保險行業電話銷售模式下客戶質量評級（基于數據挖掘）

張磊+韓文騰+汪國飛

摘 要：本文結合保險行業電話銷售模式發展現狀以及當下較為先進的數據挖掘的概念對保險行業電話銷售模式下客戶質量評級做進一步探討。

關鍵詞：保險行業；電話銷售；質量評級；數據挖掘

一、數據挖掘在電話銷售中的應用

電話銷售是國內保險業在傳統電話服務基礎上發展起來的新型業務營銷模式。它是以電話為主要的溝通手段同時借助網絡、傳真等媒介進行保險推介的商業活動。數據挖掘能夠利用關聯分析、分類、偏差檢測、預測、特征規則分析技術并結合過去電話訪談、成交紀錄建立預測模型，協助電話行銷人員找出較有購買意愿的潛在客戶，讓行銷人員不必再亂槍打鳥，提升電話銷售成交率。同時數據挖掘模型結果可以與電話行銷中心內部系統整合，為電話行銷人員提供最及時的幫助。短信、郵寄、遞送等輔助方式，完成保險產品的推薦、咨詢、報價、下單等主要營銷過程。

二、客戶質量評級

保險市場是一個典型的信息不對稱市場，最大誠信原則是保險經營的基礎，是保護交易雙方利益、防范和化解經營風險的前提。目前在保險市場客戶的信用缺失的主要表現為：投保前隱瞞信息制造假象、投保后拖欠保費、出險后虛報損失蓄意騙陪。這種信用缺失和道德風險嚴重阻礙了保險行業的進一步發展，保險業的信用貧乏已經成為制約國內保險市場發展的“瓶頸”。保險企業對客戶建立質量評級體系可以將信用評價引入保險市場，提高道德風險的隱性成本，增強保險公司行銷效率，降低信息不對稱的程度，規范行業發展。

三、基于數據挖掘構建客戶質量評級體系

客戶評估模型的構建步驟為：模型目標確定、數據源識別、數據收集、數據處理、建立評估模型、模型建議及解釋。保險行業客戶質量評級指標體系包含三個變量：個人變量、經濟變量、風險變量。個人變量主要包括性別、年齡、學歷、職業、居住穩定性。經濟變量主要包含：月平均收入、銀行存款、不動產。風險變量主要包含：險種類別和賠付率。

數據挖掘技術主要從四個方面在保險行業客戶質量評級方面得到應用：（1）獲取客戶。利用聚類、決策樹和相關分析建立客戶質量分類模型，通過分析哪些客戶是保險公司的目標客戶，提高客戶獲取的效率。這個過程中對客戶數據的提取主要集中在客戶的個人信息如年齡、職業、學歷和業務數據如賠付率、保險金額等。（2）客戶續保。利用關聯分析和相關分析算法建立險種與客戶類別的關聯分析、相關分析模型，向目標客戶提供適合的產品組合，以提高客戶的黏度和公司的利潤空間。分析流失客戶和續保客戶的性質，通過聚類分析及挖掘多層關聯規則的方式，從客戶的個人信息、投保單數據、理賠記錄等數據中提取關聯規則從而分析客戶續保的行為模式。（3）交叉銷售和險種關聯。利用關聯分析從客戶購買的保險產品中挖掘關聯關系，從而提高客戶需要的產品組合；使用聚類和分類用于客戶群識別和定向促銷，分析客戶的購買行為，以設計出具有針對性的交叉銷售產品。（4）欺騙分析和異常模式識別。通過多維分析和離群點分析識別可能的詐騙者和他們的習慣模式以及異常模式，從而為保險公司的行銷行為提供決策支持。

BP 神經網絡結構（Back Propagation Neural Network）是數據挖掘中高級分類方法的一種，在實際中有著廣泛的應用。BP 神經網絡主要應用于函數逼近、模式識別、數據壓縮等，是為了解決多層前向神經網絡的權系數優化而提出來的。通過建立

BP 神經網絡模型對保險個人客戶的歷史信用數據進行分析，調整評估模型的學習參數和連接權值，可以確定保險客戶的評估指標體系與風險系數間的映射關系，進而對客戶的風險進行評估和分類。客戶的風險系數低對應的客戶質量就高，對這類客戶可以針對其個人情況和經濟情況以及出險和續保分布制定保險產品組合，并相應降低保險費率以促進該類客戶的購買力提升；對于風險系數較高的客戶，則可以相應提高費率，降低公司風險。出現信用風險的客戶往往實際出險及賠付情況與評估結果差距較大，在客戶管理中可以對分類完全錯誤的客戶進行觀察，來降低信用風險。

四、待解決問題及小結

保險行業電話銷售模式下建立基于數據挖掘的客戶質量評級體系，可以對于解決保險行業中的逆向選擇和道德風險問題、電話銷售模式擾民問題以及行銷過程中的客戶隱私管理問題提供了一種思路。在大數據時代數據挖掘技術的廣泛應用和相對成本的進一步降低為保險公司應用數據挖掘建立客戶質量評級體系提供了可能，但是如何規范保險公司電話銷售中的擾民問題以及合理處理客戶個人數據的隱私問題是保險公司在挖掘過程中不應該忽視的。

參考文獻：

[1] Jiawei Han Micheline Jian Pei 數據挖掘：概念與技術. 機械工業出版社，2012.7