SegmantiA convierte los datos de su cartera en estrategias de cobranza precisas, personalizadas y regulatoriamente blindadas. Analytics de clase mundial, contexto chileno profundo.
Chile tiene 3,97 millones de personas con deudas impagas y US$10,7 billones en mora. Sin embargo, la gran mayoría de las operaciones de cobranza sigue usando estrategias homogéneas aplicadas a universos de deudores completamente distintos.
La analítica avanzada cambia ese paradigma. Con los datos correctos, los modelos correctos y la ejecución correcta, cada acción de cobranza puede ser la acción óptima para cada deudor específico, en el canal adecuado, en el momento preciso, dentro del marco regulatorio.
Cada solución es poderosa por sí sola. Juntas, transforman la operación de cobranza de extremo a extremo — desde la segmentación del deudor hasta la provisión IFRS 9.
Hay muchas firmas que pueden construirle un modelo de ML. Lo que pocas pueden hacer es construir ese modelo entendiendo que el 73% de sus morosos permanentes tiene un comportamiento de pago completamente distinto al 7% de nuevos morosos — y que esa diferencia cambia todo.
Nuestros fundadores han dirigido operaciones de cobranza en los bancos más grandes de Chile. Conocen las restricciones reales del DS N°27, los ciclos de cierre contable, la presión de los targets de mora, y los sistemas FICO que sus equipos operan.
Eso cambia la calidad de los modelos que construimos — y la velocidad con que los implementamos.
Tenemos la formación técnica para construir los modelos. Tenemos el historial ejecutivo para entender qué problema resuelven. Y tenemos la experiencia regulatoria chilena para que funcionen en producción sin multas.
Desde identificar quién puede pagar y cuándo, hasta calcular cuánto debe provisionar — un ecosistema analítico integrado que transforma cada dimensión de la operación de cobranza.
Auditoría de calidad de datos, caso de negocio cuantificado con sus propios números y roadmap de implementación. Primera reunión sin costo, sin compromiso.
Clusters por comportamiento real de pago, canal preferido y capacidad económica. La base de toda estrategia de cobranza efectiva y personalizada.
El 73% de los morosos son permanentes (+12 meses), el 20% son intermitentes y el 7% son nuevos morosos con alta propensión de pago. Tratar a los tres grupos con la misma estrategia desperdicia recursos en los dos primeros y pierde al tercero.
Nuestros clusters van más allá de los días de atraso: incorporan historial de comportamiento, capacidad económica inferida, canal de respuesta preferido y horarios de contacto efectivo — creando perfiles accionables para cada segmento.
| Palanca | Impacto típico |
|---|---|
| Tasa de contacto efectivo | +18–25% |
| Costo por gestión | -20% |
| Recuperación primeros 60 días | +12% |
| Productividad de agentes | +30% |
Segmentación no supervisada sobre variables RFM de mora, historial de pagos y canales preferidos. Clusters actualizados con cada ciclo de datos.
Clasificación supervisada de propensión al pago por cluster, con variables conductuales y de capacidad económica inferida.
Monitoreo continuo de drift estadístico por segmento. Alertas y re-entrenamiento automático cuando el comportamiento cambia significativamente.
Registro automático de actuaciones por segmento conforme al Reglamento 2023. Auditable por SERNAC en todo momento.
Canal correcto · deudor correcto · momento óptimo · dentro del marco regulatorio. 30% más promesas de pago, 40% menos gestiones innecesarias.
El motor NBA combina el perfil del deudor (cluster + historial + scoring), las reglas de negocio y los límites regulatorios del DS N°27 para producir la acción óptima en cada momento: qué canal, qué horario, qué oferta y qué tono.
Usa Multi-arm Bandits para selección dinámica de estrategias y Reinforcement Learning para optimización a largo plazo. Se adapta automáticamente a medida que acumula datos de respuesta.
| Palanca | Impacto típico |
|---|---|
| Promesas de pago | +30% |
| Gestiones innecesarias | -40% |
| Costo por acuerdo firmado | -25% |
| Cumplimiento DS N°27 | 100% automático |
Llamada, SMS, WhatsApp, email o visita según el modelo de respuesta histórica del deudor. Máxima efectividad al menor costo.
Día y hora de mayor P(contacto efectivo) estimado por cluster. Respeta los horarios legales del DS N°27 automáticamente.
Monto de cuota, plazo y descuento adaptados al perfil de capacidad de pago y propensión de aceptación del deudor.
Cada acción queda registrada con timestamp, canal y resultado. Trazabilidad completa para auditorías SERNAC.
¿Cuánto vale esta cuenta en VPN esperado? ¿Cuál es el descuento máximo que maximiza el recupero neto? Respondemos con modelos actuariales y financieros.
Curvas de recupero por antigüedad, producto, segmento y garantías. P(recupero) en 30/60/90/180 días para cada cuenta.
Descuento máximo = f(recuperabilidad, costo capital, costo gestión). Maximiza VPN esperado respetando política IFRS 9.
El modelo identifica la ventana de tiempo donde el descuento produce el mayor retorno ajustado por costo. Típicamente días 31–60.
Pipeline automático con el modelo IFRS 9. Las curvas de recupero alimentan directamente los cálculos de LGD y ECL.
| Palanca | Impacto típico |
|---|---|
| VPN cartera castigada | +15% |
| Descuentos innecesarios evitados | -25% |
| Integración con IFRS 9 | Automática |
Maximiza el recupero neto decidiendo con datos cuándo y qué cuentas escalar a cobranza judicial. -30% costo legal total, +20% recupero neto.
Alta/baja recuperabilidad vs. alto/bajo costo legal → cuatro cuadrantes de acción: judicializar, negociar, evaluar, no judicializar.
Monto, garantías, tiempo en mora, historial judicial, P(recupero), costo legal estimado, tiempo esperado de juicio, segmento cliente.
Portfolio judicial ordenado por VPN esperado neto de costos. Actualización diaria con nuevos datos de mora y recupero.
API para comunicar acciones de judicialización. Seguimiento de estado y costos reales vs. estimados en tiempo real.
| Palanca | Impacto típico |
|---|---|
| Recupero neto cartera judicial | +20% |
| Costo legal total | -30% |
| Tiempo promedio de resolución | -15% |
Cierre intrames por producto con error < 2%. Tarjetas, líneas de crédito e hipotecario modelados con metodologías específicas para cada ciclo.
SARIMA/Prophet captura estacionalidad. XGBoost modela no-linealidades. LSTM captura dependencias temporales largas. Ensemble final optimizado.
IPC, empleo, UF, tasas de interés desde BCCh e INE. Actualización automática. Los modelos se re-estiman con cada dato nuevo.
Pipeline automático que re-estima el cierre de mes cada día hábil. Alertas push cuando el desvío vs. presupuesto supera umbrales.
Modelos separados para Tarjetas, Líneas de Crédito e Hipotecario, respetando los distintos ciclos y drivers de mora de cada producto.
| Métrica | Valor |
|---|---|
| Error de cierre de mes (MAPE) | < 2% |
| Reducción provisión excedente* | +6.800 UF/año |
| Anticipación de desvíos | 7–10 días hábiles |
| *En cartera piloto de UF 500.000 | |
PD · LGD · EAD · ECL Stage 1/2/3 bajo escenarios macro. Código documentado, backtesting completo y reportería auditable para CMF.
Logit/XGBoost sobre variables bureau + conductuales. Horizonte 12m y lifetime. Backtesting y validación cruzada con al menos 3 ciclos de mora.
Beta regression sobre recuperos históricos. Ajuste por garantía, colateral y canal de recupero. Actualización periódica con datos reales.
CCF para líneas y tarjetas. Amortización proyectada para hipotecario. ECL = PD × LGD × EAD × FWI ponderado por 3 escenarios macro.
Código fuente Python/R documentado, reportes CMF en formato vigente, validación regulatoria y soporte para la revisión de la superintendencia.
| Entregable | Descripción |
|---|---|
| Código fuente completo | Python/R documentado y auditable |
| Backtesting | Mínimo 3 ciclos históricos de mora |
| Reportes CMF | Formato y frecuencia según normativa vigente |
| Integración forecast | Pipeline con modelo de morosidad intrames |
| Soporte post-implementación | Re-calibración anual incluida |
Cuéntenos su situación — mora creciente, baja contactabilidad, presión regulatoria, provisiones excesivas — y le mostramos con sus propios datos cuánto vale la oportunidad.
Diagnóstico de sus datos + caso de negocio cuantificado. Primera reunión sin costo.
SegmantiA SpA, con domicilio en Santiago de Chile, es responsable del tratamiento de los datos personales recopilados a través de segmantia.com. Contacto: [email protected]
Las cookies son pequeños archivos de texto almacenados en su dispositivo cuando visita un sitio web. Nos permiten recordar sus preferencias, analizar el uso del sitio y mejorar su experiencia.
No utilizamos cookies de publicidad ni de seguimiento de terceros.
El tratamiento se basa en la Ley N° 19.628 sobre Protección de la Vida Privada (Chile). Para cookies no esenciales, la base legal es su consentimiento expreso.
Esta información se usa exclusivamente para responder su consulta y no se comparte con terceros, salvo requerimiento legal.
Puede aceptar o rechazar las cookies no esenciales mediante el banner al ingresar al sitio, o configurando su navegador (Chrome: Configuración > Privacidad; Firefox: Opciones > Privacidad y Seguridad; Safari: Preferencias > Privacidad).
De acuerdo con la legislación chilena, tiene derecho a acceder, rectificar, cancelar y oponerse al tratamiento de sus datos. Contáctenos en [email protected].
Los datos del formulario de contacto se conservan por un máximo de 24 meses desde la última interacción, salvo relación contractual vigente.
SegmantiA se reserva el derecho de modificar esta política. Los cambios se publicarán en esta misma página con la fecha de actualización.
Consultas sobre privacidad: [email protected]
Usamos cookies para mejorar su experiencia. Sin publicidad ni seguimiento de terceros. Más información