保险业在线客户细分及忠诚度探究

1、保险业在线客户细分及忠诚度探究摘要：在网络环境下，如何培养客户忠诚度、提高续保率, 成为保险业发展需要解决的重要问题。笔者结合网络保险业的特征，根据客户的基本特征与交易行为，采用rfm分析 方法构建客户细分指标体系，利用som神经网络模型将客户聚类为黄金客户、重要发展客户、重要挽留客户、重点维 持客户、普通客户和其他无价值客户6类，然后从中选取最 有价值的前两类客户，利用客户忠诚度评价模型对其忠诚度 进一步分析，针对各类客户群分别提出相应的营销策略。关键词：保险业；网络保险；客户细分；客户忠诚度 作者简介：李琪（1955-），男，重庆人，西安交通大学经济与金融学院教授，博士生导师，主要从事电子

2、商务、电 子政务研究；崔睿（1984-），女，山西原平人，西安交通大 学经济与金融学院博士研究生，主要从事电子商务研究。中图分类号:f840.4文献标识码a文章编号:1006-1096（2012 ） 06-0062-05 收稿日期：2012-04-10一、文献回顾网络保险业在我国起步较晚，相关研究主要集中于理论 方面，大多是对网络保险业的发展现状、意义及技术进行探 讨，在应用方面研究的文章很少，更缺乏定量的实证研究。 宋立伟（ 2003 ）提出电子保单替代纸质保单的必要性。申丽 丽（2007 ）对第三方保险电子商务网站进行了 swot分析。 张敏（2008 ）研究发现多渠道整合是网络保险业成功

3、运作的 基础，并提出了相应的发展对策。孙晓飞（ 2007 ）针对我国 国情，提出了保险业电子商务模式构建方案。高雷等（2010 ） 对我国与美国及欧洲的保险电子商务发展进行了比较。各行业对于客户忠诚度的研究多为理论研究，缺乏实证 分析，而实证分析也多采用结构方程模型的方法对客户忠诚 度进行假设检验，只有少数学者（曹洁慧，2007 ）尝试用数 据挖掘的方法。在客户细分的方法中，基于簇的划分方法更 加适用于客户分类，而形成簇集通常采用聚类技术。自组织 映射（self organization map , som ）神经网络是较为广 泛应用于聚类的神经网络，近期在银行业、电信业（吴春旭 等,2010

4、）.旅游业等多种行业中均得到了广泛的应用osom 网络可以采用各神经元之间的自动组织去寻找各类型间固 有的、内在的特征，从而进行映射分布和类别划分，因此对 于解决各类别特征不明显、特征参数相互交错混杂的，非线 性分布的类型识别问题是非常有效的（陈伯成等，2004 b而客户行为识别也是一种复杂多变的问题，som神经网络 的这种特性对于基于客户行为的客户细分也是相当有效的。笔者尝试用som神经网络模型对保险业的在线客户忠诚度进行研究，根据网络环境下的客户特征与其交易行为，采用rfm分析方法构建客户细分指标体系，并利用som神 经网络模型对客户进行聚类，然后从中选取最有价值的客户 进一步研究其忠诚度

5、，针对各类客户群分别提出相应的营销 策略，以期为我国保险业的发展提供借鉴。二、客户细分 (-)客户细分的方法与细分指标客户细分的方法包括人口统计细分、生活方式细分、行为细分和利益细分。针对网络保险业，应该在客户基本特征 的基础上，结合其行为特征，制定动态的、合适的细分指标 体系，才能较好地衡量客户在网站上的行为，运用价值矩阵 来衡量客户给保险公司带来的利润，从而辨识出对企业价值 较高的客户。rfm分析方法是分析客户行为特征的一种方法，由 hughes 于 1994 提出，通过 r ( recency f (frequency m ( monetary ) 3个行为变量来区分客户,其中,r指上次

6、 购买至现在的时间间隔，f为某一期间内的购买次数，m是 某一期间内的购买金额。本研究中的客户细分指标体系添加了在线环境下保险活 动的一些衡量指标，主要有客户的基本特征、客户交易行为 的rfm、客户在保险网站上的活动以及客户在购买保险后是 否续保等行为指标，如表1所示。不同的指标间具有不可共度性，且后面要用到som方 法，所以指标要在量化时尽量标准化到0 , 1,且客户按照 年来确定考核周期。数据选择方面，例如近度、频度，都采 用比值的形式，将最新值与历史值进行比较，将某个客户的 值与整个客户的平均水平作比较。将客户交易价值分为两部分进行量化，一部分是客户已经带来的价值，一部分是客户 的潜在价值

7、。客户的已有价值是在假设客户现在的特征保持 不变时，估算客户能够带来的利润总和。客户的潜在价值是 客户未来可能给公司带来的利润，再求现。表1保险业在线客户细分指标指标指标权重量化方法及含义基本特征cc1w0客户特征是否属于保险的潜在用户，由专家进行评估后取值，从客户的静态条件来识别客户风险衡量指标rmrm1rm2w1w2客户在分析期内理赔数额，指的是总金额 客户在分析期内理赔频率，指的是次数交易 指标r近度r1w3即某客户平均近度值与全部客户平均近度值的比 值，从宏观角度来衡量客户的长期行为r2w4即某客户最新 近度值与其历史近度值的比值，从微观角度来衡量该客户近 期动态行为的突变情况r3w5

8、是指最近一段时间内客户的 近度平均值与全部客户的平均近度值的比值，从宏观的角度 衡量了客户行为变化趋势f频度f1w6指客户最近一段时间行为的频率与全部客户的行为频率的比值，即某客户平均频度值与全部客户平均频度值的比值，f1从宏观角度衡量了客户与保险公司的接触情况f2w7指最近一段时间的w6与过去一段时间的w6 ,已实现从微观的角度衡量客户行为的变化情况f3w8即考察客户 的平均频度值与全部客户的平均频度值的比值，实现从宏观 的角度衡量客户行为的变化情况m值度m1w9是指考察客户的投保额与全部客户的平均投保额的比值m2w10从客户自身的角度进行考察，最近一段时间 内客户的投保额与历史投保额的比值

9、m3w"即考察客户最 近一段时间内的投保额与全部客户平均投保额的比值m4w12客户潜在价值，是由专家评估得到的，从微观角度 衡量客户的价值行为指标v网站 上行为v1vwi3登陆企 业网站的近度值v2w14登陆企业网站的频度v3w15登陆 企业网站的值度（登陆时间总和）v4w16专家根据客户是 否与保险公司有其他联络，通过累计次数得出评估值e其他行为e1w17专家根据客户好的行为表现进行评估得到的评估值e2w18专家根据投诉、抱怨等行为的累计次 数进行评估得到的评估值（二）客户细分实现客户细分的基本思路:1选择训练样本。从获取的客户资料中提取部分客户的详 细信息，以设计好的指标为标准，

10、分解客户信息，将客户信 息作为训练数据集。然后应用som的聚类能力进行分析， 得到多个客户簇。2 计算每个客户簇的指标的平均值和所有客户的相应的总的平均值。方法如下c=w0c1=c1 ( 1 )rw=rm1w1+rm2w2 ( 2 )r=r1w1+r2w2+r3w3 ( 3 )f=fiw4+f2w8+f3w6 ( 4 )m=m1w7+m2w8+m3w9+m4w10 ( 5 )v=vriwii+vfzw12+vm3w13+v4w14 ( 6 )e=e1w15+e2w16 ( 7 )3将各个客户簇的c、rw. r、f、m、v的分别平均值与总平均值比较，每次都会得出2个结果：大于或小于总平 均值。根

11、据每个客户簇指标的变化情况来对客户进行细分。4根据每个客户簇指标情况分析客户簇的性质 进而判断 该类客户是高价值客户还是易流失客户等。5应用训练好的som模型，对所有的客户数据进行分析，将每个客户都划分到一类。分别计算各个客户和总体客 户的指标平均值。如果该簇的各个指标的平均值都大于所有客户的平均值，则标记为,反之则记为7”。三、客户忠诚度（-）客户忠诚jones等（2002 ）从客户满意与客户忠诚的关系角度出 发，将客户忠诚分为忠诚者、人质客户、唯利是图者和背叛者。dick等（1994 ）将客户忠诚与客户心态和行为相结合， 将客户忠诚分为忠诚、潜在忠诚、虚假忠诚和不忠诚4种类 型。（二）客户

12、忠诚度评价指标体系在网络环境下，客户对于保险的忠诚从亲缘忠诚更多地转变为信任忠诚，评价的实时性和互动性加强，评价指标更加丰富，服务更具有连续性。结合网络环境下客户忠诚的表现形式和决定因素，按照动态过程，本研究设计了网络保险 业中客户忠诚度的评价指标体系，如图1与表2。图1客户忠诚度评价指标框图 （三）客户忠诚度评价模型基本思路如图2所示。1 评价目标。研究网络保险业中具有较大客户价值的几类 客户的忠诚度。2被评价的对象。在上面细分出来的对企业有价值的客 户。3 评价指标体系。从客户资料中提取有价值客户的详细信息，按照设计好的指标分解客户属性。图2客户忠诚度评价模型 表2客户忠诚度评价指标体系

13、目标一级评价指标序号二级评价指标详细说明客诚x客户期望aa1 口碑其他媒体和客户的推荐或口碑a2保险信息网 站详细的保险信息a3网站交互性搜寻信息时间和便利性a4 专业化保单设计的专业性及理赔等的服务专业性a5个性化 保单和服务是否支持个性化a6响应速度在线投保后收到回 复的速度，服务的响应速度客户认知价值bb1险种的设置内容险种的设置内容b2保费需缴纳的 保费b3品牌保险公司的品牌认可度b4理赔服务质量售后服 务的质量b5险种风险该保险是否有时候有风险b6其它无形 成本时间成本、精神成本、体力成本等客户满意cc1对销售人员的满意对在线提供销售咨询人员的满意 度c2情感因素整个交易过程中是否心

14、情愉悦等情感因素c3 对售后人员服务的满意对提供理赔等服务的人员的满意度 c4各项在线服务咨询、帮助、申请、注册和更改等c5网站 设计网站设计的是否合适c6投保程序合理性网上投保程序 是否合理、方便客户信任dd1满足需求的实力满足需求的实力d2诚实性对客户 的诚实性d3公平性对客户的公平性d4网络安全性网络的 安全性是否可靠d5网络、信息可靠性网络是否可靠，信息 是否安全转移成ee1关系利益是否属于亲缘忠诚e2心理成本转换投保 单位是否对投保人有心理影响e3替代限制可转换的保险和 服务的多少e4额外的服务或服务恢复在服务失败后，是否 有弥补措施4建立评价集。以5分制建立评价集，5分代表最高，1

15、 分代表最低。评价集=vv1 , v2 , . , v5用5分制表示二5,4,3,2,"用语言描述珂很高，较高，一般，较低，很低5确定权重集并确定综合评价矩阵。由业内专家学者、营 销人员、服务人员和消费者组成专家决策小组，从客户的角 度和立场确定指标权重和综合评价矩阵。6数据处理和计算。逐次输入客户的信息 采用matlab6.5 编程实现模型计算，得到各个客户的综合评价结果。7分析并制定营销策略。对评价结果进行分析，通过比较可以判断出客户忠诚度的高低，并且分析客户忠诚度较低的 原因，从而更有针对性地制定营销策略，改善企业提供的产 品或服务。8 客户信息更新。将客户的分析结果反馈到数据

16、库进行存储,通过分析对客户实施特定的营销策略后，对客户进行跟 踪，根据结果不断调整评价体系。将每个客户都划分到一类可以看到50个客户大致分为6 个客户簇，如表3所示。表3客户细分运行结果客户簇编号客户数量（个）crwrfmve比较结果150.870.480.400.630.830.370.15c t rwt r； f； m t vt e t 270.750.340.420.490.800.200.14c t rwir；f；m tvlet3110.780.270.740.610.670.180.10ctrw；rtftmtvie；4150.460.710.380.670.490.250.19c；r

17、wtrt ftmwtet 580.40.630.730.640.450.240.10c4rwt rt ft mivt e；640.350.330.860.450.320.110.06c irwirt f1miviej 总均值 500.60.460.590.580.590.230.12根据运行结 果,分析各个客户簇的性质，提出相应的营销策略。具体为1 黄金客户，即c值高、rw值高、r值低、f值低、m 值高、v值高、e值高。该类客户从基本特征来说，符合购 买保险的基本条件，最近一次投保距离现在时间较近，且投 保数额较大，续保率高，虽然该类客户的风险相对也较大, 但从数值上看，rw值高岀平均值0.0

18、2 ,风险的增加与投保 数额相比并不大，所以从此类用户价值高，忠诚度高，能给 企业带来较高利益，是企业应该重点关注和培养的对象。该类客户的消费能力较强，对保险的需求较多，对企业的忠诚度较高，属于高端客户。针对这种客户，应该采用长 期营销策略，将其作为重点培养对象，及时了解客户的需求, 适时提供服务。深度挖掘客户需求，针对客户需求设计个性 化保单，提高客户满意度，保证客户的永久忠诚。2重要发展客户，即c值高、rw值低、r值低、f值 低、m值高、v值低，e值高。此类客户从基本特征上符合 购买保险的基本条件，最近一次投保日期距离现在较近，且 投保数额较大，但投保的次数并不多，所以说，历史上该类 客户

19、没有为企业带来很大价值，但最近一次交易价值较大, 且该客户的赔保数额和赔保率都不高，虽然从总体上感觉忠 诚度并不是很高，但该类客户具有较好的发展前景，需要企 业重点关注，将其发展为黄金客户。该类客户属于保险销售的主要目标群体，客户的交易能 力较高，但他们接受新事物的能力较强，忠诚度相对较低。 对于这类客户应实行一对一销售，做到实时跟踪、适时提供 服务，当客户在线投保时，快速回应，努力提高客户满意度。 深度挖掘客户需求，适当提供优惠策略，以吸引客户重复消 费，提高其忠诚度。3重要挽留客户，即c值高、rw值低、r值高、f值高、m值高、v值低、e值低。该类客户从基本特征来看，符合购买保险的基本条件，

20、且客户的风险并不高。客户最近一次 投保日期距离现在较远，但在历史上，企业与客户的交易比 较频繁、金额较大，所以推断此类客户呈现出流失迹象，忠 诚度不高。此类客户投保能力较强，企业应采取即时营销策 略，加强与客户的互动，培养客户对企业的认同感，挽留住 客户。4重点维持客户，即c值低、rw值高、r值高、f值高、m值低、v值高、e值高。从该类客户的基本特征来看，客户的购买能力有限，且理赔总额和理赔次数都较高，最近一 次投保距离现在较近，交易次数也较多，但交易额较低。该 类用户虽然比较忠诚，但给企业带来的利润有限，对于该类 客户应采取保持策略，维持客户对企业的忠诚度，虽然从交 易上不能给企业带来很高的

21、利润，但可以在口碑等方面给企 业带来隐性收益。5普通客户和其他无价值客户。这2类客户主要是指第五、第六类客户。这2类客户从基本特征、交易行为来看， 都不能给企业带来价值。第五类客户风险较大，保险企业很 难从客户身上获得利润。对于这2类客户，企业只需维持现 有关系，对于无价值的客户，可以选择放弃。为了对细分结果中最具价值的客户进行深入分析与忠诚度评价，我们从中选取对企业最具价值的2类对象即黄金客 户与重要发展客户，提取这12位客户的详细信息，按照客 户忠诚度评价模型步骤，输入计算机得到其客户忠诚度的综 合评价结果，评价结果从高到低分别为：522、5 08、4.96、 4.71. 4.63. 4.

22、42. 4.31, 4.29. 4.07. 3.99. 3.90、3.88。参照客户忠诚度评价指标体系（表2 ）,分析排名靠后的对企业具有较高价值但客户忠诚度却较低的原因，发现企业 品牌、投保后企业对客户的反应速度、各种服务质量（企业 在线服务水平、额外的服务或服务恢复）是导致客户忠诚度 低的3类最为突出的原因。为此，提出以下几点建议:仁树立企业形象与产品品牌。做好企业内部文化建设，勇于探索、创新，积极承担一定的社会责任和义务。同时，注 重公关调研，把握市场动态，了解潜在消费者需求，利用企 业标志与广告等积极宣传企业文化与形象。2 提高团队素质和员工忠诚。建立适应于网络管理的业务流程，对员工进

23、行业务培训，提升员工的整体素质与服务水 平。同时，采取有效的激励机制提升员工的忠诚度，从而提 高服务质量。3提升服务与客户关系管理。注重客户体验，设计合理的 保险网站页面，不断更新保险产品信息；采用即时通讯工具 快速响应客户需求；开展网络社区加强与客户的沟通和互 动；调查跟踪客户需求，不断完善服务质量，提高客户满意 度。五、结语网络保险业在我国的发展还处于初级阶段，网络平台与 功能不健全，网络投保客户较少，难以获取研究样本，今后 可增加样本容量来验证模型。本研究中采用了很多rfm指 标来建立指标体系，其可行性还需进一步探讨。参考文献：曹洁慧.2007.基于数据挖掘的我国证券业客户忠诚度研 究d

24、.同济大学.陈伯成，梁冰，周越博，林析泉，赵延.2004.自组织映射 神经网络（som ）在客户分类中的一种应用j.系统工程理 论与实践（3 ）: 8-14.高雷，杨爱军.2010.欧美网络保险的最新发展及对我国的 启示j.保险研究（11 ）: 75-80.申丽丽.2007.第三方保险电子商务网站的swot分析j. 经济视角（8 ）: 65-67.宋立伟.2003.电子商务技术在保险业中的应用j.上海保 险（5 ）: 43-45.孙晓飞.2009.保险业电子商务模式分析与构建d.山东大 学.吴春旭，鲍满园，苟清龙.2010.自组织映射聚类算法在电 信客户细分中的应用j.计算机系统应用（8 ）:

25、 168-172.张敏.2008.基于多渠道整合的保险业电子商务发展对策 研究d.上海交通大学.dick a s , kunal b. 1994. customer loyalty : toward an integrated conceptual framework j. journal of the academy of marketing science ,22 （ 2 ） : 99-113.michael a j , david l , mothers b , et al. 2002.why customers stay :measuring the underlyingdimensions of services switching costs and managing their differe ntial strategic outcomes j. jour