Persoonlijker communiceren dankzij ICT

De afgelopen jaren heeft GGN fors geïnvesteerd in automatisering en slimme datatechnieken, vertelt Van Loon. “Zo nemen een bankrobot en voorspellende datamodellen onze medewerkers veel routinewerk uit handen. En alle data die wij genereren helpt hen om zo efficiënt en effectief mogelijk te werken. Onze kracht is het combineren van ICT met de menselijke factor, die elke situatie specifiek beoordeelt.”

‘Het gebruik van persona’s heeft geleid tot een forse verbetering van het betaalgedrag’

Heel persoonlijk

“Een van onze belangrijkste stappen is het profileren van debiteuren”, aldus Van Loon. “Op basis van data-modellingtechnieken hanteren we GGN-persona’s, die we voortdurend doorontwikkelen.” Dankzij deze persona’s kunnen medewerkers iedereen op het juiste moment met het juiste medium op de juiste toon aanspreken, vertelt Kees van den Heuvel. “Dit heeft geleid tot een aanzienlijke verbetering van het betaalgedrag: zo is bij bol.com het rendement gestegen van 23 naar 42%.”

Van Loon: “In ons Net Promotor Score-onderzoek kregen wij van bol.com een 10. Bovendien is onze CC-manager Maarten Vader verkozen tot CC-manager van het jaar en hebben we de VVCM Credit Management Innovation Award gewonnen.”

Data genereren

Van Loon: “Alles wat we doen, is gekoppeld aan onze database. Daar checken onze scanauto’s of het gescande kenteken toebehoort aan een debiteur met een vonnis. Bij een huisbezoek ziet onze deurwaarder op zijn RouteGGN-tablet of een debiteur nog meer schulden heeft. Op zijn beurt voegt hij via zijn tablet informatie over de debiteur toe aan de database. Dankzij ICT kunnen we dus steeds persoonlijker communiceren.”

Van den Heuvel: “Net zo faciliteren we onze Contact Center-medewerkers met data en diverse Google-tools. Onze medewerker ziet met Street View waar de debiteur woont. Dat helpt een medewerker om zich zo goed mogelijk in te leven, zodat hij beter begrijpt hoe hij de debiteur kan triggeren. We vragen medewerkers na elk gesprek om in te voeren of het positief verliep en of de debiteur van plan is om te betalen. Al die ratings genereren data, waarmee we het model verder verfijnen en richting de debiteur nog beter de juiste toon kunnen vinden. Wij geloven dat aandacht loont: op basis van data kunnen we debiteuren nog beter helpen om de betalingsachterstand op te lossen.”

Van den Heuvel besluit: “De werkwijze is een kwestie van gezond verstand, maar de manier waarop wij dit in onze bedrijfsvoering toepassen is binnen de branche innovatief. Op verzoek van Google hebben we onlangs een white paper gepubliceerd over onze werkwijze.”