Commercieel potentieel identificeren met segmentatie in verzekeringen

Context en doelstellingen

Een toonaangevende Europese verzekeringsmaatschappij is actief in een nichemarkt waar de prijsmarges klein zijn. De verzekeraar beschikt over een uitgebreid verkoopnetwerk, gelijkelijk verdeeld tussen directe verkoop en een netwerk van makelaars (+/- 4.500 makelaars). Ze wilden hun makelaars en de intensiteit van hun relatie met de eindklant beter leren kennen.

Met dit in gedachten bezochten verschillende "inspecteurs" regelmatig de verschillende makelaars en stimuleerden de relatie met de eindklant. De verzekeraar stuitte echter op twee belangrijke problemen. Ten eerste legden de inspecteurs hun bezoeken af op basis van de beschikbaarheid van de makelaars, wat leidde tot een suboptimaal gebruik van middelen. Dit maakte het erg moeilijk voor de inspecteurs om hun aantal bezoeken over het jaar te maximaliseren.

Ten tweede was het niet altijd mogelijk om bij de bezoeken van de inspecteurs rekening te houden met het werkelijke verkooppotentieel van de makelaars. Daarom was het waarschijnlijk dat hun (toch al beperkte) tijd werd besteed aan makelaars met een laag/middelmatig potentieel, terwijl grotere makelaars met een hoog potentieel werden genegeerd. Een nauwkeurige segmentatie van het verkoopnetwerk was cruciaal voor de verzekeraar om de commerciële middelen beter te kunnen toewijzen.

Benadering

Om de bezoeken van de inspecteurs te prioriteren met een segmentatie van het bestaande makelaarsbestand, hebben we de volgende stappen doorlopen:

Eerst bestond de gegevensconsolidatie uit het opschonen van gegevens en het koppelen van gegevens met OPENDATA (Statbel en BCE/BNB). Data featuring bracht vervolgens de mediaan/gemiddelde omzet aan het licht die een makelaar jaarlijks uitvoert en de verhouding tussen de omzet van een makelaar bij de verzekeraar ten opzichte van zijn jaaromzet. Om de consolidatie af te ronden, hebben we de gegevens klaargemaakt voor segmentatie.

Ten tweede voerden we een gegevensanalyse uit met het TIMi-hulpmiddel voor gegevensinterpretatie om de gegevens op een duidelijke, praktische manier aan de verzekeraar te presenteren.

Tot slot hebben we twee segmentatiemodellen toegepast om actieve en inactieve agenten te identificeren via clusteranalyse, de meest kritieke kansen te detecteren en het optimale aantal clusters voor de verzekeraar te vinden. We hebben deze informatie samengevoegd in eenvoudig te begrijpen visualisaties.

We leverden de output van het project in de vorm van een Powerpoint (om de belangrijkste gegevensinzichten en visualisaties aan te bieden), Excel-bestanden (die elk betrekking hadden op makelaarssegmenten met verschillend potentieel), Python-code, een TIMi-gegevensaudit en verdere verklarende documentatie.

Resultaten

Op het eerste gezicht kan de verzekeraar nu, dankzij de segmentatie en data-analyse, hun makelaarsnetwerk per provincie beter interpreteren. Deze inzichten leidden tot een reorganisatie van de verkoopafdeling om de geografische commerciële inspanningen beter te coördineren.

In totaal ontdekten we voor elk segmentatiemodel vier segmenten:

• Twee zeer locatiegebonden, die onmiddellijke aandacht vereisen gezien hun potentieel tijdens de volgende inspectie.

• Twee worden onderverdeeld in makelaars met een laag potentieel en gevestigde makelaars. Deze laatste categorie onderstreept het belang van makelaars die al zaken doen en een hoog potentieel hebben voor de verzekeraar om in de toekomst te behouden.

Na afronding van het project in 8 dagen kreeg de verzekeraar al snel een duidelijk beeld van de vervolgacties om het commerciële potentieel te vergroten. In totaal zijn ongeveer 200 makelaars geïdentificeerd als high potential of onderontwikkeld.