Mémoire d'actuariat

Optimisation de la performance territoriale du réseau agents
Auteur(s) COCHARD Alexandre - GUILMIN Raphaël
Société Generali Vie
Année 2019

Résumé
Depuis plusieurs années, les entreprises, quel que soit leur secteur, désirent mettre le client au cœur de l’entreprise et de leurs produits. La compréhension fine des comportements de leurs clients devient donc le pilier de toutes les stratégies. Mesurer de manière appropriée ce que vaut le client d’une entreprise permet à la fois d’améliorer l’expérience client et la rentabilité globale de l’entreprise. L’étape suivant dans la connaissance de ses clients est la bonne compréhension de son réseau d’agents. En effet, le réseau agent de chaque assureur représente le fer de lance dans la distribution des produits de l’entreprise et en tant que tel doit être optimisé afin de servir au mieux les besoins client. Un calcul classique de la valeur distributeur est de prendre en compte le chiffre d’affaires par branche avec un focus sur les affaires nouvelles. Nous proposons d’aller plus loin dans la bonne compréhension des forces et faiblesses de chaque agent en nous intéressant au positionnement géographique des agences, au calibrage marketing segmenté en fonction de la population, à la bonne utilisation des forces de vente… Nous avons utilisé à la fois l’ensemble des données internes clients et apporteurs de l’entreprise mais aussi des données externes permettant de fournir un contexte géographique de la concurrence et des clients potentiels. Les calculs du potentiel des nouveaux clients grâce aux données de l’INSEE ainsi que l’utilisation d’algorithmes issus du marketing prenant en compte à la fois ce potentiel, la concurrence et des données internes ont permis de modéliser la distribution de l’assurance du particulier en France à une maille extrêmement fine. Nous avons montré et quantifié les différences de stratégie d’implantation selon l’entreprise et selon la typologie de contrat (Assurance-vie vs IARD, courtier vs agent vs agence bancaire). Nous avons ainsi à disposition pour chacun de nos agents une cartographie détaillée de sa région par quartier. Ces résultats pourront notamment servir à des campagnes marketing ciblées ou afin d’optimiser l’emplacement de nouvelles agences. Différentes études reposant sur la modélisation par apprentissage (supervisé ou non) de ces informations internes et externes nous ont permis de mieux comprendre les différences de résultats de nos agents. Ainsi, au lieu de noter nos agents uniquement en fonction du nombre d’affaires nouvelle ou de leur chiffre d’affaires, nous pouvons ajuster les résultats en fonction de chaque contexte (Nombre d’agences et de salariés, niveau social de la zone, concurrence d’agence bancaire spécialisée…) Cette bonne compréhension des forces et des faiblesses de chacun de nos agents est cruciale pour apporter le soutien adapté à chacun et pousser l’ensemble de notre réseau agent vers l’excellence.

Abstract
For several years, companies, whatever their sector, want to put the customer at the heart of the company and their products. The fine understanding of their client’s behavior becomes the pillar of all strategies. Improving customer value calculation is about improving the customer experience and the overall profitability of the business. The next step in the knowledge of their clients is the proper understanding of their agent network. Indeed, the agent network of each insurer represents the cutting edge in the distribution of the products of the company and as such must be optimized to best serve customer needs. A standard distributor value calculation is to take into account turnover by branch with a focus on new business. We propose to go further in understanding the strengths and weaknesses of each agent by looking at the geographical location of agencies, segmented marketing calibration according to the population, the proper use of sales forces… We will use both the client’s internal data set and contributors from the company and both external data to give a geographical context of competition and potential customers. Calculations of the potential of new customers thanks to INSEE data as well as the use of marketing algorithms taking into account both this potential, competition and internal data allowed to model the distribution of the insurance of the individual in France with extremely fine geographical details. We have shown and quantified the differences in implementation strategy according to the company and according to the type of contract (Life insurance vs. P & C, broker vs agent vs bank branch). We own for each of our agents a detailed map of his region by neighborhood. These results can be used in particular for targeted marketing campaigns or to optimize the location of new agencies. Different studies based on machine learning (supervised or not) thanks to this internal and external information have allowed us to better understand the differences results of our agents. Thus, instead of rating our agents solely on the basis of their new business or their turnover, we can adjust the results according to each context (Number of agencies and employees, social level of the area, specialized banking agency competition…) This good understanding of the strengths and weaknesses of each of our agents is crucial to provide support adapted to each and push our entire agent network towards excellence.

Mémoire complet