对保险业在线客户细分与忠诚度研究

摘要:在网络环境下,如何培养客户忠诚度、提高续保率,成为保险业发展需要解决的重要问题。笔者结合网络保险业的特征,根据客户的基本特征与交易行为,采用RFM分析方法构建客户细分指标体系,利用SOM神经网络模型将客户聚类为黄金客户、重要发展客户、重要挽留客户、重点维持客户、普通客户和其他无价值客户6类,然后从中选取最有

价值的前两类客户,利用客户忠诚度评价模型对其忠诚度进一步分析,针对各类客户群分别提出相应的营销策略。

关键词:保险业;网络保险;客户细分;客户忠诚度

作者简介::李琪(1955-),男,重庆人,西安交通大学经济与金融学院教授,博士生导师,主要从事电子商务、电子政务研究;崔睿(1984-),女,山西原平人,西安交通大学经济与金融学院博士研究生,主要从事电子商务研究。

中图分类号:F840.4文献标识码:A文章编号:1006-1096(2012)06-0062-05收稿日期:2012-04-10

一、文献回顾

网络保险业在我国起步较晚,相关研究主要集中于理论方面,大多是对网络保险业的发展现状、意义及技术进行探讨,在应用方面研究的文章很少,更缺乏定量的实证研究。宋立伟(2003)提出电子保单替代纸质保单的必要性。申丽丽(2007)对第三方保险电子商务网站进行了SWOT分析。张敏(2008)研究发现多渠道整合是网络保险业成功运作的基础,并提出了相应的发展对策。孙晓飞(2007)针对我国国情,提出了保险业电子商务模式构建方案。高雷等(2010)对我国与美国及欧洲的保险电子商务发展进行了比较。

各行业对于客户忠诚度的研究多为理论研究,缺乏实证分析,而实证分析也多采用结构方程模型的方法对客户忠诚度进行假设检验,只有少数学者(曹洁慧,2007)尝:请记住我站域名试用数据挖掘的方法。在客户细分的方法中,基于簇的划分方法更加适用于客户分类,而形成簇集通常采用聚类技术。自组织映射(Self Organization Map, SOM) 神经网络是较为广泛应用于聚类的神经网络,近期在银行业、电信业(吴春旭 等,2010)、旅游业等多种行业中均得到了广泛的应用。SOM网络可以采用各神经元之间的自动组织去寻找各类型间固有的、内在的特征,从而进行映射分布和类别划分,因此对于解决各类别特征不明显、特征参数相互交错混杂的,非线性分布的类型识别问题是非常有效的(陈伯成 等,2004)。而客户行为识别也是一种复杂多变的问题,SOM神经网络的这种特性对于基于客户行为的客户细分也是相当有效的。

笔者尝试用]SOM神经网络模型对保险业的在线客户忠诚度进行研究,根据网络环境下的客户特征与其交易行为,采用RFM分析方法构建客户细分指标体系,并利用SOM神经网络模型对客户进行聚类,然后从中选取最有价值的客户进一步研究其忠诚度,针对各类客户群分别提出相应的营销策略,以期为我国保险业的发展提供借鉴。

二、客户细分

(一)客户细分的方法与细分指标

客户细分的方法包括人口统计细分、生活方式细分、行为细分和利益细分。针对网络保险业,应该在客户基本特征的基础上,结合其行为特征,制定动态的、合适的细分指标体系,才能较好地衡量客户在网站上的行为,运用价值矩阵来衡量客户给保险公司带来的利润,从而辨识出对企业价值较高的客户。

RFM分析方法是分析客户行为特征的一种方法,由Hughes于1994提出,通过R(recency)、F(frequency)、M(monetary)3个行为变量来区分客户,其中,R指上次购买至现在的时间间隔,F为某一期间内的购买次数,M是某一期间内的购买金额。

本研究中的客户细分指标体系添加了在线环境下保险活动的一些衡量指标,主要有客户的基本特征、客户交易行为的RFM、客户在保险网站上的活动以及客户在购买保险后是否续保等行为指标,如表1所示。

不同的指标间具有不可共度性,且后面要用到SOM方法,所以指标要在量化时尽量标准化到[0,1],且客户按照年来确定考核周期。数据选择方面,例如近度、频度,都采用比值的形式,将最新值与历史值进行比较,将某个客户的值与整个客户的平均水平作比较。将客户交易价值分为两部分进行量化,一部分是客户已经带来的价值,一部分是客户的潜在价值。客户的已有价值是在假设客户现在的特征保持不变时,估算客户能够带来的利润总和。客户的潜在价值是客户未来可能给公司带来的利润,再求现。

表1保险业在线客户细分指标

指标指标权重量化方法及含义基本特征CC1W0客户特征是否属于保险的潜在用户,由专家进行评估后取值,从客户的静态条件来识别客户风险衡量

指标RM

RM1

RM2W1

W2客户在 分析期内理赔数额,指的是总金额 客户在分析期内理赔频率,指的是次数交易 指标R近度 R1W3即某客户平均近度值与全部客户平均近度值的比值,从宏观角度来衡量客户的长期行为R2W4即某客户最新近度值与其历史近度值的比值,从微观角度来衡量该客户近期动态行为的突变情况R3W5是指最近一段时间内客户的近度平均值与全

部客户的平均近度值的比值,从宏观的角度衡量了客户行为变化趋势F频度

F1W6指 客户最近一段时间行为的频率与全部客户的行为频率的比值,即某客户平均频度值与全部客户平均频度值的比值,F1从宏观角度衡量了客户与保险公司的接触情况F2W7指最近一段时间的W6与过去一段时间的W6,已实现从微观的角度衡量客户行为的变化情况F3W8即考察客户的平均频度值与全部客户的平均频度值的比值,实现从宏观的角度衡量客户行为的变化情况M值度

M1W9是指考察客户的投保额与全部客户的平均投保额的比值M2W10从客户自身的角度进行考察,最近一段时间内客户的投保额与历史投保额的比值M3W11即考察客户最近一段时间内的投保额与全部客户平均投保额的比值M4W12客户潜在价值,是由专家评估得到的,从微观角度衡量客户的价值行为指标V网站 上行为V1W13登陆企业网站的近度值V2W14登陆企业网站的频度V3W15登陆企业网站的值度(登陆时间总和)V4W16专家根据客户是否与保险公司有其他联络,通过累计次数得出评估值E

其他行为E1W17专家根据客户好的行为表现进行评估得到的评估值E2W18专家根据投诉、抱怨等行为的累计次数进行评估得到的评估值

(二)客户细分实现

客户细分的基本思路:

1.选择训练样本。从获取的客户资料中提取部分客户的详细信息,以设计好的指标为标准,分解客户信息,将客户信息作为训练数据集。然后应用SOM的聚类能力进行分析,得到多个客户簇。

2.计算每个客户簇的指标的平均值和所有客户的相应的总的平均值。方法如下

C=W0C1=C1(1)

RW=RM1W1+RM2W2(2)

R=R1W1+R2W2+R3W3(3)

F=FIW4+F2W8+F3W6 (4)

M=M1W7+M2W8+M3W9+M4W10(5)

V=VRIWll+VFZW12+VM3W13+V4W14(6)

E=E1W15+E2W16(7)

3.将各个客户簇的C、RW、R、F、M、V的分别平均值与总平均值比较,每次都会得出2个结果:大于或小于总平均值。根据每个客户簇指标的变化情况来对客户进行细分。

4.根据每个客户簇指标情况分析客户簇的性质,进而判断该类客户是高价值客户还是易流失客户等。

5.应用训练好的SOM模型,对所有的客户数据进行分析,将每个客户都划分到一类。分别计算各个客户和总体客户的指标平均值。如果该簇的各个指标的平均值都大于所有客户的平均值,则标记为“”,反之则记为“”。

三、客户忠诚度

(一)客户忠诚

Jones 等(2002)从客户满意与客户忠诚的关系角度出发,将客户忠诚分为忠诚者、人质客户、唯利是图者和背叛者。Dick 等(1994)将客户忠诚与客户心态和行为相结合,将客户忠诚分为忠诚、潜在忠诚、虚假忠诚和不忠诚4种类型。

(二)客户忠诚度评价指标体系

在网络环境下,客户对于保险的忠诚从亲缘忠诚更多地转变为信任忠诚,评价的实时性和互动性加强,评价指标更加丰富,服务更具有连续性。结合网络环境下客户忠诚的表现形式和决定因素,按照动态过程,本研究设计了网络保险业中客户忠诚度的评价指标体系,如图1与表2。

图1客户忠诚度评价指标框图

(三)客户忠诚度评价模型

基本思路如图2所示。

1.评价目标。研究网络保险业中具有较大客户价值的几类客户的忠诚度。

2.被评价的对象。在上面细分出来的对企业有价值的客户。

3.评价指标体系。从客户资料中提取有价值客户的详细信息,按照设计好的指标分解客户属性。

图2客户忠诚度评价模型

表2客户忠诚度评价指标体系

目标一级评价指标序号二级评价指标详细说明客

户

忠

诚

X客

户

期

望

AA1口碑其他媒体和客户的推荐或口碑A2保险信息网站详细的保险信息A3网站交互性搜寻信息时间和便利性A4专业化保单设计的专业性及理赔等的服务专业性A5个性化保单和服务是否支持个性化A6响应速度在线投保后收到回复的速度,服务的响应速度客

户

认

知

价

值

BB1险种的设置内容险种的设置内容B2保费需缴纳的保费B3品牌保险公司的品牌认可度B4理赔服务质量售后服务的质量B5险种风险该保险是否有时 候有风险B6其它无形成本时间成本、精神成本、体力成本等客 户 满 意 CC1对销售人员的满意对在线提供销售咨询人员的满意度C2情感因素整个交易过程中是否心情愉悦等情感因素C3对售后人员服务的满意对提供理赔等服务的人员的满意度C4各项在线服务咨询、帮助、申请、注册和更改等C5网站设计网站设计的是否合适C

6投保程序合理性网上投保程序是否合理、方便客

户

信

任

DD1满足需求的实力满足需求的实力D2诚实性对客户的诚实性D3公平性对客户的公平性D4网络安全性网络的安全性是否可靠D5网络、信息可靠性网络是否可靠,信息是否安全转

移

成

本

EE1关系利益是否属于亲缘忠诚E2心理成本转换投保单位是否对投保人有心理影响E3替代限制可转换的保险和服务的多少E4额外的服务或服务恢复在服务失败后,是否有弥补措施

4.建立评价集。以5分制建立评价集,5分代表最高,1分代表最低。

评价集=V{v1,v2,…,v5}

用5分制表示={5,4,3,2,1}

用语言描述={很高,较高,一般,较低,很低}

5.确定权重集并确定综合评价矩阵。由业内专家学者、营销人员、服务人员和消费者组成专家决策小组,从客户的角度和立场确定指标权重和综合评价矩阵。

6.数据处理和计算。逐次输入客户的信息,采用Matlab6.5编程实现模型计算,得到各个客户的综合评价结果。

7.分析并制定营销策略。对评价结果进行分析,通过比较可以判断出客户忠诚度的高低,并且分析客户忠诚度较低的原因,从而更有针对性地制定营销策略,改善企业提供的产品或服务。

8.客户信息更新。将客户的分析结果反馈到数据库进行存储,通过分析对客户实施特定的营销策略后,对客户进行跟踪,根据结果不断调整评价体系。

四、实例分析

将每个客户都划分到一类可以看到50个客户大致分为6个客户簇,如表3所示。

表3客户细分运行结果

客户簇编号客户数量(个)CRWRFMVE比较结果150.870.480.400.630.830.370.15CRWRFMVE270.750.340.420.490.800.200.14CRWRFMVE3110.780.270.740.610.670.180.10CRWRFMVE4150.460.710.380.670.490.250.19CRWRFMVE580.40.630.730.640.450.240.10CRWRFMVE640.350.330.860.450.320.110.06CRWRFMVE总均值 500.60.460.590.580.590.230.12 根据运行结果,分析各个客户簇的性质,提出相应的营销策略。具体为

1.黄金客户,即C值高、RW值高、R值低、F值低、M值高、V值高、E值高。该类客户从基本特征来说,符合购买保险的基本条件,最近一次投保距离现在时间较近,且投保数额较大,续保率高,虽然该类客户的风险相对也较大,但从数值上看,RW值高出平均值0.02,风险的增加与投保数额相比并不大,所以从此类用户价值高,忠诚度高,能给企业带来较高利益,是企业应该重点关注和培养的对象。

该类客户的消费能力较强,对保险的需求较多,对企业的忠诚度较高,属于高端客户。针对这种客户,应该采用长期营销策略,将其作为重点培养对象,及时了解客户的需求,适时提供服务。深度挖掘客户需求,针对客户需求设计个性化保单,提高客户满意度,保证客户的永久忠诚。

2.重要发展客户,即C值高、RW 值低、R值低、F值低、M值高、V值低,E值高。此类客户从基本特征上符合购买保险的基本条件,最近一次投保日期距离现在较近,且投保数额较大,但投保的次数并不多,所以说,历史上该类客户没有为企业带来很大价值,但最近一次交易价值较大,且该客户的赔保数额和赔保率都不高,虽然从总体上感觉忠诚度并不是很高,但该类客户具有较好的发展前景,需要企业重点关注,将其发展为黄金客户。

该类客户属于保险销售的主要目标群体,客户的交易能力较高,但他们接受新事物的能力较强,忠诚度相对较低。对于这类客户应实行一对一销售,做到实时跟踪、适时提供服务,当客户在线投保时,快速回应,努力提高客户满意度。深度挖掘客户需求,适当提供优惠策略,以吸引客户重复消费,提高其忠诚度。

3.重要挽留客户,即C值高、RW值低、R值高、F值高、M值高、V值低、E值低。该类客户从基本特征来看,符合购买保险的基本条件,且客户的风险并不高。客户最近一次投保日期距离现在较远,但在历史上,企业与客户的交易比较频繁、金额较大,所以推断此类客户呈现出流失迹象,忠诚度不高。此类客户投保能力较强,企业应采取即时营销策略,加强与客户的互动,培养客户对企 业的认同感,挽留住客户。 4.重点维持客户,即C值低、RW值高、R值高、F值高、M值低、V值高、E值高。从该类客户的基本特征来看,客户的购买能力有限,且理赔总额和理赔次数都较高,最近一次投保距离现在较近,交易次数也较多,但交易额较低。该类用户虽然比较忠诚,但给企业带来的利润有限,对于该类客户应采取保持策略,维持客户

对企业的忠诚度,虽然从交易上不能给企业带来很高的利润,但可以在口碑等方面给企业带来隐性收益。

5.普通客户和其他无价值客户。这2类客户主要是指第五、第六类客户。这2类客户从基本特征、交易行为来看,都不能给企业带来价值。第五类客户风险较大,保险企业很难从客户身上获得利润。对于这2类客户,企业只需维持现有关系,对于无价值的客户,可以选择放弃。

为了对细分结果中最具价值的客户进行深入分析与忠诚度评价,我们从中选取对企业最具价值的2类对象即黄金客户与重要发展客户,提取这12位客户的详细信息,按照客户忠诚度评价模型步骤,输入计算机得到其客户忠诚度的综合评价结果,评价结果从高到低分别为:5.22、508、4.96、4.71、4.63、4.42、4.31、4.29、4.07、3.99、3.90、3.88。

参照客户忠诚度评价指标体系(表2),分析排名靠后的对企业具有较高价值但客户忠诚度却较低的原因,发现企业品牌、投保后企业对客户的反应速度、各种服务质量(企业在线服务水平、额外的服务或服务恢复)是导致客户忠诚度低的3类最为突出的原因。为此,提出以下几点建议:

1.树立企业形象与产品品牌。做好企业内部文化建设,勇于探索、创新,积极承担一定的社会责任和义务。同时,注重公关调研,把握市场动态,了解潜在消费者需求,利用企业标志与广告等积极宣传企业文化与形象。

2.提高团队素质和员工忠诚。建立适应于网络管理的业务流程,对员工进行业务培训,提升员工的整体素质与服务水平。同时,采取有效的激励机制提升员工的忠诚度,从而提高服务质量。

3.提升服务与客户关系管理。注重客户体验,设计合理的保险网站页面,不断更新保险产品信息;采用即时通讯工具快速响应客户需求;开展网络社区加强与客户的沟通和互动;调查跟踪客户需求,不断完善服务质量,提高客户满意度。

五、结语

网络保险业在我国的发展还处于初级阶段,网络平台与功能不健全,网络投保客户较少,难以获取研究样本,今后可增加样本容量来验证模型。本研究中采用了很多RFM指标来建立指标体系,其可行性还需进一步探讨。

参考文献:

曹洁慧.2007.基于数据挖掘的我国证券业客户忠诚度研究[D].同济大学.

陈伯成,梁冰,周越博,林析泉,赵延.2004.自组织映射神经网络(SOM)在客户分类中的一种应用[J].系统工程理论与实践(3):8-14.

高雷,杨爱军.2010.欧美网络保险的最新发展及对我国的启示[J].保险研究(11):75-80.

申丽丽.2007.第三方保险电子商务网站的SWOT分析[J].经济视角(8):65-67.

宋立伟.2003.电子商务技术在保险业中的应用[J].上海保险(5):43-45.

孙晓飞.2009.保险业电子商务模式分析与构建[D].山东大学.

吴春旭,鲍满园,苟清龙.2010.自组织映射聚类算法在电信客户细分中的应用[J].计算机系统应用(8):168-172.

张敏.2008.基于多渠道整合的保险业电子商务发展对策研究[D].上海交通大学.

DICK A S, KUNAL B. 1994. Customer loyalty: toward an integrated conceptual framework [J]. Journal of the Academy of Marketing Science, 22(2):99-113. MICHAEL A J, DAVID L, MOTHERS B, et al. 2002. Why customers stay: measuring the underlying dimensions of services switching costs and managing their differential strategic outcomes [J]. Journal of Business Research, 55: 441-450.

(编校:薛平)

Customer Segmentation and Loyalty in Online Insurance Industry

——Based on SOM Neural

LI Qi, CUI Rui

(School of Economics and Finance, Xi′an Jiaotong University, Xi`an 710061, China)

Abstract:The p aper develops the customer segmentation index system in online insurance industry with SOM method by building customer segmentation model of cluster customers to six types, namely, gold customers, important customers, retain customers, maintaining customers, regular customers and other worthless customer. Further analysis is made on the loyalty of the most valuable two clusters of customers from the segmentation by customer loyalty index system and model with relevant marketing strategies.

Key words:Insurance Industry; Online Insurance; Customer Segmentation; Custome