Tarjeta de crédito de Rappi ingresará al Perú

Con presencia en 9 países y en más de 100 ciudades de Latinoamérica, más de 11 millones de usuarios activos al mes y un crecimiento mensual del 20%, Rappi se expande a nuevos mercados con una rapidez significativa, ofreciendo en algunos países servicios tan comunes como courier hasta tickets aéreos y paseos de mascota. Hace poco, ingresó a los servicios financieros, para lo cual Rappi ha diseñado una serie de estrategias de riesgo crediticio.

Alejandro Correa, Vicepresidente de Inteligencia Artificial, explicó la experiencia de esta empresa en el desarrollo de las diferentes estrategias de crédito, con los datos que puede ofrecer una Super App
como Rappi, durante el 4to Congreso Latinoamericano de Crédito y Cobranza organizado por las revistas Gan@Más y +Finanz@s.

¿Por qué Rappi incursiona a los servicios financieros?

En el pasado, las empresas de servicios financieros competían por quién tenía mejor ubicada una oficina bancaria, en un sitio estratégico, con la mayor cantidad de tráfico y de oportunidades de hacer negocios.

Eso hacía a una marca relevante en el pasado. Hoy, por el contrario, los servicios financieros pasan a
ofrecer, más allá de los productos y servicios, una experiencia digital.

LEA EL ARTÍCULO COMPLETO EN NUESTRA REVISTA:

Es allí, donde surge la oportunidad para las fintech que cuentan con estrategias para interactuar con sus usuarios a diario. En ese sentido, la competencia radicará ya no en la mejor ubicación física, sino en el mejor posicionamiento de una app. Justamente, donde Rappi está posicionado de una forma muy interesante.

Hace unas semanas se anunció el lanzamiento de la tarjeta de crédito de Rappi en Colombia, la que estará disponible desde diciembre de 2020 y los usuarios podrán utilizarla directamente desde la app, sin necesidad de trámites, firmas y será 100% en línea. Alejandro Correa comentó que la tarjeta ya opera en México y próximamente estará operativa en Colombia y Brasil. En el caso del Perú, dijo que también ingresarán al mercado peruano porque Rappi tiene planes de sacar productos financieros en toda la región.

La data de Rappi y sus múltiples usos

Al contar con los más variados servicios, Rappi recolecta diversa data que genera un usuario utilizando la app, como cuando compra un pasaje aéreo, utiliza green, paga mediante Código QR, ordena comida o hace su supermercado, Rappi llega a recolectar mucha información sobre ese usuario. Esa data puede ser utilizada para diferentes fines ya sea mejorar las funciones internas o externas de la compañía, comentó Correa.

Por ejemplo, en el caso de la inteligencia artificial que utiliza Rappi se puede usar la data para segmentar a los clientes, una estrategia clave para cualquier compañía. Con los datos, se puede determinar cuál es el cliente más propenso a aceptar una oferta y cuál es el que tiene más probabilidades de deserción.

Otro uso de la data es la estimación de tiempos de entrega. No es un tema tan sencillo estimar el tiempo de desplazamiento del punto A al punto B, así como el tiempo de cocción de un plato, refirió Correa. Es muy importante, por tanto, optimizarlo de la mejor forma para que un rappi-tendero no recoja el pedido tarde o lo recoja antes de tiempo.

Scoring de crédito

Correa se centró en el uso de la data alternativa para estimar, de una mejor manera, el riesgo crediticio del usuario. Lo que hizo Rappi es analizar en un par de meses todos los data points que un usuario deja en Rappi: desde información genérica, que todos los bancos tienen, a información más específica como el tipo de producto que el usuario compra; el tamaño de la orden, con quién probablemente vive; dietas alimenticias, etc.

A partir de ello, Rappi construyó una serie de modelos de crédito en los que combinaban su información con la del buró de crédito. Los resultados medidos con la métrica KS fueron significativos, opinó Correa. Así, los resultados mostraron que junto con la información de Rappi se puede obtener una mejor evaluación de los user default que utilizando únicamente la información del buró de crédito.

De esa forma, para casi todos los segmentos de la población, los modelos obtuvieron una diferencia significativa. En los casos de los usuarios que tienen un pronóstico de ingresos muy altos, la diferencia no es tan alta. Ello se debió probablemente a que el buró los conoce muy bien, pero para todo el resto del universo de usuarios de Rappi, sí se encontraron diferencias significativas, específico Correa.