Мобильная телематика: классика или авангард?
Меня зовут Владислав Лаптев, я управляющий директор центра экспертизы разработки цифровых каналов в ИТ «Ренессанс страхование». В этом материале я подробно расскажу о технологии «мобильная телематика», как мы внедряли ее в наше мобильное приложение, какие выводы были сделаны после релиза продукта, и как Стив Джобс повлиял на развитие этой технологии.
Телематика в страховании
Давайте для начала разберемся, что такое телематика в автомобильной промышленности и какие задачи она решает. Телематика – технология, которая отвечает за сбор, передачу и обработку данных с устройства, размещенного в транспортном средстве. Чаще всего такую технологию используют для оценки стиля вождения, сбора информации по завершенным поездкам: пройденное расстояние, маршрут, время старта и завершения поездки и т. д.
На сегодняшний день самым распространенным способом сбора данных о поездках является телематический блок, который устанавливается в автомобиль. Такие блоки, как правило, состоят из датчиков ускорения, GPS-приемника и модема для передачи данных. Эта технология широко используется для мониторинга крупных автопарков (например, в каршеринге или такси). Но и в страховании нашли применение данной технологии. Клиент страховой компании может установить телематический блок в транспортное средство и получать определенные бонусы в зависимости от того, насколько безопасно он водит автомобиль. Таким образом клиент может получить, например, кэшбэк или приятную скидку на оплату полиса каско.
Клиент получает бонусы, а страховая компания снижает риск выплаты страхового возмещения. Звучит круто! Но есть одна проблема… Клиенту требуется получить от страховой компании и установить в автомобиль телематический блок, что очень сильно усложняет клиентский путь, и поэтому такое решение достаточно трудно масштабировать на широкую базу клиентов. И здесь к нам на помощь приходит мобильная телематика!
Мобильная телематика
Мобильная телематика – все та же технология, которая позволяет оценить стиль вождения клиента, но сбор данных осуществляется с датчиков вашего смартфона: гироскоп, акселерометр, GPS. Такое решение избавляет клиента от приобретения и установки телематического блока, а страховая компания может масштабировать технологию на всех клиентов удаленно.
В 2010 году прошла презентация компании Apple WWDC, на которой Стив Джобс представил всему миру iPhone 4. Одним из самых инновационных среди представленных нововведений стал гироскоп, который воспринимался, как магия и вызвал бурную реакцию аудитории. Стив наглядно продемонстрировал работу датчика на примере игры Jenga, а закончил демонстрацию словами:
Не могу дождаться, чтобы увидеть, что вы собираетесь с этим делать. Я думаю, это будет потрясающе.
Казалось, что такая технология будет доступна только в дорогих моделях смартфонов, а широкое применение найдется в эксклюзивных играх для мобильных устройств Apple. Но со временем производство многих технологий удалось удешевить и сделать доступными гироскоп, акселерометр и GPS-приемник практически в каждом бюджетном смартфоне, а качества получаемых данных достаточно высокое, чтобы собрать всю необходимую информацию для дальнейшей обработки и принятия решения.
Модель оценки
Давайте разберемся, как работает модель оценки. Скоринг каждой поездки и общая оценка водителя рассчитываются с использованием модели машинного обучения с учетом следующих основных параметров в порядке уменьшения уровня значимости и, следовательно, весового коэффициента:
превышение ограничения скорости;
взаимодействие с устройством во время вождения;
резкие торможения;
резкие ускорения;
вождение в опасные часы;
продолжительность поездки.
Весовой коэффициент каждого параметра корректируется с учетом характеристик конкретной поездки. Кроме того, модель оценки учитывает тип дороги (шоссе, городская улица и т.п.) для каждого события, то есть конкретная частота резких торможений на городской дороге и шоссе не приведет к одинаковому баллу, поскольку риск различен для каждой дорожной среды.
Оценка варьируется от 0 до 100, где 100 - самый безопасный стиль вождения.
Все собранные данные предварительно обрабатываются, сглаживаются и очищаются до достижения модели оценки, чтобы сохранить только те компоненты, которые соответствуют фактическому поведению вождения. Следует отметить, что модель оценки также учитывает качество записанных данных, и поэтому в большинстве случаев пользователи не подвергаются штрафам в интервалах времени, когда качество записанных данных считается неприемлемым (например, низкая точность GPS из-за проезда через туннели).
Превышение ограничения скорости
Оценка превышения ограничения скорости рассчитывается с учетом того, сколько времени пользователи проезжают, нарушая ПДД, и насколько сильно они превышают установленные ограничения. Алгоритм подсчета очков за превышение скорости отличается для каждого типа дороги. В качестве поставщика карт мы используем OpenStreetMap.
Следует отметить, что значение допустимой погрешности (20 км/ч) добавляется к фактическим значениям ограничений скорости, чтобы
учитывать внутренние неопределенности в значении скорости GPS;
уменьшать количество ложных записей о превышении скорости, улучшая взаимодействие с пользователем.
Использование мобильного устройства
Основной принцип в алгоритмах обнаружения использования мобильных устройств заключается в обнаружении отвлекающих факторов с помощью наименее незаметных средств. Следовательно, не требуется никаких разрешений / доступа к телефонам пользователей (например, журналам вызовов), сообщениям, приложениям электронной почты и т. д., чтобы:
уважать конфиденциальность пользователей;
избежать «нервирующих» запросов разрешений;
уменьшить общее количество запрошенных разрешений;
минимизировать проблемы, которые могут возникнуть с правилами защиты данных.
Подход к определению использования мобильных устройств во время вождения основан исключительно на датчиках смартфона и передовых алгоритмах объединения данных и машинного обучения. Каждый раз, когда распознается движение / изменение положения устройства внутри автомобиля во время вождения, которое вызвано взаимодействием пользователя со смартфоном, а не случайными движениями устройства, это характеризуется как мобильное использование. Мобильное использование во время остановок обнаруживается, но пользователя в таком случае не наказываем.
Что касается случаев, когда пассажир использует смартфон водителя во время вождения, следует отметить, что в случае работы телематического помощника смартфон превращается в инструмент оценки поведения при вождении. Поэтому пассажирам советуем использовать другие устройства, а не устройство водителя во время поездки.
Торможение и ускорение
Торможение и ускорение оцениваются по двум следующим подкатегориям:
Резкие события (резкие торможения и ускорения): используются данные от всех доступных датчиков: GPS, акселерометра, гироскопа. Определение резких событий основано не на конкретном и жестко запрограммированном пределе ускорения / замедления, а на одновременной оценке нескольких датчиков. Модель оценки учитывает
частоту событий во время поездки, а не абсолютное их количество;
интенсивность событий;
скорость движения в момент события.
Активность торможения и ускорения: агрессивность количественно определяет общее поведение пользователя при торможении или ускорении во время поездки и рассчитывается с использованием данных всей поездки, а не только данных в моменты резких событий. Таким образом, плавное движение с постоянной скоростью приведет к низкой агрессивности, тогда как постоянное и сильное увеличение / уменьшение скорости приведет к высокой агрессивности. Низкая агрессивность напрямую связана с безопасным вождением, демонстрируя, что водители сосредоточены, следят за ходом движения, готовы к неожиданным событиям и избегают рискованных маневров. Следовательно, даже если у пользователя нет резких торможений или резких ускорений во время поездки, оценка торможения или ускорения соответственно может быть ниже 100 из-за соответствующего значения агрессивности.
Вождение в опасные часы
Модель оценки рассматривает вождение в часы риска, как один из факторов для расчета общей оценки за вождение и риска для конкретной поездки. Часами повышенного риска считается время с 01:00 до 05:00. Вождение в ночное время связано с высокой вероятностью утомления, повышенным временем реакции, плохим состоянием дорожной сети (например, низким качеством освещения, которое приводит к ухудшению видимости). Модель оценки не рассматривает параметр часов риска как простой параметр (например, простая метка времени или простой расчет продолжительности поездки в опасные часы), потому что нельзя наказывать пользователей только за то, что они управляют в опасные часы. Таким образом, в случае поездок в опасные часы модель оценки динамически корректируется с учетом повышенного риска, и она становится более «строгой», то есть пользователям необходимо безопаснее управлять автомобилем во время поездки в опасные часы по сравнению с поездкой вне опасных часов, чтобы набрать такой же балл.
Внедрение мобильной телематики в приложение
Перед нами стояло серьезное испытание – сделать так, чтобы взаимодействие клиента со столь сложной технологией было максимально простым и интуитивно понятным. Важно также на старте предоставить отказоустойчивое решение, а в случае возникновения сбоев оперативно их устранять, поскольку на кону стоит доверие клиентов к новой технологии. Было принято решение на старте сделать доступной телематику только тем клиентам, кто приобретает полис каско с опцией «Умная рассрочка», которая позволяет оплатить половину стоимости полиса и сэкономить до 40% от второй половины – в зависимости от оценки стиля вождения клиента. Такой подход позволяет нам запустить новую технологию на узкий круг людей, собрать аналитику, оперативно внести необходимые правки и сформировать концепцию дальнейшего развития и применения мобильной телематики.
После того, как мы изучили рынок и определись с продуктом, мы начали формировать Customer Journey Map (CJM), определять требования к реализации и делать постановку задач в команды. Если выделить этапы взаимодействия клиента с мобильным приложением, то клиент должен:
Установить мобильное приложение;
Зарегистрироваться / пройти аутентификацию;
Привязать полис к личному кабинету;
Ознакомиться с тем, как работает телематика;
Предоставить доступы ко всем необходимым датчикам смартфона;
Активировать телематику;
Получать информацию о смене устройства с телематическим помощником;
Получать Push-уведомления при старте и завершении поездки;
Видеть общую статистику и список завершенных поездок;
Видеть детали поездки;
При желании отключить телематического помощника;
Иметь возможность изменить тип поездки. Если телематический помощник определил пассажира водителем, то дать возможность клиенту скорректировать информацию, чтобы учитывались только баллы, накопленные в роли водителя.
Макеты экранов многократно перерисовывались в пользу упрощения опыта взаимодействия клиента с мобильным приложением, а также учитывались особенности каждой из операционных систем. Очень важно было грамотно спроектировать экран запроса доступов, где клиент получил бы информацию о каждом запрашиваемом доступе и мог легко их предоставить без перехода в настройки смартфона. Все решения по реализации пользовательского интерфейса принимались продуктовой командой, которая челленджила каждый предлагаемый вариант, что и было причиной возникновения большого количества изменений требований в процессе реализации, но привело к более проработанному решению. Итоговая реализация учитывала намного больше подводных камней и особенностей взаимодействия пользователя с мобильным приложением, чем это было на старте разработки.
По предварительным оценкам разработка должна была занять около 3 месяцев. Как показывает наша практика, большая часть релизов влечет за собой ряд доработок пользовательского интерфейса, решение о которых принимается по итогам собранной аналитики. Чем сложнее функционал, который вышел в релиз на пользователей, тем больше доработок и фиксов прилетает в команду. Для нас было бы болезненно выпустить столь комплексный функционал в один релиз сразу на пользователей, после которого нам пришлось бы еще несколько спринтов заниматься только фиксами, переосмыслением и доработками уже выпущенного функционала. Мы приняли решение приоритизировать бэклог задач таким образом, чтобы по итогу каждого двухнедельного спринта мы могли делать релиз на закрытую группу тестирования внутри компании. В альфа-тестировании могли принять участие все сотрудники компании. Мы сделали анонс на всю компанию, сформировали список участников, предоставили доступы к сборке, после чего начали выпускать закрытые релизы.
Порядок выпущенных релизов был следующий:
Сборка с работающей телематикой и общей статистикой по всем поездкам.
Сборка со списком всех поездок, деталями по каждой поездке и списком рекомендаций.
Сборка с обучением нового пользователя, экраном запроса всех необходимых доступов внутри приложения, активацией телематики.
Сборка с возможностью отключения телематического помощника, ролевой моделью клиента (водитель автомобиля, пассажир, общественный транспорт и др.). Также была предоставлена возможность изменения роли клиента в рамках поездки с пересчетом итогового балла.
Сборка с Push-уведомлениями телематического помощника, информированием клиента о смене устройства (телематический помощник может быть активирован только на одном устройстве клиента), обработкой полисов с телематическим помощником на этапе их привязки к личному кабинету, плашка с общим скоринговым баллом на главном экране.
Финальная сборка, которая должна уйти клиентам.
Каждая новая сборка обязательно включала в себя правки найденных ошибок и доработки пользовательского интерфейса по итогам полученной обратной связи.
Таким образом мы смогли поддерживать релизы по итогу каждого спринта, сделав их внутренними на группу альфа-тестирования. Нам удалось собрать обратную связь и аналитику, принять ряд решений по изменению пользовательского интерфейса и устранить приличное количество багов. Мы обкатали наше решение на наших же сотрудниках и теперь готовы делать релиз на клиентов!
Итоги релиза
Все наши команды проделали невероятную работу, за что хочу выразить свою благодарность. Новый год мы начали с большого релиза на наших клиентов, а сейчас готовы поделиться предварительными результатами запуска.
Мы успели получить обратную связь клиентов и изучить трудности, с которыми им пришлось столкнуться. Релиз и последующая поддержка приложения прошли легко, так как багов в работе выпущенной сборки приложения не было обнаружено, а количество доработок, которые пришли в команду, было небольшое и все они были оперативно выполнены.
По итогам собранной аналитики мы выделили самые интересные тренды. Во-первых, мы заметили, что средний общий балл по всем водителям постепенно растет. Чем выше балл, тем безопаснее стиль вождения. Отсюда у нас возникло две гипотезы:
Скидка на оплату полиса каско мотивирует клиентов аккуратнее водить автомобиль.
Присутствует элемент геймификации: пользователь, видя свою оценку, стремится ее улучшить, что также положительно сказывается на безопасности вождения.
Мы стали смотреть, за счет чего клиентам удалось увеличить скоринговый балл, и обнаружили, что клиенты во время поездок стали значительно меньше пользоваться смартфонами, на которых установлено приложение с мобильной телематикой. Это позволило увеличить среднюю оценку внимания водителя с 63 до 89. Также пользователи стали более плавно ускоряться и чаще соблюдать скоростные ограничения.
Во-вторых, стоит отметить, что всего 11% завершенных поездок были с ручным изменением типа поездки. Это демонстрирует нам, что обученная модель достаточно хорошо различает стили вождения пользователей. Характеристика 89% завершенных поездок была правильная, что сильно упрощает клиентский опыт, так как чаще всего пользователю не нужно указывать, кем он был во время поездки.
Самым ценным для нас было подтвердить гипотезу о том, что мобильная телематика увеличивает Retention Rate. В основном наши клиенты используют мобильное приложение с целью регистрации происшествий или просмотра информации по страховому продукту. На одного пользователя в среднем приходится 2,5 входа в личный кабинет (ЛК) в месяц, что достаточно мало. Но если мы делаем срез по клиентам с мобильной телематикой, то получаем 16 входов в ЛК на одного пользователя в месяц, что в 6,5 раз выше! Такая большая разница связана с тем, что пользователи мобильной телематики регулярно изучают информацию по каждой завершенной поездке.
Вывод
Мобильная телематика – очень перспективная технология. Она открывает новые возможности для страхового рынка и найдет свое применение в других сферах. Мы продолжаем наблюдать за тем, как работает запущенный продукт и решаем, как будем двигаться дальше. Мобильная телематика отлично показала себя на старте и еще раз доказала, что Интернет поведения (Internet of Behavior, IoB) – одна из самых перспективных технологических тенденций на сегодняшний день.