Berechnung von individuellen Produktaffinitäten.
Prognose Next Best Product.
Zur Optimierung des Upselling Potenzials bestehender Kunden haben wir in diesem Projekt ein Modell zur Prognose von Produktaffinitäten im Versicherungsumfeld berechnet.
Herausforderung.
Die Nutzung der bestehenden Kundenbasis zur Erweiterung des eigenen Geschäfts in verschiedenen Produktsparten wird im klassischen Versicherungsumfeld häufig durch den Außendienst gesteuert. Hierbei priorisieren die Mitarbeiter ihre Kunden häufig stark nach Erfahrungswerten und weniger datenbasiert bzw. weniger objektiv. Unser Kunde, ein internationales Versicherungsunternehmen, stand vor der Herausforderung, die Affinitäten aller Bestandskunden in den Hauptproduktsparten berechnen zu müssen, um so dem Außendienst gezielte Priorisierungen bereitstellen zu können.
Ansatz.
Auf Basis aller verfügbaren Kunden- und Produktdaten haben wir, gemeinsam mit dem Kunden, ein Machine Learning Modell entwickelt, dass die Affinitäten der Kunden zu fünf Hauptproduktsparten vorhersagen kann. Das Modell basiert auf Informationen aus verschiedensten Kernsystemen wie Bestandsdaten, CRM- und Mutationsdaten, die vom Modell entsprechend gewichtet werden, um eine möglichst genaue Prognose bzgl. der Produktaffinitäten zu generieren. Nach der Erstellung des Modells wurde dieses in-database implementiert, um in regelmäßigen Zyklen die gesamte Kundenbasis zu scoren und die Resultate bereitzustellen.
Ergebnis.
Die in der Datenbank verfügbaren Informationen werden in Form eines interaktiven Dashboards visualisiert und den Mitarbeitern zugänglich gemacht. Diese können, basierend auf verschiedenen Filtern, gezielt Kundengruppen und Segmente selektieren und sich innerhalb der Selektion die kundenindividuellen Affinitäten anzeigen lassen, um entsprechende Sales- und Akquisemaßnahmen einzuleiten.
Projekt Info.
Branche: Versicherung
Thema: Customer Analytics
Tools: SQL, R, H2O
Aufwand: 1 Monat
Projektlaufzeit: 1,5 Monate
STATWORX Kontakt.
Ihr Ansprechpartner:
Fabian Müller
Leiter Data Science
Download Case.
Downloaden Sie diese Case Study als PDF zur weiteren Verwendung.