Em uma publicação anterior , falamos sobre os custos operacionais "diários" de colisões e outros acidentes, e como a detecção de acidentes pode economizar dinheiro e salvar vidas. Nesta publicação, exploraremos a importância da confiabilidade nos algoritmos de detecção de acidentes.
A intensa competição entre seguradoras, a pressão de queda de preços e uma abundância de empresas para escolher deram aos clientes alta motivação e baixo atrito para trocar de provedor. Na verdade, a troca de operadoras de seguros é responsável por quase US$ 6 bilhões* em negócios por ano somente nos EUA. Para um cliente que registra uma reclamação, a probabilidade de mudar para outra operadora de seguros quase dobra. O ponto principal é que as seguradoras estão se esforçando para cortar custos enquanto melhoram o serviço, com um olho voltado para o objetivo crucial de retenção de clientes.
O processamento de sinistros e o primeiro aviso de perda (FNOL) são candidatos lógicos para automação, pois são funções que exigem muito trabalho e tempo, além de serem a maior despesa para a seguradora e resultarem em atrasos maiores para o cliente.
A detecção precisa de colisões, então, forneceria as ferramentas para cortar um grande centro de custo, ao mesmo tempo em que forneceria uma experiência mais rápida e melhor ao cliente. A chave aqui é a precisão: se a detecção de colisões for confiável, ela ajuda na retenção do cliente; se não, pode ter um efeito negativo na retenção do cliente. Para entender o porquê, vamos dar uma olhada em como os acidentes afetam o cliente.
Para uma seguradora ou gestora de frotas, que administra um grande número de veículos, os acidentes são frequentes (acontecem com frequência), mas têm consequências de baixo impacto (um acidente específico pode não ser significativamente prejudicial para o grupo como um todo). Um sistema com uma taxa de erro mensurável é importante, mas não é uma prioridade para quem gerencia riscos e custos para uma seguradora ou uma grande frota.
Do ponto de vista de um motorista individual, no entanto, um acidente é um evento de baixa frequência , mas de consequências muito graves . Consumidores envolvidos em acidentes têm baixíssima tolerância a imprecisões, especialmente falsos positivos. Um sistema de gerenciamento de riscos veiculares que interpreta lombadas e batidas de portas como colisões minaria a confiança do consumidor e poderia causar altos níveis de estresse constante — definitivamente uma experiência negativa para o cliente. Por exemplo, um airbag que disparasse quando o carro batesse na guia seria totalmente inaceitável. Um sistema que não detectasse um acidente seria um desastre: imagine um airbag falhando quando necessário! Para um motorista, um acidente é um evento raro que deve ser tratado com precisão, e a menor imprecisão na detecção de acidentes pode ter implicações fatais e, em última análise, fazer a diferença entre a fidelização do cliente e uma alta taxa de cancelamento.
Para que a detecção de colisões atue como uma ferramenta eficaz de retenção de clientes, ao mesmo tempo em que reduz custos, ela deve ter uma capacidade muito alta de distinguir eventos de colisões (o sinal) de eventos não colisivos (o ruído). Para nossos leitores técnicos, isso requer vários acelerômetros autocalibráveis com alcance dinâmico suficiente — a capacidade de medir eventos muito pequenos e muito grandes — e um algoritmo confiável para interpretar e classificar os eventos. Sensores multieixos podem medir forças independentemente na direção do percurso, de um lado para o outro e verticalmente para fornecer uma imagem completa de um evento. Um algoritmo de detecção de colisões deve ser tão preciso quanto um sistema de implantação de airbag, disparando infalivelmente durante uma colisão e nunca em nenhum outro momento.
É claro que, devido à pressão para melhorar o serviço e cortar custos, a detecção automatizada de acidentes e o FNOL estão aqui para ficar, e isso é uma coisa boa. Custos mais baixos para as seguradoras, juntamente com processamento de reivindicações mais rápido e melhor serviço para os clientes, são um benefício líquido para todas as partes envolvidas. A capacidade de estimar os danos do veículo e reconstruir o acidente em tempo quase real após um acidente significa que o processo de recuperação começa mais cedo para o motorista e ajuda a manter a eficiência das reivindicações alta para a seguradora. Os sistemas que são construídos com base na detecção confiável de acidentes também podem reduzir a fraude, tornando muito difícil registrar uma reivindicação falsa de acidente e possibilitar a realização de triagem remota imediata do veículo para determinar se o veículo deve ser rebocado para uma oficina de reparo ou tratado como perda total.
Tudo depende da confiabilidade do algoritmo.
O sistema de gerenciamento de riscos veiculares CrashBoxx da CalAmp foi desenvolvido por veteranos de fabricantes de equipamentos originais (OEMs) em sistemas de segurança e veículos, testado por agências de testes terceirizadas em condições controladas de laboratório e fornecido por uma empresa pioneira em telemática. Para mais informações sobre detecção de colisões, confira Automatizando o Aviso de Sinistro e Reclamações para Seguradoras de Danos Patrimoniais e Acidentes.
* Fonte: Pesquisa de clientes da Accenture Claims, 2014