Kluczem są dane

Co dziś analiza danych może wam powiedzieć o waszych klientach?

W LINK4 przykładamy ogromną wagę do tego, aby ubezpieczenia były proste i jednocześnie idealnie dopasowanie do potrzeb klientów. Analiza danych oraz modele, które na tej bazie budujemy, pomagają nam osiągnąć oba te cele.

Oczywiście dane o historii polis i szkód pozwalają określić profil ryzyka danego klienta, ale mamy również modele, które służą poznaniu preferencji naszych klientów, dzięki czemu możemy zarekomendować im najlepsze rozwiązania, np. preferowaną ścieżkę likwidacji szkody lub zbudować model wskazujący na prawdopodobieństwo odejścia klienta (tzw. model churn). Dzięki temu wdrażamy skuteczne działania, które pomagają nie tylko utrzymać klienta, ale też zaproponować mu optymalne rozwiązania tak, żeby był zadowolony z naszych usług. A to, jak wiadomo, jest w branży ubezpieczeniowej bardzo istotnym elementem sukcesu. Zadowolony klient nie tylko zostanie z nami na długo, ale też poleci nas innym.

Drugim nie mniej ważnym obszarem jest wykorzystanie sztucznej inteligencji na etapie poszukiwania klienta. We wszystkich kampaniach marketingowych w internecie wykorzystujemy możliwości AI. Zaawansowane algorytmy szczegółowo badają użytkowników internetu, ich zainteresowania, interakcje, schematy zakupowe itd. i na tej podstawie precyzyjnie dopasowują przekaz reklamowy. Pozwala to w oczywisty sposób na optymalizację kosztów dotarcia do klienta. Zamiast np. kupować stały banner na cały dzień w danym portalu, można tę powierzchnię „wynająć” jedynie na chwilę dla konkretnego użytkownika. Tak targetowana reklama to również korzyść dla potencjalnego klienta, bo trafia w jego bieżące potrzeby.

A czy AI może też zmieniać modele biznesowe? Czy tu możecie się pochwalić jakimiś konkretnymi rozwiązaniami?

Modele AI pomagają nam przede wszystkim w zakresie automatyzacji i uproszczania procesów, a w efekcie szybszej obsługi klientów. Mowa tutaj np. o automatycznej analizie zdjęć czy automatycznej klasyfikacji e-maili przychodzących.

W ostatnim czasie rozwijamy nowatorskie narzędzie, które sami stworzyliśmy. Służy ono do inteligentnego rozdzielania obiegu dokumentów na podstawie poczty przychodzącej obejmującej setki tysięcy materiałów. Dotychczasowe narzędzie oparte na sztywnych regułach biznesowych było zdecydowanie mniej efektywne. W nowym rozwiązaniu, dzięki algorytmowi uczenia się maszynowego, szacujemy, że już niedługo będziemy w stanie w 95 proc. przypadków poprawnie zidentyfikować treść pism dotyczących szkód czy reklamacji.

Na ilu poziomach staracie się analizować dane o swoich klientach?

W ubezpieczeniach najważniejszymi danymi są oczywiście informacje opisujące historię szkodową oraz polisową danego klienta. Wykorzystujemy do tego dane wewnętrzne, ale niezwykle istotne są też informacje rynkowe, które możemy uzyskać poprzez bazy UFG. Tak naprawdę dane analizujemy na każdym etapie cyklu życia polisy – od ofert, poprzez konkretne polisy, obsługę po likwidację szkody. Zdobyte w ten sposób informacje pozwalają nam lepiej zrozumieć, a następnie optymalizować poszczególne procesy. W LINK4, będącym przecież prekursorem modelu direct na polskim rynku ubezpieczeniowym, wciąż bardzo ważną rolę odgrywa kanał sprzedaży bezpośredniej. To stąd pochodzi duża część pozyskanych klientów zarówno z kontaktu telefonicznego, jak i ze sprzedaży online, w tym zakupów dokonywanych bezpośrednio na naszym kalkulatorze. To także źródło ogromnej ilości danych, które możemy wykorzystać choćby do tego, żeby zoptymalizować naszą stronę www do potrzeb klientów.

Czy AI będzie mogła przewidzieć, który z klientów będzie w przyszłości bardziej szkodowy, a który mniej?

Oczywiście, już się tak dzieje. Określenie profilu ryzyka danego klienta to jedno z kluczowych zadań w ubezpieczeniach i tu zaawansowana technologia odgrywa ogromną rolę. Modele Machine Learning są szeroko wykorzystywane przez nas od lat i wciąż intensywnie pracujemy nad ich rozwojem. Trzeba sobie jednak zdawać sprawę, że tego typu modele są bardzo wrażliwe, ponieważ wpływają bezpośrednio na profil klienta. Kluczem są dobrej jakości dane i ich ilość, żeby mieć pewność skuteczności tych modeli. Warto tutaj zaznaczyć, że mowa nie tylko o danych wewnętrznych ubezpieczyciela, ale także możliwości dostępu do danych szkodowych innych ubezpieczycieli i UFG. Generalnie nie jest to kwestia czy, tylko kiedy takie modele analityczne będą wykorzystywane masowo.

Jakie są dziś główne bariery dotyczące analizy danych na rynku ubezpieczeniowym?

Możemy powiedzieć, że ubezpieczenia to nie jest „szybki biznes”. Z większością klientów mamy kontakt raz, dwa razy do roku, w sytuacji gdy kupują bądź odnawiają polisę. W przypadku szkód, tych kontaktów jest nieco więcej, ale wciąż daleko nam do tego, co widzą u siebie banki czy firmy telekomunikacyjne. To, że kontakt z klientami jest stosunkowo rzadki, wpływa na ilość informacji, które możemy zdobyć, a to bezpośrednio wpływa na wyższy poziom trudności przy konstruowaniu naszych model analitycznych. Jednocześnie jednak mamy coraz więcej dodatkowych źródeł, zewnętrznych baz, które pozwalają nam zwiększyć zakres tych informacji. W duchu upraszczania ubezpieczeń chcemy w niedalekiej przyszłości zrewolucjonizować sprzedaż polis komunikacyjnych, wykorzystując do tego intuicyjne kalkulatory zintegrowane z bazą CEPiK. Cały proces zakupu ubezpieczenia ma zostać maksymalnie skrócony. Klient będzie musiał podać tylko numer rejestracyjny pojazdu i datę urodzenia jego posiadacza. Pozostałe niezbędne informacje pobierzemy z bazy CEPiK. Dzięki temu klient szybciej wyliczy ofertę.

Producenci aut wykorzystują coraz więcej modułów AI, które z jednej strony pomagają kierowcom, z drugiej zaś analizują dane o ich zachowaniu na drodze. Czy firmy ubezpieczeniowe chcą sięgnąć po ten zasób danych, by lepiej oszacować swoje ryzyka lub czy pozyskują dane telematyczne w inny sposób?

Towarzystwa ubezpieczeniowe chętnie sięgnęłyby po dane bezpośrednio od producentów aut, jednak ci nie chcą się nimi dzielić. Zdając sobie sprawę z wartości tego typu danych, ubezpieczyciele często mają własne programy telematyczne. W LINK4 mamy program Kasa Wraca. Nasi klienci, wykupując polisę OC lub OC/AC, uzyskują darmowy dostęp do aplikacji z nawigacją samochodową, do której dołączony jest moduł Kasa Wraca, doceniający kierowców, jeżdżących rozważnie. To właśnie on – podczas aktywnego korzystania z map – sprawdza styl jazdy kierowcy i nagradza premią za bezpieczną jazdę nawet 30 proc. wartości zapłaconej składki na ubezpieczenie. I to doskonale działa. Łącznie wypłaciliśmy już kierowcom ubezpieczonym w LINK4 z programu Kasa Wraca 4,5 mln zł.

Jak wygląda rola AI i automatyzacji w procesie likwidacji szkody?

Można powiedzieć, że nasza likwidacja szkody jest naszpikowana analityką i AI. Zacznijmy od procesu zgłoszenia szkody, gdzie algorytmy Machine Learning automatycznie wspierają klienta w decyzji, jaka ścieżka likwidacji szkody będzie dla niego najlepsza. Następnie wykorzystujemy modele AI do analizy zdjęć, a finalnie, nad całym procesem likwidacji czuwa zaawansowane narzędzie do analizy szkód pod kątem identyfikacji fraudów.

W LINK4 mamy ponad milion klientów. Miesięcznie obsługujemy 10 tys. szkód, stąd nawet drobne usprawnienia mogą dać spektakularne efekty. W LINK4 już od kilku lat wiele procesów wykonują roboty. Aktualnie mamy ich prawie 80, z czego zdecydowana większość działa w tzw. trybie nienadzorowanym, czyli pracuje samodzielnie, bez nadzoru człowieka, 24 godziny na dobę. Jaki jest tego efekt? Roboty wykonują miesięcznie ponad 100 tys. zadań. To gigantyczna praca. Maszyny nie tylko odciążają ludzi w wykonywaniu najbardziej żmudnych i powtarzalnych czynności, ale także robią to szybciej. W efekcie oddziałuje to na szybkość reakcji ubezpieczyciela, np. w momencie zgłoszenia szkody, czy pozwala zmniejszyć koszty obsługowe, co wpływa na cenę polisy. Widzimy też ogromne możliwości wykorzystania sztucznej inteligencji w likwidacji szkody już na etapie jej wyceny. Sprawdzamy technologie i to, jakie daje rezultaty. Perspektywy są bardzo obiecujące. Patrząc na rynek światowy, tego typu wdrożenia potrafią być bardzo efektywne.

Czy roboty są też wykorzystywane w działach obsługi klienta? Na ile takie czatboty są użyteczne, biorąc pod uwagę ich stopień zaawansowania?

Obecne czatboty czy voiceboty to już nie są proste reguły, które bazowały na wyborze klienta dokonywanym na klawiaturze. Teraz za takim botami stoją zaawansowane modele NLP, NLU czy NLG (Natural Language Processing, Natural Language Generation, Natural Language Understanding – przetwarzanie, rozumienie i generowanie języka naturalnego). Są to modele, które bardzo często bazują na sztucznych sieciach neuronowych i dobrze nauczone potrafią zrozumieć klienta i rozpoznać jego intencje, nawet jeśli nie używa on wybranych „słów kluczy”.

Wykorzystanie tej technologii to rewolucja w obsłudze klienta, który nie musi czekać w kolejce na infolinii, ale bardzo szybko – poprzez dowolny kanał, również media społecznościowe – może załatwić swoją sprawę. W LINK4 obecnie mamy voicebota, który pełni funkcję asystenta klienta i przypomina mu np. o przekroczonym terminie opłacenia składki. Widzimy duży potencjał technologii text- i voicebot, dlatego w kolejnych latach będziemy rozwijali ten obszar.