Otimização da cobrança de dívidas para maximizar o valor vitalício do cliente

Em muitos mercados de telecomunicações, uma grande parte dos clientes subscreve planos pós-pagos. Consequentemente, a dívida dos clientes pode tornar-se um desafio relevante. Tendo uma porção significativa da sua base de clientes em situação de incumprimento, um operador líder no setor das telecomunicações uniu-se à LTP para melhorar o seu processo de cobrança de dívidas. A personalização de planos de pagamento era o elemento central deste processo, sendo a principal ferramenta da estratégia de cobrança. Estes planos podem ser ajustados com base em três alavancas principais: o perdão de dívida (percentagem da dívida total que é perdoada), o valor do pagamento inicial (percentagem da dívida remanescente após o perdão) e o número de prestações em que a dívida será saldada.

Inicialmente, estas condições de pagamento eram definidas manualmente e de forma empírica pelos agentes de atendimento ao cliente, durante negociações diretas com os clientes. Embora os agentes estivessem bem preparados para maximizar a recuperação imediata da dívida, as suas decisões baseavam-se sobretudo na intuição, carecendo de uma base analítica e estruturada. Além disso, essa abordagem tendia a ignorar o impacto de longo prazo das condições de pagamento no valor vitalício do cliente. Como resultado, alguns acordos permitiam a recuperação de curto prazo, mas em detrimento da lealdade do cliente, da receita futura ou com maior risco de reincidência no incumprimento.

Por isso, a empresa pretendia reformular a forma como definia os planos de pagamento, mantendo-os como uma ferramenta fundamental. O principal objetivo era orientar a nova abordagem para a maximização do valor vitalício de cada cliente, abrangendo recuperação de dívida, prevenção de churn e receitas futuras. Ou seja, transformar a gestão de dívida de um processo meramente financeiro para uma função estratégica de gestão de clientes.

Para responder ao duplo desafio da recuperação subótima de dívida e do desvalorizado valor vitalício dos clientes, a solução proposta foi uma estrutura de personalização baseada em dados, para adaptar os planos de pagamento, guiada por um novo indicador de desempenho: o Valor Económico do Cliente (Client Economic Value - CEV). O CEV avalia o valor gerado por um cliente a longo prazo, como percentagem do seu valor potencial total (definido como a soma da dívida pendente e das receitas futuras esperadas, caso o cliente não cancele o contrato e cumpra os pagamentos agendados). Ao contrário de métricas tradicionais, que se focam unicamente na recuperação imediata, o CEV equilibra os objetivos, por vezes conflitantes, da cobrança de dívida e da maximização do valor do cliente.

No centro da solução está um modelo preditivo que estima o CEV após o plano de pagamento, com base nas características individuais de cada cliente — como dívida total, comportamento de pagamento recente, número de acordos anteriores e antiguidade — e nas condições propostas. Estas previsões alimentam um motor prescritivo que recomenda o plano de pagamento ideal para cada cliente, otimizando o valor do perdão, o pagamento inicial e o número de prestações. Esta recomendação é integrada no sistema usado pelos agentes de atendimento.

Contudo, um desafio significativo na construção do modelo foi a baixa variabilidade nos dados históricos de planos de pagamento, uma vez que a maioria tinha sido definida manualmente dentro de limites estreitos. Para ultrapassar essa limitação, foi implementado um Design of Experiments (DoE) — um processo de experimentação estruturado que introduziu, de forma aleatória, variações nas configurações dos planos de pagamento oferecidos, de modo seguro e controlado. Isto permitiu à empresa observar como diferentes condições impactam tanto a recuperação de dívida como o CEV, em diferentes segmentos de clientes. Explorando ativamente o espaço das configurações possíveis, o DoE permitiu treinar modelos mais robustos e com maior capacidade de generalização.

Como resultado, o modelo preditivo tornou-se uma base sólida para recomendar planos de pagamento personalizados, equilibrando dinamicamente a recuperação de curto prazo com o valor de longo prazo. O sistema aprende quais as combinações de condições que maximizam o CEV para diferentes perfis de cliente, orientando e capacitando os agentes a propor os planos mais eficazes, alinhando o seu desempenho com os objetivos estratégicos do negócio.

Esta solução transformou a cobrança de dívida num processo estratégico e orientado por dados. Ao substituir negociações generalistas por personalização analítica dos acordos, a empresa melhorou significativamente os resultados financeiros e a retenção de clientes. Só o impacto verificado na redução do churn e no aumento da lealdade gerou um acréscimo de cerca de 2% na receita anual. Outros ganhos resultaram de melhores taxas de recuperação e de uma menor variabilidade no desempenho dos agentes.

Em suma, a abordagem implementada não apenas melhorou a cobrança — mas impulsionou uma mudança estratégica para uma recuperação de valor centrada no cliente, transformando a gestão da dívida de uma função operacional para uma alavanca de crescimento, fidelização e rentabilidade. O novo indicador CEV teve também um papel fundamental enquanto objetivo comum entre departamentos, ajudando a alinhar as equipas de finanças, atendimento ao cliente e marketing. Ou seja, promoveu uma maior coordenação transversal, garantindo que toda a organização trabalha para um resultado equilibrado entre saúde financeira e experiência do cliente.

‍

‍