调研发现
●超过60%以上的管理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；
●84.6%的管理人员认为管理销售过程的最大痛点是“对销售中出现的问题发现滞后”，79.5%的管理人认为是“对销售过程情况缺乏及时了解”；
●保险销售数字化场景中，需求增长最快的两大技术应用是“人机对练训练”和“优秀对话挖掘与推荐”。
1
-InsuranceToday-
调研报告背景
近日，循环智能（RecurrentAI）联合瞻新金融科技研究院、金融新观察共同发布了《蓄势增长——保险销售与客户经营数字化调研报告》。该报告通过对国内40家代表性保险机构管理者的调研和深度访谈而得出。调研对象包括23家人身险企业、11家财产险企业、5家保险经纪企业和1家互联网保险企业，覆盖了国内人身险公司保费规模前十位中的80%，财产险公司保费规模前十位中的60%。
这份调研报告聚焦于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。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，通过增强精细化管理能力和增加对一线顾问人员的实时赋能，蓄势业务长期增长。
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。”
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：
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；
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；
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；
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。
2
-InsuranceToday-
保险销售与客户经营数字化的六大发展趋势
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主要采用基于关键词和正则表达式的规则模型，质检效率低，且会遗漏大量风险。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。
3
-InsuranceToday-
实践案例：行业领军者用AI打开沟通过程的黑盒，提高顾问团队管理效率
（内容节选自调研报告“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”部分。）
多家TOP10人身险和财产险企业与循环智能合作，将保险顾问与客户每一次真实沟通过程的对话数据（非结构化）进行转写，然后基于自身的业务策略，快速生产与业务指标相关的所有语义标签，从而对保险顾问与客户的沟通对话内容进行结构化分析洞察，了解员工或团队在沟通中是否合格地执行了业务策略，从而达到人员提效和业务增长的双重目标。
在实践中，保险企业针对沟通对话内容的结构化分析洞察，主要面临着两方面的挑战。
挑战一：由于保险企业内部的各个区部、各个团队采用的业务策略不同，而且每隔一段时间，当更新主销产品时，业务策略也会随之调整，所以在同一个系统中针对数十种业务策略进行“埋点”和个性化看板分析，对产品的灵活度、与业务的适配度具有很高的挑战。
挑战二：针对沟通对话内容进行“埋点”时，需要较强的基于AI语义的内容挖掘能力支撑，才能了解清楚真实沟通中，针对一个话题讲到了哪些核心要点，从而更充分和准确地判断员工或团队在沟通中的执行情况。
例如，某TOP5人身险网电销业务团队，在一段时间内主要负责年金险的讲解和销售，那么就需要提前从真实沟通数据中挖掘与该年金险相关的所有卖点内容，才能实现更充分和准确的语义埋点分析，了解员工或团队对年金险的介绍是否准确到位；另一个团队的核心策略是要抓“托单”的执行情况，就需要提前从海量真实沟通数据中找出所有跟“托单”相关的内容语义（例如是否讲到给家人买），才能实现更充分和准确的语义埋点分析，了解员工或团队在“托单”环节的实际执行表现。
例如，某TOP3财险公司的车险区部经理发现自己所在的城市与同级别的城市相比，业绩落后的原因是“件均保费”低。然后，通过对“件均保费”有关的所有沟通对话过程进行“语义挖掘”和“埋点”，发现很多团队成员在报价时报价的区间偏低（例如，三者险没有报较高的万档次），同时遗漏了增值服务的内容（例如，车上座位险）。所以，该区部经理加强了对团队员工的督导，通过奖惩措施，激励团队成员提升在沟通中的执行力，在两个多月的时间里逐步将“件均保费”提升了30%。而另一个区部的业务策略则是“缩短成单周期”，因此他们也首先需要挖掘与“成单周期”相关的语义点，然后结合业务专家的判断，进行全方位的对话埋点，确保可以更准确地追踪所有与“缩短成单周期”相关的指标执行情况（例如，是否在可以报价之前就让客户
转载请注明：http://www.0431gb208.com/sjsbszl/6873.html
