Presentasjon lastes. Vennligst vent

Presentasjon lastes. Vennligst vent

Www.nr.no Prediksjon og modellering av kundeavgang fra Gjensidige Clara-Cecilie Günther, Ingunn Fride Tvete, Geir Inge Sandnes, Ørnulf Borgan, Kjersti.

Liknende presentasjoner


Presentasjon om: "Www.nr.no Prediksjon og modellering av kundeavgang fra Gjensidige Clara-Cecilie Günther, Ingunn Fride Tvete, Geir Inge Sandnes, Ørnulf Borgan, Kjersti."— Utskrift av presentasjonen:

1 Prediksjon og modellering av kundeavgang fra Gjensidige Clara-Cecilie Günther, Ingunn Fride Tvete, Geir Inge Sandnes, Ørnulf Borgan, Kjersti Aas Statistics for Innovation (SFI) 2 SFI-dag finans, NR,

2 Innledning ► Lett å bytte forsikringsselskap.  Ustabil kundemasse. ► Vanskelig å tiltrekke seg nye kunder.  Behold de eksisterende. ► Hvilke kunder har størst sannsynlighet for å forlate selskapet? ► Kundeavgang: Kunde sier opp alle polisene.

3 Data fra Gjensidige ► Bil, bolig og personforsikring ► November 2007 – mai 2009 (19 måneder) ► kunder

4 Modell I KundeMånedResponsForklaringsvariable 12007/11Y 1,2007/ /12Y 1,2007/12 X 1,2007/ /05Y 1,2009/05 X 1,2009/ /02Y 2,2008/ /03Y 2,2008/03 X 2,2008/02. La og

5 Model II Trinn 1: Bruk generaliserte additive modeller (GAM) til å oppdage ikke-lineære sammenhenger mellom og Trinn 2: Tilpass generalisert lineær modell (GLM) med variable definert fra trinn 1..

6 Forklaringsvariable ► Alder ► Kjønn ► Årspremie (totalt, bil, bolig, person) ► Levetid ► Antall poliser (totalt, bil, bolig, person) ► Rabatt ► Partner

7 Variable definert fra GAM Alder S(Alder)

8 Redefinerte forklaringsvariable ► ToHjem: Mer enn to boligforsikringer. ► Hovedforsikringer: Antall hovedtyper forsikringer. ► ReturnertKunde: Tidligere kunde har returnert til selskapet. ► BilKansellert: Bilforsikring sagt opp sist måned. ► RabattEndring: Fra rabatt til ingen rabatt sist måned.

9 Endelig modell ► 10% av dataene brukes til å tilpasse modellen. ► Variable i modellen: ▪Originale variable: Partner, Kjønn, Rabatt ▪Fra GAM: log.Årspremie, Alder.T, Levetid.K ▪Redefinert: Hovedforsikringer, ReturnertKunde, ToHjem,BilKansellert, Rabattendring ► Samspill mellom: ▪Partner og log.Årspremie ▪Hovedforsikringer og log.Årspremie ▪Rabatt og log.Årspremie ▪Rabatt og Hovedforsikringer ▪Kjønn og Alder.T

10 Estimerte hovedeffekter VariabelEstimert effekt Returnert kunde0.58 ToHjem-0.47 Levetid.K=1 Levetid.K= BilKansellert0.16 RabattEndring1.79 Se opp for "røde" kunder - disse har større sansynlighet for avgang!

11 Estimerte samspill ► Kunder med høy årspremie er mer lojale hvis deres partner også er kunde hos Gjensidige. ► Dersom man får rabatt avtar avgangssannsynligheten, og den avtar videre dersom antallet hovedtyper forsikring øker.

12 Prediksjon ► Samme tidsperiode: ▪Gjenværende 90% av dataene, ikke brukt til modelltilpasning. ► Ny tidsperiode: ▪Nye data: Juni 2009 – januar 2010 ▪Testsett A: Kundene fra opprinnelig testsett. ▪Testsett B: Kundene fra opprinnelig treningssett.

13 Resultater - prediksjon ROC: Sann positiv rate mot falsk positiv rate for alle mulige cut- offs. Klassifiseringsregel: Kunde med avgangssannsynlighet høyere enn valgt cut-off klassifiseres som avgått.

14 Flere resultater - prediksjoner ► Blant de 1000 høyeste prediksjonene predikerer modellen avgangskunder ganger bedre enn tilfeldig gjetting. ► Prediksjonsevnen avtar ikke med tiden.

15 Lignende problem: Soft fraud ► Identifisere svindlere. ► Beregne sannsynlighet for at en kunde er svindler basert på et gitt sett av forklaringsvariable. ► Sette inn tiltak mot kundene med høy svindelsannsynlighet. ► Kan kanskje bruke samme metoder som for kundeavgang.

16 Avsluttende kommentarer ► Denne modelleringsteknikken kan brukes i customer relationship management (CRM). ▪Identifisere kunder som vil forlate selskapet. ▪Bedre enn tilfeldig gjetting. ► Modellen kan forbedres med mer informasjon. ▪Vi vet ikke hvorfor kundene forlater selskapet.


Laste ned ppt "Www.nr.no Prediksjon og modellering av kundeavgang fra Gjensidige Clara-Cecilie Günther, Ingunn Fride Tvete, Geir Inge Sandnes, Ørnulf Borgan, Kjersti."

Liknende presentasjoner


Annonser fra Google