Uporaba napovedne analitike

za rast prodaje zavarovanj

mag. Klemen Brenk

Zavarovalnica Triglav, d.d.

Leto 2015 za zavarovalništvo v znamenju „tehnologije“

• Podatkovna analitika

• Oblačno računalništvo

• Tehnike modeliranja

Vir: Global Insurance Outlook 2015, ey.com

Zavarovalnica Triglav, d.d. 2

Razvoj poslovne

analitike

Zavarovalnica Triglav, d.d. 3

Zavarovalnica Triglav, d.d. 4

Izraz Časovni okvir Pomen

Podpora odločanju 1970–1985 Uporaba analize podatkov za podporo odločanju

Podpora vodstvu 1980–1990Poudarek na analizi podatkov za podporo

odločanju vrhnjega menedžmenta

OLAP (Online Analyt ical Processing) 1990–2000Aplikacije za analize večdimenzionalnih tabel

podatkov

Business Intelligence 1989–2005Orodja za podporo odločitvam s poudarkom na

poročanju

Analit ika 2005–2010Poudarek na stat ist ičnih in matemat ičnih analizah

za odločanje

Big data 2010–Poudarek na veliki množici, nestrukturiranih in

hit ro spreminjajočih se podatkov

Vir: Davenport , 2014.

Zavarovalnica Triglav, d.d. 5

Vir: Davenport, H. et al., 2007.

ko

nku

ren

čn

a p

red

no

st

Napovedna analitika

Uporaba algoritmov pri

analizi velikih količin

zgodovinskih podatkov, s

pomočjo katerih natančneje

napovedujemo verjetnost

izidov dogodkov v

prihodnosti.

Zavarovalnica Triglav, d.d. 6

www.mckenzieholland.com.au

Zavarovalništvo za izboljšanje

• Upravljanja s tveganji – oblikovanje rezervacij

• Prevzema rizika – določanje cen

• Omejevanja zavarovalniških prevar

• Prodaja in trženje:

• Zadržanje strank - CHURN

• Prodajne priložnosti (cross-sell, up-sell)

• Izboljšanje skrbi za stranko

Zavarovalnica Triglav, d.d. 7

Primer – zadržanje

strank (CHURN)

Zavarovalnica Triglav, d.d. 8

Ali lahko s pomočjo napovedne analitike napovemo

odhajajoče stranke?

Zavarovalnica Triglav, d.d. 9

Slovenija 2014 – o menjavi zavarovalnice razmišlja

približno četrtina zavarovancev (avtomobilska zavarovanja)

NovoObnovljen

oCHURN

Konkurenčn

a

zavarovalnic

a

Skandencar

Mesečna

produkcija

Zavarovalnica Triglav, d.d. 10

Prodajna akcijaSkrb za odhajajoče

stranke

Obstoječi zavarovalci 10.000 10.000 1

Običajno število odhodov brez ukrepov 1.000 1.000 2

Vrednost ugodnosti 20 EUR 40 EUR 3

% izbranih strank z višjo napovedjo odhoda 30% 4

Število izbranih strank z višjo napovedjo odhoda 3.000 5 = 1 X 4

Napovedan churn izbranih strank 20% 6

Število napovedanih odhodov v izboru 600 7 = 5 X 6

Število odhodov izmed ostalih strank - če ni akcije 400 8 = 2 - 7

Predvideni odstotek zmanjšanja churna 50% 9

Število odhodov iz izbora po obravnavi 300 10 = 7 X 9

Število vseh odhodov 700 700 11 = 8 + 10

Učinek v številu zadržanih polic 300 300 12 = 2 - 11

Strošek 186.000 EUR 108.000 EUR 13 = 3 X (5 - 10)

Strošek na zadržano polico 620 EUR 360 EUR 14 = 13 / 12

Zavarovalnica Triglav, d.d. 11

Pozitivni učinki

• Možno zmanjšanje števila dragih prodajnih akcij

• Neprofitne stranke niso obravnavane

• Učinki akcij konkurenčnih zavarovalnic so zmanjšani

Na kaj je treba paziti

• Neenakovredna obravnava strank

• Transparentnost

• Višina podeljene ugodnosti

• Obseg izbora strank

• Vsebina podeljene ugodnosti

Primer – odkrivanje

prodajnih

priložnosti

(Večkriterijska

segmentacija)

Zavarovalnica Triglav, d.d. 12

torquemag.io

Večkriterijska segmentacija

Razvrščanje strank v homogene

skupine in opisovanje lastnosti

teh skupin

Namen

Napoved naslednjega prodajnega

koraka – cross sell, up sell

Zavarovalnica Triglav, d.d. 13

Zavarovalnica Triglav, d.d. 14

Oblikovanje glede na• Sociodemografske značilnosti

• Življenjski cikel stranke

• Psihografske značilnosti – življenjski slog, osebnostne značilnosti

Zavarovanost

• Število polic

• Vrste zavarovanj

• Letna premija

Moški, nad 65 let, premoženje nad 250 miljonov EUR,

poklic – igralec, režiser…

Zavarovalnica Triglav, d.d. 15

Problem – ZVOP

Rešitev

• Reprezentativni vzorec strank

• Raziskava o življenjskih navadah

• Rezultate s pomočjo napovedne analitike ekstrapoliramo

na populacijo strank

Zavarovalnica Triglav, d.d. 16

Uporaba večkriterijske segmentacije

• Identifikacija prodajnih priložnosti

• Ciljane trženjske akcije

• Prilagojena komunikacija

Zavarovalnica Triglav, d.d. 17

Druge priložnosti v

prodaji in trženju

Zavarovalnica Triglav, d.d. 18

• Verjetnost nakupa posameznega produkta

• Bodoči neplačniki

• Prehajanje strank med prodajnimi potmi

• Predčasne prekinitve polic - ŽZ

• Zaposlovanje prodajnikov

Zavarovalnica Triglav, d.d. 19

Ključni pogoji

• Urejenost in dostopnost podatkov

• Kakovost podatkov – poznavanje strank

• Znanje/izkušnje – podatkovni znanstveniki

• Pogum in vztrajnost pri preizkušanju novih prodajnih

pristopov

Zavarovalnica Triglav, d.d. 20

Poznavanje strank

• Vedenje strank lahko usmerjajo nam neznani

motivi

• Nikdar dovolj dobro ne poznamo svojih strank

• Kdor bo v prihodnosti najbolje poznal svoje stranke

bo imel največjo konkurenčno prednost

• Fokus iz Busines Intelligence v Customer

Intelligence

Zavarovalnica Triglav, d.d. 21

Hvala

22Zavarovalnica Triglav, d.d. 22