Рабинович Борис, Делойт СНГ

На примере договоров КАСКО

Определение прибыльных и убыточных

сегментов клиентов в разрезе продуктов

Материалы конференции

Profinsurance-2014: Insurance&Banking Loyalty

Экономика и системы лояльности. Маркетинговая аналитика

30 октября 2014

Сегментация и ценообразование Предложение правильной цены правильным клиентам

Определение прибыльных и убыточных сегментов клиентов в разрезе продуктов © 2014 Deloitte & Touche Consulting Services Limited 2

Анализ текущей ценовой

стратегии

Обработка и анализ данных по портфелю

Моделирование

требований по

сегментам

Сбор и анализ рыночных цен

Оптимизация ценообразования

Определение цен, рыночный

потенциал и анализ доходности

Внедрение стратегии

Продолжающееся

развитие

Анализ внутри компании

Использование внешней информации

Стратегия

Мы рассматриваем вопрос

ценообразования как постоянный процесс.

Как только вы успешно внедрили стратегию

ценообразования, вы можете

анализировать поведение клиентов и

конкурентов, в результате чего может

потребоваться повторная оптимизация

ценообразования.

«Делойт» может оказать поддержку на

любом этапе данного цикла. Более

детальное описание этапов представлено

далее.

A

B

C

D E

F

G

H

Этап Наш подход Результат

Анализ текущей ценовой

стратегии • Диагностика вашей ценовой стратегии

• Обсуждение коммерческой стратегии и

стратегии продаж

• Сбор данных из различных внутренних

источников

• Обобщение и систематизация данных для

дальнейшего анализа

• Корректные данные по стратегии для

применения на следующих этапах

• Возможно выявление непроработанных

элементов в стратегии и процедурах

Обработка и анализ данных

по портфелю

Обработка данных: визуализация данных,

обнаружение закономерностей в данных, анализ

тестов, определение моделей поведения

клиентов и факторов, влияющих на требования,

уход клиентов и т.д.

Четкое понимание информации, содержащейся

в большом количестве информации о

портфеле, клиентах, их требованиях и т.д.:

• Получаете ли вы желаемых клиентов?

• Оценка рисков по каналам продаж?

• Необходимы ли какие-либо действия для

минимизации рисков до окончания этапов

анализа?

Моделирование

требований по

сегментам

Мы применяем гибкий подход, заточенный под

ваши потребности и доступность данных.

Обычно наш подход включает:

• Анализ рисков на основе информации о

каждом клиенте. Клиенты делятся на группы

риска с использованием аналитических

инструментов.

• Настройка модели жизненной ценности

клиента – предполагаемые доходы и расходы,

связанные с клиентом.

Сегментация клиентов на основе требований по

рискам, который они могут представлять для

компании. Требуется для:

• Понимания портфеля в ходе принятия

бизнес-решений, например, клиенты какого

сегмента представляют основной интерес.

• Решения относительно структуры тарифа;

• Создание прогнозных моделей для анализа

влияния решений по ценообразованию;

• Анализ недостатков рыночной информации

компании.

Описание оптимальной ценовой стратегии

A

B

C


Этап Наш подход Ваши преимущества

Сбор и анализ рыночных цен

• Диагностика вашей ценовой стратегии

• Обсуждение коммерческой стратегии и

стратегии продаж

• Сбор данных из различных внутренних

источников

• Обобщение и систематизация данных для

дальнейшего анализа

• Сбор данных о рынке (например, от

агрегаторов или тайных покупок)

• Анализ рыночных данных по ценам на

автострахование перед осуществлением

следующих шагов (разработка и

тестирование коммерческого тарифа), а

также получение важной информации

для бизнес решений.

Коммерческое ценообразование,

рыночный потенциал и анализ

доходности

• Разработка: поддержка в принятии

коммерческих решений по ценообразованию

на основе результатов предыдущих

анализов

• Тестирование: тестирование рыночного

потенциала и доходности различных

ценовых стратегий в соответствии с

различными сценариями будущего развития

Этапы разработки и тестирования повторяются

с целью найти и отрегулировать оптимальную

ценовую стратегию

Разработка ценовой стратегии, сегментация

и коммерческий тариф.

Анализ с использованием всей доступной

информации, необходимой для анализа

предполагаемого тарифа, чтобы оценить:

• Рыночный потенциал: велика ли

вероятность, что целевые клиенты

(существующие и новые) купят данный

продукт, а не продукты конкурентов?

• Доходность: велика ли вероятность, что

продажи данного продукта целевым

клиентам приведут к ростам доходов

бизнеса?

Внедрение стратегии

Может включать:

• Спецификации для внедрения IT

• Дополнительный анализ для поддержки

ценовой стратегии и т.д.

Быстрое и надежное внедрение новой

ценовой стратегии в IT-системы компании,

во внутренние процессы, внедрение в

каналы продаж

Описание оптимальной ценовой стратегии


E&

F

G

D

5 © 2014 ZAO Deloitte & Touche CIS or © 2014 Deloitte & Touche Consulting Services Limited

Анализ доходности сегментов

на примере договоров КАСКО

Цели работы:

1. Выявление повторяющихся структур и закономерностей в данных

2. Использование обнаруженных закономерностей в качестве инструмента

прогнозного анализа

Основные этапы:

Результаты :

1. Определены группы атрибутов, обладающих высокой и низкой

информативностью

2. Выделено более ста значимых групп контрактов. Среди них 15 групп

повышенного риска и более 30 групп, находящихся в «зоне стабильности».

Обзор исследования Цели проведенного анализа, его основные этапы и результаты


Получение и

первичная

обработка данных

Анализ данных

Обработка

«грязных» и

отсутствующих

данных

Выделение

основных

атрибутов

Стандартизация

данных

Сегментация

данных

Проверка

выявленных

закономерностей

Первичный анализ данных Иллюстрация основных этапов предварительной обработки данных

Примеры обработки грязных и отсутствующих данных:

Устранение выбросов (резко выделяющихся значений экспериментальных величин): • Дата начала эксплуатации: 13.11.2077, 19.10.2031, 13.11.2077 и т.д.

• Рабочий объем двигателя, см3: 1, 2, 5 и т.д.

Разрешение логических несоответствий: • Возраст водителя с максимальным КВС = 32, 18, 25 при соответствующих значениях

Стажа водителя с максимальным КВС = 31, 5, 31

Восполнение недостающих значений : • Использование отсутствующих данных в качестве независимых значений атрибута

Пример стандартизации данных:

Основная задача этапа – приведение данных разных типов и единиц измерения к единому

формату, пригодному для дальнейших исследований.

Нормализация интервальных значений:

• Стаж водителя: 24 → 1.2, 6 → -0.96, 9 → -0.6, 6 → -0.96, 12 → -0.24

• Страховая стоимость ТС: 1076708 → 0.633, 333890 → -1.074, 318794 → -1.109


Результаты анализа Определение структуры данных: выявление контрактных групп

Примеры групп

Пример группы повышенного риска (На рисунке: ) • 94% водителей имеют стаж вождения более трех лет

• Более 82% имеют стоимость страховки более 1млн рублей и пользуются марками автомобилей

TOYOTA (35%), MITSUBISHI(29%), VOLKSWAGEN(8%)

• У 98% клиентов мощность машины выше среднего значения (132 ЛС)

Пример группы пониженного риска (На рисунке: ) • Подавляющее большинство водителей пользуется новыми отечественными автомобилями ВАЗ

(86%) и LADA (8%), средняя стоимость страховки 300 тыс. рублей

• 100% водителей имеют стаж вождения более десяти лет, средний стаж – 15 лет

• У всех клиентов мощность машины не превышает 110 ЛС (среднее значение – 86ЛС)

0

5

10

15

20

25

30

0 500,000 1,000,000 1,500,000 2,000,000

Стаж водителя с

максимальным КВС

Страховая стоимость

ТС, вал. дог.

Центры сегментов:

сочетания параметров,

характерных для всех

элементов группы

Данные по договору


Результаты анализа Информативность атрибутов модели

Информативность атрибутов

Информативность атрибутов, используемых для анализа и моделирования данных, определяет

качество полученной модели и влияет на:

• Точность прогнозов

• Скорость их вычисления

Количественная оценка информативности

• Information gain (прирост информации) – статистический коэффициент, лежащий в диапазоне от

0 до 1 и показывающий, насколько информация об одной переменной позволяет судить о

значении другой. Чем выше коэффициент, тем больше связь между двумя атрибутами.

Пример высокоинформативных атрибутов

• Марка ТС (Information Gain = 0.521)

• Стаж водителя с максимальным КВС (Information Gain = 0.503)

• Страховая стоимость ТС (Information Gain = 0.52)

Пример низкоинформативных атрибутов

• Признак мультидрайв (Information Gain = 0.012)

• Признак юридичности страхователя (Information Gain = 0.017)

• Пол водителя с максимальным КВС (Information Gain = 0.072)


Оптимизация модели Обучение системы и последующая классификация данных должна

проводиться с использованием наиболее информативных атрибутов

Информативность атрибутов модели на примере группы

максимального риска:

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

Среднее значение по базе данных Среднее значение по кластеру

Чем больше расстояние

между средними значениями

атрибута в сегменте и в

общем объеме данных, тем

выше описательность данного

атрибута для

рассматриваемого сегмента

Использующиеся

атрибуты системы


Классификация новых данных Общая схема использования полученных сегментов для прогнозирования и

проверки данных

Ассоциация нового

контракта с

перечнем сегментов

Извлечение наиболее

близкой по своим

параметрам контрактной

группы

Формирование прогноза

на основании среднего

количества убытков в

группе

Фактическое количество

убытков

Данные контракта, не

участвовавшего в

обучении системы


http://www.google.ru/url?sa=i&rct=j&q=&esrc=s&frm=1&source=images&cd=&cad=rja&uact=8&docid=2TZ09rNZQ71cJM&tbnid=9aF2pc0pEjhdFM:&ved=0CAUQjRw&url=http://scikit-learn.org/0.6/modules/clustering.html&ei=4KnoU7iPDrTa4QS7tYCICA&bvm=bv.72676100,d.bGE&psig=AFQjCNEG4YOYbncT9yg3y3bZquynevVOmw&ust=1407843127174759

Проверка результатов классификации Оценка точности прогнозов

Описание теста:

1. Для проверки системы используется 30% данных, не участвовавших в ее

обучении

2. В результате классификации каждому из контрактов присваивается

прогнозное значение атрибута (например, количество убытков)

3. В случае совпадения прогнозных и фактических результатов в пределах

погрешности (20%) проверка считается пройденной.

Результаты теста:

Разработанный аналитический аппарат позволяет с высокой степенью

точности предсказать значения рассматриваемых атрибутов в 80% процентах

случаев.

Шаги для последующего улучшения результатов:

1. Оптимизация алгоритмов сегментации

2. Усложнение методов стандартизации данных

3. Сбор дополнительных данных по договорам КАСКО


Выявление закономерностей в данных по договорам КАСКО © 2014 Deloitte & Touche Consulting Services Limited 13

Наименование «Делойт» относится к одному либо любому количеству юридических лиц, включая их аффилированные лица,

совместно входящих в «Делойт Туш Томацу Лимитед», частную компанию с ответственностью участников в гарантированных ими

пределах, зарегистрированную в соответствии с законодательством Великобритании (далее ― ДТТЛ); каждое такое юридическое

лицо является самостоятельным и независимым юридическим лицом. ДТТЛ (также именуемое как «международная сеть «Делойт»)

не предоставляет услуги клиентам напрямую. Подробная информация о юридической структуре ДТТЛ и входящих в нее

юридических лиц представлена на сайте www.deloitte.com/about. Подробная информация о юридической структуре компании

«Делойт» в СНГ представлена на сайте www.deloitte.com/ru/about.

«Делойт» предоставляет услуги в области аудита, налогообложения, консалтинга и корпоративных финансов государственным и

частным компаниям, работающим в различных отраслях экономики. «Делойт» — международная сеть компаний, имеющая

многолетний опыт практической работы при обслуживании клиентов в любых сферах деятельности более чем в 150 странах мира,

которая использует свои обширные отраслевые знания, включая опыт оказания высококачественных услуг, позволяющие

определить пути решения самых сложных бизнес-задач клиентов. Около 200 тыс. специалистов «Делойта» по всему миру

привержены идеям достижения совершенства в предоставлении профессиональных услуг своим клиентам.

Настоящее сообщение содержит информацию только общего характера. При этом ни компания «Делойт Туш Томацу Лимитед», ни

входящие в нее юридические лица, ни их аффилированные лица (далее ― «сеть «Делойт») не представляют посредством данного

сообщения каких-либо консультаций или услуг профессионального характера. Ни одно из юридических лиц, входящих в сеть

«Делойт», не несет ответственности за какие-либо убытки, понесенные любым лицом, использующим настоящее сообщение.

Рабинович Борис, Делойт СНГ

Documents