（國聯(lián)人壽保險(xiǎn)股份有限公司信息技術(shù)部，江蘇無錫214002）

一、引言

目前，我國壽險(xiǎn)行業(yè)競爭越來越激烈。中小型保險(xiǎn)公司對(duì)客戶的關(guān)懷溝通和情感維系比較困難，而獲取新用戶的成本越來越高。除了依靠代理人自身與客戶的互動(dòng)外，壽險(xiǎn)公司還需要了解哪類客戶容易退?；蚓芙^續(xù)期繳費(fèi)。因此，對(duì)已有客戶進(jìn)行精準(zhǔn)的流失預(yù)警，并提供有針對(duì)性的挽留服務(wù)，已成為壽險(xiǎn)公司保證收入的重要因素。但是，如何從存量客戶中找到退保傾向比較高的客戶，對(duì)中小型壽險(xiǎn)公司來說非常困難，其主要原因在于中小型壽險(xiǎn)公司的客戶數(shù)據(jù)積累有限，客戶行為和客戶接觸歷史等數(shù)據(jù)缺乏，因此難以建立客戶全維度畫像，進(jìn)而無法實(shí)現(xiàn)客戶退保預(yù)警。

本文基于國聯(lián)人壽保險(xiǎn)公司的數(shù)據(jù)管理現(xiàn)狀，深度挖掘散落在公司內(nèi)部系統(tǒng)中與退保相關(guān)的數(shù)據(jù)，并形成原始因子，通過參數(shù)調(diào)優(yōu)的隨機(jī)森林算法和阿里云機(jī)器學(xué)習(xí)平臺(tái)PAI構(gòu)建模型，對(duì)客戶退保進(jìn)行預(yù)測。研究結(jié)果表明，中小型壽險(xiǎn)公司通過選擇成熟的機(jī)器學(xué)習(xí)平臺(tái)和合適的算法作為模型研究框架，利用公司內(nèi)部已有零散客戶信息，能夠構(gòu)建出準(zhǔn)確率較高的客戶退保預(yù)警模型。在公司客戶完整的生命周期內(nèi)構(gòu)建客戶退保預(yù)警模型，可以幫助公司發(fā)現(xiàn)潛在流失客戶及客戶流失原因，從而有選擇性和有針對(duì)性地采取挽留措施，實(shí)現(xiàn)退保率的下降和續(xù)期率的提升，進(jìn)而為公司創(chuàng)造長期價(jià)值。

二、機(jī)器學(xué)習(xí)平臺(tái)與隨機(jī)森林算法

（一）阿里云機(jī)器學(xué)習(xí)平臺(tái)

阿里云機(jī)器學(xué)習(xí)平臺(tái)PAI（Platform of Artificial Intelligence）為傳統(tǒng)機(jī)器學(xué)習(xí)提供上百種算法和大規(guī)模分布式計(jì)算服務(wù)，并為深度學(xué)習(xí)客戶提供單機(jī)多卡、多機(jī)多卡的高性價(jià)比資源服務(wù)，同時(shí)支持最新的深度學(xué)習(xí)開源框架（見圖1）。該平臺(tái)能夠幫助開發(fā)者和企業(yè)客戶彈性擴(kuò)縮計(jì)算資源，輕松實(shí)現(xiàn)在線預(yù)測。阿里云機(jī)器學(xué)習(xí)平臺(tái)主要優(yōu)點(diǎn)包括：具有良好的可視化交互設(shè)計(jì)，通過底層分布式算法封裝，提供可視化操作環(huán)境，簡化數(shù)據(jù)挖掘過程；平臺(tái)不僅提供基礎(chǔ)的聚類、回歸等機(jī)器學(xué)習(xí)算法，還提供文本分析、特征處理等比較復(fù)雜的算法，能夠?qū)崿F(xiàn)優(yōu)質(zhì)、豐富的機(jī)器學(xué)習(xí)；平臺(tái)提供模型訓(xùn)練、在線預(yù)測以及離線調(diào)度等功能，使機(jī)器學(xué)習(xí)訓(xùn)練結(jié)果和業(yè)務(wù)之間無縫銜接，實(shí)現(xiàn)一站式機(jī)器學(xué)習(xí)體驗(yàn)；支持TensorFlow、Caffe、MXNet 等主流機(jī)器學(xué)習(xí)框架，并提供M40型號(hào)的GPU 卡進(jìn)行訓(xùn)練。

圖1 阿里云機(jī)器學(xué)習(xí)平臺(tái)算法工具矩陣

相較于市場上其他開源機(jī)器學(xué)習(xí)庫，如Sklearn、TensorFlow 等，阿里云機(jī)器學(xué)習(xí)平臺(tái)的優(yōu)勢更加明顯，其建模可視化和建模便捷性更適合中小型保險(xiǎn)公司的業(yè)務(wù)場景。因此，本文選擇阿里云機(jī)器學(xué)習(xí)平臺(tái)進(jìn)行業(yè)務(wù)建模。

（二）隨機(jī)森林算法

隨機(jī)森林是一種利用多棵決策樹對(duì)樣本進(jìn)行訓(xùn)練和預(yù)測的分類器（劉敏等，2015）。本文選擇隨機(jī)森林中的每顆決策樹是分類樹，基于每棵樹的分類結(jié)果，采用多數(shù)表決的方式進(jìn)行分類。隨機(jī)森林的計(jì)算原則是基尼指數(shù)（Gini指數(shù)），該指數(shù)表示在樣本集合中一個(gè)隨機(jī)選中的樣本被分錯(cuò)的概率。Gini指數(shù)越小表示集合中樣本被分錯(cuò)的概率越小，集合純度越高，反之集合純度越低（Breiman，2001）。Gini指數(shù)表達(dá)式為：

樣本集合中有K個(gè)類別，一個(gè)隨機(jī)選中的樣本可以屬于K個(gè)類別中的任意一個(gè)。pk表示選中樣本屬于k類別的概率，該樣本被分錯(cuò)的概率是（1-pk）。若樣本為二分類，則Gini（p）=2p（1-p）。阿里云機(jī)器學(xué)習(xí)平臺(tái)基于Gini指數(shù)，給出隨機(jī)森林特征重要性評(píng)分指標(biāo)Entropy，Entropy的值越大，特征越重要。

本文選用隨機(jī)森林算法進(jìn)行客戶退保預(yù)警，主要原因是：該算法是保險(xiǎn)行業(yè)進(jìn)行退保預(yù)測的一般算法；隨機(jī)森林算法不需要過多的數(shù)據(jù)準(zhǔn)備就能夠處理各種分類特征和數(shù)值特征的數(shù)據(jù)，而不會(huì)出現(xiàn)過度擬合；隨機(jī)森林算法可以實(shí)現(xiàn)并行計(jì)算，在性能提升優(yōu)化過程中提高模型的準(zhǔn)確性，訓(xùn)練速度快；隨機(jī)森林算法對(duì)指定使用的超參數(shù)并不十分敏感，數(shù)據(jù)容錯(cuò)能力強(qiáng)，即為了得到一個(gè)合適的模型，該算法不需要做過多調(diào)整，只需使用大量的決策樹即可控制預(yù)測偏差（費(fèi)斐和葉楓，2013）。

（三）分類效果評(píng)估——混淆矩陣

混淆矩陣是評(píng)判模型預(yù)測效果的重要依據(jù)，屬于模型評(píng)估的一部分。以二分類模型為例，模型最終需要判斷預(yù)測結(jié)果是Positive 還是Negative，分別對(duì)應(yīng)的預(yù)測結(jié)果1—退保和0—未退保（見表1）。將預(yù)測結(jié)果與樣本真實(shí)值進(jìn)行對(duì)比，可以得到四個(gè)基礎(chǔ)指標(biāo)。在上述統(tǒng)計(jì)結(jié)果基礎(chǔ)上可以得到四個(gè)用于判定模型預(yù)測效果的評(píng)估指標(biāo)（見表2）。

表1 混淆矩陣

表2 預(yù)測效果評(píng)估指標(biāo)

三、退保預(yù)警模型實(shí)現(xiàn)

退保預(yù)警模型設(shè)計(jì)思路遵循常規(guī)的機(jī)器學(xué)習(xí)流程，包括：需求分析、數(shù)據(jù)預(yù)處理、特征工程、算法建模、模型評(píng)估和模型應(yīng)用（杜剛和黃震宇，2015）。利用阿里云機(jī)器學(xué)習(xí)平臺(tái)PAI和DataWorks 等工具，可以快速構(gòu)建出一個(gè)通用的研究架構(gòu)和實(shí)踐路線圖（見圖2）。

圖2 研究架構(gòu)和實(shí)踐路線圖

（一）需求分析

客戶流失原因大體上可歸為主動(dòng)流失和被動(dòng)流失兩類。主動(dòng)流失即客戶主動(dòng)與公司脫離業(yè)務(wù)關(guān)系，如客戶生活環(huán)境發(fā)生變化、客戶對(duì)目前購買的產(chǎn)品不再有需求、客戶在其他保險(xiǎn)公司投保等等；被動(dòng)流失即客戶非自愿地與公司脫離業(yè)務(wù)關(guān)系，通常是因?yàn)榭蛻艚?jīng)濟(jì)狀況或支付能力發(fā)生改變造成的（任劍鋒和張新祥，2012）。因此，我們希望利用公司已有的退保數(shù)據(jù)和非退保數(shù)據(jù)，通過退保模型計(jì)算給定數(shù)據(jù)集合的退保概率。

（二）數(shù)據(jù)預(yù)處理

本文初步確定表3所示的17個(gè)初始退保因子。由于公司的用戶行為數(shù)據(jù)有限且分散，因此所選因子不限于核心系統(tǒng)，而是將核心系統(tǒng)、CRM系統(tǒng)、電商系統(tǒng)、呼叫中心系統(tǒng)四個(gè)系統(tǒng)中與退保相關(guān)的數(shù)據(jù)都作為初始退保因子。訓(xùn)練模型選取的樣本為簽單日在2017年1月1日至2017年12月31日所有保單的因子信息。

表3 初始退保因子

從上述各系統(tǒng)進(jìn)行跨庫數(shù)據(jù)提取，按照時(shí)間范圍獲取因子字段的原始數(shù)據(jù)。按照字段脫敏規(guī)則進(jìn)行脫敏處理后，共獲得23719條原始因子數(shù)據(jù)，其中每條數(shù)據(jù)對(duì)應(yīng)一個(gè)保單信息，將所有數(shù)據(jù)導(dǎo)入阿里云機(jī)器學(xué)習(xí)平臺(tái)的DataWorks。

（三）特征工程

進(jìn)入阿里云機(jī)器學(xué)習(xí)平臺(tái)PAI，選擇讀數(shù)據(jù)表、歸一化、標(biāo)準(zhǔn)化、隨機(jī)森林1、隨機(jī)森林特征重要性評(píng)估、寫數(shù)據(jù)表，構(gòu)建完整的隨機(jī)森林特征選擇模型，選擇好各自的參數(shù)。整體模型結(jié)構(gòu)如圖3所示。

圖3 隨機(jī)森林特征選擇模型

歸一化和標(biāo)準(zhǔn)化字段后數(shù)據(jù)如表4所示。隨機(jī)森林特征重要性評(píng)估報(bào)告結(jié)果如表5所示，按Entropy（特征重要性評(píng)分）降序排列，選擇前10個(gè)字段作為重要特征字段。

表4 歸一化和標(biāo)準(zhǔn)化處理后數(shù)據(jù)

表5 特征字段重要性評(píng)估結(jié)果

（四）預(yù)警模型構(gòu)建與評(píng)估

選擇拆分、隨機(jī)森林2、預(yù)測、二分類評(píng)估、混淆矩陣，構(gòu)建完整的隨機(jī)森林退保預(yù)測模型。模型結(jié)構(gòu)如圖4虛線框部分所示。

圖4 隨機(jī)森林退保預(yù)警模型

將數(shù)據(jù)拆分比例設(shè)置為7∶3，左側(cè)輸出70%的數(shù)據(jù)。隨機(jī)森林2 參數(shù)設(shè)置中，選擇表5中10個(gè)特征字段作為特征列。查看統(tǒng)計(jì)信息（見表6），參與模型評(píng)估預(yù)測的數(shù)據(jù)占2017年全量數(shù)據(jù)的30%，約7312條。其中，實(shí)際發(fā)生退保、預(yù)測值也為退保的有158條；實(shí)際沒有退保、預(yù)測也沒有退保的有6277條；實(shí)際沒有退保、預(yù)測值為退保的有29條；實(shí)際發(fā)生退保、預(yù)測值沒有退保的有848條。

表6 混淆矩陣統(tǒng)計(jì)信息

統(tǒng)計(jì)信息可以看出，預(yù)測結(jié)果為1（退保）的準(zhǔn)確率和精確率較高，但召回率和F1指標(biāo)相對(duì)較低。本模型對(duì)實(shí)際業(yè)務(wù)的價(jià)值在于，只要模型預(yù)測為退保的保單，那么退保的準(zhǔn)確率高達(dá)84.49%，但預(yù)測退保的保單占實(shí)際退保保單的比例相對(duì)較低，只有15.71%。在目前公司退保預(yù)測為空白的情況下，本文的預(yù)測方法是一種突破性嘗試，至少證明即使數(shù)據(jù)量有限且無行為數(shù)據(jù)，也可以通過機(jī)器學(xué)習(xí)得到較高準(zhǔn)確率的預(yù)測結(jié)果。

（五）預(yù)警模型的應(yīng)用

基于上述訓(xùn)練模型，重新選擇簽單日在2018年1月1日至2018年12月31日且包含10個(gè)特征字段的共計(jì)24373條脫敏后數(shù)據(jù)，并導(dǎo)入阿里云的DataWorks。通過上述模型對(duì)保單進(jìn)行退保預(yù)測，得到每個(gè)保單的退保概率。對(duì)讀數(shù)據(jù)表、隨機(jī)森林算法、預(yù)測和寫數(shù)據(jù)表四個(gè)組件進(jìn)行連線并設(shè)置好相應(yīng)的參數(shù)進(jìn)行建模，整體結(jié)構(gòu)如圖5所示。

圖5 模型應(yīng)用整體結(jié)構(gòu)圖

運(yùn)行模型進(jìn)行預(yù)測，得到寫數(shù)據(jù)表前10條結(jié)果（見表7）。數(shù)據(jù)內(nèi)容包括預(yù)測退保結(jié)果（prediction_result）、預(yù)測退保結(jié)果得分（prediction_score）和預(yù)測退保得分情況（prediction_detail）。以第1條數(shù)據(jù)為例，prediction_result=0表明該記錄不會(huì)退保，prediction_score=0.7664表明其取值為0的得分概率是0.7664，因概率大于等于0.5，所以判斷結(jié)果為0。

表7 2018年承保保單退保預(yù)警模型輸出結(jié)果

通過對(duì)公司2020年1月的實(shí)際退保用戶與模型預(yù)測的退保用戶進(jìn)行對(duì)比，發(fā)現(xiàn)預(yù)測的召回率為15%左右，準(zhǔn)確率85%左右，與模型數(shù)據(jù)基本吻合。用戶部門嘗試使用模型預(yù)測結(jié)果，對(duì)可能退保的客戶進(jìn)行有針對(duì)性的挽留，如邀請(qǐng)客戶參加客戶嘉年華和國聯(lián)健康大咖沙龍，加入國聯(lián)財(cái)務(wù)學(xué)院等活動(dòng)，增強(qiáng)客戶對(duì)公司未來發(fā)展的信心。用戶部門反饋結(jié)論顯示，模型極大提高了客戶挽留工作效率，為未來退保率的下降、續(xù)期率的提升奠定堅(jiān)實(shí)的工具基礎(chǔ)。

模型實(shí)驗(yàn)過程面臨國聯(lián)人壽數(shù)據(jù)缺失問題，這也是制約模型預(yù)測效率的核心因素。建議國聯(lián)人壽未來能夠擴(kuò)充公司客戶接觸場景，包括柜面、APP、電話中心、微信公眾號(hào)、銀行柜面等，全面進(jìn)行技術(shù)埋點(diǎn)，收集客戶的各種行為數(shù)據(jù)，詳細(xì)記錄客戶個(gè)人屬性和金融信息，包括但不限于客戶屬性數(shù)據(jù)、業(yè)務(wù)訂單數(shù)據(jù)、產(chǎn)品交易數(shù)據(jù)、客戶行為數(shù)據(jù)等，最終匯總到統(tǒng)一的數(shù)據(jù)倉庫中，并建立客戶標(biāo)簽。通過數(shù)據(jù)積累和外部數(shù)據(jù)補(bǔ)充，刻畫豐滿的客戶畫像。以此為基礎(chǔ)，模型分析結(jié)果的精準(zhǔn)率和準(zhǔn)確率一定能夠得到極大的提高。

除了數(shù)據(jù)因素外，本次模型實(shí)驗(yàn)主要聚焦在特征選擇、模型訓(xùn)練、模型評(píng)估以及模型應(yīng)用上，模型實(shí)驗(yàn)過程還有部分環(huán)節(jié)未做詳盡描述，包括數(shù)據(jù)整理、模型參數(shù)調(diào)優(yōu)選擇、不同算法并行以及最終模型的生產(chǎn)自動(dòng)化部署，這些也是后續(xù)模型需要進(jìn)一步完善的地方。

四、結(jié)論

本文依托阿里云機(jī)器學(xué)習(xí)平臺(tái)，根據(jù)國聯(lián)人壽核心系統(tǒng)、微信系統(tǒng)、呼叫中心系統(tǒng)、CRM系統(tǒng)篩選出10個(gè)關(guān)鍵退保因子，通過隨機(jī)森林算法建立客戶退保預(yù)警模型，將存量客戶按照潛在退保概率進(jìn)行區(qū)分，定位潛在流失客戶，并向公司相關(guān)部門提供清單，尋找客戶不滿意的原因并加以改進(jìn)。公司相關(guān)部門可以通過挽留措施，提前關(guān)愛客戶，挽回潛在退?？蛻簟？傮w來說，本文的建模實(shí)驗(yàn)對(duì)中小型壽險(xiǎn)公司的價(jià)值在于：

第一，對(duì)保全和續(xù)期業(yè)務(wù)產(chǎn)生正向價(jià)值?？蛻敉吮ｎA(yù)警使得前臺(tái)部門更快速、更精準(zhǔn)地關(guān)懷客戶，從而起到降低退保率，提高續(xù)期率的作用。

第二，探索適合中小型壽險(xiǎn)公司客戶退保預(yù)警模型的研究框架，證實(shí)了通過機(jī)器學(xué)習(xí)平臺(tái)可以更加高效地構(gòu)建符合中小型保險(xiǎn)公司業(yè)務(wù)場景的相關(guān)模型工作，這為中小型壽險(xiǎn)公司未來其他模型的構(gòu)建打開了新思路。