Aide à la décision
❯
Prédire
❯Aller au-delà des modèles linéaires généralisés : une stratégie de tarification sophistiquée intégrant les prix des concurrents
Une décision de crédit plus juste et plus personnalisée
Aller au-delà des modèles linéaires généralisés : une stratégie de tarification sophistiquée intégrant les prix des concurrents
Triage basé sur l'apprentissage automatique pour déterminer les patients de faible gravité qui peuvent être accélérés jusqu'à l'admission aux urgences en raison de leur courte durée de sortie
Modèle de prévision et d'impact des catastrophes et des urgences
Renseignements automatisés sur l'enrichissement des menaces dans la cybersécurité
Apprentissage par renforcement en profondeur pour une recommandation de traitement personnalisée
Application de l'apprentissage automatique pour prédire le risque de nouvelles infections à l'hôpital pour les patients
Gestion - Intelligence de marché
Prévisions météorologiques dans l'agriculture
L'IA pour la prévention des pertes des clients des services de télécommunication
Fabrication et usines - Maintenance prédictive
Modèle de prévision et d'impact des catastrophes et des urgences
Aller au-delà des modèles linéaires généralisés : une stratégie de tarification sophistiquée intégrant les prix des concurrents
Pour:
Tarification client ActuairesObjectif:
Augmenter les revenusProblème adressé
Une compagnie d'assurance générale, Suncorp, a constaté que les stratégies de tarification des concurrents affectaient leur conversion des ventes et leurs revenus en raison d'une sous-facturation ou d'une surcharge. Le personnel du centre d'appels a constaté qu'il devait consulter manuellement plusieurs sites Web de concurrents afin de rester compétitif avec un nouveau prix proposé à sa discrétion. Il n'y avait pas de cadre de tarification client cohérent pour que le personnel puisse modifier le prix lors d'une nouvelle offre.
Description
Suncorp s'est associé à un consultant externe pour inverser les prix des concurrents afin de comprendre les taux actuariels. Avec cela, ils ont pu développer un nouveau facteur de tarification - le prix du concurrent - qui est devenu une partie de leur modèle ML pour calculer de nouvelles primes d'assurance pour la tarification client. En conséquence, le personnel du centre d'appels n'a plus eu à consulter les sites Web des concurrents pour connaître leurs prix afin de rester compétitif, supprimant ce processus manuel et optimisant la productivité. Leur stratégie de prix reflète désormais leur positionnement sur le marché et le paysage concurrentiel. Résultat Les primes et les prix d'assurance de l'entreprise sont désormais plus compétitifs tout en reflétant son positionnement sur le marché. De plus, cette nouvelle stratégie de tarification augmente la conversion et les revenus. Le travail manuel effectué par le personnel du centre d'appels est désormais également automatisé pour améliorer la productivité.
Données brutes
IA: Percevoir
Machine Learning
Représentation des connaissances - Système expert
IA: Comprendre
Aide à la décision - Prédire / Prévoir
IA: Agir