Commercieel potentieel vinden met segmentatie in verzekeringen

Context & doelstellingen

Een toonaangevende Europese verzekeraar werkt in een nichemarkt met kleine prijsmarges. Het bedrijf heeft een groot verkoopnetwerk, gelijk verdeeld tussen directe verkoop en een makelaarsnetwerk van ongeveer 4.500 makelaars. Het wilde de makelaars en de sterkte van hun relatie met de eindklant beter kennen.

Daarvoor bezochten verschillende ‘inspecteurs’ regelmatig de makelaars om de relatie met de eindklant te versterken. De verzekeraar stuitte echter op twee grote problemen. Ten eerste werden bezoeken volgens de beschikbaarheid van makelaars gepland, waardoor middelen niet optimaal werden benut. Daardoor konden inspecteurs hun aantal bezoeken per jaar moeilijk maximaliseren.

Ten tweede konden de bezoeken niet altijd rekening houden met het werkelijke verkooppotentieel van de makelaars. Hun toch al beperkte tijd ging daardoor mogelijk naar makelaars met laag of gemiddeld potentieel, terwijl grotere makelaars met veel potentieel werden overgeslagen. Een nauwkeurige segmentatie van het verkoopnetwerk was cruciaal om commerciële middelen beter in te zetten.

Aanpak

Om inspecteursbezoeken te prioriteren via segmentatie van het bestaande makelaarsbestand, doorliepen we deze stappen:

Eerst consolideerden we de data: opschonen en koppelen met open data van Statbel en KBO/NBB. Daarna bepaalden we kenmerken zoals de mediane en gemiddelde jaaromzet van een makelaar en de verhouding tussen diens omzet bij de verzekeraar en diens totale jaaromzet. Tot slot maakten we de data klaar voor segmentatie.

Daarna analyseerden we de data met de TIMi-tool voor data-interpretatie om ze helder en praktisch aan de verzekeraar voor te stellen.

Tot slot gebruikten we twee segmentatiemodellen om actieve en inactieve agenten via clusteranalyse te identificeren, de belangrijkste kansen te vinden en het optimale aantal clusters te bepalen. We goten die informatie in begrijpelijke visualisaties.

We leverden de resultaten op via een PowerPoint met belangrijke inzichten en visualisaties, Excelbestanden met makelaarssegmenten volgens potentieel, Python-code, een TIMi Data Audit en aanvullende documentatie.

Resultaten

Dankzij segmentatie en data-analyse kan de verzekeraar nu zijn makelaarsnetwerk beter per provincie begrijpen. Die inzichten leidden tot een reorganisatie van de verkoopafdeling om de geografische commerciële inspanningen beter af te stemmen.

Voor elk segmentatiemodel vonden we vier segmenten:

• Twee zijn sterk geografisch gericht en vragen onmiddellijke aandacht vanwege hun potentieel bij het volgende inspectiebezoek.

• De andere twee zijn verdeeld in makelaars met laag potentieel en goed gevestigde makelaars. Die laatste groep benadrukt het belang van makelaars die al zaken doen en een hoog potentieel tonen, en die de verzekeraar in de toekomst moet behouden.

Na afronding van het project in 8 dagen kreeg de verzekeraar snel een duidelijk beeld van de volgende acties om zijn commerciële potentieel te vergroten. In totaal zijn ongeveer 200 makelaars geïdentificeerd als veelbelovend of onvoldoende benut.