Без лишних звонков. Как алгоритмы на стыке аналитики и технологий помогают работе контакт-центра СГК

Модели Collection scoring давно и активно используются банками при работе с клиентами. Наверняка, у многих из вас возник вопрос: что это такое «скоринг»? И причем тут платежи за тепло? Все просто: это программа, получившая свое название от англоязычного термина «score», или «счет». Она призвана оценить потенциальных и действующих клиентов на основе статистики. Подобные схемы применяются в кредитовании, страховыми компаниями, операторами телекоммуникации и т.д.

Аналогичные алгоритмы недавно были внедрены в работу контактного центра Сибирской генерирующей компании и уже показали хорошие результаты. Предложение по разработке моделей подал на «Фабрику идей СГК» начальник отдела контроля эффективности взыскания Сергей Саморуков.

«Фабрика идей» развивается в СГК под руководством Аналитического центра. Сотрудники компании вносят свои предложения по улучшению бизнес-процессов, технологий, корпоративной культуры.

Модели сегментации портфеля должников за потребленные ресурсы предложил разработать начальник отдела контроля эффективности взыскания Сергей Саморуков — для профилактики роста и сбора просроченной задолженности. О том, как Collection scoring помогает эффективно взаимодействовать с потребителями, корреспондент Sibgenco.online разговаривал с автором идеи.

— Скоринговые модели часто используют банки при кредитовании. Не могли бы вы пояснить, как такая модель работает в нашем случае?

— В банках модель, как правило, дает оценку платежеспособности или вероятности дефолта. У нас скоринг оценивает вероятность поступления своевременной оплаты по квитанции в краткосрочной перспективе (на горизонте календарного месяца), можно сказать сегментирует клиентов по риск-профилю.

В будущем планируем также развивать модели, усложняя логику. Например, чтобы алгоритмы рекомендовали какие действия (коммуникации) целесообразно совершить по той или иной части клиентского портфеля.

В 2018 году потребители физические лица получили возможность массово переходить на прямые договоры (начисление и оплату услуг) с РСО (ресурсоснабжающая организация – прим. авт.). Наш клиентский портфель изменился кардинальным образом: с десятков тысяч потребителей-юридических лиц он вырос до 1 млн лицевых счетов и продолжал увеличиваться. Сейчас это порядка 2 млн лицевых счетов только клиентов-физлиц.

Перед нами встала классическая задача обслуживания такого крупного клиентского портфеля: как правильно распределить ограниченные ресурсы контакт-центра СТК, не снижая эффективности взаимодействия с потребителями?

Решение нужно было искать на стыке аналитики и технологий. Модели машинного обучения (скоринг) были самым оптимальным решением, на наш взгляд.

С одной стороны, нам не хватало опыта практического построения и внедрения таких моделей, с другой — накопился большой массив данных, с информацией о «жизни» клиентского портфеля (начисления, платежи, проводимые звонки и мероприятия и т.п.).

«Фабрика идей СГК» была отличным стартом для решения этой задачи. Первоначально мы рассчитывали, что коллеги смогут помочь согласовать и провести некий конкурс среди разработчиков моделей скоринга, дата-инженеров. Однако коллеги из Аналитического центра СГК смогли организовать эти расчеты внутри группы компаний, нашли компетентных data science и привлекли их в рабочую группу.

— Сколько времени прошло от одобрения идеи до ее реализации? Как осуществлялся процесс внедрения в практику?

— После одобрения идеи и установочного обсуждения в рамках «Фабрики идей СГК» рабочая группа реализовала проект за 6 месяцев. Начали в марте 2022 и уже к сентябрю готовые три модели были добавлены в работу контактного центра.

Важно, что конечный продукт интегрирован в наше ПО, поэтому аналитики УДВЗ (управления дистанционного взыскания задолженности физических лиц) могли оперативно запускать расчеты моделей скоринга в начале каждого месяца, чтобы далее ежедневно использовать итоги расчетов при запуске коммуникаций с нашими потребителями.

Мы не смогли добавить эти модели напрямую в нашу биллинговую систему, но все «собирается» и обрабатывается в отдельном интерфейсе (данные из биллинга и запуск моделей). Это сокращает время, потраченное на работу с данными.

— Абаканский филиал был выбран для реализации пилотного проекта. Какие результаты достигнуты в ходе апробации?

— Мы выбрали пилотным регионом Абаканский филиал и на протяжении прошлого года применяли новую стратегию работы на его клиентском портфеле. На первом этапе мы оцениваем вероятности поступления платежей и погашения дебиторской задолженности по квитанциям по всем лицевым счетам.

Далее все наши исходящие коммуникации (звонки, смс, уведомления) сегментируются и применяются только в случае, если модель оценивает вероятность погашения ниже пороговых значений. В результате снижаем нагрузку на наш контакт-центр, успеваем обработать ту часть клиентского портфеля, где это в первую очередь необходимо.

В отличии от массовых коммуникаций, которые предполагают существенное количество звонков операторов и автоинформатора, мы смогли снизить нагрузку и расходы на телефонию на 50-60%.

Основной вклад в эту экономию пришелся на сегмент потребителей, которые оплачивают квитанции с небольшим опозданием. Теперь модель позволяет нам довольно точно предсказывать такие ситуации и не тратить ресурсы на звонки, а потребителя лишний раз не отвлекать уведомлениями.

— Итак, с октября 2022 года скоринговые модели применяются в работе управления дистанционного взыскания задолженности физических лиц (УДВЗ), контакт-центра. Расскажите, пожалуйста, немного подробнее о работе Управления дистанционного взыскания задолженности физических лиц в этом направлении? Как это происходит на практике?

— Управление дистанционного взыскания отвечает за важную функцию при работе с дебиторской задолженностью. Коллеги выстраивают все досудебные коммуникации с потребителями-физлицами по всем городам присутствия СТК, отсюда и «дистанционного» в названии.

Однако функционально это далеко не только «исходящий контакт-центр» в узком понимании. В управлении анализируют клиентские портфели, планируют, выстраивают стратегию их обработки и взыскания, работают на стыке высокотехнологичного ПО и психологии переговоров. Собственно, благодаря вовлеченности и профессионализму коллег из УДВЗ, такие проекты цифровизации бизнеса, как Collection scoring, успешно интегрируются в работу, и уже сейчас служат на благо компании.

Отмечу, на потребителей-физлиц приходится 45% всех начислений в тепловом бизнесе СГК. Это почти 2 млн лицевых счетов в нашей биллинговой системе.

Контакт-центр забирает ежемесячно в работу порядка 100 тысяч лицевых счетов от 3 месяцев просрочки, суммарная задолженность которых около 2,5 млрд рублей.

В среднем в месяц специалисты контакт-центра совершают порядка 50 тысяч звонков. Еще около 400-500 тысяч звонков совершается различными инструментами автоинформирования (робот). Также специалисты отправляют смс, push, e-mail уведомления потребителям.

Ежедневно мы запускаем несколько десятков исходящих кампаний по различным каналам связи (звонки, уведомления, интерактивные сообщения). Параметры запуска этих кампаний — гибкие, настраиваются аналитиками и менеджерами УДВЗ, чтобы обеспечивать оптимальную эффективность коммуникаций. Как раз одним из ключевых параметров такой настройки является скоринговая оценка (проще говоря вероятность оплаты).

Мы не тратим ресурсы на клиентов, которые погашают задолженность вовремя или с небольшой задержкой внутри месяца. А, с другой стороны, концентрируем свои усилия на «более проблемной» части клиентского портфеля.

— А в целом какова ситуация с задолженностью потребителей перед компанией?

— Функционал по работе с дебиторской задолженностью был выделен в отдельное бизнес-подразделение в 2015 году, когда была создана СТК. С тех пор нам удалось выйти на хорошие темпы собираемости и «качество» взыскания, которые мы поддерживаем на высоком уровне.

Мы взаимодействуем с потребителями на всех трех основных стадиях работы: досудебной, судебной и стадии исполнительного производства.

Общая собираемость дебиторской задолженности теплового бизнеса близка к 100% (мы делим все платежи, поступившие за год, на сумму начислений по счетам и квитанциям за год). В 2023 году уже 45% от всех начислений пришлось именно на квитанции потребителям-физлицам, годовая собираемость по ним составляет 98,5%.