Reinventare la Retention

BizTech Byte

Le strategie di retention stanno tornando. Per anni gli assicuratori hanno utilizzato approcci di scarso appeal perché poco innovativi, scarsamente diversificati e attivati molto tardi all'interno del ciclo decisionale del cliente. Ma le nuove funzionalità nel campo degli analytics, una maggiore potenza di calcolo e gli avanzamenti nelle scienze comportamentali hanno creato nuovi modi per migliorare sensibilmente i tassi di retention.

Queste nuove strategie arrivano nel momento giusto. L’insieme dei fattori che hanno reso sempre più le assicurazioni una commodity, come l’elevata spesa pubblicitaria, basse barriere sui cambi di compagnia, cambiamenti demografici della clientela e maggiore attitudine dei millennials al cambiamento¹, ha portato ad un abbassamento del retention rate dei clienti nel settore delle polizze auto in USA.

Questi nuovi modelli e approcci permetteranno di coinvolgere i clienti migliorando la retention (vedi figura 1) attraverso:

• Una migliore comprensione dell'analisi comportamentale e dell'impatto su come, quando e a quali clienti le strategie di retention vengono applicate.
• Nuovi dataset abbinati a modelli di analisi avanzati che rendono possibili azioni mirate, rilevanti ed efficaci durante il processo di scelta d’acquisto del cliente “a rischio”. Per esempio, esistono informazioni pubbliche disponibili sui dati di navigazione online, sull'utilizzo delle app da mobile e sugli stili di vita che, combinati con i dati disponibili dalle compagnie assicurative (come le interazioni e le richieste dei clienti per canale) forniscono una ricca base per l'applicazione degli analytics.

La creazione di modelli accurati per la valutazione del rischio è fondamentale per il mantenimento della base clienti. Utilizziamo un ampio dataset proprietario che comprende informazioni digitali, finanziarie e geografiche su 250 milioni di consumatori negli USA che possono essere combinate con i dati dei clienti della compagnia assicurativa per generare modelli di rischio molto accurati. L’applicazione di algoritmi di machine learning può essere utilizzata sui dataset per potenziare gli asset di analisi e sviluppare tattiche di retention mirate, rilevanti ed efficaci. Infine, combinare questi insight analitici con gli schemi comportamentali dei clienti porta a strategie di retention innovative e personalizzate. E i clienti sono pronti per quest'attenzione individuale: l'81% dei consumatori che ha cambiato compagnia ritiene che il precedente fornitore avrebbe potuto intraprendere qualche azione di mantenimento², e quasi la metà (49%) indica come apprezzabile l’offerta di un servizio customizzato.³

Nello specifico, implementiamo queste capacità attraverso un approccio strutturato in quattro fasi:

1. Analisi predittive. L'elemento più importante in un programma di retention è identificare con un elevato livello di confidenza quali clienti stanno considerando altre compagnie. Utilizzando tecnologie di machine learning, costruiamo modelli molto accurati per predire quali tipologie di clienti stanno iniziando a guardarsi intorno e qual è la probabilità che questi lascino la compagnia, permettendo all'assicuratore di capire come agire proattivamente per mantenere il cliente. Con questa analisi, un’azienda può agire in modo mirato, investendo in azioni per influenzare il comportamento di un suo cliente e convincerlo a rimanere tale.
2. Design esperienziale. I clienti iniziano a valutare il passaggio ad altre compagnie assicurative dopo essersi imbattuti in uno di questi quattro fattori: un aumento del premio, il perdurare di una situazione negativa, l'essere attratto da azioni di marketing competitive o circostanze che richiedono un aggiornamento della polizza in corso (per esempio: l'acquisto di un'auto nuova o l'arrivo di un altro guidatore). Basandoci su questo, costruiamo strategie di retention basate sul fattore umano e l'analisi comportamentale – tecniche specifiche per ogni fattore da attuare su tutti i clienti ritenuti a rischio.
3. Analisi prescrittiva. Dopo aver sviluppato un set di tattiche possibili, il passo successivo è quello di testarle in modo analitico, individualmente e in combinazioni diverse. Vengono utilizzati test A/B per determinare quali azioni generano il maggiore aumento del retention rate.
4. Implementazione delle strategie e sostenibilità. Una volta che i modelli e le tattiche sono state finalizzate, è necessario applicare il processo su base settimanale o giornaliera per identificare i clienti a rischio e quali azioni li convinceranno a rimanere con la compagnia assicurativa attuale.

Queste strategie possono portare a sostanziali aumenti dei ricavi, incrementando dal 3 al 7% la retention dei clienti a rischio (clienti che si interessano a prodotti assicurativi della concorrenza). Per dare un ordine di grandezza: una compagnia assicurativa con 10 miliardi di premi annuali in crescita al tasso di mercato potrebbe aggiungere oltre il 6% di incremento annuale entro cinque anni dall'implementazione di queste strategie. A livello cumulativo, significherebbe aggiungere 2,7 miliardi di dollari di premi assicurativi in un periodo di cinque anni (vedi figura 2).

In più, dato che mantenere un cliente è tipicamente meno costoso di acquisirne uno nuovo, un simile approccio avrebbe un impatto elevato sui margini di un assicuratore – ecco una formula attraente in un settore dove le aziende faticano a guadagnare quote di mercato senza impattarne la redditività.

Nel gioco a somma zero delle assicurazioni, chi ignora la possibilità di migliorare la retention rischia di perdere quote di mercato verso i concorrenti che sfruttano invece questa opportunità.

¹ Accenture Strategy Global Consumer Pulse Research, 2017

² Ibid

³ Accenture Strategy Global Consumer Pulse Research, 2018