
大数据时代到来 众安保险幸运儿“步步保”3天销售3.6万份
保险业对于可穿戴设备一直抱有极大期待,尤其是在健康险领域,可穿戴设备意味着能够获取客户的身体数据和行为习惯,它是实现精准市场营销、精确风险定价、精细客户服务的基础。近日,国内首家互联网保险公司众安保险,便推出了与可穿戴设备及运动大数据结合的健康管理计划。
“你过去30天平均运动步数为7808步,可免费体验一个月保额10万的重大疾病险。”近日,成都市民罗小姐习惯性的开启小米运动APP查询运动数据时,一个推送的活动引起了她的注意。罗小姐查询发现,被推送的“步步保-运动变现计划”,实则是众安保险首个与可穿戴设备“合体”的健康险产品。
记者调查发现,这个号称“与可穿戴设备及运动大数据结合的健康管理计划”,将以用户运动量作为重大疾病保险的定价依据,同时用户的运动步数还可以抵扣保费。分析人士认为,随着大数据模式在健康险等领域的嵌入,相关市场精准化定价或将随之开启。
可穿戴设备植入健康险
据众安保险介绍,“步步保”通过与可穿戴设备及运动大数据结合,在众安保险的合作伙伴小米运动、乐动力APP中开设入口,用户投保时,系统会根据用户的历史运动情况以及预期目标,推荐不同保额档位的重大疾病保险保障(目前分档为20万、15万、10万),用户历史平均步数越多,推荐保额就越高,最高可换取20万重疾保障。
其中,如果用户利用“步步保”,在参加健康计划前30天的平均步数达到5000步,则被推荐10万保额重大疾病保险保障;在申请加入健康计划后,申请日的次日会作为每月的固定结算日,只要每天运动步数达到设定目标,下月结算时就可以多免费1天。
而保单生效后,用户每天运动的步数越多,下个月需要缴纳的保费就越少。对于这种以运动因子作为实际定价依据的保险服务,众安保险称其为“国内首款与可穿戴设备及运动大数据结合的健康管理计划”,并表示“未来会接入更多可穿戴设备和运动APP,希望能够全网覆盖运动人群,以求产品定价和规模优势的提升。”
记者查询小米运动APP发现,在关注“步步保-运动变现计划”时,提示众安保险需要访问部分数据,包括身高、体重、步数、时长。
事实上,“步步保”并不是国内首款将运动数据与健康险保费挂钩的产品。早在去年,阳光人寿就推出了“阳光星运动健康管理计划”,客户一年运动累计达标超过时间,可免费享受高额重疾险保障,并随即于2014年7月15日正式上线销售。
不过,“移动互联网技术和相应的用户激励机制”,并未能够令该产品如愿受到市场追捧。截止8月24日,阳光人寿的这款产品在其天猫旗舰店仅累计售出151份。相较而言,“步步保”则或更加幸运,据众安保险发布数据,该产品正式推广上线3天的累计客户量已超过3.6万人。
“大数据+”健康险迎新钱景
尽管“步步保”仍有待付费市场的考验。但值得关注的是,通过移动穿戴设备对客户健康数据进行监测,进而参与客户健康管理似乎已成为业内默认的方向。
此前,因为无法时时掌握被保险人的健康状况,无法与医院实现联网系统对接,导致健康险难以做到精准定价、赔付成本亦居高不下。以2014年互联网保险保费为例,寿险、健康险等传统人身保障型险种的占比刚刚过10%。而随着互联网产业的发展,特别是新技术和新模式的出现,为互联网保险的发展提供的良好技术支持和环境保障,健康险市场也被认为或将迎来新“钱”景。
就在日前举行的“2015中国保险业发展年会”上,保监会主席项俊波表示,互联网等新技术、金融跨界经营将对保险业产生深远影响、带来深刻变化。大数据广泛应用,保险经营管理将全面实现精准市场营销、精确风险定价、精细客户服务。而在更多的业内人士看来,互联网保险已经进入3.0阶段,即跨界共创,通过系统化手段实现综合的跨界的共同创新。
在互联网保险公司开发的基于云端的数据系统下,“碎片化”产品在商业上也变得有利可图,一经启动,就可激发巨大潜在市场、获得海量的销售量。“一个基于互联网的同心圆管理模式正在形成,包括医院、社区、家庭多位一体的医疗和健康管理模式,对保险业而言,无论是在医疗和健康管理,还是在长期护理和养老服务方面都有巨大的发展空间。”某险企负责人表示。
虽然在大数据与保险业融合的过程中,依然有不少问题引发争议。但对于用新技术新平台探索重疾险等健康险业务,众安保险认为其风险是可控的。
以“步步保”为例,众安保险指出,其并没有降低投保门槛,并通过将保险产品与运动场景相结合,相反吸引大量热爱运动的健康群体,进而降低了出险和理赔概率;同时,通过充分的大数据优势,以云计算来进行分析、预测大量用户及其产生的运动大数据,以释放更多数据的隐藏价值,并参与到理赔和反欺诈的相关工作中。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10