Predicción de fuga de clientes mediante el rediseño del proceso de atención en seguros masivos en una compañía aseguradora

Abstract

El trabajo se desarrolló en una compañía líder del mercado de seguros en Chile que ofrece soluciones de protección, ahorro y previsión a través de sus principales líneas de negocio: seguros de vida, seguros colectivos, rentas vitalicias, mutuaria y seguros masivos. Sobre esta última línea, la generación de nuevos productos y las actuales acciones de retención parecen no ser suficientes para evitar la constante fuga de clientes, siendo difícil mantener un grado de satisfacción y permanencia adecuado de los mismos. Una tasa cercana a un 55% de abandono de clientes al término del primer año, implica pérdidas significativas para la compañía y altos costos de mantención, llegando incluso al término de relaciones comerciales con sus principales socios estratégicos. Con estos antecedentes, se hace cada vez más necesario estudiar el comportamiento de fuga de los clientes dada la alta competitividad del negocio y las nuevas regulaciones del mercado, obligando a actuar velozmente para lograr atraer a nuevos asegurados y sobre todo mantener a los actuales. El objetivo principal de este proyecto de tesis busca disminuir la tasa de fuga de clientes de seguros masivos (attrition rate) de pólizas bancassurance, por medio del rediseño al actual proceso de Análisis y Gestión de Clientes, aplicando la metodología de Ingeniería de Negocios. Este proceso es fundamental en la interacción entre la aseguradora y sus clientes, generando el espacio necesario para poder cautivar con una mejor experiencia o servicio y retenerlos en su deseo de abandono. El levantamiento de procesos indica la inexistencia de un área de retención para la línea, la que se plantea implementar mediante la incorporación de nuevos procesos y actividades junto a una propuesta tecnológica que dé el soporte y resultados necesarios para lograrlo. Este trabajo comprende el desarrollo y evaluación de tres modelos de predicción de fuga altamente utilizados en la industria (y en literatura) para estas situaciones: regresión logística, árboles de decisión y random forest. Utilizando técnicas de minería de datos bajo la metodología del framework CRISP-DM, y una base aproximada de clientes sobre los 40.000 registros, se observan resultados de precisión muy favorables (88% en la predicción con el modelo de clasificación supervisado random forest). Demostrando que la fuga de clientes se produce fundamentalmente por factores como la edad o meses vigentes de los asegurados que, según configuraciones propias del producto, manifiestan una probabilidad mayor de abandonar la compañía. Con estos resultados, es posible elaborar estrategias de marketing y/o actividades comerciales diferenciadas para diversos tipos de clientes a través del cálculo de su valorización o importancia , utilizando los ingresos esperados y los resultados de predicción, para así conseguir una retención efectiva antes de que se manifieste la alternativa de abandono.