Publicação
Personalização no setor de seguros: Segmentação de clientes, recomendação de produtos e previsão de retenção
| Resumo: | A crescente complexidade do setor segurador, aliada às exigências de clientes cada vez mais informados e diversificados, torna a personalização de produtos e a fidelização dois dos maiores desafios enfrentados pelas seguradoras. Este trabalho explora a aplicação de técnicas de Machine Learning para apoiar a tomada de decisão no setor, através da segmentação de clientes, da recomendação de produtos e da previsão da retenção. A investigação iniciou-se com uma revisão sistemática da literatura, que permitiu mapear as abordagens mais relevantes e identificar lacunas na aplicação de métodos de personalização em seguros. Em seguida, foi desenvolvido um estudo experimental com base num conjunto de dados reais, abrangendo variáveis demográficas, contratuais e de sinistralidade. Foram aplicados algoritmos de clustering para segmentar clientes em grupos homogéneos, modelos supervisionados para identificar o produto mais provável para cada perfil e técnicas de previsão para estimar a probabilidade de retenção. A interpretabilidade dos modelos foi assegurada através do método SHAP, permitindo compreender o impacto relativo de cada variável nas previsões. Os resultados mostraram que a segmentação consegue identificar padrões claros entre perfis de clientes e os produtos contratados. A recomendação de produtos alcançou resultados promissores, destacando variáveis como idade, antiguidade e capitais segurados como determinantes para a escolha. Já a previsão da retenção revelou-se mais desafiante, com desempenhos modestos, mas evidenciou que fatores estruturais e contratuais têm maior influência na renovação de apólices do que a sinistralidade. Conclui-se que a integração de segmentação, recomendação e previsão constitui uma abordagem viável para apoiar a personalização no setor segurador, ainda que persistam desafios técnicos e de qualidade dos dados. Este estudo abre caminho para investigações futuras que explorem datasets mais ricos, modelos mais sofisticados e a validação em contextos reais de seguradoras. |
|---|---|
| Autores principais: | PEREIRA, MADALENA ANDREIA MARTINS |
| Assunto: | Personalization Insurance Machine Learning Customer Segmentation Recommendation Retention Personalização Seguros Segmentação de clientes Recomendação Retenção |
| Ano: | 2025 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso embargado |
| Instituição associada: | Instituto Politécnico do Porto |
| Idioma: | português |
| Origem: | Repositório Científico do Instituto Politécnico do Porto |
| Resumo: | A crescente complexidade do setor segurador, aliada às exigências de clientes cada vez mais informados e diversificados, torna a personalização de produtos e a fidelização dois dos maiores desafios enfrentados pelas seguradoras. Este trabalho explora a aplicação de técnicas de Machine Learning para apoiar a tomada de decisão no setor, através da segmentação de clientes, da recomendação de produtos e da previsão da retenção. A investigação iniciou-se com uma revisão sistemática da literatura, que permitiu mapear as abordagens mais relevantes e identificar lacunas na aplicação de métodos de personalização em seguros. Em seguida, foi desenvolvido um estudo experimental com base num conjunto de dados reais, abrangendo variáveis demográficas, contratuais e de sinistralidade. Foram aplicados algoritmos de clustering para segmentar clientes em grupos homogéneos, modelos supervisionados para identificar o produto mais provável para cada perfil e técnicas de previsão para estimar a probabilidade de retenção. A interpretabilidade dos modelos foi assegurada através do método SHAP, permitindo compreender o impacto relativo de cada variável nas previsões. Os resultados mostraram que a segmentação consegue identificar padrões claros entre perfis de clientes e os produtos contratados. A recomendação de produtos alcançou resultados promissores, destacando variáveis como idade, antiguidade e capitais segurados como determinantes para a escolha. Já a previsão da retenção revelou-se mais desafiante, com desempenhos modestos, mas evidenciou que fatores estruturais e contratuais têm maior influência na renovação de apólices do que a sinistralidade. Conclui-se que a integração de segmentação, recomendação e previsão constitui uma abordagem viável para apoiar a personalização no setor segurador, ainda que persistam desafios técnicos e de qualidade dos dados. Este estudo abre caminho para investigações futuras que explorem datasets mais ricos, modelos mais sofisticados e a validação em contextos reais de seguradoras. |
|---|
Atividades financiadas
Não foram encontrados projetos financiados.