大数据时代挖掘业务员客户特性助力产品销售.pptVIP

万一 保险网 中 国 保险资料下载网 ——挖掘业务员和客户特性，助力XX2015产品策略 大数据时代 随着企业对大数据的成功应用，官方对大数据的推动，大数据一词已经尽人皆知。 马云说，大家还没搞清PC时代的时候，移动 互联网来了，还没搞清移动互联网的时候， 大数据时代来了。 2015年两会上，李克强总理提出要制定“互联 网+”计划，利用大数据！ 2 大数据，能作甚？ 在大数据的洪流下，或许我们可以不去追究“大数据”一词的真正含义，但是，我们却必须知 道“大数据”能做什么？ 百度预测在2014年世界杯的四分之一决赛和 16强的预测中，其准确度达到了100%； 亚马逊、淘宝等推荐购买； 3 大数据是如何做到这一切的？ 大数据运作流程：从各渠道搜集数据→分析客户与业务间的联系→针对目标客户制 定相应的措施→实现价值提升。 4 大数据能为XX2015年产品策略助力吗？ 在2015年计划编制报告中，分公司提出了稳定储蓄型产品、做大保障型产品、借力 短期分红型产品推高保费平台的产品策略。 大数据是否能通过分析挖掘，针对目标业务员进行资源投放、针对目标客户进行主 顾开拓助力2015年产品策略呢？ 5 目标业务员有哪些“潜规则” ？ 保险市场是一个卖方市场，客户购买保险的需求通常都需要业务员去主动挖掘。 因而，我们思考的首要问题是：为了实现产品策略，我们应该选取哪些业务员进行资 源投放呢？ 6 业务员属性选取 每个业务员身上有很多属性，如司龄、职级、年龄、学历等等。 在以下报告中，选取了业务员的职级、司龄、年龄、学历、婚姻五个属性作为甄别属 性，进行“大数据精准定位”探讨。 他各方面都符 合，就他了！ 7 业务员分险种分析——三鑫、智胜绩优人群年龄偏大 常规人群全年销售各险种的件数集中在1-3件(与年龄并不存在较大关系； 而3件以上（三鑫为9件）的 表现为：三鑫（37-45岁），智胜（37-45岁），智慧 星（25-51均匀分布）。 三鑫 X轴：年龄 Y轴：件数 绩优人群： 智慧星 智胜 常规人群： 3 50 51 50 8 业务员分险种分析——平安福绩优人群年龄分布均匀 平安福的常规人群依然集中在1-3件；绩优人群在25-50岁间均匀分布，为4-8件； 尊越的常规人群销售件数集中在1-2件；绩优人群在35-50岁间均匀分布，为3-5件。 平安福 X轴：年龄 Y轴：件数 绩优人群： 常规人群： 尊越 9 业务员分险种分析——司龄长不代表卖得多 常规人群中，各险种的销售件数随着司龄的增加均存在一定的下降； 三鑫和智胜的绩优人群司龄集中在2-7年，智慧星则比较平均 三鑫 X轴：司龄 Y轴：件数 绩优人群： 常规人群： 智慧星 智胜 每刻度为12月 10 业务员分险种分析——平安福绩优人群与司龄不相关，但尊越相关 平安福和尊越的常规人群销售件数依然随司龄下降； 平安福的绩优人群分布同智慧星一样，较为平均； 而尊越的绩优人群则在3年以上表现得较为平均且高于其他业务员。 平安福 X轴：司龄 Y轴：件数 绩优人群： 常规人群： 尊越 每刻度为12月 11 万一 保险网 中 国 保险资料下载网 特别的，我的顶部25%可以代表绩优人群！ 个 我别 接 大 部 的在 下 家 分 身此 来 好 各 体做 的 ！ 占 分个 分 我 为自2析 叫 四我5将 箱 个介%用 线 部绍 到 图 。 我 ，分 25%： 25% 绩优人群 一起进入箱线图之旅吧！ 25% 25% ，， 由 每特 于 25% 12 业务员分险种分析——未婚业务员不绩优 各险种的箱线图都显示了已婚、离婚的业务员的销售件数高于未婚业务员，且更大 可能为绩优。 X轴：婚姻 Y轴：件数 三鑫 智慧星 智胜 25%高 于6件 50%低 于2件 50%只 有1件 50%只 有1件 13 业务员分险种分析——离婚业务员尊越卖得好 平安福的情况依然是已婚和离婚的业务员好于未婚业务员； 离婚业务员销售2件以上的尊越的可能性要大于其他业务员 平安福 X轴：婚姻 Y轴：件数 尊越 50%只 有1件 50%离婚业务 员销售2件以上 14 业务员分险种分析——大学本科生并不绩优 从三鑫、智慧星、智胜三个险种的销售件数与业务员学历的箱线图中，大学本科生 明显小于或等于其他学历，其次是中专学历的业务员。 三鑫 智慧星 X轴：学历 Y轴：件数 智胜 50%只 有1件 75%只 低于2件 15 业务员分险种分析——高中