Aplicación web basada en modelos de propensión y Big Data para personalizar las ventas en el sector asegurador del Perú

Abstract

En 2024, la empresa de seguros experimentó un aumento de clientes potenciales, tanto en Lima como en provincias, lo que generó cuellos de botella en la atención y el cierre de ventas. Paralelamente, el sector asegurador ha adoptado la transformación tecnológica Insurtech, que emplea modelos predictivos, Big Data y análisis de datos para entender mejor el comportamiento de los clientes y personalizar las ofertas.

En el sector peruano, las compañías enfrentan desafíos en la optimización de sus procesos de venta. Los asesores de ventas carecen de herramientas tecnológicas para seleccionar el seguro más adecuado para cada cliente, qué promociones están vigentes, los requisitos de cada producto y discursos comerciales de venta. Esta ausencia de información provoca demoras operativas, dificultades para personalizar las ofertas y una mala experiencia para el cliente.

Por ello, se propone el desarrollo de una aplicación basada en modelos de propensión y big data, orientada a personalizar las ventas desde el punto de contacto con el cliente. Esta herramienta busca facilitar la toma de decisiones del asesor comercial, mejorar la experiencia del cliente, y aumentar la eficiencia y efectividad de los procesos de venta en el sector asegurador peruano.

Como resultado, la aplicación mejoró la eficiencia operativa de la empresa, redujo las demoras y permitió ofrecer productos más personalizados. Esto incrementó la tasa de cierre de ventas y la satisfacción del cliente, consolidando la posición competitiva de la empresa en el sector asegurador, y logrando una mayor relevancia frente a sus competidores.

In 2024, the insurance company experienced an increase in potential clients, both in Lima and in the provinces, which led to bottlenecks in customer service and sales closing. At the same time, the insurance sector has adopted the technological transformation known as Insurtech, which uses predictive models, Big Data, and data analysis to better understand customer behavior and personalize offers.

In the Peruvian market, companies face challenges in optimizing their sales processes. Sales advisors lack technological tools to select the most suitable insurance product for each client, know which promotions are active, understand the requirements of each product, and follow the appropriate sales scripts. This lack of information leads to operational delays, difficulties in personalizing offers, and poor customer experience.

Therefore, the development of an application based on propensity models and Big Data is proposed, aimed at personalizing sales from the first point of contact with the client. This tool seeks to facilitate decision-making by sales advisors, improve the customer experience, and increase the efficiency and effectiveness of sales processes in the Peruvian insurance sector.

As a result, the application improved the company’s operational efficiency, reduced delays, and enabled the offering of more personalized products. This increased the sales closing rate and customer satisfaction, consolidating the company’s competitive position in the insurance sector and achieving greater relevance compared to its competitors.