
Посмотрите другие кейсы с похожими задачами — автоматизация взыскания на разных стадиях просрочки, рост контактности и фиксация PTP с соблюдением комплаенса.
FAQs
-
Сколько длилось внедрение?
Сколько длилось внедрение?
-
Можно ли масштабировать проект?
Да. Архитектура позволяет запускать аналогичные кампании для других кредитных продуктов.
-
От чего зависит стоимость?
От объёма базы, сложности сценария, глубины интеграции и требований к аналитике.