We’re available from 9 am to 6 pm on weekdays. Contact Us.
Assurance emprunteur : utiliser la data science comme levier de fidélisation et de prospection

Un événement récent chez nos voisins français nous permet d’illustrer une mise en application concrète de la Data Science appliquée au secteur bancaire. Pourquoi ne pas également développer ce cas d’application au Luxembourg ? Dans sa décision du 12 janvier 2018, le Conseil constitutionnel français a validé le principe de résiliation à échéance annuelle du contrat d'assurance emprunteur pendant toute sa durée (« amendement Bourquin »). La loi Hamon (2014) avait déjà permis aux emprunteurs de changer d'assurance dans les douze mois suivant la souscription. Ces efforts visent à augmenter le pouvoir d'achat des Français faisant l'acquisition d'un logement à crédit. Les banques doivent donc se préparer face à la montée des concurrents en contrat individuel, qui grignotent déjà des parts sur ce marché de 8,8 milliards d’euros de cotisations annuelles.

Un effet sur les changements d’assurance se fait sentir

Six mois après l'entrée en vigueur de la mesure, plusieurs éléments semblent témoigner d'un début de mouvement sur le marché. Sur les trois premiers mois de l'année, les banques auraient enregistré des pertes de l'ordre de 300 millions d'euros, selon les calculs du Figaro basés sur une extrapolation des données du courtier en ligne Réassurez-moi. Ce dernier capterait environ 10% des demandes de changement d'assurance[i]. Si le directeur adjoint de Crédit Agricole Assurance estime qu'il est encore tôt pour parler d'un « tsunami de demandes », il accorde que l'on observe « une montée en charge progressive ».

Alors que 8 Français sur 10 seraient aujourd’hui prêts à envisager de changer d'assurance, selon un sondage[ii], plusieurs postures sont possibles pour les banques : une première approche attentiste, principalement fondée sur le postulat que le client restera attaché à ses services ; une seconde position défensive, avec pour vocation de cibler les actions de fidélisation du client ; enfin, une troisième posture résolument tournée vers la transformation du marché, avec pour ambition de démarcher de nouveaux clients.

 

Une première posture « défensive » : prudence de la part des acteurs bancaires

Certaines banques commencent déjà à observer les effets de la loi, enregistrant une montée progressive des demandes de résiliation de la part de leurs clients, pour la plupart leurs « meilleurs risques ». Elles comptent sur le facteur « service », conservant la main sur la relation client via le conseiller. Les banques peuvent également jouer sur le levier « produit », en émettant des contre-propositions sous la forme d'ajustements de prix ou de rajout de garantie, pour retenir les clients dans leurs portefeuilles. Néanmoins, ces mesures ne répondent que de manière réactive au problème, cette stratégie reposant en grande partie sur la croyance bien ancrée que la clientèle, fidèle à sa banque, « n’ira pas voir ailleurs ».

 

Une seconde approche « défensive + » : cibler les actions de rétention clients

Afin de répondre à l’offensive des assureurs individuels et des courtiers sur le moyen / long terme, les établissements bancaires ont tout intérêt à cibler les actions de rétention marketing, par exemple par la pratique de remises commerciales ou la proposition de nouveaux services, en direction des clients susceptibles de résilier leurs contrats. Les banques redoutent en effet le départ en masse des « meilleurs » risques de leur portefeuille, déstabilisant le modèle sur lequel est fondée l’assurance de groupe, même si les personnes ayant récemment amélioré leur profil d’assuré (en arrêtant de fumer ou en arrêtant de pratiquer un sport à risque par exemple) ont également intérêt à changer d’assurance avec la nouvelle loi.

En vue de réaliser cet objectif, les établissements financiers peuvent se reposer sur la data science, en vue de collecter, stocker et traiter l’ensemble des données de leurs stocks de clients dans une même base dynamique pour faire ressortir les critères-clés conduisant à une prise de décision (montant restant dû du prêt immobilier, changement dans le profil de santé du client, changement de situation familiale, etc.) et attribuer un scoring à chaque client sous la forme d’une probabilité de départ. Cette base serait mise à disposition du réseau de conseillers en agences pour mettre en œuvre une stratégie de rétention uniforme à travers le pays.

 

Une troisième approche « offensive » : une opportunité commerciale à saisir

Une seconde approche fondée sur la data science est possible.

Jusqu’à présent, les banques captaient leurs clients directement à travers le process de souscription de prêt immobilier. Avec la nouvelle loi, elles ont des opportunités de marché à saisir en délégation d’assurance. Cette approche concerne donc en premier chef les banques disposant de solutions d'assurance individuelle.

Contrairement à l’approche « défensive + », cette démarche repose sur une collecte de données externes « ouvertes » qui sont traitées en vue d’établir des benchmarks de concurrents ou de faire ressortir des catégories de populations vers lesquelles concentrer les actions de prospection commerciale. Ce traitement de données ouvertes peut par exemple se matérialiser par un suivi des taux proposés par la concurrence, à partir de web robots positionnés sur les simulateurs de devis en ligne. Par ailleurs, le croisement de données, par exemple les statistiques de la Banque de France relatives aux encours des crédits à l’habitat par département et les données open data de l’INSEE, peuvent permettre de déterminer un score d’opportunité commerciale par zone géographique. Chez nous, la Banque Centrale de Luxembourg fournit des informations en open data sur les crédits octroyés par les établissements de crédit qu’il est possible de croiser avec les nombreux jeux de données disponibles sur le portail luxembourgeois de l’open data (https://data.public.lu). Si nous ajoutons à cela les possibilités d’ajout de données disponibles sur web (qui, dans le respect de la GDPR, est loin d’être négligeable), le potentiel de proactivité est gigantesque.

 

00_1.jpg

Nécessité d’agir avant d’être en difficulté

Les banques françaises continueront-elles encore longtemps à être maîtres du jeu sur le marché de l'assurance emprunteur ? Sans réaction de leur part sur leur approche de la relation client, rien ne semble moins sûr. Et qu’en est-il pour le Luxembourg ? S’il ne s’agit ici que d’une illustration applicable à nos voisins français, le fond de la démarche est tout à fait pertinent dans le climat en perpétuel changement dans lequel nos banques établies à Luxembourg évoluent, favorisant la mobilité et l’accroissement des attentes de leurs clients. Pour affronter le marché de demain, les banques ont donc tout intérêt à soigner leur bien le plus précieux : la connaissance de leurs clients. Dans ce cadre, une approche basée sur la data science doit permettre d'aider les directions des banques à mieux comprendre leur clientèle pour mieux les orienter en matière d'offres de services.

C’est ce constat, établit il y a déjà quelques années, qui a poussé Sia Partners à mettre en place une équipe dédiée en Data Science active depuis maintenant plus de 4 ans. Cette équipe est prête à partager son expérience acquise au fil des multiples projets réalisés pour des acteurs en banque et assurance, en Europe et en Amérique du Nord.

 

Communiqué par Sia Partners

 

[i] Assurance emprunteur : les banques auraient perdu 300 millions d'euros depuis janvier

[ii] Assurance-emprunteur : 8 Français sur 10 prêts à faire jouer la concurrence