保险需求的智能分析：智能保顾——互联网平台建设 ...

傷城~ 2022-02-14 13:43 717阅读 0赞

![1][]

> 本文主要包括“智能投顾”这个投资顾问到底智能吗、马格维茨的投资组合理论、国内的智能保险顾问与用户在既有服务中存在转化障碍、智能保顾能够为用户带来的价值、存在的问题、能取代代理人吗六部分。

以下是数字化转型的分享线路图，您现在所在的位置为序号的分享：生态圈建设中，最关键的一部分，载体之平台建设。

![0][]

思考三个问题：

1、什么是智能投顾？什么是智能保顾？

2、当前大热的智能投顾真的智能吗？智能保顾呢？

3、有没有企业可以真正做大智能投顾保顾？

![1][1 1]

以下是正文：

接上篇：[服务核心所需的能力规划V1.0：懂我的保险管家 | 保险公司互联网平台建设系列（九）][V1.0_ _]，每一个版本的演化都离不开横向支撑体系的场景创新和纵向深度拓展体系的场景创新。

# 00 #

**综述**

在V1.0版本，我们会集中分享五个典型的场景，横向为创新型金融产品“续期宝” 、创新型增值服务“在线智能问诊”两个非常经典的场景；纵深方面，会集中分享创新型服务“智能分发”、创新型服务“场景智能串接”和智保险需求的能分析（本篇）三个场景。场景的分享无法穷尽，更无法解决所有企业所有的问题，仅做引子。下图为创新型分享的基本线路图。

![2][]

我们平台的定位是“懂我的保险管家”，既然是懂我，怎么能没有保险需求的智能分析，这一篇，就是关于智能保险顾问的一些尝试。在正式开始之前，必须了解两个概念：智能投顾、智能保顾。虽然我们是讲保险顾问，但是理解清楚投资顾问，对应的保险顾问也就基本清楚了。

智能投顾：即所谓的机器人理财，是虚拟机器人基于客户自身理财需求，通过算法和产品来完成以往人工提供的理财顾问服务。

智能保顾：即所谓的机器人推荐保险，是基于客户自身的保险需要，通过算法和产品来完成保险顾问的服务，这个服务以往是人来实现的。

之所以把这两个放在一起讲，是因为本质上是一个东西。

正文分为上下篇，上篇包括“智能投顾”这个投资顾问到底智能吗、马格维茨的投资组合理论、国内的智能保险顾问与用户在既有服务中存在转化障碍、智能保顾能够为用户带来的价值、存在的问题、能取代代理人吗六部分；下篇包括怎么做、应用方向和发展方向三个方面。

# 01 #

**“智能投顾”这个投资顾问到底智能吗？**

从 AlphaGo 开始，人工智能就成了最时髦的名词，很多机构都说自己要为客户提供智能投顾业务，然后打着智能投顾的名头来募资，智能投顾这个名词听上去非常地时髦。

智能投顾是根据大数据来对每个客户进行动态的风险测评，然后再根据每个客户的风险偏好推荐最合身的证券投资组合。其实这背后的金融理论一点也不科幻，一点也不尖端，这就是1952年马格维茨提出的投资组合理论（Portfolio Theory），马格维茨凭这个理论在1990年拿了诺贝尔奖。

这个理论其实说的就是如何根据每个人的风险偏好，在千万个证券里面计算出你的最优投资组合。看上去，现在我们个人的数据沉淀这么多，大数据的计算能力这么强，这个模式在理论上好像是可以成立的。但是你要考虑到，这对金融服务机构有非常高的要求。

首先得拥有海量的个人实时数据。即优质数据。

其次，企业要拥有极强的大数据分析能力。即切实可行的算法。

最后，还必须有大量的像行为金融学、心理学、计算机编程方面的高级的专业人士。

现在放眼市场上，有几个机构能够做到？像腾讯、阿里、平安等少数几家超级企业，可能具备这个潜质，但是仍然需要很长很长的时间去挖掘数据，理解人性，修正模型。其实就算这几家企业真正地能做到智能投顾，还路漫漫其修远兮。

至于绝大部分号称智能投顾的公司，完全不具备以上条件。都想不出他们能拿出什么智能，又怎么做你的投资顾问。所以，我觉得智能投顾现在很大程度上还停留在一个噱头的阶段。

另外一个特别容易掉进去的坑是很多人把机器人选股和智能投顾给混淆起来。其实机器人选股根本就不属于智能投顾这个范畴里面，它属于我们金融里的量化交易。

而量化交易策略，其实是随时需要跟踪调试的。目前完全的机器化、程序化的效果并不好。比如大家最津津乐道的，美国市场中首支应用人工智能选股的基金“阿尔法狗”——AIEQ，就在2017年10月的时候，在上市的一个月之内，大幅地跑输了标普500指数，也就是美国的大盘指数。

更重要的是，如果这个事放到中国市场靠不靠谱？中国市场变化快，规律不稳定，小概率事件时常发生，这种脱离了人工监测的机器人选股，风险是极其大的。远的不说，就说今年以来的金融严监管，几乎所有的量化策略都失灵了，尤其是最近两个季度，很多量化基金的绝对收益在1%到2%之间，比你的银行存款都要低得多。所以说，很多机构说的什么智能投顾、机器人选股，很多时候就是营销的噱头。希望你对这智能投顾和机器人选股这两个概念要有一个清醒的认识。

# 02 #

**马格维茨的投资组合理论**

提到智能投顾，就不得不说马格维茨的投资组合理论。美国经济学家马考维茨(Markowitz)1952年首次提出投资组合理论（Portfolio Theory)，并进行了系统、深入和卓有成效的研究，他因此获得了诺贝尔经济学奖。该理论包含两个重要内容：均值-方差分析方法和投资组合有效边界模型。在发达的证券市场中，马科维茨投资组合理论早已在实践中被证明是行之有效的，并且被广泛应用于组合选择和资产配置。但是，我国的证券理论界和实务界对于该理论是否适合于我国股票市场一直存有较大争议。

从狭义的角度来说，投资组合是规定了投资比例的一揽子有价证券，当然，单只证券也可以当作特殊的投资组合。人们进行投资，本质上是在不确定性的收益和风险中进行选择。投资组合理论用均值-方差来刻画这两个关键因素。

所谓**均值**，是指投资组合的期望收益率，它是单只证券的期望收益率的加权平均，权重为相应的投资比例。当然，股票的收益包括分红派息和资本增值两部分。所谓**方差**，是指投资组合的收益率的方差。我们把收益率的标准差称为波动率，它刻画了投资组合的风险。人们在证券投资决策中应该怎样选择收益和风险的组合呢？这正是投资组合理论研究的中心问题。投资组合理论研究“理性投资者”如何选择优化投资组合。所谓理性投资者，是指这样的投资者：他们在给定期望风险水平下对期望收益进行最大化，或者在给定期望收益水平下对期望风险进行最小化。

因此把上述优化投资组合在以波动率为横坐标，收益率为纵坐标的二维平面中描绘出来，形成一条曲线。这条曲线上有一个点，其波动率最低，称之为最小方差点（英文缩写是MVP）。这条曲线在最小方差点以上的部分就是著名的（马格维茨）投资组合有效边界，对应的投资组合称为有效投资组合。投资组合有效边界一条单调递增的凸曲线。如果投资范围中不包含无风险资产（无风险资产的波动率为零），曲线AMB是一条典型的有效边界。A点对应于投资范围中收益率最高的证券。

如果在投资范围中加入无风险资产，那么投资组合有效边界是曲线AMC。C点表示无风险资产，线段CM是曲线AMB的切线，M是切点。M点对应的投资组合被称为“市场组合”。如果市场允许卖空，那么AMB是二次曲线；如果限制卖空，那么AMB是分段二次曲线。在实际应用中，限制卖空的投资组合有效边界要比允许卖空的情形复杂得多，计算量也要大得多。

在波动率－收益率二维平面上，任意一个投资组合要么落在有效边界上，要么处于有效边界之下。因此，有效边界包含了全部（帕雷托）最优投资组合，理性投资者只需在有效边界上选择投资组合。

马克维茨投资组合理论的基本假设为：(1)投资者是风险规避的，追求期望效用最大化；(2)投资者根据收益率的期望值与方差来选择投资组合；(3)所有投资者处于同一单期投资期。马克维茨提出了以期望收益及其方差(E，δ2)（注：2代表平方）确定有效投资组合。

不知道你看出来没有，这套模型存在至少四个问题。当证券的数量较多时，基本输入所要求的估计量非常大；数据误差带来的解的不可靠性；输人数据的微小改变会导致资产权重的很大变化从而导致解的不稳定性；重新配置的高成本。实际情况是什么呢？市场是极其不理性的，特别是中国的市场，同时由于缺乏人、政治等大量的起到决定性左右的数据，从目前在中国市场的应用来看，基本是无效的。

# 03 #

**国内的智能保险顾问，与用户在既有服务中存在转化障碍**

过去的2017年堪称是智能保顾的元年。各种保保们精灵们层出不穷，市场上出现的智能保顾除了保险需求分析，还可以自主为用户提供风险评测、保险知识问答、保险产品对比和推荐等服务等等。但是，真正体验过的用户就会发现，目前市场上的几款所谓“智能保顾”功能不够齐全，尚未真正实现“智能”，而且能客观公正代表用户需求的并不多。

**1、国内概况**

目前市场是知名度比较高的智能保顾包括众安精灵、太保阿尔法、微信风险评测、车车科技的阿保保险等，其中众安精灵是2018年五月份最新发布的，太保阿尔法去年发布时层轰动一时，获取440万的流量0转化，蚂蚁慧小保现在已经淡出，微信只做风险评估等等。从市场大热到目前一片寂静，不禁让人唏嘘。

**2、兴起之因**

智能保顾之所以能在保险圈兴起，根源在于用户需求，保险公司服务效率跟不上，加之近年全球保险市场上有高达7成的用户对既有保险服务感到不满，究其原因无外乎：对保险公司的不信任，根据EY会计事务所的调查，用户对于保险业的信赖程度持续降低，2014年已经低于银行、汽车经销商、电商以及超市。其二是来自于互联网普及促使用户行为改变，现今的用户对于保险服务的期待是简单、便利而且快速的，根据AXA针对千禧世代所做的调查，有34%希望通过在线渠道与保险公司互动，有8%不希望与保险公司有任何接触。事实上这样的变化也不再局限于年轻族群，E\*Trade近期的报告显示，25-34、35-54以及55岁以上三个年龄层当中，愿意一定程度使用自动化或是在线工具获取投保建议者皆占多数。

**3、转化之碍**

根据倍比拓咨询在项目中所做的调研，既有的保险服务可分成四大阶段，各环节都存在用户无法被顺利转化的障碍，我们将用户心理障碍和智能投顾的价值，投放到简单的消费决策流程模型中（消费者购买决策，是一个系统的决策活动过程，包括从问题的认知，从而进行需求的确定、购买动机的形成、购买方案的抉择和实施、购后评价等环节，后面会有详细的篇章进行介绍），可以清晰的看到：

![3][]

3.1 需求触发阶段：国内用户风险及保险意识淡薄

受制于过去经济体制、思想及生活方式等影响，国内用户的风险意识淡薄，若非遭遇意外或是人生状态变化，几乎不会自主产生投保动机，多数仍倾向依赖政府、家人或民间互助等传统方法分散风险，甚至存在侥幸心理，未做任何防范措施。

3.2 初步筛选阶段：想买却不会买的困境

有鉴于保险产品种类多、同构型高且内容复杂，用户即便产生风险意识，也经常因为缺乏保险知识，在筛选阶段产生两大障碍，其一是自我需求不明确，不清楚哪种风险对自己影响最大，其二是面对品牌众多且保障内容不尽相同的产品，不知道如何决定最符合自身当前需求的保险方案。

3.3 深入理解阶段：缺乏可信任的专家

当用户产生短名单后，通常会到网点或打电话做深入了解，然而，传统的保险公司以销售为导向，销售顾问比起用户需求更在意业绩，经常从对自身有利的角度出发推荐产品，长期下来用户对于销售顾问产生怀疑及不信任，在这样的情况下自然很难做出最终购买决策。

3.4售后服务阶段：保障不完善的问题

根据保监会公布数字，至2014年为止中国人均保障保单不足0.5份，与发达国家人均5份以上相比远远不足，可见国内保户多数未有完整的保障，我们发现导致此结果的原因是多数用户不清楚保障是否足够，想了解又怕被销售顾问推销，而在申办后趋向消极。

# 04 #

**智能保顾能够为用户带来的价值**

洞察各阶段的转化障碍后，智能保顾的价值在国内市场可以体现于保险流程中的初步筛选、深入理解及售后服务阶段：

**1、初步筛选阶段：教育用户**

有鉴于国内用户普遍缺乏风险及保险概念，智能保顾在初步筛选阶段应该被赋予教育的意涵。首先通过个人化的风险分析及预测，帮助用户具象化潜在需求，建立对保险的基础认知，接下来，通过保单建议及优先排序，帮助用户了解最适合当前需要的保险方案以及筛选逻辑，增加用户的信心及判断力，等同于运用科技快速地普及保险概念及相关知识。

但是，同时也要深刻认识到，智能保险顾问教育用户的能力是非常有限的，而往往通过智能保顾进行咨询的人，恰恰是已经多少有所了解的人。

**2、深入理解阶段：弭平用户与保险公司之间的不信任**

有鉴于国内用户对保险公司及销售顾问有一定程度的偏见，咨商相关建议时经常产生疑虑，而降低了投保意愿。智能保顾在此阶段作为辅助工具，可增加销售顾问提供建议时的专业度及可信度，弭平用户与保险公司之间的不信任。

**3、售后阶段：帮助保户完善人生保障**

智能保顾延伸到售后阶段，可以针对已购有保单的人群提供缺口分析。根据既有保单及基本信息的输入，为用户进行未来风险预测及保障完整度评估，分析结果包含缺乏以及多购的险种类型，让用户可以进一步作调整，完善人生的保障。

**4、未来预期：全链路管理用户的保险需要**

如果数据、算法成熟，智能保顾很可能从保险教育到理赔全链路管理用户的保险需要。更重要的是，智能投顾和保顾很可能走到一起，成为智能理财顾问。

# 05 #

**智能保险顾问真的能取代销售人员，长险线下队伍未来十年不会有太大改变**

保险市场，从另外一个维度划分，可以分为长短险。这里的长险产品，除了缴费期间超过1年以外，每年期交保费也不少于1000元。从这个划分角度，你会发现一个有趣的现象：短线互联网化速度快、准、狠且动辄千万级销量。而另一端的长险，在互联网端的表现却极为惨淡，依然靠800万代理人队伍撑起一片天。

美团史上有一个非常重要的发展决策，就是干嘉伟的加入，定调了B端不做互联网广告，不大量补贴，而是招兵买马发展线下队伍，进行全量的地推。现在看这个，从马云那复制了销售经验的干嘉伟，又将此成功的复制到了美团。

回顾寿险头部企业的发展壮大历史，都伴随着销售队伍的增长，很容易看出来，短险销售很像是C端互联网化，长险很像是B端的互联网化，前者好产品、好服务、好运营就会出成绩，也就是互联网所谓的产品、流量、转化率。后者依然要依赖强大的地推团队。

因此，智能保顾中短期是无法取代代理人队伍，反而会更加依赖代理人队伍，成为赋能代理人队伍的应用，才是目前阶段其该有的角色定位。

# 06 #

**存在的问题**

智能投顾和智能保顾目前的发展状况，是受限于整体市场发展环境，近期依然难有突破，主要原因集中在：

1、**数据不足**。当前市场的有效性数据是严重不足的，无论是想车车科技这种小型创业公司，还是像阿里、腾讯这样的大型企业，所拥有的数据，依然无法支撑起智能投顾和智能保顾所需的足够量的数据。

2、**算法不足**。除了拥有数据，企业还要具备强大的大数据分析能力，这里面最为关键的部分就是算法。人类世界的算法，在过去几十年间已经长期停滞不前了。如果谁能创造性的发现、发明一套算法解决当前人工智能领域诸多问题，或将彻底改变世界科技的格局，创造新的巨头。

3、**模型不成熟**。一个人在某个场景下怎么决策，我们首先要将其抽象为一个模型。目前来看，模型的进展也并不顺利。马格维茨的投资组合理论模型距今已经近70年了。想象一下，无论是一个好的算法，还是一套模型，其难度不亚于重新发现宇宙中另一个地球。

4、关键，也是最重要的，**保险产品不够丰富、不够人性化和不够互联网化**。智能保顾终极目标还是保险销售，机器人推荐保险的前提是，保险知识库中有足够的险种可供选择，这些保险可以满足用户个性化、人性化、家庭化的需求。实际上，国内外保险市场的保险服务类别不但不丰富，还相当的单一。就算数据、模型和算法方面都得到的巨大的突破，机器人也将面临着无保险可推荐的尴尬。

另外一个是，传统的保险公司虽然有一定数量的保险备案，但是这些都是停留在传统纸面上的保险，无法进行互联网渠道的展示、销售和后续的保单管理。所有这一切，都急需我们的保险公司提高自身的数字化能力。

# 07 #

**总结：火候未到，路漫漫其修远兮**

**1、当前智能保顾是有一定价值的**

初步筛选阶段被赋予教育的意涵、深入理解阶段可以弥平用户与保险公司之间的不信任、售后阶段可以帮助保户完善人生保障。智能保顾模式的日益发展，使得保险公司可以用科技树立公正、专业形象，同时也将为保险业的数字转型带来机会与创新。

**2、保险需求激增，智能保顾依然在短期内难解用户之需**

保险是复杂的，很多用户都深有同感，尤其是保险条款，看不懂、算不清、猜不透。一个用户从不熟悉保险产品到其购买保险后出险，需要了解的知识、碰到的疑惑会很多，比如已经有社保了，还该不该买商业保险?线上买还是线下买?该买哪家公司的产品等等，当然还有保险理赔，很多人对保险有误解，就是因为理赔时可能会遇到种种“刁难”，觉得理赔条款设置了各种陷阱，自己看也看不懂。

对于用户的保险需求，传统代理人很难站在客观、公正的角度为用户提供服务，因为大部分代理人是销售利益驱动，为了销售而销售，而用户真正需要的是能够从用户利益出发的保险顾问，保险经纪人的身份可以很好地匹配用户的需求，然而传统的保险顾问服务也面临很大挑战：一方面保险的专业性很强，保险产品的种类、数量很多，一个保险顾问很难全面了解市场上大部分产品;另一方面，随着移动互联网的发展，用户对服务的预期也越来越高，用户希望获得的是无时不在的智能保险顾问服务。

**3、代理人依然是保险教育的关键，所以培养高素质代理人群体，依然决定着中短期保险业发展方向。**

**4、智能保顾道路依然漫长，目前看专注做保顾的只有阿尔法。**

上篇完，希望你有所思考。下篇以阿尔法为例，讨论智能保顾的落地和未来。

参考文献：

1、微信公众号“大数据金融杂志”

2、马格维茨投资组合理论

![15][]

[1]: /images/20220214/6b16004ae78c4ddf8f4565e3afd09197.png
[0]: /images/20220214/082690e4a4704a3e84ae3768ab904e9d.png
[1 1]: /images/20220214/ccf99349b2424b36a0c827f93d33e377.png
[V1.0_ _]: https://yq.aliyun.com/articles/695955?spm=a2c4e.11155435.0.0.502a3312TpjIfk
[2]: /images/20220214/980bd8a6b02444ee8ce050feae9e1efc.png
[3]: /images/20220214/f543fed73af14d9c94eca7d83022092c.png
[15]: /images/20220214/ee0349655f5c4f41861fb69786ae6680.png