Cobrança inteligente: por que a ordem da lista importa mais que o tom da ligação

Pergunte a qualquer gestor como funciona a cobrança na empresa dele. A resposta quase sempre é a mesma: "Ligamos para todo mundo que está devendo, começando pelo mais antigo." Ou: "Treinamos a equipe para ser firme mas educada." Ou ainda: "Mandamos mensagem automática e depois ligamos."

Nenhuma dessas respostas está errada. Mas todas ignoram o fator que mais impacta a recuperação: a ordem em que você cobra.

O problema não é como cobrar — é quem cobrar primeiro

Em uma associação de proteção veicular com 3.000 membros que analisamos, descobrimos algo que surpreendeu o próprio gestor. O plano Rubi, vendido majoritariamente na região Sudeste, tinha uma taxa de inadimplência de 21,3% — quase três vezes a média geral da associação, que era de 7,7%.

Isso significa que, se a equipe de cobrança estava ligando para todos os inadimplentes na mesma ordem (por data de vencimento, por exemplo), ela estava gastando o mesmo tempo com um associado do plano Rubi do Sudeste — que tem alta probabilidade de não pagar — e com um associado de outro plano e região que provavelmente pagaria com um simples lembrete.

Segmentação: a base da cobrança inteligente

A ideia por trás da cobrança inteligente é simples: nem todo inadimplente é igual. Alguns vão pagar sozinhos. Outros precisam de um lembrete. Outros precisam de renegociação. E outros não vão pagar de jeito nenhum.

O segredo é identificar em qual grupo cada cliente está antes de decidir como e quando cobrar. Os fatores que mais importam, segundo os dados:

1. Histórico de atrasos: primeiro atraso tem 97,8% de recuperação. Segundo atraso, 28%. A diferença é abismal.
2. Plano e região: combinações específicas de plano e região têm inadimplência até 3x maior que a média. Ignorar isso é desperdiçar recurso.
3. Tempo de atraso: a janela de recuperação mais eficaz é nos primeiros 15 dias. Depois disso, cada dia reduz a probabilidade de pagamento.
4. Valor da mensalidade: inadimplentes de tickets mais altos justificam contato direto. Tickets baixos podem ser tratados com automação.

O que a pesquisa diz

Um estudo publicado na McKinsey sobre a digitalização de cobranças mostra que empresas que adotam abordagens baseadas em dados — priorizando quem cobrar e por qual canal — conseguem resultados significativamente melhores do que empresas que simplesmente aumentam o volume de contatos. O ponto central: mais ligações não significam mais recuperação. Ligações certas, para as pessoas certas, no momento certo, sim.

Outra pesquisa recente, publicada em 2024 na revista Expert Systems with Applications, propõe o uso de sistemas de recomendação flexíveis para estratégias de cobrança. A ideia é que, assim como a Netflix recomenda filmes diferentes para cada pessoa, o sistema de cobrança deveria recomendar abordagens diferentes para cada perfil de inadimplente — e os resultados mostram que estratégias personalizadas aumentam a recuperação de forma consistente.

Na prática: como reordenar sua lista

Você não precisa de inteligência artificial para começar. Uma segmentação básica já faz diferença:

1. Grupo 1 — Alta prioridade: primeiro atraso, primeiros 15 dias, ticket acima de R$ 200. Lembrete rápido (WhatsApp, SMS). Taxa de recuperação esperada: acima de 90%.
2. Grupo 2 — Prioridade média: primeiro atraso, 15-30 dias, qualquer ticket. Contato telefônico. Taxa esperada: 60-80%.
3. Grupo 3 — Atenção especial: segundo atraso ou plano/região de alto risco (como Rubi no Sudeste). Contato direto com proposta de renegociação. Taxa esperada: 20-40%.
4. Grupo 4 — Baixa prioridade: terceiro atraso ou mais. Avaliar se vale o esforço individual ou se é caso de cobrança automatizada em massa.

O erro mais comum

O erro mais comum que vemos em PMEs é investir em treinamento de equipe de cobrança sem antes resolver a priorização. Não importa se o cobrador é educado, firme, empático ou persuasivo — se ele está ligando para a pessoa errada no momento errado, o resultado será o mesmo.

Antes de melhorar o "como", melhore o "quem" e o "quando". Os dados mostram que essa mudança sozinha pode aumentar a taxa de recuperação em 15 a 30 pontos percentuais, sem nenhum custo adicional.

Referências

• McKinsey & Company. "Going digital in collections to improve resilience against credit losses". McKinsey Insights.
• Expert Systems with Applications (2024). "Flexible Recommender System for Debt Collection." Estratégias personalizadas de cobrança baseadas em sistemas de recomendação.