KIPotenziale einer KI-gestützten Kundenanalyse
Welche Erkenntnisse können aus Kundendaten gewonnen und wie können diese aufbereitet werden? Zur Beantwortung dieser Fragestellung wurden mittels KI Kundenanalysen durchgeführt und die resultierenden Vertriebspotenziale in einem CRM-System dargestellt.
Herausforderungen der Versicherungswirtschaft
Die Versicherungswirtschaft hat es nicht leicht… Der Versicherungsmarkt ist weitestgehend abgeschöpft und die Neukundengewinnung zunehmend herausfordernd. Daher ist es besonders wichtig in diesen Zeiten, die Chancen der Digitalisierung zu nutzen, um bestehende Kundenbeziehungen auszubauen und Cross- sowie Up-Selling-Potenziale zu heben.
Forschungs- und Entwicklungsprojekt der Fincon Reply
Im Rahmen eines Forschungs- und Entwicklungsprojekts haben wir die Herausforderung angenommen, eine Lösung zur Unterstützung des Cross- und Up-Sellings zu schaffen. Das konkrete Ziel war es, für Vertriebspartner die Verkaufspotenziale der Bestandskunden aufzuzeigen und diese benutzerfreundlich in einem CRM-System darzustellen
Datenbasis
Um das Vorhaben durchzuführen, wurde auf anonymisierte Bestandsdaten zurückgegriffen und eine Datenbasis geschaffen. Da sich Partnerdaten in unterschiedlichen Datentöpfen befanden, wurden diese mittels DIOS zusammengeführt. DIOS (Domain-Input-Output-Services) als Lösung der Fincon Reply kann Partnerdaten in Echtzeit konsolidieren.
Für eine dezidierte Datenanalyse wurden zunächst relevante Variablen aus den Rohdaten identifiziert und in numerische Features umgewandelt. Nach der Qualitätssicherung der Ergebnisse wurden diese mit externen Daten (u. a. Daten des GDV) angereichert. Damit war es möglich, erste Rückschlüsse auf die Risikobereitschaft oder den Vermögensstatus der Versicherungsnehmer*innen zu ziehen. Genauso können auf diese Weise Prognosen zur Lebenserwartung getroffen und Aussagen über den Bildungsstatus sowie die Einkommensverhältnisse getätigt werden.
KI-Modell
Die angereicherte Datenbasis diente als Input für das KI-Modell. Eine KI kann dazulernen. Für den Lernprozess wurde ein Vorgehen gewählt, das einen sukzessiven Lernansatz verfolgt. Zunächst wurden z. B. Produktvorschläge mit einem Regelwerk oder der K-Nearest-Neighbour-Methode, bei der Ähnlichkeiten zwischen Versicherungsnehmer*innen generiert werden, aufgezeigt. Auch konnten Aussagen über den Kundenbedarf und das Kundenverhalten getroffen werden.
Ergebnisse der Kundenanalysen im CRM-System
Die Produktvorschläge des KI-Modells wurden im nächsten Schritt an das verbundene CRM-System weitergegeben und dort für die Versicherungsvermittler sichtbar. Im System wird ein Feedback über den Status des Vertragsabschlusses generiert. Dieses Feedback fließt über das CRM-System zurück in das KI-Modell, sodass das KI-Modell sukzessiv lernt, verbesserte Produktvorschläge auszugeben.
(Autoren-Team: Anna Kehlenbeck und Lars von Lipinski)
