Next Best Action in der Versicherungsbranche

Dieser Anwendungsfall zeigt auf, wie wir einem Unternehmen aus der Versicherungsbranche mithilfe eines automatisierten Next Best Action Frameworks auf Basis von maschinellem Lernen zu zahlreichen Vorteilen verholfen haben. Zudem gehen wir auf die Problemstellung sowie die dazugehörige Lösung ein. 

Problem

In diesem Use-Case handelte es sich um ein Unternehmen aus der Versicherungsbranche. Dieses Unternehmen hatte zu dem Zeitpunkt rund 6000 aktive Berater im Einsatz. Diese betreuten einen Kundenbestand von mehreren Millionen Kunden. Bei einem Angebot von ca. 120 verschiedenen Versicherungstypen war es demnach eine große Herausforderung, jedem Kunden ein passgenaues Angebot zu machen. Zudem bestand ein Problem darin, dass das Unternehmen nicht genau wusste, welche Kunden sich als Top-Kunden erweisen, um gegebenenfalls Cross- und Up-Selling Potenziale auszuschöpfen.  

Next Best Action Framework in der Versicherungsbranche.
Next Best Action in der Versicherungsbranche.

Lösung

Zur Lösung dieses Problems wurde ein voll automatisiertes Next-Best-Action Framework auf Basis von maschinellem Lernen angewandt. Dieses hat die Aufgabe, für jeden Kunden, zu jeder Zeit eine potenzielle Abschlusswahrscheinlichkeit eines bestimmten Versicherungstypen zu berechnen. Es wurden 120 Affinitätsmodelle mit den historischen Daten der letzten 4 Jahre angereichert, sodass eine Vorhersage des nächsten halben Jahres getroffen werden konnte. Das grundsätzliche Ziel bestand darin, herauszufinden, welche Produkte beziehungsweise Verträge von besonderem Interesse sind.  

Ergebnis

Durch die Erstellung und Nutzung dieses Next-Best-Action-Frameworks ließen sich die Abschlusswahrscheinlichkeiten einzelner Verträge berechnen. Diese Abschlusswahrscheinlichkeiten wurden jedoch mit dem Erwartungswert des Abschlusses ergänzt, sodass das Modell eine nach dem Umsatz geordnete Reihenfolge erbrachte. Es ließ sich demnach also herausfinden, welche Verträge höchstwahrscheinlich von bestimmten Kunden zu einem jeweiligen Zeitpunkt abgeschlossen werden und welchen Umsatz diese einbringen. 

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

Auch interessant für Sie

Interessante Blogbeiträge

Praxisbeispiele

Künstliche Intelligenz optimiert Marketing und Vertrieb

Tragen Sie sich hier in unseren Newsletter ein und erhalten Sie gratis die KI-Anwendungsfälle:

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.