Data-Driven Krungsri Consumer

เพราะ Condition เราจึงต้อง Evolution กรุงศรีดู Data ก่อนโทรทวงหนี้

ในยุคของ Data-Driven ที่ใครๆ ก็พูดกันแต่จะมีสักกี่คนที่สามารถเอามาพลิกแพลงใช้งานได้อย่างน่าทึ่งเหมือนที่ทางกรุงศรีเล่าให้เราฟังในงาน Marketing Oops! Summit 2020 ว่าเขาสามารถลดจำนวนในการโทรออก แต่เพิ่มผลสำเร็จจากการโทรได้ดีขึ้นมากจากการใช้ Data ในแง่มุมที่น่าสนใจมากครับ

Condition-Driven Evolution

Krungsri Consumer Data Driven Marketingoops Summit 2020

เรื่องทั้งหมดเริ่มจากปัญหาเมื่อกฏหมายบอกว่าห้ามโทรทวงหนี้เกินวันละครั้ง จากที่เราได้ยินกฏหมายออกมาคุ้มครองเหล่าลูกหนี้มากขึ้นว่า ให้บรรดาเจ้าหนี้โทรทวงหนี้ได้แค่วันละหนึ่งครั้ง แถมยังจำกัดช่วงเวลาในการโทรอีกด้วยต่างหากครับ ดังนั้นกรุงศรีเองที่เป็นหนึ่งในผู้ปล่อยกู้ที่ถูกต้องตามกฏหมายรายใหญ่ ก็เลยต้องหาทางทำให้กระสุนหนึ่งนัดที่มีแถมยังเต็มไปด้วยข้อจำกัด จะโทรออกไปทวงหนี้อย่างไรเกิดประสิทธิภาพที่สุดนั่นเองครับ

จากเดิมที่กรุงศรีเคยโทรออกหาลูกหนี้ถึง 123,000,000 ครั้งในหนึ่งปีที่ผ่านมา จะเห็นว่าโทรติดแค่ 55,000,000 ครั้ง แล้วก็มีที่รับจริงๆ แค่ 17,000,000 ครั้ง (แน่นอนว่าแอปประเภท Whocall นั้นช่วยได้มาก) และเฉลี่ยแล้วกรุงศรีต้องโทรหาลูกค้าแต่ละคนถึงวันละ 2.7 ครั้ง แล้วจะทำอย่างไรเมื่อกฏหมายใหม่บอกว่าให้โทรหาได้ลูกหนี้ได้แค่วันละ 1 ครั้งเท่านั้นครับ!

เอา Data ไปให้ AI เรียนรู้เพื่อบอกว่าใครคือคนที่รีบโทรหา และใครคือคนที่ไม่ต้องเสียเวลาโทรไป

Krungsri Consumer Data Driven Marketingoops Summit 2020

ด้วยกติกาใหม่ที่เจ้าหนี้ทุกคนต้องทำตาม และนั่นก็เลยเป็นที่มาของวิธีการใหม่ๆ ในการค้นหาโอกาสที่ดีที่สุดที่จะทำให้การโทรได้วันละหนึ่งครั้งเกิดประโยชน์มากที่สุด ด้วยการใช้ Al Collection Efficiency Model หรือการเอา Data ที่มีของลูกหนี้ทั้งหมดมาวิเคราะห์เพื่อหา Pattern ว่าลูกหนี้รายไหนที่ไม่จำเป็นต้องโทรตาม เพราะอย่างไรก็มีแนวโน้มว่าจะจ่ายหมดแน่ๆ แน่นอนว่านั่นจะช่วยประหยัดค่าใช้จ่ายและเวลาทำงานของ Call Center ของกรุงศรีที่ต้องโทรตามหนี้ไม่น้อย

เช่นเดียวกันถ้าหาลูกค้าชั้นดีได้แล้วก็ต้องหา Pattern ของลูกค้าที่มีแนวโน้มจะเบี้ยวหนี้ได้เช่นเดียวกัน และนั่นก็เลยเป็นสัญญาณที่บอกให้ทางกรุงศรีรู้ว่าลูกค้าที่มีพฤติกรรมแบบนี้แหละที่มีแนวโน้มจะไม่จ่าย ดังนั้นจึงต้องรีบโทรไปเตือนโทรไปตามให้จ่ายให้เรียบร้อยตั้งแต่เนิ่นๆ นั่นเองครับ

Krungsri Consumer Data Driven Marketingoops Summit 2020

ทางกรุงศรีบอกว่าด้วยการใช้ Al Collection Efficiency Model นั้นสามารถเพิ่มประสิทธิภาพได้มากถึงขึ้น 20% ลดการทำงานของ Call Center ลง แต่กลับเพิ่มประสิทธิภาพในการติดตามหนี้ได้ดียิ่งขึ้นครับ

แถมที่สำคัญกว่านั้นเมื่อรู้แล้วว่าควรโทรหาใคร จาก Data ที่มี AI ยังบอกได้อีกว่าแล้วลูกหนี้แต่ละคนที่ต้องโทรหานั้น ควรจะโทรหาช่วงเวลาไหนดีถึงจะเกิดการรับสายและทำให้หนี้ไม่หายไปครับ

Krungsri Consumer Data Driven Marketingoops Summit 2020

และทั้งหมดนี้นั่นคือที่ทำให้ประสิทธิภาพในการติดตามหนี้ของกรุงศรีมีประสิทธิภาพมากขึ้นภายใต้กติกาใหม่ที่โทรหาลูกหนี้ได้น้อยลง จะเห็นว่าในวิกฤตนั้นมีโอกาส แล้วโอกาสที่ว่านั้นก็คือการหาวิธีการใหม่ๆ ที่จะทำให้งานเดิมที่เคยเชื่อว่าดีแล้วนั้นยังมีหนทางที่ดีกว่า และยิ่งถ้าเราสามารถปรับตัวได้ก่อนคู่แข่งในตลาดนั่นก็ยิ่งหมายความว่าคุณจะนำหน้าคู่แข่งไปไกลอีกหลายก้าวเลยครับ

โลกในวันนี้ต้องปรับตัวให้เร็วยิ่งกว่าทุกวัน และในทุกวันก็มี Data เกิดขึ้นมากมายที่รายล้อมอยู่รอบตัว แม้แต่การโทรหาลูกค้าแบบเดิมๆ ก็ยังมี Data ให้เก็บเอาไปวิเคราะห์เพื่อให้เห็นโอกาสใหม่ๆ ส่วนตัวผมชื่นชอบเคสนี้ของกรุงศรีมากที่เอามาเล่าสู่กันฟัง เป็นการเปิดมุมมองใหม่ๆ ในการทำ Data-Driven จริงๆ และก็น่าจะเป็น Inspiration ให้กับผู้ฟังในห้องอีกหลายคนจริงๆ ครับ

Krungsri Consumer Data Driven Marketingoops Summit 2020
Data, AI และ Personalzation 3 กลยุทธ์สำคัญของ Krungsri Consumer 2020

อ่านบทความกรุงศรีคอนซูเมอร์ประกาศกลยุทธ์ใหม่ 2020 กับ 3 หัวใจหลัก Data, AI และ Personalization ที่จะขับเคลื่อนองค์กรให้กลายเป็น Game Changer ครับ > https://everydaymarketing.co/business/finance/krungsri-consumer-data-ai-personalzation-3-key-strategy-2020/

เจ้าของเพจการตลาดวันละตอน / อาจารย์พิเศษวิชา Data-Driven Communication / เขียนหนังสือมาแล้ว 5 เล่ม Personalized Marketing, Data-Driven Marketing, Data Thinking, Contextual Marketing และ Social Listening / ที่ปรึกษา Data-Driven Advisor

Comments

  1. IT-system says:

    เขา ห้ามทวงหนี้ เกินวันละหนึ่งครั้งต่อหนึ่งผลิตภัณฑ์ ครับ

    1. ขอบคุณที่ช่วยอัพเดทครับ

Leave a Reply

Your email address will not be published. Required fields are marked *