SAS stojí za mnohonásobným zvýšením podielu klientov, ktorých Generali oslovuje cielenými kampaňami

Regionálne pobočky poisťovne si dnes vedia rýchlo a flexibilne robiť kampane, ktoré vyhovujú miestnym špecifikám.

Profesijná kariéra Ladislava Prekopa je s dátami spojená už od doby, kedy v poisťovníctve začínal ako biznis analytik. Ich hodnotu si uvedomil ešte viac, keď sa stal vedúcim oddelenia reportingu a analýz a keď neskôr zodpovedal za analýzy zákazníckych dát a za kampane. Aj preto má o riadení vzťahov so zákazníkmi jasnú predstavu. „Ak má CRM fungovať, musí byť postavené na dátach,“ hovorí.

S týmto mottom prišiel aj do poisťovne Generali na pozíciu riaditeľa pre CRM a B2B. Generali v minulosti nepatrila v analytike dát pre riadenie vzťahov so zákazníkmi k lídrom slovenského poisťovacieho trhu. Vzorky zákazníkov podľa určitých výberových kritérií vyberali informatici na základe dopytov z iných oddelení. Bolo to však prácne, preto dodanie databázy zvyklo trvať aj niekoľko týždňov. Ak žiadateľ neskôr zistil, že dáta nezodpovedajú pôvodnej predstave, musel si na upravenú vzorku znovu počkať.   

Jasná predstava

L. Prekop chcel v prvom rade zrýchliť a skvalitniť prípravu kampaní pre internú sieť obchodníkov. Zrýchlenie procesu má pomôcť tomu, aby si jednotlivé pobočky Generali mohli jednoducho robiť vlastné kampane. Zlepšenie kvality má zefektívniť prácu obchodníkov a prehlbovať dôveru voči centrále. Samozrejme, za obomi parametrami stojí snaha o zlepšenie obchodných výsledkov. „Zároveň som si uvedomoval, že bez kvalitného softvéru sa radikálne zlepšenie dosiahnuť nepodarí,“ dodáva.

Poisťovňa Generali si pre analýzy zákazníckych dát vybrala softvér SAS Enterprise Guide. Nielen preto, že noví ľudia na oddelení pre CRM a B2B boli na nástroje SAS zvyknutí. „Tiež zavážilo, že v tomto softvéri vieme robiť zaujímavé analytické projekty aj bez potreby programovania,“ podotýka L. Prekop. Vďaka tomu aj v prípade, že človek zodpovedný za kampane z firmy odíde, netreba rozbehnuté projekty hádzať do koša. Dokáže ich spätne pochopiť aj nováčik. „Ak nám odíde analytik, neberie si so sebou aj know-how ako by to bolo vtedy, keby sme si obdobné projekty len programovali,“ dodáva. 

Maximálna automatizácia

Prvé, na čo softvér SAS v Generali poslúžil, bolo odstraňovanie nekonzistencií a zlepšovanie kvality dát využívaných na cielenie kampaní a na analýzy portfólia. Po napojení na dátový sklad sa začal proces zjednocovania dát a hľadania takzvanej jednej verzie pravdy o zákazníkoch.

V ďalšom kroku zodpovedný tím zabezpečil, aby softvér SAS spolupracoval s hlavným informačným systémom poisťovne. Cieľom bolo celý proces tvorby kampaní automatizovať, a tým ho výrazne zrýchliť.  

Ak si dnes manažér z niektorého regiónu vypýta vzorku potenciálnych klientov pre mikrokampaň, stačí mu vyplniť pripravený formulár. Analytický nástroj si z neho automaticky „prečíta“ jednotlivé kritériá, analyzuje dáta z dátového skladu a v priebehu niekoľkých hodín naleje do kampaňového nástroja leady, s ktorými vie obchodník okamžite pracovať. 

Nalomená skepsa

L. Prekopovi sa tak zhruba po poldruha roku podarilo naplniť prvý cieľ, ktorý si stanovil – primäť internú sieť pracovať s kampaňami a využívať lead manažment. „Považujem za veľký úspech, že sme prekonali počiatočnú skepsu a presvedčili aj tú časť obchodníkov, ktorí boli v minulosti zvyknutí pracovať inak,“ hovorí.

Poisťovňa má v súčasnosti rozbehnuté cross-sellové a up-sellové kampane. Cez nový systém založený na softvéri SAS a jeho prepojení s kampaňovým nástrojom, oslovila za uplynulý rok zhruba štvrtinu všetkých klientov. Pre porovnanie, predtým to boli iba dve až tri percentá. L. Prekop však vie, že využívanie analytiky je beh na dlhú trať. Jeho cieľom je oslovovať postupne cez kampane postavené na dátach ročne až polovicu klientov. Zároveň chce využitie analytiky rozširovať a posúvať ďalej aj kvalitatívne.

Po rozbehnutí cross-sellových a up-sellových kampaní sa začalo oddelenie CRM a B2B v Generali venovať príprave najlepších ponúk, ktoré vie poisťovňa na základe analytiky jednotlivým klientom najbližšie predostrieť. Okrem toho pracuje na zlepšení segmentácie. „V budúcnosti chceme tiež rozbehnúť predikčné modelovanie, ale predtým ešte potrebujeme zvýšiť kvalitu dát v dátovom sklade,“ vysvetľuje L. Prekop.

Predikčné modelovanie poisťovni povie, s akou pravdepodobnosťou sú vybraní klienti náchylní na ponuku, ktorá je pre nich pripravená. Firma vďaka tomu dokáže vybrať pre kampaň užšiu vzorku klientov, u ktorých je  najväčšia pravdepodobnosť, že pre nich bude ponuka zaujímavá. Vďaka tomu nielenže ušetrí náklady, ale eliminuje tiež zahlcovanie klientov  zbytočnou komunikáciou.