Cómo Segmentar Cartera Vencida por Comportamiento de Pago para Priorizar la Gestión

No toda la cartera vencida merece el mismo nivel de atención ni el mismo tipo de gestión. Una de las diferencias más grandes entre los equipos de cobranza que recuperan el 30% de su cartera y los que recuperan el 70% no está en cuántos agentes tienen ni en cuántas llamadas hacen: está en cómo segmentan y priorizan su trabajo. Gestionar a todos los deudores de la misma manera es el error más costoso que puede cometer un departamento de cobranza.

La segmentación por comportamiento de pago es la metodología que permite asignar recursos de forma inteligente, concentrando el esfuerzo en los segmentos con mayor probabilidad de recuperación y ajustando el canal, el tono y la frecuencia según el perfil de cada deudor. En este artículo te explicamos cómo implementarla de manera efectiva y cómo la automatización puede llevarla al siguiente nivel.

Por qué la segmentación tradicional ya no alcanza

Durante décadas, la segmentación de cartera vencida se basó en criterios simples: días de mora, monto adeudado y si el crédito era personal o comercial. Esos criterios siguen siendo útiles como punto de partida, pero son insuficientes para tomar decisiones de gestión verdaderamente inteligentes. Un cliente con 90 días de mora que siempre pagó a tiempo durante tres años no es equivalente a otro con el mismo atraso pero con un historial de pagos errático.

La diferencia entre ambos perfiles implica estrategias completamente distintas. El primero probablemente atraviesa una situación temporal y responde bien a una llamada empática con una propuesta de refinanciación. El segundo requiere una estrategia diferente, posiblemente más firme y con incentivos concretos para el pago inmediato. Sin segmentación por comportamiento, ambos reciben el mismo trato y el resultado es subóptimo para los dos.

Las variables clave del comportamiento de pago

Para construir una segmentación efectiva, es necesario analizar el historial de pagos de cada deudor y extraer variables que describan su patrón de comportamiento. Las más relevantes son las siguientes:

• Frecuencia de pagos puntuales: ¿Con qué frecuencia el cliente pagó en tiempo en los últimos 12-24 meses?
• Promedio de días de retraso histórico: Un cliente que siempre paga con 5 días de retraso tiene un perfil muy distinto al que oscila entre 0 y 60 días.
• Respuesta a gestión previa: ¿El cliente pagó tras recibir una llamada, un mensaje de texto o solo pagó por iniciativa propia?
• Cantidad de reestructuraciones previas: Un historial de múltiples refinanciaciones puede indicar dificultades estructurales.
• Monto promedio de pagos parciales: Algunos clientes pagan montos parciales de forma consistente, lo que indica voluntad de pago aunque no capacidad total.
• Canal de pago preferido: ¿Paga en sucursal, por transferencia, por app? Este dato impacta directamente en cómo se le debe comunicar la deuda.

Con estas variables construís una huella digital del comportamiento financiero de cada deudor, que luego usás para asignarlo a un segmento de gestión específico.

Los cuatro segmentos principales de comportamiento

Una segmentación práctica y accionable organiza la cartera vencida en cuatro grandes grupos basados en la combinación de comportamiento histórico y probabilidad de recuperación.

SegmentoPerfilEstrategia recomendadaCanal preferido

Alta recuperabilidadBuenos pagadores con mora recienteContacto temprano, propuesta empáticaLlamada o WhatsApp

Recuperabilidad mediaPagos irregulares, cierta voluntadNegociación flexible, cuotasLlamada + SMS

Baja recuperabilidadMúltiples moras, poca respuestaIncentivos agresivos, urgenciaLlamada intensa

Incobrable potencialSin respuesta, alto endeudamientoEvaluación castigo o venta de carteraCarta notarial

Cada segmento recibe una estrategia distinta en términos de canal, mensaje, frecuencia de contacto y autonomía para negociar. El segmento de alta recuperabilidad merece la mayor inversión de recursos porque tiene el mayor retorno esperado con el menor esfuerzo.

Cómo aplicar scoring para automatizar la priorización

Una vez definidos los segmentos, el siguiente paso es automatizar la clasificación para que opere en tiempo real y sin intervención manual. El scoring de cobranza asigna un puntaje a cada deudor basándose en las variables de comportamiento descritas anteriormente, combinadas con factores externos como variables socioeconómicas de su zona geográfica o comportamiento en otras instituciones si el dato está disponible.

Los modelos de scoring más efectivos usan aprendizaje automático entrenado sobre el historial de cobranza de la propia institución. Esto significa que el modelo aprende qué variables predicen mejor la probabilidad de pago en el contexto específico de tu empresa, no en un contexto genérico. Kleva incorpora este tipo de modelos en su plataforma, permitiendo que la priorización de la cartera se actualice automáticamente cada vez que un cliente realiza un pago, responde una llamada o ignora un mensaje.

Errores comunes en la segmentación de cartera

Muchos equipos intentan segmentar pero cometen errores que reducen la efectividad del proceso. El más frecuente es usar exclusivamente el criterio de antigüedad de la mora para priorizar, lo que lleva a gastar recursos en deudores irrecuperables mientras se descuidan casos fáciles de resolver. Otro error habitual es no actualizar la segmentación dinámicamente: una clasificación hecha en enero puede ser completamente incorrecta en marzo si el deudor realizó pagos parciales o respondió a gestiones previas.

También es un error tratar el scoring como una decisión binaria: pagar o no pagar. El comportamiento es un espectro y las estrategias deben reflejar esa gradualidad. Un cliente con score medio puede moverse hacia score alto con la propuesta correcta, y perderlo por una gestión agresiva es un costo real para la empresa.

El rol de la IA en la segmentación dinámica

La inteligencia artificial transforma la segmentación estática en un proceso continuo y adaptativo. En lugar de segmentar la cartera una vez al mes, los sistemas de IA revalúan cada cuenta en tiempo real a medida que ingresan nuevos datos. Si un deudor contestó el teléfono pero no aceptó el acuerdo propuesto, ese evento actualiza su score. Si realizó un pago parcial, sube de segmento automáticamente.

Kleva procesa más de 900,000 minutos mensuales de conversaciones de cobranza y retroalimenta continuamente sus modelos de segmentación con los resultados de cada interacción. Esto permite que la priorización de la cartera sea cada vez más precisa, reduciendo el costo operativo en un 15% respecto a sistemas de segmentación manual.

Además, la IA puede identificar patrones no intuitivos. Por ejemplo, deudores que contactan al equipo de cobranza por iniciativa propia pero no pagan inmediatamente tienen una probabilidad de recuperación mucho mayor que los que no responden a ningún intento de contacto. Sin análisis automatizado de grandes volúmenes de datos, este tipo de insight se perdería.

Cómo implementar la segmentación paso a paso

Para implementar una segmentación por comportamiento de pago en tu empresa, podés seguir estos pasos ordenados:

• Paso 1: Extraé el historial de pagos de los últimos 24 meses para toda la cartera vencida activa.
• Paso 2: Calculá las variables de comportamiento para cada cuenta (frecuencia de pago, días promedio de retraso, respuesta a gestión).
• Paso 3: Definí los umbrales de cada segmento basándote en el análisis de distribución de esas variables.
• Paso 4: Asigná estrategias específicas a cada segmento: canal, mensaje, frecuencia, autonomía de negociación.
• Paso 5: Implementá un sistema de actualización periódica de la segmentación, idealmente en tiempo real o al menos semanal.
• Paso 6: Medí los resultados por segmento y ajustá los umbrales según el rendimiento observado.

Resultados de una segmentación bien ejecutada

Las empresas que implementan segmentación por comportamiento de pago reportan mejoras significativas en sus indicadores de cobranza. La tasa de contacto efectivo sube porque los agentes llaman en el momento y por el canal más adecuado para cada deudor. La tasa de acuerdos de pago aumenta porque las propuestas están calibradas según la capacidad y voluntad de pago de cada segmento. Y los costos bajan porque se eliminan los intentos de cobro sobre cuentas con baja probabilidad de recuperación.

Con la plataforma de Kleva, empresas en LATAM han alcanzado una tasa de éxito del 73% en su gestión de cobranza, con más de $5 millones de dólares recuperados. Estos resultados son posibles cuando la segmentación deja de ser una tarea manual mensual y se convierte en un proceso automatizado y continuo que alimenta directamente la estrategia de cada cuenta.

Si tu equipo todavía gestiona la cartera vencida como un bloque homogéneo, estás dejando dinero sobre la mesa. La segmentación por comportamiento es el primer paso hacia una cobranza verdaderamente inteligente.