西雅图--（商务电报）--Attunely Inc.是部署机器学习以最大限度地实现收入回收和增强消费者体验的先驱，今天宣布提供900万美元的融资。新资本包括早期的种子轮以及一系列的a系列投资。投资者包括：框架风险伙伴、花色资本、Vulcan Capital和其他独立投资者。框架风险投资伙伴的合伙人安德鲁·卢格斯丁将加入协调董事会。"我们了解客户在困难的环境下运作，我们的动态机器学习模型可以缓解金融机构和消费者之间的摩擦。"推特上这样写道这些资金将用于扩展团队，重点是数据科学、数据和安全软件工程师、客户成功资源、产品/计划管理和营销。"鉴于COVID-19大流行所造成的经济损失，协调的独特地位是帮助重新创造消费者的收集和贷款经验。它的动态机器学习模型为整个行业的改进提供了机会。现在，企业比以往任何时候都需要工具来增强与消费者负责任的参与能力，并改进业务实践。我很高兴加入协调团队，支持他们的成长，"框架风险合作伙伴安德鲁·卢格斯丁说。"在当前的经济环境中，我们认为机器学习非常适合使债权人、贷款人和收入周期管理机构能够在大流行驱动的失业环境期间和之后采用更为量身定做的参与。毫无疑问，COVID-19创造了一个"新常态"。Attunely的机器学习模型旨在在整个经济转型时期提供更大的灵活性和效率，"创始人兼首席执行官斯科特·费里斯（ScottFerris）协调地说。协调模式提高收入回收率在消费者交互行为被取消识别的驱动下，Attunely的机器学习平台规定了在服务和不良生命周期的每个阶段中最有效的外展策略。Attunely的模型是定制的，以提高收入回收率、减少开支、防止客户流失，并确定一天中最适合与消费者联系的时间。协调首席执行官斯科特·费里斯补充说："我们了解客户在一个困难的环境下运行，我们的动态机器学习模式可以缓解金融机构和消费者之间的摩擦。"Attunely的动态评分模型包括：倾向于支付模式协调倾向模型估计每个账户付款的可能性，产生一个总体概率得分，该概率得分会根据组织与其消费者之间持续的交互而动态变化。清算模式协调清算模型将行为信号与客户的历史交易数据结合起来，在收回收入时产生预期价值。它被数十亿个历史电话、信件、电子邮件和短信通知，并根据与消费者的每次交互动态地细化帐户级别的分数。日模型时间利用数十亿个未识别的历史通话记录，并结合Attunely现有的清算评分模型，它生成拨号器就绪的呼叫文件，将收益最高的帐户与其首选的时间段匹配。这使得更多的联系人使用较少的呼叫尝试，建立在协调的综合机器学习模型套件之上。全渠道模型协调的全渠道得分对每个沟通渠道进行排序，并确定了每一个方面最有效的外联形式。结合清算分数，这在即时恢复、最大化长期价值（LTV）恢复和给消费者时间偿还之间达到最佳平衡。沉降优化模型协调的结算模型利用未识别的历史收集数据来估计或有或或或债务组合的可能性、时间和预期恢复价值。这使得恢复专家能够计算最佳报价，无论是结算、付款计划还是对每个账户的全额需求。关于调谐公司。协调是一个经验证、符合要求和值得信赖的机器学习平台，它使应收款的回收变得容易、无缝和有利可图，从而改善债权人的结果，降低信贷生态系统中的风险，并促进更好的消费者体验。有关详细信息，请访问。