螞蟻「理賠大腦」更多技術(shù)細(xì)節(jié)披露。

保險(xiǎn)科技的技術(shù)含量和應(yīng)用規(guī)模，或許已經(jīng)與你的想象大不同。從獲客和咨詢開始，到核保，理賠，復(fù)購，甚至到用戶退保這最后一步，每一環(huán)各有其解決之道。近日，在上海舉行的外灘大會(huì)上，螞蟻集團(tuán)就披露了自己在保險(xiǎn)科技領(lǐng)域部署的多項(xiàng)「秘密武器」。

其中，螞蟻集團(tuán)保險(xiǎn)智能產(chǎn)品部總經(jīng)理方勇以《AI將成為保險(xiǎn)降本增效的第一生產(chǎn)力》為主題帶來演講，展示了螞蟻「理賠大腦」的技術(shù)應(yīng)用細(xì)節(jié)，詳細(xì)分享如何在底層數(shù)據(jù)、算法、知識(shí)圖譜三大基礎(chǔ)上針對(duì)咨詢、理賠、調(diào)查等環(huán)節(jié)進(jìn)行優(yōu)化和效率提升。在方勇看來，知識(shí)圖譜將在保險(xiǎn)問答等多個(gè)場景發(fā)揮更大的承載能力，機(jī)器人更多地采用選擇性半開放式的交互。他透露，通過運(yùn)用視頻面訪小程序，案件時(shí)效比較以往提升了35%；在OCR+NLP的加持下，理賠的智能審核使人效比提升了70%以上。

隨后，螞蟻集團(tuán)保險(xiǎn)事業(yè)群CTO陳當(dāng)陽也上臺(tái)演講，帶來《智能化用戶增長在螞蟻保險(xiǎn)的實(shí)踐》的分享，講述在拉活促新、退保挽留等多個(gè)細(xì)分獲客場景下的技術(shù)方法論。陳當(dāng)陽表示，拉新促活包括了潛客挖掘、新客獲取、二次復(fù)購，涵蓋用戶整個(gè)成長進(jìn)階的路徑，以及整體用戶活躍度的提升。退保挽留則要識(shí)別用戶心智，去發(fā)現(xiàn)退保原因，給予相應(yīng)權(quán)益，以及嘗試召回已流失用戶。為此，螞蟻保險(xiǎn)在前端構(gòu)建了非常完整的一套智能化的投放系統(tǒng)，這個(gè)投放系統(tǒng)可以從渠道聯(lián)動(dòng)、權(quán)益優(yōu)選、擇時(shí)投放等一系列環(huán)節(jié)解放一線運(yùn)營的生產(chǎn)力。

以下為方勇和陳當(dāng)陽的全場演講，AI金融評(píng)論做了不改變?cè)獾木庉嬋缦拢?/p>

方勇：AI將成為保險(xiǎn)降本增效的第一生產(chǎn)力

我分享的基本分兩個(gè)階段：降本增效有哪幾個(gè)方面，降低成本可以從哪幾方面做，再分享一下我們螞蟻的做法。

獲客成本：從成本角度來說，第一方面，各大保險(xiǎn)公司來跟螞蟻交流的時(shí)候，都表達(dá)獲客很難。大家知道從抖音或其他渠道獲得一個(gè)成交用戶，都已經(jīng)要一兩百塊的成本。怎么降低獲客成本，這部分將由螞蟻集團(tuán)保險(xiǎn)事業(yè)群的首席技術(shù)總監(jiān)當(dāng)陽同學(xué)稍后來跟大家分享。

用戶咨詢：有些內(nèi)容是代理人可以直接解釋的，但有些比較專業(yè)。比如核保，相關(guān)內(nèi)容很細(xì)節(jié)。像是甲狀腺結(jié)節(jié)、肝功能指標(biāo)在什么情況下可以保？肺部陰影的情況又怎么處理，這樣的內(nèi)容普通代理人并不一定能夠直接解釋，需要打電話給各個(gè)保險(xiǎn)公司的核保人確認(rèn)。因此，內(nèi)部需要不少高等級(jí)的用戶咨詢?nèi)藛T。

理賠材料：傳統(tǒng)方式，如果比較復(fù)雜的重大疾病保險(xiǎn)，是需要用戶到保險(xiǎn)公司的柜臺(tái)，把相關(guān)的材料交給柜員。因?yàn)椴牧媳容^復(fù)雜，有些疾病像惡性腫瘤，可能需要提交術(shù)中的病理報(bào)告才能確診是不是惡性腫瘤。但是有些癥狀類的疾病，比如說雙耳失聰，是損害等級(jí)類的，需要事后幾個(gè)月的損害鑒定報(bào)告才能確定理賠程度。這樣不同的內(nèi)容，普通用戶不一定搞得清楚。我們系統(tǒng)中識(shí)別的憑證數(shù)量是107類，這么多憑證數(shù)量對(duì)于單一沒有受過培訓(xùn)的用戶來講，非常難分清楚，這就有可能出現(xiàn)用戶需要反復(fù)幾次往返醫(yī)院和自己家，再到保險(xiǎn)公司，然后才能搞明白，我為了這次理賠，到底需要提交多少材料。這是材料收集的環(huán)節(jié)，不同保險(xiǎn)公司對(duì)于不同的種類，比如車險(xiǎn)、壽險(xiǎn)、重疾險(xiǎn)也要設(shè)立不同的前臺(tái)部門承接用戶的咨詢和反饋。

現(xiàn)場調(diào)查：占成本很大一部分的，還有重大疾病保險(xiǎn)的現(xiàn)場調(diào)查。如果各位有做過現(xiàn)場調(diào)查就會(huì)知道，線下調(diào)一個(gè)案子成本有多少，基本上兩三千是平均價(jià)格。如果是邊遠(yuǎn)一點(diǎn)的省份，很可能是四五千、五六千起，因?yàn)樵谀沁厸]有駐點(diǎn)。

厘算核賠：這個(gè)工作很貴的原因是因?yàn)樗刃枰t(yī)學(xué)常識(shí)的人，又需要懂保險(xiǎn)領(lǐng)域?qū)I(yè)的人，這樣的人其實(shí)在我們整個(gè)社會(huì)當(dāng)中，是沒有這么多的，剛畢業(yè)的小朋友還沒有這么多經(jīng)驗(yàn)去承擔(dān)這樣的角色。

何為「理賠大腦」？

接下來分享一下我們螞蟻在后面這四個(gè)階段有些什么樣的做法。這是我們第一次在公開的場合去傳播理賠大腦這樣一個(gè)概念，這個(gè)概念為什么我們現(xiàn)在才講呢？因?yàn)榇蠹抑溃绻麖睦碣r的用戶體驗(yàn)來講，原有的退換貨運(yùn)費(fèi)險(xiǎn)體驗(yàn)已經(jīng)很好，因?yàn)樗墟溌窋?shù)據(jù)都在線上，鏈路后端通過智能理賠審核系統(tǒng)，就能夠決定賠和不賠，只有極少量需要提交一下線下拍照的憑證，這是我們最早做理賠的情況。再后來我們做了贈(zèng)險(xiǎn)的對(duì)于C端用戶的多付多保，然后做了B端商家的多收多保，門診險(xiǎn)這方面的應(yīng)用也已經(jīng)做了一些積累。

方勇

但對(duì)于傳統(tǒng)保險(xiǎn)來說，如果最最復(fù)雜的重疾險(xiǎn)的整個(gè)流程沒有走通，我們其實(shí)不敢說我們整個(gè)理賠的流程都懂。在今天這個(gè)時(shí)候，我們第一次給大家展示一個(gè)全鏈路的理賠大腦，主要包含了三大系統(tǒng)：

第一方面是智能材料收集系統(tǒng)；第二是智能調(diào)查系統(tǒng)，主要管的就是對(duì)外部的公估公司對(duì)應(yīng)的管理，以及對(duì)于作業(yè)回來材料要求的管理；第三是智能審核系統(tǒng)，支撐這三大系統(tǒng)的是底層數(shù)據(jù)、算法、知識(shí)圖譜。講到知識(shí)圖譜，中間再插一個(gè)用戶咨詢。

我本人10年前就開始做自動(dòng)機(jī)器人的相關(guān)產(chǎn)品，我是我們阿里系內(nèi)第一個(gè)智能產(chǎn)品的產(chǎn)品經(jīng)理，這個(gè)產(chǎn)品現(xiàn)在叫阿里小蜜，現(xiàn)在已經(jīng)越來越發(fā)展成在淘寶上對(duì)C端進(jìn)行服務(wù)的機(jī)器人。對(duì)于保險(xiǎn)，它更偏專業(yè)性。有三大技術(shù)趨勢可以分享：

趨勢一：保險(xiǎn)知識(shí)問答，會(huì)從傳統(tǒng)的Q&A轉(zhuǎn)向通過知識(shí)圖譜來承載

最開始第一代就是用的Q&A，不同的知識(shí)點(diǎn)可以用同義詞、語義矢量算法，去計(jì)算兩個(gè)問題之間的相似度，尋找答案。但是因?yàn)橥粋€(gè)知識(shí)點(diǎn)可能確實(shí)對(duì)應(yīng)于多種不同的用途，問法都不一樣，所以會(huì)擴(kuò)充好多種問法。做完以后發(fā)現(xiàn)它的維護(hù)量和維護(hù)成本非常大，因?yàn)槟阋粩嗟厮鸭蛻粝雴柕牟煌瑔栴}。還有很大的問題在于，上下文場景關(guān)聯(lián)比較強(qiáng)的時(shí)候，考驗(yàn)機(jī)器人的語義理解能力強(qiáng)不強(qiáng)，多輪對(duì)話是個(gè)很重要的指標(biāo)。而恰恰在保險(xiǎn)業(yè)，你在一個(gè)健康告知或病程咨詢的過程中，多輪對(duì)話是必不可少的。

多輪對(duì)話這種能力的語義擴(kuò)展性在原有的Q&A上是很難實(shí)現(xiàn)的。所以螞蟻保險(xiǎn)在兩年前開始，整個(gè)知識(shí)體系已經(jīng)全部遷移到知識(shí)圖譜上了，它的好處是所有在知識(shí)圖譜里存儲(chǔ)的內(nèi)容，都是結(jié)構(gòu)化的數(shù)據(jù)。

第二個(gè)好處是，這個(gè)圖譜是人可以檢查的，然后機(jī)器又容易處理的，（即AI的可解釋性）。為什么要強(qiáng)調(diào)這一點(diǎn)？因?yàn)樵谶@個(gè)領(lǐng)域，很多創(chuàng)業(yè)公司，會(huì)跟大家講AI的神經(jīng)算法。

但如果仔細(xì)研究一下，其實(shí)你根本都不知道它最后得出這個(gè)結(jié)論是怎么得出來的，就和人腦做判斷的時(shí)候一樣，其實(shí)叫意識(shí)快于你的邏輯，是憑第一感覺出來的印象。AI神經(jīng)做法在這種情況下，是黑盒的算法，這對(duì)于保險(xiǎn)理賠中動(dòng)輒十幾萬幾十萬的賠付，人不可驗(yàn)證規(guī)則的方式，是極其危險(xiǎn)的。

但是知識(shí)圖譜有一個(gè)很大的好處是機(jī)器能理解，但是人又能非常容易看懂個(gè)中邏輯。第三個(gè)好處是，整個(gè)語義的擴(kuò)展非常容易。就像剛才問的甲狀腺能不能保，一年內(nèi)有沒有做過B超？有沒有對(duì)應(yīng)的檢測報(bào)告？是良性還是不良？如果沒有，它怎么描述這個(gè)病癥？這個(gè)病癥有什么其他描述？……是根據(jù)這樣多輪的擴(kuò)展，就可以得到很明確的答復(fù)。中間的邏輯，普通的業(yè)務(wù)人員就能檢查。

趨勢二：選擇性半開放式的機(jī)器人交互

這在四五年以前，所有機(jī)器人的交互形式都是很開放式的。幾年來做得好一點(diǎn)的公司，其實(shí)做的對(duì)話機(jī)器人都是半開放式的，為什么？對(duì)于一個(gè)非專業(yè)領(lǐng)域的人，闡述問題的時(shí)候，如果沒有給予一定的引導(dǎo)，其實(shí)是說不清楚的。而在這種情況下，你會(huì)觀察到國外今年年初推出的產(chǎn)品，跟兩年前推出的完全不一樣，仔細(xì)看它的理念也有很多應(yīng)用半交互模式，一開始是全開放的，先定位到一個(gè)險(xiǎn)種，然后是用選擇性半開放式的方式，這種方式非常高效。

趨勢三：人工客服的兜底

一定要有對(duì)應(yīng)的人工來做客服，恰如其分地介入，整個(gè)客戶流程才相對(duì)完整。講到這里，我先給大家演示一下我們線上智能相機(jī)到底能做些什么。我剛才講了，我們沒有前端的受理人員，全部是APP。我們是第一個(gè)把很多模型算法前置到了APP端，讓APP在用戶手中就能夠?qū)崟r(shí)做一些提示和攔截，提高用戶應(yīng)用性的解決方案。

我在市面上好像沒有看過，國際上也沒有對(duì)應(yīng)的解決方案，我們是第一個(gè)大規(guī)模使用的。系統(tǒng)已經(jīng)識(shí)別到這張是住院單的首頁；第二張是一個(gè)模糊材料的鑒別，我們發(fā)現(xiàn)互聯(lián)網(wǎng)的報(bào)案應(yīng)用性，會(huì)大大激發(fā)用戶來使用這個(gè)服務(wù)。會(huì)使得我們整個(gè)報(bào)案材料里面，原有報(bào)案材料的模糊、翻拍、缺失關(guān)鍵性憑證，這里面的占比非常大。也給后端的整個(gè)理賠審核服務(wù)帶來極大的壓力。

第三段檢測的是翻拍電腦屏幕的畫面，就看到系統(tǒng)提示了是翻拍畫面，請(qǐng)使用真實(shí)文檔來做拍攝。第四個(gè)因?yàn)槲覀兊那岸讼鄼C(jī)能夠?qū)崟r(shí)識(shí)別107類憑證，所以我剛才講到的，你去報(bào)案報(bào)的是什么樣的疾病，就需要對(duì)應(yīng)提供什么樣的材料。如果沒有提供，前端報(bào)案的時(shí)候就會(huì)提示你缺少什么東西，包括有些像出院小結(jié)，缺少醫(yī)生的簽字，缺少醫(yī)院的蓋章，都要提示他補(bǔ)充上來。這樣一來，留到后端審核鏈路上的文檔質(zhì)量就會(huì)比較好。

智能調(diào)查

我們主要講兩個(gè)東西，一個(gè)是作業(yè)小程序，所有的外部調(diào)查員都必須要使用調(diào)查小程序來作業(yè)。最主要的工作是，把原來脫離保司管控的線下調(diào)查的黑盒，變成一個(gè)白盒。首先需要身份認(rèn)證，意思是他要作業(yè)，要取這個(gè)案子調(diào)查，要刷臉核實(shí)他是本人，取到這個(gè)案子。然后我們還會(huì)對(duì)他的培訓(xùn)級(jí)別做一定的認(rèn)證，假如我們更新了一些產(chǎn)品的案例，他沒有去通過對(duì)應(yīng)的培訓(xùn)和考試，就沒有辦法從業(yè)接這個(gè)案子。還有位置信息，我們可以知道他本人有沒有去醫(yī)院真正的取對(duì)應(yīng)憑證。

為了安全取證，所有端內(nèi)拍下來的圖片都是被加密過的。在調(diào)查員的手機(jī)端，用他的圖庫是看不到所有拍照的照片的，可以保證這些圖片在上傳到我們服務(wù)器端以后，在他的圖庫也不存在，離線的情況下也沒有辦法調(diào)出來再次查看。還有結(jié)構(gòu)化回復(fù)，關(guān)鍵是把理賠作業(yè)的線下作業(yè)每一個(gè)環(huán)節(jié)都數(shù)據(jù)化，這樣理賠人員就知道在不同的任務(wù)里，要取回來什么材料，填寫什么內(nèi)容。后端的任何人員也會(huì)看到結(jié)構(gòu)化的回復(fù)，比較容易做回復(fù)篩選和判斷。

第二塊是視頻面訪。

原來跟調(diào)查員在線下跟用戶的面訪過程當(dāng)中，怎么確保他們之間沒有講其他的話，或者他的整個(gè)過程，有沒有說了不該說的話，有沒有盡到他的調(diào)查職責(zé)？另外有個(gè)很大的問題，被訪人到底是不是被保人。視頻面訪，首先是身份的核實(shí)，通過刷臉核實(shí)被保險(xiǎn)人，然后再來進(jìn)行遠(yuǎn)程面訪，整個(gè)過程會(huì)被保留在服務(wù)器后臺(tái)，在這中間雙方說的話都會(huì)被系統(tǒng)自動(dòng)提取成文字，形成一些智能的風(fēng)險(xiǎn)識(shí)別。

如果有講到一些疾病，或者是有講到一些以往的病史，就會(huì)被系統(tǒng)提示出來。提示出來以后，會(huì)提示面訪員，進(jìn)行進(jìn)一步的風(fēng)險(xiǎn)挖掘問題。通過這樣的視頻面訪小程序，我們已經(jīng)把線下的每一個(gè)工作環(huán)節(jié)都在掌控之中，整個(gè)案件的時(shí)效比以前提升了35%，是個(gè)很大的比例。

智能審核

在我們的展示區(qū)，有理賠大腦整個(gè)鏈路的展示，但是我到了以后突然發(fā)現(xiàn)這個(gè)好像有點(diǎn)像買家秀和賣家秀，什么意思呢？理賠區(qū)展示的視頻形式，其實(shí)可能只有我們線上真正能力的一半，所以大家如果去那里看，在走廊上看過，就當(dāng)作是一個(gè)示意就行了，我們實(shí)際上的能力比那邊展示的要強(qiáng)得多。

我們通過用戶上傳的案件材料，包括調(diào)查回來的材料，再加上用戶買的保險(xiǎn)，或者是參與簽的健康告知的版本，從原始材料中提取關(guān)鍵的信息。大家想想看，傳統(tǒng)的理賠人員，怎么做這個(gè)核賠？無非是先鑒定用戶提交的材料，是不是得了這個(gè)病，確定真實(shí)性以后，然后再去看他得的這個(gè)病，以前有沒有既往史，然后再加上他得病確診的時(shí)間，是不是在保障的范圍內(nèi)。

我們通過內(nèi)置的知識(shí)圖譜里面的疾病庫、健告庫、診療庫，還有醫(yī)院庫，再加上原始材料，包括用戶提交的，公估公司這邊采回來的。大家可能對(duì)公估公司采回來的案件材料沒有概念，我這邊可以講一個(gè)數(shù)字：如果是重大疾病的病患，一般住院周期7天左右的病患，公估公司取回來的材料，再加上走訪以前的一些有歷史醫(yī)療記錄的材料，總的頁數(shù)平均在165頁，我這里講的是調(diào)查員線下調(diào)回來的。但實(shí)際上用戶提回來的只有10來頁不到一點(diǎn)，存在這樣一個(gè)級(jí)別的差異。165頁的材料，讓審核人員怎么看？

后面查找對(duì)應(yīng)到圖片，再上下翻對(duì)應(yīng)的證據(jù)，再找到對(duì)應(yīng)的時(shí)間，篩選和審核的時(shí)間非常長。我們會(huì)把材料全部按照時(shí)間順序——因?yàn)槊糠莶牧隙加袝r(shí)間，按照用戶的整個(gè)就診事件的維度，就一次一次住院的時(shí)間維度整理起來，去提示審核人員看看哪些地方會(huì)有風(fēng)險(xiǎn)，這樣幾步工作后，整個(gè)人效比傳統(tǒng)提升70%以上。我們做了很多實(shí)驗(yàn)，會(huì)發(fā)現(xiàn)醫(yī)生們寫這些住院病歷的時(shí)候，有很多的習(xí)慣會(huì)寫病人家族史有什么，有些說疑似什么東西，后面會(huì)打個(gè)問號(hào)，這種不算確診。

還有一些情況，實(shí)際過程中，機(jī)器看這段大文本的時(shí)候，需要向一定專業(yè)的理賠人員一樣，有一定的語義理解能力，能夠看出來。有些體檢報(bào)告，我們看到上面都是打勾的，會(huì)出現(xiàn)很多疾病的名稱。如果你把這些東西都圈出來，明顯不是審核人員要看的東西。像這樣的憑據(jù)和內(nèi)容，都是需要機(jī)器有識(shí)別能力才能夠處理。

陳當(dāng)陽：智能化用戶增長在螞蟻保險(xiǎn)的實(shí)踐

今天非常榮幸給大家分享螞蟻保險(xiǎn)在用戶增長方面的實(shí)踐。對(duì)保險(xiǎn)行業(yè)而言，我們是四輪驅(qū)動(dòng)，用戶增長、風(fēng)控、服務(wù)和投資。那前面我的同事已經(jīng)在服務(wù)和風(fēng)控方面給大家做了一些分享，今天我主要想分享的是用戶增長。在互聯(lián)網(wǎng)上，在買保險(xiǎn)的時(shí)候由于缺少線下代理人這種非常重要的觸達(dá)用戶的渠道，因此在互聯(lián)網(wǎng)上如何進(jìn)行可持續(xù)的保險(xiǎn)用戶增長這很重要。

陳當(dāng)陽

在互聯(lián)網(wǎng)上，目前在用戶增長領(lǐng)域碰到幾個(gè)問題。

保率和轉(zhuǎn)化率問題：退退保率之所以高、轉(zhuǎn)化率之所以低，其實(shí)核心是兩個(gè)問題引起的：首先對(duì)于保險(xiǎn)行業(yè)而言，C端用戶對(duì)產(chǎn)品的理解成本遠(yuǎn)遠(yuǎn)高于其他金融行業(yè)的產(chǎn)品。其次，在中國的保險(xiǎn)市場當(dāng)中，C端用戶的風(fēng)險(xiǎn)保障意識(shí)相對(duì)于西方市場而言有一定差距。舉個(gè)問題，在線上保險(xiǎn)當(dāng)中，很大一部分客戶沒有辦法區(qū)分報(bào)銷型的醫(yī)療保險(xiǎn)和給付型的重型保險(xiǎn)。甚至更大比例的人會(huì)認(rèn)為，我只要買了社保其實(shí)我就不需要商業(yè)保險(xiǎn)。

低效運(yùn)營問題：隨著整體產(chǎn)品結(jié)構(gòu)越來越復(fù)雜，隨著用戶分群越來越細(xì)化，隨著運(yùn)營活動(dòng)的設(shè)計(jì)越來越精巧，如何解放運(yùn)營人員的生產(chǎn)力也是非常重要的問題。在此之上和用戶增長緊密相關(guān)的兩個(gè)主題，一個(gè)是拉新和促活，還有一個(gè)退保挽留。所謂拉新和促活，包括潛客的挖掘、新客的獲取，對(duì)用戶的二次復(fù)購，用戶的整個(gè)成長進(jìn)階的路徑，以及整體用戶活躍度的提升。

退保挽留，包括我們要去識(shí)別用戶的心智，去發(fā)現(xiàn)退保的原因，基于退保的原因給予它相應(yīng)的權(quán)益，最終還要對(duì)已經(jīng)流失的用戶進(jìn)行召回。為了達(dá)成整個(gè)拉新促活和退保挽留這個(gè)事情，我們?cè)谇岸藰?gòu)建了非常完整的一套智能化的投放系統(tǒng)，這個(gè)投放系統(tǒng)可以從渠道聯(lián)動(dòng)、權(quán)益優(yōu)選、擇時(shí)投放等一系列環(huán)節(jié)解放一線運(yùn)營的生產(chǎn)力。同時(shí)，為了更好的和行業(yè)融合，螞蟻?zhàn)鳛橐粋€(gè)開放平臺(tái)，我們還有線上線下相融合的體系，會(huì)把一部分線上的流量往線下導(dǎo)。

在整個(gè)用戶增長過程中，保守用戶隱私是我們螞蟻一條紅線，在這個(gè)過程中我們嚴(yán)格遵守用戶的授權(quán)，以及在監(jiān)管合規(guī)的框架下去推動(dòng)相關(guān)的工作。用戶增長，首先的事情是用戶洞察，我們要知道誰是我們的用戶，我們的用戶有什么樣的特征，以及基于特征他是如何進(jìn)階的，還要知道他為什么購買我們的產(chǎn)品。

因此，我們除了去分析用戶的基本屬性，還會(huì)分析用戶相關(guān)的行為序列，基于用戶屬性和行為序列構(gòu)建完整的機(jī)器學(xué)習(xí)模型，基于機(jī)器學(xué)習(xí)模型更好洞察用戶想要什么，我們應(yīng)該給用戶推薦什么。當(dāng)然在用戶洞察過程中，有兩個(gè)最關(guān)鍵的問題，一個(gè)所謂新客的獲取，另一個(gè)潛客的挖掘。中國的保險(xiǎn)市場很廣闊，很多用戶還沒有成為真正的商業(yè)保險(xiǎn)用戶，如何讓這些潛客也購買相應(yīng)的保險(xiǎn)產(chǎn)品，核心兩個(gè)問題：1.我們需要降低我們的保險(xiǎn)產(chǎn)品對(duì)C端用戶理解的成本。2.我們需要去提升潛在保險(xiǎn)客戶的風(fēng)險(xiǎn)保障意識(shí)。然后在這個(gè)過程中技術(shù)如何去賦能業(yè)務(wù)，去達(dá)成我剛才說的這兩個(gè)目標(biāo)，這是任重而道遠(yuǎn)的問題，這個(gè)問題由于時(shí)間有限不展開講。

新客獲取實(shí)踐：色階網(wǎng)格

這是螞蟻在用的非常有用的工具，我們叫為色階網(wǎng)格。在互聯(lián)網(wǎng)上賣保險(xiǎn)的時(shí)候有三個(gè)動(dòng)作，首先是曝光，其次點(diǎn)擊，第三是轉(zhuǎn)化。那如何去看到這三者是否匹配，這可能是一個(gè)非常重要的命題。特別是在中國互聯(lián)網(wǎng)流量已經(jīng)逐步見頂?shù)那闆r下，對(duì)流量的精細(xì)化運(yùn)營很重要。我們?cè)诿總€(gè)網(wǎng)格中有三個(gè)數(shù)字，第一個(gè)數(shù)字表示曝光的量，第二個(gè)數(shù)字表示點(diǎn)擊的量，第三個(gè)數(shù)字表示轉(zhuǎn)化的量，在整個(gè)網(wǎng)格中分為三種情況。冷色系表示的網(wǎng)格會(huì)存在一種現(xiàn)象，所謂的曝光不足，但點(diǎn)擊和轉(zhuǎn)化是OK的，對(duì)這一類用戶的人群，我們需要做提升他的流量供給。

暖色系的網(wǎng)格曝光是OK，點(diǎn)擊和轉(zhuǎn)化從某種程度上說是不夠的，對(duì)這樣的人群，我們需要輔以相應(yīng)的拉新促活手段提高他的轉(zhuǎn)化。黑白系網(wǎng)格從某種程度上曝光、點(diǎn)擊、轉(zhuǎn)化是比較匹配的，有了這個(gè)東西，我們可以按人群精準(zhǔn)調(diào)整流量投放的情況。拉新從某種程度上來說，是整個(gè)用戶增長領(lǐng)域最核心的命題。

它本質(zhì)上就是通過對(duì)用戶行為和用戶心理的分析，把最合適的產(chǎn)品和服務(wù)推廣給我們的用戶，或者推薦給我們的用戶。從技術(shù)層面來說，拉新本質(zhì)上是一個(gè)推薦問題，真正在落地的時(shí)候，我們最關(guān)注用戶行為序的建模和行為心理的分析，后續(xù)動(dòng)作包括內(nèi)容投放、智能客單和復(fù)購，內(nèi)容投放核心圍繞讓用戶更容易理解保險(xiǎn)產(chǎn)品，提升用戶的風(fēng)險(xiǎn)保障意識(shí)來推進(jìn)。

智能客單

更多在用戶購買保險(xiǎn)產(chǎn)品過程當(dāng)中，我如何讓用戶去選擇更適合他的產(chǎn)品？購買過程中的一些要素，包括像我們的保額、保期、繳費(fèi)年期，包括是否需要附加額外的險(xiǎn)種？在這個(gè)過程中，如何進(jìn)行千人千面的推薦？還有復(fù)購，所謂復(fù)購是二次來購買的用戶，對(duì)二次購買的用戶而言，如何預(yù)測他想購買的險(xiǎn)種，包括他可能在哪個(gè)時(shí)間點(diǎn)購買，包括哪個(gè)渠道購買。

行為序列建模

重點(diǎn)講下這個(gè)事情，這是很有技術(shù)含量的。大致可以分為這幾步：首先是行為向量化，其次是基于行為向量進(jìn)行文本挖掘和意圖識(shí)別，并形成行為模式，最后從行為模式最終向泛化為行為推理能力。

真正在落地的時(shí)候，技術(shù)方案上是前向反饋深度神經(jīng)網(wǎng)絡(luò)，得出初步結(jié)論后，后續(xù)還有多層重構(gòu)的神經(jīng)網(wǎng)絡(luò)進(jìn)行維度降階。行為序列建模在應(yīng)用上最常見的場景，就是基于行為序列的建模如何進(jìn)行產(chǎn)品推薦。從產(chǎn)品推薦的角度看，核心包括行為特征描述，描述內(nèi)容除了行為序列，還包括客戶基本畫像，以及當(dāng)時(shí)所處的一些環(huán)境信息，對(duì)這些信息會(huì)進(jìn)行統(tǒng)一的embedding降維，然后匹配產(chǎn)品的特征，最終得出用戶的產(chǎn)品躍遷路徑，整體上是一個(gè)復(fù)雜的多層卷積神經(jīng)網(wǎng)絡(luò)。

用戶的產(chǎn)品躍遷路徑

這就是用戶的興趣點(diǎn)遷移，本質(zhì)上是前面提的從行為模式到行為推理的一個(gè)非常好的應(yīng)用點(diǎn)。所謂的興趣點(diǎn)遷移，對(duì)我們用戶而言，他購買保險(xiǎn)產(chǎn)品的時(shí)候，不同用戶在不同時(shí)間點(diǎn)購買不同的產(chǎn)品，他的需求肯定不一樣。在實(shí)際場景中，這種改變往往是從事件出發(fā)，用戶不會(huì)告訴你，你只知道用戶的行為，基于用戶行為進(jìn)行推理，反推出有可能發(fā)生什么事件，再基于事件推薦相應(yīng)的產(chǎn)品和服務(wù)給用戶，這就是所謂興趣點(diǎn)遷移。

退保挽留

這在整個(gè)互聯(lián)網(wǎng)保險(xiǎn)的用戶增長中是非常重要的一部分內(nèi)容。首先要識(shí)別誰想退保，第二要識(shí)別退保的原因是什么，第三識(shí)別出退保的概率多大，第四基于退保的分析采取相應(yīng)的行動(dòng)。最關(guān)鍵的步驟，是退保的歸因分析和概率預(yù)測。

歸因分析是比較老的學(xué)科，從1958年已經(jīng)有第一本歸因分析相關(guān)的專著。從整個(gè)退保歸因分析來看，站在螞蟻實(shí)踐角度，我們綜合利用首次點(diǎn)擊歸因，末次點(diǎn)擊歸因、基于位置的歸因、基于時(shí)間的歸因、線性歸因等一系列歸因分析的方法，最終尋找用戶真正退保的原因。現(xiàn)在很多同業(yè)的保險(xiǎn)實(shí)踐當(dāng)中，退保歸因往往在最后的退保頁面會(huì)出來一些選項(xiàng)，讓用戶選擇退保原因是什么。

這會(huì)有兩個(gè)問題：其一，沒有辦法真正羅列所有的退保原因，由于頁面展示限制，只能把最主要的退保原因放上去；其二，用戶很可能沒有告訴你真實(shí)的退保原因——基于用戶的行為真正找到他退保的原因到底是什么，這很重要，這是退保挽留最核心的一步。

概率預(yù)測，是說我知道了用戶的退保原因之后，需要基于用戶的行為數(shù)據(jù)以及退保歸因分析的結(jié)果，做一個(gè)概率預(yù)測。這是一個(gè)全連接的深度神經(jīng)網(wǎng)絡(luò)，分為三部分：

把用戶行為序列和退保原因進(jìn)行降維。

在降維的基礎(chǔ)之上進(jìn)一步抽取關(guān)鍵特征。

把抽取之后關(guān)鍵特征映射到有退保屬性的語義空間中，基于這個(gè)語義空間，在后面通過幾層重構(gòu)的神經(jīng)網(wǎng)絡(luò)進(jìn)行降維處理，最終可以得到這個(gè)用戶退保的意愿和時(shí)機(jī)預(yù)測。

得到用戶的退保概率后，如何去做退保挽留這件事，本質(zhì)上是一個(gè)運(yùn)籌優(yōu)化的問題。它的目標(biāo)函數(shù)很簡單，就退報(bào)挽留的成本最小化，他有兩個(gè)非常重要的條件：第一，單人的退保挽留成本必須低于某個(gè)閾值，第二，我的整體退保挽留的人數(shù)必須高于某一個(gè)閾值。

自動(dòng)化投保系統(tǒng)

然后前面這些拉新促活，包括退保挽留，最終需要有一套自動(dòng)化投保系統(tǒng)來承載。首先是場景挖掘和網(wǎng)格化的洞察，基于這個(gè)基礎(chǔ)之上我們自動(dòng)化生成相應(yīng)的投放策略，包括做投放，包括自動(dòng)化做效果分析。最終能夠來實(shí)現(xiàn)運(yùn)營同學(xué)解放生產(chǎn)力的目的。其實(shí)從智能化用戶增長這個(gè)角度看，對(duì)螞蟻而言也只是萬里長征走出第一步，將來隨著大數(shù)據(jù)分析和人工智能技術(shù)的進(jìn)一步應(yīng)用，可以更準(zhǔn)確給我們用戶推薦他想要的產(chǎn)品和服務(wù)，同時(shí)會(huì)把相關(guān)技術(shù)能力逐步開放出來，給行業(yè)去提供相關(guān)的賦能。

責(zé)任編輯：lq