Cross-Selling Optimierung für Versicherungen und Finanzen

Jedem Kunden das richtige Angebote zur richtigen Zeit machen und so das Cross-Selling optimieren? Mit dem intelligenten Next-Best-Offer-System ist das kein bloßes Zukunftsversprechen mehr, sondern längst Realität.  

In diesem KI-Use Case möchten wir Ihnen zeigen, wie wir unser smartes Next-Best-Offer-System für die Treffsicherheit der Angebote in einem Versicherungsunternehmen einsetzen. Denn das Cross-Selling soll optimiert werden.

Zur Erinnerung: NBO (Next Best Offer) oder NBA (Next Best Action) sind analytische Marketingansätze, die das kundenindividuelle nächste beste Angebot angeben. 

Erfolgreiches Cross-Selling ohne Next Best Offer? 

6000 Berater, 4 Millionen Kunden, 120 verschiedene Versicherungsangebote: die Realität unseres Geschäftspartners. Wie können die Berater bei dieser Anzahl von Produkten und Kunden den Überblick behalten und ihren Tag möglichst effizient gestalten? Ohne Hilfe ist das sehr schwer.  

So kommt es nicht selten vor, dass ein besonderes Augenmerk auf den Top-Kunden liegt, während die anderen Kunden weniger intensiv betreut werden. Dadurch bleibt ein riesiges Potential an Cross-Selling-Möglichkeiten unberührt. 

Da es dem Berater verständlicherweise schwerfällt, eine Priorisierung in seine immense Kundenbasis zu bekommen, geht häufig großes Cross-Selling-Potenzial verloren. Denn er führt viele Gespräche, die zu keinem Abschluss führen oder er “vergisst” Kunden, die ein hohes Kaufpotenzial haben. 

Das bloße Berücksichtigen der Top-Kunden führt zu: 

  1. Falschen/ Unpassenden Angeboten 
  2. Niedrigen Conversion Rates 
  3. Ungenutztem Umsatzpotential 

Außerdem ist es im hohen Maße

  • Zeitintensiv 
  • Unpersönlich 
  • ineffektiv 

Wie kann der Vertriebsberater dem Kunden also zur richtigen Zeit das richtige Angebot machen? 

Ein KI-basiertes Next-Best-Offer-System

Wie können wir bei der Summe an Personen und Optionen die richtige Wahrscheinlichkeit für einen Vertragsabschluss schätzen? Und diese dann anschließend dem Vertriebsmitarbeiter zur Verfügung stellen? 

Die Antwort: Ein vollautomatisiertes Next-Best-Action-Framework auf Basis von maschinellem Lernen

Dieses ermöglicht es, für jeden Kunden zu jeder Zeit eine konkrete Abschlusswahrscheinlichkeit abzugeben. Und das für jede mögliche Versicherungsoption. 

Wie genau das funktioniert? 

Das Next Best Offer basiert auf der Kombination vieler Affinitäts-Modelle, von denen jedes die  Wahrscheinlichkeit vorhersagt, dass ein Kunde eine bestimmte Handlung vornimmt. In diesem Fall den Abschluss einer Versicherung. 

Durch das – auf maschinellem Lernen basierte – NBO-System können die historischen Daten des Versicherungsunternehmens intelligent genutzt werden, um konkrete Kaufwahrscheinlichkeiten für die Zukunft zu berechnen. Und das für jede Kombination von Kunde und Produkt. 

Dabei dienen die vergangenen Kundenaktivitäten als Grundlage für die Machine Learing Modelle, um daraus eine Vorhersage von Vertragsabschlussaffinitäten zu erstellen.  

Damit besonders die Versicherungen berücksichtigt werden, die einen hohen Beitrag zum Geschäftserfolg leisten, werden die entstandenen Wahrscheinlichkeiten mit dem Erwartungswert bei einem Abschluss multipliziert. 

So entsteht ein Ranking alternativer Optionen nach erwartetem Wert, individuell pro Kunde. 

Das Ziel ist dabei die Beratung durch eine App, in welcher den Mitarbeitern täglich die Top-Empfehlungen für ihren gesamten Kundenstamm zur Verfügung steht.  

Ein selbstfüllendes Auftragsbuch. 

Selbstfüllendes Auftragsbuch (NBO-Framework)
Selbstfüllendes Auftragsbuch (NBO-Framework)

Wie sind wir bei der Entwicklung eines solchen KI-Systems vorgegangen? 

  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 

Folgende Daten werden für ein Affinitätsmodell benötigt: 

  • Kundenstammdaten (Alter, Geschlecht etc.) 
  • Transaktionsdaten (Abgeschlossene und stornierte Verträge) 
  • Verhaltensdaten 
  • Produktmetadaten 

Wir validieren in einem letzten Schritt die entstandenen Affinitätsmodelle mit Trainingsdaten, sodass mit dem besten Modell in der Praxis gearbeitet werden kann.  

Next-Best-Action-Framework für einen Versicherungsbetrieb
Next-Best-Action-Framework für einen Versicherungsbetrieb.

Das daraus resultierende Next-Best-Action-Framework kann genutzt werden, um dem Kunden das passende Angebot zur passenden Zeit zu unterbreiten. 

Das Ergebnis: Die KI steigert das Cross-Selling signifikant

Wir erhalten pro Kunde eine Vorhersage für seine Neigung ein bestimmtes Produkt zu kaufen. Diese Erkenntnis dient als Trigger für Marketing und Vertrieb und steigert so die Conversion Rate um über 60%.  

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-Selektion durch. Dabei werden die Vertriebsmitarbeiter in zwei gleich große Gruppen unterteilt, wobei die eine Gruppe mit der Unterstützung von KI arbeitet und die andere Gruppe ohne. 

Damit wir bei unserem Test mit quantitativen Fallzahlen arbeiten können, entscheiden wir uns für den telefonischen Vertriebskanal. 

Die Mitarbeiter rufen jeweils ca. 2000 Bestandskunden an und sollen in einem Gespräch das Ziel erreichen, einen Termin zu vereinbaren. Natürlich wird dabei zeitlich parallel gearbeitet. 

In der folgenden Tabelle wird das Ergebnis der Gegenüberstellung von zwei Gruppen Vertriebsmitarbeitern dargestellt. Die Champions arbeiten ohne die Unterstützung von KI, während die Challenger mit der Unterstützung des KI basierten NBO-Systems arbeiten. 

Das Ergebnis ist signifikant (hier in grün hervorgehoben): Die Challenger konnten im Test mit der Hilfe des smarten Systems rund 64% mehr Termine vereinbaren. 

 Kontaktiert Termin Terminquote 
Challenger 2104 911 43,2% 
Champion 2019 556 27,5% 
Uplift  63.8%  
Ergebnis Challenger-Champion-Selektion

Dieses Ergebnis unterstreicht die enormen Potentiale, die eine Verwendung von KI-Systemen im Versicherungsbetrieb mit sich bringt.  

In Zukunft wird mit einem datengetriebenen Ansatz gearbeitet, durch welchen geplant und personalisiert verkauft wird und schließlich Cross-Selling effektiv betrieben wird.  

Personalisiertes und qualitatives Marketing mit KI – garantiert! 

Sie finden die Arbeit mit KI spannend und möchten erfahren, an welchen Stellen KI in Ihrem Unternehmen angewendet werden könnte? Dann kontaktieren Sie uns doch gerne

Möchten Sie mehr über das Thema NBO erfahren? Dann können Sie sich auf unserer Lösungsseite spannende Fakten einholen. Wenn Sie genug von Buchstaben haben, haben wir hier ein interessantes YouTube Video zum Thema NBO für Sie erstellt. 

Ihr Kontakt: Laurenz Wuttke

Unternehmen sitzen auf einem ungenutzten Berg von Kundendaten. Wir von datasolut entwickeln KI, die Ihr Marketing optimiert. Damit Sie dem richtigen Kunden zur richtigen Zeit das richtige Angebot machen können.

Laurenz Wuttke

Weitere KI Use Cases

Interessante Blogbeiträge

Download:

KI Use Cases für Marketing und Vertrieb

Jetzt eintragen und spannende KI-Projektbeispiele aus der Praxis erhalten:

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.