Maksudata paljastaa maksukäyttäytymisen hiljaiset signaalit
Hiljaiset signaalit kertovat muutoksista kuluttajien maksukäyttäytymisessä. Näiden signaalien pohjalta laaditaan ennusteita auttamaan sekä kuluttajaa että myyjäyritystä.
Yritykset pyrkivät aktiivisesti vähentämään luottotappioita ja huomioimaan niiden mahdolliset negatiiviset vaikutukset myyntiin. Luottopäätösvaiheessa tehtävillä päätöksillä voi olla kauaskantoiset seuraukset ja asiakkaan tilanteen tarkastelu tässä kohtaa mahdollisimman kattavan datan ja analytiikan keinoin on tärkeää. Kaikki lähtee liikkeelle maksukyvyn tai -halun ennustamisesta.
– Yritysten on mahdollista käyttää sekä sisäistä että ulkoista dataa löytääkseen signaaleja, jotka indikoivat muutoksia asiakkaan käyttäytymisessä jo hyvin aikaisessa vaiheessa, sanoo Lowellilla datatieteilijänä työskentelevä Taija Helenius.
Arvio maksukyvystä kannattaa tehdä mahdollisimman kattavan ja tuoreen tiedon perusteella. Helenius huomauttaa, että lyhyen aikavälin maksukyvyn arviointi on aina helpompaa kuin pidemmän, yli vuoden päähän ulottuvan ennusteen tekeminen.
Vuodessa asiakkaan elämässä voi tapahtua isoja, äkillisiä muutoksia. Työpaikan menettäminen, sairastuminen ja odottamattomat menot ovat nopeita omaa taloutta heilauttavia muutoksia, joiden vaikutukset maksukykyyn eivät ole tiedossa vielä luottopäätöshetkellä.
Yritysten lisäksi ymmärrys kuluttajien maksukäyttäytymisestä on hyödyksi myös kuluttajalle itselleen.
Vanha maksuhäiriömerkintä ei välttämättäestä luotolla myymistä, jos kuluttajan viimeaikainen maksukäyttäytyminen osoittaa merkkejä taloudellisen tilanteen parantumisesta. Jos vastaavasti laskujen maksaminen viivästyy toistuvasti, voi kielteinen luottopäätös olla hyvä ennaltaehkäisevä toimenpide.
Ennakointi auttaa vähentämään luottotappioita
Kriittisintä on seurata maksamisessa tapahtuvia muutoksia, joiden pohjalta Lowellillakin tehdään ennusteita. Ennustava arviointi auttaa niin luottotappioiden vähentämisessä kuin lisämyynnin tekemisessä.
Ennusteet tehdään pitkin saatavan elinkaarta ja näiden ennusteiden pohjalta mietitään erilaisia ratkaisuja.
– Yritykset voivat reagoida etupainotteisesti ja harkita esimerkiksi lisämyynnin kannattavuutta. Tärkeintä on seurata muutoksia suuntaan tai toiseen, Helenius muistuttaa.
Ennusteet tehdään pitkin saatavan elinkaarta ja näiden ennusteiden pohjalta mietitään erilaisia ratkaisuja.
– Kun saatavat erääntyvät, ne siirtyvät Lowellin prosessiin. Voimme arvioida tulevaa maksukäyttäytymistä meille kertyneiden suurten datamassojen avulla. Tämän tiedon pohjalta mietimme ratkaisuja, joiden avulla kuluttaja voi selviytyä maksamisesta.
Kuluttajalle prosessi voi näkyä vaikkapa maksusuunnitelmana, jossa erääntynyt lasku on pilkottu pienempiin eriin. Vaikeimmissa tilanteissa ulosotto voi olla paras vaihtoehto myös asiakkaalle.
Datan pohjalta mietimme ratkaisuja, joiden avulla kuluttaja voi selviytyä maksamisesta.
– Maksamista ei kannata pitkittää, koska se voi jatkossa evätä luotonmyönnön tai aiheuttaa tiukemmat ehdot kauppojen syntymiselle, kiteyttää Helenius.
Laskujen erääntymistä voidaan pyrkiä vähentämään myös entistä paremmilla luottopäätöksillä. Luottopäätösten teko on aina yritysten oma päätös, mutta päätösten tueksi voidaan kuitenkin hyödyntää ulkopuolisia datalähteitä kuluttajan suostumuksella.
Maksukäyttäytymisestä kertyvän datan avulla voidaan tehdä ennusteita kuluttajan maksukyvykkyydestä.
Tietojen tarkistaminen on myös kuluttajan etu
Kuluttajien talouden kehitystä seurataan maksuviiveiden ja luottotietojen avulla.
– Avainsana on reaaliaikaisuus. Maksuhäiriömerkintää ei kannata jäädä odottelemaan, jos asiakkaan maksut tulevat toistuvasti viiveellä, sanoo Helenius.
Maksukykyä ei ole tarpeen arvioida sellaisessa tilanteessa, jossa maksaminen tapahtuu oston yhteydessä. Kun maksu lähtee tililtä heti kaupan tai verkkokaupan kassalla, on maksu varma.
Luottotietojen ja maksukyvyn arviointi on usein automaattista. Osaan tiedoista pääsee käsiksi kuluttajan antamalla suostumuksella. Pääsyn mahdollistaa vuonna 2018 voimaan astunut toinen maksupalveludirektiivi PSD2. Itse arviointi on tämän jälkeen automaattista.
– Vaikka maksukäyttäytymisestä kertovaa dataa olisi olemassa, sen käytössä pitää muistaa kuluttajan oikeudet. Asiakkaan täytyy olla tietoinen siitä, mihin häntä koskevat päätökset perustuvat. Kuluttajan oikeudet ovat syystäkin vahvat.
Luottopäätöksen yhteydessä pitää tarkastella kokonaisuutta.
Kuluttajalle luottotietojen kysyminen voi tulla vastaan vahvan tunnistautumisen yhteydessä. Maksuhäiriömerkinnät pitää tarkistaa luottopäätöksen yhteydessä ainakin suuremmissa hankinnoissa. Olemassa oleva maksuhäiriömerkintä ennakoi usein mahdollisuutta uuteen merkintään, muttei aina. Siksi luottopäätöksen yhteydessä pitää tarkastella kokonaisuutta.
On myös kuluttajan etu antaa suostumus tietojen tarkistamiseen. Puuttuminen varhaisessa vaiheessa voi ehkäistä isompia ongelmia tulevaisuudessa.
– Virheellisiä luottopäätöksiä voitaisiin ehkäistä, jos olemassa olevaa dataa saisi käyttää laajemmin ennusteiden tekemiseen, Helenius kertoo.
Pilotoinnin avulla parempaa ymmärrystä
Maksamisen ratkaisuja ja luotonhallinnan prosesseja kuluttajien auttamiseksi mietitään Lowellilla aktiivisesti. Työn tukena voidaan käyttää karkeaa jakoa kolmeen maksajaprofiiliin.
Hyvillä maksajilla laskut voivat satunnaisesti jäädä maksamatta ennen eräpäivää. Yleensä unohduksesta johtuva erääntyminen ei kerro maksukyvyn heikkenemisestä. Hitaisiin asiakkaisiin ollaan hanakammin yhteydessä. Heillä on usein maksukykyä, muttei maksuhalua. Negatiivisin maksukäyttäytyminen on kooltaan pienimmällä asiakasjoukolla, heikoilla maksajilla. He saavat usein nopeammin osakseen järeämpiä toimia, kuten oikeudellista perintää.
Mitä enemmän dataa kertyy, sitä enemmän myös prosesseja kyetään kehittämään. Ennusteiden tekeminen tarkentuu, ja päätöksentekoa voidaan helpottaa jo myyntitapahtuman yhteydessä.
– Olemme pilotoineet asiakkaidemme kanssa Informaatiopalveluiden tarjoamia ratkaisuja. Projektit ovat olleet tykättyjä ja tuottaneet asiakasyrityksillemme ja meille arvokasta tietoa kuluttajien maksukäyttäytymisestä ja palveluidemme tuottamasta arvosta. Datan ja pilottien ansiosta olemme voineet edelleen kehittää uusia ratkaisuja asiakkaidemme tarpeet huomioiden.