中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

本文主要討論了智能保顧概念、現狀和未來發展。

開始之前我們先思考三個問題：

• 什么是智能保顧？
• 智能保顧現處于什么階段？
• 智能保顧的發展方向是什么？

一、什么是智能保顧

智能保顧即智能保險顧問，指能自主為用戶提供風險評測、保險知識問答、保險需求分析、保險產品對比和推薦等服務的智能終端。

簡單來說就是你的私人保險顧問，任何保險問題都可以去問。

二、智能保顧現處于什么階段

在國內，智能保顧概念雖然火熱，但整體發展尚處于初級階段。2017年堪稱是智能保顧的元年，各種保保們精靈們層出不窮，市場上出現的智能保顧保險需求分析保險產品對比和推薦等服務。

但是，真正體驗過的用戶就會發現，目前市場上的幾款所謂“智能保顧”功能不夠齊全，尚未真正實現“智能”，太保阿爾法發布時曾轟動一時，獲取440萬的流量0轉化，螞蟻慧小?，F在已經淡出，微信只做風險評估等等。

從市場大熱到目前一片寂靜，不禁讓人唏噓。

那是為什么呢？

現有的智能保顧基本是根據用戶的年齡、家庭、資產狀況、車的類型等因素幫助用戶選擇車險產品，如太平洋保險阿爾法保險號稱通過結合海量數據、人工智能技術及保險精算經驗，提供定制化的家庭保險建議。

事實是這樣嗎？

我們一起來拆解以下他的實現原理就知道了。

保險推薦機器人會詢問以下10個問題：

當答完以上問題后，機器人會推出一組保險產品。包含重疾、醫療和意外。這就是典型的策略樹算法。通過以上數據我們可以計算得出：

C(4,1)*C(2,1)*C(34,1)*C(2,1)*C(2,1)*{C(4,1)+C(4,2)+C(4,3)+1}*{C(4,1)+C(4,2)+C(4,3)+1}*C(2,1)*C(5,1)*C(5,1)=12240000

也就是說這個排列組合有1224萬種可能。

而我們查詢保險協和網站可知現有在售保險產品有7000多個。每個產品拆解后的維度包括性別、年齡、保費、保額等。這就會造成，不同的條件會對應同一款產品、同樣的條件會篩選出多個產品，而對產品做優先級排序，又成了人的主觀判斷。

所以才造成了平安的保險機器人推薦出的全部是平安的產品，而平安的在售產品不過幾百款，所以這種推薦根本算不上是智能推薦，只不過是條件篩選。

那為什么不用智能推薦技術來實現保險產品推薦呢？

智能推薦技術現在應用最后的是資訊領域和電商領域，或許我們能從他們的演化進程了解一二。

最早興起的是門戶網站，是有足夠專業的編輯給大家來寫新聞和資訊，這個時候編輯不必考慮每個人的興趣愛好，只需要了解大多數人的興趣愛好就好。這樣就造成了千人一面，大家打開的資訊是一樣的。

再后來自媒體興起，每個人可以根據自己的愛好去關注和訂閱自己喜歡的自媒體號，這樣每個人打開的資訊就不一樣了，但是這就造成了你只能看到你關注了的咨詢信息。沒有關注的就看不到了。

然后隨著今日頭條的興起才真正實現了千人千面，每個人看到的都是不一樣的，而且是動態變化的。這時候才能真正稱得上是智能推薦。由上可知智能推薦依據是：

1. 用戶興趣數據
2. 用戶的基礎注冊信息，背景信息：例如用戶出生地，年齡，性別，星座，職業等。這些信息一般從用戶注冊信息中獲??；例如高德，百度地圖注冊用戶，淘寶注冊用戶等
3. 用戶行為反饋：包括顯示的反饋(explicit)和隱藏(implicit)的反饋，顯示的反饋包括用戶的評分，點贊等操作，百度關鍵詞搜索推薦工具上的點贊（正向顯示反饋）和垃圾桶（負向顯示反饋），淘寶上的評分；隱式反饋包括用戶的瀏覽行為，例如在百度關鍵詞搜索推薦上搜過那些詞，淘寶上點擊了那些頁面，在高德上點擊了那些POI等
4. 用戶交互偏好：例如用戶喜歡使用哪些入口，喜歡哪些操作，以及從這些操作中分析出來的偏好，比如在高德地圖上根據用戶行為反饋分析出來的用戶對美食的偏好：更喜歡火鍋，粵菜，還是快餐
5. 用戶上下文信息：這些信息有些是分析出來的，例如在LBS中分析出來的用戶的家在哪兒，公司在哪兒，經常活動的商圈，經常使用的路線等

而通過研究發現，在買保險這個領域有以下幾點是和推薦算法邏輯有沖突的：

1. 沒有用戶的歷史數據。用戶的保險需求是排他的，買過一個重疾險后不需要在買更多的重疾險了，根據用戶之前買的保險產品做推薦是行不通的。這一點是和資訊不一樣的，用戶會不斷有讀資訊的需求，可以更加用戶以往的閱讀習慣作為推薦標準。
2. 推薦完成后沒有實時反饋，保險是一個消費非享用產品，購買保險后如果不出險，用戶是沒有任何體驗的。不能根據用戶，購買后反饋使用體驗來作為推薦標準。不像是視頻網站根據用戶收看時常判定該用戶對該內容的滿意程度來做推薦。
3. 用戶端獲取到的數據不能作為推薦條件，同樣，產品端沒有足夠多的產品可供推薦，就像是資訊類網站，如果僅有1萬篇文章庫可供用戶選擇，即使推薦算法再好也無法推薦出用戶滿意的文章。

所以說現在的智能保顧在做的保險智能推薦只能說是條件篩選，根部不算是智能推薦，或者說現如今的保險市場不適用于保險推薦。

三、智能保顧的發展方向是什么

那么智能保顧的發展方向是什么呢？產品形態和產品屬性決定了它的發展方向，保險本質上是風險轉移和杠桿效應。通過一小部分錢利用杠桿效應轉移風險。

之前因為技術限制無法做到每個人的風險的精準計算，所以保險公司會計算各種模型，推出各種產品，打包出售，每個人去買之前保險公司會進行核查，確定屬于該模型，否則是拒保的。

邏輯就是產品去找人，但是現在隨著科技發展，用戶屬性和各種行為習慣的記錄，可以精準的計算出每個人的風險狀況，從而推出不同的產品，每個人和每個人的保險杠桿應該是不一樣的，也就是說應該是人找產品的邏輯。這也許是以后智能保顧的發展方向。

四、總結

隨著各類技術的成熟，好多行業就想把該技術應用到自己的領域，但是每個行業的底層邏輯是不一樣的，每個技術的運行方法也是有必要條件的，在沒有想清楚的情況下進行了技術的錯配，就會做很多無用功。

作者：老張，宜信集團保險事業部智能保險產品負責人，運營軍師聯盟創始人之一，《運營實戰手冊》作者之一。

本文由 @老張 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 Pixabay，基于 CC0 協議。