基于數據挖掘的重大疾病保險客戶風險預測及細分

辛凱琪 湯金鳳 遼寧大學金融與貿易學院

一、引言

根據我國第七次人口普查結果，我國人口老齡化程度進一步加深，已經接近深度老齡化。通常，老齡人口隨著年齡增大，身體各項機能開始退化，從而發(fā)生重疾的可能性會增大。2020年11月，中國保險行業(yè)協會與中國醫(yī)師協會聯合發(fā)布《重大疾病保險的疾病定義使用規(guī)范（2020 年修訂版）》，優(yōu)化了重疾分類，并且引入了輕度疾病的分類，擴大了重疾險承保范圍。伴隨著重疾險保障范圍的擴大，也會增加經營重疾險的保險公司面臨的賠付風險。外部環(huán)境的變化給經營重疾險的保險公司帶來挑戰(zhàn)，保險公司在承擔較高賠付風險后其經營效益和償付能力勢必會受到影響。然而，機遇與挑戰(zhàn)并存，這一形勢下，保險公司如能適應外部形勢變化，采取適當的應對策略，則可以化挑戰(zhàn)為競爭力。

為了增強經營的穩(wěn)健性和競爭性，保險公司需要對投保重疾險的客戶進行風險預測并作出客戶細分。本文的重點即聚焦投保重疾險的客戶風險評估。重大疾病的內涵包含三個方面特征：治療費用高昂、治療周期長、發(fā)生后會嚴重影響家庭經濟狀況。該險種創(chuàng)立的初衷是，當一個人遭遇重大疾病時，由醫(yī)生來挽救其身體，由保險來保證其在經濟上不遭受毀滅性打擊，以免發(fā)生人走財空或人在財空的悲慘結果。保險公司作為經營這一風險的主體，勢必要根據客戶自身的身體特征、經濟特征以及消費特征等作出風險預測，并且有針對性地進行產品設計與營銷，以保證其充足的賠付能力。

當下，重疾險產品同質化嚴重，各保險公司的重疾險產品所承擔的責任差異不大，主要依靠與其他產品相結合來提升自身競爭力，如豁免保費權益、年金權益、健康打卡等方式。未來，商業(yè)保險公司若要增強自身競爭力，應當聚焦于責任的細分。由于不同群體面臨的風險不同，保險公司可通過對客戶自身風險及其個體特征的精準定位，更加有針對性地開發(fā)產品，以滿足投保人多樣化的投保需求，同時提高自身經營的效益。因此，進行客戶風險評估及細分，對于商業(yè)保險公司具有重要的實踐意義。

本文以A 保險公司的客戶基礎信息為例，運用logistics 回歸分析和決策樹算法，分析影響重疾發(fā)生可能性的主要因素以及各因素間的交互作用，最后對經營重疾險的保險公司提出有關精準營銷的合理建議。

二、理論基礎及研究方法

（一）理論基礎

客戶細分理論最早由美國學者史密斯于1956年提出，他以客戶的多樣化需求為細分標準，按照每一類客戶特征制定營銷策略。隨后Jennifer Drayton在1987年進一步提出以地理、人口、心理或行為等特征劃分不同市場，并通過采取針對性營銷策略提高營銷效率。后來這一理論不斷完善發(fā)展。我國學者綦欣德（2013）在過往靜態(tài)描述性模型的基礎上，引入了多維度細分、動態(tài)性細分和預測性細分視角。隨著計算機技術的進步以及大數據發(fā)展，諸多學者開始將數據挖掘模型引入客戶細分領域。趙萌、齊佳音（2014）運用RFM模型對客戶終身價值進行評估，并以此作為客戶細分的依據。原慧琳、杜杰等（2021）將改進K-means 算法引入客戶細分領域，找出了客戶細分的科學路徑。

根據前人研究可以看出，客戶細分理論基本原理是，根據客戶的文化觀念、經濟收入、消費習俗、生活方式等的不同細分新的類別，企業(yè)根據客戶的不同類別制定品牌推廣戰(zhàn)略和營銷策略，將資源針對目標客戶集中使用。客戶細分中通常要考慮三方面的因素：內在屬性、外在屬性及消費者行為。內在屬性通常包含客戶的年齡、性別、收入等；外在屬性包括地域屬性、環(huán)境屬性等；消費者行為包含消費頻率、消費額等。只有充分考慮影響客戶消費的諸多特征，才有可能對客戶實施精準劃分。

客戶細分在實際操作中應當包含以下流程：1.確定需要收集的數據以及如何收集；2.將不同類別的數據整合在一起，以便于尋找其內在關聯；3.選擇算法或模型對數據進行分析，將此分析結果作為客戶細分的基礎；4.將分析結果傳達至企業(yè)各部門與層級，使其能夠完成細分后所要達到的目標。

該理論在現代企業(yè)營銷中的應用極其廣泛，在保險領域的價值更是至關重要。保險產品作為一種無形的商品，在營銷過程中更加依賴對于客戶特征的精準把握，在此基礎上，才能讓營銷人員選擇恰當的營銷途徑、有針對性的保險產品滿足客戶需求。

（二）研究方法

在對龐大的客戶數據進行分析的過程中，國內外學者采取了諸多數據挖掘的方法。數據挖掘是從大型數據庫中提取數據驅動的信息。通常，在保險領域應用的數據挖掘方法包括分類、聚類、回歸、關聯等方法。Marisa S.Viveros（1996）利用關聯規(guī)則對醫(yī)療保險信息數據進行挖掘，發(fā)現不同病理學醫(yī)生的相互組合會產生意料之外的效果。管紹賢（2008）研究了決策樹方法在保險客戶風險分析中的作用，采取決策樹C4.5算法，首先計算每個屬性的信息增益率，得到根節(jié)點，最后對得到的決策樹進行修建，從而得到風險分析模型。劉曉葳（2013）采取logistic回歸、決策樹模型、Aprior算法對保險公司所提供的客戶數據進行綜合挖掘，首先對比logistic回歸與決策樹模型的準確性，隨后用Aprior 算法進行驗證，最終得到風險貢獻矩陣。過往學者數據挖掘方法大致可分為三類：1.分類算法，包含決策樹、神經網絡等方法，主要適用于對客戶進行分類；2.回歸算法，包含線性回歸與非線性回歸，此類算法主要目的是做預測；3.關聯規(guī)則，包含Apriori、FP-growth 等，主要目的是發(fā)現關聯性。

通過對過往學者數據挖掘方法的比較以及本研究所擁有的數據特點，本文決定采取logistic 回歸對重疾發(fā)生的影響因素進行分析，該模型雖然考慮到了主效應的影響，但是并未考慮交互效應，因此，還需要引入決策樹模型，進行因素間交互效應的分析。

三、數據準備與描述性統(tǒng)計

（一）數據來源與處理

本研究以A 保險公司主力產品的37 萬條相關保單承保數據和理賠數據樣本作為數據源。數據內容為該公司所承保的重大疾病保險的客戶資料，客戶分布于全國各個城市。

依據研究目標，發(fā)現原始數據存在賦值不規(guī)范、存在缺失值及個別變量相關性低等問題，建模分析前首先對原始數據做預處理。具體采用以下方法：（1）相關分析，去除與理賠無關或相關性較小的變量。本文剔除原始數據庫中的保單生效年月、省級行政機構、市級行政機構、保障年限、出險日期、理賠日期等六個變量。（2）缺失值處理，剔除缺失值過多的變量。（3）為了更加科學地預測客戶風險，依據客戶保單年限，本文從2018年統(tǒng)計年鑒查詢了人均GDP、人均可支配收入兩項指標，從梅斯醫(yī)學借鑒了各省份醫(yī)療水平排名，用以體現地區(qū)經濟發(fā)展水平、居民收入水平、醫(yī)療水平等級。（4）變量重新賦值與分類。對各變量統(tǒng)一重新賦值，去除不同量綱。（5）數據平衡化處理。經過對變量的初步分析，發(fā)現變量存在非平衡性特征，從未發(fā)生理賠事件的客戶有361368例，占總數的97.49%。為保證分析準確性，對數據做重抽樣平衡處理。本文采取過采樣法，抽取17224條數據，處理后從未發(fā)生理賠與曾發(fā)生過理賠行為的客戶分別占總數的51.03%和48.97%。

?表1 變量名稱選取及賦值情況

（二）描述性統(tǒng)計

1.因變量

本案例以重疾險是否出險作為因變量，重疾險出險的范圍包括保險公司經辦的特定重大疾病，如惡性腫瘤、心肌梗死、腦溢血等。當被保險人達到保險條款所約定的重大疾病狀態(tài)后，保險公司根據保險合同約定給付保險金。本文從數據庫中抽取變量中發(fā)生理賠的占49%。

2.自變量

內在屬性：從性別角度看，女性發(fā)生重大疾病概率高于男性；從年齡段看，16—25歲人群中，出險人群遠低于未出險人群，可見在這一年齡段發(fā)生重疾概率較低；在26—35歲人群中，發(fā)生重疾人群與未發(fā)生重疾人群幾乎相等；在36 歲以上人群中，出險人數已經超過未出險人數。由此得出初步結論，隨著年齡增加，重疾發(fā)生率也在增加。

外在屬性：城市線、人均可支配收入、人均GDP 反映出在地區(qū)經濟發(fā)達且收入相對較高人群中，生活于新一線城市和二線城市的出險人數遠遠高于一線、三線、四線和五線城市；醫(yī)療水平排名反映出在醫(yī)療水平較發(fā)達地區(qū)，參保人數遠高于醫(yī)療水平欠發(fā)達地區(qū)，且重疾發(fā)生率也高于欠發(fā)達地區(qū)。

消費者行為：基本保額段、繳費年限、保單件數反映出，在這些因素下，重疾發(fā)生與否未呈現出顯著的差異。因此，假設基本保額段、繳費年限、保單件數不同不會對重疾發(fā)生產生顯著影響；而在出險年齡方面，可以看出，出險年齡主要集中在34—45 歲，其次是26—33 歲、46 歲以上、18—25 歲；重疾險理賠中，重癥占到90%以上，而輕癥、中癥的發(fā)生比例偏低。

四、基于數據挖掘的客戶風險的識別與分類

（一）單因素分析

在對數據進行預處理后，選取顯著性水平為0.05時的單因素分析發(fā)現，被保險人性別、投保年齡段、城市線、繳費年限、人均可支配收入、人均GDP、醫(yī)療水平排名對于重疾的發(fā)生有影響，且具有統(tǒng)計學意義。本文對于上述因素展開多因素logistic回歸分析。

（二）多因素分析

根據上述單因素分析，選取是否發(fā)生理賠為被解釋變量，被保險人性別、投保年齡段、城市線、繳費年限、人均可支配收入、人均GDP、醫(yī)療水平排名作為解釋變量，進行二元logistic回歸分析。

1.共線性診斷

對顯著變量進行共線性診斷，若VIF≥10，則表明變量間存在嚴重的共線性。經過對模型進行共線性檢驗，發(fā)現模型中七個變量的VIF 值均集中在1.0~1.9 之間，遠低于10。因此，認定變量間無共線性存在，可以進行多因素二元logistic回歸。

2.多因素logistic回歸

本文采用SPSS24.0 進行數據分析，對于上述檢驗通過的被保人性別、投保年齡段、城市線、繳費年限、人均可支配收入、醫(yī)療水平排名、人均GDP進行二元logistic 回歸。為避免編碼數值的影響，將投保年齡、城市線、人均可支配收入、人均GDP、醫(yī)療水平排名設置為啞變量，結果如表2所示。

將是否理賠作為因變量進行二元logistic回歸發(fā)現，被保險人性別、投保年齡段、城市線、繳費年限、人均可支配收入、醫(yī)療水平排名是影響是否索賠的顯著性因素。被保險人性別反映出，女性重疾賠付率比男性高，這一分析結果與上文描述性統(tǒng)計結果一致；投保年齡段反映出，投保年齡較高人群重疾賠付率也會增大，這一結果與上述描述性統(tǒng)計結果相符；城市線數據反映出，發(fā)達地區(qū)重疾發(fā)生率高于欠發(fā)達地區(qū)；繳費年限反映出繳費年限較長的客戶重疾賠付率較高；人均可支配收入反映出，收入增加帶來重疾賠付率減少；醫(yī)療水平反映出，醫(yī)療水平欠發(fā)達地區(qū)重疾賠付率較高；人均GDP 反映出，發(fā)達地區(qū)重疾賠付率較高。

?表2 二元logistic回歸分析結果

3.決策樹分析

將是否進行重疾賠付的影響因素進行CRT 算法分析，規(guī)則如下：（1）因變量為是否理賠，自變量為logistic回歸中分析出影響較大的被保險人性別、投保年齡段、城市線、繳費年限。（2）最大樹深度為3，父節(jié)點中最小個案數100，子節(jié)點中最小個案數50，如果節(jié)點上的樣本量達不到此要求，則該節(jié)點為終末節(jié)點，不再進行分割樣本。（3）驗證方式為拆分樣本，選取50%樣本作為訓練樣本，其余50%為檢驗樣本。

針對研究問題，選取發(fā)生理賠的客戶特征樣本較多的節(jié)點分析，尤其是“是否理賠”=1 的情況。對符合要求各葉節(jié)點信息匯總生成圖1。

?圖1 決策樹分析圖

根據葉節(jié)點向根節(jié)點的推進方式可以發(fā)現，根據投保年齡數據，可以看出投保年齡越高發(fā)生理賠的概率越高。節(jié)點1 中，26歲以上人群發(fā)生理賠者達到3907人，占比達到54%，遠高于16—25 歲人群中的21.5%。進一步結合城市線數據，對比節(jié)點9 和節(jié)點10 發(fā)現，年齡增加帶來的重疾發(fā)生率在三、四、五線城市尤為顯著，35 歲以上人群重疾發(fā)生率比26—35 歲人群高了14.4 個百分點。根據城市線數據可以看出，在各個年齡段，發(fā)達地區(qū)的重疾發(fā)生率都要高于欠發(fā)達地區(qū)，這一現象的出現印證了上文描述性統(tǒng)計中分析的發(fā)達地區(qū)人口保險意識較強，投保人數多，且發(fā)達地區(qū)生活壓力大導致該地區(qū)人口健康問題嚴重的結論。根據被保險人性別數據可以看出，女性重疾發(fā)生率要遠高于男性重疾發(fā)生率，這一現象著重體現在低齡人群中，由此可以推斷低齡女性身體健康狀況值得引起人們關注。繳費年限主要反映了被保險人的經濟狀況信息，低收入者通常愿意購買繳費年限較長的重疾險產品，以減輕每年的保費負擔。由該數據可以看出，選擇較長繳費年限的人群發(fā)生重疾概率要高于選擇繳費期較短的人群，從側面反映了高收入人群的重疾發(fā)生率偏低。

（三）兩個模型的比較分析

以logistic 回歸模型與決策樹模型的預測值作為狀態(tài)變量，分別繪制ROC 曲線，如圖2 所示，logistic 回歸的ROC 曲線位于決策樹ROC 曲線上方，且logistic 回歸的ROC 曲線更加光滑，可見，logistic 回歸效果好于決策樹。同時，根據表3 所示，logistic 回歸的ROC 曲線下面積為0.726，決策樹的ROC 曲線下面積為0.662，這一結果表明兩模型的診斷效果都比較好，且可以通過顯著性檢驗，因此，本文分別借鑒logistic回歸的主效應與決策樹模型的交互效應展開分析。

五、結論與建議

（一）結論

本研究顯示，決策樹和logistic 回歸都表明投保年齡段、城市線、被保險人性別、繳費年限是與重疾險理賠關聯最緊密的因素，結合ROC曲線評估效果，可以看出logistic回歸預測效果較優(yōu)，在借鑒其分析的主效應同時，為使分析更加全面，本文結合決策樹表現出的交互效應對影響重疾險理賠與否的因素進行全面的分析。

?圖2 logistic回歸與決策樹模型的ROC圖

?表3 logistic回歸與決策樹模型分類效果比較

年齡越大的人群，隨著自身身體機能的退化、生活壓力的加大，發(fā)生重大疾病的可能性也隨之上升。通過上述分析也可以看出，26歲以上保險客戶發(fā)生重疾概率是26歲以下客戶的兩倍之多，同時低齡客戶在總客戶數中占比最大，表明保險公司在客戶選擇方面，比較愿意針對低齡客戶提供更優(yōu)惠的費率，進而吸引年輕客戶加入重疾險。

城市線代表了地區(qū)發(fā)達程度。根據上文的logistic回歸分析，本文發(fā)現發(fā)達地區(qū)重疾賠付率遠高于欠發(fā)達地區(qū)，這表明發(fā)達地區(qū)中產階級存在較大生活壓力，身體健康狀況值得擔憂。結合決策樹分析結果可以看出，在不同年齡段下，這一結論仍然成立，在高齡人群中，這一結論尤其顯著。

性別對于重疾賠付率影響也比較顯著，logistic 回歸表現出女性發(fā)生重疾的概率高于男性，決策樹中不同年齡段、城市線的居民也在一定程度上表現出女性重疾發(fā)生率高于男性這一現象，且在發(fā)達城市尤其明顯。

繳費年限越長的客戶通常意味著自身收入可能相對偏低或者選擇了較高的保額，這一類客戶自身的風險狀況可能偏高，logistic 回歸表明選擇繳費期間在20—30 年間的客戶風險遠高于選擇10—19年的客戶；結合決策樹中的交互效應也可以看出，在不同年齡段、城市線以及性別下，繳費期較長客戶發(fā)生重疾賠付的比例都高于繳費期較短的客戶。

同時，上述分析也體現出人均可支配收入、醫(yī)療水平排名、人均GDP 會影響重疾賠付，但是影響效果相對較小。通過logistic回歸分析可以看出人均可支配收入與重疾賠付率呈負相關關系，醫(yī)療水平排名與重疾賠付率呈正相關關系，人均GDP與重疾賠付率呈正相關關系。在一線與新一線城市的26—35 歲人群中，人均可支配收入較高者出現重疾比例較高，這一現象的出現表明，在大城市中，剛參加工作的青年人面臨著巨大的壓力，壓力讓這一人群的健康風險也在增加；一線與新一線城市的36 歲以上居民，生活在醫(yī)療條件較好地區(qū)的居民重疾發(fā)生率高于較差地區(qū)，考慮到交互效應，可能是由于較大的年齡帶來自身疾病風險的增加；一線與新一線城市的女性當中，人均GDP 較高地區(qū)的女性發(fā)生重疾賠付可能性要高于人均GDP 較低地區(qū)，這表明在發(fā)達城市中，女性所承擔的壓力正在增加，女性承擔了照顧家庭以及工作雙重壓力，發(fā)達城市中女性健康狀況需要引起人們的關注。

（二）建議

1.基于年齡差異的產品定價策略

根據統(tǒng)計分析結果，低齡人口重疾發(fā)生率相對較低，在制定營銷策略時，應當針對年齡在25 歲以下人群制定更加有吸引力的產品與營銷策略。在產品定價方面，考慮到這一群體中有一大部分為學生或者是剛步入社會的職場新人，他們的收入水平相較于社會總體水平而言較低，可以制定較低的費率，在繳費年限上適當延長。同時，數據也顯示，重大疾病的發(fā)生逐漸出現低齡化趨勢。長期以來，民眾普遍認為重大疾病主要發(fā)生在60 歲以上的群體，但近年來，隨著低齡人群的重疾發(fā)生率提升，重大疾病呈年輕化趨勢，且這一趨勢在加劇，需要引起社會的關注。年輕人即使保費預算有限，也可以從較短保障年限、較低保額的產品入手，再逐步為自己增加保障。

2.基于地區(qū)差異的欠發(fā)達地區(qū)推廣策略

保險作為金融行業(yè)的重要組成部分，在發(fā)展過程中往往主要集中于發(fā)達地區(qū)與城市。本文實證研究表明，經濟發(fā)達城市相比于經濟欠發(fā)達城市，癌癥的地區(qū)發(fā)生率更高；但心腦血管類疾病，例如腦中風后遺癥，則一般是欠發(fā)達城市的發(fā)生率會高于發(fā)達城市。究其原因，對于醫(yī)療水平更高的發(fā)達城市來說，消費者有更充裕的資金和更好的醫(yī)療資源去降低嚴重后遺癥的發(fā)生。這給欠發(fā)達地區(qū)人群的投保提供了一個啟示，投保時可優(yōu)先選擇帶有輕、中癥責任，且包含腦中風后遺癥的重疾險。保險公司在重疾險發(fā)展策略中，應當關注三、四、五線城市的客戶，這些地區(qū)客戶的增加對于保險公司經營效益會產生巨大的貢獻潛力。保險公司可以通過開展三、四、五線城市的保險分公司業(yè)務、增加代理人數量等手段，提高這類地區(qū)的重疾險覆蓋率。

3.基于性別差異的女性健康問題

考慮到性別對于重疾險的影響，保險公司在產品設計與營銷時應當考慮到性別差異。本文研究的樣本群體均在60歲以下，根據保險行業(yè)的經驗數據，男性和女性在60歲之前患重疾的概率有所差異，其中，男性約為16%，女性約為14%，男性風險高于女性。然而本文研究發(fā)現，女性重疾發(fā)生概率高于男性，這一現象在一、二線城市尤其顯著，因此，可以認為在發(fā)達地區(qū)的女性開始承受更多的壓力。保險公司在設計與銷售產品時，不能根據過往大范圍的經驗數據盲目定價，應當考慮到地區(qū)發(fā)展程度為女性帶來的風險，針對一、二線城市的白領女性，在核保時應當更為嚴謹，體檢單等核保項目應該作為費率制定時著重考慮的因素。

4.基于經濟差異的低收入人群健康監(jiān)測

鑒于低收入人群風險較高這一分析結論，保險公司一方面要對被保險人普及定期體檢的必要性，并加大對其體檢和健康評估的力度，收集被保險人更為全面的健康信息，建立更為詳實的個人電子健康檔案；另一方面，保險公司可以通過加強與醫(yī)療服務機構之間的合作，并利用當下大數據的優(yōu)勢，建立被保險人身體健康信息動態(tài)監(jiān)管系統(tǒng)，從而降低公司的長期賠付風險和經營效率。

5.基于協同銷售的保險營銷團隊建設

根據客戶細分理論，在進行客戶細分分析后，為了使其細分結果能夠得到有效落實，保險公司需要建立專業(yè)成熟的團隊，上下一心，向著客戶細分目標努力。首先，在保險公司內部，從上層領導到基層營銷人員，人人都應該明確其主要目標客戶群體，并且建立協同一體的行動方略。其次，保險營銷方式和渠道的選擇，應當以客戶群體類型特征為重要參考。由于年輕人群體是重疾險銷售中的優(yōu)質客戶，加之當今社會數字化程度如此之高，重疾險營銷應當加大線上銷售渠道的投入。最后，在代理人團隊建設中，要注重代理人團隊成員的個人能力培養(yǎng)，基層營銷人員是實現客戶細分的一線團隊，這一團體的建設決定了前期客戶細分戰(zhàn)略能否落實。