Поскольку страховой рынок и его клиенты осознают потенциал искусственного интеллекта (ИИ), пока не очень ясно, как применять эту технологию таким образом, чтобы обеспечить повышение вовлеченности клиентов и обеспечение продаж страхования .
Дэниел Леви, главный консультант по рискам Swiss Re недавно исследовал, как страховщики могут получить наилучшие результаты от инструментов на базе искусственного интеллекта с точки зрения удержания клиентов и улучшения качества взаимодействия.
Он подчеркнул, что страховщикам важно использовать несколько моделей искусственного интеллекта для получения большей отдачи от инвестиций. Он также отметил, что использование поведенческих подходов вместо демографических может дать превосходные результаты, а ответственное использование ИИ, среди других инструментов, может помочь страховщикам привлечь и удержать клиентов.
Леви сказал: «Большинство страховщиков используют ИИ в первую очередь для выявления клиентов, которые с наибольшей вероятностью потеряют интерес к своим полисам. Одноцелевые модели склонностей очень эффективны, когда речь идет о выявлении определенной группы клиентов, которые рискуют быть потерянными.
«Применение такого целевого подхода имеет смысл, когда взаимодействие с клиентами обходится относительно дорого. Однако, если стоимость получения охвата невелика, а определенная подгруппа клиентов составляет значительную часть общей клиентской базы, тогда влияние модели склонности становится менее значимым. В конце концов, зачем сосредотачиваться на определенной части клиентов только для того, чтобы в конечном итоге взаимодействовать с большинством клиентов? И наоборот, зачем игнорировать большинство ваших клиентов, если общение стоит дешево? Модели склонностей также могут иметь меньшую значимость, когда дело доходит до реагирования на такие ситуации, как входящие запросы», - считает эксперт.
По всем этим причинам, как утверждает Леви, для достижения большей окупаемости инвестиций важно использовать несколько моделей ИИ, а не полагаться на результаты одного решения.
Поведенческие модели
Еще одним инструментом, который можно использовать, являются поведенческие модели, поскольку они дают более высокие результаты по сравнению с демографическим подходом, предполагает эесперт.
В отличие от демографических подходов, которые разделяют клиентов, например, по местоположению и возрасту, поведенческий подход делит клиентов в соответствии с моделями поведения и соответствующим образом формулирует идеи.
«В целом мы обнаружили, что демографические подходы уступают поведенческим моделям с точки зрения скорости отклика клиентов. Анализируя поведение клиентов, поведенческие модели дают представление о мотивах и позволяют страховщикам доставлять сообщения, которые напрямую говорят о них», — объясняет Леви.
Он добавляет: «Поведенческие модели могут выявить резкие различия внутри клиентской базы, которые могут быть неочевидны по демографическим признакам. Поведенческий анализ также может выявить случаи, когда клиенты совершают одно и то же действие, но по разным причинам.
«Взаимодействия, которые учитывают поведенческие и мотивационные различия и адаптируются соответствующим образом, обычно дают превосходные результаты».
Леви также ответственно подошёл к использованию ИИ, отметив, что, хотя персонализация возможна с помощью модели склонностей, этические вопросы необходимо учитывать в стратегии любой компании.
Например, модель может выбрать оптимальное сообщение для отправки каждому клиенту из «меню» подготовленных сообщений. Данные показали, что использование этого метода для SMS-сообщений о продлении привело к увеличению удерживаемых премий на 0,8% для одного из клиентов Swiss Re, отметил Леви.
«Эти модели также могут включать обучение с подкреплением: при постоянном тестировании программа ИИ может узнать, какой контент наиболее эффективен для каждого клиента, а также идеальные каналы и время суток для взаимодействия, чтобы максимизировать их коммерческое воздействие», — добавил Леви.
«Тем не менее, эти модели поднимают возможные этические проблемы, которые необходимо учитывать в стратегии любой ответственной компании. В отличие от поведенческой сегментации, не всегда ясно, почему модель склонности выбирает конкретное сообщение, а сложность объяснения результатов может вызвать вопросы. По этой причине их использование необходимо тщательно контролировать».
Коммуникации с клиентами
Частота общения — еще одно соображение, на которое обратил внимание Леви. По его словам, «приставучий подход, который настаивает на том, чтобы каждый день обращаться к клиентской базе, демонстрирует непонимание клиентов и отсутствие уважения к их времени».
Поскольку постоянные отношения жизненно важны для страхования, такой подход может привести к тому, что клиенты, платящие страховые взносы, перестанут сотрудничать или даже аннулируют свои полисы.
Леви пришел к выводу, что модели склонности и поведенческой сегментации должны играть дополняющую роль. По его мнению, такой подход обеспечит охват всех клиентов, максимизирует отдачу от инвестиций в более дорогие каналы связи и ответственно позиционирует персонализацию для достижения наилучших возможных результатов.
Предположение о том, что клиенты будут либо иметь постоянную склонность действовать в течение года, либо совершать действия только один раз в год, является еще одним недостатком широко используемых моделей искусственного интеллекта.
Swiss Re отмечает, что склонность клиентов к действию часто меняется. «У клиентов есть много возможных триггеров, и важно понимать, что каждый из них означает», — отметил Леви.
Он продолжил: «Один из подходов, который в прошлом доказал свою эффективность, заключается в использовании моделей, чтобы понять, что отдельные клиенты могут делать в ближайшие три месяца. Применяя поведенческие модели для анализа прошлых моделей поведения каждого клиента, мы можем понять наиболее вероятное следующее действие, которое может предпринять каждый клиент.
«Изучение поведения похожих клиентов, часто следуя сложным моделям триггерных событий, может дать представление о том, куда клиент, находящийся на пороге перемен в жизни, пойдет дальше в своем путешествии».
Леви развивает мысль: «Поэтому страховщики, стремящиеся уйти от ограничений единой модели склонности, должны думать о поездках. Сочетание поведенческой сегментации с моделями склонностей дает рекомендации по взаимодействию с нужными клиентами в нужное время и с соответствующим контентом для создания последовательного и актуального опыта при всех взаимодействиях.
«Хотя персонализация доказала свою эффективность, важно то, как используются модели искусственного интеллекта. Ответственное использование ИИ имеет решающее значение для доверия потребителей и, в конечном итоге, для долгосрочной жизнеспособности ИИ как инструмента улучшения качества обслуживания клиентов».
Подготовлено порталом Allinsurance.kz