数据开发在寿险客户关系管理中的应用探讨.pdfVIP

人力资源 数据开发在寿险客户关系管理中的应用探讨 中国人民人寿保险股份有限公司 姜永涛 摘要：伴随着国务院《关于加快发展现代保险服务业的若干意见》 保者的详细信息。只有极少数的保险人员能够及时把这些信息进行搜 （国发〔2014〕29号）文件的出台，我国保险行业迎来新的历史机遇，与此 集和整理，最终把握住销售机遇。 同时挑战也开始增多。计算机技术的不断发展，数据信息得到切实强 应该把购买诸多保单的客户资料梳理成档案，再使用相同的档案 化，数据开发的作用得到充分体现，再加之寿险行业是一种数据信息相 管理方式认真研究其他客户，以此确定出还有哪些客户会购买寿险产 对成熟的行业，所以关于数据的深度开发势必会成为保险业发展及客 品，并预测出客户接来下还会需要什么。唯有如此才能够有效实施交 户关系管理的重要工具。 叉销售和提升销售的战略。 关键词:数据开发 寿险 客户关系管理 市场一篮子分析方法主要是使用客户所持有保单的历史数据与保 单的详细资料、索赔倾向、客户人口统计学资料及其关键变量，预测出 数据开发就是从大量的、不完全的、概念性的、随机的数据中，提取 交叉销售的时间，比如，能够发现客户遵循着怎样的投保流程—即首先 隐含在其中的、人们事先不知道的、但是又是潜在有用的信息和知识的 是交通工具的保险，再者是房屋拥有者的保险，然后是人身保险。我们 过程。数据开发可以理解为“从数据中开发知识和信息”。还有很多和 能够运用这些信息来对客户进行评估，进而针对那些或许会遵循这种 这一术语相近似的术语，如知识发现、数据分析、数据融合以及决策支 规律的客户进行直接营销。 持等。以下笔者将结合自身多年工作经验，针对数据开发在寿险客户 (三)寿险客户的保持与流失 关系管理中的应用进行阐述。 伴随各行各业竞争的日趋激烈，企业获得新客户的成本已在持续 一、数据开发的具体方法 上涨，所以维护好既有的客户，降低其流失率显得至关重要。通过分类 (一)聚类检测法 等技术可以及时判断出具有这些特性的客户群体更容易流失掉，利用 在聚类检测技术中，不是搜索预先分类的技术，也没有自变量和因 客户流预测模型的建立，能够帮助寿险公司针对有流失倾向的客户事 变量之分。例如，可以对顾客的年龄和收入这两个变量，平等地参与聚 先采取应对措施，最终将其解决。 类检验。因此，聚类检测也称为无指导的知识发现或无监督学习。 在充分认识到此项工作的重要作用之后，许多寿险公司都纷纷建 (二)神经网络法 立起了客户流失预警机制，一般是利用聚类以及分类等模型，针对曾经 神经网络方法主要用于分类、聚类、特征挖掘、预测等方面。它通 流失的客户做出分析，从中找出出现流失的根本原因，在得到原因之 过向一个训练数据集学习和应用所学的知识，生成分类和预测模式。 后，建立起具有针对性的模型，对既有客户实施评价，当某位客户的风 对数据是不定性的和没有任何明显模式的情况，应用神经网络算法比 险系数到达一定程度时，通常就被认为存在流失的风险。这时可以采 较有效。由于神经网络具有自我组织和自我学习等特点，能解决许多 取一定关怀措施，已达到挽留客户的作用，最终使客户流失率降至最 其他方法难以解决的问题，因此得到普遍的应用。 低。 二、数据开发在寿险客户关系管理中的应用 (四)寿险客户欺诈风险 (一)分析寿险客户 对于可能出现的欺诈风险进行及时、有效、准确的预测具有重大意 伴随网络技术以及互联网安全性的不断进步，网上保险逐渐成为 义，数据深度开发便能够充分解决这一难题。具体做法是，通过数据深 了一种趋势。但是，因寿险产品具有较强的专业性，普通客户难以很好 度开发中意外规律的开发方法、聚类方法以及神经网络方法，针对客户 理解其中的问题，这使寿险网上销售始终无法有所突破，所以