Prioritering av virksomheter ved hjelp av maskinlæring øker effekten av informasjonskampanje

Hovedprinsippet for skattlegging er at den skattepliktige selv rapporterer inn de opplysningene som skatten skal beregnes ut fra. Dette kaller vi egenfastsetting. Hvert år unnlater en betydelig gruppe foretak å levere skattemeldingen innen fristen. Når skattemelding ikke blir levert mangler Skatteetaten et viktig grunnlag for å kunne produsere et skatteoppgjør, og fastsettingen må da skje ved skjønn. Skjønnsfastsetting er ressurskrevende for etaten, og kan oppleves belastende for den skattepliktige. Det innebærer også økt risiko for feil fastsetting og påfølgende klager.

Samtidig er det ikke slik at løpet er kjørt for foretaket dersom skattemeldingen ikke leveres innen fristen. Som illustrert i figur 1 følger først varsel om tvangsmulkt etter ordinær frist, deretter ilegges eventuell tvangsmulkt, og først på et senere tidspunkt skjønnsfastsetter vi, dersom skattemeldingen fortsatt ikke er levert. Det eksisterer derfor et tidsrom – også etter at varsel om skjønnsfastsetting er sendt – der foretaket fortsatt kan levere skattemeldingen, og unngå skjønnsfastsetting.

Figur 1: Hendelser for næringsdrivende som ikke leverer skattemeldingen innen fristen

Skatteetaten har over tid testet ulike tiltak for å påvirke levering i denne fasen (1, 2). SMS-påminnelser kan sendes bredt og til lav kostnad, men gir vanligvis relativt moderate effekter. Ringeroboter har også vært brukt. Manuell oppfølging per telefon er langt mer ressurskrevende, men kan samtidig gi både tydeligere påminnelse, og mulighet for individuell veiledning. Sentrale spørsmål er derfor hvor god effekt manuell ringing gir – og om tiltaket kan brukes mer målrettet for å redusere ressursbruken ved tiltaket.

I denne artikkelen presenterer vi en effektanalyse av en informasjonskampanje i 2025 rettet mot enkeltpersonforetak uten registrert regnskapsfører som ikke hadde levert skattemeldingen innen fristen. Det ble vurdert som en høyere risiko for manglende levering der foretakene ikke har bistand til å ivareta forpliktelsene innen fristen. Her er det flere små enkeltpersonforetak som ei heller har en systemleverandør som de kan motta påminnelse fra. Eksperimentet ble derfor avgrenset til å analysere enkeltpersonforetak uten regnskapsfører.

Analysen bygger på et randomisert eksperiment, og har to hovedformål:

1. å estimere den samlede effekten informasjonskampanjen har på levering av skattemeldingen
2. å undersøke om effekten varierer systematisk mellom ulike grupper av foretak.

Prediksjonsmodell som beslutningsstøtte

Innleveringsmodellen er en maskinlæringsmodell utviklet for å støtte vår oppfølging av foretak som ikke leverer skattemeldingen innen fristen. Modellen gir hvert foretak en score mellom 0 og 1, hvor høy score indikerer høy sannsynlighet for at foretaket ikke vil levere.

Modellen er basert på historiske data for hele populasjonen av leveringspliktige foretak, og trenes på observerte utfall fra tidligere inntektsår. Den benytter et bredt sett av forklaringsvariabler, blant annet leveringshistorikk, næringsinformasjon og tidligere skattemessige forhold. Fordi utfallet er observert for hele populasjonen har modellen et stort og representativt treningsgrunnlag.

Scoren brukes til å prioritere oppfølging: Skatteetaten kan starte med å skjønnsfastsette de foretakene med høyest score, altså de som mest sannsynlig ikke kommer til å levere. Slik unngår Skatteetaten å skjønnsfastsette foretak som ønsker å levere, men som bare er sent ute. Dermed unngår vi unødvendig saksbehandling, og eventuelle klager.
Modellen er også relevant som prioriteringsverktøy for informasjonskampanjer fordi scoren kan ha potensial for å brukes som utgangspunkt for å velge ut hvem som bør kontaktes. Å ringe skattepliktige er et ressurskrevende tiltak. Dersom effekten av å bli oppringt varierer systematisk med score, kan modellen brukes direkte til å prioritere hvem som faktisk bør ringes. Vi kan dermed også nedprioritere de som sannsynligvis kommer til å levere uansett, og de som ikke kommer til å levere til tross for oppringning.

Datagrunnlag og metode

Eksperimentet omfatter 8 717 foretak uten registrert regnskapsfører som ikke hadde levert skattemeldingen innen fristen. Foretakene ble tilfeldig fordelt til en behandlingsgruppe og en kontrollgruppe. Behandlingsgruppen besto av 2 711 foretak som ble forsøkt oppringt og mottok SMS hvis vi ikke fikk kontakt, mens kontrollgruppen besto av 6 006 foretak som ikke fikk noen oppfølging.

Den tilfeldige fordelingen ble gjort innenfor grupper av foretak med lik score fra Innleveringsmodellen. Scoregrupper av særlig interesse er overrepresentert i utvalget, for å sikre tilstrekkelig mange observasjoner til å beregne pålitelige effektestimater for disse gruppene. Når vi beregner effekten av tiltaket på tvers av alle scoregrupper bruker vi derfor regresjonsmodeller med såkalte fasteffekter for scoregrupper. Enkelt forklart innebærer dette at sammenlikningen skjer mellom foretak som har omtrent samme sannsynlighet for å levere skattemeldingen. På denne måten kan vi isolere effekten av tiltaket, uten at resultatene påvirkes av at foretakene i utgangspunktet er ulike.

Utfallsvariabelen i analysen er om foretaket egenfastsetter før skjønnsfastsetting. Analysen måler effekten av å bli forsøkt kontaktet, ikke effekten av faktisk gjennomført samtale. Alle foretak i behandlingsgruppen ble forsøkt oppringt, men ikke alle ble nådd. De som ikke ble nådd på telefon fikk en SMS med informasjon om at Skatteetaten har ringt dem, for å minne dem på å levere skattemeldingen. Dersom vi kun hadde analysert foretak som faktisk svarte kunne resultatene blitt skjeve, ettersom disse foretakene for eksempel kan være mer tilgjengelige, eller allerede mer tilbøyelige til å levere skattemeldingen. Ved å inkludere hele behandlingsgruppen sammenlikner vi grupper som i utgangspunktet er like, og kan dermed isolere den kausale effekten av tiltaket som helhet. Effekten kan derfor tolkes som en samlet effekt av forsøkt kontakt, inkludert både oppringning og SMS. Det er rimelig å anta at effekten blant dem som faktisk ble nådd kan være høyere, men dette kan ikke estimeres presist uten å introdusere seleksjonsproblemer. Resultatene gir derfor et anslag på effekten av ringekampanjen slik den ble gjennomført i praksis.

Gjennomføring av informasjonskampanjen

Informasjonskampanjen ble gjennomført etter at varsel om skjønnsfastsetting ble sendt den 11. august 2025. Tiltaket ligger dermed i fasen mellom varsel og eventuell senere skjønnsfastsetting – hvor hensikten var å få flest mulig til å egenfastsette, selv om fristen for levering har gått ut.

Saksbehandlerne fikk beskjed om å forsøke å ringe hvert foretak én gang, med én ny oppringning dersom det ikke ble oppnådd kontakt. Dersom foretaket ikke svarte ble det sendt SMS med informasjon om at Skatteetaten hadde forsøkt å ta kontakt, og hvorfor. Dersom det ble oppnådd kontakt, kunne saksbehandlerne bruke tid på individuell veiledning, eller avtale å ringe tilbake.

Kontakt ble oppnådd med 21,5 prosent av foretakene ved første oppringing. En ny oppringning økte andelen til 28 prosent. Den gjennomsnittlige tidsbruken per foretak i kampanjen var om lag 5,5 minutter.

Tydelig samlet effekt av informasjonskampanjen

Andelen i behandlingsgruppen som egenfastsatte var 23 prosent, mens i kontrollgruppen egenfastsatte 15 prosent av foretakene før skjønnsfastsetting. Den ujusterte forskjellen er dermed 8 prosentpoeng. Som følge av utvalgsdesignet beskrevet over er imidlertid ikke gruppene likt sammensatt på tvers av scoregrupper. Denne forskjellen kan derfor ikke tolkes direkte som den kausale effekten av informasjonskampanjen. Når vi justerer for scoregruppe ved hjelp av regresjonsmodeller finner vi en samlet effekt på rundt 10 prosentpoeng høyere sannsynlighet for egenfastsetting blant foretak som var inkludert i informasjonskampanjen. Effekten er stabil på tvers av ulike modellspesifikasjoner der vi også kontrollerer for næringsinntekt, næringskode og alder på foretaket. Samtlige estimater er statistisk signifikante.

Resultatene viser dermed tydelig at manuell telefonoppfølging i denne fasen kan ha en reell og betydelig effekt på innlevering av skattemeldingen.

Effektene varierer ut fra virksomhetenes innleveringsscore

Selv om den samlede effekten kampanjen har på innlevering av skattemeldingen er tydelig, skjuler gjennomsnittet store forskjeller mellom foretak med ulik score. Figur 2 viser resultatene når vi estimerer effekten separat for hver scoregruppe. De grå søylene viser andelen av kontrollgruppen som leverte skattemeldingen, mens de røde søylene viser hvor mange prosentpoeng flere i behandlingsgruppen som leverte, altså selve effekten av tiltaket. De vertikale klammeparentesene viser 95 prosent konfidensintervaller; smale intervaller indikerer lav statistisk usikkerhet. For scoregruppen 0,0–0,1 ser vi for eksempel at i underkant av 40 prosent av kontrollgruppen leverte, mens ytterligere 15 prosentpoeng leverte i behandlingsgruppen. Som forventet er andelen som leverer i kontrollgruppen klart fallende når scoren øker; modellen klarer i ganske stor grad å skille skattepliktige med høy og lav sannsynlighet for å levere. Vi ser også tydelig at ringing har størst effekt i de lave og midtre scoregruppene, og langt svakere effekt i de høyeste.

For foretak med score mellom 0,0 og 0,6 – det vil si foretak med høy til middels sannsynlighet for levering – øker sannsynligheten for egenfastsetting med i gjennomsnitt rundt 19 prosentpoeng. For foretak med score mellom 0,6 og 1,0 – altså foretak med lav sannsynlighet for å levere – er effekten derimot i gjennomsnitt bare 3 prosentpoeng. I scoresegmentene 0,8-0,9 og 0,9-1,0 er effekten ikke statistisk signifikant forskjellig fra 0.

Dette tyder på at ringing i liten grad påvirker foretak som allerede har meget lav sannsynlighet for å levere. For disse foretakene gir oppringning begrenset merverdi, samtidig som tiltaket beslaglegger ressurser som kunne vært brukt andre steder.

Figur 2: Effekt av oppringing etter innleveringsscore

Hva betyr dette for ressursbruken?

Når ringing både har en effekt, og er ressurskrevende, er det naturlig å vurdere nytte opp mot kostnad. Dersom hele målgruppen på 8 717 foretak ringes, og vi legger til grunn en samlet effekt på rundt 10 prosentpoeng, så tilsvarer dette omlag 870 ekstra egenfastsettinger. Med en gjennomsnittlig ringetid på 5,5 minutter utgjør dette omtrent 56 minutter ringetid per unngått skjønnsfastsetting. Gjennomsnittlig ringetid er marginalt høyere for parter med høy enn lav leveringssannsynlighet, fordi de med lav sannsynlighet sjeldnere tar telefonen.

Dersom informasjonskampanjen i stedet målrettes mot foretak som har høy til middels predikert sannsynlighet for å levere, altså de med score under 0,6 – om lag 46 prosent av målgruppen – oppnås rundt 87 prosent av den estimerte effekten, men med betydelig lavere samlet tidsbruk. I dette tilfellet faller tidsbruken til rundt 32 minutter per unngått skjønnsfastsetting. Med andre ord: ved å bruke innleveringsmodellen til å målrette ringekampanjen oppnår vi om lag en 75 % høyere effektivitet per minutt brukt.

Tallene illustrerer at målretting kan gi en vesentlig bedre ressursutnyttelse, uten å gi avkall på hoveddelen av gevinsten av at flere leverer før skjønnsfastsetting.

Hva bør vi gjøre framover?

Resultatene fra informasjonskampanjen føyer seg inn i et konsistent bilde fra tidligere analyser i Skatteetaten: Tiltak som påminnelser, veiledning og oppfølging kan påvirke leveringsatferd, men effekten varierer betydelig mellom ulike grupper av næringsdrivende. Studier av SMS-påminnelser viser at slike tiltak kan gi positive, men ofte moderate effekter når de brukes bredt, særlig når de sendes tett på viktige frister. Analyser av ringerobot og manuell telefonoppfølging har på sin side vist større, men mer varierende effekter, avhengig av målgruppe og tidspunkt i leveringsløpet.

Sommeren 2025 ble det sendt en bred påminnelses-SMS 20. juni til om lag 39 000 foretak med utsatt leveringsfrist. Utsatt leveringsfrist etter søknad er 30. juni. Andelen som leverte innen frist økte med 4,2 prosentpoeng, mens andelen med skjønnsfastsetting ble redusert med 0,4 prosentpoeng — en positiv, men forholdsvis svak effekt (1). Vi finner tydeligere effekter når SMS sendes tett på en viktig frist: for ENK var samlet effekt om lag 8,4 prosentpoeng når SMS ble sendt en uke før tvangsmulkt, og rundt 12 prosentpoeng en uke før skjønnsfastsetting (1). Tilsvarende viser analyser at ringerobot kan gi særlig store effekter for enkelte grupper, blant annet nystartede, og nylig avsluttede ENK (2).

Denne analysen bidrar med ny og mer presis kunnskap om hvor manuell ringing gir størst merverdi. Oppringningsforsøk har positiv effekt, hovedsakelig for foretak med høy eller middels sannsynlighet for levering. For foretak som allerede har lav leveringssannsynlighet gir ringing derimot liten effekt. Samtidig er dette en gruppe som krever omtrent like mye oppfølging per oppringning som øvrige foretak.

Funnene gir dermed et klart signal om hvordan ressurskrevende tiltak bør brukes: Ringing egner seg best som et målrettet virkemiddel, ikke som et generelt tiltak mot alle som ikke har levert innen fristen. Ved å bruke prediksjonsmodeller aktivt til å avgrense målgruppen, kan Skatteetaten oppnå mesteparten av effekten med vesentlig lavere ressursbruk. Dette er særlig relevant i en situasjon der kapasiteten til manuell oppfølging er begrenset, og der prioritering er nødvendig.

Samlet peker resultatene mot en arbeidsdeling mellom virkemidler: SMS-påminnelser fremstår som et egnet førstetiltak som kan brukes bredt og tidlig i leveringsløpet, mens ringing bør forbeholdes grupper der den forventede effekten er høy. Et naturlig neste steg er å undersøke hvordan slike tiltak virker i kombinasjon, for eksempel gjennom randomiserte forsøk der noen mottar kun SMS, noen kun ringing og noen en kombinasjon. Slik kan man isolere både effekten av hvert tiltak og merverdien av å bruke dem sammen. Videre vurderer vi også liknende eksperimenter for å se om effekten er lik eller forskjellig for andre selskapsformer og enkeltpersonforetak med regnskapsfører.

For inntektsåret 2025 vil fagmiljøet ta med seg erfaringene fra fjoråret og spisse ressursinnsatsen inn mot områdene der tiltakene viste seg å ha best effekt. I tillegg vil det jobbes videre med å videreutvikle innleveringsmodellen og vurdere andre bruksområder.