Примеры Big Data в страховых компаниях: повышение доходности бизнеса

Примеры Big Data в страховых компаниях: повышение доходности бизнеса

Не так давно мы опубликовали первый обзор использования Big Data в CRM. Продолжаем наше исследование простых и близких к нашим реалиям примеров использования больших данных в разных сферах бизнеса. Большой интерес в этом плане представляют финансовые компании. Например, страховщики. Примеры big data и самые ценные данные, которыми они обладают, это анализ потребления услуг компании и анализ стиля жизни — огромные массивы информации, которые позволяют с максимальной вероятностью описать Вашу жизнь, привычки, интересы, а также спрогнозировать покупки.

Примеры big data: личный клиентский опыт

Как сейчас работает система ? Делюсь своим опытом. Последние три года я покупаю КАСКО и Автогражданку в одной и той же страховой компании, входящей в ТОП-10. До этого два года страховался в другой крупной страховой компании из ТОП-20, еще ранее — выбирал страховые компании по разным критериям: иногда — цена, чаще — сервис, а также наличие своих СТО и права обслуживаться на фирменном СТО автотрейдера. Кого бы я ни выбирал, всегда обращаю внимание на сроки урегулирования.

Мой опыт таков: тарифы у больших страховых компаний похожи. Продукты плюс-минус одинаковые. Факторы анализа риска для КАСКО у страховых компаний практически одинаковы. Сроки урегулирования – также не сильно отличаются. Если тариф выше среднего, сроки урегулирования будут улучшены, но на практике это часто не соблюдается. Если тариф средний по рынку, сроки урегулирования достаточно долгие – от 45 дней и более. Найти компанию, которая предлагает быстрое урегулирование, качественный сервис, фирменное СТО и подходящий тариф – сложная задача.

За рубежом же, если Вы сталкивались со страхованием за пределами Украины, все большей популярности набирает принцип «плати-как-ты-ездишь». Как минимум три четверти компаний (источник) пользуются бигдатой для разработки индивидуальных предложений.

Big Data и аналитика дают страховым компаниям (ну и, конечно же, не только им) понимание клиента, позволяют подходить к ценообразованию дифференцированно, формируя его на базе анализа профиля клиента. Например, если бы моя СК вместо стандартного предложения предложила мне более высокий тариф и сжатые сроки урегулирования – например, 14 дней – это было бы мне интересно. Представляете, насколько больше продаж сможет сделать такая СК на украинском рынке? Или, в случае отличного вождения и отсутствия ДТП в течение определенного периода страховая компания предложит мне бонус и улучшения тарифа на ежеквартальной основе, или, наоборот, повышение тарифа в случае регулярного попадания в ДТП, также на ежеквартальной основе – такая система  будет мне очень интересна, т.к. будет моей мотивацией для хорошего вождения и экономии денег. Используют ли страховые компании такие подходы ? Украинские — нет, не слышал.

Примеры big data: профессиональный опыт

В качестве примера из ближнего зарубежья могу привести одну универсальную СК с базой 1.2 млн клиентов, которая начала исследовать данные о своих клиентах, комбинируя их с информацией из множества источников. Полученная Big Data использовалась для анализа, разработки индивидуальных (ИНДИВИДУАЛЬНЫХ) предложений и выявления тех, кто с большой вероятностью на них откликнется. Расходы компании на рассылки предложений уменьшились на 40%, отклик клиентов на предложение увеличился на 50%, для некоторых сегментов — в 2 раза. Расходы контакт-центра страховой компании уменьшились на 20%. Кроме того, страховая компания отказалась от услуг сторонних организаций по обзвону клиентов, т.к. теперь справлялась с этой задачей самостоятельно.

Стоит ли упоминать, что использование Big Data для разработки персональных предложений повышает уровень удовлетворенности клиентов — ведь теперь им не звонят, не СПАМЯТ, не надоедают с ненужными предложениями в неподходящее время. Полезность компании для клиента — это фундамент для дальнейшего развития апселла и высокодоходных перекрестных продаж в будущем.

Резюме: большие перспективы :)

Анализируют ли страховые компании по своим клиентам склонность к попаданию в ДТП в зависимости от возраста, пола водителя, марки и цвета автомобиля, размера двигателя, привычек вождения, адреса проживания, характера работы, наличия детей, типа автомобиля – спортивный, седан, джип, малолитражный; нарушения правил дорожного движения и типа самих нарушений и т.д. ? Как клиенту, мне кажется — нет. Но ответы на эти вопросы легко может дать аналитика, позволяя связывать указанные факторы и предсказывать вероятность наступления страхового события, формируя оптимальный тариф для клиента и повышая его доходность для страховой компании.

Примеры Big Data в страховых компаниях: повышение доходности бизнеса

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *