基于用戶精準畫像的車險續保概率的研究

呂行

摘 ?要：本論文主要以用戶的精準畫像為基礎對車險續保的情況進行了研究，首先建立以車輛指標、駕駛人指標和保單相關的指標體系，每個體系下包含建立更加細化的用戶標簽，通過分析每一類指標體系對續保概率的影響，得到每一類指標體系中對續保概率影響較明顯的標簽，并得到新車購置價、車輛種類、車齡、被保險人性別、簽單保費以及出險次數6個主要的影響標簽;然后將6個標簽作為自變量，是否續保作為因變量，利用Logistic回歸模型建立兩種變量之間的關系方程，通過顯著性水平判斷出標簽的影響程度排序，之后結合駕駛員與銷售人員的經驗，從分析的六個自變量中提取出車輛走保險次數、駕駛風格和保養頻率作為三種駕駛習慣信息，以便進一步幫助車險公司分析車主的投保意向。

關鍵詞：SPPS數據分析;Logistic回歸模型;續保概率

1.引言

近年來，隨著我國保險行業的穩步發展，財產保險行業也得以快速發展，而車險保費收入在我國整個財險保費收入中占了絕大部分，并且由于汽車行業交易量的增加以及相關政策的出臺，車輛的投保率逐步提高[1]。中國目前的車險費率制度，大多數符合“從車主義”。即車險保費多少，主要取決于這輛車本身的各項情況，如車的購置價、座位數、排量、購車年限等，根據這些數據計算出一個基本的車險保費價格，再根據這輛車的上年理賠次數來打不同的折扣[2]。這就導致了中國的車險定價模式非常的單調，相似情況的車型，保費也都差不多[3]。

2.模型的建立和求解

在數據預處理后得到對用戶畫像的各標簽，然后通過分類分析的方法，分別得到在車輛指標、駕駛人指標和保單信息的單一影響下的影響雷達圖，從而分門別類清晰直觀地把握各標簽對續保概率的研究。

（1）車輛指標

在車輛相關的特征變量中新車購置價和車輛的種類對客戶是否續保的影響比較明顯，大約是0.8左右，而車齡與是否是本地車牌的影響先對而言不是很明顯，大約在0.2-0.4之間，如果想要提高續保率，建議公司應該在車輛種類與新車購置價上多做研究。

（2）駕駛人指標

在駕駛人相關的特征變量中被保險人的年齡和性別對客戶是否續保的影響比較明顯，大約在0.8以上，而客戶類別對是否續保的影響相對而言不是很明顯，大約在0.4以下，如果想要提高續保率，建議公司應該在被保險人的年齡和性別上多做研究。

（3）與保單相關的指標

在保單相關的特征變量中NCD和簽單保費對客戶是否續保的影響比較明顯，大約在0.8以上，而投保類別和投保渠道對是否續保的影響相對而言較弱但是同樣不可忽略，大約在0.7左右，如果想要提高續保率，建議公司應該對保單方面的影響指標進行較全面的分析。

2.3 Logistic回歸模型的建立和求解

（1）Logistic模型的建立

在上述分析中，根據已經建立起來的用戶精準畫像，排除影響較小的不必要因素，從車輛指標、駕駛員指標和保單指標中選取新車購置價、車輛種類、車齡、被保險人性別、簽單保費以及出險次數作為影響續保概率的影響變量，以是否續保做為因變量，建立logistic模型進行定性分析，具體算法介紹如下：

令因變量 是二類變量，它只去兩個值 或 ，例如本文在研究的某個客戶變量對車輛續保的影響問題中，可設因變量 表示續保; 表示不續保。設自變量 為影響保單續保的因素——某客戶變量，要求建立 間的回歸方程。由于 只能取兩個值1或0，當 時對應 的條件數學期望，可用其計算方式：

這里 表示在 時 （客戶續保）的概率。

經過研究得出，續保概率與客戶的客戶屬性、續保屬性、車輛屬性、產品屬性、出險特征屬性等密切的關系。

（3） 回歸模型的求解：

因為附件中所給的數據存在空缺或者錯誤等問題，因此先對附件中的數據進行預處理，包括適當的刪除、填補等。然后根據上述 模型對續保概率的相關數據進行分析，從而確定出原先選定的新車購置價、車輛種類、車齡、被保險人性別、簽單保費以及出險次數六個自變量與因變量之間的關系，為最后三個駕駛習慣指標的確定奠定基礎。

根據上述建立的用戶精準圖像和附件一中進過預處理的數據，通過spss軟件，進行 的模型回歸分析，并得到如下結果：

結合表1中的數據最終得到回歸方程：

從而就可以判斷出這 6個因素對續保率影響的主次順序為：車齡>新車購置價>出險次數>車輛種類>性別>簽單保費。

（4）駕駛習慣信息的搜集

根據 模型所得到的結果，在6個影響指標中去提取相關程度較大的駕駛習慣信息，結合多名駕駛人員與銷售人員的經驗，一方面提取出與續保概率相關性較大的駕駛習慣，另一方面選擇被調查人員不忌諱的影響指標，分別確定出一下三個駕駛習慣信息及選取原因，如表2所示：

以上是驗證后的三種駕駛習慣信息，分別是車輛走保險次數、駕駛風格、保養品率，而且這三種駕駛習慣信息都不涉及車主較深層次的隱私，在平時簡單交流中便可以完成信息的收集，并且在信息收集的過程中并不耽誤較長時間，是駕駛習慣信息收集較好的計劃方案。

參考文獻

[1] ?徐鐵華. 財產保險公司車商業務續保困境及思考[J]. 納稅，2018（13）：80

[2] ?顏康熙. 人保財險廈門分公司車險客戶價值挖掘研究[D]. 南華大學，2016

[3] ?朱晴，王晶晶. 基于粒子群優化BP神經網絡的高校科研管理評估研究[J]. 現代電子技術，2019，42（07）：87-89+94.