樊英　朱燦

摘要：文章針對(duì)A保險(xiǎn)公司的客戶數(shù)據(jù)，首先選取客戶的細(xì)分指標(biāo)，然后進(jìn)行數(shù)據(jù)預(yù)處理，進(jìn)而利用兩步聚類方法建立模型，最后利用模型進(jìn)行數(shù)據(jù)分析。實(shí)證分析結(jié)果表明，客戶被分為三類，第一類為職業(yè)風(fēng)險(xiǎn)高，收入居中并且投保金額高的男性，第二類為職業(yè)風(fēng)險(xiǎn)低，收入較高且投保金額居中的女性，第三類為職業(yè)風(fēng)險(xiǎn)較低，收入較低并且投保金額低的女性。為保險(xiǎn)公司實(shí)現(xiàn)精準(zhǔn)營(yíng)銷提供了輔助決策依據(jù)。

關(guān)鍵詞：A保險(xiǎn)公司 客戶細(xì)分 兩步聚類法

一、引言

隨著國(guó)內(nèi)保險(xiǎn)市場(chǎng)對(duì)外開(kāi)放，外資保險(xiǎn)公司紛紛進(jìn)入中國(guó)市場(chǎng)，給國(guó)內(nèi)的保險(xiǎn)公司帶來(lái)了巨大的挑戰(zhàn)，而要想在國(guó)內(nèi)市場(chǎng)占有一席之地，就必須重視客戶，增強(qiáng)客戶意識(shí)。如何利用這些資源來(lái)進(jìn)行更好的客戶關(guān)系管理和精準(zhǔn)營(yíng)銷已經(jīng)成為各大保險(xiǎn)公司必須解決的問(wèn)題。

從已有的研究成果中可以發(fā)現(xiàn)，國(guó)內(nèi)很多學(xué)者已經(jīng)對(duì)保險(xiǎn)行業(yè)的客戶細(xì)分進(jìn)行了一定的研究。鄭直（2012）[1]提出了“重要客戶”的概念，主張保險(xiǎn)公司應(yīng)該根據(jù)客戶的重要程度采取不同的營(yíng)銷方式。顏可?。?013）[2]基于客戶利潤(rùn)貢獻(xiàn)度和貢獻(xiàn)增長(zhǎng)率從橫向與縱向兩方面進(jìn)行客戶細(xì)分。王洪濤（2013）[3]建立交叉分析表并應(yīng)用Apriori算法建立關(guān)聯(lián)規(guī)則模型對(duì)購(gòu)買車險(xiǎn)的客戶數(shù)據(jù)進(jìn)行分析。程瑞芬（2013）[4]構(gòu)建了基于C5.0算法的目標(biāo)客戶分析模型和基于Apriori算法的購(gòu)物籃分析模型，并且利用基于K—means細(xì)分的交叉銷售模型，綜合三種模型進(jìn)行保險(xiǎn)行業(yè)的客戶細(xì)分和識(shí)別開(kāi)發(fā)。陳偉（2013）[5]利用理論研究與實(shí)證研究結(jié)合的方法，用SAS軟件進(jìn)行數(shù)據(jù)挖掘建立模型，最后對(duì)照模型進(jìn)行測(cè)試來(lái)驗(yàn)證模型的可行性與準(zhǔn)確性。孫欽杰（2013）[6]采用對(duì)保險(xiǎn)公司已有客戶進(jìn)行問(wèn)卷調(diào)查的形式來(lái)進(jìn)行客戶細(xì)分。王智平（2013）[7]采用數(shù)據(jù)挖掘的相關(guān)算法進(jìn)行保險(xiǎn)行業(yè)的客戶細(xì)分，利用決策樹(shù)、聚類分析、K-means算法的改進(jìn)形式以及Apriori算法對(duì)保險(xiǎn)客戶樣本數(shù)據(jù)實(shí)例進(jìn)行分析。束曉君（2014）[8]提出用K-means聚類方法對(duì)太平洋壽險(xiǎn)的客戶進(jìn)行細(xì)分。李杏誼（2014）[9]綜合利用了決策樹(shù)模型、貝葉斯模型、神經(jīng)網(wǎng)絡(luò)模型和邏輯回歸模型來(lái)進(jìn)行客戶的識(shí)別細(xì)分，最后利用購(gòu)物籃分析模型對(duì)客戶數(shù)據(jù)進(jìn)行產(chǎn)品購(gòu)買關(guān)聯(lián)的分析，利用模型的結(jié)果提出相應(yīng)的建議。

從已有的研究成果中發(fā)現(xiàn)，從研究方法上來(lái)看，大多數(shù)的研究基于K-means算法、Apriori算法或者是購(gòu)物籃分析來(lái)進(jìn)行客戶細(xì)分，而很少利用兩步聚類方法來(lái)進(jìn)行研究。在研究?jī)?nèi)容上，大多數(shù)研究或是從保險(xiǎn)公司產(chǎn)品的角度來(lái)分析，或是從客戶價(jià)值角度分析，并沒(méi)有利用保險(xiǎn)公司已有的客戶基本信息來(lái)分析。因此文章從A保險(xiǎn)公司的客戶基礎(chǔ)信息著手，來(lái)選取客戶細(xì)分的指標(biāo)后進(jìn)行數(shù)據(jù)預(yù)處理，運(yùn)用兩步聚類方法來(lái)進(jìn)行客戶的細(xì)分，最后利用細(xì)分結(jié)果對(duì)A保險(xiǎn)公司如何精準(zhǔn)營(yíng)銷與客戶關(guān)系管理提出合理的建議與意見(jiàn)。

二、研究設(shè)計(jì)

（一）指標(biāo)選取

客戶投保信息表中包含很多指標(biāo)，總體可以分為三類，第一客戶的特征數(shù)據(jù)，如性別、年齡、職業(yè)等，第二客戶的地域?qū)傩?，包括所屬機(jī)構(gòu)、代理人等，第三客戶的消費(fèi)行為數(shù)據(jù)，投保金額、繳費(fèi)方式等。根據(jù)文獻(xiàn)的閱讀及A保險(xiǎn)公司人員的經(jīng)驗(yàn)，選取性別、年齡、收入、職業(yè)、繳費(fèi)方式和投保金額作為客戶細(xì)分的輸入指標(biāo)。

（二）數(shù)據(jù)預(yù)處理

將客戶的年齡進(jìn)行區(qū)間化處理，客戶的職業(yè)按照保險(xiǎn)業(yè)規(guī)定的職業(yè)類別進(jìn)行分類以及將投保金額進(jìn)行標(biāo)準(zhǔn)化處理等。

（三）模型建立

選取兩步聚類方法建立模型并進(jìn)行分析。兩步聚類算法是Chiu等人于2001年在BIRCH算法基礎(chǔ)上提出的一種改進(jìn)算法。該算法優(yōu)點(diǎn)突出，既可以處理數(shù)值型聚類變量，也可以處理分類型變量，并且能夠根據(jù)一定的準(zhǔn)則確定聚類數(shù)目，能夠診斷樣本中的離群點(diǎn)和噪聲數(shù)據(jù)，通過(guò)兩步實(shí)現(xiàn)數(shù)據(jù)聚類。兩步聚類采用距離測(cè)度樣本或類間的親疏程度，如果聚類變量均為數(shù)值型，采用歐氏距離來(lái)測(cè)量，否則，需要同時(shí)考慮數(shù)值型和分類型變量，采用對(duì)數(shù)似然距離。

三、實(shí)證分析

利用Clementine11.1軟件，采用兩部聚類算法實(shí)現(xiàn)A保險(xiǎn)公司的客戶細(xì)分挖掘。下面對(duì)具體的分析過(guò)程進(jìn)行描述。

（一）提取相關(guān)數(shù)據(jù)

利用SQL Server2012從A保險(xiǎn)公司的數(shù)據(jù)倉(cāng)庫(kù)中抽取新投?？蛻粝嚓P(guān)數(shù)據(jù)，共12605條記錄。

（二）數(shù)據(jù)的預(yù)處理

根據(jù)建立模型的需要，將年齡、收入、職業(yè)進(jìn)行區(qū)間化處理，將投保金額進(jìn)行標(biāo)準(zhǔn)化處理。

（三）建立模型

采用Clenmentine11.1中的兩步聚類模型進(jìn)行客戶細(xì)分。首先進(jìn)行數(shù)據(jù)鏈接，在數(shù)據(jù)源選項(xiàng)中直接選取Excel圖標(biāo)，將它拖到工作區(qū)中，選擇數(shù)據(jù)文件所在地址并選取相應(yīng)的字段，即性別、年齡、職業(yè)、收入狀況、繳費(fèi)方式以及投保金額；其次選取類型節(jié)點(diǎn)進(jìn)行數(shù)據(jù)的讀取及輸入輸出的設(shè)置，將性別、年齡、職業(yè)、收入狀況、繳費(fèi)方式以及投保金額設(shè)置為輸入變量；然后在字段選項(xiàng)中選擇分區(qū)節(jié)點(diǎn)進(jìn)行訓(xùn)練集和測(cè)試集的設(shè)置，這里隨機(jī)選取80%的數(shù)據(jù)作為訓(xùn)練集，選取20%的數(shù)據(jù)作為測(cè)試集；最后選擇兩步聚類模型，模型設(shè)置選擇使用分區(qū)數(shù)據(jù)，采用自動(dòng)計(jì)算聚類數(shù)，并將最小聚類數(shù)設(shè)置為2，最大聚類數(shù)設(shè)置為6。模型建立后可以利用矩陣節(jié)點(diǎn)對(duì)每一個(gè)輸入指標(biāo)在各類中的差異程度進(jìn)行進(jìn)一步分析。

（四）結(jié)果分析

模型將12605位客戶聚為三類，六個(gè)輸入變量對(duì)模型的建立作用都是重要的，下面對(duì)模型結(jié)果進(jìn)行詳細(xì)說(shuō)明。

1、第一類客戶的職業(yè)風(fēng)險(xiǎn)較高，客戶的職業(yè)是貨車司機(jī)、一般工人等。平均年收入在1.5萬(wàn)到6萬(wàn)之間，年齡集中在30到50歲，性別以男性居多，繳費(fèi)方式為“Y”，投保金額在三類客戶中是最高的。

2、第二類客戶的職業(yè)風(fēng)險(xiǎn)較低，主要為會(huì)計(jì)、文職人員及家庭主婦等，收入水平比第一類及第二類中的客戶稍高，一般為3萬(wàn)以上，年齡也是集中在30到50歲，性別以女性居多，繳費(fèi)方式為“Y”，投保金額在三類客戶中居中。

3、第三類客戶的職業(yè)風(fēng)險(xiǎn)較低，與第二類相同，收入水平較低，大多數(shù)在1.5萬(wàn)以下，年齡大多數(shù)集中在40—60歲，性別以女性居多，繳費(fèi)方式全為“W”，投保金額在三類客戶中是最低的。

4、三類客戶在性別方面存在差異，第一類以男性居多，第二類和第三類以女性居多；年齡沒(méi)有顯著的差異，都是集中在30—60歲；收入有明顯的差異，第二類收入水平最高，第一類收入水平居中，第三類收入水平最低；職業(yè)有明顯的差異，第一類客戶職業(yè)風(fēng)險(xiǎn)較高，第二類和第三類客戶職業(yè)風(fēng)險(xiǎn)較低；繳費(fèi)方式有顯著的差異，第一類和第二類中的客戶繳費(fèi)方式為“Y”，第三類中的客戶繳費(fèi)方式為“W”。

通過(guò)以上結(jié)果，A保險(xiǎn)公司可以針對(duì)不同的客戶推薦相應(yīng)的險(xiǎn)種，并采取相應(yīng)的措施，比如針對(duì)第一類，客戶的職業(yè)風(fēng)險(xiǎn)較高，在銷售過(guò)程中要仔細(xì)對(duì)客戶的風(fēng)險(xiǎn)情況進(jìn)行評(píng)估；針對(duì)第二類，客戶主要是職業(yè)風(fēng)險(xiǎn)低，收入較高的女性，投保金額較高，是公司的重點(diǎn)客戶；針對(duì)第三類，客戶主要是職業(yè)風(fēng)險(xiǎn)較低，收入較低的女性，銷售人員應(yīng)該推薦與她們的收入水平相適應(yīng)的險(xiǎn)種。

四、結(jié)論

文章針對(duì)A保險(xiǎn)公司的客戶數(shù)據(jù)，選取指標(biāo)，利用兩步聚類方法將客戶準(zhǔn)確分成了三類，第一類為職業(yè)風(fēng)險(xiǎn)高，收入居中并且投保金額高的男性，第二類為職業(yè)風(fēng)險(xiǎn)低，收入較高且投保金額居中的女性，第三類為職業(yè)風(fēng)險(xiǎn)較低，收入較低并且投保金額低的女性。A保險(xiǎn)公司可以針對(duì)這三類客戶的特征和消費(fèi)行為進(jìn)行客戶關(guān)系的管理和精準(zhǔn)營(yíng)銷。

另外文章僅考慮了客戶的收入、職業(yè)等特征，沒(méi)有考慮到其他的因素如家庭結(jié)構(gòu)等，文章也僅采用了兩步聚類方法進(jìn)行客戶細(xì)分。在以后的研究中還可以結(jié)合其他的聚類方法，選取多樣的指標(biāo)進(jìn)行更加精準(zhǔn)的客戶細(xì)分和客戶定位，使之更符合保險(xiǎn)行業(yè)數(shù)據(jù)挖掘的需要。

參考文獻(xiàn)：

[1]鄭直.財(cái)產(chǎn)保險(xiǎn)市場(chǎng)重要客戶營(yíng)銷淺析[J]. 中國(guó)保險(xiǎn)，2012（1）：53—56

[2]顏可俊.基于客戶細(xì)分的客戶保持最優(yōu)投入模型—以S公司為例[D].華東理工大學(xué)，2013

[3]王洪濤.車險(xiǎn)的大數(shù)據(jù)營(yíng)銷[J].通信世界，2013（10）：48—49

[4]程瑞芬.基于數(shù)據(jù)挖掘的保險(xiǎn)業(yè)客戶識(shí)別與開(kāi)發(fā)研究[D].河南工業(yè)大學(xué)，2013

[5]陳偉.基于客戶細(xì)分的保險(xiǎn)電銷保費(fèi)提升的實(shí)證分析—以A保險(xiǎn)公司為例[D].杭州：浙江工商大學(xué)，2013

[6]孫欽杰.基于客戶關(guān)系管理的財(cái)產(chǎn)保險(xiǎn)公司客戶服務(wù)研究[J].時(shí)代金融，2013（20）：34—35

[7]王智平.數(shù)據(jù)挖掘在保險(xiǎn)客戶數(shù)據(jù)中的應(yīng)用研究[D].昆明理工大學(xué)，2013

[8]束曉君.基于數(shù)據(jù)挖掘的保險(xiǎn)公司精準(zhǔn)營(yíng)銷研究[D].西安工業(yè)大學(xué)，2014

[9]李杏誼.數(shù)據(jù)挖掘技術(shù)在保險(xiǎn)行業(yè)目標(biāo)客戶識(shí)別中的應(yīng)用研究[D].中山大學(xué)，2014

（樊英，1966年生，陜西西安人，四川省經(jīng)濟(jì)和信息化委員會(huì)信息中心高級(jí)工程師。研究方向：信息管理與信息系統(tǒng)。朱燦，1994年生，湖南常德人，四川大學(xué)商學(xué)院。研究方向：管理系統(tǒng)工程數(shù)據(jù)挖掘方向）