原標題：以保險為本，用科技賦能 ——淺談保險科技應用的幾點建議

引言：保險科技落地應用，理想很豐滿，然而現實很骨感。雖然目前保險科技在轉化為保險生產力的過程中還存在許多困難，但我們仍然應堅信保險科技發展的前景是非常廣闊的。同時，堅持以保險為本，科技賦能才是保險科技發展的正道。

復旦大學保險研究所所長徐文虎對保險科技下的定義是：保險科技首先是科技，其次才是保險。它以包括區塊鏈、人工智能、大數據、云計算、物聯網等在內的科技為核心，圍繞保險的方方面面進行表現，廣泛用于產品創新、保險營銷和保險公司內部管理等方面，通過創建新的平臺，運用新的技術服務保險消費者。

（一）

對保險科技應用的預期

根據中國保險行業協會和麥肯錫聯合發布的《2017中國互聯網保險行業發展報告》：大數據、人工智能、區塊鏈、云計算、物聯網、互聯網與移動技術、虛擬現實(VR)以及基因診療等技術將是未來改變保險行業的八大核心技術。基于這八大核心技術，麥肯錫分析過每項技術在保險行業中的應用機遇（見圖1）。

圖1：推進保險行業創新發展的八大科技

（二）實際應用情況

盡管人們對保險科技應用的期望是很高的。但近年來保險科技往往更多地停留于概念層面，真正落地的較少。對比麥肯錫提出的保險科技將在八大領域大展身手的預判，筆者分析認為，近年來保險科技的落地應用主要集中在互聯網保險、大數據與人工智能三個方面。

01.互聯網保險

自2014年起，人們開始探索互聯網保險，目前已經不乏成功案例。例如眾安通過互聯網渠道打響了尊享e生這個產品，隨后百萬醫療就逐漸成為了很多年輕人的第一份保險。再如輕松籌、水滴籌等通過籌款、互助的模式，打開了下沉市場的保險大門，為更多人提供保障。即使通過互聯網流量平臺通過贈險獲客，也與多年前的傳統保險做法大不一樣。而且，互聯網保險公司發展迅速，眾安在線2019中期業績報告顯示，該公司于今年上半年首次實現整體盈利。這也是互聯網保險發展史上的一大里程碑。

02.大數據與人工智能

除互聯網保險外，大數據和人工智能也已逐步落地應用。而且，從前端的銷售到后臺的客戶服務都已建立了落地場景（見圖2）。如在銷售端，數字化廣告是最好的例子。基于終端用戶的互聯網行為大數據，保險公司可在流量平臺上選取目標人群的相應標簽，以最低的成本將保險產品精確地向他們投放。在承保定價端，車險公司通過引入“從人因子”（如信用分）來輔助原來基于“從車因子”的定價模型，更精準地識別出險概率。在理賠和客服端，平安、泰康、國泰等保險公司也開始引入AI來提升效率。據國泰產險相關負責人介紹，該公司在食品安全責任險的理賠流程中運用了智能圖像識別技術，由機器人去識別客戶上傳照片中細小的異物，9個小時可以識別5000多張照片，是人工操作遠遠無法達到的。

圖2：保險價值鏈上的大數據應用

（一）多數保險科技的應用仍停留于概念

為何預期與現實存在差距，筆者認為主要有兩方面原因。一是，雖然目前保險科技取得了一些成果，但與期望還有顯著差距。如前文所述，八大核心技術的諸多應用機遇中，在未來一段時間內大多數仍將停留在概念階段。如車聯網技術的落地，尚未解決誰來為OBD（On-Board Diagnostics車載自診斷系統）買單的問題。再如，虛擬現實技術的應用，也還未找到可以形成一定規模的商業模式。

（二）已落地保險科技在應用過程中面臨諸多問題

即便是那些已取得一定進展的保險科技，如互聯網保險、大數據與人工智能等，在落地過程中仍然面臨諸多問題。目前，僅有屈指可數的幾家保險公司能從中盈利。下面通過幾個案例來說明保險科技落地遇到的典型問題。

01.互聯網保險獲客效率越來越低

目前，互聯網流量平臺贈險轉化模式的運行已難以為繼。由于產能日益低下，某壽險公司已砍掉了70%左右的贈險渠道、互聯網垂直平臺，并與另外幾個渠道合作，直接在平臺上投放產品介紹，鎖定有興趣的客戶，再由電銷跟進。試點幾個月后，依然發現所獲取的客戶數量大大低于預期，并造成了成本不可控制、電銷人員閑置等問題。

02.大數據產品打造過程中保險公司與數據公司配合不夠

某產險公司有意運用大數據技術為自己的客戶進行360度畫像，并打上保險傾向分，以便更好地挖掘用戶價值。他們將試點模式定為：在車險續保時讓電銷坐席搭售健康險或意外險。數據部門牽頭引入了三方數據及健康險和意外險的購買傾向模型，并告訴電銷坐席傾向分越高代表越需要去搭售。但實際使用的效果不理想，客戶轉化率極低，嚴重打擊了坐席銷售的積極性。事后復盤發現，由于該產險公司無法向第三方大數據公司提供以往足夠的健康險、意外險成交、未成交數據樣本，導致大數據公司只能用其他保險公司的樣本數據來訓練傾向模型，造成該模型與這家產險公司的實際客戶數據不符，并最終導致模型的銷售傾向預測準確率極低。

03.客戶對簡單的人工智能應用接受度低

某產險公司欲通過人工智能手段來輔助達成車險續保，降低人工成本。公司原以為有意前來續保的對象都是現有客戶，因此利用人工智能與其進行交流沒有問題，如果客戶愿意續保的話，后續就無需用人工坐席進行跟進了。為此，他們錄制了一個30秒的人工智能語音并訓練了一些自動交互的話術。然而，測試結果并不理想。當客戶識別出電話另一端是機器人時，大部分人選擇掛斷電話。整個過程中并沒有達到減少坐席工作量的目的。

在上面的3個例子可以看出，每家保險公司一開始都有著很高的期望，而實際效果卻不盡如人意。

（一）幾個保險科技應用的成功案例

01.互聯網保險獲客

近幾年來，人們對保險的接受程度有所提升，從之前的“比較抵觸”到現在的“隱隱約約覺得需要保險，但不知道什么適合自己、該買什么”。覺察到這種客戶需求的微妙變化，蝸牛保險平臺重新設計了互聯網保險的模式。首先，他們在抖音、快手這些年輕人喜歡用的新媒體上投放廣告。用戶在看到廣告后可以選擇添加蝸牛保險的客服微信號獲取免費的有關保險的介紹課程。有需要的用戶還可以付費購買一對一的課程，以便更深入地了解自己需要什么樣的保險產品并選擇購買。與之前簡單粗暴的贈險加電銷跟進的模式相比，蝸牛保險的模式更貼近人性。畢竟，用戶對保險的需求需要有一個培養的過程。如果一開始就是一個產品介紹加預約客服，那么會去預約的人一定非常少。因為用戶只是有“隱隱約約”的需求。在保險獲客方面，鏈路長是一件好事。據了解，關注蝸牛保險公眾號客戶的長期重疾險的轉化率達15%。

02.大數據模型篩選

同樣是健康險購買傾向分模型，某財險公司和一家大數據公司合作，保險公司把正負樣本提供給大數據公司，并指定業務和數據人員與大數據公司聯合建模。在標簽的篩選上，除大數據公司已有的標簽外，保險公司基于自己對業務的理解，從上至下指定了一些可能需要的標簽，由大數據公司從底層數據直接加工。事實證明，這些通過業務邏輯判斷出來的標簽在模型中都是非常有用的。另外，保險公司在話術上也花了很大的功夫，通過一步步引導客戶來挖掘需求。因為他們知道，保險和一般的消費品不一樣，大都數人并不覺得是一個必需品，銷售鏈路特別長。同時，數據本身并不能直接識別出哪些人就有購買的需求，它只能識別出哪些人群有可能被一點點轉化，哪些人群會非常困難。所以，怎么去引導那些可能被轉化的人群，是在有了一個好的模型后保險公司需要去做的事情。

03.人工智能保險顧問

人工智能保險顧問技術，在用于向那些對保險感興趣的客戶推薦產品時的效果比較理想。一些保險公司的智能保險顧問產品已被投放到多個流量平臺，取得了不俗的效果。對保險有興趣的用戶通過回答幾個簡單的問題，AI就可初步為其定制出所需要的保險。如果需要更詳細的咨詢服務，后續還可由保險公司人員提供跟進服務。數據證明，通過智能保險顧問獲取的用戶，后期轉化的用戶數約3至4倍于普通贈險獲取的用戶數。

（二）對保險科技應用的幾點建議

從上述的案例分析中不難發現，要利用好保險科技有很多關鍵因素。在此，筆者提出如下幾點：

01.做好保險場景與技術的匹配

提到保險科技，大家往往會覺得可做的事很多。然而，可投入的資源總是有限的，因此必須找準最能見效果的領域進行重點發力。這就要求決策者必須對保險業務場景有深入理解，同時還要有能力去選取最為匹配的保險科技，以使最終確定具體的應用方式。如前所述，在目前階段的AI可能更適用于智能保險顧問，而不是同質化產品的銷售。

02.保險是本，科技為輔

不能因對科技的過度依賴，而忘了保險的本質。科技是輔助于保險的，并不占據主導地位。筆者其實并不同意上文提到的“保險科技首先是科技，其次才是保險”的說法。比如前面案例中提到的數據模型不能直接識別出哪些人會購買保險，最多只能識別出哪些人在合適的場景下更有可能被轉化。而如何轉化，這仍是保險業范疇內的事情。因此，要懂得保險的本質，同時利用科技來賦能，才能實現最佳效果。

03.用符合邏輯的方法運用技術

同樣的場景、技術和數據，用不同的方式運用效果也會完全不同。例如，有些數據公司用簡單粗暴的邏輯，通過監測到用戶手機上是否安裝了攜程這樣的APP來得出用戶是否會經常去旅游。然而，攜程只是一個大眾APP，在無法得知用戶在攜程APP里面操作的內容或者APP打開頻率的時候，僅憑是否安裝是不能判斷出任何事情的。而另一家數據公司通過定位數據，看用戶是否經常出現在不同的城市，還通過時間（比如周末或節假日）來判斷用戶是出差還是旅游。這種做法就相對要更精準一些。

04.與在某領域具有最佳資質的科技公司長期合作

保險公司都會有自己的局限性，可能在某方面不具備最好的技術能力，也拿不出足夠豐富的客戶數據和數據標簽。因此，保險公司必須與科技公司合作。在選取合作伙伴時，保險公司一開始可以多嘗試幾家，在嘗試之后再適當地選擇進行一些深度合作。保險公司需要知道，目前的保險科技還是處于初步發展的階段，沒有完全成熟的產品。只有長期合作不斷迭代，才能從中獲取最大的價值。

作者：

嚴涵品：同盾科技保險事業部營銷類產品及數據分析團隊高級專家

陳蕾：同盾科技副總裁，保險事業部總負責人，前麥肯錫全球董事合伙人

返回搜狐，查看更多

責任編輯：