Mémoires d'Actuariat
Identification de profils types en assurance emprunteur orientée sur la transformation de devis en contrats
Auteur(s) MIROLO A.
Société GALEA & Associés
Année 2023
Confidentiel jusqu'au 07/09/2025
Résumé
L’assurance emprunteur est régulièrement assujettie à de nouvelles réglementations, en témoigne notamment la loi Lemoine qui permet de modifier plus facilement son assurance emprunteur. A cet effet, les comparateurs d’assurances en ligne sont susceptibles de faire face à une augmentation du nombre de devis simulés. Ce contexte pourrait susciter l’intérêt des actuaires à analyser la tendance du marché devenue favorable à l’augmentation des devis qui se transformeraient en contrats. En identifiant ces profils types, les compagnies d’assurances pourraient par exemple mieux comprendre le comportement des nouveaux prospects et ajuster leurs produits en conséquence ; à même égard que les comparateurs d’assurances pourraient cibler leurs démarches commerciales envers les individus les moins risqués ou les plus susceptibles de souscrire un contrat d’assurance spécifique. Actuellement, les méthodes d’apprentissage non supervisé permettent de regrouper les individus qui se ressemblent selon leurs caractéristiques. Toutefois, le groupe de risque auquel appartient l’individu n’est pas pris en compte, le risque étant ici la transformation ou non du devis en contrat. Or, la connaissance de cette information peut jouer un rôle important lors du regroupement d’individus. L’étude présentée dans ce mémoire propose donc une approche alternative à la méthode classique qui consiste à intégrer l’information sur la connaissance préalable de la transformation du devis en contrat, et ainsi obtenir des profils types homogènes en caractéristiques et en risque.
Abstract
Mortgage insurance is regularly subject to new regulations, as evidenced by the Lemoine law, which allows for easier modification of one’s mortgage insurance. As a result, online insurance comparators may potentially encounter an increase in the number of simulated quotes. This context could spark the interest of actuaries to analyze the market trend that has become favorable for an increase in quotes that would convert into contracts. By identifying these typical profiles, insurance companies could, for instance, gain a better understanding of the behavior of new prospects and adjust their products accordingly. Similarly, insurance comparators could tailor their marketing efforts towards individuals with lower risk profiles or those most likely to subscribe to a specific insurance policy. Currently, unsupervised learning methods enable the grouping of individuals with similar characteristics. However, the risk group to which the individual belongs is not considered, with risk being defined as the conversion or non-conversion of the quote into a contract. Yet, the knowledge of this information can play a significant role in the grouping of individuals. The study presented in this thesis proposes an alternative approach to the conventional method, involving the incorporation of information regarding prior knowledge of the conversion of quotes into contracts. This allows for the creation of homogeneous profiles in terms of characteristics and risk.
Auteur(s) MIROLO A.
Société GALEA & Associés
Année 2023
Confidentiel jusqu'au 07/09/2025
Résumé
L’assurance emprunteur est régulièrement assujettie à de nouvelles réglementations, en témoigne notamment la loi Lemoine qui permet de modifier plus facilement son assurance emprunteur. A cet effet, les comparateurs d’assurances en ligne sont susceptibles de faire face à une augmentation du nombre de devis simulés. Ce contexte pourrait susciter l’intérêt des actuaires à analyser la tendance du marché devenue favorable à l’augmentation des devis qui se transformeraient en contrats. En identifiant ces profils types, les compagnies d’assurances pourraient par exemple mieux comprendre le comportement des nouveaux prospects et ajuster leurs produits en conséquence ; à même égard que les comparateurs d’assurances pourraient cibler leurs démarches commerciales envers les individus les moins risqués ou les plus susceptibles de souscrire un contrat d’assurance spécifique. Actuellement, les méthodes d’apprentissage non supervisé permettent de regrouper les individus qui se ressemblent selon leurs caractéristiques. Toutefois, le groupe de risque auquel appartient l’individu n’est pas pris en compte, le risque étant ici la transformation ou non du devis en contrat. Or, la connaissance de cette information peut jouer un rôle important lors du regroupement d’individus. L’étude présentée dans ce mémoire propose donc une approche alternative à la méthode classique qui consiste à intégrer l’information sur la connaissance préalable de la transformation du devis en contrat, et ainsi obtenir des profils types homogènes en caractéristiques et en risque.
Abstract
Mortgage insurance is regularly subject to new regulations, as evidenced by the Lemoine law, which allows for easier modification of one’s mortgage insurance. As a result, online insurance comparators may potentially encounter an increase in the number of simulated quotes. This context could spark the interest of actuaries to analyze the market trend that has become favorable for an increase in quotes that would convert into contracts. By identifying these typical profiles, insurance companies could, for instance, gain a better understanding of the behavior of new prospects and adjust their products accordingly. Similarly, insurance comparators could tailor their marketing efforts towards individuals with lower risk profiles or those most likely to subscribe to a specific insurance policy. Currently, unsupervised learning methods enable the grouping of individuals with similar characteristics. However, the risk group to which the individual belongs is not considered, with risk being defined as the conversion or non-conversion of the quote into a contract. Yet, the knowledge of this information can play a significant role in the grouping of individuals. The study presented in this thesis proposes an alternative approach to the conventional method, involving the incorporation of information regarding prior knowledge of the conversion of quotes into contracts. This allows for the creation of homogeneous profiles in terms of characteristics and risk.
