張?chǎng)┈| 徐凡 黃君杰 趙明修

摘要：私人購車比例不斷增加， 汽車保險(xiǎn)這一概念逐漸進(jìn)入百姓視野。目前我國機(jī)動(dòng)車輛保費(fèi)占全部財(cái)產(chǎn)保險(xiǎn)業(yè)務(wù)的高比例在全世界都是罕見的。但事實(shí)上，真正能夠做到高續(xù)保率的保險(xiǎn)公司并不占多數(shù)?？蛻袅舸媛实汀o法積累長(zhǎng)期客戶、銷售成本和費(fèi)用居高不下成為了多數(shù)以車險(xiǎn)為主要業(yè)務(wù)收入的財(cái)險(xiǎn)公司的一大難題。根據(jù)搜集的65535位客戶資料，分析續(xù)保事件與續(xù)保客戶各項(xiàng)資料的相關(guān)性基于模糊聚類分析模型對(duì)客戶資料進(jìn)行分類;基于回歸分析法，得出與續(xù)保概率有關(guān)的各因素權(quán)重，將權(quán)重最高的因素作為續(xù)?？蛻艟珳?zhǔn)畫像，針對(duì)影響不續(xù)保客戶最高的幾個(gè)因素分析，重新設(shè)計(jì)優(yōu)惠福利方案以改善續(xù)保概率。

關(guān)鍵詞：車輛保險(xiǎn);聚類分析;K-means算法;R語言

中圖分類號(hào)：F842.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2019）04-0121-02

1 我國車輛保險(xiǎn)業(yè)現(xiàn)狀

1.1 我國車輛保險(xiǎn)業(yè)現(xiàn)狀

中國目前的車險(xiǎn)費(fèi)率制度，大多數(shù)符合“從車主義”。即車險(xiǎn)保費(fèi)多少，主要取決于這輛車本身的各項(xiàng)情況，如車的購置價(jià)、座位數(shù)、排量、購車年限等，根據(jù)這些數(shù)據(jù)計(jì)算出一個(gè)基本的車險(xiǎn)保費(fèi)價(jià)格，再根據(jù)這輛車的上年理賠次數(shù)來打不同的折扣。這就導(dǎo)致了中國的車險(xiǎn)定價(jià)模式非常的單調(diào)，相似情況的車型，保費(fèi)也都差不多。

1.2 我國車輛保險(xiǎn)業(yè)未來發(fā)展趨勢(shì)

1.2.1 車險(xiǎn)價(jià)格與駕駛行為密切相關(guān)

未來的車險(xiǎn)定價(jià)將逐漸轉(zhuǎn)變?yōu)椤皬娜酥髁x”。車險(xiǎn)的定價(jià)因素將直接與駕駛?cè)说鸟{駛習(xí)慣與行駛里程掛鉤，通過駕駛行為來判定車險(xiǎn)價(jià)格。

1.2.2 同價(jià)位車型車險(xiǎn)價(jià)格完全不同

國內(nèi)傳統(tǒng)的汽車保險(xiǎn)定價(jià)，通常是以車型和其購置價(jià)為主要依據(jù)。未來中國車險(xiǎn)業(yè)，同樣的一款車，不同的人開，保費(fèi)價(jià)格會(huì)完全不同。這個(gè)不同可能是取決于投保人本身的駕駛行為，還可能會(huì)以投保人本身的年齡、職業(yè)、家庭狀況等信息為標(biāo)準(zhǔn)。

2 影響車輛保險(xiǎn)續(xù)保的因素

2.1 續(xù)保客戶影響因子分類

根據(jù)“從人主義”的思想，尋找出與續(xù)保相關(guān)的特征并進(jìn)行分析，將特征分為客戶屬性以及保險(xiǎn)套餐兩個(gè)類別進(jìn)行分析，影響因子特征分類如下：

（1）客戶屬性：被保險(xiǎn)人性別、被保險(xiǎn)人年齡、客戶類別、NCD、渠道、立案件數(shù)、已決賠款。

（2）保險(xiǎn)套餐：三者險(xiǎn)保額、險(xiǎn)種、是否投保車損、是否投保盜搶、投保類別、是否投保車上人員、簽單保費(fèi)、風(fēng)險(xiǎn)類別。

2.2 續(xù)?？蛻粲绊懸蜃觽€(gè)案權(quán)重計(jì)算

由此可以進(jìn)行進(jìn)一步分析，計(jì)算影響因子每個(gè)個(gè)案的權(quán)重，即與續(xù)保的相關(guān)性，設(shè)R為個(gè)案的權(quán)重，如公式（1）所示：

2.3 續(xù)?？蛻舴诸?/p>

通過k-means算法進(jìn)行客戶聚類分析。設(shè)置聚簇?cái)?shù)量k，遍歷所有數(shù)據(jù);計(jì)算兩個(gè)元組間的歐幾里距離，如公式（2）所示，確定質(zhì)心，并將其余數(shù)據(jù)劃分到最近的質(zhì)心（初始k個(gè)簇的質(zhì)心為隨機(jī)選取的k條記錄）中（即臨時(shí)歸類簇集）;計(jì)算簇集中所有元組的平均值，并更新質(zhì)心;重復(fù)上述操作，通過誤差平方和（SSE）的結(jié)果，判斷這k個(gè)質(zhì)心不再變化（即已收斂），如公式（3）所示計(jì)算，或執(zhí)行了足夠多的迭代。

3 提高車輛保險(xiǎn)續(xù)保概率的對(duì)策

通過K-means算法將不續(xù)保的客戶進(jìn)行分類。分別總結(jié)出續(xù)保高的客戶、續(xù)保低的客戶、不續(xù)保概率高以及不續(xù)保概率低的客戶以及從而設(shè)計(jì)優(yōu)惠政策。

3.1 針對(duì)續(xù)保概率較高的客戶

續(xù)保概率高證明這類用戶對(duì)該公司車險(xiǎn)滿意度較高。

福利政策：（1）機(jī)構(gòu)對(duì)機(jī)構(gòu)內(nèi)的個(gè)人推薦購買本公司車險(xiǎn)，則次年保費(fèi)可以有所減免。（2）次年保費(fèi)下降至前年的95%，連續(xù)五年。

3.2 針對(duì)續(xù)保概率較低的客戶

續(xù)保概率低的客戶群，是我們潛在會(huì)流失的客戶群。通過分析發(fā)現(xiàn)普遍是年齡在30歲上下的年輕人，而且大多數(shù)為上年未發(fā)生有責(zé)事故，未曾有過立案記錄。

優(yōu)惠政策：（1）個(gè)人用戶可在享受原有優(yōu)惠措施的基礎(chǔ)上，總保費(fèi)享受額外的九五折優(yōu)惠。（2）與車商建立長(zhǎng)期的合作關(guān)系，通過車商購買保險(xiǎn)享受額外的優(yōu)惠措施。

3.3 針對(duì)不續(xù)保概率較高的客戶

不續(xù)保概率高是對(duì)保險(xiǎn)極其不滿意的人群，這批人的保險(xiǎn)渠道多數(shù)以個(gè)人代理為主，年齡主要分布在30歲左右，上年均未發(fā)生有責(zé)事故，而且以男性居多。

優(yōu)惠政策：（1）可以擴(kuò)大保險(xiǎn)有責(zé)事故的范圍。（2）針對(duì)年齡在30歲到35歲客戶，進(jìn)行分期付款。（3）對(duì)于“電網(wǎng)銷”的客戶，提供保險(xiǎn)費(fèi)抵扣券。

3.4 針對(duì)不續(xù)保概率較低的客戶

不續(xù)保概率低的客戶代表他是潛在客源，通過優(yōu)惠政策吸引該類客戶。

優(yōu)惠方案：（1）對(duì)個(gè)人代理的客戶，進(jìn)行獎(jiǎng)勵(lì)金制度。（2）對(duì)于1-3年內(nèi)未出現(xiàn)事故的客戶，進(jìn)行續(xù)保打折服務(wù)。

參考文獻(xiàn)

[1] 張?jiān)娷?，陳豐，王志英，林火華，李遠(yuǎn)寧.基于電力大數(shù)據(jù)的客戶立體畫像構(gòu)建及應(yīng)用研究[J].電氣應(yīng)用，2018，37（08）：18-25.

[2] 徐立寧.基于動(dòng)態(tài)精準(zhǔn)畫像的圖書館個(gè)性化推薦服務(wù)研究[J].圖書館學(xué)刊，2018，40（10）：112-116.

[3] 葉立武，吳倩，王瑋，王東.數(shù)據(jù)挖掘方法在保險(xiǎn)領(lǐng)域的應(yīng)用前景[J].保險(xiǎn)職業(yè)學(xué)院學(xué)報(bào)，2018，32（02）：43-46.

[4] 王安瑾.一種基于MinHash的改進(jìn)新聞文本聚類算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2019，29（02）：39-42.

[5] 楊子江，王野，馬天詣.影響汽車保險(xiǎn)續(xù)保率的因素分析[J].企業(yè)研究，2011（10）：107.

[6] 史新穎，夏元平，毛曦，殷紅梅.DBSCAN與Kmeans相結(jié)合的手機(jī)大數(shù)據(jù)聚類方法研究[J].北京測(cè)繪，2019，33（02）：132-137.

[7] 尹寶勇，吳斌，劉建生.一種改進(jìn)的K-means算法[J].江西理工大學(xué)學(xué)報(bào)，2018，39（05）：97-102.