Le marketing prédictif

A l’ère de la digitalisation, le modèle de distribution des assureurs a connu des modifications majeures. Les réseaux de distribution dits physiques ou traditionnels de l’assurance que sont les agents généraux, les courtiers, les bancassureurs, ou encore les affinitaires ont été largement bousculés par le développement d’internet. Les sites internet des assureurs, des intermédiaires comme les comparateurs d’assurance, et tout autre portail de E-commerce proposant des produits à assurer deviennent de nouveaux canaux de distribution à part entière.

A cela s’ajoute la disponibilité de données grâce à ces nouveaux canaux de distribution et grâce à l’Open Data. Que faire de ces données, comment peuvent-elles être utiles aux assureurs ?

La question est celle de leurs bonnes utilisations par les assureurs pour capter des clients, les fidéliser/limiter le taux d’attrition (churn), augmenter le taux de couverture, créer de nouveaux produits pour répondre aux besoins qui ressortent des analyses.

Pour cela, il faut connaître les attentes et les besoins des clients et y répondre au moment opportun grâce aux différents points de contact numériques (touchpoints). A noter que le pilotage stratégique par la donnée (data driven) ne peut se faire que dans des organisations prêtes à traiter ces données.

C’est dans ce contexte que le marketing prédictif est venu chambouler les méthodes classiques de la relation client. La temporalité n’est plus la même, le cycle de vente est accéléré grâce à la qualification des détections de signaux d’intérêt (leads) et à leurs scorings (leads scoring). En effet, le marketing prédictif se base sur l’étude des données disponibles et utilise des techniques de Data Science, d’intelligence artificielle pour cibler les attentes des clients concernant de nouveaux produits et ce, en amont de la relation et non plus uniquement en aval. C’est une véritable opportunité pour les assureurs d’anticiper et projeter les attitudes observées en utilisant des algorithmes performants, dans le respect de la RGPD.

Ainsi, l’analyse des comportements des assurés n’est plus seulement basée sur les données du portefeuille de l’assureur, ces données sont aujourd’hui enrichies des données externes (réseaux sociaux, open data, entrepôt de données constituées par des start-ups, etc.). Elles permettent aux algorithmes « de mieux apprendre » et donc « de mieux prédire » les différents comportements des assurés et de tirer profit des informations : qu’il s’agisse de fraude, de mieux identifier les risques (par la géolocalisation par exemple), de prédire l’acquisition d’un nouveau client ou de multi-équiper (proposer plusieurs contrats à un client), de prédire une résiliation. Le marketing prédictif intervient à différents moments clés du parcours de client. L’essor des réseaux sociaux et les services publics open data permettent d’affiner au plus juste ces modèles, ce qui permet d’avoir des modèles toujours plus crédibles. La clé du succès est l’adaptabilité et le test & learn.

Même si ces vecteurs de distribution augmentent considérablement la pression concurrentielle, ils sont également des sources d’informations importantes. Ils permettent, en effet, à l’assureur d’appréhender autrement l’assuré : avoir une meilleure compréhension de ses besoins, les anticiper, optimiser la qualité de ses services, créer de nouveaux produits ou encore de proposer au moment opportun le contrat d’assurance à un assuré. En se dotant d’outils issus de la Data Science, l’assureur pourra conserver un avantage concurrentiel.

Les comparateurs peuvent avoir un rôle non négligeable en matière de récolte de la donnée. Leur proposition de valeur est de donner à l’assuré une meilleure compréhension des garanties et peuvent donner une vision du marché, qui reste malgré tout parcellaire. En contrepartie, les assurés doivent remplir un champ considérable de données personnelles. Il convient de rappeler qu’ils sont soumis aux mêmes règles d’exigence de conseil que les courtiers.

Plusieurs axes sont possibles pour développer le marketing prédictif au sein d’une compagnie d’assurance :

  • Les techniques d’apprentissage automatique (machine learning) sont aujourd’hui, celles qui sont le plus efficaces, dans le domaine du marketing prédictif.
  • L’analyse de clics pour prédire la souscription d’une option d’assurance : une des analyses les plus courante est l’analyse du parcours client sur le site de l’assureur, l’analyse de clics courante au sein des compagnies d’assurance est de prédire quelle option d’assurance un client va souscrire.

Maîtriser toutes ces techniques présente un atout non négligeable pour faire face à la concurrence. Pouvoir prédire au plus juste les risques, la volatilité des comportements des assurés afin d’anticiper, de les maîtriser autant que possible, de proposer les tarifs les plus justes, les services les plus appréciables est un véritable avantage qui permet aux assureurs de se démarquer. Cependant le marketing prédictif n’est pas une baguette magique mais doit être utilisé afin d’infirmer ou de confirmer une position, une décision ou une orientation de stratégie.

Un aspect ne doit pas être négligé en amont de l’utilisation du marketing prédictif, c’est de faire en sorte qu’en interne l’entrepôt de données (data lake) de l’assureur soit utilisable et que la donnée soit de qualité.

L’objectif est bien d’utiliser de manière efficace la donnée afin d’appréhender au mieux le risque assurantiel. Les actuaires Data Scientist sont les plus à même d’être pertinents sur le sujet grâce à leur double connaissance du métier de l’assurance et des techniques de la Data Science.

Le cabinet GALEA & associés propose de vous accompagner dans le cadre de la qualité de vos données, l’analyse des comportements de vos assurés et la valeur client. Les consultants de GALEA, experts en Data Science pour l’Actuariat, sont à votre disposition pour partager leur expérience et leurs compétences dans les meilleures pratiques actuelles du marché de l’assurance.

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.