以保险为本，用科技赋能 ——浅谈保险科技应用的几点建议

原标题：以保险为本，用科技赋能 ——浅谈保险科技应用的几点建议

引言：保险科技落地应用，理想很丰满，然而现实很骨感。虽然目前保险科技在转化为保险生产力的过程中还存在许多困难，但我们仍然应坚信保险科技发展的前景是非常广阔的。同时，坚持以保险为本，科技赋能才是保险科技发展的正道。

复旦大学保险研究所所长徐文虎对保险科技下的定义是：保险科技首先是科技，其次才是保险。它以包括区块链、人工智能、大数据、云计算、物联网等在内的科技为核心，围绕保险的方方面面进行表现，广泛用于产品创新、保险营销和保险公司内部管理等方面，通过创建新的平台，运用新的技术服务保险消费者。

（一）

对保险科技应用的预期

根据中国保险行业协会和麦肯锡联合发布的《2017中国互联网保险行业发展报告》：大数据、人工智能、区块链、云计算、物联网、互联网与移动技术、虚拟现实(VR)以及基因诊疗等技术将是未来改变保险行业的八大核心技术。基于这八大核心技术，麦肯锡分析过每项技术在保险行业中的应用机遇（见图1）。

图1：推进保险行业创新发展的八大科技

（二）实际应用情况

尽管人们对保险科技应用的期望是很高的。但近年来保险科技往往更多地停留于概念层面，真正落地的较少。对比麦肯锡提出的保险科技将在八大领域大展身手的预判，笔者分析认为，近年来保险科技的落地应用主要集中在互联网保险、大数据与人工智能三个方面。

01.互联网保险

自2014年起，人们开始探索互联网保险，目前已经不乏成功案例。例如众安通过互联网渠道打响了尊享e生这个产品，随后百万医疗就逐渐成为了很多年轻人的第一份保险。再如轻松筹、水滴筹等通过筹款、互助的模式，打开了下沉市场的保险大门，为更多人提供保障。即使通过互联网流量平台通过赠险获客，也与多年前的传统保险做法大不一样。而且，互联网保险公司发展迅速，众安在线2019中期业绩报告显示，该公司于今年上半年首次实现整体盈利。这也是互联网保险发展史上的一大里程碑。

02.大数据与人工智能

除互联网保险外，大数据和人工智能也已逐步落地应用。而且，从前端的销售到后台的客户服务都已建立了落地场景（见图2）。如在销售端，数字化广告是最好的例子。基于终端用户的互联网行为大数据，保险公司可在流量平台上选取目标人群的相应标签，以最低的成本将保险产品精确地向他们投放。在承保定价端，车险公司通过引入“从人因子”（如信用分）来辅助原来基于“从车因子”的定价模型，更精准地识别出险概率。在理赔和客服端，平安、泰康、国泰等保险公司也开始引入AI来提升效率。据国泰产险相关负责人介绍，该公司在食品安全责任险的理赔流程中运用了智能图像识别技术，由机器人去识别客户上传照片中细小的异物，9个小时可以识别5000多张照片，是人工操作远远无法达到的。

图2：保险价值链上的大数据应用

（一）多数保险科技的应用仍停留于概念

为何预期与现实存在差距，笔者认为主要有两方面原因。一是，虽然目前保险科技取得了一些成果，但与期望还有显著差距。如前文所述，八大核心技术的诸多应用机遇中，在未来一段时间内大多数仍将停留在概念阶段。如车联网技术的落地，尚未解决谁来为OBD（On-Board Diagnostics车载自诊断系统）买单的问题。再如，虚拟现实技术的应用，也还未找到可以形成一定规模的商业模式。

（二）已落地保险科技在应用过程中面临诸多问题

即便是那些已取得一定进展的保险科技，如互联网保险、大数据与人工智能等，在落地过程中仍然面临诸多问题。目前，仅有屈指可数的几家保险公司能从中盈利。下面通过几个案例来说明保险科技落地遇到的典型问题。

01.互联网保险获客效率越来越低

目前，互联网流量平台赠险转化模式的运行已难以为继。由于产能日益低下，某寿险公司已砍掉了70%左右的赠险渠道、互联网垂直平台，并与另外几个渠道合作，直接在平台上投放产品介绍，锁定有兴趣的客户，再由电销跟进。试点几个月后，依然发现所获取的客户数量大大低于预期，并造成了成本不可控制、电销人员闲置等问题。

02.大数据产品打造过程中保险公司与数据公司配合不够

某产险公司有意运用大数据技术为自己的客户进行360度画像，并打上保险倾向分，以便更好地挖掘用户价值。他们将试点模式定为：在车险续保时让电销坐席搭售健康险或意外险。数据部门牵头引入了三方数据及健康险和意外险的购买倾向模型，并告诉电销坐席倾向分越高代表越需要去搭售。但实际使用的效果不理想，客户转化率极低，严重打击了坐席销售的积极性。事后复盘发现，由于该产险公司无法向第三方大数据公司提供以往足够的健康险、意外险成交、未成交数据样本，导致大数据公司只能用其他保险公司的样本数据来训练倾向模型，造成该模型与这家产险公司的实际客户数据不符，并最终导致模型的销售倾向预测准确率极低。

03.客户对简单的人工智能应用接受度低

某产险公司欲通过人工智能手段来辅助达成车险续保，降低人工成本。公司原以为有意前来续保的对象都是现有客户，因此利用人工智能与其进行交流没有问题，如果客户愿意续保的话，后续就无需用人工坐席进行跟进了。为此，他们录制了一个30秒的人工智能语音并训练了一些自动交互的话术。然而，测试结果并不理想。当客户识别出电话另一端是机器人时，大部分人选择挂断电话。整个过程中并没有达到减少坐席工作量的目的。

在上面的3个例子可以看出，每家保险公司一开始都有着很高的期望，而实际效果却不尽如人意。

（一）几个保险科技应用的成功案例

01.互联网保险获客

近几年来，人们对保险的接受程度有所提升，从之前的“比较抵触”到现在的“隐隐约约觉得需要保险，但不知道什么适合自己、该买什么”。觉察到这种客户需求的微妙变化，蜗牛保险平台重新设计了互联网保险的模式。首先，他们在抖音、快手这些年轻人喜欢用的新媒体上投放广告。用户在看到广告后可以选择添加蜗牛保险的客服微信号获取免费的有关保险的介绍课程。有需要的用户还可以付费购买一对一的课程，以便更深入地了解自己需要什么样的保险产品并选择购买。与之前简单粗暴的赠险加电销跟进的模式相比，蜗牛保险的模式更贴近人性。毕竟，用户对保险的需求需要有一个培养的过程。如果一开始就是一个产品介绍加预约客服，那么会去预约的人一定非常少。因为用户只是有“隐隐约约”的需求。在保险获客方面，链路长是一件好事。据了解，关注蜗牛保险公众号客户的长期重疾险的转化率达15%。

02.大数据模型筛选

同样是健康险购买倾向分模型，某财险公司和一家大数据公司合作，保险公司把正负样本提供给大数据公司，并指定业务和数据人员与大数据公司联合建模。在标签的筛选上，除大数据公司已有的标签外，保险公司基于自己对业务的理解，从上至下指定了一些可能需要的标签，由大数据公司从底层数据直接加工。事实证明，这些通过业务逻辑判断出来的标签在模型中都是非常有用的。另外，保险公司在话术上也花了很大的功夫，通过一步步引导客户来挖掘需求。因为他们知道，保险和一般的消费品不一样，大都数人并不觉得是一个必需品，销售链路特别长。同时，数据本身并不能直接识别出哪些人就有购买的需求，它只能识别出哪些人群有可能被一点点转化，哪些人群会非常困难。所以，怎么去引导那些可能被转化的人群，是在有了一个好的模型后保险公司需要去做的事情。

03.人工智能保险顾问

人工智能保险顾问技术，在用于向那些对保险感兴趣的客户推荐产品时的效果比较理想。一些保险公司的智能保险顾问产品已被投放到多个流量平台，取得了不俗的效果。对保险有兴趣的用户通过回答几个简单的问题，AI就可初步为其定制出所需要的保险。如果需要更详细的咨询服务，后续还可由保险公司人员提供跟进服务。数据证明，通过智能保险顾问获取的用户，后期转化的用户数约3至4倍于普通赠险获取的用户数。

（二）对保险科技应用的几点建议

从上述的案例分析中不难发现，要利用好保险科技有很多关键因素。在此，笔者提出如下几点：

01.做好保险场景与技术的匹配

提到保险科技，大家往往会觉得可做的事很多。然而，可投入的资源总是有限的，因此必须找准最能见效果的领域进行重点发力。这就要求决策者必须对保险业务场景有深入理解，同时还要有能力去选取最为匹配的保险科技，以使最终确定具体的应用方式。如前所述，在目前阶段的AI可能更适用于智能保险顾问，而不是同质化产品的销售。

02.保险是本，科技为辅

不能因对科技的过度依赖，而忘了保险的本质。科技是辅助于保险的，并不占据主导地位。笔者其实并不同意上文提到的“保险科技首先是科技，其次才是保险”的说法。比如前面案例中提到的数据模型不能直接识别出哪些人会购买保险，最多只能识别出哪些人在合适的场景下更有可能被转化。而如何转化，这仍是保险业范畴内的事情。因此，要懂得保险的本质，同时利用科技来赋能，才能实现最佳效果。

03.用符合逻辑的方法运用技术

同样的场景、技术和数据，用不同的方式运用效果也会完全不同。例如，有些数据公司用简单粗暴的逻辑，通过监测到用户手机上是否安装了携程这样的APP来得出用户是否会经常去旅游。然而，携程只是一个大众APP，在无法得知用户在携程APP里面操作的内容或者APP打开频率的时候，仅凭是否安装是不能判断出任何事情的。而另一家数据公司通过定位数据，看用户是否经常出现在不同的城市，还通过时间（比如周末或节假日）来判断用户是出差还是旅游。这种做法就相对要更精准一些。

04.与在某领域具有最佳资质的科技公司长期合作

保险公司都会有自己的局限性，可能在某方面不具备最好的技术能力，也拿不出足够丰富的客户数据和数据标签。因此，保险公司必须与科技公司合作。在选取合作伙伴时，保险公司一开始可以多尝试几家，在尝试之后再适当地选择进行一些深度合作。保险公司需要知道，目前的保险科技还是处于初步发展的阶段，没有完全成熟的产品。只有长期合作不断迭代，才能从中获取最大的价值。

作者：

严涵品：同盾科技保险事业部营销类产品及数据分析团队高级专家

陈蕾：同盾科技副总裁，保险事业部总负责人，前麦肯锡全球董事合伙人

返回搜狐，查看更多

责任编辑：