با رانندگی بهتر حق بیمه کمتری پرداخت کنید

قسمت اول : مقدمه

امروزه یکی از چالش های شرکت های بیمه خودرو ، شخصی سازی حق بیمه برای هر نفر می باشد. که برای این منظور راه حلی به نام بیمه مبتنی بر استفاده (UBI) ارائه شده است و به دنبال آن شرکت های IT زیادی ایجاد شدند تا این راه حل را برای شرکت های بیمه پیاده سازی کنند. برای مثال دو شرکت بیمه آمریکایی به نام های Metromile و Progressive بیمه هوشمند مبتنی بر UBI را پیاده سازی کرده اند و راه کار های مختلف جهت بهبود این سیستم و همچنین افزایش دقت اطلاعات کسب شده از رفتار راننده را ارائه و اجرایی کرده اند.

دو سوال مهم که مردم نسبت به پرداخت حق بیمه مبتنی بر استفاده و رفتار رانندگی می پرسند این است که آیا شرکت های بیمه با پیاده سازی UBI واقعا حق بیمه را کاهش می دهند؟ و آیا اگر شرکت های بیمه اطلاعات بیشتری از راننده ها داشته باشند حق بیمه آنها افزایش خواد یافت؟

این دو سوال فوق و سوالات دیگر باعث شده است شرکت های بیمه برای جلب اعتماد مشتریان نسبت به این طرح نهایت سعی خود را برای پیاده سازی دقیق و عادلانه این طرح داشته باشند و برای همین با استفاده که سنسور های خودرو و ردیاب تعبیه شده در آن اطلاعات جاده ای و میزان ترافیک و همچنین رفتار راننده جمع آوری و توسط big data و machine learning تحلیل می کنند تا بتوانند به درستی و با دقت بالا حق بیمه هر فرد را شخصی سازی کنند.

شیوه رایج دریافت حق بیمه در شرکت های بیمه استفاده از یک سری آمار نظیر سن و جنسیت راننده ، نوع و مدل خودرو می باشد و با استناد به این اطلاعات حق بیمه هر مشتری محاسبه می شود ولی در شیوه UBI علاوه بر این آمار، نحوی رانندگی فرد و میزان استفاده از خودرو در طول سال و همچنین عوامل محیطی نظیر شرایط جاده ای اهمیت دارد. مطالعات درباره بیمه هوشمند از سال 1994 شروع شده است و شرکت Progressive جزء پیشگامان شخصی سازی بیمه خودرو در جهان بوده است این شرکت تا به حال چند شیوه برای محاسبه حق بیمه سالیانه هر نفر ارائه و اجرا کرده است که برای مثال محاسبه حق بیمه بر اساس میزان مصرف سوخت که البته با استقبال زیادی همراه نشد و در ادامه از میزان حرکت خودرو برای شخصی سازی بیمه استفاده شد و هم اکنون از روش پرداخت حق بیمه با توجه به شیوه رانندگی(pay how you drive) استفاده می کند که علاوه بر مسافت طی شده سالیانه خودرو به رفتار های راننده هم توجه دارد.

شرکت های بیمه با تحلیل اطلاعات جمع آوری شده از هر خودرو نظیر سرعت،شتاب و شدت ترمز و... راننده را به سه دسته پر خطر ،کم خطر و متغیر رفتار تقسیم می کنند و همچنین عوامل محیطی مثل وضعیت جاده ،ترافیک و وضعیت آب و هوایی را به پنج بخش تقسیم می کند و با توجه به این دو تقسیم بندی هر فرد در یک بخش رفتاری و یک یا چند بخش محیطی قرار خواهد گرفت و حق بیمه سالیانه او محاسبه می شود. برای این تقسیم بندی ها روش های مختلفی ارائه شده است که از بین آنها روش های logistic regression و Neural Network عملکرد بهتری داشته اند و تجزیه و تحلیل اطلاعات بر اساس آنها آمار دقیق تری را به شرکت های بیمه ارائه داده است.

منبع:

• Good drivers pay less: A study of usage-based vehicle insurance models