基于k-means算法的保險業數字化變革

張雯瑋 徐凡 黃君杰 趙明修

摘要：私人購車比例不斷增加， 汽車保險這一概念逐漸進入百姓視野。目前我國機動車輛保費占全部財產保險業務的高比例在全世界都是罕見的。但事實上，真正能夠做到高續保率的保險公司并不占多數。客戶留存率低、無法積累長期客戶、銷售成本和費用居高不下成為了多數以車險為主要業務收入的財險公司的一大難題。根據搜集的65535位客戶資料，分析續保事件與續保客戶各項資料的相關性基于模糊聚類分析模型對客戶資料進行分類;基于回歸分析法，得出與續保概率有關的各因素權重，將權重最高的因素作為續?？蛻艟珳十嬒?，針對影響不續保客戶最高的幾個因素分析，重新設計優惠福利方案以改善續保概率。

關鍵詞：車輛保險;聚類分析;K-means算法;R語言

中圖分類號：F842.6 文獻標識碼：A 文章編號：1007-9416（2019）04-0121-02

1 我國車輛保險業現狀

1.1 我國車輛保險業現狀

中國目前的車險費率制度，大多數符合“從車主義”。即車險保費多少，主要取決于這輛車本身的各項情況，如車的購置價、座位數、排量、購車年限等，根據這些數據計算出一個基本的車險保費價格，再根據這輛車的上年理賠次數來打不同的折扣。這就導致了中國的車險定價模式非常的單調，相似情況的車型，保費也都差不多。

1.2 我國車輛保險業未來發展趨勢

1.2.1 車險價格與駕駛行為密切相關

未來的車險定價將逐漸轉變為“從人主義”。車險的定價因素將直接與駕駛人的駕駛習慣與行駛里程掛鉤，通過駕駛行為來判定車險價格。

1.2.2 同價位車型車險價格完全不同

國內傳統的汽車保險定價，通常是以車型和其購置價為主要依據。未來中國車險業，同樣的一款車，不同的人開，保費價格會完全不同。這個不同可能是取決于投保人本身的駕駛行為，還可能會以投保人本身的年齡、職業、家庭狀況等信息為標準。

2 影響車輛保險續保的因素

2.1 續保客戶影響因子分類

根據“從人主義”的思想，尋找出與續保相關的特征并進行分析，將特征分為客戶屬性以及保險套餐兩個類別進行分析，影響因子特征分類如下：

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

（2）保險套餐：三者險保額、險種、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、風險類別。

2.2 續保客戶影響因子個案權重計算

由此可以進行進一步分析，計算影響因子每個個案的權重，即與續保的相關性，設R為個案的權重，如公式（1）所示：

2.3 續保客戶分類

通過k-means算法進行客戶聚類分析。設置聚簇數量k，遍歷所有數據;計算兩個元組間的歐幾里距離，如公式（2）所示，確定質心，并將其余數據劃分到最近的質心（初始k個簇的質心為隨機選取的k條記錄）中（即臨時歸類簇集）;計算簇集中所有元組的平均值，并更新質心;重復上述操作，通過誤差平方和（SSE）的結果，判斷這k個質心不再變化（即已收斂），如公式（3）所示計算，或執行了足夠多的迭代。

3 提高車輛保險續保概率的對策

通過K-means算法將不續保的客戶進行分類。分別總結出續保高的客戶、續保低的客戶、不續保概率高以及不續保概率低的客戶以及從而設計優惠政策。

3.1 針對續保概率較高的客戶

續保概率高證明這類用戶對該公司車險滿意度較高。

福利政策：（1）機構對機構內的個人推薦購買本公司車險，則次年保費可以有所減免。（2）次年保費下降至前年的95%，連續五年。

3.2 針對續保概率較低的客戶

續保概率低的客戶群，是我們潛在會流失的客戶群。通過分析發現普遍是年齡在30歲上下的年輕人，而且大多數為上年未發生有責事故，未曾有過立案記錄。

優惠政策：（1）個人用戶可在享受原有優惠措施的基礎上，總保費享受額外的九五折優惠。（2）與車商建立長期的合作關系，通過車商購買保險享受額外的優惠措施。

3.3 針對不續保概率較高的客戶

不續保概率高是對保險極其不滿意的人群，這批人的保險渠道多數以個人代理為主，年齡主要分布在30歲左右，上年均未發生有責事故，而且以男性居多。

優惠政策：（1）可以擴大保險有責事故的范圍。（2）針對年齡在30歲到35歲客戶，進行分期付款。（3）對于“電網銷”的客戶，提供保險費抵扣券。

3.4 針對不續保概率較低的客戶

不續保概率低的客戶代表他是潛在客源，通過優惠政策吸引該類客戶。

優惠方案：（1）對個人代理的客戶，進行獎勵金制度。（2）對于1-3年內未出現事故的客戶，進行續保打折服務。

參考文獻

[1] 張詩軍，陳豐，王志英，林火華，李遠寧.基于電力大數據的客戶立體畫像構建及應用研究[J].電氣應用，2018，37（08）：18-25.

[2] 徐立寧.基于動態精準畫像的圖書館個性化推薦服務研究[J].圖書館學刊，2018，40（10）：112-116.

[3] 葉立武，吳倩，王瑋，王東.數據挖掘方法在保險領域的應用前景[J].保險職業學院學報，2018，32（02）：43-46.

[4] 王安瑾.一種基于MinHash的改進新聞文本聚類算法[J].計算機技術與發展，2019，29（02）：39-42.

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

[6] 史新穎，夏元平，毛曦，殷紅梅.DBSCAN與Kmeans相結合的手機大數據聚類方法研究[J].北京測繪，2019，33（02）：132-137.

[7] 尹寶勇，吳斌，劉建生.一種改進的K-means算法[J].江西理工大學學報，2018，39（05）：97-102.