Concept & Ontwikkeling | Weersafhankelijk Predictive Scoring Model
Gebouwd door Arjen Houweling, AI & ML-specialist
Een heldere uitleg over de verrassende logica achter een weersafhankelijk voorspelmodel voor betaalgedrag.
Als je denkt aan openstaande rekeningen, denk je waarschijnlijk aan je portemonnee, de hoogte van het bedrag of de herinneringsbrief. Maar wist je dat de zon, de regen en zelfs extreme storm achter de schermen ook een flinke vinger in de pap hebben?
Het klinkt misschien als sciencefiction, maar we hebben een computermodel getraind dat naar historische betalingen én het weer van die specifieke dagen heeft gekeken. Wat blijkt? Er zijn patronen te ontdekken die ons helpen te voorspellen wanneer iemand sneller geneigd is om in actie te komen. Hieronder leggen we de drie belangrijkste principes uit in gewone mensentaal.
Mensen zijn biologische wezens. Als de zon schijnt en het lekker warm is, maakt ons lichaam gelukshormonen aan. We zijn optimistischer, ervaren minder stress en hebben letterlijk meer energie. Dit heeft een directe invloed op hoe we tegen 'verplichte taken' aankijken.
In plaats van een vervelende rekening voor ons uit te schuiven, hebben we op een zonnige dag sneller de instelling: "Laat ik dit meteen even snel regelen, dan ben ik er vanaf!" De drempel om actie te ondernemen is lager als we ons goed voelen.
Als het buiten pijpenstelen regent, stormt of ijskoud is, veranderen onze dagelijkse routines. We gaan minder snel de deur uit voor een wandeling of een terrasje en brengen veel meer tijd binnenshuis door — vaak op de bank met een telefoon, tablet of laptop binnen handbereik.
Omdat we op die momenten toch al online zijn (bijvoorbeeld aan het scrollen of online shoppen), is de stap om even de bank-app te openen heel klein. Slecht weer zorgt dus voor een stijging in 'digitale beschikbaarheid'.
Wanneer het weer écht extreem wordt — denk aan zware stormen met schade, spiegelgladde wegen door ijzel, of extreme hittegolven — verschuift de prioriteit van mensen direct naar het nu. De focus ligt op veiligheid, het regelen van logistieke problemen (zoals gestrand treinverkeer) of het opvangen van de warmte.
Op zulke momenten verdwijnt een herinneringsbrief of een betaal-sms volledig naar de achtergrond. Men heeft simpelweg belangrijkere dingen aan het hoofd dan het betalen van een routineuze rekening.
Door ons computermodel te trainen op duizenden eerdere betalingen in combinatie met historische KNMI-weergegevens, leert het deze patronen te herkennen. Het model begrijpt wanneer de kans het grootst is dat iemand positief reageert op een betaalverzoek.
Het resultaat? We kunnen veel slimmer communiceren. In plaats van iedereen op exact hetzelfde moment een herinnering te sturen, kiest het systeem de meest kansrijke dag. Dat is niet alleen efficiënter voor ons, maar ook een stuk prettiger en minder storend voor de klant!
Concept & Ontwikkeling | Weersafhankelijk Predictive Scoring Model
Gebouwd door Arjen Houweling, AI & ML-specialist