Mémoires d'Actuariat
Résiliation en assurance automobile : Analyse du comportement client
Auteur(s) MASSIOT A.
Société Covea
Année 2023
Confidentiel jusqu'au 04/04/2028
Résumé
Suite aux promulgations, respectivement en 2005 et 2015, des lois Hamon et Chatel qui ont pour but de protéger les assurés, les comportements clients ont considérablement changé. De plus, avec une concurrence de plus en plus importante, l'assureur doit désormais adapter sa prime de sorte à réduire son attrition tout en optimisant son résultat. Il est donc primordial de pouvoir identifier les clients sensibles à un changement de tarif. Avec l'apport du Machine Learning et des techniques d'explicabilité, ce mémoire s'inscrit dans l'idée d'obtenir une bonne compréhension du comportement client vis-à-vis de l'acte de résiliation, tout en bénéficiant d'algorithmes avec de très bonnes performances. Pour atteindre cet objectif, ce mémoire s'articule en trois principales étapes. La première est l'obtention d'un modèle de résiliation explicatif performant. Le calcul de l'élasticité permettra ensuite de déterminer si un client est sensible au prix ou non. La seconde sera d'utiliser plusieurs types d'explicabilité, notamment l'explicabilité régionale, afin de trouver des ensembles d'individus avec des comportements différents et qui sont plus ou moins sensibles au prix. La dernière étape consiste à estimer l'apport d'un nouveau type de données pour le modèle de résiliation : les interactions entre le client et l'assureur.
Abstract
Following the enactment of the Hamon and Chatel laws in 2005 and 2015 respectively, which aim to protect policyholders, customer behaviour has changed considerably. Moreover, with competition becoming increasingly important, the insurer must now adapt its premium in order to reduce its attrition while optimising its results. It is therefore essential to be able to identify customers who are sensitive to a rate change. With the contribution of Machine Learning and explainability techniques, this thesis is in line with the idea of obtaining a good understanding of customer behaviour with regard to the act of cancellation, while benefiting from algorithms with very good performance. In order to achieve this objective, this thesis is articulated in three main steps. The first step is to obtain a powerful explanatory churn model. The calculation of the elasticity will then determine whether a customer is price sensitive or not. The second step will be to use several types of explainability, notably regional explainability, in order to find sets of individuals with different behaviours who are more or less price sensitive. The last step consists in estimating the contribution of a new type of data for the termination model: the interactions between the customer and the insurer.
Auteur(s) MASSIOT A.
Société Covea
Année 2023
Confidentiel jusqu'au 04/04/2028
Résumé
Suite aux promulgations, respectivement en 2005 et 2015, des lois Hamon et Chatel qui ont pour but de protéger les assurés, les comportements clients ont considérablement changé. De plus, avec une concurrence de plus en plus importante, l'assureur doit désormais adapter sa prime de sorte à réduire son attrition tout en optimisant son résultat. Il est donc primordial de pouvoir identifier les clients sensibles à un changement de tarif. Avec l'apport du Machine Learning et des techniques d'explicabilité, ce mémoire s'inscrit dans l'idée d'obtenir une bonne compréhension du comportement client vis-à-vis de l'acte de résiliation, tout en bénéficiant d'algorithmes avec de très bonnes performances. Pour atteindre cet objectif, ce mémoire s'articule en trois principales étapes. La première est l'obtention d'un modèle de résiliation explicatif performant. Le calcul de l'élasticité permettra ensuite de déterminer si un client est sensible au prix ou non. La seconde sera d'utiliser plusieurs types d'explicabilité, notamment l'explicabilité régionale, afin de trouver des ensembles d'individus avec des comportements différents et qui sont plus ou moins sensibles au prix. La dernière étape consiste à estimer l'apport d'un nouveau type de données pour le modèle de résiliation : les interactions entre le client et l'assureur.
Abstract
Following the enactment of the Hamon and Chatel laws in 2005 and 2015 respectively, which aim to protect policyholders, customer behaviour has changed considerably. Moreover, with competition becoming increasingly important, the insurer must now adapt its premium in order to reduce its attrition while optimising its results. It is therefore essential to be able to identify customers who are sensitive to a rate change. With the contribution of Machine Learning and explainability techniques, this thesis is in line with the idea of obtaining a good understanding of customer behaviour with regard to the act of cancellation, while benefiting from algorithms with very good performance. In order to achieve this objective, this thesis is articulated in three main steps. The first step is to obtain a powerful explanatory churn model. The calculation of the elasticity will then determine whether a customer is price sensitive or not. The second step will be to use several types of explainability, notably regional explainability, in order to find sets of individuals with different behaviours who are more or less price sensitive. The last step consists in estimating the contribution of a new type of data for the termination model: the interactions between the customer and the insurer.
