Dynamische Preispolitik: Sind klassische Tarifmodelle irreführend?

Versicherer suchen händeringend nach Möglichkeiten, ihr Geschäft zu optimieren. Dazu werden auch Konzepte aus anderen Branchen auf das eigene Modell übertragen. Wie etwa das Dynamic Pricing. Im Gegensatz zur klassischen Tarifierung wird hier aktiv Einfluss auf die Steuerung des Absatzes von Produkten und Dienstleistungen genommen. Vor allem in der Sachversicherung ein interessanter Ansatz. Es geht um eine faire Preispolitik, schnellere Reaktionen auf Marktveränderungen, aber auch gezieltere Angebote für den Kunden.

Beim Dynamic Pricing für Sachversicherungen geht es um die Reaktion auf Marktveränderungen, um sich ergebende Opportunitäten bestmöglich nutzen zu können. Für Versicherer bietet sich diese Möglichkeit nicht nur beim Abschluss einer neuen Police, sondern auch jeweils bei der Erneuerung der Police nach Ablauf der ursprünglichen Vertragslaufzeit. Im oft beispielhaft angeführten Kfz-Versicherungsmarkt ist dies also in der Regel jährlich möglich.

Zur Einschätzung der Effektivität von Strategien im Umfeld des Dynamic Pricing ist es unerlässlich, neben den Herstellungskosten der Versicherungspolice (erwartete Schadenzahlungen an den Kunden beziehungsweise Geschädigten zuzüglich Kosten für Vertrieb, Verwaltung, IT und Schadenbearbeitung) auch das Nachfrageverhalten (Abschluss- bzw. Stornowahrscheinlichkeit) so gut wie möglich einschätzen und prognostizieren zu können.

Die Basis, um Preise im Neugeschäft dynamisch zu gestalten, ist in der Regel eine systematische Wettbewerbsbeobachtung. In manchen Märkten erfolgt dies durch ein automatisiertes Verfolgen der von Wettbewerbern angebotenen Prämien und das anschließende gezielte kurzfristige Absenken oder Erhöhen der eigenen Prämie in ausgewählten Segmenten, um die Ziele hinsichtlich Stückzahlen und Profitabilität zu erreichen.

Blick auf die Konkurrenz

Doch auch in Märkten oder Sparten, in denen dieses automatische Tracking nicht möglich oder unüblich ist, können Unternehmen zumindest approximativ auf die Aktivitäten ihrer Mitbewerber schließen. Hierzu ist ein engmaschiges Controlling des eigenen Neugeschäfts notwendig. Erhöht beispielsweise ein relevanter Mitbewerber die Prämien für junge Versicherungsnehmer in der Kraftfahrtversicherung, wird das eigene Neugeschäft einen erhöhten Anteil von jungen Neukunden aufweisen, da die vom eigenen Unternehmen offerierte Tarifprämie im Vergleich zur Konkurrenz attraktiver wird.

Mithilfe solcher Informationen und durch den Einsatz intelligenter Algorithmen wird die Wahrscheinlichkeit für den Vertragsabschluss mit der Profitabilität des Neuvertrages in Zusammenhang gebracht, um den Preis der Versicherungsspolice zu optimieren. So können Versicherer Marktveränderungen zum eigenen Vorteil nutzen und das Neukundengeschäft geeignet steuern.

Vertragserneuerung wichtiger als Neugeschäft

Als vertriebsfokussierte Organisation muss Sachversicherern regelmäßig ins Bewusstsein gerufen werden, dass das Neukundengeschäft in der Regel nicht einmal zehn Prozent des gesamten Portefeuilles ausmacht. Daher ist für den Unternehmenserfolg die intelligente Einschätzung und Behandlung der Bestandskunden oftmals deutlich relevanter, beispielsweise bei der jährlichen Vertragserneuerung: Dabei ändert sich zwar das Produkt selbst nicht; dennoch kommt es zu Preisanpassungen, üblicherweise aufgrund von Marktgegebenheiten und gestiegenen Kosten.

Das Gros der Versicherer handhabt dies noch eher konservativ, das heißt, oftmals erhalten alle Versicherten die gleiche prozentuale Prämienerhöhung. Manche Unternehmen nutzen aber auch hier Verfahren, die teilweise intern als Dynamic Pricing bezeichnet werden: Intelligente Algorithmen kombinieren die Herstellungskosten mit der Stornowahrscheinlichkeit individueller Kunden, auch vor dem Hintergrund der aktuellen Marktentwicklungen. So werden den Bestandskunden gerade die Prämien offeriert, die einen für den Versicherer optimalen Portfoliomix generieren vor dem Hintergrund der Zielerreichung hinsichtlich Bestandsgröße und Profitabilität.

Zwei zentrale Fragen

Unabhängig davon, ob Dynamic Pricing im Neu- und/oder Bestandsgeschäft angewendet wird, sind zwei zentrale Fragen zu beantworten:

1. Wie hoch sind die Herstellungskosten für den konkreten Versicherungsschutz für zum Beispiel Stefan, der diesen gerade nachfragt?
2. Wie ändert sich das Nachfrageverhalten, etwa von Sabine, wenn wir ihr nicht die Tarifprämie, sondern eine niedrigere oder höhere Prämie anbieten, idealerweise unter Berücksichtigung des Verhaltens der Mitbewerber?

Zentrales Element zur Beantwortung der ersten Frage ist das Vorliegen eines möglichst granularen Prognosemodellsfür die zukünftigen Schadenzahlungen des (potenziellen) Kunden Stefan. Er ist Familienvater und hat zwei kleine Kinder, eines im Krabbel- und eines im Kindergartenalter. Es kann statistisch recht einfach nachgewiesen werden, dass die erwarteten Schadenzahlungen von Stefan aus einer privaten Haftpflichtversicherung deutlich höher liegen als beim kinderlosen Thorsten, der bis vor fünf Jahren gemeinsam mit Stefan die Schulbank gedrückt hat.

Da es im Markt aber nicht üblich ist, die Prämie im privaten Haftpflichtbereich auf Basis der Anzahl und des Altersder mitversicherten Kinder festzulegen, zahlen Stefan und Thorsten bei der Verwendung eines marktüblichen Tarifs die gleiche Prämie für ihre private Haftpflichtversicherung.

Thorsten profitabler als Stefan

Die Profitabilitätserwartung von Thorsten ist damit deutlich höher als die von Stefan. Wichtig ist also, dass ein möglichst granulares Prognosemodell verwendet wird, um die individuelle Profitabilität eines (potenziellen) Kunden bestmöglich vorherzusagen. Die Verwendung des Tarifmodells, das oftmals wesentliche Risikofaktoren überhaupt nicht enthält, ist an dieser Stelle schlichtweg irreführend, aber mangels qualitativ hochwertiger Prognosemodelle bei vielen Versicherern dennoch der Standard.

Die Beantwortung der zweiten Frage zur Einschätzung von Sabines Verhalten erfolgt üblicherweise über die Prognose der Stornowahrscheinlichkeit (im Bestandsgeschäft) bzw. der Wahrscheinlichkeit des Abschlusses einer neuen Versicherung (im Neugeschäft): Zentral ist neben denjenigen Merkmalen, die üblicherweise auch in das Schadenprognosemodell einfließen, die Verwendung von zusätzlichen Attributen, die die Elastizität unserer (potenziellen) Kundin Sabine beschreiben können.

So mag – wenn wir unseren Fokus für den Moment auf das Bestandsgeschäft legen – eine Preisanhebung in Höhe von sieben Prozent für Sabine, die gerade erst einen großen Bargeldbetrag von ihrer verstorbenen Großtante geerbt hat, akzeptabel sein, für Tanja hingegen, die ansonsten vollständig identische Tarifmerkmale wie Sabine hat, ein Kündigungsgrund sein.

Versicherer speichern zu wenig Daten

Essenziell für die Erstellung sowohl der beschriebenen Schadenprognose- als auch der Kundenverhaltensmodelle ist das Vorhalten und Aufbereiten der entsprechenden Daten. Doch trotz aller auf Branchenkonferenzen unermüdlich wiederholten Bekenntnisse zur Digitalisierung liegt gerade bei den Daten häufig das Problem. Erst langsam setzt sich bei Versicherern auf allen Ebenen die Erkenntnis durch, dass Daten ihr relevantestes Asset sind. Entsprechend schwerfällig ist in vielen Unternehmen noch die Aufbereitung der vorhandenen Daten.

Noch herausfordernder wird es im Zusammenhang mit der Prognose der Abschlusswahrscheinlichkeit potenzieller Kunden: Die wenigsten Versicherer speichern systematisch sämtliche Anfragen, vor allem auch solche, die nicht zu einem Abschluss geführt haben. Doch ohne diese strukturiert verfügbaren Informationen ist die Erstellung eines validen Modells zur Prognose von Abschlusswahrscheinlichkeiten nicht möglich.

Autor: Gero Nießen, Senior Director / Sales & Practice Leader Non-Life-Versicherungen, Willis Towers Watson

Mehr zum Thema lesen Sie in der aktuellen Juni-Ausgabe des Magazins Versicherungswirtschaft.