Робот-коллектор для МФО: автоматизация pre-collection и soft collection

О проекте

Этот проект был реализован для микрофинансовой организации, которой требовалось повысить эффективность раннего взыскания без расширения штата операторов. Основная задача заключалась в том, чтобы автоматизировать коммуникации с клиентами на этапах pre-collection и soft collection, сохранить качество диалога и повысить собираемость. Для этого был внедрён голосовой робот, который взял на себя массовый обзвон, верификацию и фиксацию результатов общения. В результате компания получила стабильный инструмент для работы с портфелем и измеримые показатели по контактности, RPC, PTP и KEPT.

Клиент и контекст

Клиентом проекта выступила микрофинансовая организация с большим количеством активных договоров и высокой нагрузкой на взыскание на ранних стадиях. Для МФО особенно важны скорость реакции, масштабируемость и точная сегментация сценариев: даже небольшая задержка в коммуникации с клиентом влияет на платежную дисциплину и нагрузку на внутренние команды.

На задачу влияли сразу несколько факторов: массовый поток исходящих коммуникаций, необходимость быстро отрабатывать портфель, ограниченные ресурсы операторов и потребность в стабильном качестве общения. В такой модели ручной обзвон быстро становится дорогим и не всегда позволяет выдерживать нужный темп обработки базы.

Цели и KPI

Основные цели проекта:

• автоматизировать взыскание на этапах pre-collection и soft collection;
• снизить нагрузку на операторов;
• повысить эффективность обзвона клиентской базы;
• улучшить показатели собираемости;
• обеспечить масштабируемую обработку портфеля;
• выстроить стабильный процесс фиксации результатов общения.

Ключевые показатели проекта:

Этап pre-collection

• контактность — 52,5%;
• RPC — 58,1%;
• PTP — 41,7%;
• KEPT — 67,1%.

Этап soft 1–15

• контактность — 49,5%;
• RPC — 82,1%;
• PTP — 49,3%;
• KEPT — 46,7%.

Как работает голосовой робот

Голосовой робот автоматически связывается с клиентом, проводит верификацию и ведёт диалог по сценарию, соответствующему стадии взыскания. Система не просто воспроизводит текст, а помогает провести структурированную коммуникацию: напомнить о платеже, уточнить статус, зафиксировать обещание оплаты и при необходимости предложить дальнейший шаг.

В материалах Fromtech для МФО указаны несколько сценариев применения: верификация, pre-collection, повторная обработка обещания, взыскание по PDL/installments, продажа продления и обработка входящих звонков, поступающих на пропущенные вызовы от робота. Это показывает, что технология может работать не в одном узком сценарии, а как часть целой системы взаимодействия с клиентами.

Сценарий 1. Pre-collection

Клиент получает звонок до даты платежа или в момент ранней просрочки → робот напоминает о задолженности → уточняет готовность оплатить → фиксирует результат разговора и обещание оплаты.

Сценарий 2. Soft collection

Клиент выходит на связь после первого касания → система проводит верификацию → ведёт диалог по soft-сценарию → фиксирует обещание или передаёт более сложный случай дальше по процессу.

Такая схема позволяет быстрее обрабатывать базу и более предсказуемо вести работу с портфелем.

Внедрение

Проект внедрялся поэтапно. Сначала команда проанализировала портфель, стадии работы и типовые сценарии коммуникаций. После этого были подготовлены логика диалогов и правила переходов между сценариями: отдельно для pre-collection, отдельно для soft collection и связанных задач.

Следующий этап включал настройку робота, интеграцию с текущей инфраструктурой заказчика и тестовый запуск на части базы. Затем система масштабировалась на более широкий объём обзвона. Наиболее трудоёмкой частью обычно становится адаптация сценариев под реальные реакции клиентов: в сегменте взыскания важно не только дозвониться, но и корректно провести верификацию, зафиксировать результат и сохранить понятную структуру общения.

Стабильность обеспечивалась за счёт настройки логики дозвона, сегментации базы и контроля результатов. Такой подход позволил использовать робота как рабочий инструмент взыскания, а не как отдельный экспериментальный канал.

Результаты внедрения

После запуска голосовой робот стал частью регулярного процесса взыскания на ранних стадиях. Компания получила измеримые показатели по качеству контакта и обещаниям к оплате, а также возможность масштабировать работу с портфелем без пропорционального роста нагрузки на команду.

Основные результаты:

• робот показал 52,5% контактности и 67,1% KEPT на этапе pre-collection;
• на этапе soft 1–15 были достигнуты 82,1% RPC и 49,3% PTP;
• процессы раннего взыскания стали более управляемыми;
• часть массовых коммуникаций была переведена в автоматический режим;
• снизилась зависимость от ручного обзвона.

Проект оказался успешным, потому что автоматизация была внедрена в конкретные стадии взыскания с понятными KPI. Это позволило не просто увеличить объём обзвона, а сделать раннее взыскание более устойчивым и предсказуемым.

Другие примеры применения

Посмотрите другие кейсы с похожими задачами: банковский pre-collection, soft collection, работа с нарушенными обещаниями, взыскание в ПКО и автоматизация входящих обращений после пропущенных вызовов.