En el sector asegurador deberíamos aprender del arte de la guerra de los retailers. Los de toda la vida se encuentran, desde hace un par de años, en una lucha contra los gigantes del mundo online (a los que tenemos que sumar la guerra de guerrillas de los pequeños ecommerce que han conseguido llegar a nichos de mercado muy específicos). Ambos han sabido jugar sus cartas: uno por la escalabilidad de su negocio y otro por inherente capacidad de entender el cliente.
Esto no va de grandes cambios, sino de innovación tecnológica, que es lo que se está ayudando a algunos a avanzar posiciones y deja a los que no la abrazan en una posición de clara desventaja.
Aunque no podemos obviar el pricing -que es la gran guerra del mercado asegurador- parece que los consumidores tienden a buscar más alguien que este próximo a su afinidad, sus actitudes y estilos de vida. Las redes sociales pueden ser un claro indicador en este cambio de tendencia en el mercado.
En esta línea, los análisis y los estudios recientes han investigado minuciosamente cómo los usuarios han cambiado sus tendencias de consumo y cómo impactarán en el futuro en términos sociales, culturales o de estilos de vida heredados de esta “época negra”. Sin el análisis de datos, los expertos en ventas no podrían haber medido el comportamiento de los clientes ni saber cuál es el momento preciso para accionar el botón de venta. Es por ello que cada día es más importante centrar esfuerzos en la obtención de datos que permitan desplegar capacidades como el deep learning que lleven a campañas de marketing con sentido: medibles, ajustables, personalizables y que conviertan oportunidades en ventas. Y el sector asegurador también debería aprender sobre esto.
La búsqueda del dato -o de la aguja en el pajar- ha sido un quebradero de cabeza para las empresas durante muchos años. La IA ha roto con los esquemas preexistentes de segmentación y por eso no podemos seguir atascados en la teoría de la clasificación en términos de género- edad, sino que debemos ir mucho más allá: ¿mi buyer persona hace deporte? ¿de qué tipo? ¿Cuántas veces por semana? ¿Cuál es su ritmo cardíaco promedio? A mayor especificidad de los datos, más y mejores resultados de segmentación.
Si no automatizásemos estas respuestas necesitaríamos a equipos completos dedicados exclusivamente a la recopilación, análisis e interpretación de los datos. Y con sus consiguientes costes asociados.
El riesgo de no contar con un precedente
En muchas ocasiones, especialmente en las industrias muy tradicionales como la aseguradora, existe un riesgo común y es desconocer quién es el consumidor del producto y/o servicio. O simplemente meterlo en un grupo heterogéneo como, por ejemplo, “consumidores de productos veganos”. Esto es debido, en gran medida, a durante el proceso de customer journey no se ha contado con todos los datos necesarios para la segmentación del público o se han incluido nuevas variables o buyer personas que no han sido analizados. Es decir, si un seguro de auto es contratado por “toda persona que tenga un SUV de gama media” puede ser que haya buyer personas que se correspondan con esa descripción, pero también vendrán otros muchos atraídos por el precio, la cobertura del seguro o el servicio de atención al cliente ¿Cuál de todos es nuestro cliente ideal? ¿Lo son todos? Seguramente no.
Ahí es cuando nos encontramos de bruces con el riesgo de no contar con un precedente o, mejor dicho, de que nuestro precedente esté tan difuminado que no seamos capaces de ver a nuestro cliente ideal entre la multitud.
“Caminante no hay camino, se hace camino al andar”
Ya lo decía Machado y eso que no conoció la IA.
Estamos a las puertas de una nueva era en el marketing y como todo inicio, va a ser complicado y limitante. Los procesos de aprendizaje de algunas IA son caros, lentos y en ocasiones fallan más que aciertan. El coste es uno de los principales hándicaps para la IA: según publica The Economist en su estudio AI: The Future of Financial Service. más de 5.000 empresas, casi 1/3 de las encuestadas, veían los costes como un impedimento a la hora de adoptar mejoras en la segmentación de clientes. “La insuficiencia de las infraestructuras y la mala calidad de los datos se han percibido como las principales preocupaciones. Los expertos ven el coste de la IA como un posible catalizador de la consolidación ya que los grandes operadores obtienen beneficios a escala”. Es decir, la IA tiene un efecto bola de nieve sobre las industrias que la abrazan.
Hacia una democratización de la IA
De la misma manera que ocurrió con la televisión o internet, la mayoría de las industrias acabarán asumiendo los costes asociados a la implementación de la IA como estrategia de segmentación para sus departamentos de ventas. La razón es muy simple, el coste- oportunidad de la captación de clientes es tan alto que verán como la competencia va poco a poco repartiéndose el pastel.
Volviendo a ejemplo inicial del sector retail, donde existe una apuesta firme por el análisis predictivo, en el mundo asegurador deberíamos ver el machine learning como el caballo ganador.