Data Analytics and Machine Learning Applied to Insurance. Leveraging Machine Learning to Enhance customer acquisition Strategy

Abstract

El proyecto emplea una serie de técnicas de análisis de datos y Machine Learning para realizar un análisis exhaustivo de la cartera de clientes de Getlife, con el objetivo de optimizar la estrategia de captación de clientes de la insurtech. Hasta el momento, la startup ha optado por emplear sus recursos en adquirir clientes de forma masiva con el fin de ganar popularidad y recopilar datos. No obstante, esta estrategia resulta poco eficiente debido a la falta de esfuerzos específicos de marketing y a la incapacidad de comprender plenamente las necesidades y preferencias de la base de clientes. Como consecuencia, se busca optimizar dicha estrategia centrándola en perfiles de clientes que representen un menor coste de adquisición, de forma que la startup pueda emplear sus recursos de manera más eficiente y eficaz y adquirir así clientes con más probabilidades de convertirse en fieles y duraderos. Para que departamentos como marketing y producto puedan sacar el máximo rendimiento de los recursos disponibles y proporcionar así mayores beneficios a la compañía resulta necesario identificar el perfil que atrae el sector de los seguros de vida. Entre otras cosas, la idea es adquirir un conocimiento completo de la industria para personalizar las campañas de marketing, ofrecer ofertas especiales y customizar los productos y servicios, así como centrar la estrategia empresarial en un público específico. En primer lugar se ha realizado un análisis descriptivo de las variables que caracterizan los perfiles atraídos por el servicio para identificar potenciales clientes. Por otro lado, se han desarrollado una serie de análisis clustering para clasificar a los clientes y poder personalizar campañas publicitarias (se incluye un análisis concreto del caso de Facebook) o bien productos y servicios que atraigan clientes más fácilmente. Unido a esto se ha estudiado la relación entre la existencia de determinadas patologías con adquirir un seguro de vida. Además, se ha incluido un análisis de curvas de supervivencia en torno al tiempo desde que se crea un lead y este convierte. Por último, se han evaluado los perfiles asociados a las cancelaciones de manera descriptiva. Este estudio destaca la importancia de investigar el mercado, conocer el perfil de los clientes del sector y desarrollar estrategias de marketing específicas para mejorar el servicio ofrecido, y diseñar estrategias comerciales eficaces para el crecimiento de la empresa y cumplir con el objetivo de retención de clientes.

The project employs a range of data analytics and machine learning techniques for a comprehensive analysis of Getlife's client portfolio, intending to optimize the customer acquisition strategy of the insurtech. So far, the startup has used its resources to acquire customers, gain popularity and collect data. However, the insurtech has found that this technique is inefficient due to a lack of targeted marketing efforts and a failure to fully understand the needs and preferences of the customer base. As a result, the current plan is to optimize the customer acquisition strategy by focusing on customer profiles that represent a lower acquisition cost so that the startup can allocate its resources more efficiently and effectively to acquire customers more likely to become loyal and long-term customers. For departments such as marketing and product to get the most out of the available resources and thus provide greater benefits to the company, it is necessary to identify the profile that attracts the life insurance industry. Among other things, the idea is to acquire a complete understanding of the industry to personalize marketing campaigns, offer special deals, and customize products and services, as well as to focus the business strategy on a specific audience. First, a descriptive analysis of the variables that characterize the profiles attracted by the service has been carried out to identify potential customers. On the other hand, to attract customers more effectively, a series of clustering analyses have been developed to classify customers and to be able to personalize advertising campaigns (a specific analysis of the case of Facebook is included) or products and services. In addition, the relationship between the existence of certain pathologies and the purchase of life insurance has been studied. In addition, we have included an analysis of survival curves around the time from when a lead is created and when it converts. Finally, the profiles associated with cancellations have been evaluated descriptively. This research underscores the importance of market research, customer segmentation, and targeted marketing strategies in the life insurance industry. Understanding customer profiles, preferences, and behaviors can help insurers better serve their target audience and design effective business strategies for growth and customer retention.