Verzekeraars hebben steeds meer gegevens van hun klanten. Ze gebruiken die om risico’s beter in te schatten. Dat kan u geld kosten.
Niet alleen uw postcodegebied, zelfs uw huisnummer kan van invloed zijn op de hoogte van uw verzekeringspremie. Dat ontdekte de Consumentenbond die enkele tientallen verzekeraars namens een fictieve persoon om een offerte vroeg, en bij de aanvraag acht verschillende adressen gebruikte.
Daarbij bleek dat niet alleen het postcodegebied invloed heeft op de hoogte van de premie, maar ook het huisnummer, en in sommige gevallen zelfs de eventuele huisnummertoevoeging. Zo was huisnummer 186 voor een autoverzekering op jaarbasis 134 euro goedkoper uit dan de bewoner van 186A.
De verzekeraars zelf wilden daarover weinig kwijt: ‘Wij analyseren data van aanvragers, maar hoe ons tarief is opgebouwd, is concurrentiegevoelige informatie.’ Dat verzekeraars risico’s graag zo veel mogelijk uitsluiten, is op zich natuurlijk niets nieuws.
Gespecialiseerde rekenmeesters, de zogenoemde quantitative analysts, of kortweg quants, proberen al jaren elk relevant kenmerk van de potentiële klant in cijfers te vangen. Met behulp van complexe voorspellingsmodellen wordt het risico zo laag mogelijk gehouden en daarmee de winst van de verzekeraar geoptimaliseerd.
Wat de afgelopen jaren wel sterk is veranderd en in de nabije toekomst nog verder zal veranderen, zijn de beschikbaarheid van consumentgerelateerde data en de wijze waarop die worden verzameld, bewerkt en toegepast. Onderscheid maken op basis van huisnummers of zelfs huisnummertoevoegingen lijkt nog maar het begin.
De echte voorlopers op dit gebied zijn in staat tienduizenden consumentgerelateerde variabelen te verzamelen en te analyseren. Steeds meer van deze gegevens worden gewoon van internet geplukt.
Social Intelligence Corp, een dataleverancier voor verzekeraars, kijkt bijvoorbeeld nauwkeurig naar Facebook-profielen en updates.
Dat gaat tamelijk ver: naast het doorlichten van het vriendennetwerk van de aanvrager kijkt Social Intelligence Corp onder meer ook naar diens ‘likes’, taalgebruik in de Facebook-updates, en zelfs naar de tijdstippen waarop deze updates zich afspelen. Hetzelfde geldt voor berichten en contacten op Instagram, Twitter en andere sociale media.
Daarbij kan worden gekeken naar risicovolle beroepen, hobby’s, gewoonten en eetpatronen. Recent onderzoek door Stanford University toont zelfs aan dat slimme computers de persoonlijkheid van de profieleigenaar zo beter kunnen voorspellen dan naaste vrienden. Technologie maakt het steeds beter mogelijk risicogevallen te weren.
Software
Dankzij de zich snel ontwikkelende informatietechnologie wordt het voor verzekeraars ook steeds makkelijker om advertenties op websites in fracties van seconden aan te passen aan specifieke bezoekers.
Zo is het mogelijk de ene bezoeker een algemene advertentie te tonen, en een consument met een aantrekkelijk – dat wil zeggen risicoarm – profiel op hetzelfde moment op dezelfde plaats op dezelfde website een gunstiger aanbod te doen. Verzekeraars in de Verenigde Staten experimenteren al jaren met deze technologie. Zo vissen ze de krenten uit de pap.
Kan de consument zich daartegen wapenen? Onderzoek toont aan dat steeds meer consumenten begrijpen hoeveel data er online van hen worden verzameld, en dat ze precies willen weten hoe deze gegevens worden gebruikt.
Volgens het Amerikaanse marktonderzoekbureau Forrester Research lezen consumenten als gevolg daarvan steeds vaker de gebruiks- en privacyvoorwaarden, zien ze af van het downloaden van apps op hun telefoon of het gebruiken van sociale media, en gebruiken ze ook steeds vaker privacybeschermende software.
Bijna eenderde van alle internetgebruikers gebruikt tools of diensten om zijn privacy te beschermen. Niet alleen tegen nieuwsgierige overheidsdiensten, maar ook tegen commerciële partijen zoals verzekeraars.
Elsevier nummer 39, 26 september 2015