Mémoires d'Actuariat
Modélisation du changement de véhicule dans une optique de rétention
Auteur(s) BELLOT A.
Société Generali France
Année 2022
Confidentiel jusqu'au 16/03/2024
Résumé
secteur de l’assurance IARD (Incendies, Accidents et Risques Divers). Exigée à un niveau minimal de couverture et produit d’appel par excellence, elle fait l’objet d’une concurrence toujours plus soutenue entre les différents acteurs du marché. Cette compétition est accentuée par la stagnation du parc automobile français, l’entrée en vigueur de nouvelles lois qui assouplissent les procédures de résiliation, l’apparition de nouveaux acteurs et canaux de distribution, ainsi que par les comparateurs d’assurance qui permettent aux clients d’avoir une vision plus large sur les différents produits, tarifs et prestations que proposent les assureurs. Face à ce contexte de rétention qui fragilise la rentabilité des portefeuilles, les assureurs redoublent d’efforts pour proposer des prix attractifs, de meilleures garanties et s’adapter aux attentes des assurés. La souscription d’un nouveau contrat étant un processus coûteux, il devient indispensable pour les assureurs de se recentrer autour des problématiques de rétention. Parmi les principaux motifs de résiliation, le changement de véhicule représente une part très importante des départs et constitue ainsi l’une des principales fragilités des portefeuilles d’assurance automobile. Il convient donc de s’interroger sur les facteurs influençant le choix des agents économiques de remplacer leur véhicule afin d’être en mesure d’anticiper cette décision et de mettre en place des actions adéquates – notamment au moyen de réductions tarifaires accordées sur les avenants - pour conserver les clients à valeur pour la compagnie. Dans cette optique, la construction de scores de fragilité au changement de véhicule et à la résiliation pour ce motif constitue l’une des premières étapes. Pour cela, ce sont les méthodes d’arbres de classification qui retiennent notre attention. La comparaison d’un modèle de forêt aléatoire, utilisé pour sa simplicité et sa bonne lisibilité, et d’un modèle CatBoost, sélectionné pour sa robustesse et sa gestion optimisée des variables catégorielles, nous conduit à sélectionner la méthode qui discrimine le mieux les comportements étudiés. Par la suite, une étude des résultats obtenus nous permet d’affiner la compréhension des profils de clients fragiles et des facteurs explicatifs. Enfin, une intégration d’indicateurs de rentabilité des clients au sein du portefeuille détermine le périmètre des clients éligibles à des offres commerciales dans une optique de rétention. Mots clés : assurance automobile, changement de véhicule, résiliation, rétention, ciblage, rabais commerciaux, scores de fragilité, modèles de classification, forêt aléatoire, CatBoost, valeur client.
Abstract
For many years, car insurance has occupied a major place in the property and casualty insurance sector. Required at a minimum level of coverage and a prime loss leader, it is the subject of increasingly intense competition between the various market players. This competition is accentuated by the stagnation of the French car fleet, the entry into force of new laws that make cancellation procedures more flexible, the emergence of new players and distribution channels, as well as insurance comparison services that allow customers to have a broader view of the different products, rates and services offered by insurers. Faced with this retention context that weakens the portfolios’s profitability, insurers are redoubling their efforts to offer attractive prices and better guarantees and to adapt to the policyholders’ expectations. Since underwriting a new policy is a costly process, it is essential for insurers to refocus on retention issues. Among the main reasons for termination, the change of vehicle represents a very large proportion of departures and is thus one of the main weaknesses of car insurance portfolios. It is therefore necessary to examine the factors influencing the choice of economic agents to replace their vehicle in order to be able to anticipate this decision and to put in place adequate actions - in particular with tariff reductions on endorsements - in order to retain valuable customers. From this point of view, the construction of fragility scores for vehicle change and termination for this reason is one of the first steps. For this purpose, classification trees’ methods are the ones we focus on. The comparison of a Random Forest model, used for its simplicity and good readability, and a CatBoost model, selected for its robustness and its optimized management of categorical variables, leads us to select the method that best discriminates the behaviors studied. Subsequently, an analysis of the results obtained allows us to refine our understanding of the profiles of fragile clients and the explanatory factors. Finally, an integration of customer profitability indicators within the portfolio determines the scope of customers eligible for commercial offers with a view to retention. Key words : car insurance, vehicle change, termination, retention, targeting, fragility scores, trade discounts, classification models, Random Forest, CatBoost, customer value.
Mémoire complet
Auteur(s) BELLOT A.
Société Generali France
Année 2022
Confidentiel jusqu'au 16/03/2024
Résumé
secteur de l’assurance IARD (Incendies, Accidents et Risques Divers). Exigée à un niveau minimal de couverture et produit d’appel par excellence, elle fait l’objet d’une concurrence toujours plus soutenue entre les différents acteurs du marché. Cette compétition est accentuée par la stagnation du parc automobile français, l’entrée en vigueur de nouvelles lois qui assouplissent les procédures de résiliation, l’apparition de nouveaux acteurs et canaux de distribution, ainsi que par les comparateurs d’assurance qui permettent aux clients d’avoir une vision plus large sur les différents produits, tarifs et prestations que proposent les assureurs. Face à ce contexte de rétention qui fragilise la rentabilité des portefeuilles, les assureurs redoublent d’efforts pour proposer des prix attractifs, de meilleures garanties et s’adapter aux attentes des assurés. La souscription d’un nouveau contrat étant un processus coûteux, il devient indispensable pour les assureurs de se recentrer autour des problématiques de rétention. Parmi les principaux motifs de résiliation, le changement de véhicule représente une part très importante des départs et constitue ainsi l’une des principales fragilités des portefeuilles d’assurance automobile. Il convient donc de s’interroger sur les facteurs influençant le choix des agents économiques de remplacer leur véhicule afin d’être en mesure d’anticiper cette décision et de mettre en place des actions adéquates – notamment au moyen de réductions tarifaires accordées sur les avenants - pour conserver les clients à valeur pour la compagnie. Dans cette optique, la construction de scores de fragilité au changement de véhicule et à la résiliation pour ce motif constitue l’une des premières étapes. Pour cela, ce sont les méthodes d’arbres de classification qui retiennent notre attention. La comparaison d’un modèle de forêt aléatoire, utilisé pour sa simplicité et sa bonne lisibilité, et d’un modèle CatBoost, sélectionné pour sa robustesse et sa gestion optimisée des variables catégorielles, nous conduit à sélectionner la méthode qui discrimine le mieux les comportements étudiés. Par la suite, une étude des résultats obtenus nous permet d’affiner la compréhension des profils de clients fragiles et des facteurs explicatifs. Enfin, une intégration d’indicateurs de rentabilité des clients au sein du portefeuille détermine le périmètre des clients éligibles à des offres commerciales dans une optique de rétention. Mots clés : assurance automobile, changement de véhicule, résiliation, rétention, ciblage, rabais commerciaux, scores de fragilité, modèles de classification, forêt aléatoire, CatBoost, valeur client.
Abstract
For many years, car insurance has occupied a major place in the property and casualty insurance sector. Required at a minimum level of coverage and a prime loss leader, it is the subject of increasingly intense competition between the various market players. This competition is accentuated by the stagnation of the French car fleet, the entry into force of new laws that make cancellation procedures more flexible, the emergence of new players and distribution channels, as well as insurance comparison services that allow customers to have a broader view of the different products, rates and services offered by insurers. Faced with this retention context that weakens the portfolios’s profitability, insurers are redoubling their efforts to offer attractive prices and better guarantees and to adapt to the policyholders’ expectations. Since underwriting a new policy is a costly process, it is essential for insurers to refocus on retention issues. Among the main reasons for termination, the change of vehicle represents a very large proportion of departures and is thus one of the main weaknesses of car insurance portfolios. It is therefore necessary to examine the factors influencing the choice of economic agents to replace their vehicle in order to be able to anticipate this decision and to put in place adequate actions - in particular with tariff reductions on endorsements - in order to retain valuable customers. From this point of view, the construction of fragility scores for vehicle change and termination for this reason is one of the first steps. For this purpose, classification trees’ methods are the ones we focus on. The comparison of a Random Forest model, used for its simplicity and good readability, and a CatBoost model, selected for its robustness and its optimized management of categorical variables, leads us to select the method that best discriminates the behaviors studied. Subsequently, an analysis of the results obtained allows us to refine our understanding of the profiles of fragile clients and the explanatory factors. Finally, an integration of customer profitability indicators within the portfolio determines the scope of customers eligible for commercial offers with a view to retention. Key words : car insurance, vehicle change, termination, retention, targeting, fragility scores, trade discounts, classification models, Random Forest, CatBoost, customer value.
Mémoire complet
