ปรับปรุงประสบการณ์ลูกค้าให้กับธุรกิจประกันภัยของคุณด้วยกลยุทธ์การวิเคราะห์ข้อมูล

เราต่างรู้ดีว่า สำหรับการทำธุรกิจยุคดิจิทัลแล้ว “ข้อมูล” นั้นมีค่ายิ่งกว่าทองหรือน้ำมัน เพราะสามารถนำไปใช้เป็นวัตถุดิบหลักในการพัฒนาสินค้าและบริการให้ประสบความสำเร็จได้ โดยเฉพาะอย่างยิ่งกับธุรกิจประกันภัยที่ข้อมูลยิ่งทวีความสำคัญมากขึ้น เนื่องจากต้องนำข้อมูลจำนวนมหาศาลมาใช้พิจารณาการออกแบบผลิตภัณฑ์ประกันและเคลมสินไหมในอนาคต

บทความนี้จะพูดถึงความสำคัญในการวิเคราะห์ข้อมูล (data analytics) ว่าสามารถช่วยสร้าง customer experience (CX) หรือประสบการณ์ที่ดีขึ้นให้กับลูกค้าธุรกิจประกันภัย รวมถึงช่วยกำหนดแนวทางในการวางกลยุทธ์ด้านข้อมูล (data strategy) และโซลูชันที่เหมาะสมได้อย่างไร

การวิเคราะห์ข้อมูลสำคัญอย่างไรต่อธุรกิจประกันภัย

ในยุคปัจจุบัน InsurTech หรือ เทคโนโลยีด้านประกันภัย คือสิ่งที่บริษัทประกันภัยต่างพยายามพัฒนาขึ้นเพื่อครองใจลูกค้าและผลักดันให้ธุรกิจประสบความสำเร็จ 

ก่อนหน้านี้เราเคยกล่าวถึง InsurTech ว่ามีความสำคัญอย่างไรต่อธุรกิจประกันภัย กันไปแล้ว ซึ่งการวิเคราะห์ข้อมูลถือว่าเป็นหนึ่งในฟังก์ชันสำคัญที่นำมาใช้เพื่อสร้างประสบการณ์ที่ดีขึ้น และมีความ personalized สูงสุด 

จากการคาดการณ์ของบริษัทวิจัยด้านการตลาด Mordor Intelligence ตลาดด้านการวิเคราะห์ข้อมูลประกันภัยทั่วโลกจะเติบโตถึง 2.7 หมื่นล้านดอลลาร์สหรัฐ ภายในปี 2029 โดยมีอัตราการเติบโตต่อปีแบบทบต้น (CAGR) สูงถึง 15.90% เลยทีเดียว ซึ่งภูมิภาคที่จะเติบโตสูงสุดก็คือเอเชียแปซิฟิก และเพราะเหตุใดที่ทำให้บริษัทต่างๆ ถึงพากันพร้อมใจลงทุนในเรื่องดังกล่าว หาคำตอบได้จากหัวข้อถัดไป

ประโยชน์ที่ธุรกิจประกันภัยจะได้รับจากการวิเคราะห์ข้อมูล

การฉ้อโกงประกันภัย

มีเหตุการณ์นับไม่ถ้วนเกี่ยวกับการฉ้อโกงประกันภัย ซึ่ง National Insurance Crime Bureau (NICB) หรือสำนักงานประกันภัยอาชญากรรมแห่งชาติ ของสหรัฐอเมริกา เปิดเผยว่า 10% ของการเรียกร้องค่าสินไหมทดแทนของประกันภัยเป็นการฉ้อโกง ที่อาจมาจากตัวผู้เอาประกันภัยเอง โดยผู้เอาประกันภัยจะร่วมมือกันกับคู่กรณี หรือเจ้าหน้าที่ภาคสนามวมมือกับผู้เอาประกันภัยทำการเคลมโดยทุจริต 

ด้วยเหตุนี้ทำให้บริษัทต้องชดใช้ค่าสินไหมเกินความเป็นจริง ทั้งยังส่งผลให้อัตราส่วนค่าสินไหมทดแทน (loss ratio) และอัตราส่วนค่าใช้จ่ายในการจัดการค่าสินไหมทดแทน (loss adjustment expense ratio) เพิ่มขึ้นโดยไม่จำเป็น การมีระบบวิเคราะห์ข้อมูลช่วยให้บริษัทประกันสามารถสืบค้นข้อมูลจากแหล่งต่างๆ ในกระบวนการตรวจจับการทุจริต (fraud detection) ได้อย่างรวดเร็วและแม่นยำขึ้น ลดอัตราการถูกฉ้อโกงลงได้ แทนที่จะใช้วิธีสุ่มตรวจ หรือเสียเวลาสืบค้นเอกสารแบบแมนวลดังเช่นในอดีต

การคำนวณเบี้ยประกันภัย

บริษัทประกันสามารถนำข้อมูลและสถิติของลูกค้าที่มีมาวิเคราะห์และประเมินความเสี่ยงของแต่ละบุคคลร่วมกับแบบจำลองสถานการณ์ต่างๆ ได้ ซึ่งจะช่วยให้สามารถคำนวณเบี้ยประกันได้เหมาะสมกับระดับความเสี่ยงมากที่สุด ค่าเบี้ยประกันจึงเป็นธรรมต่อลูกค้ายิ่งกว่าเดิม ทำให้บริษัทไม่สูญเสียรายได้ที่ควรจะได้ หรือสูญเสียเงินสำรองเกินความจำเป็น 

ทั้งนี้ การมีระบบวิเคราะห์ข้อมูลที่ดียังช่วยให้การทำงานมีความอัตโนมัติมากขึ้น ไม่ต้องคาดเดาเองและกรอกข้อมูลแบบแมนวลจนอาจนำไปสู่การคำนวณที่ผิดพลาด จึงสามารถปรับปรุงรายละเอียดกรมธรรม์เดิมที่มีอยู่ให้สอดคล้องกับความเสี่ยงได้อย่างแม่นยำ และใช้เวลาในการออกแบบกรมธรรม์ใหม่ๆ ลดลงอีกด้วย

นอกจากนี้ หากใช้ร่วมกับแนวคิด usage base insurance (UBI) หรือการคิดค่าเบี้ยประกันตามการใช้งานจริง เช่น นำอุปกรณ์ IoT ที่มีเซนเซอร์ตรวจจับการเคลื่อนไหว การสตาร์ตเครื่อง และ GPS ไปใช้กับรถยนต์ เพื่อคิดค่าเบี้ยประกันรถยนต์ตามระยะทางและพฤติกรรมการใช้งานของผู้ขับขี่ ก็จะช่วยให้ลูกค้ารู้สึกว่าคุ้มค่ากับเงินที่ต้องจ่ายไปมากขึ้น 

เหมือนอย่างในเมืองไทย เช่น ไทยวิวัฒน์ที่มีประกันรถยนต์เปิดปิด ให้ลูกค้าจ่ายเบี้ยประกันตามระยะเวลาการใช้งานรถยนต์จริง โดยใช้เครื่อง TVI Connect เชื่อมต่อเข้าช่อง USB รถยนต์ นอกจากนั้นยังมี ประกันตามไมล์ ของ SCB และ TIP อัพทูไมล์ ที่แม้ไม่ได้ใช้อุปกรณ์ใดๆ เพิ่มเติมในการใช้งาน แต่ก็มีการคิดค่าเบี้ยประกันตามระยะทางจริง โดยเติมเบี้ยตามระยะ เช่น 5,000 กม. หรือ 10,000 กม. เป็นต้น

การพิจารณาเคลมสินไหม

เมื่อข้อมูลที่มาจากเอกสารและระบบต่างๆ ที่เกี่ยวข้องกับการเคลมนั้นมีการบันทึกด้วยไฟล์ดิจิทัล เชื่อมโยงกันหมดแบบออนไลน์ และอัปเดตแบบเรียลไทม์ผ่านระบบคลาวด์ ช่วยให้การวิเคราะห์ข้อมูลทั้งหมดเพื่อพิจารณาเคลมสามารถทำได้อย่างรวดเร็วขึ้น ไม่ต้องจัดการแบบแมนวลอีกต่อไป เสร็จสิ้นได้ภายในเวลาไม่กี่นาที

Lead generation

การวิเคราะห์ข้อมูลลูกค้าและตลาดจะช่วยบริษัทประกันภัยในการทำ lead generation ซึ่งหมายถึง ต้องทำอย่างไรจึงจะดึงดูดผู้ที่มีโอกาสเป็นลูกค้าให้เข้ามาอ่านรายละเอียดกรมธรรม์ที่บริษัทนำเสนอ และตัดสินใจซื้อผลิตภัณฑ์ประกันของบริษัทแทนที่จะเป็นของคู่แข่ง รวมถึงการมองเห็นต้นทุนต่อการหาลูกค้าหนึ่งราย (Customer Acquisition Cost หรือ CAC) ซึ่งข้อมูลอันล้ำค่านี้จะช่วยให้ทีมการตลาดสามารถวางแผนเพื่อสร้างคอนเทนต์และแคมเปญการตลาดที่เหมาะสมได้

ความพึงพอใจในบริการ

เมื่อบริษัทมีผลิตภัณฑ์ประกันที่ตรงตามความต้องการของลูกค้า ก็สามารถดำเนินการในด้านต่างๆ ได้อย่างรวดเร็ว และคิดค่าเบี้ยประกันที่เป็นธรรม ย่อมทำให้ลูกค้าปัจจุบันได้รับประสบการณ์ที่ดีและพึงพอใจในบริการมากขึ้น ซึ่งอาจส่งผลต่อการต่ออายุกรมธรรม์ หรือเลือกซื้อผลิตภัณฑ์ประกันอื่นๆ เพิ่มในอนาคต รวมถึงชักชวนให้คนรู้จักมาเป็นลูกค้าของบริษัท และนั่นคือสิ่งสำคัญที่จะช่วยผลักดันให้ธุรกิจประสบความสำเร็จได้ในระยะยาว

สิ่งเหล่านี้ต่างเน้นย้ำว่า ลำพังการเก็บข้อมูลลูกค้า ไม่ว่าจะเก็บไว้กับตัว หรือบนระบบคลาวด์ แล้วนำมาวิเคราะห์โดยไม่มีการวางแผนอย่างเป็นระบบนั้นไม่เพียงพออีกต่อไปแล้วในธุรกิจประกันภัยยุคนี้ มาดูกันว่าแนวทางที่ดีควรเป็นอย่างไร

กระบวนการวิเคราะห์ข้อมูลลูกค้าประกันภัยเพื่อสร้างประสบการณ์ที่ดีขึ้น

1. เตรียมความพร้อมของทีมงาน

• ให้ความรู้ จัดอบรมเพื่อ upskill หรือ reskill และเสริมสร้างทักษะที่เกี่ยวข้องแก่พนักงาน เตรียมตัวให้พร้อมกับการวิเคราะห์ข้อมูล เข้าใจวิธีการหา insight จากข้อมูลดิบ และการใช้เครื่องมือต่างๆ McKinsey ได้คาดการณ์ไว้ว่าตั้งแต่ปี 2016 ถึง 2030 ธุรกิจประกันภัยจะจ้างผู้ที่มีทักษะด้านเทคโนโลยีมากขึ้นถึง 55% นอกจากนี้ ไม่ว่าจะเป็นนักคณิตศาสตร์ประกันภัย เจ้าหน้าที่พิจารณารับประกันภัย ทีม call center ฝ่ายการเงิน หรือแม้กระทั่งฝ่ายขาย ต่างก็ต้องฝึกฝนทักษะเกี่ยวกับระบบอัตโนมัติมากขึ้นอย่างหลีกเลี่ยงไม่ได้ และอาจคิดเป็นสัดส่วนสูงถึง 70% ของทักษะทั้งหมด
• จัดสรรหาเครื่องมือและโซลูชันที่เหมาะสม เช่น แพลตฟอร์มวิเคราะห์ข้อมูล โซลูชันคลาวด์ รวมไปถึงการปรับปรุงฟังก์ชันของเว็บไซต์ แอปพลิเคชัน หรือโซเชียลมีเดีย ให้รองรับการทำงานได้อย่างมีประสิทธิภาพมากยิ่งขึ้น

2. รวบรวมข้อมูลลูกค้า

• เก็บข้อมูลของลูกค้าจากแต่ละ touchpoint ไม่ว่าจะเป็นจากกรมธรรม์, ประวัติการเคลม, การติดต่อจาก call center, engagement จากเว็บไซต์และโซเชียลมีเดีย เป็นต้น
• กรองและผนวกรวมข้อมูลทั้งหมดมาเก็บไว้ในแหล่งเดียวใน data warehouse หรือ data lake

3. วิเคราะห์พฤติกรรมและความชอบ

• แยกลูกค้าออกเป็นกลุ่มๆ (segmentation) ตามคุณสมบัติร่วมและความเสี่ยงที่แตกต่างกัน แล้วตั้งเป็น persona
• วิเคราะห์หาความต้องการและ pain points ของลูกค้าในแต่ละ persona

4. นำ insights มาสร้าง customer journey

• คิดค้นผลิตภัณฑ์ประกันที่เหมาะสมกับ persona เหล่านั้น
• ออกแบบการสื่อสาร รวมถึง tone of voice ที่เหมาะสมกับลูกค้าแต่ละ persona เพื่อให้การสื่อสารได้ผลดีที่สุด
• นำรูปแบบการสื่อสารไปปรับใช้กับทุกแพลตฟอร์ม ไม่ว่าจะเป็นอีเมล เว็บไซต์ โพสต์โซเชียลมีเดีย แชตบอต หรือแอปพลิเคชัน

5. ติดตามผลและปรับปรุง

• ติดตามผลว่า customer journey ใหม่ที่สร้างขึ้นได้ผลเป็นอย่างไร ตรวจสอบ KPI จากตัวชี้วัดต่างๆ ที่กำหนด เช่น ยอดขาย, อัตราการต่อกรมธรรม์, ความพึงพอใจและฟีดแบ็กต่างๆ ของลูกค้า เป็นต้น
• ปรับกลยุทธ์จากผลลัพธ์ที่ได้อย่างต่อเนื่อง ไม่หยุดพัฒนา เพื่อรักษาฐานลูกค้าเดิมและหาลูกค้าใหม่ได้ตามเป้า

ปรึกษาเราเพื่อช่วยคุณวิเคราะห์ข้อมูล

Seven Peaks ไม่เพียงแต่เป็นที่ปรึกษาในการทำ digital transformation ที่มีประสบการณ์ในการร่วมงานกับธุรกิจประกันภัยและ InsurTech ชั้นนำทั้งในไทยและต่างประเทศมาแล้วมากมาย แต่เรายังเป็นพาร์ตเนอร์ที่ให้บริการติดตั้งโซลูชันวิเคราะห์ข้อมูลขั้นสูงอย่าง Mixpanel ที่บริษัท InsurTech ระดับโลกต่างไว้วางใจ นอกจากนี้เรายังมีโซลูชันคลาวด์แบบครบวงจร เพื่อให้การเก็บรวบรวมข้อมูลของคุณมีประสิทธิภาพขึ้นอีกด้วย ปรึกษาเราได้แล้ววันนี้