搜索
保险大数据创新与实践保险大数据创新与实践目录CONTENTSPART1大数据助力洞察保险客户PART2大数据在保险行业创新与实践2.1保险营销实践2.2保险风控实践大数据发现寿险三个渠道的客户，价值存在明显差异高端较高端中端较低端低端各渠道客户收入等级15%3%15%10%24%13%32%28%17%29%23%16%46%14%16%个险网销电销大数据发现寿险三个渠道的客户，消费偏好有差异各渠道客户电商品类消费意向7%9%9%9%9%5%3%2%1%1%总体均值-1%-3%-1%-2%-1%-2%-7%-7%个险网销电销母婴用品日用百货美食特产家用电器运动户外数码大数据发现女性保险客户与普通女性在保险有关兴趣爱好上有较大差异保险女性买什么？理财旅游母婴鞋珠宝看什么？新闻历史社区母婴交友普通女性买什么？服饰钟表箱包家居母婴首饰看什么？财经教育文学游戏艺术大数据发现男性保险客户与普通男性在保险有关兴趣爱好上有较大差异保险男性普通男性买什么？买什么？理财汽车文娱数码手机网游汽车数码手机电脑办公看什么？看什么？军事财经社区旅游新闻IT军事财经历史新闻大数据发现车主的保费比平均人群高出2倍他们的保费比平均人群高出2倍!车主总体保险客户大数据发现爱消费的人保费比平均人群高出2倍爱消费的人保费比平均保险人群高出2倍！2X高消费较高消费中消费较低消费低消费大数据发现年轻高端人士中，高保费客户与低保费客户在有关兴趣爱好有较大差异年轻高保费关注什么？家电家居理财母婴家纺日用汽车数码年轻低保费关注什么？钟表运动汽车美食首饰户外餐饮教医疗手机育保健大数据发现年长高端人群中，高保费客户与低保费客户在有关兴趣爱好也有较大差异年长高保费年长低保费关注什么？关注什么？文娱母婴旅游房产汽车生活汽车财经教育房产服务时尚健康收藏历史家电手机健康大数据发现客户购买后半年内是追加销售的最好时机加保概率8x%6x%4x%2x%0%最近一次购买距今间隔：年0.512345大数据发现客户购买的保险产品类别有一定的规律加保概率意外险购买次数与加保（保障类产品）概率的关系6x%4x%2x%0%购买次数01234+大数据发现普通和优秀代理人的明显差异(1)电商/媒体品类上的总体活跃度游戏信息品类上的活跃度54%2.8%32%1.6%普通代理人优秀代理人普通代理人优秀代理人大数据发现普通和优秀代理人的明显差异(2)社交帐号关注人数社交帐号粉丝人数151263155131普通代理人优秀代理人普通代理人优秀代理人目录CONTENTSPART1大数据助力洞察保险客户PART2大数据在保险行业创新与实践2.1保险营销实践2.1保险风控实践寿险准客户潜力评估：有限的营销资源投入到最有可能转化的目标客户预测客户转化概率基于准客户的海量行为数据，建立预测模型识别其开发潜力识别客户差异化需求客户大数据洞察客户兴趣、偏好，为不同客群制定差异化营销策略机器学习识别高价值客户通过外部大数据，识别高价值客户，全程个性化追踪让更多用户买（提升转化率）让用户买更多（提升客均价值）寿险准客户潜力评估：“准客潜力评估”能更精准匹配销售策略获得赠险名单基于名单属性和业务开展外呼传经验分配名单统模式大获得赠险名单数据匹配数据外部模大数据式•匹配海量数据建模分析4003503002502001501005000255075100•机器学习建模•模型打分、排序制定差异化开展外呼销售策略目标客户列表编号电话号码姓名住址185486643AXX街XX号297645756BXX街XX号359801486CXX街XX号421957216DXX街XX号559114637EXX街XX号696272059FXX街XX号760095245GXX街XX号857252087HXX街XX号954408928IXX街XX号1051565770JXX街XX号1148722611KXX街XX号1245879453LXX街XX号1343036294MXX街XX号1440193136NXX街XX号1537349977OXX街XX号1634506819PXX街XX号1731663661QXX街XX号•匹配名单和座席•匹配产品和话术寿险准客户潜力评估：如何识别高意向客户31~45岁的客户买保险的意愿更高赠险客户成交客户0.未知1.18~202.21~253.26~304.31~355.36~406.41~457.46~508.50+近12个月消费母婴用品、户外运动等的客户买保险的意愿更高赠险客户成交客户男性比女性买保险的意愿更高赠险客户成交客户0.未知1.男2.女近6个月申请过信用卡的客户保险的意愿更高赠险客户成交客户本地生活服装配饰母婴用品汽车用品通讯文化娱乐鞋运动户外未申请申请寿险准客户潜力评估：如何识别高意向客户客户价值越低的客户，越偏向于购买电销寿险赠险客户成交客户低价值高价值较高价值中价值较低价值寿险准客户潜力评估案例：“准客潜力评估”实际效果分析该机构针对新赠险客户进行潜力评估，从而模型分层效果对比（百产及转化率）：实现名单、座席、产品、话术的差异化匹配1.5X2.4XA类名单1X0.8X对照组C类名单B类名单A类名单B类名单整体提升效果对比（百产）：C类名单1.3倍对照组测试组（随机挑选）（模型排序）对照组测试组整体用户画像：全方位了解客户是开展一切精准营销的基础VS基于自有数据的用户画像结合大数据的用户画像用户画像：结合保险营销场景的全面画像户外出行寿险相关偏好关注健康关注养老投保对象偏好收入等级……为子女投保消费水平为配偶投保价值水平是否有房、车……是否企业高管……互联网渠道年龄人口属性渠道偏好银保渠道性别……地域教育是否大额入账……是否生小孩是否黑名单风险属性近期需求是否准备结婚违约记录是否准备出行征信评分兴趣爱好……关注品牌：iPhone……媒体偏好：财经新闻品类偏好：户外运动用户画像：大数据洞察不同类型客户画像标签“保障型”客户“储蓄型”客户“投资理财型”客户“高保费”客户•年轻的男性•不惑之年的男性•50岁以上的女性•不惑之年的男性•有婴幼儿子女一族•高价值、高消费•本地人•出生地与常住地是不同省•背井离乡•有房、有车•高价值与低价值•高价值、高消费•小微企业主•低消费水平•有车、有房•中价值、中消费•关注投资理财•关注户外出行、健康、•近期有大额入账医疗、教育及投资理财•关注互联网渠道的客户•关爱子女、配偶智能电销平台：基于大数据开展电销名单优化、分配、外呼全流程的效率提升名单优化名单分配名单外呼1.提升客户触达2.客户分群匹配3.座席分群4.智能外呼平台快速过滤空号，错号，黑针对客户和坐席进行合理分群，并进行最智能offer库名单等无效号码优匹配，提升销售成功率。智能识别客户语音及问题，并推大数据提升客户触达率个性化offer匹配荐适合话术语音识别语义分析A类座席B类座席智能推荐问题检索C类座席知识库训练智能弹屏D类座席智能电销平台：对客户进行进行分类，匹配坐席技能等级。提升名单产能123车险客户智能客户分群客户分类1客户分类2客户分类3最优化坐席匹配AI销售助手A类坐席B类坐席C类坐席(高产能)(中产能)(低产能)转化率高低智能电销平台：个性化Offer推荐建立大数据预测模型，综合考虑客户购买概率和预期成交收入，推荐最合适的Offer组合：车损险产险划痕险理赔管家大数据……深度学习客户意外险大数据分析交叉销售健康险基于客户的海量行为家财险数据，建立预测模型识别其购买概率……购买概率预期收入Offer推荐组合80%2000160060%3001800%3000……………75%50037520%100020010%10010……………闭环回馈训练模型智能电销平台：座席使用的个性化智能电销平台示意个性化话术推荐:财务分析:根据客户问题和交互过程智能分析客户选购Offer与其预推荐匹配话术测购买实力的差距个性化Offer推荐:基于客户的多维度行为数据，建立预测模型识别其开发潜力，推荐Offer购物车详情:列举客户当前选购的Offer详情目录CONTENTSPART1大数据助力洞察保险客户PART2大数据在保险行业创新与实践2.1保险营销实践2.1保险风控实践车险风险评分：大数据补充车险从人因子，更精准识别客户风险保险公司传统风险识别因子从车因素从人因素•车型基础信息•客户基础信息–车价、车龄、品牌、车辆类型、历–年龄、性别、投保年限、居住城史赔付记录……市、……•车辆详细信息–安全装置、底盘型号、驾驶支持装置、稳定度、灵活度、……Customerspackage%Distanceof'Energy'BrokersfromManchesterCentre30%53%25%24%52%25%51%20%%Customers50%Contributionas%ofWP16%15%49%48%10%10%7%47%46%5%4%4%4%2%2%45%0%44%0-56-1011-1516-2021-2526-3031-6061-100101-150150Distance(Miles)Contributionasa%ofWP•客户多维度信息–信用情况、人口统计情况、消费情况、阅读习惯、兴趣爱好、……大数据驱动下的风险识别因子•驾驶行为国外成熟保险市场中，客户信用分已经是车险风险定价的重要因子车险风险评分：车险赔付率模型识别准确性相比无模型提升3.3倍赔付金额提升曲线数据集类型Decile数据条数平均赔付金额提升度134,55455536234,55461840334,55475449434,55488057建模(35W)534,5541,04468634,5541,18177734,5541,40392834,5541,635107934,5542,2411461034,5545,003327114,84050934214,84069446314,84073449414,84087859验证(15W)514,8401,00167614,8401,17578714,8401,37692814,8401,618108914,8402,267151添加百融因子构建赔付金额模型，前10%提升约3.3倍1014,8404,721315寿险核保风险控制：核保环节识别高风险客户，降低公司损失保费收益人•长险短出工核保风控•带病投保审•销售误导退保核寿险盈亏线保单生命周期•保单生命周期初期发生的出险理赔，客户退保等行为给保险公司造成大量损失。•在前期核保环节，引入大数据风控管理，识别高风险保单，转由人工审核，降低风险寿险核保风险控制：从多个维度出发，设置规则识别高风险客户通用规则集根据保险行业通用经验经过检验的预置规则集，对于不同的业务场景，可以基于测试样本的测试效果，选择适用规则进行使用。客制化规则集保险机构还可以通过对具体应用场景和客群的特征分析，开发客制化规则并检验效果，择优选用。实名反欺诈规则集包括黑名单、法院被执行人等设备反欺诈规则集包括设备信息核查、设备特殊名单、设备多次申请、设备异常操作。反欺诈规则集授权验证规则集包括社保/公积金、运营商授权验证、信用评分、多头借贷等身份一致性验证规则集包括客户基本信息二要素，三要素，四要素验证。32寿险核保风险控制：利用先进方法构建核保欺诈风险评分模型金融机构自有数据01客户外部大数据03•设备信息异常•关系图谱•反欺诈规则•信息验真….深度学习NLP机器学习欺诈分集成学习神经网络关系图谱监测设备信息异常33谢谢