2017大数据解决方案在保险行业的应用实践

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DATADATADATADATADATADATADATADATA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数据内部数据数据模型业务应用用户行为偏好数据匹配DATA01：建设思路02：建设目标03：业务规划04：技术实现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►…大数据管理平台应用平台大数据采集业务数据汇集系统用户行为数据采集系统互联网公开数据抓取系统大数据清洗业务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大数据标准化用户多重ID归一化系统商品归一化系统大数据结构化用户标签管理系统商品标签管理系统管理平台基础平台可视化数据操作平台大数据操作系统（BD-OS）数据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数据访问资源管控分布式存储（磁盘及内存）数据接入安全(认证权限ACL)监控配置及报警安装及云服务电子商城个性化系统移动商城个性化系统媒体网站个性化系统在线营销支持系统门店营销支持系统会员营销支持系统全网市场监控系统舆情管家商情管家用户洞察系统个性化推荐引擎（BRE）自动化营销引擎（BME）大数据分析引擎（BAE）媒体网站个性化系统目录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DATADATADATADATADATADATADATADATA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为保险企业提供端到端的整体解决方案DATADATADATADATADATADATADATADATA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客户归一12345601：海量多源异构数据的整合第一方数据实时用户行为•采集内容：CRM、信用卡等业务系统数据•数据格式：关系型数据库•独特优势：灵活、易扩展、高操控性业务系统数据•采集内容：用户行为轨迹•数据格式：自定义、高度灵活•独特优势：实时、跨站、跨浏览器、跨设备、…•采集内容：Txt、CSV、Excel、XML、Word、PDF、Socket…•独特优势：支持非结构化数据、实时、高效日志数据•抓取内容：媒体资讯、贴吧、微博、搜索引擎、…•数据格式：将HTML转换为格式化数据（Json）•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桥接系统日志收集系统抓取系统互联网开放数据•采集内容：央行征信、银联交易等合作方数据•数据格式：可支持各种第二方数据格式•独特优势：支持多种数据格式，按需采集，灵活、易扩展SDK/API/接口合作方数据大数据平台01：海量多源异构数据的整合第一方数据实时用户行为•采集内容：CRM、信用卡等业务系统数据•数据格式：关系型数据库•独特优势：灵活、易扩展、高操控性业务系统数据•采集内容：用户行为轨迹•数据格式：自定义、高度灵活•独特优势：实时、跨站、跨浏览器、跨设备、…•采集内容：Txt、CSV、Excel、XML、Word、PDF、Socket…•独特优势：支持非结构化数据、实时、高效日志数据•抓取内容：媒体资讯、贴吧、微博、搜索引擎、…•数据格式：将HTML转换为格式化数据（Json）•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桥接系统日志收集系统抓取系统互联网开放数据•采集内容：央行征信、银联交易等合作方数据•数据格式：可支持各种第二方数据格式•独特优势：支持多种数据格式，按需采集，灵活、易扩展SDK/API/接口合作方数据大数据平台5.5亿+用户全网画像：●9大维度●500+子维度●1,100万+用户标签日活跃4,000+万UV：●日活跃访次：3,700万●日活跃PV：1.2亿●日推荐次数：6,000万●并发推荐：2万次/秒●单次响应时间：200ms●21大类●4,000+子类●400+商品标签维度●100万+商品标签数1亿+商品全网画像：1,000万+媒体标签：●20大类●1,000+子类●200+媒体标签维度第三方数据客户盘点：1,500+互联网企业客户02：跨渠道用户ID归一03：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标签用户画像标签原始数据预测标签模型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...模型预测建模分析统计分析03：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标签用户画像标签原始数据预测标签模型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...模型预测建模分析统计分析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基于分析客户对内对外的各类数据，形成完整的客户交互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基于企业业务需求、场景构建标签，划分主题、颗粒度等04：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模型一：客户细分模型挖掘高价值客户，提升非付费客户到付费客户的转化率客户分类描述实现步骤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客户画像通过分析付费客户和非付费客户，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模型二：客户的价值模型精准的营销,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：实时的精准营销不同的用户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“异质性”与产品的“差异化”模型三：客户的忠诚度模型针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金额得分最近购物得分活跃家数得分5.004.003.002.001.00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(Recency)消费频率(Frequency)消费金额(Monetary)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模型五：社会网络模型引流&重新建立失联客户业务描述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05:洞察用户特征，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05:通过个性化推荐技术实现智能商品导购，提升交叉/向上销售06:反复迭代、持续性的优化图形化的显示为领导层的决策提供支撑持续优化洞察报表效果报表投放报表效果监测新老访客分析，网页热度分析，用户忠诚度分析媒体分析受众筛选实时优化调查问卷标签体系（如人口的自然属性，人群兴趣、人群行为、购物行为等）协助广告主进行精准的受众筛选效果优化系统使用基于OnlineLearning的算法思维，结合用户数据生成的各种特征（如TF/IDF、特征向量模型、SVM、决策树、K-Means、交叉特征、层次平滑体系树、用户实时反馈特征），帮助各种合作渠道优化效果策略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金融行业部分客户注：规划中泰康保险：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？•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