Pricing de seguro afinitário com ML

Contexto

Seguradora especializada em produtos de afinidade (viagem, celular, habitação temporária). 300 funcionários, 150 milhões de euros de faturamento. Precificação atuarial clássica (tabelas GLM) não adaptada ao digital: tarifação batch D+1, sem personalização em tempo real, perda de competitividade frente às insurtechs. A empresa busca industrializar sua abordagem de dados, não recomeçar do zero.

Problema & Desafio

Pricing batch D+1 em tabelas GLM: incompatível com os percursos digitais em tempo real. Nenhuma personalização tarifária – mesmo preço para perfis de risco muito diferentes. Perda de 15% de participação de mercado em 2 anos frente às insurtechs com pricing dinâmico. Índice S/P em degradação: 72% vs 65% meta, antisseleção nos bons riscos. Atuários gastam 80% do tempo mantendo as tabelas vs inovando no pricing. Taxa de conversão em queda de 20% no canal digital – preços não competitivos.

Solução & Entregas

- Modelo ML de pricing dinâmico industrializado (XGBoost + feature store em tempo real) – precificação em <200ms - Personalização tarifária por perfil de risco, 150 variáveis vs 12 nas tabelas GLM clássicas - Taxa de conversão digital melhorada em 20% graças a preços mais competitivos e justos - Índice S/P melhorado de 72% para 66%, melhor seleção de riscos sem perder volume - Atuários refocados na inovação: 60% do tempo na otimização dos modelos - A/B testing integrado – medição de impacto contínua de cada evolução tarifária

Tecnologias