Ce que le langage corporel numérique peut révéler sur les clients en ligne
La science des données comportementales peut être utilisée pour comprendre les intentions d'achat et le profil de risque des candidats numériques alors même qu'ils sont en train de remplir des demandes en ligne - ce qui aide les assureurs à améliorer l'efficacité de l'onboarding et à repérer les fraudes, explique Woody Klemmer, responsable de la croissance chez ForMotiv, une plateforme de science des données comportementales basée aux États-Unis.
La science des données comportementales, qui combine l'analyse comportementale et l'apprentissage automatique en temps réel pour comprendre le comportement des gens, est de plus en plus utilisée par les assureurs pour les aider à améliorer la façon dont ils interagissent avec leurs clients, en particulier en ligne.
Aujourd'hui, il est même possible d'obtenir des informations exploitables à partir de la manière dont les clients se comportent lorsqu'ils remplissent un formulaire de demande en ligne.
"Tout comme le langage corporel, le ton de la voix, le contact visuel et d'autres indices non verbaux sont importants pour comprendre les intentions d'une personne en personne, le langage corporel numérique fournit un niveau d'information similaire lors des demandes d'assurance en ligne".
"Imaginez un utilisateur qui remplit un devis d'assurance en ligne, qui parcourt l'application, voit un devis, mais n'achète pas. Cet utilisateur est peut-être simplement en train de faire du lèche-vitrine et serait un candidat idéal pour un coup de pouce en temps réel, un appel téléphonique ou un effort de marketing sortant", explique-t-il. "Mais que se passerait-il si un autre demandeur fournissait exactement les mêmes réponses, sauf que cet utilisateur copiait/collait des informations personnelles importantes, tapait à une vitesse inhumaine, arrivait à la page du devis et l'abandonnait. Ce candidat pourrait être un robot qui tente de récupérer des informations pré-remplies pour les utiliser à des fins malveillantes, et vous voudrez donc probablement traiter cet utilisateur différemment. Le problème est que les transporteurs ne voient que la réponse finale fournie par le client, alors que la manière dont il saisit les informations est tout aussi importante, sinon plus, que ce qu'il soumet en fin de compte.
En utilisant une solution de science des données comportementales comme ForMotiv, un assureur peut trier toutes les soumissions de produits à risque et les envoyer pour une évaluation plus approfondie.

La plupart des assureurs utilisent les solutions de ForMotiv en temps réel via l'API afin de déterminer la meilleure action à entreprendre pour le demandeur. La technologie peut être appliquée à toute la gamme d'assurances des consommateurs et ForMotiv travaille actuellement avec plusieurs compagnies d'assurance-vie et d'assurances multirisques parmi les dix premières.
Les assureurs qui utilisent ces applications peuvent avoir différents objectifs en tête. Ceux qui sont en mode croissance se concentreront sur des solutions de conversion qui prédisent l'intention d'achat des demandeurs, ce qui leur permet de mener la meilleure action suivante pour conclure plus d'affaires et/ou créer une meilleure expérience pour l'utilisateur.
Par ailleurs, lorsque la rentabilité est une priorité, les assureurs peuvent se concentrer sur les solutions de fuite, de non-divulgation et de fraude afin d'améliorer leurs résultats et d'identifier les affaires risquées ou mauvaises.
L'utilisation de cette technologie est-elle soumise à des contraintes liées aux risques de partialité, de discrimination ou d'exclusion ? M. Klemmer pense que non : "Nous ne saisissons aucune information personnelle identifiable et les assureurs ne nous utilisent pas pour prendre des décisions en matière de tarification. Ils nous utilisent plutôt pour avoir plus confiance dans les candidats qui sont accélérés, tout en triant avec plus de précision les candidats qui nécessitent un examen plus approfondi".
Les techniques mises au point par des entreprises comme ForMotiv continueront d'évoluer en fonction des progrès de l'IA, et M. Klemmer pense que les entreprises SaaS verticales émergentes peuvent favoriser l'hyperpersonnalisation et une meilleure gestion des risques, tout en dissuadant les anciens et les nouveaux types de fraude.
Cela se traduira également par une souscription et un traitement des sinistres plus rapides et plus précis. "Nous pensons que cette tendance est un excellent moteur pour nous, car de plus en plus d'aspects de l'assurance deviennent numériques et nécessitent des décisions de triage en temps réel", prédit-il.
Kate Baldry, Underwriting Research & Systems Developer à la Hannover Re UK Life Branch, est membre de l'unité plus large Behavioural Science du groupe. Elle a suivi de près l'évolution de la situation.
"Depuis une dizaine d'années, les assureurs étudient les techniques des sciences du comportement pour mieux comprendre les actions des clients. Pourquoi un client fait-il ce qu'il fait ? Par exemple, hésite-t-il à répondre à une question du formulaire de demande parce qu'il se souvient d'une information, qu'il se demande comment y répondre, que la question est trop compliquée ou qu'il s'agit d'autre chose ? explique M. Baldry. En recueillant ce type d'informations, l'assureur peut améliorer en permanence ses processus pour que le parcours du client soit le plus fluide possible.

"Comme nous le savons, les clients ne constituent pas un groupe homogène, il est donc important de le reconnaître et de créer des solutions appropriées dans la mesure du possible", conclut M. Baldry.
ForMotiv provides insurtech solutions that give carriers actionable insight into the purchase intent and potential risk of their digital applicants, all in real time. Philadelphia-based ForMotiv works with leading carriers including several top ten life and property & casualty clients, reinsurers, eApp providers, and more across the insurance space. ForMotiv was founded in 2018.
User questions
Answered questions
Unanswered questions
Views: 806
Downloads: 0
0 % | |
0 % | |
0 % | |
0 % | |
0 % |
Page is favored by 0 user.
Contact inquiries: 0