UBI产品探索实践

金麒

上海汽车集团保险销售有限公司 上海 200042

一、传统车险痛点

在传统车险的风险定价过程中，保险公司通常会结合投保人、车的静态信息（性别、年龄、车龄、车型等）与车辆的历史出险情况，来进行未来理赔风险的预测，并将其作为车险定价的主要因素之一。但是这些有限的维度也带来了以下三方面的缺陷：

●风险区分能力弱：上述维度大多与车辆出险的相关程度较低，并不是造成事故的直接原因。而车主的驾驶习惯、路况等直接诱发事故的因素，保险公司一般无法获得。

●定价静态滞后：传统车险只在每年车主投保时进行风险评估，如果在这一年中，车主的驾驶行为发生了恶化或改善，以目前的产品形态，即便保险公司了解到该信息，也无法做出及时响应。只能等到下一年评估风险时，才会发现上年评估的失效问题。

●车主感知度低：传统车险每年仅在投保时与车主进行交互，虽然车主在出险理赔时离不开保险公司，但对于大部分车主，由于保险公司缺乏与车主合适的交互渠道，也造成了车主感知度低，粘性有限。

二、UBI产品的构成

UBI的产品模式，理论上可以解决传统车险存在的上述问题，但是国内鲜有实际开展的尝试。为了探索UBI产品的形态及可行性，一些业内领先公司设计了MVP（Minimum Viable Product）试点流程，实践了UBI的产品试点模式。

数据上，网联车辆全时全域覆盖，提升风险区分能力。试点产品以某自主品牌的车联网数据为基础，基于当时约100万辆网联车辆，以及1Hz频率实时采集的全车传感器数据（包括里程、车速、加速度、位置、油门开合度、转向盘转角等100多项）。通过与保险公司的理赔信息脱敏匹配后，合作共建了驾驶评分模型来识别车辆的事故理赔风险。

产品上，定价方式动态化，提供智能化风险保障。试点产品按车辆行驶里程来提供行驶保障并进行计费，里程单价通过动态定价模型来计算，而定价模型的主要计算依据来自上述的驾驶评分模型。同时，基于公司现有能力，定制开发了MVP试点必需的授权、购买、报案及理赔等线上业务流程。在试点过程中，产品招募了一批车企内部员工作为网联车内测车主，从产品购买、续费、理赔进行了全流程的试点。

图1 UBI产品试点的主要流程及各主要参与方

1、驾驶行为建模，提升风险区分能力

在试点前期，项目团队首先与保险公司共建了联合实验室。通过整合网联车辆的传感器数据（100万辆网联车辆，近3年行车数据，1Hz采集的100+个传感器维度）和历史出险理赔信息，生成并建立风险因子库，并在此基础上训练了机器学习模型来预测驾驶风险。相比保险公司原有的风险模型，驾驶评分模型不仅提升了对车辆事故风险的区分能力，也兼顾了模型的可解释性，方便在后续运营时进行输出风险因子。该模型分为两层（如图2）：

图2 驾驶评分模型结构

1.1 风险因子层

通过机器学习算法从原始1Hz车联网数据中构建出风险因子。总共由100+个因子构成，涵盖多个类别，包括出行强度、驾驶行为、危险驾驶、驾驶环境等4大类。

1.2 驾驶评分层

从风险因子层中，通过算法和先验知识从各类中分别筛选出若干因子，结合里程分段，通过机器学习算法训练得到驾驶评分。得分越高，则车辆未来的事故及理赔风险也越高。同时，为了满足业务解释性的需要，模型设计了4个类别的子评分（即上述出行强度、驾驶行为、危险驾驶、驾驶环境）以及对应的描述性解释，方便产品运营和C端车主的理解。

2、动态风险定价，实现“千车-千时-千面”

在试点中，按驾驶里程来进行定价及车辆保障，里程进一步分为基础里程和续费里程。允许车主于一个年度内，在基础里程额度外，按照每千公里的最小单位来购买行驶保障。相应的，保障费用由首期和续费两部分构成，而动态计算的驾驶评分则决定了每位车主在不同时期的续费里程单价。

●首期费用：首次需支付固定费用，并包含一定的基础里程额度。

●续费费用：当基础里程额度用完时，车主可按千公里来续购里程额度，续购里程的单价按照车主续购时的驾驶评分动态调整。

通过上述方法，驾驶评分不仅能从实际驾驶习惯上区分每位车主，做到“千车千面”的风险识别（如：图3左）；更能进一步实时捕捉到车主驾驶行为发生的变化，实现“千时千面”（如：图3右）：当驾驶行为发生改善或恶化时，评分将相应的下降或上升，并直接影响其续费里程的单价高低，从而实现了智能化的动态风险识别和定价。

图3 千车-千时-千面：典型客群的差异化风险及动态定价结果

图4 产品互动方案的主要环节

图5 驾驶评分模型效果跟踪

图6 部分风险因子与理赔风险的相关性

三、UBI试点的落地方式

UBI试点产品的驾驶评分和动态定价解决了传统车险“风险区分能力弱”、“定价静态滞后”的问题。在试点实际落地运营时，不仅需要解决车主感知度低的问题，还面临着数据授权复杂、多方协作难度大等困难。

1、产品运营，提升车主价值感知度

传统车险是典型的低频交互产品，车主除了购买和出险理赔外，几乎不需要与运营方进行交互，这也导致车主对产品感知度低下。由于只有少部分车主会出险，因此大部分车主也难以直观感受到产品对自身带来的价值，存在车主粘性差、次年续购率低等问题。而在此项MVP试点中，依托产品按里程提供保障的设计，开发了多样化的车主运营方式，与传统车险产品运营相比，极大提升了车主参与度以及对产品的价值感知。

车主运营方案主要包括三类举措：

●驾驶行为激励，降低行车风险：车主每周可查看驾驶评分变化。如果评分保持优良，可领取里程奖励。如果驾驶习惯较差或者发生了恶化，大数据系统将针对该车主进行风险行为分析，主动提示车主存在哪些危险行为，改进哪些行为能有效减少事故风险。

●里程续购提醒，强化服务感知：通过线上系统自动监控里程额度的消耗情况。当里程余额不足10%，5%或100km时，分别触发提醒，并通过app、公众号、短信等多个渠道触达用户，提示车主续购里程。

●产品享权引导，提升车主粘性：试点方案在招募、出单、权益使用、回店维修等场景中，均设置了不同的促进活动方案。在车主购买前的内部招募阶段，引导车主在报名时，从了解产品、体验产品、转化为产品购买。在购买中，开展保障方式及可享权益的提示。在购买后，引导车主积极使用权益，并促进回店保养维修。

通过这些运营及互动，不仅可以帮助车主改善驾驶习惯降低出行风险，也能促使车主定期与产品进行互动，并及时享受权益。因此，通过UBI运营，使车主在参与产品保障过程的同时，也极大程度感受到了产品本身带来的价值。

2、跨域协同，形成一体化解决方案

UBI产品的运营跨越了保险中介、科技企业、主机厂、保险公司这四类企业，由此产生的数据授权问题、产品数字化、服务保障协同等问题复杂性可见一斑，难以形成UBI产品的一体化解决方案。

试点项目由车企和保险公司等企业成立联合项目组，分别通过交叉授权、敏捷开发、跨域协同解决上述难题。从而，进一步形成了包括数据授权、风险识别、动态定价、产品运营、全流程数字化和运营保障的一体化解决方案。

交叉授权，确保数据使用合法合规。UBI产品的各环节均依赖车联网数据作为输入。但通常情况下，仅主机厂拥有该数据的存储和使用授权，其他参与方无法使用，企业间也无授权。因此，在试点阶段挑选内部员工作为车主样本，重新获得车主授权。此外，项目团队也通过积极沟通协调，成功推进主机厂与科技公司和保险公司分别签订了企业间的授权协议。协议通过约定使用场景、范围及相应字段，使得数据使用合法合规。

敏捷开发，实现全流程数字化。UBI产品流程涉及面广、交互频率较高的特性离不开产品的线上化。依托现有科技实力，项目团队通过敏捷开发，在两个月内完成了所有关键流程的线上化开发，包括招募、定价、出单、续费、理赔等各环节。通过跨公司的平台协同，也分别完成了与主机厂、保险公司平台的业务流转和数据协同。

跨域协同，提供落地实施保障。新产品在试点前后，面对数据授权归属，建模路线选择、产品保障方式等新兴挑战，均需组织专业团队进行专题攻克。为此，各方分别投入了产品、营销、IT、精算、财务、法务等前、中、后人员，跨公司组建项目团队及专项小组，进行逐一攻克。同时，上汽保险销售和相关保险公司的产品、客服和理赔人员组成运营团队，实时受理在线咨询、失败促活、客户唤醒、客户投诉等问题。

四．UBI产品的试验成效

通过对车辆数据的持续跟踪和分析，项目验证了车联网数据对识别驾驶风险的价值。同时，通过产品的运营，也取得了积极的试验效果。

1、数据价值

基于车辆数据跟踪发现，驾驶评分对区分用户风险的效果显著。按常用的提升度指标来衡量，驾驶评分的风险区分能力相比保险公司模型增幅超过50%。

在风险因子上，车辆的危险驾驶行为（如疲劳驾驶、高里程、急加速、急减速、急转弯）与事故理赔均高度相关。

同时，在数据质量上，试点基于的车联网数据均来自于主机厂的前装设备，数据无法篡改。数据完整性方面，出现数据遗失，车机系统均有对应的批量补传机制。在理赔验证上，由于采集的频率达到1Hz，可以准确验证事故真实性。最后，通过车主实际出行情况得到丰富画像，提供精细化运营基础。

2、试验效应

通过持续一年多的产品持续试验运营，项目在提高车主接受度、改善驾驶习惯、提升车主粘性等方面均积累了一定的运营经验，并取得了积极的试验效应。

●定向招募，提高接受度。驾驶习惯较差的车主短期费率较高，虽然改善习惯能获得后期续费费用上的优惠，但试点阶段考虑到该类车主的教育成本及接受度，在招募环节仅对低风险的员工车主开放参与资格。参考国外UBI车险产品的渗透率大多低于5%，参与招募的车主购买率约20%，考虑到低风险车主约占整体网联车的40%-50%，预计正式推出后渗透高于国外。另外，从续购里程情况来看，参加试点的车主在超过额度后，经过系统提醒，均能在额度耗尽前完成里程的续购。

●奖惩明确，改善驾驶习惯。在整体网联车辆中，50%-60%驾驶习惯较好的车主在第二年会继续保持或得到进一步改善，而在试点车辆中该部分比例达75%。说明通过产品的动态定价机制与互动运营，在经济利益的驱动下，车主能够产生主动改善驾驶行为的动力。但限于试点条件，驾驶行为较差车主的改善情况将在后续试点中观察。

●粘性增强，提升客户忠诚度。在综改降费增保的环境下，保险公司亟需能提升车主粘性的产品。因此，保险公司也愿意运用新产品来吸引低风险车主。通过提升客户粘性及忠诚度，进一步锁定该群体未来的续保，也是该模式未来可推广的重要因素之一。虽然试点车主续保率较高，但限于试点规模，大规模的续保验证须在今后商业化运作中进一步探索。

五、商业模式思考

在UBI试点中，项目通过车联网数据建立了基于驾驶行为的风险模型及动态定价模式，解决了传统车险等保障方式风险区分能力弱，定价静态滞后的问题。同时，通过车主运营及多方协作，走通了基于里程定价的UBI产品运营模式，重塑了传统保障类产品的运营机制，解决了传统产品车主感知度低的问题，也形成了从数据授权到服务保障的一体化解决方案，为将来UBI保险的正式批准做好了准备。

考虑到监管的决策、保险公司固有的盈利模式及网联车辆的占比，真正意义的UBI车险即使推出，初期也将更多作为传统车险的补充。但站在车险行业的角度，建议UBI产品可以先行推广。由于UBI产品在风险区分能力和动态定价上突破了传统界限，使得通过经济利益来激励参与车主改善自身驾驶行为变得可行，从而逐渐降低参与车辆的整体事故风险，产品方和车主可获得双赢。

当然，驾驶习惯的改变可能并非短期一蹴而就，可在UBI试点的基础上，进一步结合车联网设备进行主动干预和引导，对车主的危险行为进行实时预警。因此，构建可商业化落地的UBI产品，是值得进一步探索的方向。