Confira o artigo escrito por Robin Wagner, Vice-Presidente da vertical International de Seguros da TransUnion
Como as empresas se beneficiam da utilização de dados alternativos para segmentação de risco e preço
Até agora, nós cobrimos como os dados podem ajudar você a se tornar digital e a estabelecer um contato direto com atuais e possíveis clientes para ganhar vantagens competitivas no novo cenário de seguros. Mas, sem preço e segmentação corretos, mesmo as melhores plataformas digitais do mundo não ajudarão você a atingir suas metas.
Os benefícios de uma melhoria nos preços, baseada em dados, vão além de ajudar as seguradoras a atingir as metas trimestrais. Eles também ajudam as seguradoras a atenderem segmentos de mercado anteriormente não segurados, garantindo que, mais do que nunca, consumidores se beneficiem em ter um seguro adequado. Em suma, os avanços nos preços permitem o que chamamos de inclusão de seguros.
Preço do seguro: antes e agora – Tomando a sua palavra a seu favor
Há um ditado no mercado de seguros dizendo que não existe risco ruim, apenas preço ruim. Se você considerar as mudanças que a jornada de precificação de seguros sofreu nas últimas décadas, a expressão é verdadeira. À medida que os modelos de preços têm melhorado, as seguradoras têm sido capazes de assumir mais clientes, de segmentos com os riscos mais diversos, e fazer crescer sua carteira de forma lucrativa.
Antes da introdução de variáveis alternativas, como os dados de crédito nos modelos de preços, as seguradoras tinham de confiar nas variáveis declaradas: a informação que os consumidores forneciam nas suas aplicações. Mesmo no final dos anos 90, muitas seguradoras americanas ainda confiavam apenas nessas informações para atribuir um nível de risco e uma estrutura de preços a cada cliente. Elas simplesmente tinham que acreditar na palavra do consumidor e confiar que os dados enviados fossem precisos e verdadeiros.
Este tipo de dado nunca passou pela validação de terceiros, o que tornava o risco de não divulgação de informações importantes uma ameaça muito real. Os consumidores submetiam, propositalmente, informações incorretas ou deixavam de fora informações relevantes, o que levou a precificações incorretas, perfis de risco distorcidos e prêmios que eram ou muito altos (empurrando os consumidores para a concorrência) ou muito baixos (deixando a seguradora em risco de pagar mais sinistros do que os prêmios que eles coletam).
A prova está nos números. A rentabilidade na indústria de seguros é expressa pela razão combinada (indicador utilizado pela seguradora na qual somam-se as despesas operacionais, as despesas administrativas e despesas de comercialização divididas pelo prêmio ganho), com razões inferiores a 100, indicando que uma empresa está obtendo um lucro na subscrição, e razões superiores a 100, sinalizando que empresa está operando com prejuízo. Durante este período, a razão combinada para a indústria seguradora nos EUA foi consistentemente superior a 100, atingindo aproximadamente 116 em 1992: um sinal claro de que o preço impreciso estava impactando fortemente na rentabilidade das seguradoras a nível nacional.
Passando para scores de seguro baseados em crédito e dados alternativos
Foi por volta dessa época que as empresas inovadoras dos EUA começaram a considerar a utilização de outras variáveis, a exemplo do crédito, para melhorar suas estratégias de precificação e segmentação de risco. Existe uma correlação clara entre o risco de crédito e o comportamento do seguro. Os dados de crédito são regulados, controlados e onipresentes e, uma vez que a maioria dos consumidores que procuravam seguros tinham probabilidade de ter perfis de crédito, poderiam ser usados como um indicador forte e verificável do risco.
Para apoiar estas melhorias, a TransUnion introduziu, em 1999, o primeiro score de seguro genérico, baseado em crédito. Hoje, quase 95% das seguradoras nos EUA utilizam o crédito como uma das três principais variáveis na subscrição, levando a melhorias na razão média combinada, que era de aproximadamente 99 em 2018².
Os benefícios da utilização de dados validados
Atualmente, as seguradoras estão se beneficiando do uso de dados verificáveis de terceiros e amplamente disponíveis de duas maneiras: primeiro as ajudam a criar uma melhor interação com o cliente e, segundo, a impulsionar a inclusão financeira e os lucros ao mesmo tempo.
Desbloquear mercados com pouca cobertura para impulsionar a inclusão e aumentar os lucros
O seguro faz parte da espinha dorsal da economia de qualquer mercado. Ele ajuda os cidadãos a protegerem sua base ativa, o que, por sua vez, ajuda a construir uma economia mais forte. O futuro do seguro está em torná-lo relevante e acessível à população.
Conjuntos de dados alternativos e diferentes são parte integrante deste processo, uma vez que permitem às seguradoras se aprofundarem em segmentos que não podem ser pontuados usando modelos tradicionais. Usando ferramentas de segmentação avançadas, os players do setor podem fixar melhores preços para dar a mais pessoas acesso aos seus produtos.
Mas o benefício em utilizar este tipo de estratégia, além do orgulho no que tange à responsabilidade social, beneficia os seus resultados financeiros. Quanto mais eficazes forem os seus modelos de preços, tão melhor pode-se determinar o seu risco. Você pode gerenciar níveis de risco mais altos, por meio de prêmios apropriados, e recompensar níveis de risco mais baixos, com taxas com desconto.
Ao construir mercados de seguros que utilizam dados alternativos integrados com os scores de crédito tradicionais, você tem acesso a segmentos de mercado inexplorados e não segurados. Os avanços na pontuação de crédito aprofundam este efeito, permitindo às seguradoras visar dois segmentos de mercado mal atendidos e que têm grandes oportunidades de crescimento: os clientes de baixa renda que têm registros de crédito limitados e os clientes ricos que raramente utilizam crédito.
Os benefícios de uma solução como CreditVision™ e o Book 3D, que utilizam dados alternativos e de crédito com tendências para a pontuação, têm sido excepcionais. Na África do Sul, por exemplo, descobrimos que havia 2,5 milhões de consumidores que não podiam ser pontuados a partir da utilização de dados de crédito tradicionais, mas que eram pontuáveis usando dados de tendência. Este é um mercado considerável e inexplorado onde as seguradoras podem expandir com segurança suas carteiras e entregar produtos muito necessários.
Utilizando modelos de preços para melhorar a experiência do cliente
O uso de fontes de dados alternativos e de terceiros permite um onboarding mais suave, o que cria melhores experiências para os clientes. O habitual processo de subscrição no modelo “caneta e papel” é um processo muito oneroso e complicado, que não agrada aos consumidores atuais. Mesmo as empresas que usam formulários digitais ainda exigem que os consumidores preencham perguntas após perguntas, o que faz com que eles se sintam cada vez mais frustrados a cada clique do mouse.
Graças aos avanços em preços e segmentação, as seguradoras podem usar dados validados e em tempo real para confirmar várias informações (para ajudar na verificação de identidade e na prevenção de fraudes) e até mesmo preencher automaticamente certas seções de um formulário de inscrição (veja nossa solução Prefill, por exemplo).
Quando o imprevisto acontece e os clientes acionam o sinistro, o processo pode ser consideravelmente acelerado por estes avanços na automação. E, graças aos preços e estruturas de prêmios, impulsionados pelos dados, as seguradoras podem pagar os sinistros com confiança, sabendo que estão de acordo com o apetite de risco da empresa, tornando-o uma vitória para todas as partes envolvidas.
Tecnologia hoje: ainda há trabalho a ser feito – Aumentar a aceitação de modelos avançados
Embora muitos mercados importantes estejam surgindo com novos modelos de precificação e segmentação de dados, há ainda muito trabalho a ser feito em outras regiões. Mercados como a Índia e o México, por exemplo, ainda não utilizam dados e análises para garantir a segurança dos condutores de veículos. Eles simplesmente olham para o valor de substituição do bem que está sendo segurado. Então, mesmo que você tenha uma longa lista de reivindicações de seguro anteriores, você ainda pode obter um prêmio bastante decente em um carro bem cotado.
Para esses mercados e outros, nós precisamos superar o legado de fortes estruturas internas, capacitando (e convencendo) grandes seguradoras a adotarem dados e validação de terceiros. Em linha com isso, estamos atualmente trabalhando com seguradoras que oferecem distribuição direta, na Índia, para ajudar a impulsionar a adoção de preços baseados em dados. Estamos, ainda, consultando seguradoras em Hong Kong, onde, apesar de outras ferramentas de dados com conhecimento tecnológico – a exemplo de nossa solução de verificação de ID eKYC -, o mercado ainda apresenta uma razão combinada para o segmento de 104%¹.
Os preços gerais dos seguros, utilizando dados alternativos, têm progredido consideravelmente ao longo dos anos. Ferramentas como CreditVision, por exemplo, utilizam dados de tendência e dados alternativos para fornecer até 25% de aumento na pontuação de risco de crédito ao consumidor em relação às pontuações de risco de crédito tradicionais. A inclusão de dados adicionais de terceiros, tais como informações sobre sinistros e coberturas, acrescenta outra camada de proteção de risco, ajudando as seguradoras a criarem uma visão mais próxima aos 360 graus de um consumidor, incluindo seu comportamento de crédito, seu histórico de seguro e quaisquer riscos geográficos que o ativo segurado apresente.
Este tipo de informação é inestimável em mercados como o Brasil, onde as empresas dependem apenas de dados alternativos para complementar a segmentação de risco e a definição de preços para os clientes fora do mercado de compra. Usando nossos modelos, indústrias como a de seguros de veículos podem alavancar scores que fornecem insights profundos sobre consumidores desbancarizados e “thin file” (sem informações suficientes em bases de crédito que acabam gerando scores menos precisos). As companhias podem então melhorar os preços e segmentar clientes que não poderiam ser pontuados antes, criando uma visão holística do real risco que esses consumidores apresentam.
A inteligência artificial (IA) e o machine learning também estão adicionando uma forte previsibilidade ao mix de informações e automação, além de nos ajudarem a desenvolver modelos complexos e específicos da indústria muito mais rapidamente, pegando dados não estruturados e combinando-os com modelos de pontuação tradicionais.
Mas o machine learning não é irrepreensível. O que se ganha em velocidade, perde-se em interpretabilidade. Em outras palavras, você pode não ter uma compreensão suficientemente clara de como o machine learning usou a informação para chegar a determinadas taxas, deixando-o sem uma explicação real do porquê um modelo funciona… e o motivo de não funcionar. No entanto, estamos vendo alguns grandes avanços nesta área e acredito que, nos próximos dois anos, teremos modelos de IA e machine learning que proporcionam um equilíbrio convincente de velocidade e interpretabilidade, que pode dar às seguradoras mais vantagens competitivas.
Problema resolvido: Dados alternativos de crédito ajudam as seguradoras a usarem ferramentas avançadas de segmentação – com IA e soluções de machine learning – para que possam melhorar o preço e segmentar os consumidores de modo a mitigar o risco e aumentar os lucros, enquanto promovem a inclusão financeira e de seguros.
O nosso próximo desafio: gestão de compliance e de solvência
Abordamos como as seguradoras podem interagir melhor com os clientes, seja digitalmente ou diretamente, e como podem encontrar formas eficazes de fixar preços e segmentar esses consumidores. Mas os desafios dos dados não impactam apenas os fatores operacionais externos. Em nosso próximo blogpost, veremos como os dados podem melhorar a conformidade e o gerenciamento da solvência das seguradoras.
