
“互联网+”:为定制化保险植入智能大数据
“爱上跑步,其实是爱上一种新的生活方式”。现如今,跑步的形式越来越多,除了传统马拉松,还有彩色跑、健康跑、夜跑、公益跑……人们不仅在微信朋友圈中不断刷屏,晒跑、晒心情也已成为当今时尚的生活方式。同时,将这种轻时尚类运动纳入保险范畴,跑步“情怀”实际上可以转变为一种经济价值。
近日,国内首家互联网保险公司众安保险携手“小米运动”与“乐动力APP”,推出了国内首款与可穿戴设备、运动大数据相结合的健康管理计划——“步步保”。这款之所以被业界称作最“互联网”的健康险产品,其核心就是体现了智能化,与运动大数据深度融合,在传统健康险性别、年龄两个定价维度的基础上,进一步引入对健康有重要影响的运动数据,不仅以用户的真实运动量作为定价依据,用户的运动步数还可以抵扣保费。
在今年6月底举行的“2015产业互联网大会”上,国家信息化专家咨询委员会委员宁家骏就对“互联网+”有着这样的见解:“‘互联网+’这个‘+’号,并非算术上的加法,而是化学方程式中的‘+’号。对产业来说,应当是重组,颠覆和改造我们传统产业的生产方式、经济模式、产业结构。不是互联网加传统产业,而是传统产业加互联网,这也符合我们当前低投入、中速度、高质量、优结构、新动力的经济新常态、新要求。”
为健身族“定制”保险
“如果你是一位持之以恒的‘跑者’,用你的运动量就可以免费换取一份保额高达20万元的重大疾病险,真正实现‘为健康而跑’的目标。”众安保险相关负责人王敏介绍,这种以运动因子作为实际定价依据的保险服务,使得“步步保”成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。
据记者了解,“步步保”通过与可穿戴设备及运动大数据结合,在合作伙伴小米运动、乐动力APP中开设入口,用户在投保时,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20万元、15万元、10万元),用户历史平均步数越多,推荐保额就越高。比如每天10000步,推荐保额就是15万元。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。
据测算,如果用户在参加健康计划前30天的平均步数达到5000步,则被推荐10万元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的目标,下月结算时就可以多免费1天。
智能化数据让定价“动起来”
通常情况下,传统的健康险都是根据客户的年龄和性别“一刀切”,客户实际生活习惯的调整,对客户费率没有什么影响。即使保险产品定价已经“零利润”低空飞行,但是对于运动习惯好、特别注重健康的人而言,仍然会觉得产品价格偏高。据了解,“步步保”使每个人健康险产品的性价比与其运动习惯完全挂钩,尤其是每天坚持运动的人最高可实现完全免费,真正让性价比“动起来”。
通过与小米运动、乐动力APP合作,这款产品不仅考虑到传统健康险中负责身体素质与疾病的影响关系,更专注于与运动健康挂钩的大数据。所获得的用户数据是动态、实时的,定价也可随之动态调整,相比之下,这一产品设计对拥有运动习惯的用户而言更具有吸引力。
不仅如此,众安保险在保费的定价设计中,还参考了传统健康险的年龄、性别因子,以及考虑到了不同运动步数对保费产生的影响。“目标步数越高,保费相对会越便宜。”在谈及“步步保”产品设计的初衷时,王敏还表示,作为国内首家互联网保险公司,众安保险结合了合作伙伴大数据平台提供的强大运动数据支持,在产品定价及运营中,根据客户不同的运动情况,为其个性化定制保额并动态收取保费。由此而来,用户的运动量能在保额档位和保费缴纳过程中直接体现出来。
交互场景模式移植更多APP
当互联网的能量逐渐从消费领域扩展至生产领域,传统产业遇上的“互联网+”并非简单地相拼相加,而是产业结构甚至发展模式的颠覆和重组。在一场激情四射的化学反应中,外面似乎平静如常,内在却是奔腾不息。
“有人走路的地方,就有是‘步步保’服务的市场。狭义来说,了解并重视通过走路来改善身体健康的人群,是我们的核心客户群。”该产品负责人表示,互联网保险最大的创新核心在于数据化、智能化,实现对客户数据的搜集并基于数据实现因人而异自主定价,让每个客户都体会到较高的性价比。
事实上,保险系列产品的迭代升级,是众安保险的一大特色,比如此前针对淘宝聚划算平台卖家推出的“参聚险”,就是对第一代通用型产品“众乐宝”的升级,“飞常保障”在传统航延险的基础上迭代而来,而“步步保”也遵循着同样的迭代发展轨迹。
“有了小米运动、乐动力app的成功经验,我们希望将这套兼具智能、动态、高频的良好交互成功体验模式移植到更多的运动型APP中去。”谈及今后的目标规划,王敏透露,这是众安保险探索健康险领域的一个先行产品,后续健康类产品都会跳出原有的思维框架,从用户角度出发,定制出贴近生活场景的更多产品。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29