保险极客发布新品,保险科技正在怎样改变保险业?

2017 年 9 月 28 日 数据猿 jimmy

近两年,保险科技成为创投圈又一个炙手可热的新市场,涌现出了一大批优质创业公司。保险极客成立于2014年,迄今已完成3轮近亿元融资,经过三年的发展,已经成长为保险科技领域的一匹黑马


记者 | jimmy

官网 | www.datayuan.cn

微信公众号ID | datayuancn


9月26日,保险科技公司保险极客在北京维景国际酒店隆重举办“从简到加”主题发布会,并于会上发布了面向企业员工的新品“极客+”。


近两年,保险科技成为创投圈又一个炙手可热的新市场,涌现出了一大批优质创业公司。保险极客成立于2014年,迄今已完成3轮近亿元融资,经过三年的发展,已经成长为保险科技领域的一匹黑马。


用动态的逻辑做用户画像


保险科技也因为大数据和人工智能的助力,蓬勃发展,保险极客COO李硕介绍说:“很多企业对大数据有个误解,认为数据是静态的,导入一堆数据就对应出一个结果。然而现实的情况是,数据是处在一个不断动态更新的状态中,用户画像也是一个不断丰富和清晰的过程。我们要不断收集用户行为的数据,比如网站访问情况、客服咨询情况以及CRM里面的信息等等,把这些数据反馈回来进入大数据系统进行机器再学习,丰富用户画像,形成一个良性的循环。”


保险极客CEO任彬进一步展开讲解用户画像的运作逻辑。


当用户进入极客的产品体系时,极客就能初步掌握一些基本数据。因为用户上保险,就必须提供身份证,拿到身份证信息,极客就掌握了用户的性别、年龄、祖籍等相关信息。


当然,单单凭借这些数据还远远不够,接下来极客会向用户提出几个比较简单的问题,这些问题要围绕几个维度进行。第一个维度是要了解用户的工作性质,是经常出差还是经常坐班,工作强度如何,需不需要经常加班等等问题;


第二个维度会了解用户的家庭情况,因为单身人士和已婚人士的需求是不一样的,有孩子和没孩子的人士需求也是不一样的;


第三个纬度是要关注用户的收入情况,以此判断出他大概的支出能力;


第四个维度是关于用户的身体情况,比如身高体重,吸烟与否,有无疾病等等。


有了这些数据的积累,用户画像就很丰富了,比如说现在极客锁定了一个用户,基本特征如下:30岁女性,在北京工作,年收入在10-30万之间,已婚,有孩子,身体相对比较健康,工作性质长期坐班不用外出。


掌握了这些数据,这个用户的画像就已经很完善了,基于用户画像极客就能做智能推荐,为她私人订制一套个性化的保险方案。


看到这里,可能有些人会有疑问,缺少人的耐心讲解和分析,用户能够接受和认可来自机器智能推荐的结果吗?


任彬解释说:“我们采用智能推荐的原因是建立在绝大部分老百姓不太懂保险这个设想之上的,智能推荐提供的不是一个终点,而是一个起点,如果不给用户一个起始点,用户根本就不知道什么适合自己。我们会提供包括意外、公共交通、医疗、重疾、寿险等各种各样的保险方案。


通过智能推荐的结果,用户选择一个起始点,我们可以从后台数据看到用户比较青睐的一个方案。确定了大方案之后,就可以再进行个性化的调整,最后的结果就会更贴近于用户的实际需求。”


科技正在重塑整个行业,但有些问题需要警惕


保险科技的发展不仅仅是体现在某款产品获得怎样好的成绩上,它对整个保险行业的都有着重大影响。


在中国,保险市场有很多发展面向,车险一直以来都是一个比较大的方向,也是刚需很大的市场。保险科技的发展使得一些场景化的需求,比如汽车的选择、价格比较和保险流程变得更容易解决。


另一方面,科技发展对社会形态的改变会衍生出一些以前没有出现过的风险,这些新生的风险往往都是比较细碎的,细碎风险也会反过来促进一些公司大数据能力或AI能力的发展。


除了车险以外,保险业另外一个重要的方向是企业员工保险。现在有很多互联网平台,正努力打破传统模式下代理人的层面,直接面对用户进行销售,在一定程度上对以往的业态产生了冲击。


随着人工智能、大数据和区块链等技术不断涌进,也肯定会给整个保险业带来更大影响。


“不管科技怎么改造这个行业,都不能忘记保险金融属性的本质。”任彬提醒说。


保险的本质就是对未来的承诺,是非常严谨且严肃的商业行为。虽然用户可能只花一两百块钱买了20万重大疾病,500万航空意外保险,但它背后是一份飞机重的承诺,这个承诺就是当这个员工真正出现意外的时候,这份赔偿能否顺利给到他的家人?


这就是为什么说保险严肃和严谨的商业行为。


科技在改变保险的时候,是否真正做到提高了用户体验和效率,同时又不违背保险的商业本质,这是所有做保险科技的公司都必须要去重视和直面的问题。


但现在我们看到更多的是,一些互联网企业的傲慢和粗暴,比如那些提供衣食住行o2o服务的平台,往往在APP和用户交互的部分做到了“极致的体验”,但是真正落实到线下之后就开始爆出各种环境和服务问题。


众所周知的外卖行业背后屡见不鲜的黑餐厅事件,如果类似的事件发生在保险行业就变得非常严重,用户向企业投保,而员工出现意外之后,企业却推脱说对不起由于系统问题无法完成赔偿,这样的科技对行业就是一个伤害。



敬请期待,数据猿即将于10月25日举办的“2017金融科技价值—数据驱动金融商业裂变”高峰论坛!投递案例、文章、产品,联系视频&文字专访,请勾搭数据猿~


更多精彩内容

(点击关键词查看)


· 观 点 ·

阿里金融云徐敏 | 达观数据陈运文

易日升史建伟 | 易宝支付余晨

诸葛io于晓松 | 91征信薛本川

聚信立甘建铃 | 天创信用张宇

安华金和杨海峰 | 东方金信王伟哲


· 案 例 ·

光大银行:风险一体化项目实施

中国人民银行反洗钱监测分析二代系统

大数据综合分析平台 ——海量数据复杂分析处理



登录查看更多
2

相关内容

商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
239+阅读 · 2020年4月18日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
301+阅读 · 2019年12月23日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
重磅!2019中国经济研判,涉及20个敏感问题…
笔记侠
10+阅读 · 2019年2月17日
日媒羡慕中国或成AI领域第一大国:日本或落后一代人
人工智能机器人联盟
3+阅读 · 2018年1月21日
【区块链】区块链是什么?20问:读懂区块链
产业智能官
8+阅读 · 2018年1月10日
"AI+教育"是虚火还是风口?
数据玩家
3+阅读 · 2017年12月14日
中国平安股价持续大涨背后
凤凰财经
5+阅读 · 2017年9月13日
Arxiv
110+阅读 · 2020年2月5日
Augmentation for small object detection
Arxiv
11+阅读 · 2019年2月19日
QuAC : Question Answering in Context
Arxiv
4+阅读 · 2018年8月21日
Phrase-Based & Neural Unsupervised Machine Translation
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Arxiv
7+阅读 · 2018年6月1日
VIP会员
相关资讯
相关论文
Top
微信扫码咨询专知VIP会员