本刊记者 高曙东

外资保险公司进入中国保险市场已有10个年头了。凭借先进的服务理念和差异化的产品，外资保险公司已逐渐在中国市场站稳脚跟，并不断谋求新的发展。2011年4月，中美大都会人寿与联泰大都会人寿合并更名为中美联泰大都会人寿保险有限公司(以下简称“大都会人寿”)。大都会人寿欲集合美国大都会集团在保险业的丰富经验以及上海联和投资有限公司对中国市场的准确把握两大优势，发力中国市场。

在新的发展时期，大都会人寿开始着手新品牌建设，并不断加强业务创新以及差异化营销。中美联泰大都会人寿保险有限公司助理副总裁杨平中对本刊记者表示，大都会人寿特别成立了专门的多元行销部门。

新的业务发展和营销需求对大都会人寿的IT系统提出了新的要求。杨平中表示，这些要求主要体现在三个方面：一是系统安全，确保业务数据和客户资料的安全性；二是灵活便捷，IT系统能够迅速响应业务需求，支持网络营销，并且易于新技术的开发、应用；三是便于集团内部资源交流与共享，例如业务数据的共享等。

新公司成立后业务量的增长对IT系统提出新的要求，带来了新的挑战。如何借助信息科技推动业务发展成为当务之急，其中，通过数据挖掘助力业务营销成为发展保险业务的重要技术手段之一。杨平中总结了大都会人寿数据挖掘技术应用的四个发展阶段：一是客户资料库的整理，比如借助IT技术查漏补缺；二是建立客户关系管理系统；三是， 利用数据挖掘整合销售策略；四是，实现快速的、无形的、自动化的保险客制化服务。

数据挖掘获得的新信息可与执行信息结合，用于在线分析处理和报表系统，并根据需要发布给保险公司各个业务部门。保险公司决策人员可利用数据挖掘结果解决重要业务问题，“如制定企业战略规划时，我们会提出‘如何提高投资回报率或营销活动收益’等问题，以推动数据挖掘的应用。”

“ 中国保险市场竞争日益激烈，只有真正了解客户的需求才能抢占市场。”对于大都会人寿这样一个以人为本、 以客户为中心、以爱为出发点的外资企业，“了解客户”是其得以在中国市场生存、发展的核心策略。杨平中介绍，引进“客户关系管理系统 (CRM System)”和“数据挖掘技术 (Data Mining Technology)”是大都会人寿实现这一核心策略的重要步骤之一。

客户关系管理主要应用于大都会人寿的保险销售、市场行销和客户服务等领域，通过产品、渠道和客户体验三个途径实现。CRM产生于20世纪90年代后期，并于20012003年受到重视，如今已发展成为一个重要的数据分析工具，甚至成为信息技术推动业务发展的一个重要的策略手段。

“我们将CRM定义为一个整合了人力、流程、技术的平台，基于这个平台创造客户最大价值；同时CRM也集中体现了大都会人寿的市场策略，即全面考虑所有面对客户的机会，通过与客户的紧密沟通提升客户价值，并持续保持有价值客户的忠诚度，进而激发其购买潜力。”

杨平中告诉记者，CRM分为 “操作型(Operational)”和“分析型的(Analytic)”两类，大都会人寿主要采用分析型客户关系管理系统（Analytic CRM System）。操作型客户关系管理采用以客户为中心的记录方式，可以实现与客户的联系沟通，但却不能确定这种沟通方式是否最符合客户需求。对于大都会人寿来说，最为迫切的需求是，明确客户的真实需求。

分析型客户关系管理，也称后台或战略型客户关系管理，强调通过对客户前端行为的分析来判断客户需求。因此，分析型客户关系管理，需要先进的技术收集、处理大量的客户信息以便于分析，并依靠合理的流程优化客户体验，增强客户忠诚度，最终提高公司收益。为了获得理想的分析效果，还需要借助客户管理软件来增强分析容量及分析能力，或与商业信息提供商合作。

杨平中介绍，基于长远发展考虑，大都会人寿2010年底成立了专业团队，致力于实现分析型客户关系管理，计划两年内完成两项主要任务：建立基础框架以及整合营销策略，为客户、合作伙伴及大都会人寿公司自身创造最大价值。

在杨平中看来，CRM是策略、是系统，数据挖掘则是一种态度，或是一门技术，它起步于资料存储，通过对数据的分析得到客户行为模式，并以此支持企业决策及商业活动。为了与客户建立有效的互动关系，必须要知道客户正在做什么、记住客户做过什么、从客户体验中得到经验，依据经验制定有针对性的营销策略，提升客户价值。

合并以来，大都会人寿对营销策略进行了一定的调整，开始从以交易为本向以客户为本转变。对客户的划分也不再拘泥于高、中、低端或一、二、三线城市的方式，而是依据客户需求进行定位，提供更加积极主动的服务。在对数据挖掘系统的利用方面，记录每一次客户（或准客户）接触的沟通情况，将外呼电话销售、在线咨询服务等视为绝佳的客户行为学习机会，同时将现有资料、历史资料、外部资料等进行整合，选取、分类、转换后，融入一个设计好的关联式资料库中，为后续分析工作做好准备。

为了满足中国市场快速发展的需求，大都会人寿采用了重叠并行的方式，一方面利用已有的资料进行数据挖掘；另一方面， 正在选择拥有丰富实施经验的客户管理软件或数据挖掘的供应商，合作建设安全的大都会人寿专属的资料仓储。

杨平中介绍，大都会人寿的数据挖掘有别于传统的“资料探索”方式，而是采用了“不预设立场”的“资料模型 (Data Modeling)”方式。资料模型的建立大致分为以下几个步骤。

①统计描述 (Profiling): 常态性的数值统计，利用简单的方式对客户、商品、流程进行描述，宏观了解所分析的对象，这一步是基础分析，简单却有效。

②分类 (Classification)：是最常用的处理方法之一，例如将分析对象区分为好或不好、买或不买、对于特定市场活动回应或不回应等。

③评估 ( Estimation)：类似于分类的工作，与分类不同的是，分类主要处理离散形态的资料，评估是对连续型资料的分析。例如对于特定客户销售多少保险金额比较适合，对保费进行预估等。

④分群 (Clustering)：又称区隔，即分众，通常是利用多种特性找出一种分类的方式，将客户分成不同的群体，并施以不同的策略，以降低成本或增加成功的机率。

⑤关联 (Association)：关联就是一个事件对于另一事件相关性的分析，在零售业中又称为购物篮分析。一个主要应用就是商品销售顺序分析，例如购买意外保险的人，倾向于再次购买意外保险，而较不愿意购买终身寿险。

⑥预测 (Prediction)：所有的模型都有一个目标，即希望可以探测未来，以便能够事先做好准备。例如预测未来6个月内哪些客户有可能退掉保险，公司则提供主动的服务让客户放弃退保等。

在具体的应用上，上述步骤主要基于回应模型、理赔诈欺探测模型、交叉或向上销售模型以及客户生命价值评价模型实现。目前，大都会人寿主要应用在交叉或向上销售模型上。

当前，很多保险公司已经开始借助专业的数据挖掘软件来分析诸如客户到底需要多少保险、需要什么种类的保险，并根据客户的不同需求为其量身定做保险计划。大都会人寿更是将数据分析作为助推其业务发展的关键点。“数据挖掘在国际上发展不过50年时间，在国内的应用尚待开发。”杨平中表示，和国内本土的保险公司相比，包括大都会人寿在内的外资保险公司一直在追求差异化发展，为客户提供差异化的产品、差异化的营销。这些都需要借助数据挖掘技术来实现。