保险行业电话销售模式下客户质量评级（基于数据挖掘）

张磊+韩文腾+汪国飞

摘 要：本文结合保险行业电话销售模式发展现状以及当下较为先进的数据挖掘的概念对保险行业电话销售模式下客户质量评级做进一步探讨。

关键词：保险行业；电话销售；质量评级；数据挖掘

一、数据挖掘在电话销售中的应用

电话销售是国内保险业在传统电话服务基础上发展起来的新型业务营销模式。它是以电话为主要的沟通手段同时借助网络、传真等媒介进行保险推介的商业活动。数据挖掘能够利用关联分析、分类、偏差检测、预测、特征规则分析技术并结合过去电话访谈、成交纪录建立预测模型，协助电话行销人员找出较有购买意愿的潜在客户，让行销人员不必再乱枪打鸟，提升电话销售成交率。同时数据挖掘模型结果可以与电话行销中心内部系统整合，为电话行销人员提供最及时的帮助。短信、邮寄、递送等辅助方式，完成保险产品的推荐、咨询、报价、下单等主要营销过程。

二、客户质量评级

保险市场是一个典型的信息不对称市场，最大诚信原则是保险经营的基础，是保护交易双方利益、防范和化解经营风险的前提。目前在保险市场客户的信用缺失的主要表现为：投保前隐瞒信息制造假象、投保后拖欠保费、出险后虚报损失蓄意骗陪。这种信用缺失和道德风险严重阻碍了保险行业的进一步发展，保险业的信用贫乏已经成为制约国内保险市场发展的“瓶颈”。保险企业对客户建立质量评级体系可以将信用评价引入保险市场，提高道德风险的隐性成本，增强保险公司行销效率，降低信息不对称的程度，规范行业发展。

三、基于数据挖掘构建客户质量评级体系

客户评估模型的构建步骤为：模型目标确定、数据源识别、数据收集、数据处理、建立评估模型、模型建议及解释。保险行业客户质量评级指标体系包含三个变量：个人变量、经济变量、风险变量。个人变量主要包括性别、年龄、学历、职业、居住稳定性。经济变量主要包含：月平均收入、银行存款、不动产。风险变量主要包含：险种类别和赔付率。

数据挖掘技术主要从四个方面在保险行业客户质量评级方面得到应用：（1）获取客户。利用聚类、决策树和相关分析建立客户质量分类模型，通过分析哪些客户是保险公司的目标客户，提高客户获取的效率。这个过程中对客户数据的提取主要集中在客户的个人信息如年龄、职业、学历和业务数据如赔付率、保险金额等。（2）客户续保。利用关联分析和相关分析算法建立险种与客户类别的关联分析、相关分析模型，向目标客户提供适合的产品组合，以提高客户的黏度和公司的利润空间。分析流失客户和续保客户的性质，通过聚类分析及挖掘多层关联规则的方式，从客户的个人信息、投保单数据、理赔记录等数据中提取关联规则从而分析客户续保的行为模式。（3）交叉销售和险种关联。利用关联分析从客户购买的保险产品中挖掘关联关系，从而提高客户需要的产品组合；使用聚类和分类用于客户群识别和定向促销，分析客户的购买行为，以设计出具有针对性的交叉销售产品。（4）欺骗分析和异常模式识别。通过多维分析和离群点分析识别可能的诈骗者和他们的习惯模式以及异常模式，从而为保险公司的行销行为提供决策支持。

BP 神经网络结构（Back Propagation Neural Network）是数据挖掘中高级分类方法的一种，在实际中有着广泛的应用。BP 神经网络主要应用于函数逼近、模式识别、数据压缩等，是为了解决多层前向神经网络的权系数优化而提出来的。通过建立

BP 神经网络模型对保险个人客户的历史信用数据进行分析，调整评估模型的学习参数和连接权值，可以确定保险客户的评估指标体系与风险系数间的映射关系，进而对客户的风险进行评估和分类。客户的风险系数低对应的客户质量就高，对这类客户可以针对其个人情况和经济情况以及出险和续保分布制定保险产品组合，并相应降低保险费率以促进该类客户的购买力提升；对于风险系数较高的客户，则可以相应提高费率，降低公司风险。出现信用风险的客户往往实际出险及赔付情况与评估结果差距较大，在客户管理中可以对分类完全错误的客户进行观察，来降低信用风险。

四、待解决问题及小结

保险行业电话销售模式下建立基于数据挖掘的客户质量评级体系，可以对于解决保险行业中的逆向选择和道德风险问题、电话销售模式扰民问题以及行销过程中的客户隐私管理问题提供了一种思路。在大数据时代数据挖掘技术的广泛应用和相对成本的进一步降低为保险公司应用数据挖掘建立客户质量评级体系提供了可能，但是如何规范保险公司电话销售中的扰民问题以及合理处理客户个人数据的隐私问题是保险公司在挖掘过程中不应该忽视的。

参考文献：

[1] Jiawei Han Micheline Jian Pei 数据挖掘：概念与技术. 机械工业出版社，2012.7