Augmenter les revenus dans l'assurance grâce à la prévision du taux de désabonnement

Contexte & Objectifs

Une compagnie d'assurance spécialisée active en Belgique et aux Pays-Bas faisait face à un taux de churn de +9%, générant des millions d'euros de pertes chaque année. Elle a fait appel à Agilytic pour comprendre les facteurs de churn et concevoir des actions de rétention proactives.

Obtenir des insights clients précis était crucial pour optimiser l'allocation des ressources d'acquisition et de rétention. Nous avons donc identifié les caractéristiques des contrats et des clients qui signalent un risque de churn grâce à la transformation, au nettoyage, à l'analyse descriptive et à la modélisation des données.

Approche

Nous avons collaboré étroitement avec les équipes marketing et commerciales pour maximiser la pertinence des résultats. Nous avons suivi une feuille de route par jalons pour analyser les données en profondeur et générer des insights précis.

Nous avons commencé par la consolidation des données (transformation et nettoyage). Cela consistait à rassembler les données de huit sources contenant les informations clients, les détails des contrats, les produits d'assurance, la fréquence de paiement et d'autres données de primes pour créer la base de notre prédiction de churn.

Nous avons nettoyé les données selon l'objectif visé: définition de la cible, suppression des colonnes inutiles et correction des données manquantes. Pour la transformation, nous avons calculé le nombre de jours entre la signature et la fin du contrat (l'ancienneté du client), et dérivé les dates de churn et de début de campagne pour évaluer leur pertinence. Ce n'est qu'un exemple des nombreuses variables dérivées créées lors de cette phase. Les chiffres clés ont été validés avec le business pour garantir une interprétation correcte des données.

Après cette phase d'audit et de collecte, nous sommes passés à l'analyse descriptive. Nous avons analysé les données avec l'outil de data préparation TIMi afin de présenter au client des visualisations claires, pratiques et faciles à comprendre.

Nous avons ensuite construit un modèle prédictif pour identifier les principaux facteurs de churn et scorer la propension au churn des clients existants. Notre périmètre initial comprenait plus de 280 variables, dont 11 significatives ont été conservées dans le modèle final. TIMi nous a permis d'obtenir des résultats précis et faciles à interpréter en un temps record, s'affirmant comme l'outil idéal pour ce type d'analyse.

Enfin, nous avons animé des workshops pour aider les équipes internes à monter en compétences sur la data et à s'approprier le modèle. Les livrables comprenaient une présentation PowerPoint (insights et visualisations clés), des fichiers Excel pour simuler la propension au départ selon les 11 variables clés, un rapport d'audit de données TIMi et une documentation explicative sur la construction du modèle.

Résultats

Notre modèle a permis au client d'identifier deux fois plus de profils à risque de churn qu'auparavant. Nous l'avons également aidé à mettre en place des mesures de rétention proactives, comme la refonte de packages de produits pour mieux répondre aux besoins des clients grâce à nos insights sur les facteurs de churn.

Point clé: nous avons constaté que la variable prédictive la plus critique est le courtier impliqué, sans lien avec la taille du portefeuille. Le churn est plus élevé via les courtiers et plus faible via les canaux directs. Le type de produit d'assurance s'est également révélé être un indicateur significatif.

Deuxièmement, contrairement aux idées reçues du client, aucun lien apparent n'a été trouvé entre communication et churn. Le délai moyen entre le début d'une campagne et la fin de la communication est similaire pour les clients perdus et conservés au fil du temps. Le churn intervient généralement entre trois et six mois après le début de la campagne.

De plus, nous avons observé un pic de churn en septembre et en fin d'année. Le churn est plus fréquent sur les plans de paiement semestriels. Il diminue à mesure que l'âge du client augmente. Les paiements uniques et les prélèvements automatiques affichent quant à eux d'excellents taux de rétention.

Grâce à l'analyse de données et à la modélisation, le client observe déjà des améliorations de sa rétention client grâce à des décisions plus stratégiques dans la coordination de ses efforts commerciaux. Projet délivré en moins de 30 jours, permettant au client d'activer rapidement les leviers nécessaires pour développer sa rétention et son potentiel commercial.