楊 波 楊曉偉 劉欣茹 杜婉月

(南京大學 商學院，江蘇 南京 210093)

一、引言

數(shù)據(jù)已成為重要的生產(chǎn)要素，在新一輪產(chǎn)業(yè)革命和科技革命的推動下，數(shù)字經(jīng)濟發(fā)展迅速。2020年我國數(shù)字經(jīng)濟保持9.7%的高速增長，規(guī)模已經(jīng)達到39.2萬億元，占GDP的38.6%[1]。推動數(shù)字經(jīng)濟發(fā)展已成為政府經(jīng)濟工作的重要內(nèi)容。數(shù)字經(jīng)濟催生了數(shù)字消費的蓬勃發(fā)展，在此環(huán)境下，企業(yè)需要進一步研究用戶特征以發(fā)展自己的核心競爭力。各行各業(yè)日益重視數(shù)據(jù)賦能、實現(xiàn)數(shù)據(jù)紅利，如何利用大數(shù)據(jù)進行精準化營銷、提升競爭力成為企業(yè)的關注點，“用戶畫像”由此應運而生。作為一種重要的用戶分析工具，“用戶畫像”技術能夠利用海量的數(shù)據(jù)挖掘用戶特征、準確定位用戶、提供精準化營銷，在大數(shù)據(jù)時代，其價值日益凸顯。

在新冠肺炎這場波及世界各國、各行各業(yè)的突發(fā)公共危機事件面前，保險行業(yè)也面臨著嚴峻的挑戰(zhàn)。但值得注意的是，盡管保險業(yè)的業(yè)務開展在此類突發(fā)公共危機事件中受到了一定的沖擊，但是全民風險意識得以增強，為激發(fā)潛在的保險需求提供了可能性。保險業(yè)的經(jīng)營以數(shù)據(jù)為基礎，屬于數(shù)據(jù)資源稟賦較強的行業(yè)，航空保險作為典型的互聯(lián)網(wǎng)保險險種，更是依托互聯(lián)網(wǎng)銷售渠道積累了海量的用戶數(shù)據(jù)。在此背景下，如何借助“用戶畫像”技術對這些數(shù)據(jù)資源加以挖掘和應用，更好地研究用戶特征以實現(xiàn)精準化營銷，從而拉動保險需求提升是行業(yè)正在關注的問題，也將成為未來制勝的法寶。

在航旅場景下，航空保險作為應對航空風險的基本工具，應當充分發(fā)揮其保障功能，為航旅出行拉動消費需求增長、引領經(jīng)濟復蘇保駕護航。然而，重大突發(fā)公共危機事件下，航旅市場大幅萎縮，航空保險業(yè)務也必然受到巨大負向沖擊。那么，在此沖擊下航空保險用戶群體的行為受到了怎樣的影響？航空保險經(jīng)營主體又應當如何把握用戶特征以更好地提升服務、拉動業(yè)務回升？為探索以上問題的答案，本文以2020年初暴發(fā)的新型冠狀病毒肺炎為例，收集了事件前后某OTA(1)OTA：在線旅行社(Online Travel Agency)，是旅游電子商務行業(yè)的專業(yè)詞語，指旅游消費者通過網(wǎng)絡向旅游服務提供商預定旅游產(chǎn)品或服務，并通過網(wǎng)上支付或者線下付費，即各旅游主體可以通過網(wǎng)絡進行產(chǎn)品營銷或產(chǎn)品銷售。平臺用戶的航空保險消費數(shù)據(jù)，通過事件前后數(shù)據(jù)變化的對比反映重大突發(fā)公共危機事件的影響。同時通過構建航空保險用戶投保行為畫像，可以探析投保用戶需求結構和行為偏好的變化，基于此提出相應的意見建議，從而達到推動航空保險業(yè)務恢復并持續(xù)向好發(fā)展的目的。

二、文獻綜述

作為全球經(jīng)濟增長日益重要的驅(qū)動力，數(shù)字經(jīng)濟在加速經(jīng)濟發(fā)展、培育新市場、實現(xiàn)可持續(xù)增長等方面正發(fā)揮著重要作用。在此背景下，現(xiàn)代企業(yè)在生產(chǎn)經(jīng)營中產(chǎn)生的大量信息與數(shù)據(jù)已成為其最重要的核心資產(chǎn)，為企業(yè)賦能并創(chuàng)造價值。產(chǎn)業(yè)競爭格局、經(jīng)濟發(fā)展方式與技術經(jīng)濟范式的變革對保險業(yè)提出了新的要求，保險企業(yè)需要緊跟經(jīng)濟發(fā)展的趨勢，推動數(shù)字化戰(zhàn)略轉(zhuǎn)型[2]。

在“互聯(lián)網(wǎng)+大數(shù)據(jù)”時代，企業(yè)可以利用自身積累的海量數(shù)據(jù)，對廣大人群進行篩選，得到目標用戶，然后通過對目標用戶的分析，得到其相應的需求和特點，從而進行精準化營銷。其中，“用戶畫像”技術就是有效研究用戶特征的方法之一，能夠幫助商品和服務的提供者掌握目標用戶的偏好、需求、行為等方面的特征，從而提升用戶的整體活躍度和轉(zhuǎn)化率。部分學者基于用戶行為對用戶畫像模型進行檢驗，證實用戶畫像模型的確能夠較為準確地識別用戶行為[3-5]，另一些學者則進一步闡述了用戶畫像對分析用戶行為變化和提升服務水平的反向指導作用。在已有的研究中，用戶畫像被廣泛應用于數(shù)字圖書館的建設和媒體內(nèi)容的智能推薦[6-7]，同時一些學者通過對用戶畫像的刻畫研究來分析用戶在使用社交網(wǎng)絡的動機心理和個人特征[8-10]，此外，還有學者將用戶畫像應用于電商、醫(yī)療、旅游、金融等行業(yè)用戶的特征分析中[11-13]。具體而言，用戶畫像的構建開始于數(shù)據(jù)采集、挖掘和分析，在形成用戶個性化標簽后，對其中的重要特征繼續(xù)分析和可視化呈現(xiàn)，進而準確地預測用戶價值主張，為之后的營銷和服務提供基礎[14]。用戶畫像已經(jīng)整合和利用了許多成熟的算法和技術，但究其本質(zhì)，其實是多維標簽的建模，通過從用戶多源數(shù)據(jù)中提取用戶標簽的形式來進行用戶畫像，是構建用戶畫像模型的核心[15-17]。

重大突發(fā)公共危機事件的暴發(fā)給我國經(jīng)濟社會帶來了強烈沖擊，給居民生活帶來了更多不確定性，不僅嚴重影響了居民們的收入和就業(yè)，而且引起了我國消費斷崖式的下跌[18]。然而值得注意的是，這一不利沖擊也潛移默化地對居民的消費心理和消費習慣產(chǎn)生了影響，消費者對消費的安全性要求大大增強，與之對應，互聯(lián)網(wǎng)消費和健康消費意識得到了進一步的提升?；ヂ?lián)網(wǎng)保險作為與公眾健康安全緊密相關的互聯(lián)網(wǎng)新業(yè)態(tài)，呈現(xiàn)出快速發(fā)展的態(tài)勢，同時引領著全行業(yè)向數(shù)字化轉(zhuǎn)型的方向發(fā)展。保險業(yè)應順勢而為，積極利用互聯(lián)網(wǎng)、云計算和大數(shù)據(jù)技術進行渠道和產(chǎn)品服務創(chuàng)新，以滿足消費者的個性化保險需求，完成由傳統(tǒng)保險業(yè)向現(xiàn)代高效保險業(yè)的轉(zhuǎn)型升級[19]。在此背景下，如何借助“用戶畫像”技術對數(shù)據(jù)資源加以挖掘和應用，更好地研究用戶特征以實現(xiàn)精準化營銷，并進一步拉動保險需求提升將逐漸成為企業(yè)的關注點。

實際上，在大數(shù)據(jù)、云計算等底層技術的支撐下，用戶畫像技術可以滲透到保險運營的各個方面，包括產(chǎn)品開發(fā)、核保定價、風險控制、市場營銷、保險理賠等各項活動和主要業(yè)務環(huán)節(jié)[20]。具體來看，在產(chǎn)品設計與開發(fā)環(huán)節(jié)中，借助畫像技術能為客戶提供定制化產(chǎn)品和服務，促進保險回歸保障本源；在核保定價環(huán)節(jié)中，以往的保險定價主要是基于整體風險評估后確定的平均費率，但隨著用戶畫像的興起，保險公司可以根據(jù)客戶的交易信息、社交數(shù)據(jù)等開展畫像，實現(xiàn)精準評估與保險定價；在風險控制環(huán)節(jié)中，借助在畫像過程中收集的用戶以往的交易記錄和信息記錄等數(shù)據(jù)，減少與信用低、違約率高的客戶交易，從而降低經(jīng)營或違約風險；在市場營銷環(huán)節(jié)中，用戶畫像技術可以從不同維度深度挖掘保險用戶的特征，保險公司針對不同用戶群體和渠道設定個性化的策略，拓展營銷渠道，精準觸達用戶；在保險理賠環(huán)節(jié)中，用戶畫像技術的運用不僅可以簡化理賠，而且還可以將數(shù)字化延伸到理賠的過程中，利用一系列高級算法可以精準定位目標用戶，迅速確定理賠的處理路徑，從而提高效率和準確度[21-22]。

回顧已有文獻，圖書情報和社交媒體領域是用戶畫像技術最典型的應用場景，而在互聯(lián)網(wǎng)保險領域相關研究甚少。同時，學者大多從技術可行性角度出發(fā)，通過建立相關模型對用戶畫像技術進行驗證和闡述，較少用于分析特定產(chǎn)業(yè)或者企業(yè)。本文以用戶畫像技術為依托，選取某航旅企業(yè)的用戶數(shù)據(jù)，對重大突發(fā)公共危機事件暴發(fā)前后互聯(lián)網(wǎng)保險用戶的個人特征和需求結構進行分析研究，以期為平臺提升服務、拉動業(yè)務回升提供借鑒和參考。

本文可能的創(chuàng)新之處在于：(1)在學術理論研究方面，一方面雖然已經(jīng)有不少文章分析了保險科技的運用前景及理論依據(jù)，但大部分是梳理了保險行業(yè)可以引入的互聯(lián)網(wǎng)技術，較少結合實際投保數(shù)據(jù)進行深入分析。本文依托某航旅企業(yè)的用戶數(shù)據(jù)，對用戶畫像技術應用于保險領域進行了深入的分析、驗證和闡述。另一方面，本文將熵值法應用于指標體系的進一步分析中，基于某航旅企業(yè)獨特的微觀數(shù)據(jù)，為用戶畫像指標的權重分布提供了量化數(shù)據(jù)支撐，以此優(yōu)化指標選取和畫像的精準度。(2)在實際應用價值方面，一方面順應數(shù)字經(jīng)濟發(fā)展趨勢，研究在突發(fā)公共危機事件背景下如何利用數(shù)據(jù)資源拉動保險需求提升，具有一定的實際意義。另一方面，通過選取重大突發(fā)公共危機事件前后同期用戶數(shù)據(jù)，從基本屬性、當前價值和潛在價值三個層面對互聯(lián)網(wǎng)保險用戶畫像，可以分析研究在此背景下用戶個人特征和需求結構的變化情況，幫助企業(yè)洞察客戶動態(tài)?；陟刂捣ńY果得出的指標權重分布也可以幫助企業(yè)更好地識別出高價值用戶，實現(xiàn)精準化營銷。

三、用戶畫像技術原理與熵值法應用模型

用戶畫像的概念最早由交互設計之父Alan Cooper(2)Alan Cooper,中文名艾倫·庫珀，“VB之父”“交互設計之父”，曾榮獲視窗先鋒獎和軟件夢幻獎。提出，是一種建立在真實用戶數(shù)據(jù)上的目標用戶模型，即“真實用戶的虛擬代表”。在構建用戶畫像的過程中，用戶數(shù)據(jù)是最重要的支撐，所收集的數(shù)據(jù)應當既包括性別、年齡等靜態(tài)信息數(shù)據(jù)和反映用戶行為的動態(tài)信息數(shù)據(jù)，又包括用戶自身數(shù)據(jù)以外的用戶商品數(shù)據(jù)和渠道數(shù)據(jù)。在此基礎上，結合行業(yè)特點與畫像需求提取適宜的用戶特征標簽以準確而全面地刻畫用戶形象，最終實現(xiàn)用戶行為的建模和預測[23]。借助用戶畫像技術，可以對用戶的歷史數(shù)據(jù)進行深入的挖掘和分析，并提取能夠反映用戶屬性特征、行為習慣和需求偏好的有效信息，得到具有相似背景、興趣、行為的用戶群體中“典型用戶”的形象，為企業(yè)把握用戶行為特征和需求偏好奠定基礎[24]。

基于對用戶數(shù)據(jù)的分析建立相應的標簽體系，這一過程是用戶畫像的核心，用戶畫像的焦點工作就是為用戶“打標簽”。通常來說，用戶畫像標簽的選取維度主要包含基本屬性、需求屬性、興趣偏好、行為屬性、社交屬性等方面，根據(jù)行業(yè)不同，也會添加如信用維度、能力維度等。關于標簽的建立和選取，已有學者從三個方面加以總結：首先，將數(shù)據(jù)區(qū)分為基本屬性、信用數(shù)據(jù)，可以幫助企業(yè)定位目標用戶群體，根據(jù)信用數(shù)據(jù)分析用戶的購買能力，然后根據(jù)基本屬性觸達用戶從而推送相關產(chǎn)品；其次，數(shù)據(jù)之間要強相關，數(shù)據(jù)相關程度高，可以幫助企業(yè)進行營銷，無關數(shù)據(jù)會影響畫像的準確性；最后，能夠把定量信息轉(zhuǎn)化為定性信息，如根據(jù)規(guī)模、程度等定性標簽對用戶進行劃分[25]。

具體到保險行業(yè)，用戶畫像技術也是有其適用度和關聯(lián)性的。一方面，保險業(yè)的經(jīng)營以數(shù)據(jù)為基礎，屬于數(shù)據(jù)資源稟賦較強的行業(yè)，航空保險作為典型的互聯(lián)網(wǎng)保險險種，更是依托互聯(lián)網(wǎng)銷售渠道積累了海量的用戶數(shù)據(jù)。保險行業(yè)數(shù)字化進程不斷加快，已經(jīng)進入“科技深度賦能階段”?？萍假x能使得近年來保險市場營銷不斷加速向數(shù)字化轉(zhuǎn)型[26]，這為用戶畫像技術的產(chǎn)生和應用提供了良好的環(huán)境。另一方面，在大數(shù)據(jù)、人工智能、云計算等保險科技的底層支撐下，用戶畫像技術可以全面滲透到保險價值鏈的各項活動和主要業(yè)務環(huán)節(jié)中，如產(chǎn)品開發(fā)、市場營銷、風險控制、運營管理和軟硬件支撐等，并形成一系列典型應用場景[20]。在銷售層面，利用用戶畫像技術，可以與客戶有效互動，提高他們的主動保險消費需求；在產(chǎn)品開發(fā)層面，利用用戶畫像技術可以精準定價和風險控制，通過定位不同層次的投保需求為用戶提供個性化的產(chǎn)品和定價；在服務層面，用戶畫像技術可以通過一系列算法和科技手段分析用戶購買數(shù)據(jù)，提升保險公司服務質(zhì)量和整體效率。

根據(jù)互聯(lián)網(wǎng)保險的相關特征及第三方互聯(lián)網(wǎng)保險代理平臺的展業(yè)特點，建立的用戶標簽按標簽類型可以分為統(tǒng)計類、規(guī)則類和機器學習挖掘類。從建立的標簽維度來看，可以將其分為用戶屬性類、用戶行為類、用戶消費類和風險控制類等。結合各學者對于用戶畫像指標選取的標準和定義、航空保險業(yè)實際需求、所有數(shù)據(jù)豐富度三個方面的因素，本文將用戶畫像的指標分為三個標簽，分別是基本屬性、當前價值、潛在價值，并選擇合適的指標對用戶特征進行刻畫，具體的指標選取如表1[27]。

表1 航空保險用戶畫像的標簽構建體系

熵值法是確定指標體系各指標具體權重的一種方法，其基本邏輯是根據(jù)指標熵的大小確定客觀權重：熵值越小，提供的有用信息量就越多，指標就越重要；熵值越大，表明指標提供的有用信息越少，指標也就越不重要。熵值法的概念來源于信息熵，但是只是借用了信息量的數(shù)學模型，和信息熵并無本質(zhì)的聯(lián)系，本質(zhì)上是對數(shù)據(jù)離散程度的表達。

1.空值處理：指標值如果含有空值，則剔除整條數(shù)據(jù)。

2.異常值處理：對于占比大于1的剔除(對特殊指標占比除外)，再分別計算每個指標下數(shù)據(jù)的均值和標準差，如果數(shù)據(jù)大于均值+3*標準差或小于均值-3*標準差，則剔除整條數(shù)據(jù)。

3.數(shù)據(jù)標準化：由于正向指標和負向指標數(shù)值代表的含義不同(正向指標數(shù)值越高越好，負向指標數(shù)值越低越好)，因此，對于高低指標我們用不同的算法進行數(shù)據(jù)標準化處理。其具體方法如下：

對于正向指標：

(1)

對于負向指標：

(2)

其中，zij為標準化后第i個樣本的第j個指標的數(shù)值。

4.計算第j個指標下第i個樣本占該指標的比重：

(3)

5.計算第j個指標的熵值：

(4)

其中，ln為自然對數(shù)，式中常數(shù)k與樣本數(shù)m有關。

6.計算第j個指標的信息效用值：

dj=1-ej

(5)

7.計算各項指標的權重：

(6)

本文基于用戶價值對航空保險用戶進行畫像刻畫，并分析其在基本屬性、當前價值、潛在價值三個層面的特征和分析，具體的流程體系如圖1所示。其中靜態(tài)信息主要包括用戶的基本數(shù)據(jù)，如年齡、性別等，這部分信息相對穩(wěn)定，通過對這部分數(shù)據(jù)的收集可以了解用戶的基本特征，進而分析其基本屬性。動態(tài)信息主要包括隨時間不斷變化的用戶行為數(shù)據(jù)，如投保類別數(shù)、投保產(chǎn)品和投保航班起降地等，這些信息數(shù)據(jù)蘊含了反映用戶行為模式和習慣的信息，能夠幫助刻畫用戶動態(tài)特征，進一步分析出其當前價值。結合用戶的歷史信息，借助末次航班是否投保和機票購買量等動態(tài)信息數(shù)據(jù)，可以進一步分析用戶的投保認知和出行頻率，進而衡量其潛在價值，實現(xiàn)精準化營銷。

圖1 用戶畫像技術流程體系圖

四、用戶畫像模型構建與結果分析

(一)數(shù)據(jù)來源

本文選取了某航旅企業(yè)的用戶數(shù)據(jù)，以2020年新型冠狀病毒肺炎疫情這一事件作為背景，依托用戶畫像技術，對互聯(lián)網(wǎng)保險用戶的用戶特征和需求結構進行了分析研究。結合已有文獻對疫情階段性特征的描述，考慮到2020年1—3月為疫情暴發(fā)期，航空業(yè)受到巨大沖擊，數(shù)據(jù)樣本過少，4—6月為穩(wěn)定期，行業(yè)深受影響但相對恢復，7月各行各業(yè)陸續(xù)恢復正常[28]，同時為了使結果具有可比性，最終選定2019年4—6月和2020年4—6月兩個時段。各隨機抽取30萬條用戶數(shù)據(jù)，隨機抽取的過程由數(shù)據(jù)庫系統(tǒng)實現(xiàn)，能夠保證數(shù)據(jù)分析結果的客觀性。

通過脫敏處理獲取數(shù)據(jù)后，對數(shù)據(jù)進行篩選，剔除性別、年齡信息不完善以及未購買保險用戶的數(shù)據(jù)，初步處理后共獲取2019年4—6月用戶數(shù)據(jù)40915條、2020年4—6月用戶數(shù)據(jù)42626條，用于進行用戶畫像比較研究及后續(xù)分析。

(二)用戶畫像分析

用戶畫像的本質(zhì)是通過一定的技術或過程提取用戶特征并加以呈現(xiàn)。具體表述就是給用戶貼標簽，而標簽一般是人為選定。本文采用統(tǒng)計標簽，統(tǒng)計標簽是根據(jù)已知數(shù)據(jù)對用戶分門別類，對各個指標進行統(tǒng)計、命名。根據(jù)用戶的分布，得出相關的統(tǒng)計指標，從而對用戶行為進行分析和預測。

1.基本屬性

在構建用戶畫像時，基本屬性是重要的靜態(tài)指標，掌握這些信息能夠幫助實現(xiàn)目標用戶群體的定位、觸達以及產(chǎn)品的推送。本部分選取年齡和性別兩個維度，刻畫航空保險用戶的基本特征，并進行突發(fā)公共危機事件前后的比較分析。

(1)年齡

對突發(fā)公共危機事件前后的投保用戶年齡數(shù)據(jù)進行分析，其相對分布結果如表2所示?？梢杂^察到，投保人的年齡主要集中分布在20—39歲和40—59歲兩個年齡段，二者占比約九成，其余年齡段占比較小，尤其是80—99歲的高齡段。這說明中青年是航空保險的消費主力，這一群體在航空保險的營銷中應當?shù)玫匠浞值闹匾暋?/p>

表2 航空保險用戶年齡分布表 (單位：%)

在此基礎上，考慮突發(fā)公共危機事件的影響。事件發(fā)生后，投保用戶中青年人的比重顯著上升，其他年齡段用戶占比則呈現(xiàn)下降態(tài)勢，推測受到航空出行旅客結構變動的影響，即航空交通逐漸恢復的客流中，青年旅客占比較大。同時，這一現(xiàn)象能一定程度上說明青年群體具備利用保險應對風險、保障出行的意識，是航空保險的積極受眾。因此，不論是否在突發(fā)公共危機事件的背景下，都應當加大對青年用戶的側(cè)重。

(2)性別

對突發(fā)公共危機事件前后的投保用戶性別數(shù)據(jù)進行分析，其相對分布結果如表3所示。

表3 航空保險用戶性別分布表 (單位：%)

從以下表格中可以看出，投保用戶中男性比例高于女性，而突發(fā)公共危機事件發(fā)生后，用戶性別構成進一步傾斜，這同樣與航空出行旅客結構有關。調(diào)查顯示，女性對于出行安全的擔憂情緒較男性更高，尤其表現(xiàn)為對公共交通的擔心和排斥。因此可以在突發(fā)公共危機事件下，有針對性地進行產(chǎn)品信息投送。

2.當前價值

除了掌握基礎性的靜態(tài)指標，能夠反映用戶購買力和需求偏好的動態(tài)指標同樣是構建用戶畫像的關鍵要素，通常包括購買的頻次、數(shù)量、種類等。這些反映用戶行為模式和習慣的信息代表了用戶的當前價值，能夠幫助實現(xiàn)對用戶動態(tài)特征的刻畫，從而在海量的用戶中鎖定那些能夠帶來最大價值的用戶。具體到航空保險領域，本部分選取用戶購買航空保險產(chǎn)品的類別數(shù)、投保產(chǎn)品以及投保航班起降地三個指標來分析用戶對航空保險的需求和偏好情況，從而衡量用戶的當前價值。

(1)投保類別數(shù)

對突發(fā)公共危機事件前后的航空保險用戶投保類別數(shù)占比數(shù)據(jù)進行分析，其相對分布結果如表4所示。結合已有的數(shù)據(jù)可以發(fā)現(xiàn)，航空保險用戶在進行投保時，會根據(jù)自身需求及風險偏好有針對性的選擇一種或多種保險產(chǎn)品，具體來看有如下幾種保險產(chǎn)品：航延險、航意險、旅行險、退票險和組合險。由于投保五種險種的用戶數(shù)量非常少，我們最終省略了該類別。從整體情況來看，兩個時間段內(nèi)僅僅投保單一險種的用戶占比是最多的，購買多種保險產(chǎn)品的用戶占比加在一起還不足5%。而且隨著投保類別數(shù)的增加，相應的投保用戶數(shù)反而進一步下降。這說明絕大多數(shù)的用戶風險保障意識還較為薄弱，盡管能夠借助保險產(chǎn)品為自身提供一定的風險保障，但保障的覆蓋面較窄，難以覆蓋多種類的風險。

表4 航空保險用戶投保類別數(shù)占比分布表 (單位：%)

再觀察突發(fā)公共危機事件發(fā)生后，此時購買多種保險產(chǎn)品的用戶占比有所上升，說明突發(fā)事件使航空保險用戶增加了產(chǎn)品種類的配置，反映其保險意識有所加強?？芍?，對于保險公司和OTA平臺而言，以突發(fā)公共危機事件為代表的負向外部沖擊同樣是一個良好的契機：風險和機遇總是相伴而生，短期內(nèi)快速上升的風險和迅速發(fā)酵的緊張情緒激發(fā)了公眾的保險意識，而這正是保險公司與OTA代理方的機遇所在，應趁此加大營銷的力度與精準性，提升公眾的保險認知。

(2)投保產(chǎn)品

相比于投保產(chǎn)品的類別數(shù)，具體的航空保險產(chǎn)品能夠更加準確地反映用戶的需求和偏好，體現(xiàn)用戶價值。因此，進一步提取用戶購買航延險、航意險、旅行險、退票險和組合險五類保險產(chǎn)品的信息，對用戶的險種偏好進行分析。各類保險產(chǎn)品的占比情況如表5所示。

表5 航空保險用戶投保產(chǎn)品占比分布表 (單位：%)

突發(fā)公共危機事件發(fā)生前，航空保險用戶對保險產(chǎn)品的偏好由高到低依次為航意險、組合險、退票險、航延險和旅行險。其中，航意險和組合險兩種產(chǎn)品的投保占比加在一起超過了90%，是用戶需求最高、最為偏好的兩種保險產(chǎn)品。進一步分析具體的航空保險產(chǎn)品，考慮到組合險中包含其他類別的多種產(chǎn)品，如果將其排除在外，則可以發(fā)現(xiàn)用戶最看重對航程中因人身意外傷害帶來的風險進行保障。航延險和退票險的占比都很少，反映出愿意針對航班延誤和退票改簽帶來的風險購買保險予以保障的用戶非常少。

突發(fā)公共危機事件發(fā)生后，航意險、航延險的占比相對上升，組合險、旅行險和退票險的占比相對下降，用戶對航空保險產(chǎn)品需求和偏好的轉(zhuǎn)變可能是在一定程度上受到了突發(fā)公共危機事件的影響。具體來說，事件發(fā)生后，用戶會大幅度減少旅游出行和不確定行程，相應的航空出行量大幅下降，因此會減少對旅行險和為行程變動提供保障的退票險的需求量。在此背景下依然選擇出行，具有航空保險投保需求的客戶多為不得不出行的用戶群體，如商務差旅人士等，他們大多具有剛性的出行需求，對航程的安全性和準時性有著較高的要求，因此會相應增加對航意險和航延險的需求量。

總的來看，突發(fā)公共危機事件發(fā)生前后用戶對航空保險產(chǎn)品的需求和偏好發(fā)生了一定的改變，對此航空保險公司可以分時段地安排不同航空保險產(chǎn)品的營銷和推送，有針對性地提升航意險和航延險的產(chǎn)品占比，同時適當?shù)貙M合險中的產(chǎn)品類別和內(nèi)容進行一定的調(diào)整，比如相應地減少旅行險和退票險的占比等。

(3)投保航班起降地

為研究投保行為與投保航程起降地的聯(lián)系，將起降地城市分為國內(nèi)一線城市、國內(nèi)二線城市、國內(nèi)三線及以下城市和海外城市(3)城市劃分的標準：(1)北上廣深為一線城市，(2)省會城市、交通樞紐及旅游熱門城市為二線城市，(3)除前述城市以外的國內(nèi)城市為三線及以下城市，(4)其他國家及地區(qū)的城市為海外城市。，觀察事件前后航空保險用戶出發(fā)地和到達地的分布情況。基于以上劃分標準，分類別對用戶投保航程起降地的分布進行展示，如圖2和圖3。

圖2 航空保險用戶投保航程出發(fā)地分布

圖3 航空保險用戶投保航程到達地分布

從出發(fā)地的分布情況來看，呈現(xiàn)出如下的變動態(tài)勢：一線城市和海外城市的占比下降，二線和三線及以下城市的占比上升，到達地的分布情況呈現(xiàn)出類似的態(tài)勢。同時國際范圍內(nèi)的嚴峻形勢劇烈沖擊了國際航旅，體現(xiàn)為起降地中海外城市占比大幅下降。而二三線及以下城市的旅客在突發(fā)公共危機事件中表現(xiàn)出了較強的保險購買力，針對這一現(xiàn)象，應當充分把握這一下沉趨勢，積極推進航空保險市場向二三線及以下城市滲透。

3.潛在價值

在“用戶畫像”的過程中，除了基本屬性和當前價值，用戶的潛在價值也是我們關心的部分。通過對用戶歷史信息的挖掘和應用，如末次航班是否投保和機票購買量等動態(tài)信息數(shù)據(jù)，可以進一步分析用戶的投保認知和出行頻率，進而衡量其潛在價值，有助于企業(yè)實現(xiàn)精準化營銷。

(1)末次航班是否投保

結合航空保險用戶末次消費記錄數(shù)據(jù)，可以分析出已投保用戶在上一次消費過程中是否依然選擇投保，從而看出其是否具有習慣性投保的特征，對航程中可能產(chǎn)生的風險是否有較強的保障意識，進一步地用于評估用戶的忠誠度。對突發(fā)公共危機事件前后用戶上一次消費記錄的分析結果如圖4所示。

整體來看，用戶的投保行為以習慣性投保為主。一般來說，在用戶面臨突發(fā)公共危機事件時，由于風險的突發(fā)造成損失的可能性增大，其規(guī)避風險的意愿愈加強烈，保險意識也會增強，表現(xiàn)為購買航空保險的比例上升。從圖4中可以看出在2019年已投保用戶上次也投保的比例高達83%，說明有較多的客戶維持了保險購買行為，在2019年里未表現(xiàn)出行為上的較大差異。而在2020年的投保用戶中有高達21%的用戶上次未購買航空保險，說明2020年發(fā)生的突發(fā)公共危機事件對用戶的投保行為造成了影響，用戶在面對危機事件時更愿意購買保險來規(guī)避風險。對此，航空保險行業(yè)應該在危機事件來臨時對客戶充分說明突發(fā)公共事件所帶來的風險，尤其要提醒那些沒有投保行為的用戶，明確事件可能帶來的損失，在維持原投保用戶的購買粘性的同時提高潛在用戶的轉(zhuǎn)化率。

圖4 航空保險用戶末次消費記錄(單位：%)

(2)機票購買量

作為典型的場景消費保險，航空保險與航空場景存在著高度的關聯(lián)性。用戶的航空保障需求須以出行需求為前提和基礎，理論上來講，出行需求較強的用戶群體也會有相對更高的保障需求。因而，本文認為出行需求同樣應當納入考慮范圍，作為衡量用戶潛在價值和貢獻度的指標?；诖?，對突發(fā)公共危機事件前后用戶機票購買量的變動情況展開研究，航空保險用戶購買機票數(shù)量的分布情況如表6所示。

表6 航空保險用戶機票購買數(shù)量占比分布表 (單位：%)

從百分比數(shù)據(jù)的變動情況來看，可以發(fā)現(xiàn)，突發(fā)公共危機事件后用戶對于機票的購買更集中分布于較少的數(shù)量。這清晰地展示了疫情對于航空出行的影響，也能從出行需求這一衍生的角度映證航空保險業(yè)務受到的沖擊。與此同時，機票購買量的分布更加集中，最主要分布區(qū)間的占比上升，投保需求與出行需求的一致性進一步得到凸顯。因此，出行頻率較高、出行需求較強的用戶群體很有可能成為航空保險業(yè)務潛在的高價值用戶，同樣應當?shù)玫街攸c關注。

4.結果分析

由上文的分析可知，突發(fā)公共危機事件的暴發(fā)改變了航空保險用戶的需求結構，影響了用戶的行為反應，使用戶的結構特征和行為特征發(fā)生了改變，具體如表7所示。

表7 投保人消費特征動態(tài)畫像

從基本屬性看，用戶群體呈現(xiàn)出明顯的年齡和性別特征，即以20～59歲的中青年及男性為主。突發(fā)公共危機事件影響下，20～39歲的青年人和男性用戶的投保意愿有明顯的上升，在投保用戶群體中的占比均有所增長。這表明這兩類群體的用戶價值趨于上升，具有較強的保險消費潛力，應當?shù)玫街攸c關注。

從當前價值來看，用戶的投保行為傾向于單一化，購買兩種及以上保險產(chǎn)品的用戶數(shù)量依次遞減。突發(fā)公共危機事件過后，購買多種保險產(chǎn)品的用戶相對增加。同時，事件前后用戶的險種偏好也發(fā)生變動：盡管航意險、組合險始終為最受歡迎的險種，但受突發(fā)公共危機事件影響和出行限制，用戶對旅行險和退票險的需求減少，對航延險、意外險的需求相對上升。此外，事件前后投保航程的地區(qū)分布也有變化，用戶投保航程起降地中一線城市和海外城市的占比下降，二線和三線及以下城市的占比上升，與突發(fā)公共危機事件下公眾的航旅出行規(guī)律是較為一致的。

從潛在價值來看，用戶擁有相對良好的投保習慣和保險認知。同時，負面事件對公眾的投保意愿存在正向的刺激作用，在這一刺激下，現(xiàn)有用戶維持了良好的忠誠度，而潛在用戶則部分地實現(xiàn)了無投保習慣下的投保行為轉(zhuǎn)換。分析出行需求可知，突發(fā)公共危機事件后用戶對于機票的購買更集中分布于較少的數(shù)量。這清晰地展示了疫情對于航空出行的影響，也能從出行需求這一衍生的角度印證航空保險業(yè)務受到的沖擊。與此同時，機票購買量的分布更加集中，最主要分布區(qū)間的占比上升，投保需求與出行需求的一致性進一步得到凸顯。因此，出行頻率較高、出行需求較強的用戶群體很有可能成為航空保險業(yè)務潛在的高價值用戶，同樣應當?shù)玫街攸c關注。

五、基于熵值法結果的進一步分析

在表1所示的標簽構建體系中，考慮到部分用戶投保的多樣化，很難將其選擇具體到某一種保險產(chǎn)品上，因此未將指標“投保產(chǎn)品”納入到熵值法的分析中。其余需賦值指標的結果依次為：性別(女=0；男=1)、投保航班起降地分布(1=一線城市；2=二線城市；3=三線及以下城市；4=海外城市)、末次航程是否投保(0=未投保；1=投保)，分別采用突發(fā)公共危機事件發(fā)生前后的數(shù)據(jù)進行熵值法分析，相應的描述性統(tǒng)計結果如表8和表9所示。

表8 突發(fā)公共危機事件前各指標描述性統(tǒng)計結果

表9 突發(fā)公共危機事件后各指標描述性統(tǒng)計結果

進一步地，應用熵值法為各指標賦權重的結果如表10和表11所示。

表10 熵值法計算權重結果匯總(事件前)

表11 熵值法計算權重結果匯總(事件后)

為了更加直觀地看出各指標的權重大小，進一步將匯總結果進行排序，分別如圖5和圖6所示。

圖5 熵值法計算權重結果匯總(事件前)

圖6 熵值法計算權重結果匯總(事件后)

從結果中可以看出，指標的權重大小及排序在突發(fā)公共危機事件發(fā)生前后未發(fā)生較大變化，一定程度上反映了結果的可靠性。具體看來，首先“機票購買量”和“性別”兩個指標的權重在事件前后都是最大的，兩者之和接近70%，這說明在刻畫航空保險用戶畫像的過程中，這兩個指標的信息是最重要的。結合上一部分投保用戶畫像的結果，應更加關注出行頻率較高、出行需求較強以及消費傾向更高的男性用戶，以此提高營銷精準度與效率。其次，事件前后指標“投保類別數(shù)”的權重都是最小的，只有不到1%，說明其在航空保險用戶畫像指標體系的構建中重要程度是最低的，因此基于“投保類別數(shù)”的結果刻畫出的畫像可能并不能反映用戶的真實需求，畫像的精度也較低。

考慮突發(fā)公共危機事件發(fā)生前后的對比，可以看出指標“機票購買量”“末次航程是否投保”的權重都有所提升，這一方面反映出其在航空保險用戶畫像指標體系的構建中越來越重要，在具體畫像過程中要更關注這兩項指標的相關信息；另一方面也相應提升了用戶畫像的精準度。同樣結合上一部分畫像的具體結果，險企應更加關注機票購買量較高以及有一定風險意識、過往有過保險消費的用戶，以此實現(xiàn)精準營銷。

六、結論與建議

本文在航空保險領域進行了用戶畫像研究和熵值法分析，結合某航旅企業(yè)的具體數(shù)據(jù)，發(fā)現(xiàn)在重大突發(fā)公共危機事件爆發(fā)前后，隨著公眾投保行為和投保渠道的轉(zhuǎn)變，投保用戶的特征分布和需求結構確實會發(fā)生一定的改變，航空保險呈現(xiàn)出新的發(fā)展趨勢。具體表現(xiàn)為：(1)用戶的特征結構進一步傾斜，青年和男性群體投保意愿上升，其用戶價值進一步提高；(2)投保產(chǎn)品多樣化配置比例提高，用戶的險種偏好和投保航程地區(qū)分布發(fā)生了相應的轉(zhuǎn)變；(3)非習慣性投保比例提升，同時投保需求與出行需求的一致性進一步凸顯。這些反映用戶群體基本屬性、當前價值和潛在價值層面的信息需要得到重點關注，未來險企可以借助畫像技術洞察用戶動態(tài)、實現(xiàn)精準化營銷、促進保險回歸保障本源。

基于此，本文提出以下幾點建議：

在宏觀層面，重大突發(fā)公共危機事件暴發(fā)以來，數(shù)字技術、數(shù)字經(jīng)濟在支持實體經(jīng)濟、恢復生產(chǎn)生活方面發(fā)揮了重要作用。保險行業(yè)要借助現(xiàn)代信息技術，積極向數(shù)字化轉(zhuǎn)型的方向發(fā)展，更好地為經(jīng)濟社會提供風險保障和長期穩(wěn)定資金。具體到航空保險業(yè)，盡管其業(yè)務開展在此類突發(fā)公共危機事件中受到了一定的沖擊，但全民風險意識的提升為潛在保險需求的提升提供了可能。航空保險依托互聯(lián)網(wǎng)銷售渠道積累了海量的用戶數(shù)據(jù)，應積極利用好“用戶畫像”技術對這些數(shù)據(jù)資源加以挖掘和應用，并通過熵值法對所選指標賦重分析，更好地研究用戶特征以實現(xiàn)精準化營銷。結合本文對某航旅企業(yè)事件前后用戶特征和需求結構的分析，考慮到對一二線城市出行需求的挖掘程度已經(jīng)足夠充分，但三四線城市用戶還未完全釋放其消費潛力，在突發(fā)公共危機事件暴發(fā)時，三四線城市用戶的投保需求依然強勁，因此，保險行業(yè)可以考慮向三四線城市下沉，增強這部分用戶的保險意識和保險認知，挖掘其潛在的保險需求。同時針對用戶偏好，可以有針對性地加大對航延險、航意險的產(chǎn)品開發(fā)創(chuàng)新投入。

在OTA平臺層面，主要是維持原有用戶的購買粘性，同時充分挖掘未投保用戶的購買潛力。打通航空保險購買通道，加強保險購買服務，提升客戶的購買體驗，并針對客戶精準化營銷，可以借助廣告或者個性化、有差別的推送信息等方式，但需要精準度量營銷尺度，與客戶的需求完美匹配。在發(fā)掘潛在客戶時，主要是提升未投保用戶群體的保險認知。針對保險的條款閱讀和理解存在一定門檻這一問題，可以讓專業(yè)人員對保險的內(nèi)容進行解讀，降低購買門檻。需要加強客戶的購買體驗，降低繁瑣的購買手續(xù)，加速潛在用戶的轉(zhuǎn)化。

結合本文的研究結論可以具體到以下幾點：第一，中青年和男性用戶具有較強的保險消費傾向，且在面對突發(fā)公共危機事件時，這部分群體保險購買力仍然強勁，甚至有繼續(xù)提升的潛力，所以需要提升中青年和男性用戶的忠誠度。同時性別特征權重較高，平臺在制定營銷策略時應充分考慮用戶該特征差異。平臺應完善用戶重要信息數(shù)據(jù)庫，并通過數(shù)據(jù)挖掘動態(tài)把握用戶的行為和保障需求，提供差異化、定制化的產(chǎn)品推薦和配給，提高營銷的效率。第二，分析航空用戶的保險購買行為發(fā)現(xiàn)，用戶更傾向于購買一種保險，航意險占比較大，說明該險種在市場較受歡迎，可以按市場表現(xiàn)調(diào)整營銷的方向。在疫情突發(fā)的背景之下，適當增加比例較小的險種營銷力度，同時按照客戶個性化需求進行不同種類保險的組合。第三，客戶存在明顯的地區(qū)差異表現(xiàn)，針對出行頻率較高、出行需求較強用戶的出行特點和保障訴求篩選個性化的保險產(chǎn)品予以推介，比如向頻繁出行的商旅用戶推介按年或按次計的長期間覆蓋型保險產(chǎn)品或適當降低保費等。