Cross-Selling Optimierung für Versicherungen durch NBO
Jedem Kunden zur richtigen Zeit das richtige Angebot machen und so das Cross-Selling optimieren? Mit dem intelligenten Next-Best-Offer-System ist das kein Zukunftsversprechen mehr, sondern längst Realität. In diesem KI-Anwendungsfall möchten wir Ihnen zeigen, wie wir unser intelligentes Next-Best Offer-System für die Treffsicherheit von Angeboten in einem Versicherungsunternehmen einsetzen, um das Cross-Selling zu optimieren.
Erfolgreiches Cross-Selling ohne Next Best Offer?
6.000 Berater, 4 Millionen Kunden, 120 verschiedene Versicherungsangebote: das ist die Realität unserer Geschäftspartner. Wie können die Beraterinnen und Berater bei so vielen Produkten und Kunden den Überblick behalten und ihren Arbeitstag so effizient wie möglich gestalten? Ohne Hilfe ist das schwierig.
So kommt es nicht selten vor, dass der Fokus auf den Top-Kunden liegt, während die anderen Kunden weniger intensiv betreut werden, wodurch ein enormes Cross-Selling-Potenzial ungenutzt bleibt.
Da es für den Berater verständlicherweise schwierig ist, in seinem riesigen Kundenstamm eine Priorisierung vorzunehmen, geht oft ein großes Cross-Selling-Potenzial verloren. Er führt viele Gespräche, die zu keinem Abschluss führen, oder er “vergisst” Kunden mit hohem Kaufpotenzial.
Vor diesen Herausforderungen stand unser Kunde
Ineffiziente Prozesse
120 verschiedene Versicherungsangebote machen es schwer, den Überblick zu behalten und den Arbeitstag effizient zu gestalten. Ohne unterstützende Systeme können die Berater die Vielzahl der Produkte und Kunden nicht effizient verwalten, was zu Ineffizienz und ungenutztem Potenzial führt.
Fehlende Priorisierung
Die Konzentration auf Top-Kunden führt dazu, dass andere Kunden weniger intensiv betreut werden. Dies bedeutet, dass viele Cross-Selling-Möglichkeiten ungenutzt bleiben. Da die Berater Schwierigkeiten haben, in ihrem großen Kundenstamm Prioritäten zu setzen, gehen viele potenzielle Geschäfte verloren.
Ungenutzte Umsatzpotenziale
Die ausschließliche Fokussierung auf Top-Kunden führt zu falschen oder unpassenden Angeboten, niedrigen Konversionsraten und ungenutzten Umsatzpotenzialen. Darüber hinaus ist dieser Ansatz zeitaufwändig, unpersönlich und ineffizient. Berater benötigen Unterstützung, um den richtigen Kunden zur richtigen Zeit das richtige Angebot zu machen.
Wie können wir aus der Summe von Personen und Optionen die richtige Wahrscheinlichkeit für einen Vertragsabschluss schätzen? Und diese dann dem Vertriebsmitarbeiter zur Verfügung stellen?
Die Antwort: Ein vollautomatisches Next-Best-Action-Framework, das auf maschinellem Lernen basiert.
Es ermöglicht, für jeden Kunden zu jedem Zeitpunkt eine konkrete Abschlusswahrscheinlichkeit zu liefern. Und zwar für jede mögliche Versicherungsoption.
Wie funktioniert das genau?
Next Best Offer basiert auf der Kombination mehrerer Affinitätsmodelle, die jeweils die Wahrscheinlichkeit vorhersagen, mit der ein Kunde eine bestimmte Handlung ausführt. In diesem Fall den Abschluss einer Versicherung.
Das auf maschinellem Lernen basierende NBO-System kann die historischen Daten des Versicherungsunternehmens intelligent nutzen, um konkrete Kaufwahrscheinlichkeiten für die Zukunft zu berechnen. Und zwar für jede Kombination aus Kunde und Produkt.
Dabei dienen die vergangenen Kundenaktivitäten als Grundlage für die Machine-Learning-Modelle, um daraus eine Vorhersage der Abschlussaffinitäten zu erstellen.
Um insbesondere die Versicherungen zu berücksichtigen, die einen hohen Beitrag zum Geschäftserfolg leisten, werden die ermittelten Wahrscheinlichkeiten mit dem Erwartungswert eines Abschlusses multipliziert.
Das Ergebnis ist ein Ranking alternativer Optionen nach Erwartungswert, individuell für jeden Kunden. Ziel ist die Beratung über eine App, in der den Mitarbeitern tagesaktuell die Top-Empfehlungen für ihren gesamten Kundenstamm zur Verfügung stehen.
Ein Auftragsbuch, das sich selbst füllt.
Wie gehen wir dabei vor?
1.
Zunächst definieren wir einen Prognosezeitraum: in diesem Fall 6 Monate
2.
Anschließend betrachten wir die historischen Kundendaten: Sammlung von 4 Jahren.
3.
Das Ergebnis: 120 verschiedene Affinitätsmodelle.
In einem letzten Schritt validieren wir die entstandenen Affinitätsmodelle mit Trainingsdaten, so dass mit dem besten Modell in der Praxis gearbeitet werden kann.
Das daraus resultierende Next-Best-Action-Framework kann genutzt werden, um dem Kunden das richtige Angebot zum richtigen Zeitpunkt zu unterbreiten.
Die folgenden Daten werden für ein Affinitätsmodell verwendet:
- Kundenstammdaten (Alter, Geschlecht etc.)
- Transaktionsdaten (Abgeschlossene und stornierte Verträge)
- Verhaltensdaten
- Produktmetadaten
Ergebnis: KI steigert Cross-Selling signifikant
Wir erhalten für jeden Kunden eine Vorhersage über seine Neigung, ein bestimmtes Produkt zu kaufen. Dieses Wissen dient als Trigger für Marketing und Vertrieb und steigert so die Konversionsrate um mehr als 60%.
Hohe Cross-Selling-Potentiale
+64% mehr Termin-Abschlüsse
Gesteigerter Umsatz
Die Vorteile der Modelle im Schnellüberblick:
- Hohe Cross-Selling-Potentiale
- Hohe Conversion Rate
- Gesteigerter Umsatz
Wie erhalten wir dieses Ergebnis?
Wir führen eine Challenger-Champion-Auswahl durch. Dabei werden die Vertriebsmitarbeiter in zwei gleich große Gruppen eingeteilt, von denen die eine mit und die andere ohne KI-Unterstützung arbeitet.
Um in unserem Test mit quantitativen Fallzahlen arbeiten zu können, wählen wir den Vertriebskanal Telefon.
Die Mitarbeiter rufen jeweils ca. 2000 Bestandskunden an und sollen in einem Gespräch das Ziel einer Terminvereinbarung erreichen. Natürlich wird parallel gearbeitet.
Die folgende Tabelle zeigt das Ergebnis des Vergleichs von zwei Gruppen von Vertriebsmitarbeitern. Die Champions arbeiten ohne KI-Unterstützung, während die Challenger mit Unterstützung des KI-basierten NBO-Systems arbeiten.
| Kontaktiert | Terminabschluss | Terminquote | |
| Challenger | 2.104 | 911 | 43,2% |
| Champion | 2.019 | 556 | 27,5% |
| Uplift | 63.8% | ||
|
|
|||
Das Ergebnis ist signifikant (hier gelb hervorgehoben): Die Challenger konnten im Test mit Hilfe des intelligenten Systems rund 64% mehr Termine vereinbaren.
Dieses Ergebnis unterstreicht das enorme Potenzial, das der Einsatz von KI-Systemen im Versicherungsbetrieb birgt.
Zukünftig wird ein datengetriebener Ansatz zum Einsatz kommen, der einen planvollen und personalisierten Vertrieb sowie ein effizientes Cross-Selling ermöglicht.
Personalisiertes und qualitatives Marketing mit KI – garantiert!
Sie finden die Arbeit mit KI spannend und möchten wissen, wo KI in Ihrem Unternehmen eingesetzt werden kann? Dann nehmen Sie Kontakt mit uns auf!
Ihr Ansprechpartner
Ob und wie künstliche Intelligenz Ihnen weiterhelfen kann, können Sie in einem ersten, unverbindlichen Gespräch mit uns herausfinden.
In diesem Gespräch erfahren Sie:
- Wie Ihr Use-Case technisch am besten umgesetzt werden kann
- Wie wir maximal sicher mit Ihren Kundendaten umgehen
- Wie lange wir für die Umsetzung benötigen und wie ein konkreter Projektplan aussehen könnte