Meer omzet in verzekeringen door klantverloop te voorspellen

Context & doelstellingen

Een gespecialiseerde verzekeraar actief in België en Nederland kampte met een klantverloop van +9%, wat jaarlijks honderden miljoenen euro's verlies veroorzaakte. De verzekeraar vroeg Agilytic om de oorzaken van klantverloop te begrijpen en proactieve retentiemaatregelen uit te werken.

Correct klantinzicht was cruciaal om middelen voor klantenwerving en -behoud beter toe te wijzen. Via datatransformatie, opschoning, beschrijvende analyse en modellering bepaalden we daarom welke polis- en klantkenmerken op een risico op klantverloop wijzen.

Aanpak

We werkten samen met de marketing- en verkoopteams om de resultaten zo relevant mogelijk te maken. Vanuit een roadmap met mijlpalen onderzochten we de data grondig om preciezere inzichten te krijgen.

We begonnen met dataconsolidatie: data transformeren en opschonen. We verzamelden data uit acht bronnen met klantinformatie, polisdetails, verzekeringsproductgegevens, betalingsfrequentie per polis en andere premie-informatie als basis voor de voorspelling van klantverloop.

We schoonden de data op in functie van het beoogde resultaat: de doeluitkomst definiëren, overbodige kolommen verwijderen en ontbrekende informatie corrigeren of weglaten. Bij de transformatie berekenden we 'delta days' tussen de begin- en einddatum van een contract, als maat voor de klantduur. We leidden ook opzegdata en campagnestartdata af om hun informatiewaarde te beoordelen. Dit is slechts één voorbeeld van de vele afgeleide kenmerken die we maakten. We bekeken en valideerden de belangrijkste cijfers met de business om zeker te zijn dat de data juist waren geïnterpreteerd.

Na die eerste verzamel- en auditfase volgde een beschrijvende analyse. We analyseerden de data met de TIMi-tool voor data-interpretatie om ze helder en praktisch aan de klant te presenteren, met begrijpelijke visualisaties.

Vervolgens bouwden we een voorspellend model om de belangrijkste oorzaken van klantverloop te vinden en bestaande klanten een score voor hun vertrekkans te geven. De initiële scope omvatte meer dan 280 variabelen. Daarvan behielden we 11 significante variabelen in het eindmodel. TIMi was uitstekend geschikt voor deze analyse en leverde ons in recordtijd nauwkeurige, eenvoudig te interpreteren resultaten op.

Tot slot gaven we workshops om de datageletterdheid van interne teams te verbeteren en hen eigenaar van het model te maken. We leverden een PowerPoint met de belangrijkste inzichten en visualisaties, Excel-bestanden om de vertrekkans te simuleren op basis van de 11 kenmerken, een TIMi Data Audit-rapport en verdere toelichting bij de modelbouw.

Resultaten

Met ons model kon de klant twee keer zoveel vertrekkende klanten identificeren als vóór de samenwerking met Agilytic. We hielpen ook proactieve retentiemaatregelen op te zetten, zoals producten anders bundelen om beter aan klantbehoeften te voldoen, op basis van onze inzichten in de oorzaken van klantverloop.

De belangrijkste bevinding was dat de betrokken makelaar een van de twee belangrijkste voorspellers is, los van de portefeuillegrootte. Het klantverloop was hoger bij makelaars en het laagst bij directe kanalen. Ook het type verzekeringsproduct was een belangrijke voorspeller.

Ten tweede zagen we, anders dan de klant aanvankelijk dacht, geen duidelijk verband tussen communicatie en klantverloop. Het gemiddelde aantal dagen tussen de start van een communicatiecampagne en de einddatum van de communicatie is doorheen de tijd vergelijkbaar voor vertrekkende en blijvende klanten. Als klanten vertrekken, gebeurt dat meestal drie tot zes maanden na de campagnestart.

Daarnaast zagen we een piek in klantverloop in september en aan het einde van het jaar. Het meeste verloop kwam voor bij halfjaarlijkse betalingsplannen. Het klantverloop nam af naarmate de verzekerde ouder was. Eenmalige betalingsschema's en automatische betalingen gingen samen met lager klantverloop.

Dankzij de data-analyse en modellering ziet de klant nu een verbetering in het klantverloop door slimmere beslissingen bij de coördinatie van commerciële inspanningen. Het project was afgerond in minder dan 30 dagen. De klant zag snel welke vervolgstappen nodig waren om klantenbehoud en commercieel potentieel te vergroten.