Mémoire d'actuariat

Segmentation des agents généraux pour une optimisation des mesures d'accompagnement
Auteur(s) KINMAGBAHOHOUE S.F.
Société AXA France
Année 2021
Confidentiel jusqu'au 17/02/2022

Résumé
L’apparition de nouveaux acteurs tels que les bancassureurs et la vente en ligne ont transformé et rendu plus compétitive la distribution des produits d’assurances. Conscient de l’importance de la distribution pour le développement et le multi-équipement, AXA a toujours accompagné ses agents généraux afin de leur permettre de conserver leur portefeuille et d’attirer de nouveaux clients. Ces mesures visant à améliorer la performance ne sont pas toujours adaptées au contexte de chaque agent. Ce mémoire a pour objectif de rationaliser les mesures d’accompagnement et de les rendre plus efficaces. Il propose une segmentation des agents en groupes homogènes de comportements et utilise les caractéristiques de chaque groupe pour identifier les mesures adéquates à ce dernier. La première partie est consacrée à la sélection d’indicateurs pertinents et susceptibles de caractériser les agents suivant trois dimensions : la production, la maîtrise des coûts et l’utilisation des budgets commerciaux. Ensuite l’information suivant ces trois dimensions sera utilisée pour classer les agents en cinq groupes homogènes à l’aide d’un k-means. Enfin, des méthodes de classifications supervisées (Régression logistique multinomiale et CART) seront comparées pour l’expliquer les groupes obtenus à partir des indicateurs sélectionnés. L’apprentissage supervisé permettra de mieux caractériser chaque groupe et d’opérationnaliser la segmentation. Mots clés : ACP, K-means, Régression logistique multinomiale, Arbre de décision CART, A/B Testing.

Abstract
The emergence of new players such as "bancassurance" and online sales has made the distribution of insurance products more competitive. Aware of the importance of distribution for development and multi-equipment, AXA has always accompanied its distributors to enable them to maintain their portfolio and attract new customers. These measures to improve performance are not always adapted to the context of each agent. The purpose of this thesis is to streamline support measures and make them more effective. It proposes a segmentation of the distributors into homogeneous groups of behaviors and uses the characteristics of each group to identify the appropriate measures. The first part is devoted to the selection of relevant indicators that can characterize agents according to three dimensions: production, cost control and the use of commercial budgets. Then the information following these three dimensions will be used to classify the agents into five homogeneous groups using a k-means method. Finally, supervised classification methods (multinomial logistic regression and CART) will be compared for learning on the groups obtained from the selected indicators. This supervised learning will better characterize each group and operationalize the segmentation. Keywords: PCA, K-means, multinomial logistic regression, Decision Tree CART, A/B Testing.