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(chǎn)保險業(yè)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(xù)保率的保險公司并不占多數(shù)?？蛻袅舸媛实?、無法積累長期客戶、銷售成本和費用居高不下成為了多數(shù)以車險為主要業(yè)務收入的財險公司的一大難題。根據(jù)搜集的65535位客戶資料，分析續(xù)保事件與續(xù)?？蛻舾黜椯Y料的相關(guān)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(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)?？蛻艟珳十嬒瘢槍τ绊懖焕m(xù)?？蛻糇罡叩膸讉€因素分析，重新設(shè)計優(yōu)惠福利方案以改善續(xù)保概率。

關(guān)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(yè)現(xiàn)狀

1.1 我國車輛保險業(yè)現(xiàn)狀

中國目前的車險費率制度，大多數(shù)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(shù)、排量、購車年限等，根據(jù)這些數(shù)據(jù)計算出一個基本的車險保費價格，再根據(jù)這輛車的上年理賠次數(shù)來打不同的折扣。這就導致了中國的車險定價模式非常的單調(diào)，相似情況的車型，保費也都差不多。

1.2 我國車輛保險業(yè)未來發(fā)展趨勢

1.2.1 車險價格與駕駛行為密切相關(guān)

未來的車險定價將逐漸轉(zhuǎn)變?yōu)椤皬娜酥髁x”。車險的定價因素將直接與駕駛?cè)说鸟{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(nèi)傳統(tǒng)的汽車保險定價，通常是以車型和其購置價為主要依據(jù)。未來中國車險業(yè)，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(yè)、家庭狀況等信息為標準。

2 影響車輛保險續(xù)保的因素

2.1 續(xù)?？蛻粲绊懸蜃臃诸?/p>

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(shù)、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(xù)保客戶影響因子個案權(quán)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(quán)重，即與續(xù)保的相關(guān)性，設(shè)R為個案的權(quán)重，如公式（1）所示：

2.3 續(xù)?？蛻舴诸?/p>

通過k-means算法進行客戶聚類分析。設(shè)置聚簇數(shù)量k，遍歷所有數(shù)據(jù);計算兩個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個簇的質(zhì)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(zhì)心;重復上述操作，通過誤差平方和（SSE）的結(jié)果，判斷這k個質(zhì)心不再變化（即已收斂），如公式（3）所示計算，或執(zhí)行了足夠多的迭代。

3 提高車輛保險續(xù)保概率的對策

通過K-means算法將不續(xù)保的客戶進行分類。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)計優(yōu)惠政策。

3.1 針對續(xù)保概率較高的客戶

續(xù)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(gòu)對機構(gòu)內(nèi)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(xù)五年。

3.2 針對續(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)生有責事故，未曾有過立案記錄。

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

3.3 針對不續(xù)保概率較高的客戶

不續(xù)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(shù)以個人代理為主，年齡主要分布在30歲左右，上年均未發(fā)生有責事故，而且以男性居多。

優(yōu)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(wǎng)銷”的客戶，提供保險費抵扣券。

3.4 針對不續(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）對個人代理的客戶，進行獎勵金制度。（2）對于1-3年內(nèi)未出現(xiàn)事故的客戶，進行續(xù)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(shù)據(jù)的客戶立體畫像構(gòu)建及應用研究[J].電氣應用，2018，37（08）：18-25.

[2] 徐立寧.基于動態(tài)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(shù)據(jù)挖掘方法在保險領(lǐng)域的應用前景[J].保險職業(yè)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(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)合的手機大數(shù)據(jù)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.