银保监会于8月公布的2021年二季度银行业保险业主要监管指标数据显示,2021年上半年全国合计原保险保费收入为27098.89亿元,同比下滑了0.32%。此前的官方数据显示,截至到2020年12月31日,我国保险行业的代理制销售人员数量为842.8万人,相比同年6月30日登记的971.2万人,人数锐减136万人。
与以往顺风顺水的增长相比,行业整体收入与代理人数量的下降,一方面需要对传统增长模式进行反思,另一方面需要寻找“破局点”,通过新模式和新手段实现增长的第二曲线。
历时数月,通过深度交流与问卷填写,调研了四十家国内主要保险机构的管理者……今天,瞻新金融科技研究院、金融新观察与循环智能联合打造的《2021 保险销售与客户经营数字化调研报告》正式出炉,与业内一起分享保险销售与客户经营数字化领域的最新“脉动”。
此次调研报告聚焦保险业销售与客户经营端的数字化发展现状、关键创新历程以及未来发展趋势。通过对国内主要保险机构的管理者进行深度访谈和问卷调研,调研报告指出保险业领先者的销售与客户经营数字化转型,已经进入“AI驱动的数字化运营+人机耦合”的阶段,实现了精细化管理能力的升级和对一线顾问人员的实时赋能,不仅客户体验得到大幅改善,销售合规性得到显著增强,也为业务的高质量增长打下良好基础。
本次调研发现,超过60%以上的人认为保险行业销售与客户经营的四大痛点分别是:接触不到足够多的客户、客户画像(标签)不完善、转化率低以及销售人员业务水平和专业素质不足;与此同时,在销售管理中 84.6% 的保险管理人员认为最大痛点是“对销售中出现的问题发现滞后”,而79.5%的人认为是“对销售过程情况缺乏及时了解”;此外,通过对比现状与未来应用趋势,本次调研还发现“人机对练训练”和“优秀对话挖掘与推荐”是保险机构在科技赋能销售的应用场景中,需求增长最快的两大场景。
瞻新金融科技研究院执行院长、《金融新观察》创始人谌力表示:“随着人口红利逐渐消失、消费者数字化运用水平日益提高以及金融监管部门对保险回归保障功能的政策引导,加速数字化转型,建立高质量发展的优势,成为各大保险企业以及保险中介机构的必然选择。在整个保险价值链中,除了产品端和中后台技术端的创新,销售与客户经营端的创新是保险业数字化转型最有价值的方向之一。”
循环智能联合创始人兼首席运营官(COO)揭发表示:“中国国民人均收入水平的增长为国内人均保险密度的增长留下了很高空间。过去几年,保险行业也在服务模式、营销模式和客户经营上不断推陈出新,不断提升数字化和智能化水平。作为国内保险产品的深度消费者,从自己经历不同形式的保险销售和服务的过程中,我始终觉得消费者选择各类保险机构提供的保障产品和服务,是建立在信任和优质服务的基础上。在这个过程中,人是核心,循环智能就是以提升人的效能和专业能力为目标,我们与保险行业大量客户用领先的AI技术和行业实践赋能大量一线业务人员,让保险的销售和客户经营更加专业化。”
调研报告梳理了中国保险业的销售与客户经营端创新历程,按照时间维度可分为四个主要阶段:1992年前后,个人代理被引入中国保险业,颠覆了传统柜面被动销售的模式;2003年前后,电话销售被引入国内,摆脱了地理位置的限制,业务效率得到提升;2012年前后,依托互联网展开业务的中介平台相继获得保险经纪牌照,基于互联网流量思维与客户展开更频繁的互动,进而开展保险销售与客户经营;2020年前后,多家领先的保险机构开始用 AI 技术介入销售流程,实现精细化管理能力的升级和对一线顾问人员的实时赋能。
与此同时,调研报告对保险销售与客户经营的数字化发展趋势进行了展望,结合行业的前沿实践案例,总结了六大发展趋势:
趋势一:保险代理人借助数字化技术,加速规范化和精英化变革。数字化技术的发展提升了代理人渠道的效率和服务质量,通过代理人展业辅助工具帮助代理人拓展客户和提供更优质的服务成为了行业的一大趋势。利用科技手段把线上化的能力赋予线下业务活动和代理人,同时获得线下业务活动的数据,进而形成持续优化改进的业务闭环。
趋势二:AI 赋能销售管理,打开销售人员与客户沟通对话过程的黑盒。保险顾问与客户每一次沟通的质量,决定了客户的满意度以及最终的转化率。过去,企业只能根据粗放式的指标,例如通话的时长、通话的次数、对话的轮次等进行销售管理和执行力分析。现在,新一代的AI销售科技解决方案,可以将对话过程进行精细化分析,打开销售人员与客户沟通对话过程的黑盒,赋能销售管理。
趋势三:AI 赋能一线销售人员,从产品推销员向专业保险顾问升级。保险顾问人员的专业服务能力,很大一部分体现在,他们对客户需求的挖掘能力和对产品的熟悉程度上。只有这两方面的能力都达到较高水平,才能为客户推荐更符合需求的产品和保障规划。新一代企业服务公司,已经可以结合“语义挖掘”能力和实时辅助工具,通过挖掘优秀顾问人员的最佳实践帮助一线销售人员提升专业性。
趋势四:消费者洞察技术升级,助力保险机构私域流量运营。中大型保险企业的存量客户非常多,但是近八成企业存在“客户画像(标签)不完善”的痛点,导致保险企业对客户的洞察不足。除了从传统的结构化数据中提取客户画像,领先的企业已经开始从对话数据中,基于对话语义提取客户画像标签,从而为企业的私域流量运营提供更有针对性的营销策略,提升转化率。
趋势五:监管趋严,保险机构部署AI质检大幅降低销售合规风险。 过去几年,各大保险企业、保险中介机构纷纷部署了机器质检系统、双录质检系统,以期能够及时发现和纠正销售员与客户沟通过程的不规范之处,降低企业被投诉带来的合规风险。但企业渐渐发现,过去部署的传统机器质检系统效果比较差,仍然会遗漏大量风险。因此,在监管趋严的背景下,全行业纷纷开始向基于对话语义的新一代智能机器质检系统升级。
趋势六:保险机构将更加重视客户体验,提升消费者对保险业的信任度。由于互联网和社交媒体的普及,客户可以轻松获得相关信息,市场主动权开始逐渐向消费者手上转移,保险也将从保险企业“销售产品”变成消费者“购买产品”。现在保险企业会越来越多地被客户拿来与其他行业的最佳客户体验进行比较,因此保险机构更加重视客户体验。
扫码领取调研报告
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。