人均产能提高22%：AI技术赋能下的保险销售与客户经营

据五大上市险企相继发布的2021年年报来看，去年五家险企寿险代理人减少的数量数已经超过了150万人，在人力不断下滑的情况下，各险企的新业务价值也在不断下滑。人口红利逐渐消失，行业转型正处于关键期，险企应该如何应对呢？

保险行业的人海战术遭遇瓶颈，大多数险企都已经达成共识，未来代理人将会逐渐转向“精英策略”，保险业整体则从粗放模式向精细化模式转变，如果各险企想要实现高质量的发展，那么就需要不断地提高保险代理人的素质。

随着社会的发展，科技的进步，人工智能（AI）正潜移默化地渗透到了我们生活之中，为我们带来了诸多便捷。

那么正处于转型关键期的保险业是否能够利用AI技术赋能其保险代理人从而提高保险销售效率呢？

近期我们连线了循环智能保险行业解决方案专家陈思枞，对AI技术如何提高保险销售效率这一话题进行了深度探讨，陈老师在直播中为我们解答了许多关于AI技术相关的问题，同时对于AI的具体应用提出了非常具有建设性的意见，本文的主要内容也来自该场直播。

AI销售科技在保险行业如何创造价值？

针对目前保险业面临的一些问题，AI销售科技落地创造价值的主要流程包括：对话采集、挖掘+建模、分析洞察、实时辅助这四块。

企业与其客户之间主要会产生两种类型的交互数据，一种是用户行为数据，即用户使用企业的应用程序（App）、网站时产生的点击等数据；另一种则是沟通对话数据，即企业的业务人员（保险顾问、客服代表等）与客户通过线上线下各种渠道交流时产生的对话数据。

最近几年，保险企业越来越重视数据生产力，对用户行为数据的采集和应用已经较为普遍，同时也不断加强对沟通对话数据的合规采集和应用。目前，线上渠道，例如电话、在线IM、企业微信等渠道的沟通对话数据基本做到了全面存档，对于线下发生的沟通数据也需要借助便携的物联网设备实现全面覆盖，从而为“数据驱动”的业务增长打造基础。

与用户行为数据不同，沟通对话数据是一种“非结构化”的数据，无法直接被计算机分析和处理，需要通过两种方式，将“非结构化数据”转化成“结构化数据”。

第一种方式是“挖掘”，即发现在销售过程中对成单有促进甚至决定性作用的沟通内容。例如，保险业务专家可以使用挖掘引擎对“客户”表述内容进行挖掘，挖掘在沟通过程中，客户提出的较高频的问题，可以高效定位客户的关键“异议”语义点，形成一个基于语义理解的高频问题清单。

第二种方式是“建模”，通过给对话语句打上“语义标签”，来识别句子的语义或者说句子的话题。例如，生产一个叫做“过度承诺”的语义标签，判断哪些句子涉及到业务人员在介绍产品时，对于产品的特性进行了过度的承诺。根据业务需求，生产了大量的“语义标签”，企业就可以用来分析处理海量的沟通对话内容。

完成对沟通对话数据的挖掘和建模之后，就可以进行全面的数据分析了。循环智能提供了可灵活自定义的全渠道沟通数据分析系统，帮助各层级的管理人员精细化诊断业务问题、洞察一线人员的业务策略执行情况，以及与客户沟通的实际过程，从而不断优化管理流程和营销策略。

针对保险销售不专业、不规范等问题，相较于常规岗前话术培训、素质培训等，培训的整个过程的周期是比较长且内容比较多的，比如车险，其增值服务内容非常复杂，地区差异较大，且变化非常快，如果政策或者产品条款发生变化，那么话术也需要更新并重新进行培训，但通常代理人是很难在短时间内形成有效记忆的。所以在销售过程中，AI技术支持的实时销售辅助工具就十分必要，实时的话术推荐、产品知识推荐等都能很好地增强人的能力。

四个流程清晰明确，但是应该如何判断一套优质的AI解决方案？陈老师表示应该分别从险企和AI供应商两个角度来看：

从险企的角度来看，第一要明确自身的业务目标以及诉求；第二需要根据自身的业务需求找到适合自身核心能力的技术体系；第三来对于供应商的选择，除了产品和技术，还要了解供应商是否真的懂业务，能否为客户提供支持，是否具备端到端的落地经验以及服务能力；第四在采购AI方案时，险企自身也要持续投入及运营的准备。

从AI供应商的角度来看，第一明确AI解决方案是否真正地匹配到客户的痛点；第二要有一套完整的解决方案，从AI技术到产品到内容到持续的运营服务等；第三在交付上能够提供从咨询、项目实施部署、交付上线、售后阶段客户成功保障的端到端服务。

AI助力业务员人均产能提高22%

虽然AI能赋能保险销售，但也有不少从业者对其技术是否能改善销售持怀疑态度，我们以利用AI技术助力业务员人均产能提高22%的循环智能为例，看看它究竟是如何做到的。

陈老师表示，目前对于保险行业电网销场景来讲，最大的问题在于人员流动性大带来的一系列管理难度，以及每天触达大量客戶但是最终转化却不尽如人意，并且每个销售环节都会有大量客戶流失的情况。于是循环智能从大量客戶实践中总结出一个通过AI和数字化手段，实现从目标-策略-衡量-优化的业务闭环。

每家险企的不同团队可能在一定时间内会有不同的业务目标，循环通过这个业务目标拆解形成若干个业务策略，比如针对非⻋险业务增⻓对应的策略，以有效推荐非车险为例，针对该业务目标找到对应的衡量指标，这个指标就是各个非车险的开口率，相应的将非车险开口率的指标配置为语义标签，并上线到系统中，通过会话洞察看板打开沟通黑盒，就能看到不同团队或者每一个员工的具体执行情况，这样就能找到对应的人去制定对应的指标增长策略，相应地找到业务的问题以及制定业务增长策略后，通过强有力的管理手段去持续督导指标通关。

对于一些关键环节的沟通深度，除了“事后”的监督指导，还可以借助AI销售助手，实现实时的、千人千面地个性化辅助和指导。

通过前期针对险企真实沟通数据进行业务挖掘及梳理，结合险企已有的业务积累形成一套完整的知识库体系，配置到实时销售助手工具中，在销售与其客戶真实沟通时，根据客戶提出的问题，自动进行优秀话术推荐；当销售人员介绍某一款产品时，通过主动唤醒的方式，呼出对应产品卖点话术、以及根据沟通内容自动判定当前销售流程节点并进行针对性提示、根据对话内容自动命中用戶画像、涉及到销售人员对于过分追求业绩出现一些夸大事实、过度承诺等实时质检违规提醒等功能。

对于实时销售辅助来讲，需要通过体系化建设来实现真正的专家级赋能，首先循环智能会帮助客戶搭建整体辅助系统的内容及功能体系，并通过一系列数据埋点等方法来查看系统在一线销售中的真实使用轨迹，并通过数据分析等方法找到影响系统在保司内部推广的真正掣肘，来制定对应的提升方式方法，通过实时的专家级辅助体系，赋能一线销售人员，增加沟通深度，将销售动作由推销式营销变成顾问式营销。

其实对于险企来说，电网销场景只是产品及解决方案涉及的场景之一。对于个代赋能，从增员面试、智能陪练提升人员专业能力、展业工具上的AI实时辅助、沟通过程的洞察、线下产说会的合规督导等场景都有应用；对于银保渠道，除了覆盖上述多数赋能场景之外，面临目前政策上的强监管来讲，双录质检也是一个非常重要的场景。

虽然AI在保险业务中的应用十分广泛且有效，但我们还是应该以人为本，各自发挥所⻓，这样才能利用AI，提升自身的业务能力。但目前在实际的应用当中，生产AI模型的成本很高，各险企可以找到既懂AI又懂保险业务的团队进行合作，不断提高销售效率。