ธุรกิจประกันภัย กับก้าวถัดไปสู่ Customer-centric ด้วย Data Analytics

เมื่อพูดถึงภาคอุตสาหกรรมในประเทศไทยที่มีการเติบโตอย่างน่าจับตามองท่ามกลางสถานการณ์โควิด-19 ธุรกิจประกันภัยย่อมเป็นหนึ่งในนั้น โดยเฉพาะในแง่การขยายช่องทางนำเสนอสินค้าเข้าสู่ออนไลน์ เช่น เว็บไซต์ แอปพลิเคชัน หรือแพลตฟอร์มอีคอมเมิร์ซต่างๆ รวมไปถึงการออกแคมเปญกรมธรรม์รูปแบบใหม่ๆ ที่ทำให้ผู้บริโภคสามารถเข้าถึงผลิตภัณฑ์ประกันภัยได้ง่ายขึ้น

จากประสบการณ์ของ บูลบิค ในฐานะบริษัทคอนซัลต์ที่ได้เข้าไปให้คำแนะนำกับธุรกิจประกันภัย พบว่า การเปรียบเทียบประกันและการขาย (Distribution) ที่ลูกค้าสามารถหาข้อมูลได้จากช่องทางออนไลน์ต่างๆ เพื่อเปรียบเทียบราคาประกัน และเลือกซื้อประกันที่เหมาะสมกับตนเองได้ ถือเป็นเรื่องที่บริษัทประกันภัยไทยสามารถทำได้ดี

แต่หากอยากขยับเข้าไปสู่การรู้จักและเข้าใจความรู้สึกลูกค้ามากขึ้นไปอีก (Customer Centric) เพื่อตอบรับความต้องการใหม่ๆ ในอนาคตให้ดีขึ้นกว่าเดิม การปรับตัวเอาเทคโนโลยีมาช่วยเพิ่มศักยภาพธุรกิจหรือที่เรียกว่า Digital Transformation คือสิ่งที่ธุรกิจประกันของไทยควรให้ความสำคัญมากขึ้น โดยเฉพาะการนำ Data Analytics และ AI/ML มาช่วยวิเคราะห์พฤติกรรมและความต้องการของลูกค้า ซึ่งจากประสบการณ์ของบลูบิค พบว่า ธุรกิจประกันภัยในไทยยังไม่ได้นำเทคโนโลยีมาใช้อย่างเต็มที่ใน 3 ส่วน ได้แก่ การรับประกัน (Underwriting) การเคลม (Claim) และการต่ออายุประกัน (Renewal)

เข้าถึงลูกค้ายิ่งขึ้นด้วย Data Analytics และ AI/ML

เมื่อมองไปยังต่างประเทศที่ตลาดประกันภัยพัฒนาจนอิ่มตัวแล้ว จะพบว่าได้มีการนำเทคโนโลยีไปใช้พัฒนาประสบการณ์ใช้งานของลูกค้าให้ดีขึ้น ซึ่งบริษัทประกันไทยสามารถนำไปปรับใช้ได้ดังนี้ 

1. การรับประกัน (Underwriting) 

คงต้องบอกว่าบริษัทประกันส่วนใหญ่มีการเก็บรวบรวมข้อมูลลูกค้าปริมาณมหาศาลอยู่แล้ว เพื่อนำมาใช้คำนวณเบี้ยประกัน แต่หากนำ Machine Learning มาปรับใช้ด้วยจะช่วยให้สามารถคิดเบี้ยประกันแบบ Personalized หรือเบี้ยประกันเฉพาะสำหรับแต่ละบุคคล ซึ่งจะตอบโจทย์ความเสี่ยงของลูกค้าเป็นรายคนได้ โดยเมื่อประเมินออกมาแล้วว่าลูกค้าเป็นกลุ่มคนที่มีความเสี่ยงสูง ราคาเบี้ยประกันก็จะแพงตาม แต่หากเสี่ยงน้อย ราคาเบี้ยก็จะถูกลง ไม่ได้เป็นการคิดราคาเดียวเหมารวมกับคนทุกกลุ่มอีกต่อไป 

นอกจากนี้ ในส่วนของรับประกันยังมีเรื่องของการคิดเบี้ยประกันแบบ Usage-based หรือตามการใช้งานจริง กล่าวคือ จ่ายเบี้ยประกันตามระยะเวลาที่ใช้จริง ใช้มากจ่ายมาก ใช้น้อยจ่ายน้อย หรือที่เรียกันว่า PAYG (Pay-As-You-Go) หรือ PAYD (Pay-As-You-Drive) ตัวอย่างเช่น Cuvva บริษัทประกันสัญชาติสกอตแลนด์ ที่ให้บริการประกันรถยนต์ในลักษณะของ Usage-based โดยผู้เอาประกันสามารถซื้อประกันรถยนต์เป็นแบบรายชั่วโมง รายวัน หรือรายสัปดาห์ได้ และยังสามารถ Top-up เบี้ยประกันได้เพิ่มเติมตามปริมาณการใช้รถจริง โดยลูกค้าสามารถดำเนินการด้วยตนเองผ่านแอปพลิเคชันของ Cuvva บนสมาร์ตโฟน

2. การเคลม (Claim)

ในปัจจุบันความยุ่งยากวุ่นวายและขั้นตอนการเคลมที่ค่อนข้างใช้เวลานาน เป็น pain point ของลูกค้าหลายๆ คน และยังเป็นขั้นตอนที่มีความสำคัญที่สุด เพราะบ่งบอกได้ถึงคุณภาพและความใส่ใจลูกค้าของบริษัทประกันภัย 

สำหรับในต่างประเทศ บริษัทประกันจำนวนไม่น้อยจึงเลือกปรับประสบการณ์ใช้งานให้ดีขึ้น ด้วยการนำเทคโนโลยีต่างๆ มาช่วยจัดการการเคลม ไม่ว่าจะเป็น Virtual claim ที่เป็นการเคลมแบบถ่ายวิดิโอแบบเรียลไทม์ หรือใช้วิธีการถ่ายรูปจุดเกิดเหตุให้บริษัทประกันดู เพื่อเป็นการแก้ปัญหาดังกล่าว ทำให้ขั้นตอนการเคลมมีความรวดเร็วมากขึ้น ลูกค้าสามารถจัดการเคลมกรณีที่เล็กน้อยไม่รุนแรงได้ด้วยตนเอง ไม่จำเป็นต้องรอพนักงานเคลมของบริษัท และต้นทุนของบริษัทเองก็ลดลงจากการใช้พนักงานเคลมที่น้อยลง โดย Lemonade เป็นตัวอย่างบริษัท Start-up ประกัน ที่ใช้ AI Chatbot แนะนำประกันที่เหมาะสมกับลูกค้า และใช้ AI ในการช่วยดำเนินการตรวจสอบและเคลมค่าสินไหมให้ลูกค้าจนเสร็จได้ภายในเวลาเพียงไม่กี่วินาที 

นอกจากนี้ กระบวนการตรวจจับการทุจริต (Fraud detection) ที่มีประสิทธิภาพมากขึ้นยังช่วยให้การเคลมราบรื่นยิ่งกว่าเดิม โดยบริษัทประกันสามารถสร้างอัลกอริทึ่มขึ้นมาแบบ statistical model ซึ่งเป็นการป้อนข้อมูลกิจกรรมการทุจริตเก่าๆ (Fraud activity) เข้าไปให้ระบบสามารถจดจำเหตุการณ์ได้ เมื่อลูกค้าต้องการเคลม AI จะทำการเปรียบเทียบกับข้อมูลที่มีเก็บไว้ หรือทำการกวาดหาประวัติการเคลมของลูกค้ารายนั้น หากเป็นกรณีที่น่าสงสัย AI ก็จะมีการเตือนออกมา โดยบริษัทที่เริ่มใช้งานในลักษณะนี้แล้วคือ บริษัท Allstate Insurance ซึ่งช่วยให้บริษัทสามารถป้องกันความเสียหายจากการทุจริตและช่วยให้ขั้นตอนการจรวจสอบการทุจริตรวดเร็วมากยิ่งขึ้น 

การตรวจจับการทุจริต ยังเป็นส่วนสำคัญที่ช่วยเรื่องการบริหารจัดการความเสี่ยง (Risk Management) เพราะเมื่อเกิดความผิดปกติขึ้น ไม่ว่าจะจากการเคลมหรือการทำงานของตัวแทน บริษัทจะรับรู้ได้อย่างรวดเร็วและหาทางแก้ไขได้ก่อนปัญหาจะลุกลาม ซึ่งไม่เพียงช่วยป้องกันความเสี่ยงที่จะเกิดขึ้นกับธุรกิจ ยังมีผลเรื่องความน่าเชื่อถือของลูกค้าด้วย 

3. การต่ออายุประกัน (Renewal)    

บริษัทประกันส่วนใหญ่ยังขาดการติดต่อกับลูกค้าแบบอัตโนมัติเพื่อต่ออายุประกัน โดยหากสามารถนำเสนอบริการนี้เพิ่ม จะช่วยเพิ่มอัตราการต่ออายุกรมธรรม์  (Customer Retention) และทำให้บริษัทมีต้นทุนลูกค้าต่อหน่วยลดลง จากการที่บริษัทไม่ต้องลงทุนในการหาลูกค้าใหม่ ซึ่งจากข้อมูลการวิเคราะห์พบว่า ต้นทุนในการหาลูกค้าใหม่สูงกว่าการรักษาลูกค้าเดิมถึง 5 เท่า ยิ่งไปกว่านั้น หากรักษาลูกค้าปัจจุบันไว้ได้เพียง 5% จะสามารถเพิ่มกำไรให้ธุรกิจได้กว่า 25%  

นอกจากนี้ การนำ AI/ML มาช่วยวิเคราะห์ความเป็นไปได้ที่ลูกค้าจะไม่ต่อประกัน (Churn prediction) เพื่อหาสาเหตุว่าทำไมลูกค้าถึงไม่อยากใช้บริการต่อ และนำผลการวิเคราะห์ไปปรับปรุงบริการ แนะนำประกันที่เหมาะสมกับลูกค้า และเสนอโปรโมชันหรือส่วนลดให้กับลูกค้าชั้นดี ยังเป็นส่วนสำคัญช่วยเพิ่มอัตราการต่ออายุประกันได้ด้วยเช่นกัน

แน่นอนว่าที่กล่าวมาเป็นเพียงตัวอย่างเบื้องต้นในการนำเทคโนโลยีมาปรับใช้เพื่อตอบสนองความต้องการของลูกค้าให้ดียิ่งขึ้น โดยก่อนลงมือทรานส์ฟอร์มต้องมีการวางกลยุทธ์ที่ดีให้สร้างผลลัพธ์ต่อธุรกิจได้อย่างแท้จริง แต่นอกจากเทคโนโลยีแล้ว สิ่งสำคัญที่จะละเลยไปไม่ได้คือเรื่องความจริงใจที่มีต่อลูกค้า เพื่อสร้างความเชื่อมั่นให้ลูกค้าอยากใช้บริการต่อไปในระยะยาว