Интегрированная модель «Умного страхования»
Организация отечественного рынка автострахования по системе Европротокола и на основе технологий анализа данных не первый год остается предметом дискуссий отраслевого сообщества. В то же время концентрация экспертной аудитории на оперативно-технических деталях и нормативно-законодательной софистике оборачивается эффектом «за деревьями не видно леса», ибо общая концепция решения выглядит в лучшем случае констатацией неисследованных проблем, тормозящих развитие всего направления. Хотя известной фактуры более чем достаточно для синтеза целостной бизнес-платформы «умного страхования» с учетом современных возможностей и реальных условий.
Актуальность внедрения «умного страхования» в России обеспечивается не только появлением и распространением беспрецедентных IT-технологий для максимальной автоматизации управления страховыми рисками и операционными процессами. Социально-экономические факторы оказывают еще большее влияние на состояние рынка за счет быстрого увеличения частного автопарка страны, который, по экспертным оценкам, достигнет 50 млн легковых автомобилей к 2020 году. Устойчивая тенденция роста неизбежно сопровождается усилением материальных угроз из-за общего снижения уровня транспортной безопасности и культуры участников дорожного движения, особенно в непростых условиях экономического или политического кризиса.
«Гонка вооружений» страхового бизнеса представляет лишь реакцию на первичные угрозы его рентабельности, особенно при наблюдаемом удорожании услуг даже обязательного автострахования. К их парированию привлекаются передовые навигационные, геоинформационные и информационно-аналитические технологии с использованием всевозможных каналов и методов сбора, передачи, хранения, обработки и анализа разнородных данных из любых типов источников. ГНСС ГЛОНАСС и здесь с успехом находит свое применение наряду со своими наземными прикладными сегментами, такими, как Интеллектуальные транспортные системы и Безопасный город. Прямая государственная поддержка коммерциализации этих проектов выражена в недавних поправках от 2 августа 2014 года к Федеральному закону №40 «Об обязательном страховании гражданской отвественности владельцев транспортных средств», придающих статус некорректируемых и юридически значимых данным спутниковой навигации, а также материалам независимой фото/видеофиксации дорожных инцидентов и ДТП для использования при расследованиях страховых случаев, выявления имитационных афер и обнаружения мошеннических схем. Уже с января 2016 года стартует экспериментальная программа передачи данных о случившихся ДТП из развернутой системы "ЭРА-ГЛОНАСС" в автоматизированную информационную службу ОСАГО. Благодаря столь системному взаимодействию страховщики мгновенно узнают о месте, времени, скорости, курсе и точном расположении подключенного автомобиля в момент возникновения аварийной ситуации с целью проверки и предупреждения возможного искажения соответствующих сведений от своих клиентов.
Технический арсенал безопасности и прибыльности автостраховых компаний сегодня включает ретроспективный анализ стажа и официальной статистики аварийности клиента из базы данных АИС РСА3 для вычисления индивидуального тарифного коэффициента КБМ. С этой же целью разрабатывается отечественная методология анализа стиля вождения на базе «умной телематики» с применением бортового M2M-оборудования, собирающего историю геоперемещений и пробега, двигательных и скоростных режимов, количества резких маневров и ударных ускорений застрахованного автомобиля. А в западном исполнении страховщиком учитывается даже громкость музыки в салоне, пользование мобильной связью во время движения и другие факторы, потенциально угрожающие аварией. Вся эта информация предназначается для оценки рисков и степени безопасности уже существующего клиента с целью адекватного ценообразования страховых услуг в рамках программы Usage-based insurance (UBI). Ее ключевой принцип «pay-how-you-drive – плати, как ездишь» подразумевает получение страховой скидки постфактум – только после беспроблемного истечения полностью оплаченного периода страхования.
Такой подход вполне соответствует мировым стандартам и практикам в области повышения коммерческой эффективности страховщика и привлечения страхователя за счет материального стимулирования его дисциплинированности и внимательности за рулем. Тем не менее, схема выглядит слегка изолированной от российской действительности, в том числе состояния наших дорог и инфраструктуры, доступности сетей и каналов передачи данных, систем быстрого и качественного анализа информации, но прежде всего – от психологии большинства автовладельцев и низкого уровня взаимного доверия участников страхового полиса. Не добавляет оптимизма и наблюдаемое разнообразие телематического оборудования различных производителей, вопросы его стоимости, надежности и совместимости со сторонними перспективными автотранспортными сервисами.
Ситуация обостряется в случае дорогостоящих, но максимальных пакетов КАСКО, где отмечена крайняя необходимость сохранения и расширения клиентской базы, составляющей пока микроскопическую долю пользователей ОСАГО. Несмотря на реальное снижение аварийности в пилотных проектах таких компаний, как Ингосстрах или АльфаСтрахование, их опыт показал очень незначительное число привлеченных частных и корпоративных клиентов с автомобилями в основном премиального класса. Однако большинство из них после завершения страхового периода отказались от его продления по различным причинам, в том числе из-за неприемлемой стоимости телематического оборудования и абонентской платы оператору связи на фоне общей астрономической цены полиса.
Эти затруднения с продвижением и внедрением могут быть вызваны прежде всего отсутствием завершенной и обоюдной ценностной идеологии, которая бы полностью отвечала интересам страховщика и страхователя. Нет ясности и по средствам ее технического обеспечения, поскольку в предложениях страховой телематики недостаточно имеющегося охвата, качества и единства стандартизации данных как для гарантии безопасности страховщика, так и для привлечения клиентов, которым важны исключительно размеры скидки и страховой премии с минимумом затрат и без потери комфорта. Между тем пути совершенствования сервиса «умного страхования» и преобразования его в конкурентоспособный и востребованный российский продукт берут свое начало именно в сфере понимания нужд и ожиданий клиента, без акцентирования внимания на компроматную составляющую торгового предложения, какими бы благими намерениями она не мотивировалась. Современная жизнеспособная модель достижения клиентской лояльности и взаимного доверия состоит в максимальном синергетическом балансе между продавцом и покупателем. Он вырастает из обычной системы скоринга страхового и кредитно-финансового бизнеса, объединяя все доступные данные о клиенте в целях повышения взаимной безопасности, эффективности и привлекательности коммерческого автострахования в нашей стране.
Андеррайтинговая модель страхового скоринга решает задачи оценки благонадежности клиента для определения принципиальной возможности его страхования, оптимальных параметров и условий страховых услуг, а также прогнозирования вероятных убытков от работы с ним. Обычно используются официальные данные клиента и специальные базы МВД/ГИБДД, статистика аварийности и различных нарушений для проверки рискованности интересующего лица с помощью методов математического и статистического анализа. Развитие этой модели в сторону глубокой BI-аналитики и бизнес-разведки вместе с поведенческой аналитикой телематических данных позволяет радикально расширить круг задач для принятия предельно объективных, обоснованных и безопасных решений по привлекательным условиям страхования с максимальной поддержкой рентабельности страховщика.
Двухэтапная реализация такой модели предполагает первоначальную высокоточную сегментацию новых клиентов для формирования персонализированного предложения с учетом персональной оценки рискованности страхователя. Но процесс индивидуального ценообразования КБМ не ограничивается анализом официоза, истории аварийности и статистики административных нарушений из специальных и отраслевых ресурсов и баз данных. Новейшие поисково-аналитические технологии в составе внутрикорпоративных систем принятия решений позволяют автоматически собирать и обрабатывать текстовую и неструктурированную информацию из таких публичных источников, как социальные сети, онлайн-СМИ и мультимедийные интернет-ресурсы. С их помощью оперативно создается исчерпывающее и постоянно обновляемое досье потенциального страхователя, содержащее его собственные данные о работе и увлечениях, путешествиях и путевых геометках, дорожных приключениях и уличных конфликтах, реальном состоянии автомобиля и частоте технического обслуживания, водительских навыках и предпочтениях, мнениях о конкурентных предложениях автострахования и интереса к ним. Аналогичная информация может присутствовать и в сетевом контенте окружения интересующего лица – друзей, родственников и коллег. Кроме того, системные коннекторы включают доступ к ранее скрытым сведениям об официально незарегистрированных автоинцидентах и нарушениях, регулярно всплывающим в глобальном информационном пространстве благодаря общественной и активистской деятельности. Например, посты и публикации, а также комментарии к ним об опасных маневрах, незаконных парковках, проездах на красный свет, бесконтактных ДТП с упоминанием или фото автомобильного госномера, ФИО автовладельца и привязкой к месту и времени совершения подозрительного действия, а также распространенная практика поиска свидетелей ДТП в социальных сетях. К ним же относятся обсуждения на специализированных форумах автолюбителей, статьи и фото влиятельных блогеров-автомобилистов о «безобразиях на трассе», популярные пользовательские подкасты с видеорегистраторов и многое другое. Сбор и анализ этой информации с выявленными поведенческими закономерностями и событийными тенденциями гармонично наполняют жизнью и эмоциями сухое анкетно-ведомственное описание человека для построения его психо-демографического портрета в интересах как наступательной безопасности, так и персонифицированного маркетинга.
Универсальность исследованию придают и попутные функции типа управления репутацией страховой компании среди клиентов и целевой аудитории с помощью мониторинга умышленных или ложных вбросов конкурентов, жалоб или обращений пользователей, нежелательных дискуссий об организации в СМИ и соцмедиа. Автоматический поиск и анализ тональности высказываний с последующим реагированием и нейтрализацией этих угроз в режиме реального времени производится иногда и с эффективным участием лояльных пользователей-клиентов. Результатом становится непрерывный контроль и поддержка необходимой общественной лояльности, которая отражается как на позитивном отношении каждого отдельного лица к страховым услугам компании, так и на уровне информированности об их достоинствах и преимуществах.
Таким образом, уже на этапе привлечения клиента страховщик получает возможность всестороннего и абсолютно легального обогащения новыми знаниями не только в области финансово-экономической безопасности путем выявления степени подозрительности клиента с жесткой привязкой его законопослушности и благонадежности водительского стажа к условиям контракта. Стратегическое значение приобретает управление лояльностью информационной среды и достоверное понимания личных потребностей и интересов каждого существующего или потенциального клиента для не просто своевременного, но предвосхищающего индивидуально-дружественного предложения безопасно дисконтированной услуги. Клиент, в свою очередь, эффективно поощряется немедленной скидкой, дополняющей страховой тариф КБМ.
Второй этап нашего варианта «умного» автострахования служит продолжением предыдущего и направлен на повышение точности прогнозирования рисков и контроля дисциплинированности клиента за рулем. Он реализуется комбинированным применением медиамониторинга и поведенческого анализа телематических данных с автомобиля страхователя с гарантией заслуженных материальных преференций при безаварийной езде для стимулирования дальнейшего сотрудничества. Их величина не должна быть предметом алчности страховщика, поскольку здесь устраняется несправедливая традиция возмещения убытков безответственных клиентов за счет высоких платежей добросовестных страхователей. Кроме того, в роли эксклюзивного клиентского бонуса может выступать интеграция с системами спасения типа "ЭРА-ГЛОНАСС" и антиугонными комплексами на базе космической навигации и спутникового геопозиционирования транспортных средств, а также использование персональных М2М-данных в разборе произошедшего, паче чаяния, страхового случая.
Результатом подобного интеллектуального использования всего комплекса данных о клиенте будет экстремально кастомизированная и безопасная бизнес-модель «умного» автострахования. Ее двухуровневая архитектура отличается одновременным выполнением динамически связанных между собой аналитических задач по «умному» управлению рисками и «умной» лидогенерации клиентского портфеля с параллельным повышением его качества. В итоге становится реальностью поистине рыночная платформа интегрированных ценностей, лежащая в основе политики создания взаимных выгод и защиты двусторонних интересов автостраховщика и страхователя.
Полная версия статьи доступна в электронной версии журнала "Вестник ГЛОНАСС". 
