Por Josué Zable.

Cuando las personas piensan en seguros, piensan en probabilidades, estadísticas y eficiencia. Es por eso que los clientes tienen aún menos paciencia con sus compañías de seguros cuando esperan una respuesta a una reclamación. Aunque las compañías de seguros son algunas de las empresas más hábiles para aprovechar el poder de los datos en el desarrollo de productos y perfiles de riesgo, a menudo hay oportunidades para aplicar la misma disciplina a las operaciones de su propia organización, particularmente a las interacciones con sus clientes. Minitab puede ayudar a las compañías de seguros a abordar las reclamaciones más rápido y mejorar su relación con los clientes.

Medir la velocidad del tiempo de respuesta a reclamaciones

El tiempo que se tarda en resolver un siniestro debe ser una medida clave para las compañías de seguros. Al ser la medida de la salida uno de los datos, debería ser bastante simple de recopilar y medir. Utilizando un conjunto de datos de muestra y algunas estadísticas descriptivas simples, el siguiente ejemplo muestra que el promedio (o la media) para el tiempo de resolución de la reclamación es de entre 54 y 55 días. Los datos también indican que el tiempo mínimo es de 40 días y el tiempo máximo es de 75 días, por lo que proporciona un rango de los tiempos más rápidos y más lentos que ayudan a establecer objetivos.

Establezca un objetivo y haga una lluvia de ideas sobre los posibles factores que afectan al rendimiento

Las reclamaciones lentas le cuestan a la organización no solo en términos de la experiencia del cliente, sino que cuanto más tiempo pasa sin resolverse una reclamación, mayor es la incertidumbre para la organización con respecto a las responsabilidades. Establezca un objetivo comercial estratégico para resolver las reclamaciones dentro de un período de tiempo determinado. En este ejemplo, establezcamos un objetivo realista de 50, lo que representa una mejora de ~10% en el tiempo de resolución.

A continuación, haga una lluvia de ideas sobre las posibles variables que podrían estar afectando el plazo de resolución de las reclamaciones. Esto podría ser cualquier cosa, desde el monto de la reclamación, el tipo de reclamación, el tipo de cliente o incluso el agente que maneja la reclamación. El siguiente diagrama muestra un ejemplo de un popular diagrama de espina de pescado, una de las muchas herramientas populares de intercambio de ideas y resolución estructurada de problemas.

Utilice modelos predictivos para cuantificar los impactos...

En general, el modelado predictivo es útil para ayudar a hacer predicciones y comprender los factores que influyen en la respuesta. Al usar la Herramienta de aprendizaje automático de máquinas de Minitab, no solo podemos ver el mejor modelo (en este caso, Random Forests®), sino que también podemos ver cómo se desempeñan otros modelos.

En este caso, el popular y tradicional método de regresión no solo tiene el peor rendimiento, sino que tampoco es muy preciso. Positivamente, el modelo CART®, ideal para visualizar relaciones, funciona relativamente bien.

Aplicar mejoras…

Al observar el árbol de decisiones de CART® a continuación, queda claro que los reclamos de automóviles toman la menor cantidad de tiempo para resolverse, mientras que los reclamos de robo y hurto toman más tiempo. Esto proporciona la primera área a abordar para la mejora. Mirando un paso más allá, está claro que la agente de casos Rebecca está luchando con estos casos en particular. Capacitar a Rebecca en estos casos particulares podría conducir a una mejora inmediata.

…¡Y operacionalice el modelo para comunicarse mejor con los clientes!

Este análisis no solo puede ayudar a identificar áreas de mejora, sino que también puede ayudar a comunicarse con los clientes. Al tomar los factores a mano y aprovechar el modelo Random Forests® más preciso (según lo determinado por el aprendizaje automático automático), podemos poner en funcionamiento el modelo para comunicarnos automáticamente con los clientes. Uso de soluciones como Minitab Model Ops, a medida que se recopilan estos puntos de datos, el modelo puede calcular el tiempo estimado para resolver el caso y comunicar automáticamente el tiempo a los clientes. Esto asegurará que las expectativas de los clientes se establezcan correctamente para que no se sientan decepcionados. A medida que mejora su desempeño, no solo puede superar las expectativas de sus clientes, sino que también puede continuar refinando su modelo predictivo para proporcionar una sincronización más precisa a los clientes en el futuro.