郁姣

摘 要：保險作為金融業(yè)三大支柱之一，維護保險消費者合法權(quán)益、規(guī)范保險銷售行為、促進保險市場健康、穩(wěn)定發(fā)展是保險公司重要的經(jīng)營原則。今年6月，中國保監(jiān)會發(fā)布的《保險銷售行為可回溯管理暫行辦法》（以下簡稱《辦法》）中對保險公司質(zhì)量檢測管理的制度、團隊、系統(tǒng)、質(zhì)檢比例及問題件整改時限等方面都提出了明確的要求。但實際保險銷售過程中人工質(zhì)量檢測效率低、覆蓋面小、準(zhǔn)確率低、檢測面單一等問題始終存在。以調(diào)研公司為例，質(zhì)量檢測團隊人力160人，但質(zhì)檢比例僅為2%，質(zhì)檢件準(zhǔn)確率僅為73%，檢測標(biāo)準(zhǔn)隨著工作人員認(rèn)識的不同而不同，準(zhǔn)確率很難提高。同時，工作價值被局限，僅針對合規(guī)問題開展檢查，無法進一步對現(xiàn)有數(shù)據(jù)進行分析，提出對規(guī)范銷售、客戶價值挖掘等方面的建議。

論文綜述了現(xiàn)在國內(nèi)外市場在規(guī)范保險銷售行為中的技術(shù)應(yīng)用現(xiàn)狀，在此基礎(chǔ)上探索將智能語音識別（ASR）、自然語言處理（NLP）、大數(shù)據(jù)挖掘等技術(shù)賦能保險銷售。通過科技賦能釋放原有人力投入，完全通過系統(tǒng)自動完成，無需人工介入;通過對語音內(nèi)容、客戶信息、銷售坐席行為數(shù)據(jù)等多維度形成了組合化的應(yīng)用場景，從而幫助公司更加高效地開展管理銷售工作;通過對客戶數(shù)據(jù)的聚類、歸納與分析，形成客戶熱點問題統(tǒng)計、業(yè)務(wù)趨勢分析，進而挖掘客戶、產(chǎn)品等有價值信息。

關(guān)鍵詞：科技賦能;保險;規(guī)范銷售;聚類;數(shù)據(jù)挖掘

第一章 引言

1.1研究背景與意義

中國保監(jiān)會發(fā)布的《保險銷售行為可回溯管理暫行辦法》（以下簡稱《辦法》）中規(guī)定：保險公司應(yīng)建立視聽資料質(zhì)檢體系，制定質(zhì)檢制度，建立質(zhì)檢信息系統(tǒng)，配備與銷售人員崗位分離的質(zhì)檢人員，對成交件視聽資料按不低于30%的比例在猶豫期內(nèi)全程質(zhì)檢。保險公司在質(zhì)檢中發(fā)現(xiàn)視聽資料不符合本辦法要求的，應(yīng)當(dāng)自發(fā)現(xiàn)問題之日起15個工作日內(nèi)整改。而目前實際情況是質(zhì)量檢測工作效率低、覆蓋面小、準(zhǔn)確率低。雖在國內(nèi)大型保險公司均已開始嘗試應(yīng)用科技手段賦能，但應(yīng)用功能、使用程度方面有著較大的差異，大部分保險公司所謂的科技賦能還僅僅停留在質(zhì)量檢測過程中將語音文件轉(zhuǎn)換成文本格式，通過人工查閱的方式去規(guī)范保險銷售管理。在此基礎(chǔ)上，作者嘗試將云計算、人工智能技術(shù)的發(fā)展，智能語音識別（ASR）、自然語言處理（NLP）、大數(shù)據(jù)挖掘等技術(shù)融合，科技賦能保險銷售全流程，從而解決保險銷售流程中部分節(jié)點工作效率低等問題。另一方面，科技賦能后對客戶數(shù)據(jù)的聚類、歸納與分析，形成客戶熱點問題統(tǒng)計、業(yè)務(wù)趨勢分析，進而挖掘客戶、產(chǎn)品等有價值信息，為營銷管理提供數(shù)據(jù)支撐。

第二章 文獻綜述

2.1國內(nèi)外研究現(xiàn)狀

針對規(guī)范保險銷售，國內(nèi)外主要依托的是智能語音識別（ASR）、自然語言處理（NLP）等技術(shù)。其中，智能語音識別技術(shù)主要于20世紀(jì)90年代前期，國外許多著名的大公司如IBM、蘋果、AT&T和NTT開始進行研究與投資。我國語音識別技術(shù)的研究水平基本與國外同步，在漢語語音識別技術(shù)上更具特點與優(yōu)勢。通過智能語音識別技術(shù)將非結(jié)構(gòu)化的語音信息轉(zhuǎn)換為結(jié)構(gòu)化的索引，實現(xiàn)對海量錄音文件、音頻文件的知識挖掘和快速檢索。但應(yīng)用到實際工作中功能、使用程度方面有著較大的差異，大部分保險公司還是僅僅停留在將語音文件轉(zhuǎn)換成文本格式，通過人工查閱的方式實現(xiàn)質(zhì)檢管理，科技在保險銷售全流程中的應(yīng)用并不多。

2.2技術(shù)相關(guān)理論及模型建立

作者主要考慮了當(dāng)前熱門的三大技術(shù)，即智能語音識別（ASR）、自然語言處理（NLP）和大數(shù)據(jù)挖掘。通過智能語音識別技術(shù)將非結(jié)構(gòu)化的語音信息轉(zhuǎn)換為結(jié)構(gòu)化的索引，實現(xiàn)對海量錄音文件、音頻文件的知識挖掘和快速檢索。應(yīng)用自然語言處理技術(shù)，整合大數(shù)據(jù)、知識圖譜、機器學(xué)習(xí)、語言學(xué)等技術(shù)和資源，實現(xiàn)人與計算機之間用自然語言進行有效通信。利用大數(shù)據(jù)分析對數(shù)據(jù)進行聚類、歸納與分析，通過標(biāo)準(zhǔn)化的流程和工具對數(shù)據(jù)進行處理，將數(shù)據(jù)可視化，并深入數(shù)據(jù)內(nèi)部，挖掘其價值。依托這三大技術(shù)建立研究模型，一方面，通過科技手段將銷售作業(yè)的過程和結(jié)果轉(zhuǎn)化為可識別的信息數(shù)據(jù)，同時建立標(biāo)準(zhǔn)作業(yè)模型和風(fēng)險監(jiān)測模型形成風(fēng)險問題監(jiān)控網(wǎng)，可識別的信息數(shù)據(jù)通過問題監(jiān)控網(wǎng)過濾后自動生成問題清單;另一方面，通過對客戶數(shù)據(jù)的聚類、歸納與分析，形成客戶熱點問題統(tǒng)計、業(yè)務(wù)趨勢分析，進而挖掘客戶、產(chǎn)品等有價值信息，為營銷管理提供數(shù)據(jù)支撐。

第三章 實證分析

3.1實證數(shù)據(jù)總結(jié)

1、技術(shù)模型減少人力成本投入，上線后質(zhì)量檢測環(huán)節(jié)人力縮減78%。

2、該技術(shù)模型解決傳統(tǒng)人工銷售流程部分節(jié)點存在的不足，提高質(zhì)檢準(zhǔn)確率到90%，規(guī)范銷售檢測比例提高至50%。

3、該技術(shù)模型挖掘商業(yè)機會，成功開發(fā)了合規(guī)類、銷售質(zhì)量類和銷售效率類共三大類34項關(guān)鍵點的檢測。

4、該技術(shù)模型通過對客戶數(shù)據(jù)的聚類、歸納與分析，形成客戶熱點問題統(tǒng)計、業(yè)務(wù)趨勢分析，進而挖掘客戶、產(chǎn)品等有價值信息。

第四章 研究結(jié)論與展望

4.1研究結(jié)論

通過該技術(shù)模型，使得保險銷售行為更為規(guī)范，節(jié)省人力，進一步挖掘數(shù)據(jù)價值，充分為保險銷售全流程賦能。

1、減少人力成本投入，通過新技術(shù)應(yīng)用，縮減公司中后臺運營成本壓力，提高保險公司在同類市場的競爭能力。

2、提供商業(yè)機會挖掘，對客戶的數(shù)據(jù)開展分析與挖掘，有效分析客戶需求，挖掘商業(yè)機會和金融服務(wù)的潛力。

3、后續(xù)可將該技術(shù)模型應(yīng)用到對輿情分析、市場調(diào)研、商機挖掘、輔助經(jīng)營策略優(yōu)化等諸多經(jīng)營領(lǐng)域，實現(xiàn)科技賦能的升級。

4.2研究創(chuàng)新

技術(shù)模型是綜合了當(dāng)前熱門的三大技術(shù)，即智能語音識別（ASR）、自然語言處理（NLP）和大數(shù)據(jù)挖掘。通過智能語音識別技術(shù)將非結(jié)構(gòu)化的語音信息轉(zhuǎn)換為結(jié)構(gòu)化的索引，實現(xiàn)對海量錄音文件、音頻文件的知識挖掘和快速檢索。應(yīng)用自然語言處理技術(shù)，整合大數(shù)據(jù)、知識圖譜、機器學(xué)習(xí)、語言學(xué)等技術(shù)和資源，實現(xiàn)人與計算機之間用自然語言進行有效通信。利用大數(shù)據(jù)分析對數(shù)據(jù)進行聚類、歸納與分析，通過標(biāo)準(zhǔn)化的流程和工具對數(shù)據(jù)進行處理，將數(shù)據(jù)可視化，并深入數(shù)據(jù)內(nèi)部，挖掘其價值，是將科技更為充分地應(yīng)用到保險銷售全流程中地一次探索。

4.3研究不足與展望

1、技術(shù)模型所涉及的智能語音識別（ASR）、自然語言處理（NLP）和大數(shù)據(jù)挖掘等新技術(shù)的使用，在應(yīng)用過程中或許存在尚未發(fā)現(xiàn)的風(fēng)險問題。

2、技術(shù)模型的應(yīng)用，目前僅作為公司內(nèi)部資料管理，無法對外發(fā)送，暫時沒有得到行業(yè)方面的認(rèn)可，期待后期技術(shù)模型開發(fā)完善將其應(yīng)用到整個行業(yè)的銷售行為中。