解决方案-预测营销云
行业背景
在中国市场，85%的财险市场和71%的寿险市场仍牢牢掌握在前十大保险公司手中。大型保险公司的分公司大多未构建良性的线下客户运营机制，缺少对现有客户数据的“二次开发”，在提升利润空间的发展上存在局限性。
提高交易额
创造盈利机会
智能运营转型
人工智能及大数据技术的应用对保险业产生巨大影响，目前在分销和承保领域表现尤为明显。保险行业价值链已发生变化，随着AI技术向整个保险行业的逐步渗透，不少保险公司的重点纷纷转移到基于平台的模型，寻求通过平台实现保险行业智能运营转型及业务链拓展的解决方案。
2018年保险业年度总投资额为57亿美元，行业发展势头猛劲。同时在中国市场，85%的财险市场和71%的寿险市场仍牢牢掌握在前十大保险公司手中（源自麦肯锡）。而虽然保险业大部分市场份额都被大型保险公司所分割占据，但大型保险公司也存在一定的问题，最明显的是：大型保险公司的分公司大多未构建良性的线下客户运营机制，缺少对现有客户数据的“二次开发”，在提升利润空间的发展上存在局限性。
2018年保险业年度总投资额为57亿美元，行业发展势头猛劲。同时在中国市场，85%的财险市场和71%的寿险市场仍牢牢掌握在前十大保险公司手中（源自麦肯锡）。而虽然保险业大部分市场份额都被大型保险公司所分割占据，但大型保险公司也存在一定的问题，最明显的是：大型保险公司的分公司大多未构建良性的线下客户运营机制，缺少对现有客户数据的“二次开发”，在提升利润空间的发展上存在局限性。
展开行业图表
保险行业运营痛点
运营面临的问题
保险业分公司自有数据源单一，只存有线下客户数据；
缺乏对数据的洞察分析，数据对运营没有起到积极作用；
不能满足客户的多样需求，需全面了解客户，提供个性化的线下场景运营方案；
无法结合市场发展状态，智能预判产品的交叉推荐，以有效提升运营转化效率；
需加大熟客营销力度（提升复购率），还在用传统老方式维护客户，成本偏高，复购率较低
智能用户运营解决方案
《某大型保险企业分公司案例》
大型保险公司的互联网行为数据管理权限通常在总部，而分公司仅保留线下客户的数据库，数据源很单一，同时保险分公司对线下客户数据认知也不够敏感，不懂得如何通过现有数据去洞察商机。
某大型保险企业分公司存在同样问题，想通过挖掘数据的潜在价值、降低运营成本、提升客户交易总额，经过严格的筛选后，选择采用我们预测营销云线下智能版。
根据该保险分公司的业务目标，我们进行POC方案设计，对接保险分公司线下客户数据，规则化存储与标签化处理，包括其：客户、保额、生日、性别、车型等数据，从线下数据中挖掘潜在价值与商机，用于客户分析建模。
我们为其搭建了AI交叉推荐预测模型，精准预测出已购买车险客户中更可能购买健康险的客户，经验证模型效果显著，其中模型筛选的10%的客户，交叉购买转化率提升了3.9倍。
这家保险分公司通过两种方法进行车险与健康险的交叉推荐。按保险分公司原始方法进行：需要50位客服进行一年的电话销售，除去客服的人工成本及保险的运营成本，结果是负盈利，原始方法令其得不偿失。
按照我们的智能方法进行交叉推荐，对客户数据进行AI预测模型筛选，可以为保险分公司达成的净年盈利约15万，预计为其全国1000家分公司增收约1.5亿元，为其集团增收约1.12亿元。
数据表明，我们的产品将为客户带来的价值巨大，即使只有线下客户数据，也能通过AI模型预测出最佳运营策略，同时，大型保险分公司客户需要转变对线下数据的看法，培养数据挖掘和智能运营意识，甄别运用新技术、新平台增加盈利机会、获取高额回报。
原始客服方法
50位客服进行一年的电话销售，除去客服的人工成本及保险的运营成本，结果是负盈利
Datatist AI模型预测
预测出最可能购买保险的人群，只触达经过模型筛选的20%，就能达50%的效果
一家分公司净年盈利约15万；预计为其全国1000家分公司增收约1.5亿元，为其集团增收约1.12亿元。
产品价值
提高转化率
降低运营成本
加速数字转型
行业客户
成功案例
新零售/电商
查看案例
银行
查看案例
保险
查看案例
