百度大数据车险,引领保险行业数据变革

来源:百度
点击查看产品详情

车险市场——持续快速发展,产品优化空间极大

近年来伴随着经济和汽车产业的高速发展,我国汽车保险市场规模迅速增长,2016年保费规模已突破6834亿元,占保险市场保费规模的22%,财产保险保费规模的74%,是财产保险的第一大险种。

随着车险市场的快速发展,竞争也日益激烈,市场中不乏“低价争夺客户”、“全力扩大企业规模”等竞争策略。车险业务普遍存在规模粗放发展、定价规则简单、理赔效率不足等问题。在拓展客户的过程中,车险企业难以对目标客户进行精准营销;难以判断客户质量高低进行针对性营销;难以对客户理解给出最合适的产品方案;在产品定价过程中,难以对客户风险给出更准确的判断;在理赔管理过程中,难以对理赔案件的虚假性进行有效识别。这些问题都影响着车险业务水平及其盈利能力的提升。

商业车险费率市场化改革的推进,将进一步区分不同风险等级用户的保费差异,未出险用户的保费将进一步降低,这对本就处于盈亏平衡的车险业务提出更高的运营要求。因此从各个业务环节提升效率,节约成本将成为保险公司面临的难题。车险市场是时候从粗放发展向集约发展道路转变了。

UBI车险——国外车险产品的新形态,助力险企风险管理

与国内车险产品相对同质的情况不同,欧美国家在2010年之后涌现出很多UBI产品,为车险业务创新发展开疆拓土。

所谓UBI,一种是“Usage based insurance,基于使用的车险”,即按照使用天数或者使用里程缴纳保费,开车天数越多或者行驶里程越长,保费金额越高。比如美国Metromile保险公司,通过免费提供OBD设备(一个车联网硬件,取名Metromile Pulse)计算每次出行的里程数。每月的车险保费收入由“基础保费”和“按里程变动保费”两部分组成,“按里程变动保费”为“单位里程保费×每月行车里程”。这里“基础保费”和“单位里程保费”会根据不同车主的情况有所不同。同时设置保费上限,当日里程数超过150英里(华盛顿为250英里),超过的部分不需要再多交保费。另外Metromile还通过手机APP为用户提供更多的智能服务,如汽车定位、寻找附近修车公司、贴条警示等服务,并且每月会以短信或邮件发送用户的相关数据总结。

另一种是“User behavior insurance,基于用户行为的车险”,即按照用户驾驶行为缴纳保费,驾驶行为越安全,保费可享受的折扣越大。这种模式的典型代表是意大利Unipol保险公司,他们通过赠送用户车联网设备,进行用户驾驶行为的判断,用户安装后即可直接在原有保费基础上打85折。安装一年后,再根据驾驶行为数据进行定价,并基于数据评分对驾驶行为良好的用户再度给予折扣,提供合理优惠的同时也以此提升了客户续保概率。同时,Unipol还向客户提供了事故救援服务等车联网增值服务,提高用户满意度的同时,更好的识别欺诈骗保行为。Unipol正是用这样的方式在三年左右的时间,成为了意大利车险市场份额第一的保险公司。

国内车险产品创新——普遍抱有尝试心态,机遇与挑战并存

在国外UBI产品不断推陈出新的背景下,我国车险产品的创新也悄然开始。各家保险公司纷纷尝试OBD等基于车联网的产品创新,UBI产品科技公司也如雨后春笋般出现。但是受限于新产品市场没有放开、OBD设备用户体验不佳、产品创新接受度不足等问题,我国UBI产品并没有取得突破性效果。

抛开外部因素,单从保险公司自身业务角度出发,要走好UBI产品创新之路,还有三个难题需要突破:一是驾驶行为信息的收集困难;二是对驾驶数据的处理技术不成熟;三是单纯驾驶行为数据尚不能完全满足定价需求。
随着国内车险企业对于UBI车险业务模式的不断探索,以及车险费率市场化改革进程的不断深入,我国车险产品创新步伐势必加快,在这个过程中行业的机遇与挑战并存。

百度大数据车险——更专业的车险方案,全面支持险企营销、定价、理赔管理

根据车险市场发展趋势分析,百度认为,要想把握机遇,提高车险综合盈利水平,就要做到更精准的风险判断和预估。售前把握用户质量,将有限的销售资源投放到更优质用户的销售中,降低获客成本;售中产品精准定价,针对不同风险等级用户进行差异化定价,降低赔付成本;售后核查理赔案件,提高理赔服务效率和服务效果,降低运营成本。

以产品精准定价为例,目前车险产品定价主要依照从车因素,包括车价、车型、车龄等,但一辆车的风险评估不单是“车”这一个维度来决定的。车是不同风格车主驾驶的,也是行驶在不同类型道路上的,所以用户驾驶行为、行车道路环境等方面也是影响保期内赔付风险的重要因素,对车险保费定价有着至关重要的意义。

百度作为互联网行业领军企业,拥有海量互联网数据、领先的大数据处理能力及前沿的机器学习算法,针对车险行业的发展需求,专门构建了业界领先的车险业务解决方案。具体说来,百度通过超大规模数据计算、深度数据挖掘、深入全面的用户理解,建立了囊括车、人、路、驾驶、环境五大方向的独特的风险特征体系,解决了以往仅依赖“从车定价因子”,难以“对驾驶员维度进行风险区分”的难题。通过风险特征体系和风险判断模型的搭建,有效判别用户行车风险、预测车险赔付成本、理赔欺诈风险,帮助保险公司提升优质客户转化率、优化承保客户质量、提高风险定价能力、降低车险赔付成本。该方案可以应用在营销、定价、理赔三个环节的场景上。
1. 营销销售场景。在营销销售环节,识别用户购险意向、行车风险高低,进行针对性营销。判断潜客风险高低,提升优质客户转化率,优化承保客户质量。
2. 产品定价场景。在产品定价环节,判别用户行车风险,预测赔付比率,进行更精准的定价。判断投保客户风险高低,提高风险定价能力,降低赔付成本。
3. 理赔核查场景。在理赔核查环节,甄别用户欺诈骗保行为,优化理赔核查资源配置,节约无效赔付成本。
三个应用场景独立实现、相互作用,共同帮助保险公司突破业务痛点、降低业务成本、提升盈利水平,因该方案以互联网数据的风险判断能力为核心,抛开了车联网设备部署的限制,可以更快、更有效的为车险业务所用,真正发挥了互联网大数据在车险领域的价值,是保险行业大数据应用的典范。

QQ群:650596829