保险业数据挖掘应用

AsiaMinerBusinessIntelligenceSolutionConfidentialInformation:DuplicationorfurtherdistributionwithouttheexpresswrittenconsentofAsiaMinerCorporationisstrictlyprohibited保险业数据挖掘应用HansChouGeneralManager/APACAgendaAgendaƒ保险业营销响应模型ƒ保险业顾客流失模型ƒ保险业欺诈侦测模型AsiaMinerBusinessIntelligenceSolutionConfidentialInformation:DuplicationorfurtherdistributionwithouttheexpresswrittenconsentofAsiaMinerCorporationisstrictlyprohibited保险业营销响应模型保险业营销响应模型保险业营销响应模型获取新客户获取新客户ƒ保险公司缺少获取新客户的源数据ƒ在台湾地区，保险公司通常与银行合作进行银行客户名单之交叉营销ƒ银行只提供保险公司基本的连络信息，难以进行数据挖掘ƒ亚洲资采扮演公证第三方，进驻银行利用银行完整数据进行数据挖掘，以及将名单根据机率排序提供给保险公司保险公司保险公司进驻银行进行数据挖掘雇用亚洲资采名单排序后将名单提供给保险公司银行银行案例：获取新客户数据挖掘案例：获取新客户数据挖掘ƒ大都会人寿(中美大都会)是专业的电话营销保险公司ƒ项目范围：协助与大都会人寿合作的银行，利用其信用卡数据以建立保险销售响应模型。以协助提供高响应率名单ƒ数据挖掘平台：SPSSClementine数据挖掘流程数据挖掘流程先期营销活动(搜集数据)整合客户信息筛选变量建立预测模型再测试名单产出绩效监测数据挖掘成效：数据挖掘成效：GainsChartGainsChartƒ如果取前40%名单，可以相当于全体名单拨打成效之70%之效果。名单抽取名单抽取数据挖掘成效：数据挖掘成效：CampaignResultPerformanceMatrixCampaignResultPerformanceMatrixActualListSize56,85217,085ContactRate71.31%58.09%SuccessRate3.71%7.57%Curr.TechniqueActualw/CVMConversionRate2.64%4.40%ActualNumberofPoliciesSold1,503751PoliciesSoldper1000Contacts37.175.7--18.5%104.0%LiftvsCurrentTech.66.7%-104.0%•RandomresultsarenotcompletelyrandomandinvolvedsomeagesegmentationActualANP15,588,8647,697,469ANPper1000Contacts384,540775,642-101.7%ActualSolicitationCost4,137,9001,107,990SolCostper1000Contacts102,072111,648-10.4%TMC3.776.94784.3%PoliciesSoldper1000Leads26.444.066.7%ANPper1000Leads274,201450,54064.3%SolCostper1000Leads72,78464,852-数据挖掘名单为何接触率降低?10销售人员心态销售人员心态话术管理话术管理ƒ建立聚类(cluster)模型ƒ测试不同聚类对于不同话术的喜好程度ComsmatchModelMarginalComparison0%8%16%24%32%0%10%20%30%40%50%60%70%80%90%100%PercentageofCustomersMarginalResponseRateRandomMarginalResponseRatePredictiveModelMarginalResponseRateRandomComsmatchMarginalResponseRatePredictiveModelComsmatchMarginalRRtNote:Assumesthattheoverallresponserateforthecampaignis10%.Comsmatchconsistantlyproduces31%higerresponseratesforbothrandom&predictivemodelcalling.AsiaMinerBusinessIntelligenceSolutionConfidentialInformation:DuplicationorfurtherdistributionwithouttheexpresswrittenconsentofAsiaMinerCorporationisstrictlyprohibited保险业顾客流失模型保险业顾客流失模型保险业顾客流失模型案例：顾客流失数据挖掘案例：顾客流失数据挖掘ƒ康健人寿(招商信诺)是专业的直效行销保险公司，信诺保险集团的一员ƒ项目范围：预测一年期医疗意外险到期后，客户是否会继续投保ƒ数据挖掘平台：IBMSPSSClementine存活分析存活分析(SurvivalAnalysis)(SurvivalAnalysis)ƒ利用CoxRegression可以运用多变量模式评估输入变量对于流失事件的发生时点的影响ƒ可以进行未来n期的流失机率变化进行预估流失生命週期流失生命週期(1)(1)ƒ團險與非團險顯示出不同的行為模式流失生命週期流失生命週期(2)(2)ƒ是否為團險以及繳別是影響流失提出時機的最關鍵因素生命周期比较生命周期比较ƒ找出决定生命周期关键之区隔变量ƒ在根据此区隔变量建置个别之存活分析模型AsiaMinerBusinessIntelligenceSolutionConfidentialInformation:DuplicationorfurtherdistributionwithouttheexpresswrittenconsentofAsiaMinerCorporationisstrictlyprohibited保险业欺诈侦测模型保险业欺诈侦测模型保险业欺诈侦测模型案例：保险滥用数据挖掘案例：保险滥用数据挖掘ƒING安泰人寿是台湾前三大的保险公司ƒ项目范围：住院日额险理赔比例过高，不希望因为理赔审核影响到理赔处理时间，所以希望透过数据挖掘来解决此问题，能够自动化筛选最高机率之滥用案例ƒ数据挖掘平台：IBMIntelligentMiner保险滥用保险滥用侦测模型的最大挑战侦测模型的最大挑战数据挖掘数据挖掘技术：协同式过滤技术：协同式过滤ƒ利用客户相似性，以自动产生保险理赔滥用名单哪些人会是高理赔滥用可能性找出哪些人最相似找出哪些人最相似??找出与已知理赔滥用找出与已知理赔滥用者相似的客户作为潜者相似的客户作为潜在的理赔滥用名单在的理赔滥用名单协同式过滤协同式过滤ƒ以聚类算法为基础ƒ产生大量的聚类ƒ不需要经常重建模型，因为会根据客户自己的行为变化以及相近案例的变动自动更新推荐结果ƒ当抓到越多的滥用案例，模行准确率会自我提升保险滥用聚类保险滥用聚类基本信息区隔基本信息区隔客户历史理赔客户历史理赔纪录区隔纪录区隔理赔案理赔案件件医疗医疗单位区隔单位区隔如何找到与他最相似的客户?保险经理人历保险经理人历史理赔纪录区史理赔纪录区隔隔保险滥用的三个保险滥用的三个类别类别模型成效模型成效AsiaMinerBusinessIntelligenceSolutionConfidentialInformation:DuplicationorfurtherdistributionwithouttheexpresswrittenconsentofAsiaMinerCorporationisstrictlyprohibitedQ&A