Pourquoi assureurs et mutuelles devraient s’intéresser de très près à l’internet de demain ? Episode 3 : l’internet de demain va modifier le marketing des assureurs.

Dans le troisième article de cette série, je voudrais évoquer comment l’internet de demain tel que je l’ai décrit dans le premier article de la série va impacter la manière dont les assureurs et les mutuelles peuvent définir et conduire leur stratégie et leurs actions marketing.

Sur ce plan, le métier des assurances n’est pas très différent des autres, l’internet de demain modifiant en effet le marketing dans son ensemble. Quels seront donc ces impacts ? Ils tournent notamment selon moi autour d’approches telles que le marketing prédictif et le marketing en temps réel.

Je note au passage que ce sujet est justement à l’honneur de l’édition 2013 du salon emarketing Paris, qui a lieu en ce moment.

Il était aussi à l’honneur de l’événement The CMO+CIO Leadership Exchange organisé par IBM à Paris en octobre 2012 et dont est issue la vidéo ci-dessous.

 

 

Mais revenons à nos moutons…

Le marketing prédictif, de quoi s’agit-il ?

Sur cette question je ne serai pas original et je me contenterai de citer le site Définitions Marketing, sur lequel on peut lire que “le marketing prédictif regroupe les techniques de traitement et de modélisation des comportements clients qui permettent d’anticiper leurs actions futures à partir du comportement présent.” Il peut être définit “comme l’analyse des données historiques et actuelles disponibles sur le client afin de créer des prévisions sur ses comportements, préférences et besoins futurs. Il débouche le plus souvent sur la création de scores liés à la probabilité qu’un client ou prospect réalise une action donnée (achat, résiliation, réponse, etc..). Il permet d’optimiser le ciblage et les déroulements (moment, canal, offre,..) des actions marketing. Il repose sur la création de modèles prédictifs”, qui sont des “modèles mathématiques qui permettent de probabiliser l’action future d’un client ou prospect. (…) Un modèle destiné à identifier les clients risquant de résilier un abonnement est par exemple établi à partir des caractéristiques et comportements passés des clients ayant déjà résilié leur contrat.

Et le site de rappeler qu’IBM aurait recensé “7 types de modèles prédictifs :

  • Les modèles d’acquisition qui prévoient la probabilité de conversion d’un prospect en client.
  • Les modèles de vente croisée qui prévoient la probabilité qu’un client existant achète un produit ou un service additionnel.
  • Les modèles de vente additionnelle.
  • Les modèles d’attrition
  • Les modèles de valeur qui sont utilisés pour prévoir les différentes mesures de valeur telle que la durée de vie d’une relation client ou la valeur générée si le client achète un produit spécifique.
  • Les modèles de tonalité pour prévoir quel type message sera le mieux adapté à chaque client.
  • Les modèles de risque qui estiment la probabilité d’activité frauduleuse ou de problèmes au niveau des crédits.

De l’analyse prédictive du risque au marketing prédictif

L’analyse prédictive n’est pas nouvelle pour les assureurs. C’est même le coeur de leur travail d’analyse du risque ! Mais il s’agit ici de l’appliquer au marketing et non à l’analyse du risque ! Cet usage est sans doute nouveau pour beaucoup d’entre eux comme pour n’importe quelle autre entreprise. Et pour ceux qui l’utiliseraient déjà, les développements d’internet dont je parle depuis le début de cette série d’articles vont apporter de profondes modifications, notamment en modifiant aussi bien la masse et l’origine des données à analyser que la puissance des moteurs d’analyse.

Désormais, les données à analyser ne sont plus seulement celles du CRM de l’assureur mais aussi celles des médias sociaux, celles issues de l’analytique web, celles publiées par les collectivités et services publics via Open Data, et à l’avenir sans doute toutes celles issues de l’internet des données dont je parle depuis le début de cette série.

A quoi cela va-t-il servir ?

  • pour mieux identifier les risques de perdre un client ou leur probable fidélité,
  • pour calculer la valeur d’un client tout au long de sa relation avec l’assureur,
  • pour mieux cibler les opérations promotionnelles : savoir quel produit proposer à quel client avec quel argumentaire; voire travailler en temps réel : certains moteurs peuvent en effet calculer un nouveau scoring tous les jours donc s’adapter quasiment en temps réel au comportement des clients,
  • etc.

A titre d’exemple, je citerai Daniel Makanda, directeur du marketing et de la communication du comparateur santiane.fr, qui a expliqué à L’Argus de l’Assurance : “Nous avons développé en interne notre propre outil d’analytique pour analyser toutes les données relatives à nos clients ainsi qu’aux prospects qui consultent notre comparateur. Cet outil se fonde sur l’historique pour prédire quels prospects seront les plus rentables. Cela nous permet de prioriser les appels. Ainsi, lorsque la demande est forte, les conseillers se concentrent sur les prospects pour lesquels ils anticipent une prime plus élevée. Cet outil est l’un des éléments qui expliquent notre forte rentabilité.” Pour info, il faut savoir que sur les deux dernières années, le Groupe Santiane a été classé parmi les entreprises les plus rentables de France par le magazine L’Entreprise (21ème en 2011, 22ème en 2012).

On trouvera d’ailleurs une présentation intéressante de cette nouvelle approche prédictive dans le marketing des Assurances dans l’article de L’Argus de l’Assurance intitulé “Savoir, c’est prévoir”, dont est issue la citation ci-dessus.

En vrac, voici d’autres sources d’informations sur le sujet :

Dans sa Lettre des Services Financiers de mars 2012, Deloitte consacre également un article à cette question de l’analytique et des logiciels prédictifs. J’en citerai juste un passage qui rappelle le constat qui est le mien depuis le début de cette série : “Le volume de données collectées et stockées aujourd’hui est gigantesque… et ce volume devrait continuer à croître par ailleurs de façon exponentielle en raison des possibilités grandissantes à capter désormais toute une série d’informations au travers des objets eux-mêmes : vêtements, smartphones, automobiles… Les objets auront de plus en plus la capacité à produire des traces, qui viendront renforcer la masse de données exploitables. A titre d’exemple, aux États-Unis en 2009, les téléphones mobiles produisaient déjà plus de 600 milliards de « traces géospatiales » par jour. Aujourd’hui, un « Internet des objets » commence à prendre forme au travers des 9 milliards d’objets connectés et producteurs de traces, un chiffre qui devrait dépasser les 24 milliards avant 2020, créant une opportunité immense pour une meilleure compréhension des comportements et des activités.” La suite de l’article évoque les mêmes usages de l’analyse prédictive que ceux que je viens d’évoquer. A noter aussi dans cette publication un autre article sur le “web de demain”. Tiens, tiens…

Analyse des fraudes et optimisation des coûts de gestion des sinistres

Parmi les usages que peuvent faire de ces technologies les assureurs et les mutuelles, il y a l’analyse des fraudes à l’assurance. Aux Etats-Unis, le système public d’assurance-santé a mis en place un tel dispositif. Le site InsuranceTech précise d’ailleurs que dans ce contexte, la performance des outils d’analyse est plus importante que la masse de données analysées. Le même site consacre également un article à l’usage que font les assureurs canadiens de ces outils pour lutter contre les fraudes.

Enfin, un autre usage semble être l’optimisation des coûts de gestion de sinistres à travers notamment l’accélération des délais de traitement, comme le signale cet article.

Si vous voulez en savoir plus sur l’analyse prédictive en général, aussi bien pour le marketing prédictif (c’était le sujet de cet article) que pour l’analyse des risques (c’était le sujet du précédent article de cette série), je vous invite à consulter les sites AnalysePredictive.fr (en français) ou PredictiveAnalytics.org (en anglais).

Enfin, puisque je parle beaucoup des autres, je vais également citer le dernier livre blanc publié par l’agence où je travaille, Valtech, intitulé Cross data marketing et téléchargeable sur cette page. N’hésitez pas ! 😉

Bon, nous approchons de la fin de cette série. Dans le prochain article, nous verrons comment l’internet de demain devrait également modifier l’offre et le business model des assureurs et des mutuelles. Allez, courage, on en voit le bout ! 😉

Advertisements

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s