Factores de la atención de cobranza que conduce a la generación de un compromiso de pago

Abstract

El informe de investigación se enfoca en uno de los principales retos de una empresa de gestión de cobranzas el cual consiste en entender cómo mejorar la generación de compromisos de pago en las llamadas telefónicas a clientes deudores. Para esto se usan modelos predictivos aplicados a variables del entorno de la negociación en la llamada y variables de la segmentación, que luego se comparan sus desempeños predictivos. La realización de este objetivo se desarrolla bajo la metodología CRISP-DM para la estructuración del proyecto, así mismo se propuso un plan de trabajo para cumplir en 15 semanas el desarrollo del modelo de mejor desempeño. La empresa objeto de estudio es RECSA, una compañía con más de 30 años de experiencia en gestión de cobranza en América Latina. El trabajo investiga cómo mejorar la efectividad de las llamadas de cobranza y generar compromisos de pago, clave para el crecimiento y estabilidad de la cartera de clientes. El estudio emplea técnicas de machine learning para desarrollar un modelo predictivo que permita determinar si un cliente se comprometerá a pagar su deuda, analizando las conversaciones de las llamadas y el perfil de los clientes. También se emplea un LLM como otra herramienta más de predicción. Finalmente, se comparan los modelos para evaluar cuál tiene mejor desempeño predictivo.

The research report focuses on one of the main challenges faced by a debt collection management company, which is understanding how to improve the generation of payment commitments during phone calls with delinquent clients. To address this, predictive models are applied to variables related to the negotiation environment during the call, as well as segmentation variables, and their predictive performance is then compared. This objective is pursued using the CRISP-DM methodology for structuring the project, and a work plan was proposed to complete the development of the best-performing model within 15 weeks. The company under study is RECSA, a firm with over 30 years of experience in debt collection management in Latin America. The research explores how to improve the effectiveness of collection calls and generate payment commitments, which are key to the growth and stability of the client portfolio. The study employs machine learning techniques to develop a predictive model capable of determining whether a client will commit to paying their debt, analyzing call conversations and client profiles. A large language model (LLM) is also used as an additional predictive tool. Finally, the models are compared to evaluate which one has the best predictive performance.