|
【摘 要】 本文旨在從車險理賠消費者體驗調(diào)研數(shù)據(jù)中，挖掘車險理賠工作的關鍵改進點,，有針對性地提出政策建議,，提高資源利用效率，提升保險消費者保護水平,。本文遵從CRISP-DM數(shù)據(jù)挖掘方法論,，使用因子分析法,，構造了負項均值偏離占比模型，得到了車險理賠消費者體驗三個最迫切的改進點,，分別是：車險理賠咨詢和投訴處理速度,、車險理賠速度、車險理賠查詢,。本文相應提出了改進的政策建議，分別是：理順投訴處理流程,、理賠查詢平臺集中化,、繼續(xù)提高車險理賠速度、持續(xù)進行消費者體驗調(diào)研和問卷優(yōu)化,。本文最后估測了政策建議落實后,，車險理賠消費者體驗的可能提升度水平，并提出了智慧型保險消費者保護的倡議,。 【關鍵詞】 車險理賠,；消費者體驗；數(shù)據(jù)挖掘,；消費者保護 【中圖分類號】 F840.32 一,、問題的提出 隨著中國經(jīng)濟的快速持續(xù)增長，中國保險事業(yè)也迅猛發(fā)展,，車險業(yè)務一直是財產(chǎn)保險公司的主打業(yè)務,，占比一般達到70%以上，甚至有財產(chǎn)保險公司的車險業(yè)務占比達到90%,。車險業(yè)務的經(jīng)營非常依賴于理賠服務,，然而，保險公司長期以來形成了重業(yè)務發(fā)展,、輕理賠服務的經(jīng)營思路,，嚴重影響了車險理賠服務的質量。目前,，人民群眾對保險行業(yè)投訴最多,、意見最集中的領域，就是車險理賠,。近年來,，中國保險監(jiān)督管理委員會致力于提高車險理賠工作透明度，努力提升車險理賠效率,，不斷出臺相關監(jiān)管規(guī)定,，保險行業(yè)的理賠服務有了一定改善，但距離社會認同和車險消費者期望的水平,，還存在不小的差距,。各保險公司,，特別是新興財產(chǎn)保險公司，必須在理賠服務方面形成優(yōu)勢和特色,，才能吸引新客戶,，留住老客戶。因此,，應用科學方法,，研究車險理賠消費者體驗的影響因素，挖掘車險理賠工作的關鍵改進點,，從而有針對性地提出改進對策,，才能有效地提高車險理賠服務水平，提升車險消費者滿意度和忠誠度,，做好車險消費者保護工作,。 本文應用數(shù)據(jù)挖掘技術，專題研究車險理賠消費者體驗,，有四個方面的意義：第一是應用科學方法,，研究車險理賠消費者體驗的影響因素，挖掘車險理賠工作的關鍵改進點,，從而有針對性地提出改進對策,，提高保險公司的資源投入效率；第二是努力提升車險理賠工作效率,，改進車險理賠服務,，提高車險消費者滿意度和忠誠度，改善保險公司形象,，提升保險行業(yè)的聲譽,；第三是發(fā)現(xiàn)并抓住車險理賠難的關鍵制約因素，集中資源加以解決,，做好車險消費者保護工作,；第四是在中國保險運營領域，對數(shù)據(jù)挖掘技術和工具的適用性加以檢驗,，推廣和普及數(shù)據(jù)挖掘技術,，助力中國保險行業(yè)的轉型升級，打造中國保險行業(yè)的長期競爭能力,。 二,、數(shù)據(jù)挖掘研究的過程 數(shù)據(jù)挖掘（Data Mining），是用已驗證的方法論,，從海量數(shù)據(jù)中,，發(fā)掘出可采取行動的內(nèi)在知識，從而改善企業(yè)運營,，提高效率,。數(shù)據(jù)挖掘又稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discovery in Database）,。它是從大量的、有噪聲的,、模糊的和隨機的數(shù)據(jù)中,，提取隱含在其中的、人們事先不知道的,、但又是可信的,、潛在的和有價值的信息和知識的過程[1]。一般統(tǒng)計研究需要研究者的預判,，重視假設檢驗,；而數(shù)據(jù)挖掘鼓勵研究者的探索和新知識的發(fā)現(xiàn)，重視實踐檢驗,。數(shù)據(jù)挖掘在保險行業(yè)，可用于保險客戶細分,、營銷活動響應,、交叉銷售和追加銷售、代理人甄選,、流失預警及客戶挽留,、欺詐監(jiān)測、新險種開發(fā)和車險費率模型化等諸多領域,。保險業(yè)應用數(shù)據(jù)挖掘技術在國際先進國家已有許多成功案例,，但在國內(nèi)保險行業(yè)中，數(shù)據(jù)挖掘應用仍處于啟步階段,。 本文的研究采用跨行業(yè)標準數(shù)據(jù)挖掘方法論CRISP-DM(Cross-industry Standard Process for Data Mining),，它將數(shù)據(jù)挖掘分成六個階段：商業(yè)理解、數(shù)據(jù)理解,、數(shù)據(jù)準備,、建立模型、模型評估和模型發(fā)布,，它強調(diào)的是數(shù)據(jù)挖掘在商業(yè)中的應用,，解決商業(yè)中存在的問題，而不是把數(shù)據(jù)挖掘局限在研究領域[2],。 （一）商業(yè)理解 本數(shù)據(jù)挖掘的業(yè)務目標是：分析消費者在車險理賠過程中,，形成不滿意體驗的影響因素，研究消費者對車險理賠服務水平進行不滿意評價的潛在關鍵點,，從而找到保險公司車險理賠服務目前最迫切的改進點和“理賠難”的瓶頸點,，提出有針對性的車險理賠政策改進建議，爭取高效率地提高車險理賠消費者體驗水平,，提升車險消費者的滿意度和忠誠度,，做好車險消費者保護工作,。 （二）數(shù)據(jù)理解 研究者在某保險公司組織進行了車險消費者體驗調(diào)研，首先進行文獻研究和定性調(diào)研,，通過走訪消費者,，總結了車險消費者體驗的影響因素；再根據(jù)影響因素,，編制調(diào)研問卷,，進行定量調(diào)研。本次數(shù)據(jù)挖掘所需要的車險“客戶理賠體驗研究”,，包含在調(diào)查問卷中（問卷中相關的具體內(nèi)容詳見附錄）,，本文以此作為數(shù)據(jù)挖掘的基礎數(shù)據(jù)。通過對數(shù)據(jù)和問卷問題項的分析和觀察,，問卷問題項之間存在關聯(lián)關系,，所以本次數(shù)據(jù)挖掘初步選用因子分析法。 問卷中的b016項問題,，反映的是消費者對于理賠服務總體的體驗,，根據(jù)該問題消費者回答的數(shù)據(jù)，將該問題項選擇數(shù)值大于4的消費者,，列為“A類：理賠服務體驗良好消費者”（以下簡稱A類消費者）,，該問題項選擇數(shù)值小于4的消費者，列為“B類：理賠服務體驗不良消費者”（以下簡稱B類消費者）,?？紤]到本次數(shù)據(jù)挖掘研究的主要目的是找到車險理賠消費者體驗最迫切的改進點，也就是主要研究其不滿意點,，因此只對B類消費者的數(shù)據(jù)重點進行后續(xù)研究,。 （三）數(shù)據(jù)準備 1、首先進行嘗試性因子分析： 將B類消費者的因素b001至因素b015的問卷數(shù)據(jù)進行嘗試性因子分析,，得到B類消費者的旋轉因子載荷陣表（表1）,。 表1 旋轉因子載荷陣表
2,、然后進行因子推斷： 參照上表,，對不良體驗車險理賠消費者的影響因素推斷如下： 1) F1因素可以理解“理賠人員”體驗 當發(fā)生不良體驗時，消費者對理賠服務有如下體驗：“態(tài)度不積極”,、“服務人員不專業(yè)”,、“對消費者不關心”、“解釋不耐心”,、“對消費者的疑問關注不夠”,、“查勘到場不及時”。針對F1因子,，保險公司宜考慮加強理賠人員的培訓,，在提供理賠服務過程中,，加強對消費者心理方面的安撫，并且積極耐心地向消費者提供相關的理賠服務信息,，提高理賠服務人員的專業(yè)水平,。同時對于因特殊原因不能及時到達事故現(xiàn)場的，應主動向消費者道歉并解釋,，求得消費者諒解,。 2）F2因素可以理解為“理賠便利”體驗 當發(fā)生不良體驗時，消費者對于理賠相關材料提交的便利性,、就近上門的便利性產(chǎn)生了不良感覺,。保險公司宜考慮在資源允許的情況下，適度的提高車險理賠便利性,。 3）F3因素可以理解為“信息充分”體驗 當發(fā)生不良體驗時,，消費者對于保險公司的理賠信息提供不滿意，保險公司宜及時通知消費者理賠相關事項,，或提供多樣的理賠進度查詢,，保證消費者對于理賠服務的進展狀況的了解，使消費者安心,。 4）F4因素可以理解為“溝通速度”體驗 當發(fā)生不良體驗時，消費者對理賠咨詢,、理賠投訴的處理及時性有一定的不良感受,。因此保險公司宜考慮在資源允許的情況下，盡量縮短理賠咨詢,、理賠投訴的處理時間,，提高服務效率，減少不良體驗,。 （一）建立模型 1,、因子分析模型 使用因子分析法，分別得到B類消費者理賠體驗因素的方差分解主成分提取分析表（Total Variance Explained,，表2）和初始因子載荷矩陣（Component Matrix,，表3）。 表2 方差分解主成分提取分析表
從表2看出,，模型累計解釋能力（Cumulative %）達到71.534%,，一般而言，模型的解釋能力超過60%,，就表明調(diào)研量表具有良好的結構效度,，因此B類不良體驗消費者宜作為本次數(shù)據(jù)挖掘的重點對象，所提取四個主成分可以基本代替原來的15個因素變量,。 表3 初始因子載荷陣表（Component Matrix）
參照上面的兩個表,，可以計算四個主成分的影響因素的系數(shù)（以初始因子載荷陣的數(shù)據(jù)除以主成分特征根的平方根）,。得到的四個主成分后，進行加權匯總,，即可得到綜合得分模型如下： YB＝0.152×b001＋0.144×b002＋0.156×b003＋0.197×b004＋0.151×b005＋0.198×b006＋0.148×b007＋0.178×b008＋0.098×b009＋0.196×b010＋0.224×b011＋0.206×b012＋0.235×b013＋0.201×b014＋0.210×b015 綜合得分模型中,，每個影響因素的系數(shù)就是該影響因素對于綜合評分的解釋能力，反映了其重要性,。 2,、均值偏離水平模型 為了度量各影響因素需要進行改進的迫切程度，需要構造均值偏離水平模型,，將各因素的重要程度和消費者滿意度,，兩者其平均水平的歐幾里德距離，作為改進迫切程度的評價標準,，具體公式為： 均值偏離水平＝sign（各影響因素的滿意度－平均滿意度）×sqrt ((各影響因素的滿意度－平均滿意度)^2＋(各影響因素權重－平均權重)^2) 由上式計算,，可得到B類不良體驗消費者均值偏離水平表（表4）。 表4 均值偏離水平表
均值偏離水平為負值的影響因素,，顯示消費者對該影響因素的滿意度低于消費者對所有影響因素的平均滿意度,。均值偏離水平為負值的影響因素共8項，分別用各負項均值偏離水平與所有負項均值偏離水平之和進行比較,，就得到各影響因素的負項均值偏離程度占比,，詳見負項均值偏離水平占比表（表5）。 表5 負項均值偏離占比表
本站是提供個人知識管理的網(wǎng)絡存儲空間,，所有內(nèi)容均由用戶發(fā)布,，不代表本站觀點。請注意甄別內(nèi)容中的聯(lián)系方式,、誘導購買等信息,，謹防詐騙。如發(fā)現(xiàn)有害或侵權內(nèi)容,，請點擊一鍵舉報,。 來自： 毓靈之秀 > 《經(jīng)濟法學》 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
