基于支持向量機的車險購買意向識別方法

摘要：針對傳統的人工方式判斷車主是否有意向購買車險存在效率低、缺乏預測性等問題，提出一種基于支持向量機的車險購買意向識別方法。首先，通過標準化處理與主成分分析降維，將30維的通話數據映射至10維空間，并采用欠抽樣策略解決數據樣本不平衡的問題；然后，利用SVM模型區分有、無意向車主。實驗結果表明，SNM模型的識別召回率和誤檢率分別為97.9%、4.3%。該方法可為車險公司個性化服務提供技術支持。

關鍵詞：車險購買意向識別；主成分分析；支持向量機；通話數據

中圖分類號：TP311.5 """"""""""文獻標志碼：A """""""""文章編號：1674-2605（2024）06-0013-06

DOI：10.3969/j.issn.1674-2605.2024.06.013""""""""""""""""""""開放獲取

A Method of Car Insurance Purchase Intention Recognition Based on """Support Vector Machine

SHAO Yanfu "XIE Dawei

（Guangzhou Joysim Technology Co.， Ltd.， Guangzhou 510000， China）

Abstract： Aiming at the problems of low efficiency and lack of predictability in traditional manual methods of judging whether car owners intend to purchase car insurance， a car insurance purchase intention recognition method based on support vector machine is proposed. Firstly， through standardization and principal component analysis dimensionality reduction， the 30 dimensional call data is mapped to a 10 dimensional space， and under sampling strategy is adopted to solve the problem of imbalanced data samples; Then， use SVM model to distinguish between interested and uninterested car owners. The experimental results show that the recognition recall rate and 1 detection rate of the SNM model are 97.9% and 4.3%. This method can provide technical support for personalized services of car insurance companies.

Keywords："car insurance purchase intention recognition; principal component analysis; support vector machine; calling data

0 引言

據統計，2022年我國民用汽車保有量已突破3.8億輛^[1]。同時，車險險種的結構、費用費率不合理等問題也日漸浮現。自2015年第二次車險費用改革以來，我國車險行業通過市場化手段降低了車險費率，但仍存在經營粗放、競爭失序和數據失真等問題^[2]，迫切需要深化改革，以滿足高質量發展的要求。為此，利用車險公司積累的大量數據，通過建立準確的數學模型，對車險產品進行精細化管理和定價非常重要。其中，對不同購買意向的車主提供個性化的保險方案與服務，可提高車險的吸引力，促進車險行業向更合理、高效的方向發展。

通過車主與車險公司的通話內容，分析車主的車險購買意向，有助于車險公司為車主提供更好的服務。傳統的車險購買意向主要通過人工標注和調查問卷的方式來確定，不僅效率低，而且缺乏預測性。因此，開發基于大數據和機器學習算法的車險購買意向識別技術，具有重要的理論意義和應用價值^[3]。

目前，車主購買車險意向的研究主要分為4類：1） 根據車主過去的車險購買記錄，通過數據挖掘和模式識別技術，預測車主未來購買車險的可能性和偏好，其優點是直接利用已有的數據資源，具有較強的實證基礎，但過度依賴歷史數據，忽略了車主的偏好和市場環境的變化；2） 通過分析車主的駕駛行為和風格，如駕駛速度、剎車習慣等，預測其購買車險的意向，其優點是體現了車主的個性化需求，能更精準地匹配適合其特點的車險產品，但收集和分析駕駛行為數據需要較高的技術支持和成本，且可能涉及隱私問題；3） 通過分析車主的消費習慣和偏好，如車險價格敏感度、險種選擇偏好等，了解車主購買車險的行為模式，其優點是從消費者的角度為車險產品的設計和營銷策略提供指導，但消費習慣受多種因素的影響，變化較大，難以準確預測；4）"車險公司的產品質量與服務態度，其優點是直接反映車險公司在市場中的競爭力，為其提升產品質量和改進服務提供指導方向，但評價標準主觀性強，且受限于車主的個人體驗和期望，可能存在一定的偏差^[4]。

本文利用車主與車險公司的通話數據，提出一種基于支持向量機（support vector machine， SVM）的車險購買意向識別模型，分析車主購買或復購車險的意向程度。該模型利用主成分分析（principal component analysis， PCA）算法降低輸入特征的維度，減少計算復雜度；通過SVM在N維空間中尋找最大化超平面，將有意向車主與無意向車主有效分離。

1 相關研究

1.1 PCA

PCA是一種經典的數據降維技術，基本思想是將原始數據線性映射到一個新的正交空間，使映射后數據的方差最大，并舍棄貢獻率較小的次要成分。具體做法是：計算數據協方差矩陣，求解其特征值和特征向量；選取前k個最大的特征值對應的特征向量作為新空間的基底，將原始數據投影到新空間中實現降維。

PCA具有算法簡單、無數據損失等特點，被廣泛應用于圖像識別、信號處理、數據壓縮等領域。但它是一種無監督學習方法，數據降維后可能會丟失有用的判別信息。

1.2 SVM

SVM是一種基于統計學習理論發展起來的有監督學習模型，主要用于模式識別、數據分析等領域。其基本工作原理是在高維特征空間中尋找一個最大邊界超平面，將不同類別的樣本點分開，使兩類樣本點到超平面的距離最大，從而達到較好的分類效果，原理如圖1所示。

SVM具有正則化的特點，能夠較好地控制模型的復雜度，避免過擬合；且泛化能力較強，在小樣本、高維、非線性等情況下仍能獲得較理想的性能。

2 識別方法

基于改進SVM的車險購買意向識別方法主要分為數據獲取、數據預處理、特征降維、SVM分類、模型預測5個環節。預先設定車主的車險購買意向為有意向車主和無意向車主2種類型。

2.1 數據獲取

在預先獲得授權的前提下，統計某車險公司半年內的通話數據，得出30個與車險購買意向相關的維度，包括是否撥打車險公司號碼、通話時長、是否為主叫方等。其中，車主的手機號碼經過加密脫敏處理。最終，收集到無意向車主數據453 869條、有意向車主數據518條。通話原始數據維度如表1所示。

無意向車主數據（453 869條）與有意向車主數據（518條）存在嚴重的數據不平衡。如果直接基于這種不平衡數據訓練模型，將導致模型泛化性能較差。為解決這一問題，本文采用欠抽樣的策略，從無意向車主數據中隨機抽取518條，與有意向車主的518條數據組成平衡的混合數據集，并將該混合數據集按照1∶1的比例劃分為訓練集和驗證集^[6]。

2.2 數據預處理

由于通話數據特征維度的量綱不同，如是否主叫的取值范圍為{0，1}，通話時長以秒為單位，因此需要對原始通話數據進行標準化處理，即將不同量綱的數據統一到同一數量級：

2.3 特征降維

由于標準化后的通話數據的特征維數較高（30個），且部分特征存在線性相關性，直接輸入模型可能會導致過擬合及計算效率降低。為此，采用PCA算法對標準化后的通話數據進行降維處理。

由表2可知，前10個最大的特征值之和占全部特征值總和的比例為98.1%，即主成分保留98%以上，故選取前10個特征值替代通話數據的30個特征值。

2.4 SVM分類

經初步分析發現，有意向車主數據與無意向車主數據在一些字段上較為相似，用低維的曲線擬合容易導致欠擬合，用高維的多項式擬合容易出現過擬合。為此，采用SVM算法先把低維不可分的數據投射到高維空間，再用高維超平面進行是否有車險購買意向的二分類。

2）"懲罰參數C：引入一個正的調整參數C，其決定了分類的嚴格程度。較大的懲罰參數C意味著模型會對錯誤分類的樣本給予更大的懲罰，從而可能導致模型過擬合；較小的懲罰參數C使模型對錯誤分類的樣本懲罰減小，從而可能導致模型欠擬合。

2.5 模型預測

利用驗證集的518條數據進行SVM模型預測驗證，其中288條數據為有意向車主數據，占比為55.6%；230條為無意向車主數據，占比為44.4%。

對驗證集數據進行數據預處理、特征降維（10維）后，輸入SVM模型（公式12），得出的預測結果如表3混淆矩陣所示^[10]。

3 結論

本文針對車主的車險購買意向識別問題，提出了一種基于支持向量機的車險購買意向識別方法。1） 根據車主與車險公司的通話數據，統計需要分析的30個維度；2） 利用欠抽樣策略隨機抽取部分車主數據，構建平衡數據集，緩解模型訓練過程中的數據偏差；3） 對30維的原始通話數據進行標準化預處理，消除不同特征量綱的影響；4） 采用PCA算法將30維數據映射到10維空間，并保留了98%以上的方差貢獻，有效降低了數據冗余；5） 采用SVM算法建立分類模型，將是否有意向購買車險的數據進行分類。經驗證集測試，SVM模型的召回率為97.9%，誤檢率為4.3%，具有良好的分類性能。本文SVM模型還存在需要改進的地方，如模型進一步優化、模型參數的自動調優等。

?The author（s） 2024. This is an open access article under the CC BY-NC-ND 4.0 License （https：//creativecommons.org/licenses/ by-nc-nd/4.0/）

參考文獻

[1]"楊怡.關于推動我國交通運輸高質量發展的幾點思考[J].人民公交，2024（11）：69-72.

[2]"房弢，陳晨，華圓.中小財產車險公司差異化發展路徑與服務實踐研究[J].浙江工商職業技術學院學報，2024，23（1）：13-17.

[3] 唐金成，肖思文.新能源車險發展困境與創新策略[J].中國保險，2024（5）：29-33.

[4] 譚征.基于K-Means和SEM的消費者互聯網保險購買意愿研究——以TPB和TAM為分析框架[J].重慶理工大學學報（自然科學），2019，33（2）：198-207.

[5]"鄧育輝，李鵬，邵延富，等.基于神經網絡與粒子群算法的騷擾電話識別研究[J].數據通信，2022（5）：28-30.

[6] HAN Jiawei， KAMBER Micheline， Pei Jian. Data mining： Concepts and techniques[M]. Waltham： Morgan Kaufmann Publishers， 2012：265-270.

[7] 包研科.數據分析教程[M].北京：清華大學出版社，2011：68-76.

[8] 王學民.應用多元分析[M].4版.上海：上海財經大學出版社， 2014：188-214.

[9] TAN Pangning， STEINBACH Michael， Vipin Kumar. Mining W I D. Introduction to data mining[M]. New Jersey： Pearson Education， Inc， 2006：127-189.

[10] 李文楷，劉原池，劉子越，等.基于正樣本-背景數據的校正混淆矩陣[J].海南大學學報（自然科學版），2023，41（3）：293-302.

[11] 高瑞.混淆矩陣在商業決策中的應用研究[J].當代經濟， 2021（4）：110-113.

作者簡介：

邵延富，男，1972年生，碩士研究生，高級工程師，主要研究方向：軟件工程和大數據工程。E-mail： 13632102858@139.com

謝大為，男，1991年生，本科，高級工程師，主要研究方向：大數據工程。E-mail： 13798088446@139.com