客户画像论文（最新6篇）之第三篇
摘要：介绍了中邮保险客户群体画像的构建方法, 基于对客户画像的分析, 探讨了客户画像在中邮保险价值链的应用。
关键词：客户画像,大数据,价值链,标签,客户群体
随着金融行业的快速发展和邮政网点业务经营的改变, 中邮保险产品消费群体的年龄逐渐变大, 投保客户的群体平均年龄在55周岁, 且投保的多为趸交理财型保险产品, 年轻客户更倾向于通过手机端在线投保, 购买的多为保障型、价值型保险产品。中邮保险公司需要通过多方面收集投保客户信息, 对投保客户进行画像, 再通过人工智能技术去识别、挖掘和分析投保客户群体性质, 指导邮政网点重新定位客户。
1 客户画像的构建
客户画像, 又称用户画像或人群画像, 是根据客户社会属性、生活习惯和消费行为等信息而抽象出的标签化用户模型。构建客户画像的核心工作即是给用户贴“标签”, 而标签是经过用户信息分析得出的高度精炼的特征标识。
1.1 客户画像数据收集
大数据是构成客户画像的基础, 也是客户画像的底层应用技术。用户数据一般分为静态数据和动态数据。中邮保险公司在客户投保时对客户信息的收集较为齐全, 包括:姓名、年龄、性别、证件类别、证件号码、家庭收入、个人收入等基本数据信息, 身高、体重、健康告知、有无住院等健康信息, 有无危险运动、职业类别等风险信息, 这些都属于用户的静态数据, 可以据此对用户的健康和财务状况进行标签化。中邮保险公司还可以通过整合邮政信息资源和社会第三方信息资源进一步收集用户动态数据, 如客户邮寄地址、资产信息、医疗情况、理赔情况、职业变更情况、地址和联系方式变更情况、注册和使用公司网页及微信关注情况等, 此外, 还可通过客户问卷、行业数据报告等多种方式采集、补充客户数据资源池, 达到全面客户画像的目的。
1.2 客户画像数据处理
客户画像是基于底层分布式大数据平台将用户信息标签化, 通过收集和分析用户的基本特征、社会属性、生活习惯、消费习惯等数据, 抽象出一个虚拟用户的特征全貌, 从而帮助企业全方位、多层次地了解用户行为特征, 把握用户行为方向。中邮保险公司采集到的商业数据为原始数据, 使用前需要处理为非结构化数据信息, 此外, 原始数据可能存在数据空缺、重复或不一致等问题, 因此还要对原数据进行清洗处理, 从中抽取出有分析意义的数据作为客户底层大数据。用户标签体系的搭建是客户画像最核心的工作, 一个客户可能有多个设备, 拥有多个账号, 要把客户多个身份ID进行组合, 建立统一标准, 才能构建完整的客户画像。勾勒一个完整的用户视图, 需要打通渠道间的数据, 中邮保险以收集到的客户信息为基础, 打通身份认证、医疗、其他保险公司投保和网络消费等数据信息, 通过构建数据模型探讨全样本用户的行为特征, 做到客户标签化。
1.3 客户画像标签和分类
客户画像标签是构建客户画像模型的关键, 在客户画像模型基础上, 对用户行为按不同层面、不同维度进行标签刻画, 即把用户的基本属性 (年龄、性别、地域) 、购买能力、行为特征、兴趣爱好、心理特征和社交网络大致地标签化。客户画像无法100%地描述一个人, 只能通过标签化不断地贴近其特征, 因此客户画像既要根据变化的基础数据不断修正, 又要根据已知数据抽象出新的标签, 使客户画像越来越立体。
从技术角度看, 基于大数据平台的客户画像构造分为三步, 第一步是搭建客户画像技术架构, 如数据整理、平台和应用等;第二步是客户画像数据分类;第三步是客户画像构建, 包括精准识别用户、动态跟踪用户行为轨迹、结合静态数据评估用户价值、确定用户标签与权重、不同群体优先级。群体分级一般采用多级标签、多级分类, 比如第一级标签是用户属性信息、信用信息、兴趣偏好、风险信息等, 再将人口统计属性、用户资产信息、金融产品偏好、用户风险评价、地理位置、用户关系图、消费偏好、黑名单等列为第二级分类标签。其中, 人口统计属性又进一步标签化, 按姓名、年龄、性别、手机号码等作为第三级标签信息进行划分, 地理位置又划分为居住地址、公司地址、常去场所等三级分类数据等, 如图1所示。
基于大数据平台的客户画像模型是虚拟化的用户全集的概念, 是真实用户某个层面、某个维度特征的数据化重组后的虚拟体现, 反映了客户的偏好、投资行为、风险评价等特征。客户画像分级分类刻画用户特征, 不再是单个用户的个体特征, 也不是全体用户的平均化特征, 而且根据中邮保险价值链管理需求形成的特定用户群体特征, 可以构建千人千面的客户画像。
2 基于大数据平台的客户画像分析
在客户画像构建和分析的基础上, 中邮保险公司可以基于大数据平台对用户行为进行分析。一是通过客户管理系统将中邮保险公司数据平台中的客户特征按不同层面、不同维度赋予不同的标签体系, 再将不同标签组合形成的情境化用户特征, 构成客户画像分析的基本逻辑;二是基于大数据平台的客户画像是一个画像标签集合, 客户管理系统要从不同维度构建客户基本属性画像、客户行为特征画像、客户产品特征画像等, 从客户对中邮保险产品的投保金额、保障功能、投保年限、连续投保产品偏好, 续期缴费情况、退保情况、理赔情况、保险产品组合等维度构建中邮保险客户特征维度模型, 形成中邮保险客户特征画像。基于大数据的客户画像分析, 将客户管理系统分析数据按需求进行标签重组和按特征筛选标签, 从而刻画出客户的行为。例如, 某私营企业主或个体户, 存在退保行为或反复在多家保险公司网站或柜面投保低保费高保障的疑似保险欺诈行为, 可以推测该客户有恶意投保行为, 存在故意制造中邮保险事故嫌疑。再如, 通过理赔数据分析, 某地区为甲状腺癌高发地, 中邮保险在当地投保的重大疾病险赔付率达到300%以上, 通过客户管理系统进一步对出险客户进行标签化分析, 87%是30～50岁之间的女性客户, 这就需要重新制定该地区的核保规则, 对于30～50岁的女性投保客户需要进行甲状腺B超检查。因此, 客户画像分析可以预判客户行为, 以抽象出的客户标签进行客户行为建模, 可以提高对客户行为概率的判断水平。
3 客户画像在中邮保险价值链的应用
中邮保险公司的主要利润来源为死差益和利差益, 死差异和利差益主要来源于保费收入、资金投资和两核风控。中邮保险公司价值链涵盖营销、承保、理赔、反欺诈、风险预测等环节, 目前的营销模式主要依托邮政网点代理开展营销, 营销措施多为传统营销、销售培训和客户沙龙等手段, 营销缺乏群体针对性, 而传统业务办理流程复杂, 客户体验不佳。中邮保险公司需要在技术上不断创新, 应用人工智能、云计算、大数据、区块链等技术重塑业务流程。特别要应用客户画像技术积累的客户数据, 通过客户管理系统对客户进行画像, 实现精准营销和自动化服务, 简化理赔流程, 有效识别欺诈行为, 实现工作效率和风险管理双提升。
3.1 客户画像在精准营销中的应用
一个好的客户画像可以帮助中邮保险公司进行产品定位和人群细分, 指导营销决策, 但客户画像的搭建与使用必须结合业务场景才能发挥作用。一是通过客户标签数据信息, 分析产品潜在购买客户, 如通过分析邮政网点办理业务客户的年龄结构和理财金额, 发现客户平均年龄在50～70岁, 理财金额在3万～5万元, 中邮保险公司应针对这个年龄段的客户开发相应的理财型保险产品, 而核保规则也应该设定在这个区间给予通过, 达到精准营销;二是通过数据挖掘, 构建智能推荐系统, 利用聚类算法分析客户数据, 如通过客户数据分析, 得出30～45岁的男性购买保障型保险产品的比例较高, 就要针对这一特定群体进行营销;三是通过调研收集社会客户信息, 或第三方、战略合作单位等客户数据, 进行客户画像分析, 精准了解客户消费需求, 对服务或产品进行私人定制, 开展精准营销。
3.2 客户体验管理变革
从《2017年中国保险业发展趋势报告》中可以看出, 中国保险业正处于快速上升期。客户数量的激增、互联网保险业的崛起等对创新型现代保险企业的客户管理带来巨大挑战。传统的客户管理系统已经不能满足大量客户多渠道的管理模式, 保险业更应注重客户效果评估。因此, 在“客户体验为王, 以客户为中心”的原则下, 中邮保险要根据现代客户体验管理要求重新定义客户管理系统, 以提高客户整体体验为出发点, 注重与客户的每一次接触, 对售前、售中和售后三个阶段的客户接触点数据进行分析, 对客户行为和服务需求进行画像, 通过客户画像制定服务方案, 实现良性互动, 打造良好的客户体验, 提升客户忠诚度。一个体验良好且忠诚度高的客户亦会将中邮保险推荐给家人和好友, 当众多客户都对中邮保险产品体验满意的时候就会提高保单成交率, 增加中邮保险企业收入与资产价值。
3.3 中邮保险产品模式创新和变革
传统保险产品都是统一定价, 未对客户群体进行细分。通过充分整合中邮保险内外部数据信息, 特别是社会化和第三方数据, 精确勾勒数字客户画像, 实现客户的千人千面, 为互联网生态提供场景化、定制化保障, 为每个客户提供个性化、定制化的风险解决方案, 以客户为中心提供全方位的保障, 并基于大数据实现每个客户定价动态化、差异化与精确化, 洞察用户需求和实时计算, 提供更精准的风险管控方案和定价模型, 评估和防控风险, 打破传统中邮保险产品定价模式, 推动中邮保险精算水平和精算效率的提升。
3.4 中邮保险核保管理模式变革
核保是中邮保险的风险关口, 在承保时需对中邮保险客户投保产品的保障合理性、客户告知风险、财务风险、契调结论和体检结果等进行核保风险评估。这种管理方式对客户的认知是模糊的, 需要创新核保管理模式, 要求客户管理系统能够准确抓取客户既往投保、理赔等信息, 结合第三方或社会信息对客户进行精准画像, 快速进行客户分类和风险识别, 从而实现自动化承保。使用客户画像大量有效的基础数据对智能核保系统进行专门调试, 逐步将专业的核保知识、案例和经验传给智能核保系统, 完成智能核保系统知识库的建设, 确保及时、准确的核保结论, 有效释放人力劳动, 降低企业经营成本, 有效降低人为因素导致的逆选择及恶意投保等风险。
3.5 中邮保险理赔管理模式变革
理赔时, 中邮保险公司需要对客户出险的真实性和合理性进行判断和调查, 以做出合理的理赔决定。如客户因疾病住院治疗, 理赔时除了需要提供医疗证明、医疗发票、治疗清单、个人证明等材料外, 中邮保险公司理赔人员还需要开展材料收集、系统录入、调查、审核和审批等繁琐工作。如果利用第三方或社会数据对客户进行画像, 就会实现客户行为自动分析, 客户住院的诊断证明、每天检查、治疗和用药明细等数据都会自动输入中邮保险公司核心系统, 结合中邮保险理赔管理的规则引擎, 进行智能审核、校验和处理, 快速核赔。客户画像结合人工智能技术, 对小额、高频的理赔案件, 利用历史数据和内置算法, 通过系统自动搜索数据, 完成理赔审核理算, 协助中邮保险工作人员快速、准确、高效、经济地处置理赔事件, 全面创新传统理赔管理模式, 综合提升中邮保险理赔的质量与服务水平, 最大限度降低人工操作带来的失误和风险。
3.6 反欺诈和风险管理模式变革
近年来, 保险欺诈形式花样繁多, 团队欺诈、内外勾结、故意造假等手法推陈出新。通过客户大数据分析以往中邮保险理赔案件处理情况, 同时对接央行征信、公安、中保信等行业相关有效参考数据, 对客户大额承保或大额、多频次理赔客户进行画像和风险识别, 评估案件欺诈风险水平高低, 不断提升反欺诈客户画像模型有效性, 提升欺诈案件准确性和识别率, 逐步打造中邮保险自动化、智能化的反欺诈新生态。
结语
在营销、承保、保全、理赔和续期等业务价值链中, 中邮保险利用客户画像技术可以更快、更简单地发现新的信息和非结构数据模型, 洞察客户行为, 挖掘潜在商业价值, 降低商务价值链交易风险, 有效识别客户需求, 提高客户服务水平, 增强公司核心价值力。
参考文献
[1]亓丛, 吴俊.客户画像概念溯源与应用场景研究.重庆交通大学学报 (社科版) , 2017, 5
[2] 席岩, 张乃光, 王磊, 等.基于大数据的客户画像方法研究综述.广播电视信息, 2017, 10
[3] 王苗苗.基于数据挖掘的互联网企业客户画像分析.现代经济信息, 2018, 10
