您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[理特咨询]:印度人寿保险业的创新 - 发现报告
当前位置:首页/行业研究/报告详情/

印度人寿保险业的创新

信息技术2017-09-18理特咨询罗***
印度人寿保险业的创新

视点印度人寿保险业的创新通过预测分析提高客户保留率预测分析为印度人寿保险公司提供了必要的工具 , 以提高客户保留率 , 优化业务流程并提高盈利能力。在印度 , 有 24 家人寿保险公司。印度人寿保险公司 ( LIC ) 是印度政府拥有的公司 , 占所有人寿保险总保费的近 72.6 % , 并且困扰印度人寿保险公司的关键问题如下 :在 23 家私人人寿保险公司中 , 有 15 家在整个人寿保险市场中的份额不到 1% 。一些规模较小的私人人寿保险公司正试图寻找利基市场 , 提高成本效益 , 并试图扩大市场。但是 , 它们中的大多数市场份额低 , 持久性比率和运营费用高。因此 , 许多较小的人寿保险公司在印度人寿保险市场面临生存风险。较小的私人人寿保险公司在印度人寿保险市场上存在生存风险。他们的市场份额低 , 持久性比率和高运营费用。不正常的销售期 - 大多数人寿保险单都是在财政年度的最后一个季度购买的保险仅被视为一种节税工具缺乏与保单持有人的适当沟通在线保险门户网站中新兴的竞争来源 : Arthur D. Little analysis数据收集和管理不良销售队伍中的高流失率重叠的渠道策略在筒仓工作的部门为人为干预而设计的传统系统人寿与非人寿保费份额印度国有保险公司主导人寿保险市场在私营寿险公司获得的 27.4% 的市场份额中 , 前 8 名私营寿险公司占据了大部分市场份额 — — 80% 20%生活非生活资料来源 : 印度保险统计手册LIC 私人80%前 8 个休息 15低持久性比率全行业Organizational21.04%78.96%27.4%72.6% 视点发现数据管理和质量检查商业智能检查Persistency ratio is defined as the percentage of all existing policies that are renewed by the insurer annual. Policy premium in India are due monthly, quarterly and year.但是 , 由于前面提到的因素 , 印度的持久性比率 ( PR ) 很低。印度的 PR 分类如下 - 第 13 个月 PR ( 第 1 年末 ) , 第 25 个月 PR ( 第 2 年末 ) , 第 37 个月 PR ( 第 3 年末 ) , 第 49 个月 PR ( 第 4 年末 ) 和第 61 个月 PR ( 第 5 年末 ) 。因此 , 整个行业的第 13 个月 PR 为 61 % , 因此这意味着在售后 1 年之后 , 100 份保单中只有 61 份被更新。持久性比率第 61 个月的整体寿险行业 PR 为 28% 。这意味着超过三分之二的所有寿险保单在五年后没有续保。 (见下表。)这深深伤害了人寿保险公司 , 因为他们通常在人寿保险单的前五年努力赚钱。客户也处于不利地位 , 因为如果他们在头一到三年内不续签 , 他们将损失大部分已支付的保费。印度的人寿保险公司正试图通过类似的方式解决公关问题。最常见的方法是建立专门的团队 , 召集保单持有人 , 他们的保单在续签日期前两到三个月续签。目的是通过系统调用来提高收缩性。但是 , 如果没有集成的方法 ( 数据分析 , 分析 , CRM 平台 , 服务改进和流程调整 ) , 这些努力可能会在行业平均水平附近保持稳定 , 在第一种情况下 , 这不是很高。提高持久性比率的三个关键步骤1 ) 预测性分析预测分析的范围可以从定义关键目标开始。关于提高持久性比率 , 一个关键目标可能是 : 我们能否更好地了解我们的每个客户 , 以便确定他们续约的可能性他们的人寿保险单?如果没有明确定义的目标 , 预测分析将无法获得预期的结果。预测分析涉及数据整合、分析和洞察。最初的目标应该是以任何格式 (结构化或非结构化) 收集尽可能多的数据 (来自内部和外部来源) 。它应该涵盖收入、年龄、职业、与保险公司的互动、支付的保费数量、频率、模式、地点、保单类型等因素。创建预测性见解的循环 来源 : Arthur D. Little analysis在收集的数据集上 , 将创建和应用多种算法 , 统计和分析模型。初始数据分析将创建 :印度人寿保险业的持久性比率百分比LIC私人人寿保险公司总体Industry13*25*37*49*61*13*25*37*49*61*13*25*37*49*61*201459565349445649443620574944362320156651494744574642381957464338192016636048474461474136286147423828资料来源 : 印度保险统计手册2 印度人寿保险业计算创建模型和算法& 创建测试模式、摘要ACT使用结果 视点记录交互呼叫客户更新数据ACTn唯一的客户 IDn家庭身份证n派生变量唯一的客户 ID 创建具有与保险公司的多个 ID 和保单的客户的单个视图。家庭 ID 连接了同一家庭成员购买的所有保单。创建的其他变量包括保单年份,保费收入比,客户年份比等。所有这些变量都作为政策评分模型的输入。这也导致更好的数据管理。一个案子.在与一家私人保险公司合作时,我们发现 5% 的客户群有多种保单,低于 10% 以上的行业平均水平。大多数印度人寿保险公司的产品都围绕这两个主题 ( 保护和投资 ),并且大致分为以下政策 : 期限,终身,捐赠,单位挂钩投资和退款政策。很多时候,客户还共享了不正确的号码,或者共享了提供策略的销售代理的手机号码。The policy - scoring models gives a score to each policy holder of the Life insurer and determine their probability to pay the renewral premium. Each policy holder will be categorized into one of these three bucketsn更有可能支付n可以支付和n不太可能支付将保单评分给每个保单持有人后 , 再与实际结果进行比较 , 进一步对预测模型进行校准 , 以获得更准确的结果。因此, 政策评分还可以通过较小的增量努力显著增加新收入。II)360 度实施通过政策评分模型对所有政策进行评分后 , 我们可以将重点放在未来 90 天内到期的政策上。然后 , 可以将有关在未来 90 天内评分和到期的保单的数据与所有关键部门共享 - 续订呼叫中心团队 , 销售代理 , 渠道销售 , 业务负责人 - 负责推动续订保费。必须定期更新保单得分 , 并且可以实时记录基于这些得分的反馈 , 以创建一个恒定的循环。创建一个常量循环来源 : Arthur D. Little analysis保险公司可以雇用或开发与保险公司的呼叫软件集成的基于云的客户关系管理工具。CRM 平台应显示重要的客户详细信息,多个保单详细信息 ( 如果适用 ),保单评分,过去与保险公司的所有互动,对保险公司的情绪等。因此,任何与客户互动的高管都应该能够从 360 度角度了解客户与保险公司的关系,并相应地与他们互动。III)业务流程优化随着保单评分模型的准确性提高 , 保险公司可以开始用证据回答其他关键问题。例如 : 为什么某些销售渠道在某些保单中表现良好 ? 为什么某些分支机构的失败率很高of renewing policies that are related relatively easily elsewhere? Why are certain locations likely to be distrest in terms of renewing results?为了编纂来自政策分数的见解, 可以为组织创建热图, 突出政策更新概率高或低的区域。保险公司将开始寻找洞察力和相关性,了解哪些渠道在某些地点可能做得更好,以及哪些保单计划。这种见解将广泛有助于协调更新工作并增加持久性比率。印度人寿保险业 3 视点产品和精算师团队之间也可以进行讨论。然而,最大的潜在影响可能在于优化销售团队的激励和实践。以前,没有办法确定团队销售的质量。现在,有了预测性洞察力,保险公司可以确定销售质量,这些输入可以纳入绩效评估和定义。对销售人员的激励。他们还导致了销售和人力资源政策的变化。预测洞察力对组织的影响联系人比利时中欧中国法国香港拉丁美洲中东荷兰北欧挪威员工绩效同行销售销售保单的质量客户来源的终身价值Mis - selling渠道策略分公司销售策略销售代理审核地区战略审查产品适合度协助产品开发收入预测成本优化印度意大利西班牙土耳其来源 : Arthur D. Little analysisConclusion预测性分析可以显着帮助人寿保险公司增加其持久性比率。持久性比率的增加是可能通过帮助较小的私人人寿保险公司增加收入和降低收购成本来帮助他们生存。日本 / 新加坡韩国AuthorsUK美国保险公司可以通过确定适当的供应商并启动概念证明来开始这一旅程。他们可以在 18 - 24 个月的时间内完成从预测分析到业务流程优化的整个周期。预测分析可以帮助更新工作以及组织内的所有活动客户参与度客户获取和保留客户服务客户交叉销售控制客户退出来源 : Arthur D. Little analysisSrini Srinivasan 和 Ashutosh Singh亚瑟 · D · 利特尔自 1886 年以来 , Arthur D. Little 一直处于创新的最前沿。我们是技术密集型和融合行业中联系战略 , 创新和转型的公认思想领袖。我们通过不断变化的业务生态系统来引导客户发现新的增长机会。我们使客户能够建立创新能力并转变其组织。除了其他领先的公司和公共部门组织之外, 我们很自豪能够为《财富》 1000 强公司中的大多数公司提供服务。有关更多信息 , 请访问www. adl. com。版权所有 © Arthur D. Little 2017 。保留所有权利。HRSalesStrategy