引言：保险科技落地应用，理想很丰满，然而现实很骨感。虽然目前保险科技在转化为保险生产力的过程中还存在许多困难，但我们仍然应坚信保险科技发展的前景是非常广阔的。同时，坚持以保险为本，科技赋能才是保险科技发展的正道。
复旦大学保险研究所所长徐文虎对保险科技下的定义是：保险科技首先是科技，其次才是保险。它以包括区块链、人工智能、大数据、云计算、物联网等在内的科技为核心，围绕保险的方方面面进行表现，广泛用于产品创新、保险营销和保险公司内部管理等方面，通过创建新的平台，运用新的技术服务保险消费者。
一、保险科技应用成效与预期存在差距
（一）对保险科技应用的预期
根据中国保险行业协会和麦肯锡联合发布的《2017中国互联网保险行业发展报告》：大数据、人工智能、区块链、云计算、物联网、互联网与移动技术、虚拟现实(VR)以及基因诊疗等技术将是未来改变保险行业的八大核心技术。基于这八大核心技术，麦肯锡分析过每项技术在保险行业中的应用机遇（见图1）。
（二）实际应用情况
尽管人们对保险科技应用的期望是很高的。但近年来保险科技往往更多地停留于概念层面，真正落地的较少。对比麦肯锡提出的保险科技将在八大领域大展身手的预判，笔者分析认为，近年来保险科技的落地应用主要集中在互联网保险、大数据与人工智能三个方面。
01.互联网保险
自2014年起，人们开始探索互联网保险，目前已经不乏成功案例。例如众安通过互联网渠道打响了尊享e生这个产品，随后百万医疗就逐渐成为了很多年轻人的第一份保险。再如轻松筹、水滴筹等通过筹款、互助的模式，打开了下沉市场的保险大门，为更多人提供保障。即使通过互联网流量平台通过赠险获客，也与多年前的传统保险做法大不一样。而且，互联网保险公司发展迅速，众安在线2019中期业绩报告显示，该公司于今年上半年首次实现整体盈利。这也是互联网保险发展史上的一大里程碑。
02.大数据与人工智能
二保险科技应用成效与预期存在差距
（一）多数保险科技的应用仍停留于概念
（二）已落地保险科技在应用过程中面临诸多问题
即便是那些已取得一定进展的保险科技，如互联网保险、大数据与人工智能等，在落地过程中仍然面临诸多问题。目前，仅有屈指可数的几家保险公司能从中盈利。下面通过几个案例来说明保险科技落地遇到的典型问题。
01.互联网保险获客效率越来越低
目前，互联网流量平台赠险转化模式的运行已难以为继。由于产能日益低下，某寿险公司已砍掉了70%左右的赠险渠道、互联网垂直平台，并与另外几个渠道合作，直接在平台上投放产品介绍，锁定有兴趣的客户，再由电销跟进。试点几个月后，依然发现所获取的客户数量大大低于预期，并造成了成本不可控制、电销人员闲置等问题。
02.大数据产品打造过程中保险公司与数据公司配合不够
某产险公司有意运用大数据技术为自己的客户进行360度画像，并打上保险倾向分，以便更好地挖掘用户价值。他们将试点模式定为：在车险续保时让电销坐席搭售健康险或意外险。数据部门牵头引入了三方数据及健康险和意外险的购买倾向模型，并告诉电销坐席倾向分越高代表越需要去搭售。但实际使用的效果不理想，客户转化率极低，严重打击了坐席销售的积极性。事后复盘发现，由于该产险公司无法向第三方大数据公司提供以往足够的健康险、意外险成交、未成交数据样本，导致大数据公司只能用其他保险公司的样本数据来训练倾向模型，造成该模型与这家产险公司的实际客户数据不符，并最终导致模型的销售倾向预测准确率极低。
03.客户对简单的人工智能应用接受度低
在上面的3个例子可以看出，每家保险公司一开始都有着很高的期望，而实际效果却不尽如人意。
三、对保险科技落地应用的几点建议
（一）几个保险科技应用的成功案例
01.互联网保险获客
02.大数据模型筛选
同样是健康险购买倾向分模型，某财险公司和一家大数据公司合作，保险公司把正负样本提供给大数据公司，并指定业务和数据人员与大数据公司联合建模。在标签的筛选上，除大数据公司已有的标签外，保险公司基于自己对业务的理解，从上至下指定了一些可能需要的标签，由大数据公司从底层数据直接加工。事实证明，这些通过业务逻辑判断出来的标签在模型中都是非常有用的。另外，保险公司在话术上也花了很大的功夫，通过一步步引导客户来挖掘需求。因为他们知道，保险和一般的消费品不一样，大都数人并不觉得是一个必需品，销售链路特别长。同时，数据本身并不能直接识别出哪些人就有购买的需求，它只能识别出哪些人群有可能被一点点转化，哪些人群会非常困难。所以，怎么去引导那些可能被转化的人群，是在有了一个好的模型后保险公司需要去做的事情。
03.人工智能保险顾问
人工智能保险顾问技术，在用于向那些对保险感兴趣的客户推荐产品时的效果比较理想。一些保险公司的智能保险顾问产品已被投放到多个流量平台，取得了不俗的效果。对保险有兴趣的用户通过回答几个简单的问题，AI就可初步为其定制出所需要的保险。如果需要更详细的咨询服务，后续还可由保险公司人员提供跟进服务。数据证明，通过智能保险顾问获取的用户，后期转化的用户数约3至4倍于普通赠险获取的用户数。
（二）对保险科技应用的几点建议
从上述的案例分析中不难发现，要利用好保险科技有很多关键因素。在此，笔者提出如下几点：
01.做好保险场景与技术的匹配
提到保险科技，大家往往会觉得可做的事很多。然而，可投入的资源总是有限的，因此必须找准最能见效果的领域进行重点发力。这就要求决策者必须对保险业务场景有深入理解，同时还要有能力去选取最为匹配的保险科技，以使最终确定具体的应用方式。如前所述，在目前阶段的AI可能更适用于智能保险顾问，而不是同质化产品的销售。
02.保险是本，科技为辅
不能因对科技的过度依赖，而忘了保险的本质。科技是辅助于保险的，并不占据主导地位。笔者其实并不同意上文提到的“保险科技首先是科技，其次才是保险”的说法。比如前面案例中提到的数据模型不能直接识别出哪些人会购买保险，最多只能识别出哪些人在合适的场景下更有可能被转化。而如何转化，这仍是保险业范畴内的事情。因此，要懂得保险的本质，同时利用科技来赋能，才能实现最佳效果。
03.用符合逻辑的方法运用技术
04.与在某领域具有最佳资质的科技公司长期合作
保险公司都会有自己的局限性，可能在某方面不具备最好的技术能力，也拿不出足够丰富的客户数据和数据标签。因此，保险公司必须与科技公司合作。在选取合作伙伴时，保险公司一开始可以多尝试几家，在尝试之后再适当地选择进行一些深度合作。保险公司需要知道，目前的保险科技还是处于初步发展的阶段，没有完全成熟的产品。只有长期合作不断迭代，才能从中获取最大的价值。
作者：
严涵品：同盾科技保险事业部营销类产品及数据分析团队高级专家陈蕾：同盾科技副总裁，保险事业部总负责人，前麦肯锡全球董事合伙人