Зачем и как «Росгосстрах» внедряет ИИ?

В августе 2021 г. SAS и страховая компания «Росгосстрах» успешно завершили масштабный эксперимент по запуску кросс-продаж каско в агентской и офисной сети с помощью технологий машинного обучения. По результатам пилота оказалось, что таргетирование предложений клиентам при помощи предсказательных моделей (искусственный интеллект) позволяет увеличить кросс-продажи каско на десятки процентов! В итоге растет не только финансовый результат компании, но и уровень лояльности клиентов, которые желают пролонгировать свои полисы снова и снова. 

В поиске новых решений и методов

Удовлетворенность и лояльность клиентов — это важнейшие факторы, влияющие на успех всего страхового бизнеса. Довольный клиент с большей вероятностью продлит договор и купит дополнительные страховые продукты, в том числе по автострахованию. Разумеется, страховщикам приоритетно развивать именно добровольные виды страхования, где клиенты осознанно приходят за полисами, подбирают программы и понимают их ценность.

Каско — относительно сложный продукт, по крайней мере, не всем водителям очевидна его полезность. Часто клиенты приобретают полисы каско больше благодаря усилиям агентов и сотрудников офисов. Но как выявить клиента, который откликнется на предложение? Обычно агенты и сотрудники офисов делают это интуитивно, опираясь на данные о доходах и страховую историю клиента. Более прогрессивный подход, давно взятый на вооружение банками, ритейлом, операторами связи, — это выявление потребностей клиентов, персонализация предложений и определение оптимального момента для коммуникации на основе технологий машинного обучения. Остается понять, работает ли этот рецепт в случае со сложными для понимания страховыми продуктами. Страховая компания «Росгосстрах» решила протестировать, каким будет эффект от предложений, сформированных с помощью средств математического моделирования.

Для масштабного пилотного проекта нужен был проверенный и прогрессивный подрядчик, который к тому же обладал бы экспертизой в построении и внедрении математических моделей. Им стал лидер на российском рынке по работе с большими данными — компания SAS.

«Компания SAS хорошо себя зарекомендовала как партнер, умеющий прекрасно работать с клиентской аналитикой. У нас не было сомнений в успешности проекта, поскольку в рабочие группы со стороны «Росгосстраха» и SAS были привлечены самые лучшие и опытные сотрудники. На протяжении всего пилота, участники обеих команд слаженно справлялись с задачами, быстро приходили к единому мнению, искали нестандартные решения и методично боролись за высокие показатели эффективности пилота. Нашу совместную работу также облегчило то, что у SAS есть отличное промышленное решение для построения большого количества математических моделей и оперативного выбора наилучшего алгоритма», — рассказывает Алла Михайлова, руководитель Центра аналитики клиентских данных СК «Росгосстрах».

Движение к цели

Пилот был разделен на три стадии: построение модели, ее интеграция в бизнес-процессы и боевое тестирование — запуск и оценка кампаний кросс-продаж каско с учетом рекомендаций моделей.

На первой стадии на выборке клиентов по ОСАГО была построена модель, которая с высокой точностью определяла сегмент клиентской базы, у которого должен быть интерес к покупке каско. Для этого было проведено масштабное исследование данных страховой компании и построена витрина данных на основании 500 факторов. Витрина всесторонне описывала контекст заключения договора ОСАГО. Для повышения информативности содержащихся в ней данных команда пилота провела фильтрацию выбросов, интеллектуальный биннинг, устранение скоррелированных факторов и другие операции. Затем витрина была использована для тренировки более чем 10 различных алгоритмов машинного обучения, из которых был выбран наилучший — дающий на тестовой выборке клиентов наиболее точные и стабильные прогнозы.

«Перед внедрением модели машинного обучения в процессы продаж мы провели ретроспективную оценку ее качества. Оценка показала, что модель позволяет с высокой точностью определить сегмент клиентов со сформированной потребностью в каско, которым можно и нужно сделать дополнительное персональное предложение», — комментирует Иван Бойко, руководитель направления Центра аналитики клиентских данных страховой компании «Росгосстрах».

Далее нужно было встроить технически точную модель машинного обучения в текущие процессы продаж в офисах и агентской сети «Росгосстраха» в регионах, отобранных для участия в пилотном проекте. Причем на этом этапе нужно было также преодолеть скепсис и опасения со стороны сотрудников офисов и агентов. Ведь с точки зрения продающих подразделений всегда есть риск, что модель не принесет значимого прироста в продажах. Страхи были нивелированы: сотрудникам подготовили обучающие материалы, провели семинары, где объясняли, по какой логике математическая модель принимает решения, за счет чего возникают дополнительные продажи и как использование модели поменяет процесс разговора с клиентом.

На третьей стадии пилота для выбранных регионов в агентской и офисной сети «Росгосстраха» команда запустила кампании кросс-продаж каско с таргетированием на основе технологий машинного обучения. Кампании кросс-продаж шли в две волны общим сроком 3 месяца. На протяжении всего этого времени команда «Росгосстраха» непрерывно контролировала полноту отработки рекомендаций математической модели подразделениями продаж и постепенно собирала статистику для подсчета финансового эффекта. Проводили также сравнительные тесты. Например, одним клиентам делали предложения каско на основе рекомендаций модели, а другим — на основе экспертных правил, существовавших ранее. Изучив собранную статистику по продажам, участники проекта пришли к выводу, что при использовании машинного обучения для таргетирования предложений каско продажи растут и в агентской, и офисной сетях.

«Изначально мы предполагали проводить кампании кросс-продаж в течение двух месяцев. Но для увеличения статистической значимости результатов и дополнительных экспериментов решили их продлить. Кроме того, запуск этой стадии совпал по времени с сезоном отпусков и некоторыми другими пилотами в компании. Тем не менее, грамотное управление проектом, детальное планирование и максимально четкое следование плану позволило собрать статистику и подвести результаты в срок», — рассказывает Алла Михайлова.

Достижения и горизонты

По итогам пилота продажи каско в целевой группе в отдельных регионах увеличились более чем вдвое. Роль сыграли два фактора. Во-первых, кросс-предложения стали делать большему числу клиентов из традиционных сегментов со сформированной потребностью в каско. А во-вторых, с помощью математической модели выявили новые перспективные сегменты клиентов.

«Мы считаем, что результат превзошел ожидания. Помогла также вера в успех со стороны каналов продаж и их руководства. Они всячески помогали качественно выполнять задания сотрудниками офиса и обширной агентской сети», — добавляет Алла Михайлова.

Результаты проекта позволяют руководству «Росгосстраха» сделать вывод, что методы машинного обучения должны и дальше применяться в компании в качестве эффективного инструмента. Причем математические модели можно применять не только для моторных видов страхования, но и для других страховых продуктов.

«Мы на практике убедились, что современные технологии и математический подход — это хорошее подспорье для повышения эффективности продаж в страховании. Поэтому мы планируем развивать это направление в «Росгосстрахе», создавать математические модели для таргетирования предложений по всем добровольным видам страхования и разработать систему рекомендаций Next best offer. Эти инструменты помогут продавцам точнее и быстрее выявлять потребности клиентов и лучше подбирать предложения. В конечном итоге это повысит лояльность клиентов», — делится планами Алла Михайлова.

«Несомненно, большая клиентская база — важнейший актив крупных страховых компаний. И различные инструменты, позволяющие сделать взаимодействие с клиентами более интенсивным и персонализированным, всегда в цене. В том числе на эффективность проверяют сегодня технологии аналитического CRM и машинного обучения. Однако из-за особенностей страховых продуктов и сложного процесса дистрибуции пока мало кто на рынке пришел к осязаемому финансовому эффекту именно за счет использования ИИ и углубленной аналитики в кросс-продажах. Так что проект, реализованный командой «Росгосстраха» и SAS, — это знаковый успех для страховой отрасли», — считает Степан Ванин, директор практики бизнес-решений для страховых компаний и НПФ, SAS Россия/СНГ.

Полный текст статьи читайте на CNews