Churn
Die Kündigungsvorhersage ist eine der Kernkomponenten von Onesurance's Top Defend. Dieses Modul, das aus mehreren zusammenarbeitenden maschinellen Lernmodellen besteht, zielt darauf ab, vorherzusagen, bei welchen Kunden ein erhöhtes Risiko besteht, dass sie ihre Versicherungsverträge in den nächsten 12 Monaten kündigen. Durch die rechtzeitige Identifizierung dieser Kunden können Versicherungsunternehmen gezielte Maßnahmen ergreifen, um die Kundenbindung zu fördern und die Portfolioqualität zu verbessern.
Bitte beachten Sie, dass in den Niederlanden häufig von "Stornierung" und in Belgien von "Kündigung" oder "Abwanderung" die Rede ist, während wir in dieser Dokumentation den Oberbegriff "Abwanderung" verwenden. Darunter verstehen wir die (teilweise oder vollständige) Beendigung einer Kundenbeziehung innerhalb des Versicherungsportfolios.
Anwendung des Modells
Der aus diesem Modell resultierende Churn-Score wird innerhalb von Top Defendangewendet, wo er ein integraler Bestandteil der Priorisierung von Kundenaktionen ist. Darüber hinaus wird der Churn Score mit dem Customer Lifetime Value (CLV) kombiniert, um Kunden in wertvolle Kategorien einzuteilen, wie z. B. loyale Wachstumschancen, kritische Kunden mit hohem Kündigungsrisiko oder strukturell verlustbringende Beziehungen.
Definition von Abwanderung / Ausweisung
Eine gute Abwanderungsprognose beginnt mit einer klaren und relevanten Definition der Kündigung. Im Zusammenhang mit Nichtlebensversicherungen können mehrere Formen der Kündigung als Stornierung angesehen werden. Einige mögliche Definitionen sind:
Annullierung einer Police
Annullierung aller Verträge innerhalb einer Hauptfiliale
Annullierung aller Schadenversicherungspolicen
Annullierung aller wichtigen Richtlinien (Standardeinstellung)
Stornierung aller Verträge innerhalb der Kundenbeziehung
Der Standardansatz von Onesurance besteht darin, alle wesentlichen Verträge zu kündigen, da dies in der Regel die Beendigung der gesamten Kundenbeziehung bedeutet. Was als wesentlich gilt, wird in Absprache mit dem Customer Success Manager angepasst.
Branchen, die standardmäßig als wesentlich eingestuft werden:
Kfz-Versicherung
Rechtsschutzversicherung
Haftpflichtversicherung
Datennutzung und Variablen
Für das Training der Churn-Modelle werden Dutzende von Variablen auf der Grundlage der verfügbaren Daten erstellt. Diese Merkmale werden in die folgenden Kategorien unterteilt:
Informationen zur Police (Art, Laufzeit, Prämienstruktur)
Beziehungsdaten (Alter, Wohnort, Kundendauer)
Schadendaten (Häufigkeit, Umfang, Schadenverhalten)
Kontaktmomente (Anzahl der Interaktionen, Kundenanfragen, Mutationen)
Externe Daten, wie demografische und geografische Daten
Die genaue Anzahl der verwendeten Variablen variiert von Unternehmen zu Unternehmen und hängt sowohl von der Vollständigkeit der Daten als auch von der Vorhersagekraft der Merkmale innerhalb des historischen Datensatzes ab.
Modellschulung und -validierung
Die Abwanderungsmodelle werden mit Daten aus den vorangegangenen Kalenderjahren trainiert, mit Ausnahme des letzten Jahres. Das letzte Jahr wird für die Modellvalidierung verwendet. Bei einem Datensatz aus den Jahren 2020 bis 2025 wird das Modell beispielsweise auf Daten aus den Jahren 2020 bis 2023 trainiert und auf der Grundlage des Jahres 2024 validiert.
Bei der Validierung macht das Modell "blinde" Vorhersagen für das Validierungsjahr, ohne Zugang zu den Ergebnissen. Die Leistung wird dann gemessen, indem verglichen wird, wie gut die Vorhersagen mit den tatsächlichen Beendigungszeiten übereinstimmen.
Es werden mehrere Modelle trainiert und pro Hauptbranche optimiert. Diese werden dann kombiniert, um ein genaues, personalisiertes Tantiemenergebnis pro Kunde zu erhalten.
