论文部分内容阅读
摘 要：本论文主要以用户的精准画像为基础对车险续保的情况进行了研究，首先建立以车辆指标、驾驶人指标和保单相关的指标体系，每个体系下包含建立更加细化的用户标签，通过分析每一类指标体系对续保概率的影响，得到每一类指标体系中对续保概率影响较明显的标签，并得到新车购置价、车辆种类、车龄、被保险人性别、签单保费以及出险次数6个主要的影响标签;然后将6个标签作为自变量，是否续保作为因变量，利用Logistic回归模型建立两种变量之间的关系方程，通过显著性水平判断出标签的影响程度排序，之后结合驾驶员与销售人员的经验，从分析的六个自变量中提取出车辆走保险次数、驾驶风格和保养频率作为三种驾驶习惯信息，以便进一步帮助车险公司分析车主的投保意向。
关键词：SPPS数据分析;Logistic回归模型;续保概率
1.引言
近年来，随着我国保险行业的稳步发展，财产保险行业也得以快速发展，而车险保费收入在我国整个财险保费收入中占了绝大部分，并且由于汽车行业交易量的增加以及相关政策的出台，车辆的投保率逐步提高[1]。中国目前的车险费率制度，大多数符合“从车主义”。即车险保费多少，主要取决于这辆车本身的各项情况，如车的购置价、座位数、排量、购车年限等，根据这些数据计算出一个基本的车险保费价格，再根据这辆车的上年理赔次数来打不同的折扣[2]。这就导致了中国的车险定价模式非常的单调，相似情况的车型，保费也都差不多[3]。
2.模型的建立和求解
在数据预处理后得到对用户画像的各标签，然后通过分类分析的方法，分别得到在车辆指标、驾驶人指标和保单信息的单一影响下的影响雷达图，从而分门别类清晰直观地把握各标签对续保概率的研究。
（1）车辆指标
在车辆相关的特征变量中新车购置价和车辆的种类对客户是否续保的影响比较明显，大约是0.8左右，而车龄与是否是本地车牌的影响先对而言不是很明显，大约在0.2-0.4之间，如果想要提高续保率，建议公司应该在车辆种类与新车购置价上多做研究。
（2）驾驶人指标
在驾驶人相关的特征变量中被保险人的年龄和性别对客户是否续保的影响比较明显，大约在0.8以上，而客户类别对是否续保的影响相对而言不是很明显，大约在0.4以下，如果想要提高续保率，建议公司应该在被保险人的年龄和性别上多做研究。
（3）与保单相关的指标
在保单相关的特征变量中NCD和签单保费对客户是否续保的影响比较明显，大约在0.8以上，而投保类别和投保渠道对是否续保的影响相对而言较弱但是同样不可忽略，大约在0.7左右，如果想要提高续保率，建议公司应该对保单方面的影响指标进行较全面的分析。
2.3 Logistic回归模型的建立和求解
（1）Logistic模型的建立
在上述分析中，根据已经建立起来的用户精准画像，排除影响较小的不必要因素，从车辆指标、驾驶员指标和保单指标中选取新车购置价、车辆种类、车龄、被保险人性别、签单保费以及出险次数作为影响续保概率的影响变量，以是否续保做为因变量，建立logistic模型进行定性分析，具体算法介绍如下：
令因变量 是二类变量，它只去两个值 或 ，例如本文在研究的某个客户变量对车辆续保的影响问题中，可设因变量 表示续保; 表示不续保。设自变量 为影响保单续保的因素——某客户变量，要求建立 间的回归方程。由于 只能取两个值1或0，当 时对应 的条件数学期望，可用其计算方式：
这里 表示在 时 （客户续保）的概率。
经过研究得出，续保概率与客户的客户属性、续保属性、车辆属性、产品属性、出险特征属性等密切的关系。
（3） 回歸模型的求解：
因为附件中所给的数据存在空缺或者错误等问题，因此先对附件中的数据进行预处理，包括适当的删除、填补等。然后根据上述 模型对续保概率的相关数据进行分析，从而确定出原先选定的新车购置价、车辆种类、车龄、被保险人性别、签单保费以及出险次数六个自变量与因变量之间的关系，为最后三个驾驶习惯指标的确定奠定基础。
根据上述建立的用户精准图像和附件一中进过预处理的数据，通过spss软件，进行 的模型回归分析，并得到如下结果：
结合表1中的数据最终得到回归方程：
从而就可以判断出这 6个因素对续保率影响的主次顺序为：车龄>新车购置价>出险次数>车辆种类>性别>签单保费。
（4）驾驶习惯信息的搜集
根据 模型所得到的结果，在6个影响指标中去提取相关程度较大的驾驶习惯信息，结合多名驾驶人员与销售人员的经验，一方面提取出与续保概率相关性较大的驾驶习惯，另一方面选择被调查人员不忌讳的影响指标，分别确定出一下三个驾驶习惯信息及选取原因，如表2所示：
以上是验证后的三种驾驶习惯信息，分别是车辆走保险次数、驾驶风格、保养品率，而且这三种驾驶习惯信息都不涉及车主较深层次的隐私，在平时简单交流中便可以完成信息的收集，并且在信息收集的过程中并不耽误较长时间，是驾驶习惯信息收集较好的计划方案。
参考文献
[1] 徐铁华. 财产保险公司车商业务续保困境及思考[J]. 纳税，2018（13）：80
[2] 颜康熙. 人保财险厦门分公司车险客户价值挖掘研究[D]. 南华大学，2016
[3] 朱晴，王晶晶. 基于粒子群优化BP神经网络的高校科研管理评估研究[J]. 现代电子技术，2019，42（07）：87-89+94.
关键词：SPPS数据分析;Logistic回归模型;续保概率
1.引言
近年来，随着我国保险行业的稳步发展，财产保险行业也得以快速发展，而车险保费收入在我国整个财险保费收入中占了绝大部分，并且由于汽车行业交易量的增加以及相关政策的出台，车辆的投保率逐步提高[1]。中国目前的车险费率制度，大多数符合“从车主义”。即车险保费多少，主要取决于这辆车本身的各项情况，如车的购置价、座位数、排量、购车年限等，根据这些数据计算出一个基本的车险保费价格，再根据这辆车的上年理赔次数来打不同的折扣[2]。这就导致了中国的车险定价模式非常的单调，相似情况的车型，保费也都差不多[3]。
2.模型的建立和求解
在数据预处理后得到对用户画像的各标签，然后通过分类分析的方法，分别得到在车辆指标、驾驶人指标和保单信息的单一影响下的影响雷达图，从而分门别类清晰直观地把握各标签对续保概率的研究。
（1）车辆指标
在车辆相关的特征变量中新车购置价和车辆的种类对客户是否续保的影响比较明显，大约是0.8左右，而车龄与是否是本地车牌的影响先对而言不是很明显，大约在0.2-0.4之间，如果想要提高续保率，建议公司应该在车辆种类与新车购置价上多做研究。
（2）驾驶人指标
在驾驶人相关的特征变量中被保险人的年龄和性别对客户是否续保的影响比较明显，大约在0.8以上，而客户类别对是否续保的影响相对而言不是很明显，大约在0.4以下，如果想要提高续保率，建议公司应该在被保险人的年龄和性别上多做研究。
（3）与保单相关的指标
在保单相关的特征变量中NCD和签单保费对客户是否续保的影响比较明显，大约在0.8以上，而投保类别和投保渠道对是否续保的影响相对而言较弱但是同样不可忽略，大约在0.7左右，如果想要提高续保率，建议公司应该对保单方面的影响指标进行较全面的分析。
2.3 Logistic回归模型的建立和求解
（1）Logistic模型的建立
在上述分析中，根据已经建立起来的用户精准画像，排除影响较小的不必要因素，从车辆指标、驾驶员指标和保单指标中选取新车购置价、车辆种类、车龄、被保险人性别、签单保费以及出险次数作为影响续保概率的影响变量，以是否续保做为因变量，建立logistic模型进行定性分析，具体算法介绍如下：
令因变量 是二类变量，它只去两个值 或 ，例如本文在研究的某个客户变量对车辆续保的影响问题中，可设因变量 表示续保; 表示不续保。设自变量 为影响保单续保的因素——某客户变量，要求建立 间的回归方程。由于 只能取两个值1或0，当 时对应 的条件数学期望，可用其计算方式：
这里 表示在 时 （客户续保）的概率。
经过研究得出，续保概率与客户的客户属性、续保属性、车辆属性、产品属性、出险特征属性等密切的关系。
（3） 回歸模型的求解：
因为附件中所给的数据存在空缺或者错误等问题，因此先对附件中的数据进行预处理，包括适当的删除、填补等。然后根据上述 模型对续保概率的相关数据进行分析，从而确定出原先选定的新车购置价、车辆种类、车龄、被保险人性别、签单保费以及出险次数六个自变量与因变量之间的关系，为最后三个驾驶习惯指标的确定奠定基础。
根据上述建立的用户精准图像和附件一中进过预处理的数据，通过spss软件，进行 的模型回归分析，并得到如下结果：
结合表1中的数据最终得到回归方程：
从而就可以判断出这 6个因素对续保率影响的主次顺序为：车龄>新车购置价>出险次数>车辆种类>性别>签单保费。
（4）驾驶习惯信息的搜集
根据 模型所得到的结果，在6个影响指标中去提取相关程度较大的驾驶习惯信息，结合多名驾驶人员与销售人员的经验，一方面提取出与续保概率相关性较大的驾驶习惯，另一方面选择被调查人员不忌讳的影响指标，分别确定出一下三个驾驶习惯信息及选取原因，如表2所示：
以上是验证后的三种驾驶习惯信息，分别是车辆走保险次数、驾驶风格、保养品率，而且这三种驾驶习惯信息都不涉及车主较深层次的隐私，在平时简单交流中便可以完成信息的收集，并且在信息收集的过程中并不耽误较长时间，是驾驶习惯信息收集较好的计划方案。
参考文献
[1] 徐铁华. 财产保险公司车商业务续保困境及思考[J]. 纳税，2018（13）：80
[2] 颜康熙. 人保财险厦门分公司车险客户价值挖掘研究[D]. 南华大学，2016
[3] 朱晴，王晶晶. 基于粒子群优化BP神经网络的高校科研管理评估研究[J]. 现代电子技术，2019，42（07）：87-89+94.