AI如何提升保险电网销转化率？行业里有这些新实践

疫情加速了保险业的线上化转型。保险公司通过互联网渠道销售的产品，较以往更丰富。不过，客户可以自助完成购买的产品，以低价险、短期险为主。对于高价值保险产品，虽然最终完成购买时走互联网渠道越来越普遍，但是营销的过程，依然离不开销售人员与客户的沟通、释疑和引导过程。

于是，我们看到，电销流程和网销流程的融合，成为很多保险公司线上化销售的主流形态。与此同时，保险公司对人工智能（AI）技术的运用越来越深入。最近，一些在电网销融合方面走在前列的保险公司，部署了全新的 AI 技术，用于名单的AI意向预测，以及销售人员的实时辅助系统，实现了销售效率和转化率的提升。

为保险公司带来全新AI实践的科技公司是循环智能，他们最近在第十三届中国保险业信息化峰会上做了主题为《AI驱动销售增效与业务增长》的演讲，同时也入选了 ITC+DIA World Tour 保险峰会北京站的企业巡礼环节，作为国内保险科技界企业的代表，面向全球从业者分享了保险科技的新实践。

【循环智能联合创始人&COO揭发在演讲中】

招商信诺、水滴、轻松筹、众安等公司，都是循环智能的签约客户。该公司CEO陈麒聪告诉我们：“在保险销售场景，尤其是在涉及到高客单价且相对复杂的产品销售时，企业依然需要大量依靠真人与真人沟通，而AI在名单意向预测和执行辅助方面的落地实践，让企业看到了显著收益。”

常规的业务流程是，保险公司将名单打包成专案，再分配给联络中心进行沟通。由于名单中客户的意向值是不同的，包含了相对的高意向客户和低意向客户，所以如果可以提前进行辨别和筛选，就可以减少联络中心在低意向线索上浪费的精力，把精力聚焦于相对高意向的客户，提升转化率。

传统的名单意向预测方式，主要是基于用户的行为数据（访问了哪些页面）和属性数据（年龄性别等），当这两种数据不够丰富时，能否直接用沟通对话数据来评分？

保险电网销的场景中，每个成功单背后往往都需要经过不止一次沟通。保险公司与第三方平台合作时，可以在限期内，与在第三方平台上咨询过产品的名单进行二次沟通。

一家人身险公司与循环智能合作，引入了名单意向评分机制。循环智能通过对接企业过往“成功单的首通电话内容”、“非成功单的首通电话内容”，分别作为模型的正例和负例，训练了基于首通对话内容的 7 天内成单预测模型。通过该模型，这家寿险公司对于所有名单，进行了成单率的预测和排序。

 在后续沟通时，企业根据预测结果，调整销售跟进策略：优先跟进成单率较高的名单；对于成单率低的名单，可以花较少的精力，甚至如果精力不够，可以直接放弃。

对于保险公司自营平台的名单，在进行翻打沟通时，同样可以借助算法模型，基于过往的沟通记录，对成单结果进行预测。

由于翻打名单的数量通常很大，无法全量覆盖，过去保险公司的做法是根据人工经验，按照地区等条件去筛选名单。循环智能服务的一家人身险公司，引入基于过往沟通数据训练的AI算法模型之后，可以通过算法模型筛选其中的高意向名单。

他们多次对比测试了，基于AI的名单筛选方案和传统人工策略的方式，从最终成单的转化率来看，新的AI名单优选方式转化率可以达到传统人工筛选的2~3倍，AI优选名单的平均通时也可以达到人工策略筛选的 1.6 倍左右。

很多人感到好奇，AI模型对成单率的判断为什么会比人更准？主要原因在于，AI模型学习到了所有成单对话的特征，而人只听过少量的成单对话内容，对于“弱信号”的判断有局限性。

有时候，保险公司会遇到这样的情况，针对一批特定的名单，无法确定他们可能会对哪个进阶产品更有需求（例如：重疾险vs医疗险），所以只能让销售员各自根据经验进行判断。

循环智能与一家寿险企业合作，从保单数据中交叉分析销售结果（保险产品）与客户画像（年龄、职业等大量特征字段）的关联性，而且结合过往的沟通内容进行综合建模，得到保险产品与客户匹配模型。

这家寿险公司通过该模型，为一批名单中的每个潜在客户匹配了更感兴趣的产品。经过测试，通过AI模型为名单客户匹配的产品，相比传统人工经验进行匹配的产品，转化率可以提升 2~3 倍。

中国有800多万保险代理人（营销员），他们各自维护着一批客户名单，当他们任职的企业推出新的保险产品，他们会向自己的客户进行营销宣传，例如在微信上转发产品介绍网页给潜在客户。

保险代理人的水平差异很大，其中初级的、刚入门的代理人占了很大比例，他们并不能很好地判断，新推出的产品更适合哪些潜在客户。

循环智能与一家保险公司合作，通过计算已成单的客户的特征（标签）与所购产品之间的关系，建模得出新的产品会更适合哪些特征（标签）的客户，帮助保险代理人筛选更合适的潜在客户名单，集中精力进行沟通，从而提升成单率。

保险销售需要投入大量的人力，但目前来看，保险销售人员的沟通技能和水平提升速度是很慢的，加之这部分人员的流动率通常超过50%，对于如何能够更快提升销售员的业务水平，保险公司缺乏有效的技术手段。

在电网销场景，行业内一致认可的是，如果销售员在沟通中可以更好地解答客户的疑虑和异议点，就可以显著地增加通话的时长，与客户达成交易的可能性就会更大。因此，循环智能首先做的事情，就是与保险企业一起，借助AI对话分析系统，从过往的几十万、上百万通沟通录音或文本中，挖掘最常遇到的客户疑虑和异议点，然后结合最终的沟通结果（是否成单），来判断哪些销售员的应答更有助于最终成单。

接下来，循环智能会帮助企业把这些通常来自优秀销售员的最佳应答实践，配置到一个实时辅助系统中。实时辅助系统负责判断当前的沟通对话过程聊到哪里了，一旦监测到客户问了一个常见异议点，就立即（在半秒钟之内）弹出提醒模块，让销售员可以参考同一场景下的最佳应答实践进行沟通。

我们可以看一个视频Demo演示（扫描二维码即可观看）。

如视频所示，实时辅助系统的核心功能是识别对话聊到了什么场景，然后提供相应场景下的话术提醒。除此之外，实时辅助系统还提供流程导航、客户画像挖掘和质检提醒等功能。据了解，该系统可以通过一行代码的形式嵌入到客户的CRM系统中，以浮窗形式提供辅助。企业管理者可以借助每日推送的报表，了解到每名销售是否在沟通中采用了最佳实践，了解到每个小组的执行力表现。

使用实时辅助系统究竟能起到多大的作用？在循环智能的一家保险客户的对比测试中，初级销售的平均沟通时长和业绩，相比不使用实时辅助系统的情况，可以快速接近中高级销售的水平。

“过去大家普遍认为，人与人的沟通过程是非常个性化和多样化的，所以依赖标准化、结构化数据的AI技术很难带来实际帮助。”循环智能CEO陈麒聪告诉我们，“正是得益于新一代的自然语言处理和深度学习技术的突破，企业才能更准确高效地识别出同一个语义的上百种表达方式，针对海量沟通内容的高效数据挖掘和信息提取才有了可能。”

新技术带来了新的可能性。不过，对于保险公司的管理层而言，部署人工智能技术能带来的业务价值和回报周期往往不可控，所以做决策也会非常谨慎。陈麒聪表示，循环智能的AI方案之所以受到保险客户的欢迎，还有一个很重要的原因就是解决了这个难题——因为与业务结合更紧密，部署AI系统带来的业务价值也变得更容易衡量。企业可以通过对比测试，直接看销售业绩增长了多少，转化率提升了多少。

最近，循环智能公布融资消息，红杉资本中国基金领投了该公司新一轮 1200 万美金的融资，万物资本和金沙江创投跟投。此前循环智能也获得包括真格基金、金沙江创投和靖亚资本在内的投资机构支持。客户的认可和资本的加持是企业发展非常有力的助推器，期待看到这家深耕销售场景的公司带来更多保险科技新实践。（完）