Künstliche Intelligenz zur Optimierung von Leasingverkäufen
Entdecken Sie, wie die KI-gestützte Lösung das Wachstum im Leasingsektor vorantreiben kann. Erfahren Sie, wie wir einer Leasinggesellschaft geholfen haben, die Nachfrage vorherzusagen, vielversprechende Kunden zu identifizieren und die Transaktionsgrößen zu steigern — bei gleichzeitiger Gewährleistung von Datensicherheit und nahtloser Integration.
Der Leasingmarkt wächst langsamer, und für Leasinggesellschaften wird es immer schwieriger, durch die Gewinnung neuer Kunden schnell zu expandieren. Gleichzeitig steigt das Interesse an Lösungen, die den Leasingbedarf potenzieller Kunden zuverlässig prognostizieren – ein Bereich, in dem KI eine entscheidende Rolle spielt.
Vor Kurzem haben wir ein Projekt abgeschlossen, bei dem ein KI-gestütztes System zur Vorhersage der Leasingnachfrage für eine Leasinggesellschaft entwickelt wurde. Diese Lösung, die auf der ValueXI-Plattform basiert, hilft dabei, Kontakte zu identifizieren, die bereit für Folgeabschlüsse sind, den passenden Leasingprodukttyp vorherzusagen und neue potenzielle Kunden zu erkennen. Seit der Einführung konnte unser Kunde die Kommunikation mit seinen Kunden effizienter gestalten, die Provisionskosten für Vertriebsteams reduzieren und die durchschnittliche Vertragsgröße steigern.
So funktioniert das System
Das Team von WaveAccess hat historische Daten analysiert und ein Machine-Learning-Modell entwickelt, das Kontakte mit hoher Abschlusswahrscheinlichkeit identifiziert und priorisiert. Ein wesentlicher Vorteil: Die Lösung wird vollständig innerhalb der IT-Infrastruktur des Kunden betrieben. Dadurch bleibt die vollständige Kontrolle und Sicherheit über die Daten gewährleistet.
Die ValueXI-Plattform überzeugt durch ihre Flexibilität. Sie ist unabhängig von der Umgebung einsetzbar und unterstützt sowohl Cloud- als auch On-Premise-Implementierungen. Zudem ermöglicht sie die nahtlose Integration von Drittanbieterdiensten.
Ein weiteres Modell innerhalb der Lösung prognostiziert die am besten geeigneten Leasingprodukte, z. B. Pkw, Nutzfahrzeuge oder Spezialmaschinen. Zusätzlich identifiziert ein KI-Modell Unternehmen, die bisher keine Leasingverträge abgeschlossen haben, aber voraussichtlich Bedarf an solchen Dienstleistungen haben. Diese werden in einer Liste potenzieller Kunden zusammengefasst, die für gezielte Ansprache und personalisierte Angebote genutzt wird.
Das System erstellt seine Vorhersagen automatisch, indem es monatlich Daten aus öffentlichen Quellen sowie aus Gegenparteiverifizierungssystemen für neue Kunden sammelt. Leasing-Spezialisten haben zudem die Möglichkeit, spezifische Datensätze manuell hochzuladen, um individuelle Analysen durchzuführen.
Ergebnisse
Das KI-Modell verarbeitet jeden Monat eine Datenbank mit über 400.000 Kunden und mehreren tausend neuen Verträgen. In einem aktuellen Testlauf prognostizierte das System bei 14.197 Kontakten ein Interesse an Folgeabschlüssen. Davon wurden 3.240 Kontakte als qualifizierte Leads eingestuft, und die Vertriebsmitarbeiter schlossen mit 15,5 % dieser Leads erfolgreich Verträge ab.
Bemerkenswert ist auch, dass fast 50% der vom Modell vorgeschlagenen Unternehmen später Verträge mit anderen Leasinganbietern abschlossen, was die hohe Genauigkeit der Vorhersagen bestätigt. Durch die rechtzeitige Ansprache vielversprechender Kontakte verdoppelte sich die Erfolgsquote bei Kaltakquise-Anrufen. Gleichzeitig konnte unser Kunde seine Upselling-Ergebnisse verbessern und die durchschnittliche Vertragsgröße erhöhen. Die Nutzung der ValueXI-Plattform beschleunigte zudem die Integration der KI-Funktionen in die bestehenden Prozesse um 40%.
Perspektiven
Die enge Zusammenarbeit zwischen dem internen R&D-Team unseres Kunden und WaveAccess war entscheidend für die erfolgreiche Bewertung der Projektergebnisse. Mittlerweile werden die KI-Funktionen des Unternehmens kontinuierlich ausgebaut — und zwar nicht nur im Bereich Leasingverkäufe. Zukünftige Anwendungsfelder umfassen unter anderem die Risikoprofilierung von Kunden sowie die Weiterentwicklung von Kommunikationswerkzeugen.
