车星际>新闻中心>正文

车险应用车联网优势:UBI车险案例

作者:车星际

2021-04-15

123

  根据BCG(波士顿咨询)的研究,大数据最重要的“改良效应”发生在五个环节,即:风险评估与定价、交叉销售、客户流失管理、理赔欺诈检测、及理赔预防与缓解。

  分析产品绩效,优化定价体系

  一家澳大利亚保险公司通过分析客户的购物筐数据来预测驾驶风险。分析显示,饮用大量牛奶并食用大量红肉的客户存在较低的驾驶风险,而食用大量意大利面和米饭并在夜间开车和饮酒的客户则是高风险客户。

  美国前进保险公司(Progressive)利用车联网设备,收集驾驶时间、地点、速度、急刹车等驾驶数据,来判断驾驶行为中存在的风险,设计“从用”的个性化UBI车险产品。

  


  防止客户流失

  美国前进保险公司(Progressive Insurance)在进行数据研究分析时发现,理赔周期越短,理赔费用也随之减少。因此,公司投资三千多万美元建设“自动理赔管理系统”,以加速解决客户理赔问题。使用新系统后,不但大大缩短了前进保险公司的理赔周期,使其从保险业平均理赔周期的42天缩短为只需6天,而且显著提高了客户的满意度,客户流失率下降三分之二,续保率达到了90%以上。

  


  欺诈检测

  美国一家汽车保险公司Allstate Corporation通过大数据分析识别出欺诈规律,从而大幅减少欺诈理赔支出。该公司通过大数据整合理赔数据、理赔人数据、网络数据和揭发者数据,将所有理赔请求首先按照已有的欺诈模式自动处理,接下来可疑的理赔请求将被特别调查部门(Special Investigation Unit)人工审阅,经过自动化和人工两个监测过程检测出更多欺诈行为,同时减少了人工工作。大数据成功帮助Allstate将车险诈骗案减少了30%,误报率减少了50%,整个索赔成本降低了2-3%。

  另一家世界著名的数据库LexisNexis则利用理赔、政府数据和犯罪记录监测出大量欺诈行为。该数据库通过关联大量美国保险公司理赔数据、第三方保险公司的历史理赔数据,按照关系匹配官方数据(如婚姻记录)和犯罪记录,自动整合理赔人的犯罪记录及相关人记录,通过算法监测欺诈行为及欺诈网络。通过大数据检测发现,超过20%的理赔请求属于欺诈、重叠或不当,而且存在医疗机构介入汽车保险欺诈网络的情况。

  


  车联网在车险中的应用

  根据车险发展阶段的不同,车险定价模式分为保额定价、车型定价及使用定价(基于使用的保险,UBI,Usage Based Insurance)三类:

  保额定价模式:最为粗放,保险公司根据“新车购置价”设定保费,忽略了“从车”与“从人”的差异性。现阶段,我国车险定价仍停留在此阶段。

  车型定价模式:考虑了“从车”因素,保费计算根据不同车辆的安全状况(出险概率不同)及不同品牌车辆的维修成本差异(“零整比”系数)而定。欧美发达国家普遍采用车型定价模式。

  使用定价模式:考虑了“从用”因素的影响,通过车联网收集驾驶人行为数据,如:行驶里程、时间、区域及驾驶习惯等,建模并分析驾驶行为背后的风险,进而设计保费。主要有三种定价模式:

  使用定价保险(UBI车险,Usage Based Insurance):根据驾驶行为蕴藏的风险进行定价;按驾付费保险(Pay as You Drive Insurance):根据消费者驾驶车辆的里程数进行定价;提供其他服务:如盗窃找回及事故预警、信息服务。

  • 车星际公众号

    车星际公众号

  • 车星际app下载

    车星际app下载

返回顶部