大数据在s保险公司寿险电销中的应用研究
发布时间：2021-08-22 09:28
随着电子通讯设备快速普及,人们生活越来越依赖于手机通讯设备,传统以代理人式营销为主的保险产品的销售形式难以适应人们的现代生活方式。近年来,电话销售保险更加符合消费者追求方便快捷的习惯,而且可以有效降低代理人成本。但是,我国电话营销的实际发展速度与预期速度存在较大差距,电话营销保险中名单产能较低是保险公司电销遇到的共性问题,究其原因是对客户数据缺乏细致的分析总结。随着保险公司在保险产品销售过程中产生大量的业务数据,应用大数据处理技术可以对公司的业务数据进行深度挖掘提升保险产品的销售成功率。作为一种新型的保险销售方式,保险电话营销方式在电销过程中会产生较多有价值的数据资源,公司可根据性别、年龄、购买力、购买历史等要素对数据价值进行判断,从而提升电销的名单产能。S保险公司是比较早建立保险行业电销渠道的公司,因此本文以S保险公司寿险电销渠道为例,通过对S保险公司寿险电销渠道的经营状况分析,发现电销存在的问题,并以该公司大量的电销客户数据为基础,应用大数据处理方法分析S保险公司3种主要名单资源,实施了寿险电销客户的细分,以此达到客户优选的目的。本文的结论为,可以通过对坐席进行拨打次数的要求来提升...
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
大数据分析过程图
图 3-1 坐席离职原因分析3.2.2 电销客户细分不到位对于保险公司来说，客户的数量和质量决定了保险公司的发展。从商业实践上看，挖掘获得新客户的成本是维护老客户的成本数倍。因此应将大数据应用于电销客户细分，挖掘潜在客户以降低开发新客户成本，梳理老客户的购买力特征和保险需求实现客户的循环开发。目前 S 保险公司在电销客户细分方面的大数据应用仍处于探索阶段。而目前 S 保险公司仍处于粗放式电销管理，电销的交叉销售不够，对已有客户的开发不够。从车险面单看，S 保险公司车险渠道销售的名单应用于寿险渠道使用，但是在使用的过程中发现该类名单的净成功率低于市场上其他同类的保险公司。实际上，虽然客户都购买过车险，但有无理赔动作的车险客户的购买寿险欲望是有区别的。从寿险暖名单看，S 保险公司寿险电销渠道成立至今，已开拨机构 120 多个，覆盖全国
S 保险公司的首播接通率下降到了 20%-30%之间，下降幅度非常大，实际上也大大增加了电销成本。5、名单的新鲜度是指名单的获取时间与使用时间之间的时间间隔，间隔时间越短名单的新鲜度就越高。从分析来看，名单的新鲜度与销售成功率有着一定的关系。名单的新鲜度越高，销售成功率也越高，因为随着时间的推移，客户信息的准确度会下降，这源于客户更换手机号码的频率。以 S 保险公司赠险客户的每名单产能来看，客户接受赠险的时间与电话销售人员首次销售时间的关系，时间间隔越短，每名单产能越高。通过分析 S 保险公司赠险客户名单新鲜度与产能的关系，间隔时间在一个月以内的时候，每名单产能达到 33 元，第二个月的时候便有了将近 30%的产能下滑，第 2个月至第 12 个月的名单产能变化不是很大，但整体的趋势还是下降的，只是下降的趋势比较缓慢，从第 12 个月开始，名单产能开始大幅下降，仅有首月产能的 50%左右。到第十二个月，部分客户可能已经更换了手机号码，也就是说现在的机主和之前登记的已经不是同一个人了，名单信息的准确度有所下降，因此每名单产能也有所下降。
【参考文献】：
期刊论文
[1]寿险公司电话营销的可持续发展问题探讨[J]. 胡亚兰. 当代经济. 2015(27)
[2]保险大数据的探索与实践[J]. 张新宇. 中国金融电脑. 2015(04)
[3]论大数据对中国保险业的影响[J]. 尹会岩. 保险职业学院学报. 2015(01)
[4]基于文献计量的大数据研究综述[J]. 李贺,袁翠敏,李亚峰. 情报科学. 2014(06)
[5]浅谈大数据与保险业的未来[J]. 张则鸣. 上海保险. 2014(02)
[6]大数据背景下的寿险产品定价与创新研究[J]. 张宁,郭楠. 海南金融. 2014(01)
[7]数据挖掘的分类、工具及模型的概述[J]. 秦莉花,李晟,陈晓阳,陈燕,易霞,王小云. 现代计算机. 2013(11)
[8]数据挖掘技术在保险公司客户评估中的应用研究[J]. 葛春燕. 软件. 2013(01)
[9]车险电销客户投保体验迫切改进点的数据挖掘[J]. 王洪涛,张楠,刘玮. 保险研究. 2011(10)
[10]保险电话营销问题研究[J]. 杜玉新. 金融教学与研究. 2010(06)
硕士论文
[1]数据挖掘技术在寿险客户分析中的应用[D]. 古家声.华南理工大学 2012
[2]数据挖掘技术在保险公司客户流失预测中的应用研究[D]. 马江.西安理工大学 2010
[3]数据挖掘过程中多维数据可视化技术研究与应用[D]. 张文鹤.沈阳工业大学 2007
[4]数据挖掘中的数据预处理[D]. 关大伟.吉林大学 2006
本文编号：3357482
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
大数据分析过程图
图 3-1 坐席离职原因分析3.2.2 电销客户细分不到位对于保险公司来说，客户的数量和质量决定了保险公司的发展。从商业实践上看，挖掘获得新客户的成本是维护老客户的成本数倍。因此应将大数据应用于电销客户细分，挖掘潜在客户以降低开发新客户成本，梳理老客户的购买力特征和保险需求实现客户的循环开发。目前 S 保险公司在电销客户细分方面的大数据应用仍处于探索阶段。而目前 S 保险公司仍处于粗放式电销管理，电销的交叉销售不够，对已有客户的开发不够。从车险面单看，S 保险公司车险渠道销售的名单应用于寿险渠道使用，但是在使用的过程中发现该类名单的净成功率低于市场上其他同类的保险公司。实际上，虽然客户都购买过车险，但有无理赔动作的车险客户的购买寿险欲望是有区别的。从寿险暖名单看，S 保险公司寿险电销渠道成立至今，已开拨机构 120 多个，覆盖全国
S 保险公司的首播接通率下降到了 20%-30%之间，下降幅度非常大，实际上也大大增加了电销成本。5、名单的新鲜度是指名单的获取时间与使用时间之间的时间间隔，间隔时间越短名单的新鲜度就越高。从分析来看，名单的新鲜度与销售成功率有着一定的关系。名单的新鲜度越高，销售成功率也越高，因为随着时间的推移，客户信息的准确度会下降，这源于客户更换手机号码的频率。以 S 保险公司赠险客户的每名单产能来看，客户接受赠险的时间与电话销售人员首次销售时间的关系，时间间隔越短，每名单产能越高。通过分析 S 保险公司赠险客户名单新鲜度与产能的关系，间隔时间在一个月以内的时候，每名单产能达到 33 元，第二个月的时候便有了将近 30%的产能下滑，第 2个月至第 12 个月的名单产能变化不是很大，但整体的趋势还是下降的，只是下降的趋势比较缓慢，从第 12 个月开始，名单产能开始大幅下降，仅有首月产能的 50%左右。到第十二个月，部分客户可能已经更换了手机号码，也就是说现在的机主和之前登记的已经不是同一个人了，名单信息的准确度有所下降，因此每名单产能也有所下降。
【参考文献】：
期刊论文
[1]寿险公司电话营销的可持续发展问题探讨[J]. 胡亚兰. 当代经济. 2015(27)
[2]保险大数据的探索与实践[J]. 张新宇. 中国金融电脑. 2015(04)
[3]论大数据对中国保险业的影响[J]. 尹会岩. 保险职业学院学报. 2015(01)
[4]基于文献计量的大数据研究综述[J]. 李贺,袁翠敏,李亚峰. 情报科学. 2014(06)
[5]浅谈大数据与保险业的未来[J]. 张则鸣. 上海保险. 2014(02)
[6]大数据背景下的寿险产品定价与创新研究[J]. 张宁,郭楠. 海南金融. 2014(01)
[7]数据挖掘的分类、工具及模型的概述[J]. 秦莉花,李晟,陈晓阳,陈燕,易霞,王小云. 现代计算机. 2013(11)
[8]数据挖掘技术在保险公司客户评估中的应用研究[J]. 葛春燕. 软件. 2013(01)
[9]车险电销客户投保体验迫切改进点的数据挖掘[J]. 王洪涛,张楠,刘玮. 保险研究. 2011(10)
[10]保险电话营销问题研究[J]. 杜玉新. 金融教学与研究. 2010(06)
硕士论文
[1]数据挖掘技术在寿险客户分析中的应用[D]. 古家声.华南理工大学 2012
[2]数据挖掘技术在保险公司客户流失预测中的应用研究[D]. 马江.西安理工大学 2010
[3]数据挖掘过程中多维数据可视化技术研究与应用[D]. 张文鹤.沈阳工业大学 2007
[4]数据挖掘中的数据预处理[D]. 关大伟.吉林大学 2006
本文编号：3357482
本文链接：https://www.wllwen.com/guanlilunwen/yingxiaoguanlilunwen/3357482.html
