Yuri Fonseca, Co-fundador da Cashu, e Lúcio Rosa, Chief Data Officer e Sócio da Cashu, contam sobre a inteligência artificial utilizada na solução financeira Buy Now, Pay Later.
Os métodos tradicionais de vendas B2B não possuem uma abordagem baseada em dados e não fornecem recomendações de crédito estatisticamente relevantes e colaborativas no momento de fechar negócios ou no pós-venda. Esse modelo de vendas além de trazer resultados ruins, corrobora para altas taxas de inadimplência.
As novas abordagens, quando olhamos para as inovações no mercado B2B, têm se baseado em Inteligência artificial (IA) – também conhecida por machine learning (ML) – como suporte fim-a-fim do processo de vendas. Segundo o Gartner, pelo menos 7 em cada 10 organizações de vendas B2B utilizarão vendas baseadas em IA até 2025.
Não deixe para amanhã a venda que você pode impulsionar agora
Você não precisa esperar até 2025. A CashU, uma fintech de soluções financeiras para indústrias, distribuidores e marketplaces B2B, utiliza dados transacionais e soluções de machine learning para mais conversão de clientes novos, aumento dos limites de créditos de clientes existentes e flexibilização dos prazos de pagamento como o Buy Now, Pay Later, por exemplo.
O modelo de financiamento BNPL quando ofertado para o cliente, possibilita o pagamento para uma data futura e com opções de parcelamento moldados de acordo com a análise feita pela ferramenta de machine learning B2B.
A vantagem está na facilidade de pagamento para os clientes que gera mais conversão de vendas, um controle de inadimplência devido ao histórico já analisado pela IA e uma integração que disponibiliza todas as informações em tempo real.
Para o Machine Learning, quanto mais dados, melhor
Os dados transacionais dos clientes ou potenciais clientes são as principais fontes de dados. Alguns exemplos desse tipo de dados são: valor do crédito, limite de crédito, data de pagamento, data de emissão, data de processamento, data de vencimento, entre outros.
São utilizadas também bases alternativas como dados de protesto de dívida, receita federal, birôs, SCR (sistema de informações de créditos), Open Banking, dados cadastrais como verificação de endereços usando o Google Street View, páginas web das empresas via redes sociais e ferramentas como o Google My Business, e até análise de sócios para avaliar se a empresa não tem aberto outras empresas em nomes de familiares para ofuscar problemas financeiros.
Todos esses dados são utilizados para cruzamento de bases e informações que ajudam na detecção de discrepâncias, problemas e fraudes que são então tratadas para não enviesar a solução de machine learning.
Desafios pela frente
Seguindo a ideia de quanto mais dados melhor será para a solução de IA, a Cashu também quer usar conjuntos de dados minoritários e transformá-los em grandes populações de dados por meio do conceito de dados sintéticos e usar esses dados para treinar modelos de inteligência artificial baseadas em Redes Neurais em parceria com a empresa portuguesa YData.
Com todos os desafios associados à busca por novas fontes de dados, um mindset de quebra de silos entre as áreas de research, dados e produção somado ao direcionamento para as melhores práticas do mercado, o modelo de negócio da CashU tem se tornado um case inovador e diferenciado principalmente para os empresas com negócios B2B com vendas recorrentes.
A fintech quer e vem fazendo a parte mais difícil para o seu cliente: a tomada de decisão em tempo real estipulando e flexibilizando limites de crédito e prazos de pagamento com o Buy Now, Pay Later, para evitar interrupções na jornada de compra de seus clientes e aumentando conversões de vendas B2B de forma segura.
Conversão de vendas otimizada e inteligente
A solução de machine learning aprende e identifica quando o cliente é um bom pagador e melhores alternativas serão dadas a esse cliente. Para a empresa, temos, principalmente, uma conversão de vendas mais assertiva.
Vale destacar que todo o processo é facilmente escalável devido à infraestrutura em nuvem (Cloud), com disponibilidade de recursos sob demanda para toda carteira de clientes existentes ou novos.
O modelo de Machine Learning para quem quer entrar mais no “technês”
Para quem gosta de temas mais técnicos sobre IA e ML aplicado ao mercado de crédito, vale conhecer mais sobre o LightGBM. Comparado a outros modelos, o LightGBM é mais veloz no treinamento do modelo, consome menos memória, possui melhor precisão e acurácia, suporte para aprendizado paralelo e processamento rápido de dados massivos graças às técnicas de otimização GOSS e EFB.
A primeira técnica se preocupa em manter a fração mais contributiva das instâncias e uma subamostra aleatória entre as instâncias residuais para maior acurácia com o ganho de informações, enquanto a segunda técnica escaneia as features para encontrar grupos de características que nunca assumem valores diferentes de zero simultaneamente.
O método então agrega esses grupos de características nos chamados bundles, garantindo a conservação de suas propriedades estatísticas e resultados mais precisos.
