人身保险大数据精准营销的前景展望

全文总计 4396 字,阅读时间 11 分钟,快速浏览仅需 3 分钟。

内容摘要:随着中产阶级的崛起,中国保险行业逐步发展起来,人们通过互联网可以获得便捷的资讯、选品、产品比价、购买等服务,然而由于购买人身保险的需求具有潜在性,人们购买人身保险的主动性相对较低,线下人员在不同渠道的介入,全程跟踪协助用户投保以及其他的后续服务都起着重要作用。

GB/T 7714-2015 格式引文:[1].人身保险大数据精准营销的前景展望.[J]或者报纸[N].中国保险,(20187)

正文内容

  随着中产阶级的崛起,中国保险行业逐步发展起来,人们通过互联网可以获得便捷的资讯、选品、产品比价、购买等服务,然而由于购买人身保险的需求具有潜在性,人们购买人身保险的主动性相对较低,线下人员在不同渠道的介入,全程跟踪协助用户投保以及其他的后续服务都起着重要作用。

  O2O模式或将成为人身保险营销的趋势

  在整体产业链效率存在瓶颈、技术创新有待持续优化的情况下,互联网保险和线下代理模式是两种渠道,对应着不同的发展方向。随着科技的发展,人们对保险理念及需求的提升,互联网保险和线下代理模式不再是取代与被取代的关系,而是相互融合、相互补充的关系。线上线下(O2O)相结合的模式是一种创新的商业模式,是对保险行业从承保、理赔、系统支持、客户服务等全方位运营体系的完善。相对于财产险而言,O2O模式更加适合人身保险业务。一方面,产品、服务、综合开拓都可以依托“互联网+”,另一方面,利用线下队伍可以为客户面对面提供更好、更优质的服务。

  O2O主要有“Offline to Online”(线下营销到线上交易)和“Online to Offline”(线上锁定到线下营销交易)两种模式。“线下营销到线上交易”是利用线下资源,为客户提供金融保险服务,发掘意向客户,最终将其引导至网络/电话销售投保。而“线上锁定到线下营销交易”则是通过线上网络平台对客户进行行为分析,精准筛选有购买意向的客户,转由电话坐席/线下队伍进行营销跟进。随着科技的不断发展,人们的保险意识逐年提升,借助于互联网平台可解决信息不对称或销售误导的痛点,O2O模式特别是“线上锁定到线下营销交易”模式将成为推动价值保费成长的重要方式。

  人身保险的大数据精准营销的发展方向

  一、新用户精准获取

  通过对内部和外部数据的综合利用,收集客户个人属性、客户线上浏览偏好、线下活动轨迹、身体健康风险、其他金融偏好等方面的信息,对客户进行多维度、立体化的分析,尽最大可能做到既了解客户的消费行为与消费能力,还能预测客户的消费需求和倾向,使得营销方案有效对接新客户的潜在意向,实现互联网平台、线下代理人以及各大销售渠道的全面管理、统一支持。此外,还可以根据客户的消费习惯及各渠道的特点配置相应的销售渠道,精准地选择营销渠道进行触达。

  二、准客户转化

  经验表明,准客户的转化成本远低于获新客的成本,但由于保险公司对于准客户的信息掌握较少,分析手段也比较有限,因此往往无法对准客户进行有效转化。如今利用大数据技术,可以有效提升营销时机的精准性,真正形成“大数据分析配合人工针对性服务”的模式,人工服务只在客户真正需要的时候为客户带来针对性的解决方案,而不是“简单粗暴”的服务营销模式,才能让准客户感受到意外险、旅游险等极短期保险的实惠,并促进健康险、年金险等长期产品的转化。

  三、存量客户加保

  大数据技术能帮助保险公司细分并洞察现有客户,精准了解其关键需求,建立预测模型,开展加保和交叉销售,使客户价值最大化。借助数据平台的帮助,保险公司可以了解已有客户的互联网行为偏好,并由此提供有针对性的精准营销。例如,如果客户比较关注母婴用品,就可以向客户推销少儿重疾险等针对儿童的保险产品;如果客户资产水平良好,并且经常关注财经、理财等方面的媒体,则可以向客户推销理财型保险产品。

  四、预防客户流失

  在实际业务中,保险公司往往缺少对于减少客户流失管理的动机,借助大数据技术可以有效地预防客户流失。具体来说,大数据技术可以帮助保险公司根据保单险种信息、销售人员信息、销售人员与投保人关系、投保人经济能力、健康状况等各种类型数据建模,筛选出影响客户退保的关键因素,并对业务进行调整。大数据技术还可以帮助保险公司利用回归算法建立续收风险预测模型,或者舆情监控,将存量客户按照其潜在退保率进行分类,将可能流失的客户定位出来,寻找客户不满意的原因,加以改进,及时公关,挽回即将流失的客户。

  五、大健康领域

  在健康险中,风险控制是世界性难题,医疗费用上涨、过度医疗、保险欺诈等都阻碍着健康保险的持续发展,各家公司都在研究“保险+健康服务”的模式作为新的业务增长点。借助智能硬件设备可以实时观测计步、心率、久坐、睡眠等各种数据,并通过日常计步、心率监测、睡眠质量监测、久坐提醒、实时运动数据跟踪等功能做到全天候健康管理,从而不断对个人的健康状况进行预测和改变,最终将健康服务和健康保险捆绑成一体,构建“线上线下一体化的生态圈”,形成健康管理、保险和医疗的良性互动,真正使人身保险的大数据精准营销轻而易举。

  大数据精准营销的落地

  一、标签体系构建

  通过选取不同数据维度对客户标签进行划分,为客户画像的构建提供结构化分析思路,同时避免产生无用数据干扰分析过程,为业务需求的实现与战略目标的落地提供有效支撑。

  首先,对客户标签进行主题划分,采用化零为整、逐层深入的方式将客户特征进行归并,使用直观、描述性思维分解客户属性,归纳标签主题。根据标签内容反映的主体信息,标签主题可以划分为四大主题,分别是:客户情况、产品持有、客户互动和客户管理。

  其次,根据不同的客户画像标签的数据来源(企业内部或外部数据)是否可直接用于标签内容的描述或者加工与再加工过程,将客户标签划分为:客观事实类标签、统计分析类标签、评价预测类标签。

  最后,根据客户标签属性随时间推移的变动状态,可将标签划分为静态标签和动态标签。静态标签是指属性和内容几乎不随时间发生变动的标签,例如性别、婚姻状态、学历等基本人口轮廓信息。借助对静态标签定性化等手段,为客户群体划分提供初步分析路径。动态标签,指属性内容随时间经常发生变动的标签,例如购买产品的渠道偏好、持有产品数量特征等。动态标签可监控标签数据的变化情况,借助设置监控点等方式,识别客户对关键产品与交易的反馈与行为变动特征,保持客户画像新鲜度,支持其应用的有效性。

  以上三种方案其实并不是完全独立的,它们之间有交叉重合的部分。理想的客户标签体系应该能满足这样几个条件:客观、独立、全面。客观指不受标签应用场景、应用目的的影响;独立指标签相互不依赖、不重合;全面是指能够覆盖企业主要的业务需求。但由于工期、费用、业务范围等种种难以突破的限制,很难做到绝对的客观、独立和全面。面对操作过程中的困难,我们可以采用螺旋式的、“业务—数据”双驱动的建设方法,逐步完成客户标签库体系的建设。

  二、客户画像的实现步骤

  企业构建客户画像是为了达到不同目标,例如“了解客户需求”“进行精准营销”“提高产品服务质量”“提升客户体验”等。客户画像的构建也会由于目标不同而有所区别。

  客户画像所需数据按来源可以划分为内部数据和外部数据,通过大数据相关技术,对企业内部文本、音频等非结构化数据进行转换和处理,并与传统结构化数据相融合,对客户进行深入探索和认知。外部数据种类丰富,需要企业明确业务需求,寻找与之相匹配的数据,将其与企业内部数据相融合,最大化挖掘数据的应用价值。

  找到合适的数据源并完成搜集整理之后,就可以对数据进行分析、建模并生成相应的标签。数据情况和构建标签体系所需要的数据之间会存在一定的差距,主要有以下三种情况:一部分数据可以满足标签数据需求;一部分数据因为质量、内容等方面因素不能提取出所要的标签;一部分数据可以提取出所要标签体系之外的标签。对于提取标签所缺少或者无法提取出所需标签的数据,需要由线下人员跟进进行补充和完善,或者通过外部数据进行补充。对于可以提取出标签体系之外的标签的数据,可以添加到标签体系中,用于分析挖掘客户的其他需求。数据分析处理之后,进行标签化。

  得到标签之后就可以构建应用于业务场景的客户画像。在进行客户画像应用之前,要检查得到的客户画像是否达到了预期目标。如果达到了预期目标,就可以进入下一步应用环节;如果没有达到,就要分析原因所在以及相应的解决办法。对于得到浅层画像的用户,我们无法据此做出差别化营销,只能根据基本标签进行全面的产品推广,并根据客户相应情况再进一步开展客户画像以及跟进的精准营销。得到了中层画像的客户,可以进行有针对性的产品营销,并向线下人员下发名单并进一步分析跟进。与此同时,所有的客户响应情况、反馈情况都要记录到数据系统中,用于标签维护更新。对于各类数据都非常齐全的客户,我们可以得到深层画像,除了可以进行有针对性的营销产品之外,还可以结合其需求推荐个性化的保险产品,提高响应率和成功率。

  在实际应用过程中,我们会发现各种各样的数据质量问题导致客户画像体系的不完整。其实数据不完整、不可用等质量问题一直存在,只是到了大数据时代,当借助大数据完善传统结构化数据时,发现这个问题并没有缓解,反而被放大。针对这样的数据,首先应确认数据源的可信程度,然后根据排列数据优先级,再可以借助相关数据相互纠正,提高容错能力。最后定位关键数据的数据质量问题,并制定相应的解决计划和解决方案,逐步解决。通过对数据使用频率的统计,将数据分类管理,制定不同的管理政策,有利于数据质量的提升和数据的有效应用。

  三、基于大数据精准营销的平台搭建

  要真正实现大数据精准营销,需要跨越不同部门、产品和渠道来跟踪或预见客户体验,必须经过缜密的设计、构思与执行,其中大致分为四大阶段:确立目标、搭建平台、建立模型、落地实施。

  确立目标:实现“客户利益”最大化与“效率跟进”。客户利益主要关注客户满意度的潜在提升空间、当前精准营销方面与客户期待之间的差距;效率改进的重点是淘汰冗余和不必要的程序来提升销售成功率。在检验这些评估结果之后,可以建立一个兼顾客户利益和效率改进的优先处理模式,作为推动大数据精准营销的基础。这个过程中,需要将客户使用频率高的重点环节、客户预期与公司服务交付水平差距大的“痛点”环节进行可视化识别,使后续工作有的放矢。

  搭建平台:平台需要关注客户“全渠道”体验,应该在所有渠道实现客户体验的一致性,例如:代理人要使用与客户相同的工具从而与客户保持同样的视角。与此同时,平台还需要加强数字化基础设施建设,确保通过数字化交互保证客户体验全流程的顺畅,例如提供一键联系、客户服务专人对接等功能。

  建立模型:大数据精准营销模型涉及将深层次的人类学研究融入客户的数字化应用和行为,并运用敏捷方法进行概念和原型开发。经过多次迭代,结合其间穿插的客户和线下人员的反馈,便可生成模型的最终版本。

  落地实施:保险公司需要通过试点对大数据精准推送进行检验,通常先选择1~2个产品及客户标签,在尽可能短的时间内制作出一个具备预期必要功能和特点的大数据精准推送模型,在部分地区及客户中实施,进而验证模型的合理性,获取线下人员和客户的反馈,并进行后续调整优化,再逐步推进其他客户的大数据精准营销。

推荐10篇