Scoring: Zahlungsverhalten im Voraus erkennen

Bei jeder Transaktion geben Ihre Käufer Daten an. Daraus können wir eine genaue Prognose des Zahlungsverhaltens erstellen. Entscheidend dabei: Die Qualität der verwendeten Scorecards. Für Ihre Käufer und Branche maßgeschneiderte Regelwerke liefern weit bessere Resultate, als Standard-Anwendungen. Denn sind die Scorecards nicht trennscharf genug definiert, sind auch die späteren Scoring-Ergebnisse ungenau.

Dies kann zu Umsatzverlusten bei Ihnen führen: zum Beispiel, wenn zu viele Kunden abgelehnt werden oder sich die Zahlungsausfallquote drastisch erhöht. Deshalb sichern wir die Qualität unserer Regelwerke, indem wir Ihre Käufer nach allen relevanten Kriterien analysieren. Ein Vorgehen, auf das bereits zahlreiche bekannte Unternehmen aus E-Commerce und Versandhandel vertrauen.

Nach Durchführung einer explorativen Datenanalyse und der endgültigen Festlegung der Ziel-Variablen (Zahlungsverhalten) ziehen wir für die Scorecard-Entwicklung geeignete Analyse-, Validierungs- und Test-Stichproben. Alle potenziellen Score Merkmale werden auf ihre individuelle Trennschärfe hin untersucht. Ein optimales Grouping sorgt für maximalen Informationsgehalt und stabilisiert gleichzeitig die Prognosetauglichkeit der einzelnen Scoremerkmale.

Mithilfe eines multivariaten nichtlinearen Regressionsmodells entwickeln wir dann die eigentliche Scorecard. Die Score-Merkmale werden dabei iterativ unter Berücksichtigung ihrer Interkorrelationen ausgewählt. Um eine Verzerrung der Scorecard zu vermeiden und das Prognosemodell zu verbessern, verwenden wir verschiedene analytische Abgelehnten-Zuordnungsmodelle.

Die eingesetzten Scorecards werden regelmäßig von unseren Spezialisten aus dem Risikomanagement analysiert. Dabei wird überprüft, ob die erforderliche Trennschärfe noch vorhanden ist oder ob eine Nachjustierung erforderlich ist.

Die Scorebewertung für Neukunden nennt man Application Scoring. Dabei können nur die zum Zeitpunkt des ersten Auftrags vorhandenen Kriterien genutzt werden. Die dynamische Anreicherung mit Auskunftei-Informationen spielt deshalb eine wichtige Rolle. Auf diese Weise können erstaunlich genaue Prognosen zum Zahlungsverhalten getroffen werden. Durch die punktgenaue Score-Skala lässt sich der Cut-Off-Wert, also der Punkt, ab dem Kunden abgelehnt werden, exakt steuern.

Bei Bestandskunden ist das Spektrum der für die Entscheidung relevanten Kriterien wesentlich höher. Denn es gibt bereits Erfahrungswissen über ihr Zahlungsverhalten. Diese Kriterien werden mittels Behaviour Scoring genutzt, um zukünftige Verhaltensweisen vorherzusagen. So können Sie „kritische Kunden“ frühzeitig erkennen – und Ihre Limitpolitik entsprechend ausrichten.