El interés por la retención está resurgiendo con fuerza. Durante años, las aseguradoras han venido empleando estrategias de retención tradicionales muy inferiores a su potencial, ya que tendían a ser reactivas, se basaban en un planteamiento único y se aplicaban demasiado tarde durante el proceso de toma de decisiones del cliente. Sin embargo, las nuevas capacidades de análisis, la potencia informática bruta y la ciencia del comportamiento han creado nuevas formas de mejorar drásticamente los índices de retención.

Estas nuevas estrategias de retención no podrían haber llegado en mejor momento debido a la continua mercantilización de los seguros, con un gasto en publicidad elevado y sostenido, una mayor facilidad para pasarse a la competencia, y una evidente variación en las estadísticas demográficas y en las actitudes de los consumidores que indican que los millennials son los más dispuestos a cambiar de compañía1, la retención ha sufrido un declive constante en el sector estadounidense de los seguros de automóviles a lo largo de la última década

Las nuevas capacidades de análisis, la potencia informática bruta y la ciencia del comportamiento han creado nuevas formas de mejorar drásticamente los índices de retención.

La buena noticia para las aseguradoras es que estas nuevas capacidades les permiten ahora relacionarse proactivamente con sus clientes utilizando nuevos modelos y enfoques que mejoran de forma radical la retención (véase Figura 1) mediante:

  • Un mejor conocimiento de la ciencia del comportamiento y de la forma en que esta puede determinar cómo, cuándo y a quién se aplican las estrategias de retención.
  • Conjuntos de datos nuevos y más disponibles que, combinados con modelos de análisis avanzados, hacen posibles acciones dirigidas, proactivas y contextualmente relevantes en el momento de compra de un cliente "en riesgo". Existe, por ejemplo, información públicamente disponible sobre datos de navegación por Internet, uso de aplicaciones móviles, datos de gastos abonados con tarjeta y datos de actividades personales que, combinada con los datos en poder de la compañía (como los obtenidos a través de las reclamaciones de los clientes o de las interacciones en los distintos canales) proporciona una base sólida para la aplicación de los modelos de análisis.

La clave de la retención reside en generar modelos altamente precisos de pérdida de clientes. Utilizamos un conjunto de datos de clientes propio, exhaustivo y pormenorizado que incluye información de ubicación, financiera y digital externa sobre 250 millones de consumidores de los EE. UU. que puede combinarse con los datos de clientes internos de una compañía para generar modelos altamente precisos de pérdida de clientes. A continuación, los algoritmos específicos de aprendizaje de máquinas se aplican a estos conjuntos de datos para crear recursos de análisis prescriptivo y desarrollar tácticas de retención proactivas adaptadas a cada contexto concreto. Por último, esta información analítica se combina con un diseño centrado en las personas para impulsar estrategias innovadoras y personalizadas que resultan mucho más eficaces a la hora de retener al cliente y, sin duda, los clientes están listos para esta atención más personalizada, ya que el 81% de quienes se pasaron a la competencia afirman que su proveedor podía haber hecho algo para conservarlos2, y casi la mitad (el 49%) aseguran apreciar el hecho de que una compañía les proporcione una oferta u otro servicio específicamente personalizado para ellos.3

Figure 1: New capabilities allow a meaningful shift in focus of retention programs

En concreto, implementamos estas capacidades utilizando un enfoque estructurado compuesto por cuatro pasos:

  1. Análisis predictivo: La parte más importante de un programa de retención es identificar, con un alto grado de precisión, qué clientes están comprando. Utilizando el aprendizaje de máquinas, creamos modelos altamente precisos que predicen qué clientes concretos están iniciando su proceso de compra y cuáles tienen mayores probabilidades de abandonar, lo que permite a una aseguradora saber con exactitud dónde concentrar sus labores de retención proactivas. Con este análisis, una aseguradora puede dirigirse de forma más inequívoca a sus clientes objetivo y desarrollar con mucha más eficacia tácticas que influirán en su comportamiento y en su decisión de dejar de comprar.
  2. Diseño de experiencias: Los clientes inician su proceso de compra después de haber sido "motivados" por uno de estos cuatro factores principales: sufrir un incremento de tarifas, tener una experiencia de cliente negativa, sentirse persuadidos por el marketing de la competencia o encontrarse en una situación que requiera actualizar su póliza (un coche nuevo, añadir un conductor, etc.). En función de esto, diseñamos tácticas de retención centradas en las personas, basadas en la ciencia del comportamiento y específicas para cada factor de compra que pueden aplicarse a cada cliente en riesgo.
  3. Análisis prescriptivo: Tras desarrollar una serie de tratamientos, el paso siguiente consiste en someterlos a pruebas analíticas tanto de forma individual como en diversas combinaciones. Las pruebas A/B se utilizan para determinar qué grupos de tratamientos permiten aumentar la retención en mayor grado.
  4. Adopción y sostenibilidad: Una vez desarrollados los modelos y los tratamientos, el proceso deberá ponerse en práctica con una frecuencia semanal o incluso diaria con el fin de identificar a los clientes en riesgo y comenzar a implementar el sistema de tácticas que les convenza para modificar su proceso de compra.

Estas estrategias permiten conseguir una mejora sustancial de los ingresos: según nuestra experiencia, la aplicación de estas nuevas capacidades ha permitido a las aseguradoras aumentar entre un 3 y un 7% la retención en su base de clientes en riesgo (clientes que empiezan a contratar su seguro). A modo de ejemplo, una aseguradora cuyos ingresos en concepto de primas tuviesen un crecimiento anual de 10.000 millones de dólares al tipo de mercado podría aumentar este crecimiento en más de un 6% en un plazo de cinco años implementando estas estrategias. Acumulativamente, esto podría suponer unos ingresos adicionales de 2.700 millones de dólares en concepto de primas durante dicho periodo de cinco años (véase Figura 2).

Figura 2: Convertir los datos y el análisis en ingresos

Asimismo, dado que retener a un cliente suele resultar menos costoso que captar uno nuevo, un enfoque como este tendría un impacto extraordinariamente elevado en los márgenes de la aseguradora, ya que supondría una fórmula atractiva en un sector en el que las compañías pugnan por ganar cuota de mercado sin afectar sus niveles de rentabilidad.

En un juego como el del sector de los seguros, con ganadores y perdedores, quienes no adopten medidas para mejorar su retención se arriesgan a perder cuota de mercado en favor de los competidores que sí lo hagan.

1 Informe Global Consumer Pulse, Accenture Strategy 2017

2 Ibidem

3 Informe Global Consumer Pulse, Accenture Strategy 2018

Shamik Lala

Managing Director – Accenture Strategy, Insurance


​Tim Hoying

Managing Director – Accenture Strategy, Insurance

MÁS INFORMACIÓN


Centro de suscripción
Continúa informado con nuestra newsletter Continúa informado con nuestra newsletter