大数据解决方案在保险行业的应用实践

1、目录目录 大数据在保险行业的机遇与挑战 针对保险行业的大数据解决方案 保险及金融行业的成功案例介绍 华夏人寿实施大数据的建议路径 1整理ppt 以用户为中心建设互联网保险以用户为中心建设互联网保险 客户获取客户转化客户服务客户挽回 战略 & 规划 明确并聚焦目标 分析 & 洞察 全方位深入分析 应用 & 营销 & 交互 多渠道协同， 数据应用 客户体验 建设可靠信任关系 DATA DATA DATA DATA DATA DATA DATA DATA 数据 整合 用户 画像 数据 分析 客户细分模型 客户价值模型 忠诚度模型 受众群体扩展 模型 社会网络模型 客户 获取 客户 转化 客户 服务

2、数据 应用 业务转型 大数据技术与平台支撑 大数据分析技术和工具保险企业客户分析模型 不断优化的管理闭环 外部数据 内部数据 数据模型 业务应用 用户行为偏好数据匹配 DATA 01： 建设思路建设思路 02： 建设目标建设目标 03： 业务规划业务规划 04： 技术实现技术实现 2整理ppt 保险行业发展大数据的难点保险行业发展大数据的难点 数据多 整合困难 客户多 分析困难 需求多 应用困难 数据来源的多样性 数据类型的复杂性 数据特征的多元化 数据处理方法的差异化 组织内部数据的分散性 数据共享机制的缺乏 怎么识别客户全方位的特征？ 怎样有效细分客户？ 怎样提取客户的共同需求？ 怎样利用

3、不同模型/算法生 成客户多样化标签？ 怎样进行客户行为偏好分析？ 如何与客户实时交互 如何及时响应客户的需求 如何提供满意的客户体验 如何降低客户流失 如何控制客户维系成本 如何对客户进行精准营销 3整理ppt 大数据管理平台大数据管理平台 应用平台应用平台 大数据采集大数据采集 业务数据汇集系统业务数据汇集系统 用户行为数据采集系统用户行为数据采集系统 互联网公开数据抓取系统互联网公开数据抓取系统 大数据清洗大数据清洗 业务数据清洗系统业务数据清洗系统 用户行为数据清洗系统用户行为数据清洗系统 互联网公开数据清洗系统互联网公开数据清洗系统 大数据标准化大数据标准化 用户多重用户多重ID归一化

4、系统归一化系统 商品归一化系统商品归一化系统 大数据结构化大数据结构化 用户标签管理系统用户标签管理系统 商品标签管理系统商品标签管理系统 管理平台管理平台 基础平台基础平台 可视化数据操作平台可视化数据操作平台 大大数据操作系统（数据操作系统（BD-OS） 数据全生命周期管理数据全生命周期管理业务流程全生命周期管理业务流程全生命周期管理业务价值挖掘建模业务价值挖掘建模 数据访问数据访问 资源管控资源管控 分布式存储（磁盘及内存）分布式存储（磁盘及内存） 数据接入数据接入 安全安全( 认证认证 权限权限 ACL ) 监控监控 配置及报警配置及报警 安装及云服务安装及云服务 电子商城电子商城 个

5、性化个性化 系统系统 移动商城移动商城 个性化个性化 系统系统 媒体网站媒体网站 个性化个性化 系统系统 在线营销在线营销 支持系统支持系统 门店营销门店营销 支持系统支持系统 会员营销会员营销 支持系统支持系统 全网市场全网市场 监控系统监控系统 舆情管家舆情管家商情管家商情管家 用户洞察用户洞察 系统系统 个性化推荐引擎（个性化推荐引擎（BRE）自动化营销引擎（自动化营销引擎（BME）大数据分析引擎（大数据分析引擎（BAE） 媒体网站媒体网站 个性化个性化 系统系统 4整理ppt 目录目录 大数据在保险行业的机遇与挑战 针对保险行业的大数据解决方案 保险及金融行业的成功案例介绍 华夏人寿实

6、施大数据的建议路径 5整理ppt 以用户为中心建设互联网保险以用户为中心建设互联网保险 客户获取客户转化客户服务客户挽回 战略 & 规划 明确并聚焦目标 分析 & 洞察 全方位深入分析 应用 & 营销 & 交互 多渠道协同， 数据应用 客户体验 建设可靠信任关系 DATA DATA DATA DATA DATA DATA DATA DATA 数据 整合 用户 画像 数据 分析 客户细分模型 客户价值模型 忠诚度模型 受众群体扩展 模型 社会网络模型 客户 获取 客户 转化 客户 服务 数据 应用 业务转型 大数据技术与平台支撑 大数据分析技术和工具保险企业客户分析模型 不断优化的管理闭环 外部

7、数据 内部数据 数据模型 业务应用 用户行为偏好数据匹配 DATA 6整理ppt 为保险企业提供端到端的整体解决方案为保险企业提供端到端的整体解决方案 DATA DATA DATA DATA DATA DATA DATA DATA 数据 整合 用户 画像 数据 分析 客户细分模型 客户价值模型 忠诚度模型 受众群体扩展模 型 社会网络模型 客户 获取 客户 转化 客户 服务 数据 应用 业务转型 外部数据 内部数据 数据模型 持续优化 DATA 客户 归一 123 4 5 6 7整理ppt 01： 海量多源异构数据的整合海量多源异构数据的整合 第一方数据 实时用户行为实时用户行为 采集内容采集

8、内容： CRM、信用卡等 业务系统数据 数据格式数据格式：关系型数据库 独特优势独特优势：灵活、易扩展、高 操控性 业务系统数据业务系统数据 采集内容采集内容：用户行为轨迹 数据格式数据格式：自定义、高度灵活 独特优势独特优势：实时、跨站、跨浏 览器、跨设备、 采集内容采集内容：Txt、CSV、Excel、 XML、Word、PDF、 Socket 独特优势独特优势：支持非结构化数据、 实时、高效 日志数据日志数据 抓取内容抓取内容：媒体资讯、贴吧、微博、 搜索引擎、 数据格式数据格式：将HTML转换为格式化数 据（Json） 独特优势独特优势：精确的流量控制、JS引 擎、模拟登录、模拟用户行

9、为、功能 全面、操作简单 数据探头系统数据探头系统数据桥接系统数据桥接系统日志收集系统日志收集系统 抓取系统抓取系统 互联网开放数据互联网开放数据 采集内容采集内容：央行征信、银联交 易等合作方数据 数据格式数据格式：可支持各种第二方 数据格式 独特优势独特优势：支持多种数据格式， 按需采集，灵活、易扩展 SDK/API/接口接口 合作方数据合作方数据 第二方数据 第三方数据 大数据平台大数据平台 8整理ppt 01： 海量多源异构数据的整合海量多源异构数据的整合 第一方数据 实时用户行为实时用户行为 采集内容采集内容： CRM、信用卡等 业务系统数据 数据格式数据格式：关系型数据库 独特优势

10、独特优势：灵活、易扩展、高 操控性 业务系统数据业务系统数据 采集内容采集内容：用户行为轨迹 数据格式数据格式：自定义、高度灵活 独特优势独特优势：实时、跨站、跨浏 览器、跨设备、 采集内容采集内容：Txt、CSV、Excel、 XML、Word、PDF、 Socket 独特优势独特优势：支持非结构化数据、 实时、高效 日志数据日志数据 抓取内容抓取内容：媒体资讯、贴吧、微博、 搜索引擎、 数据格式数据格式：将HTML转换为格式化数 据（Json） 独特优势独特优势：精确的流量控制、JS引 擎、模拟登录、模拟用户行为、功能 全面、操作简单 数据探头系统数据探头系统数据桥接系统数据桥接系统日志收

11、集系统日志收集系统 抓取系统抓取系统 互联网开放数据互联网开放数据 采集内容采集内容：央行征信、银联交 易等合作方数据 数据格式数据格式：可支持各种第二方 数据格式 独特优势独特优势：支持多种数据格式， 按需采集，灵活、易扩展 SDK/API/接口接口 合作方数据合作方数据 第二方数据 第三方数据 大数据平台大数据平台 5.5亿亿+用户用户 全全网画像：网画像： 9大维大维度度 500+子维子维度度 1,100万万+用户标签用户标签 日日活跃活跃 4,000+万万UV： 日日活跃访次：活跃访次：3,700万万 日日活跃活跃PV：1.2亿亿 日日推荐次数推荐次数：6,000万万 并发推荐：并发推

12、荐：2万次万次/秒秒 单单次响应时间：次响应时间：200ms 21大类大类 4,000+子类子类 400+商品标签维度商品标签维度 100万万+商品标签数商品标签数 1亿亿+商品商品 全全网画像：网画像： 1,000万万+媒体媒体 标签标签 ： 20大类大类 1,000+子类子类 200+媒体标签维度媒体标签维度 第第 三三 方方 数数 据据 9整理ppt 客户盘点：客户盘点：1,500+互联网企业客户互联网企业客户 10整理ppt 02：跨渠道用户：跨渠道用户ID归一归一 11整理ppt 03： 用户画像用户画像 客户收入支出信息客户渠道使用客户资金往来. 客户基本信息客户持有产品客户历史交

13、易客户风险等级 事实事实 标签标签 用户画像标签用户画像标签 原始原始 数据数据 预测预测 标签标签 模型模型 标签标签 资金往来趋势产品购买次数投诉次数. 人口属性账户历史趋势渠道使用频率. 用户关联关系用户满意度用户风险评分. 产品购买偏好渠道使用偏好用户活跃度. 消费能力违约概率用户近期需求. 人口属性人群属性用户流失概率. 人口属性用户价值用户兴趣爱好. 模型预测模型预测 建模分析建模分析 统计分析统计分析 12整理ppt 03： 用户画像用户画像 客户收入支出信息客户渠道使用客户资金往来. 客户基本信息客户持有产品客户历史交易客户风险等级 事实事实 标签标签 用户画像标签用户画像标签

14、 原始原始 数据数据 预测预测 标签标签 模型模型 标签标签 资金往来趋势产品购买次数投诉次数. 人口属性账户历史趋势渠道使用频率. 用户关联关系用户满意度用户风险评分. 产品购买偏好渠道使用偏好用户活跃度. 消费能力违约概率用户近期需求. 人口属性人群属性用户流失概率. 人口属性用户价值用户兴趣爱好. 模型预测模型预测 建模分析建模分析 统计分析统计分析 交易信息交易信息 基于现有各个业务系统和渠道产生 的数据 客户行为偏好信息客户行为偏好信息 包含客户即时偏好分析和长期偏好分析，形 成客户兴趣偏好标签 客户社会 关系网 客户交互信息客户交互信息 基于分析客户对内对外的各类数据，形成完 整的

15、客户交互标签 人口统计学标签人口统计学标签 基本属性，源于现有客户基本信息 以及外部数据源 性别 家庭住址 工作单位 年龄 收入和支出 交易流水 产品和服务 购买历史 近期金融产 品需求 客户意见 反馈 未来服务预 期 客户行为 偏好 客户沟通记录 (邮件/短信/QQ) 客户讨论 倾向客户态度和 观点 KAM 13整理ppt 基于企业业务需求、场景构建标签，划分主题、颗粒度等基于企业业务需求、场景构建标签，划分主题、颗粒度等 示 例 14整理ppt 04：商业建模：商业建模 相似度计算 推荐算法 文本挖掘算法 分类聚类算法 预测算法 15整理ppt 模型一：客户细分模型模型一：客户细分模型 挖

16、掘高价值客户，提升非付费客户到付费客户的转化率挖掘高价值客户，提升非付费客户到付费客户的转化率 客户分类客户分类描述描述实现步骤实现步骤 高价值高价值 客户画像 高价值客户可定义为： 1、件均保费高的期缴保单客户 2、保单数排名前矛的客户 对高价值客户进行画像，归纳总结高价 值客户群体特征，从现有客户中挖掘有挖掘有 潜力的客户潜力的客户，使其转化为高价值客户 1、抽取A公司高价值客户和非高价值客户两个数据 样本 2、分析两个样本的群体特征，找出高价值客户群相 对非高价值客户群的区别，并进行画像 3、根据画像结果，按照营销跟进并根据效果进行持 续优化 付费付费 客户画像 通过分析付费客户和非付费

17、客户，画 像两个群体的差异特征，并从非付费 客户中寻找符合付费客户的特征，针 对性的销售以提升转化率提升转化率 1、提供付费和非付费客户样本群进行初步分析，取 得差异化特征维度 2、针对差异化维度进行建模测试，训练并达到预期 建模效果 3、从非付费客户群中抽取与付费客户特征相似的客 户进行有针对性的营销 16整理ppt 模型二：客户的价值模型模型二：客户的价值模型 精准的营销精准的营销, 不存在错误的客户，只存在错误的宣传。不存在错误的客户，只存在错误的宣传。 个性化推荐和营销就是在最合适的时间、以最恰当的方式、向客户推荐或营销他最需要的资讯、产品或 服务。 场景1：个性化精准营销场景2：实时

18、的精准营销 不同的用户不同的用户不同的产品不同的产品 个性化推荐和营销 出行之前，看到的不再是重复的广告，而是针对性的 旅行保险广告 进入系统，伴之而来的广告不再是千篇一律的“垃圾”广告， 而是考虑了职业、性别、年龄、收入等因素的针对性产品 市场细分是解决用户异质性的一种方法，而个 性化则是市场细分的极致，即把每一个用户看 成一个细分市场，这也是营销的终极目标。 用户的用户的“异质性异质性”与产品的与产品的“差异化差异化” 17整理ppt 模型三：客户的忠诚度模型模型三：客户的忠诚度模型 针针对不同类型用户采用不同的营销策略对不同类型用户采用不同的营销策略 购买比数 得分 最高金额 得分 平均

19、金额 得分 最近购物 得分 活跃家数 得分 5.00 4.00 3.00 2.00 1.00 消费能力 用户粘性 低活跃低价值用户，综合 考虑是否有必要花成本 活跃用户，提高服务 质量进行引导 一般保持客户 一般挽留客户 重要保持客户 重要挽留客户 重要发展客户 重要价值客户 一般发展客户 一般价值客户 高价值低活跃，花成 本搞活 最近一次消费最近一次消费 (Recency) 消费频率消费频率 (Frequency) 消费金额消费金额 (Monetary) 客户价值客户价值 重要价值客户 重要发展客户 重要保持客户 重要挽留客户 一般价值客户 一般发展客户 一般保持客户 一般挽留客户 18整理

20、ppt 模型四：受众群体的扩散模型模型四：受众群体的扩散模型 筛选最具购买倾向的客户名单筛选最具购买倾向的客户名单 19整理ppt 模型五：社会网络模型模型五：社会网络模型 引流引流& 重新建立失联客户重新建立失联客户 业务业务描述描述实现步骤实现步骤 客户引流与获 客 结合双方共同的合作方，协助A公司引流 合作方的客户到自身平台，借以获客并取 得二次营销的机会 1、从合作方获取客户资料 2、通过双盲拨打/短信或其他方式触达客户端， 进行营销宣传与获客 区域性保险赠 品发放 根据客户偏好分析，有针对性的配置赠品 进行发放 针对区域内客户的全网行为特征和偏好，有针对 性的配置赠品进行发放 失联客

21、户联系 重建 保险存在大量的失联客户（客户换手机或 手机号不正确），可通过平台的用户数据 进行匹配，并反馈正确的信息 1、整理C保险现有用户数据，进行必要的清洗 2、对清洗后的失联数据，在平台的数据库中进 行匹配 3、对于匹配上的数据，平台反馈真实的联系方 式及相关信息 20整理ppt 05: 洞察用户特征，精准触达高净值用户洞察用户特征，精准触达高净值用户 实现从客户细分、营销策划、营销执行到效果评估的精准营销闭环管理实现从客户细分、营销策划、营销执行到效果评估的精准营销闭环管理 21整理ppt 05:通过个性化推荐技术实现智能商品导购，提升交叉通过个性化推荐技术实现智能商品导购，提升交叉/

22、向上向上销售销售 22整理ppt 06: 反复迭代、持续性的优化反复迭代、持续性的优化 图形图形化的显示为领导层的决策提供支撑化的显示为领导层的决策提供支撑 持续优化持续优化 洞察报表洞察报表 效果报表效果报表 投放报表投放报表 效果监测效果监测 新新老访客分析，网页热度分析，用户忠诚度分析老访客分析，网页热度分析，用户忠诚度分析 投放实时展示投放实时展示多维多维度投放监控度投放监控 媒体分析媒体分析 渠道分析渠道分析 受众分析受众分析 受众筛选受众筛选 实时优化实时优化 调查问卷调查问卷 标签标签体系（如人口的自然属性，人群兴趣、体系（如人口的自然属性，人群兴趣、 人群行为、购物行为等）协助

23、广告主进行人群行为、购物行为等）协助广告主进行 精准的受众精准的受众筛选筛选 效果优化效果优化系统系统使用基于使用基于OnlineLearning的的 算法思维，结合用户算法思维，结合用户数据生成的各种特征数据生成的各种特征 （如（如TF/IDF、特征向量模型、特征向量模型、SVM、决策、决策 树、树、K-Means、交叉特征、交叉特征、层次、层次平滑体系平滑体系 树、树、用户实时反馈特征），帮助各种合作用户实时反馈特征），帮助各种合作 渠道渠道优化效果策略优化效果策略 对于阶段性投放效果发布调查问卷，结合调对于阶段性投放效果发布调查问卷，结合调 研效果调整下一阶段的投放策略研效果调整下一阶段

24、的投放策略 23整理ppt 目录目录 大数据在保险行业的机遇与挑战 针对保险行业的大数据解决方案 保险及金融行业的成功案例介绍 华夏人寿实施大数据的建议路径 24整理ppt 金融行业金融行业部分部分客户客户 注：规划中 25整理ppt 泰康保险：互联网泰康保险：互联网用户行为采集和网站数据统计分析项目用户行为采集和网站数据统计分析项目 用户行为数据采集 用户数据拉通模块 网站数据统计分析 用户行为分析模块 用户行为分析与运营分析用户画像个性化推荐与精准营销 泰泰康人寿的业务痛点在于积累了大量的用户却不知道康人寿的业务痛点在于积累了大量的用户却不知道 如何使用用户数据？ 如何了解客户、经营客户？

25、 如何建立情感链接、实现有效互动，如何打造个性化的产品、服务？ 如何增强客户黏性、提升客户满意度？ 如何扩大保险覆盖面、提升保险渗透率？ 解决方案解决方案 123 事实标签 模型标签 预测标签 跨站点用户偏好分析 兴趣扩散模型分析 消费者兴趣图谱分析 实时购物意图分析 26整理ppt 泰康保险泰康保险：1.1 用用户行为数据采户行为数据采集集 网站概况每天网站PV、UV、独立IP、活跃度等基本指标统计 实时统计达到以10分钟为粒度，进行PV、UV的统计计算 访客分析记录访客设备信息、浏览轨迹、页面停留时间、地域、实时访客、用户拉通信息等 转化追踪分析推广、搜索引擎转化率、外部链接 设备信息分析

26、客户设备信息：浏览器类型、操作系统、分辨率等等 保险产品信息分析各个保险产品每日浏览量、趋势、客户兴趣度、转化率等指标 触点采集 传统PC站点手机WAP站点手机APP站点移动端微信 27整理ppt 泰康保险泰康保险：1.2 用户数据拉通模块用户数据拉通模块 : 用户ID 价值价值难点难点 整合所有接触点的用户数据整合所有接触点的用户数据 整合用户的所有整合用户的所有ID 真正真正“认识认识”一个用户一个用户 用户不再用户不再“匿名匿名” 多源异构规整到统一标准精多源异构规整到统一标准精 确定义的标签确定义的标签 如何理解并定义如何理解并定义“同一个用同一个用 户户” 不同标签体系的融合不同标签

27、体系的融合 用户与用户与ID的多对多关系的多对多关系 28整理ppt 泰康保险泰康保险：1.3 用户行为分析模块用户行为分析模块 图 4 新增/沉默/活跃/流失用户 图 1 客户生命周期 图 5 留存用户 图 2 用户分类及详情 图 3 回流用户分析 29整理ppt 泰康保险泰康保险：1.4 网站数据统计分析网站数据统计分析 图1 页面浏览量分析 图 2 分时段统计信息 图 3 网页跳出率分析 图 4 分时段统计信息图 5 用户来源分析图 6 搜索关键词统计分析 30整理ppt 中信银行：高价值中信银行：高价值潜在客户挖掘潜在客户挖掘 (出国金融出国金融) 业务业务需求需求 通过大数据分析，找

28、到存量客户中潜在的出国金融产品客户（以出国留学类金融产品为例），分析此类高价值客户的行为特征，并针对有相似特 征的用户群进行精准营销，达到潜在客户转化为真正客群的目的。 营销方案制定与执行营销方案制定与执行找到精准营销切入点找到精准营销切入点找到高价值潜在客户找到高价值潜在客户数据准备与数据准备与匹配匹配 1.将该银行北京分 行的客户与第三 方数据进行匹配， 匹配率匹配率43%； 2.剔除用户画像中， 媒体关注类标签 少于100个的用户； 3.剩余用户占比： 37.25%。 1.选择出国留学类金融 产品进行分析； 2.对该银行北京分行从 2013年2月至2014年 12月进行出国金融客 户通过生存分析模型， 发现91%的客户在申 请学校之前就已是该 行客户； 3.需要在用户申请学校 之前先联系到客户。 对出国留学金融客户群 进行分析，发现： 1.出国前6-10个月，出 国金融客户较为关注