Skip to main contentAI meets behavioral economics: How machines find the right tone - EOS Global Collection
Artificial intelligence and behavioral economics: Data with soul
Behavioral scientists know that people don’t always make decisions rationally, but they are often predictable if you know what makes them tick. Companies are now using these insights in AI systems. What does that mean for business?
Using artificial intelligence, companies can apply insights from behavioral economics to customer communication.
Although AI technologies are already being used in the debt collection and insurance sectors they are still in their infancy.
Every day, we make conscious or unconscious decisions. Behavioral economics tries to explain how and why we do something. Companies that understand the patterns of their customers’ behavior gain a lot of benefits. Although people generally do not act rationally but illogically or emotionally, experiments from behavioral economics teach us that decisions do follow clear patterns and are absolutely predictable. Using AI, these insights can be analyzed and in the debt collection segment, applied systematically to defaulting payers, for example.
AI research: Achieving objectives by appealing to morality and ethics.
Here’s an example: Are defaulting payers more likely to be persuaded to pay by appealing to their morality and ethics rather than sending them a no-nonsense reminder letter? This is precisely what was tested by an Indonesian bank in a field study. The researchers sent defaulting credit card customers a reminder letter one day after the payment deadline. Before the expiry of a further grace period, the customers from the test group received another letter. However, this letter contained an Islamic saying about the immorality of not paying your debts if you are able to do so. The results indicated that appealing to morals increased the repayment rate by 20 percent. At the same time, a control group was sent a normal letter to which there was no response. The researchers also found that consumers responded more strongly to an appeal to their morals than to a proposed reduction in repayment installments, for example.
We have to offer defaulting payers the prospect of a solution.
Jörg Schweda, Managing Director at EOS Deutscher Inkasso-Dienst
Artificial intelligence knows which communication channel will work.
To address defaulting payers in the most efficient way, companies have to approach them differently. One option is to combine digital communication channels with proven approaches from behavioral science and a data-driven algorithm. Using a fully automated approach tailored to the specific consumer will ultimately be more successful. The company evaluates the situation at the level of the individual and in doing so achieves higher repayment rates. “It is important for debt collection companies to encourage people to settle their debts,” explains Jörg Schweda, Managing Director at EOS Deutscher Inkasso-Dienst. “We have to offer defaulting payers the prospect of a solution.”
A developing technology with good future prospects.
The example of “InsurTechs” shows how complicated it is to combine behavioral science and data-powered algorithms. Online insurers like Lemonade or Oscar market themselves on the basis that they pay out insured amounts quickly in the event of a claim thanks to artificial intelligence (AI) and clever algorithms. The underlying idea is certainly consumer-friendly, as customers can take out the insurance cheaply with just a few clicks on the app or website. The process of obtaining insurance runs almost completely via AI bots. Supposedly, any claims are settled in just a few seconds, and this includes checking, decision-making and payout. But who knows whether insurance fraud isn’t involved in some cases? “One of the things that we still haven’t sorted out is our loss ratio, which is still in the red and about 60 percent higher than we would like,” Lemonade founder Shai Wininger explains in his blog.
Human-machine interaction.
Human-machine interaction is regarded as the key factor in staying ahead of the competition. The availability of huge volumes of data allows self-learning algorithms to massively improve the accuracy of their predictions. Given the right data, AI systems can then automate and scale up. However this is only possible if the tools from the behavioral economics toolbox are used in a targeted way. AI needs to be integrated to an even greater extent into the consumer environment with all its emotional responses, specific needs and consumption motives. Ideally, companies will then generate “data with soul”.
Photo credits: E+ / Getty Images, EOS
Χρησιμοποιούμε cookies για να σας προσφέρουμε την καλύτερη δυνατή εμπειρία επίσκεψης στον ιστότοπό μας. Σε αυτά περιλαμβάνονται cookies που είναι απαραίτητα για τη λειτουργία του ιστότοπου, cookies ανώνυμης στατιστικής ανάλυσης , cookies για ρυθμίσεις άνεσης και cookies που χρησιμοποιούνται για να σας προβάλουν εξατομικευμένο περιεχόμενο βάσει των ενδιαφερόντων σας. Μπορείτε να αποφασίσετε εάν επιθυμείτε να επιτρέψετε τη χρήση των cookies για στατιστικούς σκοπούς, για σκοπούς άνεσης και για σκοπούς μάρκετινγκ. Επιπλέον, μπορείτε ανά πάσα στιγμή να αλλάξετε τις ρυθμίσεις/αποσύρετε τη συγκατάθεσή σας κάνοντας κλικ στις Ρυθμίσεις Cookies στο κάτω μέρος του ιστότοπου. Περισσότερες πληροφορίες μπορείτε να βρείτε στην Πολιτική απορρήτου και Στοιχεία εταιρείας μας.
Απαραίτητα
Χρησιμοποιούμε απαραίτητα cookies, Αυτά είναι τα cookies που είναι απαραίτητα για τις βασικές λειτουργίες και την ασφαλή χρήση τού ιστοτόπου μας..
Μπορείτε να διαβάσετε ποια είναι τα απαραίτητα cookies που χρησιμοποιούμε εδώ.
Όνομα εργαλείου
Cookieconsent_status
Πάροχος εργαλείου
EOS Holding GmbH
Έδρα παρόχου εργαλείου
Steindamm 71, 20099 Hamburg, Γερμανία
Περιγραφή εργαλείου
Απαραίτητο cookie για την αποθήκευση των καταχωρίσεων του μπάνερ συγκατάθεσης.
Δεδομένα που υποβάλλονται σε επεξεργασία
Κανένα
Σκοπός της επεξεργασίας δεδομένων
Αποθήκευση συγκατάθεσης
Διάρκεια διατήρησης δεδομένων
60 ημέρες
Όνομα εργαλείου
Java Session Cookie
Πάροχος εργαλείου
EOS Holding GmbH
Έδρα παρόχου εργαλείου
Steindamm 71, 20099 Hamburg, Γερμανία
Περιγραφή εργαλείου
Τυχαία παραγόμενος αριθμός περιόδου λειτουργίας που είναι απαραίτητος για την ορθή λειτουργία του λογισμικού εφαρμογής.
Δεδομένα που υποβάλλονται σε επεξεργασία
Κανένα
Σκοπός της επεξεργασίας δεδομένων
Βέλτιστη λειτουργία του ιστότοπου
Διάρκεια διατήρησης δεδομένων
Cookie περιόδου λειτουργίας - διαγράφεται μόλις κλείσετε το πρόγραμμα περιήγησής σας.
Άνεσης
Εάν επιτρέπετε cookies άνεσης, μπορούμε να κάνουμε τη χρήση του ιστοτόπου μας ευκολότερη για εσάς. Όταν επισκεφθείτε ξανά τον ιστότοπό μας για να χρησιμοποιήσετε τις υπηρεσίες μας, θα αναγνωριστεί αυτόματα ότι μας έχετε ήδη επισκεφτεί και οι καταχωρίσεις και οι ρυθμίσεις που κάνατε θα αναγνωρίζονται αυτόματα, ώστε να μην χρειάζεται να τις εισάγετε ξανά.
Μπορείτε να διαβάσετε ποια είναι τα απαραίτητα cookies που χρησιμοποιούμε εδώ.
Όνομα εργαλείου
Visitor
Πάροχος εργαλείου
EOS Holding GmbH
Έδρα παρόχου εργαλείου
Steindamm 71, 20099 Hamburg, Γερμανία
Περιγραφή εργαλείου
Απαραίτητο cookie για την αποθήκευση των καταχωρίσεων του μπάνερ συγκατάθεσης.
Δεδομένα που υποβάλλονται σε επεξεργασία
Κανένα
Σκοπός της επεξεργασίας δεδομένων
Βελτιστοποίηση, βελτίωση των υπηρεσιών
Διάρκεια διατήρησης δεδομένων
Cookie περιόδου λειτουργίας - διαγράφεται μόλις κλείσετε το πρόγραμμα περιήγησής σας.
Όνομα εργαλείου
NEW_Visitor
Πάροχος εργαλείου
EOS Holding GmbH
Έδρα παρόχου εργαλείου
Steindamm 71, 20099 Hamburg, Γερμανία
Περιγραφή εργαλείου
Χρησιμοποιούμε αυτό το cookie για να κάνουμε ευκολότερη τη χρήση αυτού του ιστότοπου από εσάς.
Δεδομένα που υποβάλλονται σε επεξεργασία
Κανένα
Σκοπός της επεξεργασίας δεδομένων
Βελτιστοποίηση, βελτίωση των υπηρεσιών
Διάρκεια διατήρησης δεδομένων
1 ημέρα
Στατιστικά
Χρησιμοποιούμε στατιστικά cookies για να βελτιώσουμε τις υπηρεσίες μας και να διασφαλίσουμε μια σχεδίαση βασισμένη στις ανάγκες και τη συνεχή βελτιστοποίηση του ιστότοπού μας.
Για αυτό, συλλέγουμε ανώνυμα δεδομένα για στατιστικούς σκοπούς και αναλύσεις, για παράδειγμα, για να προσδιορίσουμε την επισκεψιμότητα του ιστότοπου και τη συμπεριφορά των χρηστών και να προσαρμόσουμε και να βελτιώσουμε το περιεχόμενο και την εμπειρία στον ιστότοπό μας.
Μπορείτε να διαβάσετε ποια είναι τα απαραίτητα cookies που χρησιμοποιούμε εδώ.
Όνομα εργαλείου
nmstat
Πάροχος εργαλείου
Siteimprove GmbH
Έδρα παρόχου εργαλείου
Rosenheimer Str. 143 C, 81671 München, Γερμανία
Περιγραφή εργαλείου
Αυτό το cookie περιέχει μια συμβολοσειρά αναγνωριστικού για την τρέχουσα περίοδο λειτουργίας. Περιέχει πληροφορίες μη προσωπικού χαρακτήρα σχετικά με τις υποσελίδες τις οποίες επισκέπτεται ο χρήστης – οι πληροφορίες αυτές χρησιμοποιούνται για τη βελτιστοποίηση της εμπειρίας του χρήστη.
Δεδομένα που υποβάλλονται σε επεξεργασία
Κανένα
Σκοπός της επεξεργασίας δεδομένων
Ανάλυση, στατιστικά στοιχεία
Διάρκεια διατήρησης δεδομένων
399 ημέρες
Όνομα εργαλείου
AWSELB
Πάροχος εργαλείου
Siteimprove GmbH
Έδρα παρόχου εργαλείου
Rosenheimer Str. 143 C, 81671 München, Γερμανία
Περιγραφή εργαλείου
Το cookie διασφαλίζει ότι συλλέγονται μαζί όλα τα στατιστικά στοιχεία από την ίδια περίοδο λειτουργίας.
Δεδομένα που υποβάλλονται σε επεξεργασία
Κανένα
Σκοπός της επεξεργασίας δεδομένων
Ανάλυση, στατιστικά στοιχεία
Διάρκεια διατήρησης δεδομένων
Τέλος περιόδου λειτουργίας
Όνομα εργαλείου
siteimproveses
Πάροχος εργαλείου
Siteimprove GmbH
Έδρα παρόχου εργαλείου
Rosenheimer Str. 143 C, 81671 München, Γερμανία
Περιγραφή εργαλείου
Αυτό το cookie χρησιμοποιείται για την παρακολούθηση της αλληλουχίας των σελίδων τις οποίες προβάλλει ένας επισκέπτης κατά τη διάρκεια της επίσκεψής του στον ιστότοπο.
Δεδομένα που υποβάλλονται σε επεξεργασία
Κανένα
Σκοπός της επεξεργασίας δεδομένων
Ανάλυση, στατιστικά στοιχεία ιστότοπου
Διάρκεια διατήρησης δεδομένων
Cookie περιόδου λειτουργίας - διαγράφεται μόλις κλείσετε το πρόγραμμα περιήγησής σας.
Μάρκετινγκ
Χρησιμοποιούμε cookies μάρκετινγκ, ώστε να μπορούμε να σας παρέχουμε περιεχόμενο ανάλογα με τα ενδιαφέροντά σας όταν επισκέπτεστε τον ιστότοπό μας.
Μπορείτε να διαβάσετε ποια είναι τα απαραίτητα cookies που χρησιμοποιούμε εδώ.
Όνομα εργαλείου
Facebook Pixel
Πάροχος εργαλείου
Meta Platforms Ireland Limited
Έδρα παρόχου εργαλείου
4 Grand Canal Square, Grand Canal Harbour, Dublin, D02, Ιρλανδία
Περιγραφή εργαλείου
Χρησιμοποιείται από τη Meta για την προβολή διαφημίσεων, τη μέτρηση και τη βελτίωση της συνάφειας των διαφημίσεων και την προσφορά διαφημιστικών προϊόντων από τη Meta.
Δεδομένα που υποβάλλονται σε επεξεργασία
Προβολή διαφημίσεων | Επισκεπτόμενες σελίδες | Πληροφορίες προγράμματος περιήγησης | Πληροφορίες cookie στο Facebook | Αναγνωριστικό χρήστη στο Facebook | Γεωγραφική τοποθεσία | Πληροφορίες συσκευής | Κεφαλίδες HTTP | Αλληλεπιδράσεις με διαφημίσεις, υπηρεσίες και προϊόντα | Διεύθυνση IP | Πληροφορίες μάρκετινγκ | Δεδομένα και συμπεριφορά χρήσης | Αναγνωριστικό pixel | URL παραπομπής | Παράγοντας χρήστη
Αυτό το cookie χρησιμοποιείται για τη λήψη ανωνυμοποιημένων αναφορών σχετικά με τους χρήστες του ιστότοπου και τη δυνατότητα στοχευμένης διαφήμισης, συμπεριλαμβανομένου του retargeting.