منو
هوش دیجیتال: روندهای شخصی سازی برتر در بیمه
در این گزارش به بررسی روندهای کلیدی ارزیابی ریسک، تعریف محصول، توزیع و مدیریت خسارت‌هایی پرداخته شده است که مشتریان را در مرکز اقدامات بیمه قرار می‌دهد. در هریک از این حوزه‌ها، به برجسته‌سازی فناوری‌هایی پرداخته شده است که منجر به ارتقای بهره‌وری زنجیره ارزش بیمه می‌شود.
فناوری‌های پوشیدنی: اتصال نقاط شخصی سازی
بیمه‌گرها در حال گذار از داده‌های گسترده گروهی به سمت مجموعه داده‌های واقعی و مختص هر مشتری هستند. پایش مداوم رفتار و تعاملات مشتری برای قیمت‌گذاری پویا، بازی‌وار کردن رفتارهای قابل پیش‌بینی مشتری به‌منظورکاهش خطرات، ارائه مشاوره و خدمات با ارزش‌افزوده برای جلوگیری از ضرر، همگی راه‌حل‌های شخصی سازی هستندکه فقط با حفظ تعامل دائمی با مشتری میسر می‌شوند.
یک شرکت بیمه بریتانیایی به نام Vitality که خدمات بیمه درمان و زندگی ارائه می‌کند، این امکان را به مشتریان خود می‌دهد که با پرداخت حق بیمه، بر اساس برنامه Wellness Optimizer پاداش دریافت کنند. شرکت Direct Assurance نیز با پیشنهاد نرم‌افزار YouDrive به مشتریان خود،از یک Telematic به‌منظورجمع‌آوری اطلاعات راننده و ماشین استفاده می‌کند تا به‌صورت روزانه پیشنهادهای شخصی سازی‌شده‌ای را به متشریان ارائه دهد. این فرایند به کسب یک امتیاز ماهانه می‌انجامد که بر روی حق بیمه تأثیرگذار است.
شاید بزرگ‌ترین خلأ در محصولات بیمه‌ای ارائه پکیجی از محصولات بیمه‌ای در قالب یک بیمه‌نامه است. ارائه یک بیمه‌نامه واحد به مشتری برای پوشش‌های درمانی، منازل مسکونی، اتومبیل، اموال، حیوانات خانگی و مسافرتی و همچنین انعطاف‌پذیری در تنظیم پوشش بیمه‌ای، بیمه‌گران را بر آن داشته است که از مدل‌های متعارف با محصولات ثابت فاصله بگیرند. سایر مدل‌های نوآورانه که امروزه مورد اقبال قرارگرفته‌اند عبارت‌اند از: بیمه بر اساس مصرف، بیمه تقاضامحور، بیمه‌های خرد و همتا‌به‌همتا که همگی بر اساس اصل ارائه آسان، مرتبط و انعطاف‌پذیر بیمه به مشتری ارائه می‌شوند. این نوآوری‌ها مشتری را ترغیب می‌کند که اقدام به خرید یک پوشش بیمه کند تا اینکه منتظر بماند به آن‌ها بیمهنامهای فروخته شود.
از طریق شخصی سازی، مشتریان دیگر نیازی به راهنمایی تخصصی در مورد بیمه‌نامه‌ها ندارند، بنابراین نقش واسطه‌ها در فروش محصولات بیمه‌ای تحت‌تأثیر قرار می‌گیرد. این انتظار می‌رود که ساده‌سازی محصولات، شفافیت و سرعت را به همراه داشته باشد، بر همین اساس اعتماد مشتری به بیمه‌گر بیشتر شده و احتمالاً ادعاهای کلاهبرداری نیز کاهش پیدا خواهد کرد.
شرکت بیمه اتومبیل Metromile با استفاده از بسترMetromile Pulse ، بیمه‌ی پرداخت بر حسب مسافت را به مشتریان خود ارائه می‌دهد. با استفاده از کلان داده‌ها، ابزارهای تحلیلی و اینترنت-اشیا که امکان شخصی سازی ارزیابی ریسک را فراهم می‌کند، بیمه‌گرها با بهره‌بری از فرایند رباتیک برای اتوماسیون‌سازی و همچنین هوش مصنوعی به‌منظور مدیریت فروش بیمه‌نامه‌ها وخدمات‌رسانی خود استفاده می‌کنند. در این میان چتباتها و اتوماسیون هوشمند قادر هستند به مشتریان راهنمایی‌های شخصی سازی شده و در لحظه ارائه کنند.
زنجیره‌های توزیع دیجیتالی می‌شوند
زنجیره توزیع بیمه کانون تمرکز اینشورتک‌ها است؛ این شرکت‌ها دو روند توزیع دارند: «مدل عضویت و اکوسیستم وابستگی.»
در مدل عضویت، شرکت‌ها یک هزینه عضویت ثابت دارند و کل حق بیمه برای پوشش ریسک استفاده می‌شود. این شرکت‌ها از پلتفرم‌های توزیع دیجیتالی برای فروش مستقیم و ارائه خدمات به مشتریان خود بهره می‌برند و کارمزد ثابت را به‌طورکامل حذف می‌کنند.
دراکوسیستم وابستگی، شرکت‌ها با کسب‌وکارهای خرد که دارای پایگاه‌های مشتری بزرگی هستند (مثل تجارت الکترونیکی، شرکت‌های خدمات تندرستی یا مالی) ارتباط برقرار می‌کنند و پوشش‌های بیمه‌ای را در فرایند خرید مشتریان ادغام می‌کنند. اینشورتک‌ها این روند را به‌عنوان یک مزیت برای مشتریان قلمداد می‌کنند زیرا ایشان هزینه‌ای بابت کارمزد پرداخت نکرده و درنتیجه در حق بیمه نهایی صرفه‌جویی می‌کنند. همچنین با استفاده از این روش بیمه‌گران نیز هزینه توسعه بازار را برای خود کاهش می‌دهند. اگرچه این زنجیره‌های توزیع ممکن است در کوتاه‌مدت مؤثر واقع شوند، اما برای اینکه انتظار داشته باشیم در طی خرید مشتریان تمایلی به خدمات مشورتی و حمایتی از سوی نمایندگان نداشته باشند، بسیار زود است.
شرکت بیمه چینی Zhong An که خدمات خود را تنها به صورت آنلاین ارائه می‌کند یک نمونه از اکوسیستم وابستگی است. درطی 3 سال فعالیت، این شرکت با همکاری بیش از 300 شریک خود در زمینه‌های درمان، مسافرت، اتومبیل و کسب‌وکارهای اینترنتی بیش از 400 میلیون مشتری جلب کرده است. یک شرکت ارائه‌دهنده بیمه اتومبیل و اجاره منزل در امریکا به نام Lemonade، هزینه ثابتی را به‌عنوان حق بیمه دریافت می‌کند که از این طریق توانسته است حق بیمه‌ای خیلی پایین‌تر از میانگین بازار به مشتریان خود عرضه کند.
بیمه‌گران در تمام دنیا به دنبال بهینه‌سازی فرایندهای مرتبط با پرداخت خسارت و جلوگیری از کلاهبرداری با استفاده از اینترنت-اشیا، کلان داده‌ها و اتوماسیون هستند. اینشورتک‌ها درعین‌حال که قصد دارند با استفاده از فناوری، شفافیت و اعتماد را به ارمغان بیاورند، با استفاده از اقتصاد رفتاری به دنبال حل مسئله کلاهبرداری هستند. شرکت‌ها از طریق باز‌طراحی مدل‌های سود خود با جداسازی سرمایه عملیاتی از سرمایه ریسک به این مهم می‌رسند، بنابراین از این طریق هرگونه انگیزه سود از پرداخت خسارت را از بین می‌برند.
محصولاتی مثل بیمه همتا‌به‌همتا یا پیشنهاد بازگشت حق بیمه‌های مطالبه نشده از دیگر شیوه‌های انگیزشی است که مشتریان را تنها به سوی مطالبات برحق ایشان رهنمون می‌کند.
شرکت‌ها از اتوماسیون‌های پیشرفته‌ای استفاده می‌کنند تا مشتری را مسئول کنترل فرایندهای مرتبط با خسارت کنند. خسارت‌ها به صورت خودکار بررسی شده و در صورتی‌که مطابق با ضوابط باشند، مبلغ خسارت به موقع پرداخت می‌شود. شرکت‌های GetSaf و Lemonade دارای فرایندهای پرداخت خسارت به‌صورت کاملاً خودکار هستند و این نوید را به مشتریانی که خسارت دریافت نکرده‌اند داده‌اند که، می‌توانند بخشی از حق بیمه خود را پس بگیرند.
الگوریتم‌های هوشمند تجزیه‌وتحلیل و یادگیری ماشینی به منظور استمرار کشف الگوهای کلاهبرداری برای دریافت خسارت از اهمیت ویژه‌ای برخوردار هستند. بیمه‌گران با استفاده از اینترنت-اشیا و شبکه شرکای خود قادرخواهند بودکه در لحظه نسبت به بررسی واقعیت خسارت‌ها اقدام کنند. همچنین چتباتها به عنوان یک میانجی‌گر شخصی سازی‌شده، مشتریان را در فرایند بررسی دیجیتالی خسارت‌ها راهنمایی کرده و از این طریق به عنوان پشتوانه اتوماسیون هوشمند عمل می‌کنند. به منظور بررسی اجرای خودکار خسارت‌ها براساس قراردادهای هوشمند از Blockchain استفاده می‌شود. درحالی‌که بسیاری از مفاهیم و مدل‌های ارائه شده توسط اینشورتک‌ها از نظر امکان‌سنجی نیاز به آزمایش دارند، اما گذار به سمت راهبردهای مشتری‌محور دیگر تنها یک روند نیست. برای شرکت‌های بیمه متعارف، زمان آن رسیده است که از درخودماندگی خارج‌شده و راهبردهایی اتخاذ کنند تا بتوانند جایگاه خود را در جریان دیجیتالی شدن به دست آورند.
نویسندگان:
WNS
ترجمه و تدوین:
ژیلا رفیعی
