保险大数据创新与实践-百融金服

保险大数据创新与实践PART

1

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目录CONTENTS2.1保险营销实践2.2保险风控实践15%24%28%29%16%16%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15%32%17%23%14%个险

网销

电销各渠道客户收入等级10%

13%46%9%9%9%9%5%

3%-2%大数据发现寿险三个渠道的客户，消费偏好有差异母婴用品日用百货美食特产家用电器运动户外数码1%

2%

1%各渠道客户电商品类消费意向

个险

网销

电销-7%

-7%总体均值-1%-1%-1%-3%-2%7%买什么

？理财旅游母婴鞋

珠宝

看什么

？

首饰

看什么

？

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普通女性买什么？新闻历史社区母婴交友保险女性箱包家居

母婴财经教育游戏艺术钟表文学服饰理财汽车文娱数码手机

网游汽车数码手机电脑办公军事财经社区旅游新闻IT

军事

财经历史

新闻看什么

？看什么

？买什么

？买什么

？保险男性普通男性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他们的保费比平均人群高出2倍!L

大数据发现车主的保费比平均人群高出

2

倍车主总体保险客户爱消费的人保费比平均保险人群高出2倍！2L

大数据发现爱消费的人保费比平均人群高出

2

倍高消费较高消费

中消费较低消费低消费年轻低保费

关注什么？

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家居家电

理财母婴家纺关注什么？教

医疗手机育保健钟表运动首饰户外年轻高保费美食餐饮汽车数码日用汽车

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？时尚

健康

收藏

历史

家电

手机

健康关注什么？文娱母婴旅游房产汽车汽车财经教育房产服务生活8x%6x%4x%2x%0%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最近一次购买距今间隔：年

0.5

12

345意外险购买次数与加保加保概率6x%4x%2x%0%购买次数

01

234+大数据发现客户购买的保险产品类别有一定的规律（保障类产品）概率的关系电商/媒体品类上的总体活跃度54%游戏信息品类上的活跃度2.8%大数据发现普通和优秀代理人的明显差异(1)普通代理人

优秀代理人普通代理人

优秀代理人1.6%32%社交帐号关注人数151大数据发现普通和优秀代理人的明显差异(2)普通代理人

优秀代理人普通代理人优秀代理人社交帐号粉丝人数263155131PART

1

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目录CONTENTS2.1

保险营销实践2.1

保险风控实践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（提升转化率）让用户买更多（提

升客均价值）让更多用户买基于名单属性和业务获得赠险名单经验分配名单•

模型打分、排序获得赠险名单数据匹配外部

大数据•

匹配海量数据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建模分析4003503002502001501005000

25

50

75•

机器学习建模制定差异化

销售策略目标客户列表•

匹配名单和座席•

匹配产品和话术大数据模式传统模

式

1051565770JXX街

XX号

1148722611KXX

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号开展外呼开展外呼1245879453LXX街

XX号1343036294MXX

街

XX号1440193136NXX

街

XX号1537349977OXX

街

XX号1634506819PXX街

XX号1731663661QXX

街

XX号359801486CXX街

XX号编号电话号码

姓名住址185486643AXX街

XX号297645756BXX街

XX号100近6个月申请过信用卡的客户保险的意愿更高 赠险客户成交客户未申请申请近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男性比女性买保险的意愿更高w赠险客户n

成交客户0.未知1.男2.女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.

36~406.41~457.46~50

8.

50+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

赠险客户成交客户寿险准客户潜力评估：

如何识别高意向客户较高价值中价值较低价值低价值高价值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A类名单对照组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

测试组整体寿险准客户潜力评估案例：

“准客潜力评估”实际效果分析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：全方位了解客户是开展一切精准营销的基础……年龄

人口属性性别地域教育……是否黑名单

风险属性违约记录征信评分关注品牌：iPhone……媒体偏好：财经新闻品类偏好：户外运动寿险相关偏好投保对象偏好为子女投保为配偶投保……是否大额入账是否生小孩近期需求

是否准备结婚是否准备出行……兴趣爱好户外出行关注健康

关注养老……价值水平用户画像：结合保险营销场景的全面画像收入等级消费水平

是否有房、车

是否企业高管互联网渠道渠道偏好

银保渠道“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•近期有大额入账用户画像：大数据洞察不同类型客户画像标签2.客户分群

匹配

3.座席分群

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4.智能外呼平台

智能offer库

智能识别客户语音及问题，并推

荐适合话术1.提升客户触达

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名单优化

名单分配

名单外呼语音识别

语义分析A

类座席智能推荐知识库训练B类座席C类座席D类座席智能电销平台：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智能弹屏问题检索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B类坐席

(中产能)A类坐席

(高产能)C类坐席

(低产能)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123AI

销售助手转化率高低大数据

深度学习客户大数据分析

交叉销售基于客户的海量行为数据，建立预测模型识别其购买概率Offer

推荐组合16001800……375购买概率80%60%0%…75%20%10%…预期收入2000300300……500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：智能电销平台：个性化Offer推荐健康险车损险理赔管家意外险划痕险……家财险……200101000……100……闭环回馈训练模型产险个性化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PART

1

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目录CONTENTS2.1

保险营销实践2.1

保险风控实践•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、

…

…Distanceof'Energy'

Brokersfrom

ManchesterCentre30%53%52%•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从车因素从人因素–安全装置

、底盘型号、驾驶支持装–信用情况、

人口统计情况

、消费情

Distance(Miles)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况、阅读习惯、兴趣爱好、•客户多维度信息置、稳定度、灵活度、•车辆详细信息…………建模(35W)验证(15W)123456789101234567891034,55434,55434,55434,55434,55434,55434,55434,55434,55434,55414,84014,84014,84014,84014,84014,84014,84014,84014,84014,8405556187548801,0441,1811,4031,6352,2415,0035096947348781,0011,1751,3761,6182,2674,7213640495768779210714632734464959677892108151315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