《未来保险 新金融时代》——四.保险价值链的脊梁:保险硬核科技——1.保险体验科技

简介: 《未来保险 新金融时代》——四.保险价值链的脊梁:保险硬核科技——1.保险体验科技

从上面对保险数字化信号的分析来看,保险行业从高速发展的阶段进入到追求质量的阶段。需要保险公司更了解客户需求,“以客户为中心”、“强化客户经营”成为保险公司核心战略。


但是,保险的体验却成为客户吐槽的“重灾区”:“保险条款晦涩难懂,理解保险内容就像在做‘阅读理解’”、“有些保险代理人利用信息不对称,大肆推销保险的收益,反而故意隐瞒部分免责条款,索赔时才发现问题”、“投保前一对一热心服务、投保后无人问津”、“售后不受重视,感受不到保险价值”、“用户服务需要接触APP、网站、代理人等多个触点,渠道间业务割裂,用户被多次要求提交相同材料,造成大量投诉和流失”、“APP使用就是一种折磨、难用到死”、“APP仍停留在‘功能机’时代的设计、场景单一”。


保险消费进入体验时代,客户需要的是便捷化、透明化、场景化、协同化的服务。“以客户为中心”不再是一个挂在墙上的口号,保险数字化的一个重点方向就是打造一套全面的“保险体验科技”,借鉴互联网电商的客户运营经验,聚焦在四个方面来提升全旅程的客户体验:全渠道、全协同、全场景、全智能。

image.png

1  全渠道

解决体验断层、用户流失的问题,需要从整体、全流程的角度规划用户体验。需要考虑到整个旅程和其中若干个场景之间的关系,统一各个渠道的体验策略,打通旅程中各渠道的关联,去塑造和管理用户体验的整体性。多渠道、多场景下的用户个人数据刻画出精准的用户画像,形成独有的“保险人设”。根据这个“人设”可以精准地定位用户的个人背景和家庭结构,从而进行个性化推荐。保险产品的创新变革也将围绕用户的生活场景和“保险人设”进行定制。

例如:某保险公司建立跨全渠道的公共能力中台,将各个渠道烟囱的定位、用户管理、交互流程、业务资源进行打通整合,实现跨渠道统一体验、跨渠道营销引流、统一用户识别等,大幅提高客户在渠道间业务衔接、简化客户旅程。

image.png


2 全协同

通过解决保险从业者与客户的在线沟通与服务流程协同上的痛点,设计适时的出现与交互时机,能够帮助他们进一步提升工作效率和沟通质量。


例如:某保险公司希望将用户在线、内部代理人、业务管理进行打通,实现业务线上化。我们将对内、对外的这两种数字化能力整合后,形成端到端的“双在线”方案:1. 对客户的数字化服务(包括数字化展业、场景化服务、数字营销、数字化风控、技术运营);2. 对内部的数字化工作协同(办公审批、沟通交流、日常工作管理、培训、考勤),整体提高用户端、代理人端的服务体验。在用户旅程中合理地规划代理人等利益相关者的协同职能,也将更全面地覆盖用户多样化的需求,提供多元化的服务。

image.png

3 全场景

很多用户在购买保险之后,与保险公司的互动就变得非常低频,只有出现理赔或是扣费的时候才会再次联系。保险从业者们一直希望能够让用户的价值延续到更多的产品和服务中去,却发现这一步十分难走。尤其是像寿险这样的保险产品,保单会伴随用户长达几十年的时间,这期间的客户关系管理就需要一套“多场景+权益”的服务体系,以让用户与保险公司之间关系变得高频、密切。


例如:某保险公司在建设的新一代APP平台中,除了建设保险线上销售体系、线上理赔服务外,更进一步引入内部健康、养老、医院等服务,同时引入线上的多维的生活场景权益服务,提高客户黏性和互动。

image.png

4 全智能

智能化能力运用,一方面可以在客户交互旅程的方方面面来简化流程、简化交互摩擦,例如:OCR、LBS、扫一扫、人脸识别、智能交互等。另一方面可以大幅增加业务效率、降低风险、降低成本,例如:智能营销、智能风控、智能客户服务。


例如:某保险公司通过移动APP+智能中台,实现线上化智能保障缺口分析,用户填入个人情况和家庭结构后,系统以可视化的方式呈现由AI智能分析出的家庭风险,并根据已持有产品来分析现有风险覆盖情况和待覆盖部分,让用

户了解现有的风险缺口。这种站在用户的角度进行智能化推荐,是智能化在客户体验方面的重要应用。


保险业务线上化后,除了服务、操作体验是影响客户留存的重要因素,端智能也成为重点发展的方向,目前部分先进的端实践已经将边缘计算应用于前端产品上,通过端侧丰富的用户行为数据和触发点,利用机器学习和深度神经网络,在端侧持续感知用户意图,抓住用户转瞬即逝的兴趣点,并给予用户及时的结果反馈,提高获客率和转化率。


端智能可以将原来的服务端的决策或业务处理前置在前端,引入机器学习和深度神经网络模型,结合用户行为数据,在端侧持续感知用户意图,实时决策并实时反馈结果给用户,这样解决了实时性差以及决策系统可调整性差的问题,

提高交互响应时效,使得业务操作更流畅,提升了客户的操作体验。


image.png

相关文章
|
4月前
|
机器学习/深度学习 存储 安全
别只会One-Hot了!20种分类编码技巧让你的特征工程更专业
分类变量需编码为数字才能被模型处理。本文详解20种编码方法,从基础的独热、序数编码到高级的目标编码、CatBoost、WOE等,涵盖适用场景与代码示例,助你提升模型性能,避免泄露与过拟合,是特征工程中不可或缺的实用指南。
289 14
别只会One-Hot了!20种分类编码技巧让你的特征工程更专业
|
7月前
|
弹性计算 关系型数据库 数据安全/隐私保护
《突破Unity+阿里云联机瓶颈:多人游戏同步延迟与数据安全的双维度优化》
本文结合真实案例,拆解Unity与阿里云结合的多人联机游戏在“实时同步延迟”和“玩家数据安全”上的优化路径。针对同步延迟,通过“差异化增量同步”降低ECS带宽占用,结合GME时间同步与“预测回滚”减少判定偏差;数据安全方面,用SSL和GME端到端加密保障传输,以“加盐哈希+KMS加密”及RDS日志审计强化存储防护。还借阿里云弹性伸缩动态调度ECS资源,结合Unity分块加载与阿里云CDN优化资源加载。最终提升游戏流畅度与安全性,降低运营成本,为相关开发提供实践参考。
384 2
|
数据可视化 数据挖掘 定位技术
MATLAB数据可视化
【10月更文挑战第8天】本文详细介绍了MATLAB中的数据可视化功能,涵盖基本绘图、特定绘图类型(如三维绘图、极坐标图)、高级图形功能(如自定义图形属性、子图、交互式图形、动画与动态可视化)以及地理数据可视化工具箱等内容。同时,文章还提供了性能优化建议,帮助用户在处理大型数据集时提升绘图效率。
|
数据可视化 搜索推荐 atlas
DataV Atlas深度解析与实战应用:打造个性化地理信息可视化
阿里云DataV的Atlas功能专注于地理信息可视化,提供范围选择、边界生成和层级展示等工具,助用户轻松创建专业地图应用。通过代码示例展示了如何用Geo组件展示中国省份销售数据,强调了数据安全和性能优化的重要性。DataV Atlas简化了复杂地理信息的展示,提升了数据洞察的直观性和美感。【6月更文挑战第19天】
1231 3
|
Kubernetes 网络协议 Cloud Native
Kubernetes网络问题排查分享两则(1)——calico特定场景下的网络性能问题
在对Kubernetes项目[kosmos](https://github.com/kosmos-io/kosmos)与Calico网络性能进行对比测试时,发现kosmos在跨集群容器网络的性能显著优于Calico的集群内网络(约6Gbit/s对比2.9Gbit/s)。物理机网络测试达到9.38Gbit/s,显示Calico有68%的性能损耗。问题定位到网卡的checksum/offload参数,尝试用`ethtool`调整后虽短暂提升,但随后恢复原状。转载自:https://mp.weixin.qq.com/s/XsQZCSqZAXJK46zqc7IpLw
|
JSON 数据可视化 定位技术
Map——使用BIGEMAP+geojson获取乡镇行政边界数据
Map——使用BIGEMAP+geojson获取乡镇行政边界数据
1020 0
|
缓存 Java
ehcache.xml配置文件详解
ehcache.xml配置文件详解
|
机器学习/深度学习 人工智能 前端开发
建议收藏,最全ChatGPT 中文调教指南:提供各个领域的角色提示词(prompts)及使用技巧,当然也有不正经指南
ChatGPT在日常的对话中,表现的非常的完美,当在其他的场景希望使用ChatGPT来解决问题的时候,通常需要给ChatGPT一些提示,或者说暗示,让其进入某种角色,这种情况下,ChatGPT的表现能够更加的游刃有余。提示词的存在让ChatGPT能够扮演特定的角色,对用户的回答更加专业对口
2977 1
|
Web App开发 NoSQL Cloud Native
MongoDB中间件工具mgm入门介绍(一)
MongoDB 数据库确实好用,但是也要依托一定的生态环境,其中就包括我们在开发过程中经常会用到的工具集。在连接 MongoDB 时,我们不可能自己单独去开发基础的功能接口,比如添加记录、删除记录、更新记录等。我们可以使用非常好用的第三方中间件来完成这样的工作,避免重复造轮子,毕竟自己造的轮子还不一定好使。今天我们就来介绍一个非常优秀的 MongoDB 数据库中间件 —— mgm 。
1059 100