Succesvol in gesprek met je Avatar

In gesprek met Laurens Ruster van GGN

Vanuit de gedachte dat iedere debiteur anders is, introduceerde GGN vorig jaar vijf GGNpersona’s. Inmiddels horen de Tamara’s en Hendrik-Jannen er helemaal bij.

Als een medewerker het digitale dossier van een debiteur opent, komt direct in beeld welk dossier of informatie er is en met wie hij of zij te maken heeft. Met Tamara bijvoorbeeld, de probleembetaler die vanuit haar kleine woning elke maand opnieuw moet kiezen welke rekening zij voldoet. Of met de welgestelde Hendrik-Jan, die het niet zo nauw neemt met zijn rekeningen.

De clou is Tamara anders te benaderen dan Hendrik-Jan, legt Manager Data Analytics Laurens Ruster uit. ‘Tamara heeft hulp nodig, Hendrik-Jan een aansporing tot actie. We gebruiken van alles om de debiteur zo goed mogelijk te kunnen begrijpen en te kunnen adviseren hoe de schuld te voldoen. Dus aan de ene kant de harde informatie die bij ons bekend is over de betreffende debiteur (doordat we die in het verleden hebben verzameld). Met aan de andere kant technieken als data science bij debiteuren waar we minder informatie over hebben.’

Ook bevat het dossier beelden van de woonsituatie van de debiteur, die deurwaarders via RouteGGN uploaden. Al die informatie maakt de gesprekken effectiever, zoals blijkt uit een stijging van de incassoresultaten én uit rapportages van medewerkers. Laurens Ruster: ‘Medewerkers geven een waardering aan ieder gesprek aan de hand van het gebruik van sterren. Hoe bereidwilliger de debiteur zich toont, hoe meer sterren…’

Alle 3,6 miljoen debiteuren zijn gekoppeld aan een GGNpersona. Bovendien heeft GGN heel Nederland gekoppeld aan GGNpersona’s. ‘Nieuwe debiteuren, zonder historie, kunnen we dan gelijk volgens zijn of haar GGNpersona gaan behandelen.’ Met de grootste creditmanagement database van Nederland durft Laurens wel te beweren dat GGN heel niet-betalend Nederland kent. Van hen lijkt 44 procent ‘een Tamara’ te zijn; daarom is de volgende stap een verfijning van de huidige vijf GGNpersona’s. Laurens en zijn team ontwikkelden modellen om debiteuren in te delen in ‘niet kunnen’ en ‘niet willen’ betalen. ‘Onze inzet is om iedereen te helpen van schulden af te komen.’

Publicatiedatum: 18 augustus 2017 (zie ook jaarverslag GGN)

Terug naar het overzicht