.png)
En este tercer y último capítulo de la serie, estaremos detallando cómo se puede prevenir una gran parte de caída de cartera mediante la predicción y gestión proactiva de la misma.
Estaremos explicando las acciones que grandes empresas aseguradoras han ejecutado con éxito para minimizar la caída de cartera.
Bajaremos a conceptos que una correduría, agencia o aseguradora pueda implementar, detallando cómo se usan modelos de analítica avanzada/inteligencia artificial para hacerlo.
Comencemos 🛣
El comportamiento pasado predice el comportamiento futuro
En los capítulos anteriores sobre caída de cartera - ver capítulo 1 y capítulo 2 - realizamos un fuerte énfasis sobre cómo calcular el histórico de la caída de cartera.
Profundizar en el cálculo histórico no fue casualidad, si no que lo hicimos dado que comprender el comportamiento histórico nos permitirá comprender dos aspectos fundamentales de nuestra cartera:
- El punto de partida para medir hacia adelante - cuál es mi tasa histórica de caída.
- Las tendencias de comportamiento de nuestra cartera - qué aspectos de nuestros clientes influyen mayormente en la caída.
Sobre conocer el punto de partida, es un aspecto fundamental para la gestión proactiva dado que nos permitirá medir si campañas de contacto que realicemos están mejorando nuestra tasa de caída o no.
De esta forma, analizar su efectividad de las campañas e iterar/mejorar.
Por otra parte, conocer las tendencias de comportamiento de nuestros clientes se torna de vital importancia para gestionar nuestra cartera proactivamente.
En simples términos, nuestra cartera de clientes cuenta con una serie de patrones de comportamiento del pasado que se replicarán a futuro.
Es decir, aquéllas personas que no renueven una póliza hoy (o sea, sean caída de cartera) seguramente cuenten con características similares a clientes nuestros que anteriormente se dieron de baja.
Poder identificar dichas tendencias de comportamiento con su contexto, nos permitirá proyectar a nuestra cartera actual cuáles son los que cuentan con una mayor propensión a la caída, y por lo tanto, tomar acción preventiva.
La pregunta entonces pasa ser:
¿Cómo podemos aprender del pasado de nuestros clientes y proyectar a nuestros clientes actuales?
Para esto es que se utiliza la analítica avanza e inteligencia artificial.
Inteligencia artificial para caída de cartera en seguros
Podemos dividir el proceso de prevenir la caída de cartera en tres pasos:
- Predecir aquéllos clientes con alta propensión de caída.
- Accionar campañas de contacto a clientes.
- Medir los resultados y mejorar las predicciones.
Una poderosa herramienta para realizar con mejor efectividad los mencionados pasos es la analítica avanzada o inteligencia artificial.
1. Predecir la caída
En pocas palabras, la inteligencia artificial en este proceso contribuirá a detectar - de forma automática - patrones de comportamiento de mis clientes pasados que se dieron de baja, para luego predecir de mis clientes actuales cuáles tienen patrones similares y por tanto cuentan con alto riesgo a la baja de sus pólizas.
Dicha inteligencia analítica - también conocida como un algoritmo - utilizará decenas de variables para predecir con buena certeza estadística la propensión de caída de un cliente actual.
Para carteras de particulares (persona física), las variables utilizadas comúnmente por el algoritmo son el tipo de póliza, la compañía, el valor de la prima y sus variaciones, el método de cobro, la frecuencia de pago, el combinado de productos del cliente, los siniestros que haya tenido, su satisfacción en los siniestros y las características demográficas (localidad, edad, características familiares).
Para carteras de empresa (persona jurídica), se pueden adicionalmente incorporar otras variables al modelo como la industria, número de empleados, número de oficinas y crecimiento empresarial.
Puedes leer más sobre que datos recomendamos recolectar por parte de una correduría aquí.
2. Accionar campañas de contacto
Una vez que conocemos nuestros clientes con alta propensión a la caída (fuga) es que montamos los ‘botes de campaña’.
Los botes de campaña tienen como objetivo agrupar aquellos clientes con propensión similar en un determinado producto y contexto.
Como ejemplo, un bote de campaña será agrupar a aquellos clientes con una alta propensión a la baja de una póliza de hogar en los próximos 3 meses.
El bote de campaña busca unificar el objetivo de una comunicación, para hacerla más efectiva y posteriormente poder evaluar sus resultados de retención de forma independiente.
En corredurías, las campañas suelen ser una combinación de canales digitales (correo, mensajería, redes, app móvil) y canales físicos (llamados, visitas presenciales).
En este artículo detallamos en mayor detalle los diferentes canales.
3. Medir los resultados y mejorar las predicciones
Una vez montados los botes de campaña y ejecutadas las campañas de contacto, es hora de evaluar el rendimiento de las campañas en lo que respecta a la retención.
Es muy importante contemplar un período de al menos 3 meses aunque idealmente de 6 meses para la medición.
De esta forma, nos aseguraremos que los efectos no inmediatos de la fidelización del cliente hayan sido contemplado en el análisis de resultados.
La medición en tanto se deberá centrar en medir dos principales aspectos:
- El éxito de las campañas.
- La exactitud de los modelos predictivos de propensión.
Y debemos realizar la evaluación por separado, de forma de evaluar en dónde debemos realizar las mejoras. Si es en las predicciones, en las campañas de contacto o en ambas.
Con este contexto, la forma estadísticamente correcta de evaluar los resultados de las campañas es mediante la comparación de los clientes dentro de los botes de campañas contra un grupo de control y grupos aleatorio.
El grupo de control se define mediante un porcentaje - entre el 10 y 20% - del grupo de campañas, al cuál no le aplicaremos la campaña de retención.
El grupo aleatorio, en tanto se conforma de dos muestras aleatorias (grupo aleatorio I y grupo aleatorio II) de clientes que no formen parte originalmente de los botes de campañas. A una muestra (grupo aleatorio I) le aplicamos campañas y a la otra muestra (grupo aleatorio II) no le aplicamos campañas.
La evaluación de la efectividad de las campañas en tanto corresponde comparar:
- Grupo de campaña vs. grupo de control.
- Grupo aleatorio I vs. grupo aleatorio II.
Para poder considerar a las campañas de retención exitosas, debemos:
- Obtener una menor tasa de caída de cartera en el grupo de campaña que en el grupo de control.
- Obtener una menor tasa de caída de cartear en el grupo aleatorio I (al que apliqué campañas) que en el grupo de control.
En caso que esto ocurra, podemos considerar a la campaña de retención como exitosa.
En tanto, evaluar la efectividad de las predicciones de propensión debemos comparar la tasa de retención del grupo aleatorio II (a quienes no realizamos campañas) contra el grupo de control (a quien tampoco realizamos campaña).
En tanto la tasa de retención del grupo aleatorio sea mayor a la tasa del grupo de control, podemos considerar a la segmentación como exitosa.
En cualquier caso, siempre existen oportunidades de mejora tanto en la ejecución de campañas como en la segmentación.
Por ello, siempre debemos incorporar la información de la interacción con clientes que a pesar de ser contactados fueron dados de baja, de forma de iterar sobre la segmentación y estrategia de campañas.
La mejora de los modelos analíticos y la ejecución de las campañas es un proceso continuo e iterativo. Lejos de realizarse una vez y fijarlo.
Conclusiones y siguientes pasos
De haber llegado hasta aquí, ya podríamos decir que tenemos un entendimiento los conceptos fundamentales de por qué calcular la caída de cartera, cómo hacerlo y cómo gestionarla proactivamente utilizando analítica avanzada.
Para nuestra correduría, ahora lo importante pasa a ser llevar todos estos conceptos a la acción.
El primer paso es recolectar los datos de nuestros clientes, pólizas y siniestros (ver aquí artículo de datos a recolectar por mi correduría) y realizar un análisis de viabilidad que evalúe:
- Si el volumen de datos es suficiente.
- Si la calidad de los datos es suficiente.
El análisis de viabilidad lo puede realizar cada correduría de forma manual.
O como alternativa, en Foliume contamos con herramientas creadas específicamente para corredurías de seguros que aceleran la realización y mejoran los resultados del análisis de viabilidad.
Nuestra solución le presentará a vuestra correduría un informe de evolución de tasa de caída de cartera, informe de la cantidad y calidad de datos (con un puntaje del 1 al 100) y una proyección del impacto de negocio de mejorar la caída de cartera.
