Paljon vanhaa, jotain uutta ‚Äď k√§ytt√§ytymiseen perustuva vakuutus ja relevantin asiakassuhteen rakentaminen

Paljon vanhaa, jotain uutta ‚Äď k√§ytt√§ytymiseen perustuva vakuutus ja relevantin asiakassuhteen rakentaminen

Photo by Adrianna Calvo on Pexels.com

Vakuutusyhti√∂t pyrkiv√§t muuttamaan asiakassuhdetta ‚ÄĚreaktiivisesta proaktiiviseksi‚ÄĚ itsenmittausk√§yt√§nt√∂jen ja datapohjaisten menetelmien avulla. Niin sanotun relevantin asiakassuhteen rakentamista hankaloittavat kuitenkin lains√§√§d√§nt√∂√∂n, markkinaan, teknologiaan ja ihmisten k√§ytt√§ytymiseen liittyv√§t tekij√§t. Vaikka asiakassuhteen teknologiav√§littyneisyys on uutta, vakuuttajien toimet ovat linjassa vakuutusalan perinteiden kanssa.

Digitaalisen markkinoinnin keskeisen√§ ajatuksena on se, ett√§ data-analytiikan ja muiden vastaavien menetelmien avulla on mahdollista ja tavoiteltavaa pyrki√§ entist√§ l√§hemm√§s kuluttajaa. Markkinointitoimenpiteiden tavoitteena on relevantin suhteen luominen: k√§ytt√§ytymisdatan ker√§√§misen ja hy√∂dynt√§misen avulla markkinoijat pyrkiv√§t tunnistamaan kuluttajan halut, tarpeet ja teot ja kohdentamaan oikeisiin hetkiin oikeita toimenpiteit√§ niin ett√§ markkinoijan ja asiakkaan yhteiselo tuntuu saumattomalta. Dataan pohjautuvien keinojen tavoitteena on n√§in ollen luoda er√§√§nlaisia “digitaalisia karttoja” eli tarpeeksi osuvilta tuntuvia tiloja, joita ihmiset voivat asuttaa luontevasti (Thrift 2011). N√§iss√§ tiloissa markkina ei ole vain kuluttajien ulkopuolinen tarkkailija, vaan se n√§kee ihmiset, heid√§n toiveensa ja halunsa “sis√§lt√§ p√§in” (Fourcade & Healy 2017).

Artikkelissamme Tracking Lives, Forging Markets (Tanninen, Lehtonen & Ruckenstein 2020) tarkastelemme tätä kehitystä niin sanottujen käyttäytymiseen perustuvien vakuutusten eli itsenmittauskäytäntöjä ja digitaalisia hyvinvointipalveluja henkivakuutukseen yhdistävien tuotteiden tapauksessa. Käyttäytymiseen perustuviin vakuutuksiin kohdistuu niin suuria odotuksia kuin voimakasta kritiikkiäkin. Yhtäältä vakuutusalalla nähdään, että uudenlaiset vakuutustuotteet ja niiden generoima data voisivat mahdollistaa tarkemman riskinmäärittelyn sekä tarjota keinoja riskienhallintaan ja tiiviimmän asiakassuhteen luomiseen. Toisaalta käyttäytymiseen perustuvia vakuutuksia on kritisoitu yhteiskuntatieteellisessä tutkimuksessa niiden potentiaalista syrjiä korkeariskisiä henkilöitä ja alistaa ihmiset entistä kokonaisvaltaisemman valvonnan ja hallinnan alle. Sekä vakuutuksiin kohdistuvat utopiat että dystopiat ovat kuitenkin hyvin pitkälti spekulatiivisia ja ne nojaavat samanlaiseen ymmärrykseen teknologisen kehityksen vääjäämättömyydestä (Tanninen 2020). Käyttäytymiseen perustuvat vakuutukset ovat useimmiten edelleen kokeilevia markkina-avauksia, joiden avulla kartoitetaan ja tuotetaan tulevaisuuden markkinoita (Meyers 2018). Uusia vakuutustuotteita ja niiden kehitystä olisikin tärkeä tarkastella empiirisesti ja ne olisi hyvä ymmärtää tiettyyn aikaan ja paikkaan sijoittuvina erityisinä finassiteknologioina.

Artikkelimme tarkastelee kahden suomalaisen k√§ytt√§ytymiseen perustuvan henkivakuutustuotteen suunnitteluprosessia vakuutusyhti√∂iden n√§k√∂kulmasta. Meit√§ kiinnostaa erityisesti se, miten vakuuttajat pyrkiv√§t itsenmittausk√§yt√§nt√∂jen ja digitaalisten hyvinvointipalveluiden avulla hallitsemaan ennenaikaisen kuoleman riski√§ ja muokkaamaan asiakassuhdetta “reaktiivisesta proaktiiviseksi”. Toisin sanoen tarkastelemme keinoja, joiden avulla vakuuttajat pyrkiv√§t samanaikaisesti kannustamaan asiakkaita terveellisempiin el√§m√§ntapoihin ja tulemaan osaksi heid√§n arkip√§iv√§√§ns√§. Analyysimme perustuu uusien vakuutustuotteiden parissa ty√∂skentelevien vakuutusalan ammattilaisten haastatteluihin.

Analyysimme tarkastelee aluksi regulatiivista- ja markkinaymp√§rist√∂√§, jossa uusien vakuutustuotteiden kehitt√§minen tapahtuu. Suomen vakuutuslains√§√§d√§nt√∂ tekee niin asiakkaiden k√§ytt√§ytymisdatan ker√§√§misen kuin heid√§n palkitsemisensa haastavaksi. T√§m√§n vuoksi vakuutusyhti√∂t tuottavat k√§ytt√§ytymiseen perustuvia vakuutuksia yhdess√§ data-analyysiin keskittyneiden yritysten kanssa. N√§m√§ yritykset huolehtivat vakuutuksen datankeruusta, puhdistavat datan ja suodattavat siit√§ hyvin suppean, lains√§√§d√§nn√∂n kanssa linjassa olevan otteen vakuutusyhti√∂lle. Kriittisen tutkimuksen skenaariot alati tarkkailevasta vakuutusyhti√∂st√§ ja reaaliajassa p√§ivittyvist√§ vakuutusmaksuista (Zuboff 2019) eiv√§t n√§in ollen n√§yt√§ kovin todenn√§k√∂isilt√§, ainakaan suomalaisessa kontekstissa. Minimaalisen datan ker√§√§minen kyseenalaistaa my√∂s utopistiset visiot vakuutusten vaikutuksista. Esimerkiksi relevantin asiakassuhteen luominen voi olla vaikea teht√§v√§ v√§h√§isen datan avulla. Lains√§√§d√§nn√∂llisten haasteiden lis√§ksi k√§ytt√§ytymiseen perustuvat vakuutukset kohtaavat kitkaa niin sis√§isess√§ kuin ulkoisessa markkinoinnissa. Vakuutusyhti√∂t ovat olleet perinteisesti hyvin konservatiivisia toiminnassaan ja haastattelemamme vakuutusalan ammattilaiset kertoivatkin joutuneensa lobbaamaan uusia ideoita voimakkaasti. My√∂s (potentiaaliset) asiakkaat suhtautuvat uusiin vakuutustuotteisiin varauksella. Vakuutusalan ammattilaiset kuitenkin uskovat, ett√§ n√§m√§ ongelmat voidaan sel√§tt√§√§ ‚ÄĚoikeanlaisella kommunikaatiolla‚ÄĚ. Hankaluuksista huolimatta k√§ytt√§ytymiseen perustuvat vakuutukset n√§ytt√§ytyv√§t heille tulevaisuuden suuntana: tapana erottautua kilpailijoista, syvent√§√§ asiakassuhdetta, vaikuttaa tulevaisuuden markkinoihin ja varautua toimintaymp√§rist√∂n muutoksiin.   

Regulaation ja markkinatilanteen tarkastelun jälkeen analysoimme keinoja, joilla vakuuttajat pyrkivät navigoimaan tässä haastavassa kentässä ja vaikuttamaan ihmisten toimintaan sekä asiakassuhteeseen. Erittelemme nämä keinot kolmeen analyyttiseen kategoriaan: 1. opettamiseen, 2. insentiiveihin ja 3. kumppanuuteen nojaaviin strategioihin.

Opettamiseen perustuvat strategiat nojaavat ajatukseen siitä, että ihmiset eivät noudata terveellisiä elämäntapoja tiedon puutteen vuoksi: ihmiset eivät tiedosta omaa toimintaansa tai tunne hyvinvoinnin eri osa-alueita tarpeeksi syvällisesti. Tätä puutetta paikkaamaan tarjotaan itsenmittauskäytäntöjä, joiden tarkoituksena on opettaa ihmisiä heidän rutiineistaan ja terveellisimmistä valinnoista. Tämän lisäksi vakuutusyhtiöt harjoittavat perinteisempiä valistamisen keinoja, kuten esimerkiksi ravitsemukseen ja stressinhallintaan liittyvän informaation tarjoamista.

Osa haastattelemistamme vakuutusalan ammattilaisista tunnistaa, ettei pelkk√§ tiedon lis√§√§minen v√§ltt√§m√§tt√§ riit√§ muuttamaan ihmisten k√§ytt√§ytymist√§. Vakuuttajat pyrkiv√§tkin vaikuttamaan ihmisten motivaatioon insentiivien eli erilaisten kannustinmekanismien avulla. Asiakkaiden on esimerkiksi mahdollista saada taloudellista hy√∂ty√§, mik√§li he saavuttavat tietyn aktiivisuustason. Vakuutuksiin on my√∂s sis√§llytetty pelillistetty√§ ‚ÄĚt√∂nimist√§‚ÄĚ (engl. nudging), jonka tarkoituksena on motivoida asiakkaita parempiin valintoihin. My√∂s ‚ÄĚt√∂niminen‚ÄĚ n√§hd√§√§n kuitenkin riitt√§m√§tt√∂m√§n√§ ratkaisuna ihmisten k√§ytt√§ytymisen muuttamiseen ja tiiviimm√§n asiakassuhteen rakentamiseen, sill√§ yht√§√§lt√§ laitteiden suorittamat interventiot voidaan kokea h√§iritsevin√§ ja toisaalta asiakkaan on aina mahdollista olla noudattamatta ohjeita.

Vakuuttajien t√§rkeimp√§n√§ strategiana n√§ytt√§ytyykin kumppanuuden rakentaminen asiakkaan kanssa: tavoitteena on p√§√§st√§ l√§hemm√§s asiakkaan arkip√§iv√§√§ ja luoda intiimimpi asiakassuhde. T√§h√§n tavoitteeseen pyrit√§√§n osaksi edell√§ mainittujen itsenmittaamisk√§yt√§nt√∂jen ja kannustimien avulla. N√§iden lis√§ksi vakuuttajat kuitenkin puhuvat tavoitteestaan tunnistaa asiakkaiden el√§m√§ntilanteita ja tarjota r√§√§t√§l√∂ityj√§ sis√§lt√∂j√§ niihin ‚Äď relevantin suhteen luomisesta. Ajatuksena on el√§m√§ntapavalmentajan tavoin “oivalluttaa” asiakasta: auttaa h√§nt√§ reflektoimaan el√§m√§√§ns√§ ja tekem√§√§n siin√§ muutoksia. Katsomalla asiakkaansa el√§m√§√§ ‚ÄĚsis√§lt√§ p√§in‚ÄĚ vakuuttajat pyrkiv√§t puuttumaan proaktiivisesti asiakkaan hyvinvointia uhkaaviin tekij√∂ihin jo ennen niiden aktualisoitumista. Relevantin suhteen rakentaminen on kuitenkin jatkuvaa tasapainottelua l√§heisyyden ja et√§isyyden kanssa: jollei asiakas koe hy√∂tyv√§ns√§ palvelusta, l√§heisyyden tavoittelu voi tuntua tunkeilevalta ja ahdistavalta (Lupton & Michael 2017). T√§llaisen suhteen luominen on my√∂s teknisesti hankalaa, ja toistaiseksi enemm√§n kuvitelmien tasolla kuin todellisuutta.

Sek√§ opettamiseen, insentiiveihin ja kumppanuuteen perustuville strategioille l√∂ytyy jatkuvuuksia aiemmista vakuutusalan k√§yt√§nn√∂ist√§. Vakuuttajat ovat pitk√§√§n opettaneet ihmisi√§ turvallisista ja terveellisist√§ k√§yt√§nn√∂ist√§ esimerkiksi mainonnan ja valistuskampanjoiden avulla. Vakuutuksen hinta vaihtelee jo nyt vakuutetun ominaisuuksien, kuten i√§n ja terveydentilan mukaan. Asiakkaiden hinnoittelu riskitason mukaan on siis keskeinen osa yksityisvakuutusta, mit√§ k√§ytt√§ytymisdatan perusteelta jaetut taloudelliset insentiivit enint√§√§n korostavat, eiv√§t mullista. My√∂s kumppanuuteen liittyville tavoitteille ja toimille l√∂ytyy jatkuvuuksia vakuutuksen historiasta. Monissa maissa vakuutuksia myiv√§t ihmisten kodeissa vierailleet ‚ÄĚhyv√§t ja tavalliset‚ÄĚ vakuutusasiamiehet, joiden oli tarkoitus yst√§vysty√§ asiakkaiden kanssa, voittaa heid√§n luottamuksensa ja tehd√§ kylm√§ksi ja et√§iseksi koetusta vakuutuksesta merkityksellisempi asia (McFall, 2014). K√§ytt√§ytymisdataa hy√∂dynt√§vien vakuutuksien voidaankin n√§hd√§ pyrkiv√§n samaan tavoitteeseen. T√§ll√§ kertaa vakuutusasiamiehen sijasta asiakasta pyydet√§√§n luottamaan datafikoituneisiin valvontateknologioihin ja ottamaan ne osaksi el√§m√§√§ns√§. T√§m√§ teknologinen v√§litys on uutta, vaikkei k√§ytt√§ytymiseen perustuva vakuutus tutkimuksemme valossa muuten n√§ytt√§ydyk√§√§n innostuneiden ja kriittisten √§√§nien kuvaamana disruptoivana teknologiana.

Tutkimuksemme osoittaa, ett√§ digitaalisten markkinoijien tavoitteleman relevantin asiakassuhteen luominen on haastava teht√§v√§, jota k√§ytt√§ytymiseen perustuvan vakuutuksen tapauksessa hankaloittavat niin regulaatioon, markkinaan kuin teknologiaan liittyv√§t tekij√§t. N√§iden lis√§ksi kehitt√§jill√§ ja markkinoijilla saattaa olla puutteellinen ymm√§rrys ihmisten k√§ytt√§ytymisest√§ ja kokemusmaailmasta suhteessa datav√§littyneisiin palveluihin. Esimerkiksi jatkuva yhteiselo erilaisten itsenmittauslaitteiden kanssa on harvinaista (Gorm & Shklovski 2019). Ihmiset my√∂s kokevat itsens√§ ja ‚ÄĚdatakaksosensa‚ÄĚ v√§lisen ep√§suhdan √§rsytt√§v√§n√§ ja h√§iritsev√§n√§: relevantti suhde ei muodostu tai katkeaa, jos markkina n√§kee ihmisen v√§√§rin (Ruckenstein & Granroth 2020). Tarvitaankin enemm√§n tietoa ihmisten kokemuksista ja k√§yt√§nn√∂ist√§, jotta voimme ymm√§rt√§√§ paremmin relevantin suhteen reunaehtoja.         

Maiju Tanninen tekee sosiologian väitöskirjaa Tampereen yliopistossa ja työskentelee Helsingin yliopiston Kuluttajatutkimuskeskuksessa.
Maijun tavoitat:
maiju.tanninen[at]helsinki.fi
@MaijuTanninen

Lukemisen datafikaatio ja uskottavuus

Yhä useampi arkipäiväinen toimintamme muutetaan erilaisten digitaalisten välineiden avulla dataksi, jota käytetään erilaisiin laskennallisiin toimiin kuten käyttäytymisemme ennakointiin ja sisältöjen personointiin. Tätä prosessia kutsutaan datafikaatioksi. Ihmiset luonnollisesti tulkitsevat tätä prosessia kuten ympäristöään ylipäätään. Tässä blogikirjoituksessa keskityn lukemisen datafikaatioon ja miten ihmiset sitä ymmärtävät.

Julkaisimme hiljattain Airi Lampisen kanssa artikkelin, jota varten haastattelin jo suljetun uutissuosittelujärjestelmä Scoopinionin käyttäjiä ja pääkehittäjää. Scoopinion oli Suomessa kehitetty uutissuosittelujärjestelmä, joka seurasi käyttäjien lukuaikaa eri uutisartikkeleissa. Se suositteli käyttäjille heitä tältä pohjalta mahdollisesti kiinnostavia artikkeleita. Scoopinionia voidaan siis pitää yhtenä esimerkkinä datafikaatiosta.

Uskottavuus ja data

Haastatteluissa nousi esiin uskottavuus: koska Scoopinion keskittyi lukuajan mittaamiseen eikä perinteisempään klikkipohjaiseen analytiikkaan, kokivat haastateltavat sen antamat suositukset luotettavammiksi. Tämä luotettavuus syntyi ajatuksesta, että lukuaika on pelkkää klikkausta parempi todiste siitä, että datan lähde on pitänyt artikkelia kiinnostavana. Lukuajan ajateltiin siis edustavan paremmin lukijan arviota artikkelista. Tämä tapa kehystää lukuaika oli toki myös se tapa, jolla järjestelmän kehittäjät pyrkivät palveluaan markkinoimaan.

Scoopinionin uskottavuus siis rakentui lukemiseen liitettyjen merkitysten varaan, joita kehittäjät käyttivät hyväkseen sekä järjestelmää rakentaessaan että sitä markkinoidessaan. Järjestelmää käyttäneet ihmiset tulkitsivat järjestelmän toimintaa lukemiseen liitettyjen merkitysten kautta. Järjestelmää tehtiin ymmärrettäväksi pohjaten näihin merkityksiin, kuten esimerkiksi siihen, että ihmiset ajattelevina olentoina arvioivat lukemaansa omien mieltymystensä mukaan ja viettävät enemmän aikaa itseään kiinnostavien tekstien parissa kuin sellaisten tekstien, jotka heitä eivät kiinnosta. Toisaalta palvelu myös toi uusia merkityksiä lukemiselle: kun palvelu seurasi lukemista, lukeminen muuttui implisiittiseksi suosittelemiseksi. Tämän seurauksena palvelu, jossa käyttäjillä ei ollut mahdollisuutta nähdä muita käyttäjiä koettiin kuitenkin tietyllä tapaa sosiaalisena.

Algoritmiset palvelut osana laajempaa merkitysjärjestelmää

My√∂s muissa algoritmisissa palveluissa ymm√§rryst√§ rakennetaan niit√§ edelt√§vien merkitysten varaan, samalla kuitenkin tuoden niihin jotain erilaista. Facebook-yst√§v√§t eiv√§t ehk√§ tarkoita t√§sm√§lleen samaa kuin ihmiset jotka koemme yst√§viksemme sen ulkopuolella, mutta palvelu k√§ytt√§√§ kuitenkin hyv√§kseen yst√§vyyteen liitettyj√§ merkityksi√§. Kun kyydityspalvelu Uber alkoi menestym√§√§n, rupesivat monet muut jakamistalouspalvelut markkinoimaan itse√§√§n tietyn asian ‚ÄúUberina‚ÄĚ: uusien palveluiden uskottavuutta menesty√§ rakennettiin Uberin menestyksen p√§√§lle. N√§m√§ palvelut nojasivat t√§ll√§ kehyst√§misell√§ Uberiin liitettyihin merkityksiin, joka puolestaan on idealtaan hyvin samankaltainen kuin sit√§ vanhemmat taksipalvelut. T√§ss√§ tapauksessa korostui Uberin lupaus tehd√§ vanha asia kustannustehokkaammin ja antaa ‚Äútavallisille‚ÄĚ ihmisille mahdollisuus hy√∂ty√§ taloudellisesti toiminnasta, joka oli aiemmin n√§hty p√§√§osin tietyn ammattiryhm√§n toimialana.

Algoritmisia järjestelmiä sosiaalitieteellisestä näkökulmasta tutkittaessa tulisi huomioida, että usein niiden käyttämää dataa ja siihen liittyviä merkityksiä on hankalaa, ellei mahdotonta, erottaa itse algoritmeista, joita järjestelmät käyttävät. Usein data edustaa palveluissa ihmistä ja tästä datasta tehdään selkoa niiden käsitysten kautta, joita ihmisten toimintaan liitetään palvelun ulkopuolella.

Järjestelmät ovat ihmisten rakentamia ja niitä ruokitaan ihmisten toiminnalla. Ne ovat siis läpeensä sosiaalisia.

Artikkeli julkaistiin ihmisen ja tietokoneen välisen vuorovaikutuksen tutkimukseen keskittyvässä NordiChi-konferenssissa ja sitä tehtiin osana Koneen Säätiön rahoittamaa Algoritmiset järjestelmät, valta ja vuorovaikutus -hanketta.

Artikkelin tiedot:
Haapoja, J., & Lampinen, A. (2018). ‘Datafied’ Reading: Framing behavioral data and algorithmic news recommendations. In NordiCHI 2018: Revisiting the Life Cycle – Proceedings of the 10th Nordic Conference on Human-Computer Interaction (pp. 125-136). DOI: 10.1145/3240167.3240194