icon

Connaissance client dans le secteur assurance

Identifier et cibler les clients ayant une deuxième voiture

Challenge

Un assureur en ligne souhaite améliorer son offre marketing : il souhaite proposer à ses clients une offre personnalisée pour la deuxième voiture familiale.

L’entreprise au début du projet n’a aucune information sur la deuxième voiture.

Il a une information client limitée (nom / prénom / adresse / e-mail / âge / profession). De plus, il possède un échantillon peu représentatif de la population (5 000 personnes).

Solution

L’approche d’Octopeek repose essentiellement sur l’usage des données externes et de l’Open Data. Nous avons utilisé les données des Pages Jaunes, les réseaux sociaux, OpenStreetMap, l’INSEE et ainsi que d’autres sources.

Les données de l’assureur ont été enrichies et ont permis la modélisation d’un algorithme.

L’algorithme tient compte, entre autres, de la densité de la population, des caractéristiques du logement, du niveau de revenu, de la catégorie socioprofessionnelle et de la proximité des transports en commun.

Un score et une classification sont ensuite attribués à l’échantillon initial.

Cette étape permet de passer d’un modèle d’apprentissage automatique non supervisé à un modèle supervisé.

Ensuite, il a été possible d’élargir les échantillons, d’enrichir davantage les données clients, de déterminer de nouvelles corrélations entre leurs clients et un propriétaire de plus d’un véhicule.

Les échantillons sont étendus et les données clients sont encore enrichies.

L’ensemble de données final obtenu est alors composé de 90% de nouvelles données et de 10% des données initiales de l’assureur.

Cela permet d’améliorer la fiabilité de l’algorithme.

Un modèle de notation est ensuite ajouté au CRM de l’entreprise, qui donne affiche pour chaque client un score de probabilité de posséder une deuxième voiture.

Ce modèle a permis d’identifier plus facilement les prospects. Ainsi les équipes vente et marketing peuvent personnaliser les offres et ainsi gagner en productivité et améliorer le ROI.

Cela s’est traduit par une augmentation de 30% des nouvelles polices en 3 mois.

Pourquoi Octopeek ?

Les assureurs doivent passer d’une expérimentation Ad Hoc de l’Intelligence Artificielle à une utilisation par tous les collaborateurs pour améliorer l’efficacité opérationnelle et apporter de la valeur ajoutée.

Octopeek démocratise l’Intelligence Artificielle dans l’entreprise : elle permet la création dynamique et le provisionnement d’applications d’Intelligence Artificielle d’entreprise “tout en un”, personnalisables par les business analystes.

Cas d'usages

Gestion du risque de crédit bancaire

Amélioration du système d’octroi de crédit chez les jeunes

En savoir plus

Intelligence économique dans le e-commerce

Matching de produit dans le secteur e-commerce

En savoir plus