Aviva hyper-personnalise le marketing avec un agent de décision algorithmique

La personnalisation est devenue une composante essentielle du marketing digital et le principe directeur de nouveaux produits. Chez le géant de l'assurance Aviva, cette personnalisation a servi de base à la conception de ADA, un agent de décision algorithmique qui alimente le marketing omni-canal hyper-personnalisé en prédisant la « prochaine meilleure action » d'un client et par voie de conséquence la manière la plus efficace pour une entreprise de répondre à ses besoins individuels à un moment donné. ADA applique ce concept en transposant le marketing de résolution des problèmes de l'entreprise au marketing de résolution des problèmes du client. L’agent de décision algorithmique s’appuie sur un modèle d'apprentissage machine supervisé qui brasse l'énorme volume de données historiques accumulées par Aviva sur les clients afin de prédire les intentions de chaque individu.

Les informations remontées par ADA ont ravivé une série de services marketing. Grâce à la personnalisation des offres et des nouveautés par email, au publipostage et à l’affichage publicitaire, Aviva a multiplié par trois les ventes de certains produits, et la personnalisation des annonces sur le portail client d'Aviva a multiplié par deux le taux de clic sur les offres. Ces résultats ont été obtenus grâce à l'analyse combinée de données transactionnelles sur les produits achetés par les clients, de données démographiques sur l'identité des clients, de données comportementales sur l'historique de leurs contacts et de données de navigation récoltées quand ils visitent le site Web de l’entreprise.

Des messages plus pertinents

Aviva a également ajouté plusieurs fonctions à ADA. C’est le cas notamment du calendrier des actions, qui permet au système de comprendre la saisonnalité des actions et leur impact sur le cycle de vie des produits. Cette fonction s’est révélée particulièrement efficace pour les produits renouvelés à certaines périodes de l'année, comme l'assurance automobile. « Cela signifie qu'à l'intérieur de cette fenêtre de renouvellement, ADA va envoyer en priorité des messages au client pour lequel ils sont le plus pertinent », a expliqué Damian Rumble à nos confrères de Computerworld UK lors de la conférence EGG LDN de Dataiku organisée à Londres le 2 juillet. « Cela signifie aussi que lorsque le client reste à l'extérieur de cette fenêtre de renouvellement, il est inutile de le contacter, ce qui diminue le score et permet aux autres produits d'être promus ».

Combiner des sets de données complexes

L'héritage d'Aviva remonte à 1696, année de création du bureau d'assurance incendie Hand-in-Hand à Londres. Depuis, l'entreprise est devenue la plus grande compagnie d'assurance du Royaume-Uni, avec 31 millions de clients. Les produits, dont certains sont tombés dans le panier d’Aviva par le biais d'acquisitions, couvrent des risques très divers qui vont de l'assurance-vie de Friends Life à l'assurance automobile de RAC. Cette longue histoire et la diversité des produits et des clients font que l'entreprise possède une énorme masse de données à fort potentiel. Mais les systèmes existants avaient du mal à offrir une vue unique du client. La diversité des produits compliquait aussi la capacité prédictive.

La catégorie de produits la plus importante d'Aviva est celle de l'assurance de dommages, qui comprend l'assurance automobile, l'assurance habitation et l'assurance voyage. Mais l’assureur tire également d'importants revenus de ses produits d'épargne et de retraite, et de ses produits d’assurance-vie et de mutuelle de santé. Il y a donc une forte polarisation algorithmique vers les cibles très riches en informations. L'équipe de M. Rumble a introduit un certain nombre de techniques d'apprentissage machine pour équilibrer ce biais et réduire le problème de multi-classification en retirant du modèle certains produits moins importants d'Aviva, comme l'assurance pour les animaux de compagnie, car ces produits ne comportaient pas suffisamment de données pour établir une prévision fiable.

Toutes ces données sont intégrées dans le système ADA, qui évalue l'information pour prédire l’intérêt d'un client pour chacune des 12 principales catégories de produits d'Aviva. L’algorithme a été construit à l'aide de la plate-forme de données Dataiku, laquelle permet à Aviva de transformer les modèles en production de manière transparente. Des API ont été intégrées dans Dataiku et Hadoop, puis intégrées à Adobe Marketing Cloud pour distribuer les campagnes via tous les canaux marketing d'Aviva. « Nos premières versions étaient hebdomadaires, et c'était déjà une amélioration importante », a déclaré Damian Rumble. « Mais par la suite, nous avons pu faire des campagnes quotidiennes et nous avons lancer maintenant nos premières campagnes horaires basées sur les scores produits effectués par ADA, et sur toutes sortes d'autres données et de campagnes. Désormais, nous basculons de Hadoop vers une campagne Adobe sur une base horaire, ce qui est un grand pas en avant ».

Projets d'avenir

Damian Rumble voudrait maintenant déplacer le système vers Amazon Web Services (AWS) pour augmenter la vitesse de traitement afin de se rapprocher du temps réel et pour faire un meilleur usage des données de navigation remontées toutes les heures. Pour encourager les data-scientists qui commencent tout juste à explorer le marketing algorithmique, Damian Rumble affirme que les systèmes sont rapides et faciles à mettre en œuvre. Et il l'a prouvé : au bureau d’Aviva de Singapour, il a réussi à mettre au point pour le marché local en à peine six semaines un système prédictif de « meilleure prochaine action » qui fonctionne parfaitement. « Tout cela a été fait en six semaines », a-t-il déclaré. « C'était relativement simple à construire, à mettre en production et à faire fonctionner avec ADA et Dataiku ».