百融金服保险大数据创新与实践-2017.11-34页（PDF35页）

保险大数据创新与实践2017年11月目录CONTENTSPART1大数据助力洞察保险客户2.1保险营销实践2.2保险风控实践PART2大数据在保险行业创新与实践3大数据发现寿险三个渠道的客户，价值存在明显差异数据源：百融金服保险客户数据分析平台14%16%46%23%16%28%17%29%13%32%24%10%15%15%3%个险网销电销高端较高端中端较低端低端各渠道客户收入等级4数据源：百融金服保险客户数据分析平台7%1%-1%-1%-2%-7%-3%2%9%1%9%5%3%9%-2%9%-1%-7%个险网销电销各渠道客户电商品类消费意向母婴用品日用百货美食特产家用电器运动户外数码总体均值大数据发现寿险三个渠道的客户，消费偏好有差异5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理财旅游母婴鞋珠宝新闻历史社区母婴交友买什么？看什么？普通女性服饰钟表首饰箱包家居母婴财经教育文学艺术游戏社区买什么？看什么？*买什么：电商消费品类TOP5;看什么：媒体阅览品类TOP56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理财汽车文娱数码手机军事财经社区旅游新闻买什么？看什么？普通男性网游汽车数码手机电脑办公IT军事财经历史新闻买什么？看什么？7车主总体保险客户他们的保费比平均人群高出2倍!大数据发现车主的保费比平均人群高出2倍8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！高消费较高消费中消费较低消费低消费2X9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家电家居家纺理财母婴数码关注什么？年轻低保费教育医疗保健汽车美食餐饮关注什么？日用百货汽车钟表首饰运动户外手机10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文娱母婴收藏汽车房产时尚健康旅游历史关注什么？年长低保费汽车家电手机房产生活服务健康教育关注什么？财经110%2%4%6%8%0.512345最近一次购买距今间隔：年加保概率6x%4x%2x%8x%大数据发现客户购买后半年内是追加销售的最好时机12意外险购买次数与加保（保障类产品）概率的关系加保概率0%2%4%6%01234+购买次数6x%4x%2x%0%大数据发现客户购买的保险产品类别有一定的规律132.8%1.6%普通代理人优秀代理人游戏信息品类上的活跃度32%54%普通代理人优秀代理人电商/媒体品类上的总体活跃度大数据发现普通和优秀代理人的明显差异(1)14155263普通代理人优秀代理人社交帐号粉丝人数131151普通代理人优秀代理人社交帐号关注人数大数据发现普通和优秀代理人的明显差异(2)目录CONTENTSPART1大数据助力洞察保险客户2.1保险营销实践PART2大数据在保险行业创新与实践2.1保险风控实践16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让更多用户买（提升转化率）让用户买更多（提升客均价值）通过外部大数据，识别高价值客户，全程个性化追踪洞察客户兴趣、偏好，为不同客群制定差异化营销策略识别高价值客户识别客户差异化需求客户大数据机器学习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17传统模式开展外呼获得赠险名单基于名单属性和业务经验分配名单大数据模式获得赠险名单开展外呼外部大数据数据匹配建模分析0501001502002503003504000255075100制定差异化销售策略•匹配海量数据•机器学习建模•模型打分、排序•匹配名单和座席•匹配产品和话术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号目标客户列表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18寿险准客户潜力评估：如何识别高意向客户0.未知1.18~202.21~253.26~304.31~355.36~406.41~457.46~508.50+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.男2.女男性比女性买保险的意愿更高赠险客户成交客户未申请申请近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19寿险准客户潜力评估：如何识别高意向客户ABCDE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高价值较高价值中价值较低价值低价值20寿险准客户潜力评估案例：“准客潜力评估”实际效果分析A类名单B类名单C类名单测试组（模型排序）对照组（随机挑选）对照组C类名单B类名单A类名单对照组测试组整体模型分层效果对比（百产及转化率）：整体提升效果对比（百产）：该机构针对新赠险客户进行潜力评估，从而实现名单、座席、产品、话术的差异化匹配1X0.8X2.4X1.5X1.3倍21用户画像：全方位了解客户是开展一切精准营销的基础基于自有数据的用户画像结合大数据的用户画像VS22用户画像：结合保险营销场景的全面画像人口属性风险属性近期需求价值水平年龄性别地域教育……关注品牌：iPhone媒体偏好：财经新闻品类偏好：户外运动……互联网渠道银保渠道……是否大额入账是否生小孩是否准备结婚是否准备出行……投保对象偏好为子女投保为配偶投保……户外出行关注健康关注养老……寿险相关偏好渠道偏好是否黑名单违约记录征信评分……兴趣爱好收入等级消费水平是否有房、车是否企业高管……23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•有婴幼儿子女一族•背井离乡•小微企业主•中价值、中消费•关注户外出行、健康、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•不惑之年的男性•高价值、高消费•有房、有车•50岁以上的女性•本地人•高价值与低价值•低消费水平•不惑之年的男性•出生地与常住地是不同省•高价值、高消费•有车、有房•关注投资理财•近期有大额入账智能电销平台：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A类座席C类座席D类座席B类座席名单优化名单分配名单外呼语音识别语义分析智能推荐知识库训练问题检索智能弹屏1.提升客户触达3.座席分群4.智能外呼平台2.客户分群匹配快速过滤空号，错号，黑名单等无效号码大数据提升客户触达率针对客户和坐席进行合理分群，并进行最优匹配，提升销售成功率。个性化offer匹配智能offer库智能识别客户语音及问题，并推荐适合话术智能电销平台：对客户进行进行分类，匹配坐席技能等级。提升名单产能123智能客户分群最优化坐席匹配AI销售助手客户分类1客户分类2客户分类3A类坐席(高产能)B类坐席(中产能)C类坐席(低产能)转化率高低车险客户智能电销平台：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：购买概率预期收入Offer推荐组合大数据深度学习产险交叉销售客户基于客户的海量行为数据，建立预测模型识别其购买概率车损险划痕险理赔管家……意外险健康险家财险……大数据分析80%60%0%…2000300300……16001800……75%20%10%…5001000100……37520010……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:根据客户问题和交互过程智能推荐匹配话术财务分析:分析客户选购Offer与其预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2.1保险营销实践PART2大数据在保险行业创新与实践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从车因素从人因素保险公司传统风险识别因子大数据驱动下的风险识别因子Distanceof'Energy'BrokersfromManchesterCentre2%4%4%7%2%4%25%24%10%16%0%5%10%15%20%25%30%0-56-1011-1516-2021-2526-3031-6061-100101-150150Distance(Miles)%packageCustomers44%45%46%47%48%49%50%51%52%53%Contributionasa%ofWP%CustomersContributionas%ofWP•车型基础信息–车价、车龄、品牌、车辆类型、历史赔付记录……•客户基础信息–年龄、性别、投保年限、居住城市、……•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、……•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、……•驾驶行为–里程/速度/急刹/急转等行车数据、行驶道路环境、违章记录、保养记录、……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倍数据集类型Decile数据条数平均赔付金额提升度建模(35W)134,55455536234,55461840334,55475449434,55488057534,5541,04468634,5541,18177734,5541,40392834,5541,635107934,5542,2411461034,5545,003327验证(15W)114,84050934214,84069446314,84073449414,84087859514,8401,00167614,8401,17578714,8401,37692814,8401,618108914,8402,2671511014,8404,721315赔付金额提升曲线添加百融因子构建赔付金额模型，前10%提升约3.3倍31寿险盈亏线保单生命周期保费收益寿险核保风险控制：核保环节识别高风险客户，降低公司损失•长险短出•带病投保•销售误导退保•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，降低风险人工审核核保风控32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。通用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。客制化规则集包括黑名单、法院被执行人等实名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。设备反欺诈规则集包括社保/公积金、运营商授权验证、信用评分、多头借贷等授权验证规则集反欺诈规则集包括客户基本信息二要素，三要素，四要素验证。身份一致性验证规则集33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关系图谱监测0103客户外部大数据欺诈分金融机构自有数据机器学习深度学习•设备信息异常•关系图谱•反欺诈规则•信息验真….集成学习神经网络NLP设备信息异常谢谢