Branża Finansowa/
Digital Experience/
Technologia/
Portale

Personalizacja w praktyce, czyli przyszłość rynku ubezpieczeń

Urządzenia mobilne przyzwyczaiły nas, że coraz więcej rzeczy można wykonać szybko i łatwo. Skoro możemy kupić niemal każdy produkt lub założyć konto w banku o dowolnej porze bez wychodzenia z domu, dlaczego równie prosto mielibyśmy nie skorzystać z usług ubezpieczeniowych?

Sektor bankowy udowodnił, że tradycyjne przedsiębiorstwa potrafią odnaleźć się z sukcesem w cyfrowej rzeczywistości. Rozwiązania z obszaru Data Science czy Machine Learning przetwarzające olbrzymie ilości danych klientów nie tylko stworzyły szansę oferowania spersonalizowanych usług, ale także zwiększyły sprzedaż przy jednoczesnym obniżeniu kosztów pozyskiwania nowych klientów.

Klient XXI wieku chce czuć, że oferta została stworzona specjalnie dla niego

Coraz więcej osób oczekuje, żeby oferta była ściśle dopasowana do ich stylu życia. Firmy muszą zagwarantować dostęp do rozwiązań, które spełnią oczekiwania odbiorców tu i teraz. W końcu przedstawiana im propozycja powinna być odpowiedzią na ich styl życia.

Jednocześnie nigdy wcześniej nie mieliśmy dostępu do tak szerokiej wiedzy o klientach. Gdzie i kiedy kupują? Ile są gotowi wydać? Jakiej formy kontaktu oczekują? To tylko niektóre z pytań, na które odpowiedzi są dzisiaj na wyciągnięcie ręki.

Pozwoliło nam to stopniowo zastępować odgórnie ustandaryzowane portfolio usług ofertami dopasowanymi do konkretnych osób. A ich potrzeby, również w obszarze ubezpieczeń, bardzo się różnią.

Polityka cenowa uwzględniająca zachowanie klientów

Technologie jak np. Internet Rzeczy stwarzają ubezpieczycielom okazję do stosowania znacznie bardziej zindywidualizowanego cennika, zamiast kategoryzować klientów na podstawie mniej dokładnych modeli, które przypisywały ich do poszczególnych grup.

Jednym ze sztandarowych rozwiązań tego typu jest wykorzystanie urządzeń typu wearables, które monitorują funkcje życiowe użytkowników, którzy prowadząc zdrowy tryb życia zyskują dostęp do tańszych polis. Jednocześnie sprzęt ten wspiera diagnostykę, dzięki czemu objawy chorobowe są szybciej wykrywane, a co za tym idzie tańsze w leczeniu.

Podobnie czujniki sprawdzają, czy poszkodowane osoby stosują się do zaleceń lekarzy lub poprawnie wykonują zaleconą im rehabilitację. Często przyczyniają się dodatkowej oszczędności, ponieważ klienci wracają do zdrowia szybciej i są w lepszej formie. Może to być także finansowo korzystne dla samych klientów, jeśli prowadzenie zdrowego trybu życia i unikanie ryzykownych sytuacji zostaje połączenie z programem zniżek.

Korzyści przynoszą też technologie z obszaru Smart Home, które w wielu przypadkach upraszczają procedurę likwidacji szkody, np. automatyzując prostsze przypadki.

Wykorzystanie personalizacji w procesie optymalizacji cen może korzystnie wpłynąć na wskaźniki rentowności poszczególnych klientów dla ubezpieczyciela i dokładniej prognozować przyszły dochód firmy. Pozwala ona precyzyjniej określić wrażliwość cenową klientów i jej wpływ na lojalność klientów w długiej perspektywie.

Personalizacja to także przewaga nad konkurencją

Skuteczne wdrożenie personalizacji jest trudne do szybkiego skopiowania, dlatego stanowi przewagę konkurencyjną, szczególnie na rynku, który wciąż jest stosunkowo konserwatywny. Jednocześnie obecni klienci są otoczeni nadmiarem reklam, który utrudnia przebicie się z własnym przekazem. Dlatego tworzenie punktowych kampanii skoncentrowanych na konkretnych odbiorcach i ich potrzebach, będzie coraz istotniejsze.

Dzięki algorytmom można segregować klientów na podstawie ich cech takich jak:

  • możliwości finansowe, 
  • wiek, 
  • historia zakupów,
  • lokalizacja.

Wspiera to tworzenie spersonalizowanych ofert, które dopasowują się do aspektów, które są dla nich szczególnie ważne. Zwiększa to szansę, że właściwa oferta trafi do właściwej osoby dokładnie w momencie, kiedy może być ona nią zainteresowana.

Samoobsługa i omnikanałowość

Personalizacja zaczyna się od określenia, jaka ścieżka zakupowa ma dla klientów największą wartość. Dla wielu osób istotna jest możliwość samodzielnego przeprowadzenia całego procesu zakupu, chociaż korzystanie z produktów ubezpieczeniowych ze względu na ich specyfikę wiąże się z koniecznością poznania wielu szczegółowych informacji.

Korzyści wykorzystania Machine Learning w branży ubezpieczeń

Dla ubezpieczyciela

  • Mniejsza liczba pośredników
  • Częściowe zautomatyzowanie i skrócenie procesów
  • Mniejszy jednostkowy koszt pozyskania nowego klienta
  • Otwarcie się na nowe grupy klientów 
  • Dostęp do większej ilości danych o klientach ułatwia optymalizację cen
  • Zmniejszenie kosztów leczenia klientów, dzięki szybszej diagnozie
  • Wykrywanie potencjalnych zagrożeń 
  • Zyskanie trudnej do powielenia przewagi konkurencyjnej
  • Dokładniejsze kategorie grup klientów
  • Skuteczniejsze kampanie marketingowe

Dla klienta

  • Oferty dopasowane do rzeczywistych potrzeb i stylu życia 
  • Korzystniejsze ceny po spełnieniu określonych warunków (prowadzenie zdrowego stylu życia, regularne poddawanie się badaniom itp.) 
  • Większy wybór produktów ubezpieczeniowych 
  • Szybki czas realizacji usług 
  • Samoobsługa

A duża i zróżnicowana oferta przeszkadza wielu klientom w podjęciu decyzji zakupowej. Tym bardziej, że wygodny mechanizm samoobsługi wiążę się z umiejętnością zarządzania informacjami, nawet jeśli np. przepisy prawa obligują usługodawców do umieszczania wielu wiadomości.

Dlatego warto zadbać o wyeksponowanie elementów, które są kluczowe dla ukończenia procesu wykupienia usługi, jak i tych, które najprawdopodobniej szczególnie interesują klientów. Przypadek sektora finansowego udowania, że nawet w skomplikowanych usługach zaprojektowanie przystępnego, scyfryzowanego customer journey jest możliwe.

Kolejnym istotnym elementem jest możliwość płynnego przechodzenia pomiędzy poszczególnymi kanałami. Dlatego istotne jest zaprojektowanie wielokanałowego doświadczenia, które uwzględnia różne touchpointy, począwszy od social mediów, a kończąc na wirtualnych asystentach.

Wykorzystać moc danych

Takie podejście wymaga jednak pozyskania i przetwarzania ogromnej ilości danych. rozwiązania z obszaru Machine Learning już dziś przyśpieszają rozpatrywanie wniosków czy wcześniejszą identyfikację potencjalnych zagrożeń, a jego rola w najbliższych latach będzie tylko rosła.

Tym bardziej, że źródeł danych będzie przybywać. Obecnie nic już nie stoi na przeszkodzie aby poza plikami cookies czy lokalizacją użytkownika, czerpać dane z mediów społecznościowych i urządzeń tworzących Internet Rzeczy.

Jednym z pierwszych rozwiązań tego typu w Polsce było dostrzeżenie przez ERGO Hestię potencjału aplikacji Yanosik, która informuje kierowców o sytuacji na drodze, ale jednocześnie na bieżąco pobiera cenne informacje pomagające ocenić styl jazdy potencjalnego klienta. Dzięki analizie behawioralnej i zaawansowanej interpretacji danych ubezpieczyciele mogą poznać rzeczywiste zachowania klientów i opracować oferty, które najlepiej dopasują się do ich potrzeb. Ten sam mechanizm dba o to, aby wysokość składki była zarówno korzystna dla ubezpieczyciela, jak i do przyjęcia dla klienta. Odpowiednie wykorzystanie danych zastępuje modele reaktywne bardziej zaawansowanymi modelami proaktywnymi.

Mariaż ubezpieczeń z technologią jutra

Zdając sobie sprawę, że technologia może wesprzeć ich działalność, wielu ubezpieczycieli monitoruje już innowacje, które nadają się do implementacji w ich organizacjach. Takie działania często prowadzą do współpracy z firmami IT i startupami, które mają doświadczenie w budowaniu nowoczesnych rozwiązań, obejmujących zarówno kwestie technologiczne, ale też innowacyjne modele biznesowe, np. mikroubezpieczenia.

Jednym z przedstawicieli branży ubezpieczeniowej, który wykorzystuje już takie podejście jest platforma Trōv. Oferuje ona swoim użytkownikom mikroubezpieczenia, dzięki którym zabezpieczają się na wypadek uszkodzenia, utraty lub kradzieży przedmiotów, które są dla nich szczególnie ważne. Dzięki temu klient wystarczy aplikacja na telefonie, aby błyskawicznie ubezpieczyć laptop, gitarę lub rower.

Gotowi na przyszłość

Rozwój technologii na stałe zmienił oczekiwania klientów, inicjując głębokie zmiany w kolejnych branżach. Dotyczy to również rynku ubezpieczeń, który obecnie znajduje się w podobnym położeniu, jak branża finansowa przed kilkoma laty. To właśnie podmioty z sektora finansowego od 2-3 lat są liderem w adaptowaniu nowych rozwiązań zagospodarowując nowe grupy klientów i otwieraniu się na nowe formy relacji z klientem.

Warta Sztucznej Inteligencji

Polski ubezpieczyciel jest w trakcie pilotażu dwóch projektów opartych na AI - wirtualnego rzeczoznawcy i konsultanta w call center. Pierwszy z nich dzięki umiejętności rozpoznawania obrazów oszacował kosztorys naprawy dla ponad 500 powypadkowych samochodów. Z kolei cyfrowy konsultant przeprowadził 2 tys. rozmów z poszkodowanymi, zbierając podstawowe dane (m.in. numer polisy i okoliczności zdarzenia) i przekazując je pracownikom do dalszego rozpatrywania.

Możliwość wykorzystania ogromnych zbiorów danych już teraz pozwala na tworzenie bardziej angażujących, zindywidualizowanych ofert. W połączeniu z automatyzacją wielu procesów prowadzi to do skrócenia czasu realizacji usług przy jednoczesnym zoptymalizowaniu kosztów. I chociaż technologiczny wyścig zbrojeń wielu firmom może kojarzyć się z trudnościami, w rezultacie wprowadzane zmiany mogą zaowocować wieloma korzyściami.

Organizacje, które oprą działanie swoich usług o chmurę obliczeniową są w stanie wielokrotnie zmniejszyć koszty generowane przez budowę i utrzymanie potrzebnej infrastruktury. Natomiast automatyzacja i wsparcie klientów w dążeniu do samoobsługi stwarza okazję do zmniejszenia liczby pośredników. Te i inne przypadki udowadniają, że wdrażanie technologii to okazja do opracowania nowych modeli biznesowych i usprawnienia procesów wewnątrz firmy.

Grupa PZU: Prosto, jasno, do celu
Nowy portal dla klientów PZU

Zobacz Case Study