日前，雷鋒網(wǎng)醫(yī)健AI掘金志邀請(qǐng)騰訊微保數(shù)據(jù)智能中心負(fù)責(zé)人李羽，做客雷鋒網(wǎng)公開課，以“保險(xiǎn)科技助力用戶增長(zhǎng)”為題，介紹了互聯(lián)網(wǎng)用戶轉(zhuǎn)化和推薦體系在保險(xiǎn)領(lǐng)域的技術(shù)實(shí)踐。

目前，微保平臺(tái)已經(jīng)服務(wù)上億的微信用戶，自研平臺(tái)也已經(jīng)接入36家保險(xiǎn)公司，處理超過(guò)十億級(jí)別用戶會(huì)話、千億級(jí)別用戶行為。

但微保最開始做保險(xiǎn)推薦和獲客的時(shí)候，也曾經(jīng)歷迷茫試錯(cuò)期。

李羽表示，微保一開始覺(jué)得保險(xiǎn)推薦和其他互聯(lián)網(wǎng)領(lǐng)域情況類似，可以很容易上線獲得收益，但實(shí)際完全不是這么回事。

最開始半年的研發(fā)，微保做了三個(gè)模型版本升級(jí)、15次實(shí)驗(yàn)，但只有一次推薦獲得收益，效果也僅僅只有1%左右。

這種情況下，微保做了大量分析和行業(yè)調(diào)研，才一步步找到保險(xiǎn)和其他領(lǐng)域推薦的不同，其中差異主要包括SKU規(guī)模小、用戶認(rèn)知差、產(chǎn)品復(fù)雜且限制多等等。

為了解決SKU規(guī)模小、產(chǎn)品復(fù)雜的問(wèn)題，微保引入了組合的概念，將原來(lái)單個(gè)保險(xiǎn)產(chǎn)品做成組合，產(chǎn)品形態(tài)上是多個(gè)產(chǎn)品組合融合成一種卡片，再輔助一些推薦理由，逐漸讓用戶產(chǎn)生共鳴，把原來(lái)30個(gè)保險(xiǎn)種類擴(kuò)展成上千個(gè)SKU組合。

針對(duì)用戶認(rèn)知差的問(wèn)題，微保重新定義了問(wèn)題，從端到端建模更改為意愿度推薦模型，在用戶買或不買、點(diǎn)或不點(diǎn)之前，就進(jìn)行用戶認(rèn)知程度識(shí)別，按照認(rèn)知層級(jí)推薦。在認(rèn)知度模型實(shí)驗(yàn)中，這種方法成功對(duì)10%的尾部用戶點(diǎn)擊率造成極大提升。

以下為李羽演講全文內(nèi)容，雷鋒網(wǎng)做了不改變?cè)獾木庉嫞?/strong>

很高興有這個(gè)機(jī)會(huì)跟大家做些交流，也感謝主辦方雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng))。今天我分享的題目是保險(xiǎn)科技助力用戶增長(zhǎng)的實(shí)踐，我叫李羽，是微保數(shù)據(jù)智能中心負(fù)責(zé)人。

微保的出身

首先，介紹一下微保，微保全稱是微民保險(xiǎn)代理有限公司，由騰訊控股。

騰訊這幾年大概投資了幾百家公司，其中絕大多數(shù)都是投資公司，例如美團(tuán)和滴滴，但也有少量控股公司，例如QQ音樂(lè)、閱文集團(tuán)，當(dāng)然微保也是其中之一。微保是在2017年9月，獲批的保險(xiǎn)代理牌照，并在2018年1月正式上線產(chǎn)品。

微保作為騰訊的控股公司，自然也可以獲得很多獨(dú)家資源支持，例如微信錢包九宮格里保險(xiǎn)服務(wù)入口就是騰訊對(duì)微保的重要支持之一。

在微保成立之前，就曾有很多保險(xiǎn)公司希望和騰訊合作，騰訊自身也希望把自己的互聯(lián)網(wǎng)能力和保險(xiǎn)行業(yè)做結(jié)合，但過(guò)去騰訊每個(gè)團(tuán)隊(duì)都有自己的主營(yíng)業(yè)務(wù)，對(duì)于保險(xiǎn)的理解和使用并不那么深刻。

而微保出現(xiàn)之后，基本上就能解決這個(gè)問(wèn)題。微保作為一個(gè)橋梁，一方面可以承載騰訊自身的互聯(lián)網(wǎng)能力，一方面也可以和保險(xiǎn)公司攜手一起為用戶創(chuàng)造價(jià)值。

微保作為騰訊旗下互聯(lián)網(wǎng)保險(xiǎn)服務(wù)平臺(tái)，目標(biāo)就是基于騰訊生態(tài)體系服務(wù)C端用戶和保險(xiǎn)公司。   

我們認(rèn)為科技的發(fā)展有兩種驅(qū)動(dòng)方式，一種是熱點(diǎn)驅(qū)動(dòng)，一種是需求驅(qū)動(dòng)。

熱點(diǎn)驅(qū)動(dòng)類似于為科技而科技，行業(yè)首先會(huì)出現(xiàn)一些比較熱門或比較前沿的技術(shù)，隨后大家開始跟進(jìn)前沿技術(shù)，再往后才是落地場(chǎng)景的思考。

微?？萍汲闪⒌牡谝惶?，就是致力于用科技創(chuàng)造價(jià)值，里面包含幾個(gè)目標(biāo)：

首先，用戶面向誰(shuí)；其次，用戶有哪些需求點(diǎn)，需要怎樣的價(jià)值點(diǎn)；之后，針對(duì)這些價(jià)值點(diǎn)或需求制定解決方案；最后，為解決方案尋找技術(shù)，落地實(shí)施。

這是微保科技服務(wù)C端用戶的數(shù)字地圖。

第一級(jí)是保險(xiǎn)行業(yè)需要解決的問(wèn)題，例如產(chǎn)品好嗎？服務(wù)好嗎？是否安全？

下一級(jí)是具體子問(wèn)題，例如產(chǎn)品是不是一定很貴？保險(xiǎn)這么復(fù)雜，需要購(gòu)買什么樣的產(chǎn)品？后續(xù)需不需要理賠？針對(duì)這些現(xiàn)實(shí)問(wèn)題，微保希望通過(guò)科技層面探索解決方案。

再下一級(jí)是幫助保險(xiǎn)精算師設(shè)計(jì)更有效、更具有性價(jià)比的保險(xiǎn)產(chǎn)品，達(dá)到風(fēng)險(xiǎn)識(shí)別和反欺詐，以及大數(shù)據(jù)精算定價(jià)能力。

這幾個(gè)環(huán)節(jié)的問(wèn)題，都可以通過(guò)科技手段解決。

例如，在復(fù)雜市場(chǎng)里選擇保險(xiǎn)產(chǎn)品？就可以通過(guò)保險(xiǎn)科技幫助用戶更快速、更高效找到適配的保險(xiǎn)產(chǎn)品。

保險(xiǎn)教育層面，也可以通過(guò)搜索引擎推薦、知識(shí)圖譜、智能客服等手段，解決用戶購(gòu)買過(guò)程中關(guān)于核保和核賠的問(wèn)題與困惑。

保險(xiǎn)賠付疑慮層面，也可以通過(guò)保險(xiǎn)科技，讓服務(wù)更直接。微保在這方面已經(jīng)嘗試做智能理賠問(wèn)診、保單管家、一鍵退保等功能。

作為一個(gè)保險(xiǎn)代理平臺(tái)，除了面向C端用戶，微保還面向再保公司，再保公司的述求集中在兩方面，一方面幫保險(xiǎn)公司找到更多優(yōu)質(zhì)用戶，另外一方面幫助驅(qū)動(dòng)用戶增長(zhǎng)，降低風(fēng)險(xiǎn)成本。

在這種情況下，微保打造一些平臺(tái)或中臺(tái)區(qū)域，在to B領(lǐng)域跟保險(xiǎn)公司合作，例如，個(gè)性化的風(fēng)控平臺(tái)、BI平臺(tái)、投放平臺(tái)等。

綜合來(lái)看，微保雖然是一個(gè)互聯(lián)網(wǎng)保險(xiǎn)公司，但很多情況下，都需要對(duì)保險(xiǎn)有足夠的認(rèn)知和理解，才可以利用一些互聯(lián)網(wǎng)、AI技術(shù)幫助C端用戶選擇更好的保險(xiǎn)產(chǎn)品，幫助保險(xiǎn)公司提升人力效率，做到更精細(xì)化的用戶運(yùn)營(yíng)，同時(shí)在這個(gè)過(guò)程中，也需要運(yùn)營(yíng)中臺(tái)、對(duì)話平臺(tái)、AI語(yǔ)音等技術(shù)。

剛才分享的都偏效果和效率，其實(shí)整個(gè)傳統(tǒng)保險(xiǎn)投保流程，以及續(xù)保流程和用戶生命周期管理，都是一個(gè)很漫長(zhǎng)的過(guò)程。

這張圖可以看到，具體實(shí)現(xiàn)非常復(fù)雜，甚至解決方案堆在一起就有幾十個(gè)格子圖。

當(dāng)然，整個(gè)格子圖構(gòu)造核心還是基于騰訊金融云和騰訊公有云等基礎(chǔ)設(shè)施；在騰訊云之上才是微保Paas層；再往上通過(guò)中臺(tái)或平臺(tái)服務(wù)，降低前端業(yè)務(wù)開發(fā)量，提升研發(fā)效率和智能化水平；最頂層則是基于中臺(tái)和平臺(tái)構(gòu)建輕量級(jí)業(yè)務(wù)層，用中臺(tái)能力快速拼裝各種業(yè)務(wù)，支持服務(wù)用戶。

保險(xiǎn)獲客的核心——增長(zhǎng)黑客

接下里，從保險(xiǎn)獲客視角，介紹微保增長(zhǎng)黑客的工作。

首先介紹一下增長(zhǎng)黑客，增長(zhǎng)黑客是一整套體系和方法，近年很多互聯(lián)網(wǎng)公司都在嘗試和研究將增長(zhǎng)黑客應(yīng)用在業(yè)務(wù)增長(zhǎng)層面。

早期嘗試增長(zhǎng)黑客實(shí)踐的案例就是 Facebook，以數(shù)據(jù)為指引的實(shí)驗(yàn)方式，系統(tǒng)性在用戶在生命周期的各個(gè)階段，尋找當(dāng)下最具性價(jià)比的機(jī)會(huì)來(lái)推動(dòng)北極星指標(biāo)（唯一指標(biāo)）提升，也就是注重通過(guò)數(shù)據(jù)和實(shí)驗(yàn)的方式驅(qū)動(dòng)業(yè)務(wù)，發(fā)現(xiàn)業(yè)務(wù)中的增長(zhǎng)點(diǎn)。

具體執(zhí)行層面，需要橫跨市場(chǎng)、產(chǎn)品、工程、設(shè)計(jì)和數(shù)據(jù)等團(tuán)隊(duì)，把所有人聚在一起，為了共同的目標(biāo)做實(shí)驗(yàn)、想方法，并通過(guò)快速迭代的方式達(dá)到目標(biāo)。

我們可以發(fā)現(xiàn)，增長(zhǎng)黑客需要的數(shù)字體系目標(biāo)分為以下幾類：

數(shù)字化，通過(guò)數(shù)據(jù)方式甄別業(yè)務(wù)實(shí)際情況，改進(jìn)策略效果；

實(shí)驗(yàn)化，數(shù)據(jù)比對(duì)、核心數(shù)據(jù)的生成，實(shí)驗(yàn)化都是重要的方法；

精細(xì)化，技術(shù)需要滿足用戶、運(yùn)營(yíng)或產(chǎn)品等不同群體、不同場(chǎng)景和不同策略的精細(xì)化訴求，推薦就是精細(xì)化的一個(gè)重要手段；

平臺(tái)化和中臺(tái)化，這部分主要因?yàn)樵鲩L(zhǎng)技術(shù)體系構(gòu)建和實(shí)現(xiàn)比較困難、保險(xiǎn)業(yè)務(wù)鏈條比較長(zhǎng)；

例如獲客就包括用戶購(gòu)買首單和后續(xù)的加購(gòu)，以及第二年的續(xù)保等等，如果里面每個(gè)鏈條、每個(gè)場(chǎng)景都做增長(zhǎng)和相關(guān)技術(shù)搭建，那最后整個(gè)服務(wù)效率和效果一定差異巨大。所以需要很強(qiáng)的平臺(tái)化或中臺(tái)化設(shè)計(jì)，讓整個(gè)公司健康險(xiǎn)產(chǎn)品服務(wù)鏈條統(tǒng)一。

在整個(gè)實(shí)際實(shí)踐過(guò)程中，還需要注意一些技術(shù)之外的問(wèn)題，例如因?yàn)槊總€(gè)業(yè)務(wù)團(tuán)隊(duì)對(duì)增長(zhǎng)黑客的理解不同，大家對(duì)增長(zhǎng)的方法論也不是特別熟悉，就需要在磨合過(guò)程中，增加一些機(jī)制來(lái)填補(bǔ)業(yè)務(wù)方和增長(zhǎng)技術(shù)之間的空隙。

這是增長(zhǎng)黑客的技術(shù)體系，主要包含三個(gè)層面：

底層是數(shù)據(jù)中臺(tái)，主要提供基礎(chǔ)和應(yīng)用能力，包括可視化和多元分析，以及算法和畫像能力。

往上是增長(zhǎng)平臺(tái)，可以圍繞增長(zhǎng)數(shù)據(jù)化和實(shí)驗(yàn)化做一些個(gè)性化實(shí)驗(yàn)平臺(tái)、業(yè)務(wù)平臺(tái)，以及運(yùn)營(yíng)平臺(tái)。

最頂層是互聯(lián)網(wǎng)和人工服務(wù)場(chǎng)景，互聯(lián)網(wǎng)場(chǎng)景包括微信場(chǎng)景，運(yùn)營(yíng)場(chǎng)景，廣告投放場(chǎng)景，人工運(yùn)營(yíng)包括售前服務(wù)和售后服務(wù)。

接下來(lái)會(huì)重點(diǎn)介紹三點(diǎn)：保險(xiǎn)領(lǐng)域的個(gè)性化推薦；互聯(lián)網(wǎng)服務(wù)場(chǎng)景的保險(xiǎn)領(lǐng)域個(gè)性化推薦；人工服務(wù)場(chǎng)景和管家智能助手。

前面已經(jīng)提到實(shí)驗(yàn)化是增長(zhǎng)體系重要一環(huán)，通過(guò)實(shí)驗(yàn)平臺(tái)相關(guān)工作就可以理解這些工作開展方式，但前面介紹遺留了一個(gè)問(wèn)題，就是整個(gè)增長(zhǎng)技術(shù)體系和真正業(yè)務(wù)對(duì)接過(guò)程中存在的縫隙。

關(guān)于這個(gè)缺口的彌補(bǔ)，微保在實(shí)踐過(guò)程中采用了BP制度，通過(guò)BP制度深入和業(yè)務(wù)緊密綁定起來(lái)在一起，彌補(bǔ)業(yè)務(wù)和增長(zhǎng)之間的缺口。

BP的工作核心就是把業(yè)務(wù)方提出的目標(biāo)、假設(shè)、需求轉(zhuǎn)換成底層中臺(tái)或平臺(tái)來(lái)承接一些明確技術(shù)需求。

目前，微保內(nèi)部主要有三種BP技術(shù)角色：業(yè)務(wù)分析BP、個(gè)性化BP、系統(tǒng)BP。

業(yè)務(wù)分析BP的核心工作就是發(fā)現(xiàn)和評(píng)估假設(shè)，做專題分析或用戶洞察，跟產(chǎn)品和業(yè)務(wù)方一起討論，要做哪些優(yōu)化和優(yōu)化進(jìn)展。

個(gè)性化BP的核心工作則是把假設(shè)轉(zhuǎn)化為可執(zhí)行的實(shí)驗(yàn)，做具體增長(zhǎng)策略和實(shí)驗(yàn)設(shè)計(jì)，并配置實(shí)驗(yàn)，解讀是否有效。

系統(tǒng)BP則是把前面的分析和實(shí)驗(yàn)或者有效的策略，固化到系統(tǒng)層面和增長(zhǎng)中臺(tái)。最后增長(zhǎng)平臺(tái)就只需要把系統(tǒng)BP的需求轉(zhuǎn)化成平臺(tái)方案設(shè)計(jì)。

右邊這張圖是使用業(yè)務(wù)分析BP舉例說(shuō)明BP的工作流程，每個(gè)大核心的業(yè)務(wù)都會(huì)有一對(duì)一的業(yè)務(wù)分析BP，深入到產(chǎn)品中跟產(chǎn)品一起討論需求或假設(shè)，再把需求和假設(shè)做排期，做相關(guān)開發(fā)，形成結(jié)論反饋到產(chǎn)品層。

健康險(xiǎn)用戶推薦策略

前面大概介紹了微保增長(zhǎng)技術(shù)體系，按照剛才的邏輯將展開三個(gè)點(diǎn)詳細(xì)跟大家交流。

推薦技術(shù)發(fā)展到現(xiàn)在，技術(shù)層面和算法層面都已經(jīng)沒(méi)有特別大的挑戰(zhàn)。

微保一開始也覺(jué)得，很容易就可以做一個(gè)保險(xiǎn)相關(guān)推薦，快速上線拿到收益，但實(shí)際完全不是這么回事。

最開始，我們一共做了三個(gè)模型版本升級(jí)，15次實(shí)驗(yàn)，但只有一次推薦獲得收益，效果大概只有1%左右，整個(gè)過(guò)程經(jīng)歷了半年的時(shí)間。

在這種情況下，微保開始做相關(guān)分析和行業(yè)調(diào)研，半年之后才逐漸找到保險(xiǎn)產(chǎn)品推薦和其他領(lǐng)域推薦的差異。差異主要分為以下幾類：

第一種差異，SKU規(guī)模，電影或資訊領(lǐng)域等其他領(lǐng)域，通常SKU規(guī)模比較大，例如電影領(lǐng)域就有幾十萬(wàn)候選推薦SKU，而保險(xiǎn)領(lǐng)域則少之又少。調(diào)研發(fā)現(xiàn)，保險(xiǎn)行業(yè)在售保險(xiǎn)產(chǎn)品，甚至還不到1000種。而微保奉行的就是嚴(yán)選和定制策略，能上線的產(chǎn)品更少，大約在三十款左右。

第二種差異，產(chǎn)品復(fù)雜度和用戶認(rèn)知。在電影或資訊領(lǐng)域，大家看電影標(biāo)題或簡(jiǎn)介就可以很容易理解其中所講述的故事和含義。而保險(xiǎn)領(lǐng)域，因?yàn)楫a(chǎn)品復(fù)雜度高和存在大量的條款和計(jì)算公式，造成理解保險(xiǎn)的時(shí)候，對(duì)于大多數(shù)用戶都是很難的一件事情。

第三種差異，產(chǎn)品限制。在電影或者資訊領(lǐng)域，不涉及黃色或者反動(dòng)，大部分產(chǎn)品都沒(méi)有太多限制，可以正常做推薦。但保險(xiǎn)領(lǐng)域要求非常多，有很多核保規(guī)則、地域限制，極大約束推薦過(guò)程中的策略生成。

第四種差異，關(guān)注頻率。資訊大家每天都會(huì)關(guān)注，但用戶即使已經(jīng)購(gòu)買保險(xiǎn)，也不會(huì)經(jīng)常去看自己的保單，關(guān)注頻率非常低。

第五種差異，行業(yè)經(jīng)驗(yàn)，電影、資訊、電子產(chǎn)品等行業(yè)都非常成熟，網(wǎng)上資料甚至開源代碼系統(tǒng)都非常多。但保險(xiǎn)領(lǐng)域相對(duì)比較匱乏，微保調(diào)研了很久，也沒(méi)有找到適合行業(yè)解決方案。

這么多復(fù)雜問(wèn)題情況下，意味著不能再遵循過(guò)去的方法和策略，需要提出新的解決方案。

按照增長(zhǎng)黑客的方法論，在找到解決方案之前，我們需要做一些假設(shè)，以及針對(duì)假設(shè)做一些實(shí)驗(yàn)，驗(yàn)證新的增長(zhǎng)思路，假設(shè)和猜想是否正確。

我們做了很多關(guān)于用戶的認(rèn)知分析。用戶首次訪問(wèn)微保之后，前三天付費(fèi)占比只有不到一半，另外一大半的付費(fèi)用戶是在第4天到第365天才成交，把觀察時(shí)間拉到更長(zhǎng)，前三天成交的比例會(huì)進(jìn)一步的下降。

總結(jié)發(fā)現(xiàn)，我們的用戶有一部分可能很快就買保險(xiǎn)，而另一部分可能會(huì)過(guò)了很久才買，這個(gè)分析佐證了用戶認(rèn)知差異的存在：首先，用戶準(zhǔn)備度差異非常大；其次我們的推薦策略優(yōu)化方向，還要考慮用戶準(zhǔn)備度，讓用戶理解產(chǎn)品、記住微保。

在針對(duì)問(wèn)題做了一系列分析后，我們產(chǎn)生了一些實(shí)踐思路或者假設(shè)，那么我們也通過(guò)一系列的實(shí)驗(yàn)來(lái)驗(yàn)證了這些假設(shè)：

第一點(diǎn)，重新定義建模目標(biāo)，此前我們的工作都是端到端建模，把用戶直接扔到模型里面，讓模型自己學(xué)。

現(xiàn)在我們分開看這個(gè)問(wèn)題，在識(shí)別用戶買或不買、點(diǎn)或不點(diǎn)之前，就去識(shí)別用戶認(rèn)知程度，在認(rèn)知程度基礎(chǔ)上決定推薦策略。建好了認(rèn)知度模型后，我們針對(duì)模型打分尾部10%的用戶做了實(shí)驗(yàn)，對(duì)這些用戶不展示產(chǎn)品，而展示一些教育內(nèi)容或者健康活動(dòng)。

最終實(shí)驗(yàn)下來(lái)，我們發(fā)現(xiàn)整體保費(fèi)和轉(zhuǎn)化率并沒(méi)有沒(méi)有影響，而最后10%用戶點(diǎn)擊率又有很大提升，這就證明認(rèn)知度模型可以比較好的識(shí)別出用戶對(duì)保險(xiǎn)的認(rèn)知度。

第二點(diǎn)，嘗試降低產(chǎn)品復(fù)雜度，擴(kuò)展item，引入更多非產(chǎn)品類item。

因?yàn)橛脩舻恼J(rèn)知差異非常大，并不能為所有用戶都推薦高難度的產(chǎn)品，需要循序漸進(jìn)。所以微保就做了贈(zèng)險(xiǎn)、教育類的文章，發(fā)現(xiàn)這比直接給用戶看產(chǎn)品更有效。

為此，微保引入組合的概念，把原來(lái)單個(gè)保險(xiǎn)產(chǎn)品做成組合，在產(chǎn)品形態(tài)上是一個(gè)卡片的形態(tài)，那么單個(gè)產(chǎn)品用戶看起來(lái)沒(méi)有什么感覺(jué)，但多個(gè)產(chǎn)品組合在一起，再輔助一些推薦理由，就可以逐漸讓用戶產(chǎn)生共鳴，在引入卡片之后，還可以極大擴(kuò)展SKU數(shù)量，原來(lái)30款產(chǎn)品，使用卡片組合之后，可以擴(kuò)展成上千個(gè)SKU組合。

第三點(diǎn)，引入推薦理由元素幫助用戶理解，降低推薦產(chǎn)品復(fù)雜度，例如卡片標(biāo)題、產(chǎn)品簡(jiǎn)介、相關(guān)標(biāo)簽。

第四點(diǎn)，降低試錯(cuò)成本。數(shù)據(jù)驅(qū)動(dòng)或?qū)嶒?yàn)驅(qū)動(dòng)本身就非常復(fù)雜，一旦實(shí)驗(yàn)很慢或試測(cè)成本很高，就會(huì)導(dǎo)致難以為繼。

為此微保采取了兩個(gè)舉措，一方面加強(qiáng)人工規(guī)則表達(dá)能力，便于引入更多專家經(jīng)驗(yàn)，其中主要是因?yàn)檎麄€(gè)行業(yè)發(fā)展這么多年，在人和人打交道過(guò)程中需要更多依靠人工去售賣，而保險(xiǎn)專家有更多知識(shí)沉淀，這些知識(shí)可以通過(guò)加強(qiáng)規(guī)則表達(dá)，跟推薦引擎結(jié)合，減少試錯(cuò)成本；

另外一方面，加強(qiáng)實(shí)驗(yàn)系統(tǒng)建設(shè)，微保最開始階段整個(gè)實(shí)驗(yàn)系統(tǒng)都比較笨拙，后續(xù)解決實(shí)驗(yàn)系統(tǒng)跟保險(xiǎn)行業(yè)結(jié)合的問(wèn)題之后，產(chǎn)品時(shí)間并發(fā)度有極大的提升。

舉幾個(gè)推薦實(shí)驗(yàn)實(shí)例，最左側(cè)是一個(gè)健康險(xiǎn)相關(guān)組合卡片，左邊是個(gè)性化重疾卡片，可以看到卡片名介紹，底部有卡片文章相關(guān)的item，item可以根據(jù)用戶畫像做個(gè)性化定制。模型也會(huì)幫助專家選擇卡片名或卡片介紹的組合，這樣卡片上線之后，整體轉(zhuǎn)化率可以提升3.2%。

中間是健康險(xiǎn)相關(guān)的長(zhǎng)期保障卡片，主要實(shí)驗(yàn)就是下面底部文章和信息變化。例如用戶看過(guò)產(chǎn)品，文章就變?yōu)槭裁椿剂酥丶策€需要健康保障。如果已經(jīng)為家人投保，這篇文章就會(huì)變?yōu)椤盀槭裁丛皆鐗蛸I終身重疾越劃算？”

通過(guò)這一系列嘗試，長(zhǎng)期保障卡片對(duì)首頁(yè)保費(fèi)提升率造成很大提升，幫助首頁(yè)產(chǎn)生的保費(fèi)提升了6%左右，終身重疾轉(zhuǎn)化率提升了77%。

右邊是小白用戶的案例，我們找了一些認(rèn)知度低的用戶，首先不給他看產(chǎn)品，只在核心位置給他推薦專屬福利。

最終目標(biāo)客群整體點(diǎn)擊率提升了23%，用戶30天轉(zhuǎn)化率也有大規(guī)模的提升。而我們讓目標(biāo)用戶記住了微保之后，他們的30天轉(zhuǎn)化率提升了10%。

最后介紹微保推薦系統(tǒng)的整體結(jié)構(gòu)圖。底層部分是數(shù)據(jù)能力層，包括外部聯(lián)合數(shù)據(jù)建模專區(qū)；

往上是系統(tǒng)層再往上是個(gè)性化推薦策略體系，我們把這個(gè)體系分為深度場(chǎng)景推薦、多產(chǎn)品推薦以及專家經(jīng)驗(yàn)推薦。

這樣分的本質(zhì)原因在于，微保本身就是做推薦相關(guān)工作的同學(xué)還比較少。但微保需要做的推薦場(chǎng)景卻非常多，就需要有一部分同學(xué)首先服務(wù)好一些核心場(chǎng)景，跟場(chǎng)景相關(guān)的深度推薦，例如首頁(yè)場(chǎng)景、投保成功場(chǎng)景；另外一部分同學(xué)則專注在通用推薦上，更多推薦場(chǎng)景通過(guò)一個(gè)通用算法把它滿足起來(lái)。

很重要的專家推薦場(chǎng)景，則交給專家，把專家知識(shí)引入進(jìn)來(lái)，建立一套體系幫助保險(xiǎn)專家推薦。

人機(jī)輔助智能助手

下一步介紹智能助手怎么輔助提升人工效率和效果，幫助人工做增長(zhǎng)工作。

 

保險(xiǎn)產(chǎn)品的復(fù)雜性，導(dǎo)致了即使是互聯(lián)網(wǎng)保險(xiǎn)平臺(tái)，也需要依賴人工客服來(lái)解決用戶的各種各樣的問(wèn)題，而這些人工客服在互聯(lián)網(wǎng)場(chǎng)景下服務(wù)客戶的時(shí)候，又面臨各種各樣的問(wèn)題。

例如用戶可能想要高效和專業(yè)的靠譜服務(wù)，如果是線下保險(xiǎn)代理人在投保過(guò)程中，可以根據(jù)用戶的語(yǔ)態(tài)、語(yǔ)速、談吐、判斷需求和對(duì)保險(xiǎn)的認(rèn)知程度，并把自己心中之前最好的解決方案給到用戶。但互聯(lián)網(wǎng)保險(xiǎn)往往都是隔空服務(wù)用戶，并不能完整及時(shí)的捕獲用戶的信息。也就很難高效并且合理地給出方案，服務(wù)好用戶。

怎么去解決這些問(wèn)題？

微保是通過(guò)智能助手來(lái)幫助人工客服捕捉用戶意圖，給出回復(fù)建議的。微保的智能助手不是第一天就有一個(gè)完整的能力體系的，也是在具體客服、管家服務(wù)的支撐工作中，逐漸進(jìn)行體系化規(guī)劃，構(gòu)建工具，讓智能助手逐漸可以應(yīng)用在各個(gè)服務(wù)環(huán)節(jié)。

例如接觸用戶環(huán)節(jié)、了解需求環(huán)節(jié)、滿足需求環(huán)節(jié)，數(shù)據(jù)驅(qū)動(dòng)環(huán)節(jié)。再下一步，微保會(huì)把這些環(huán)節(jié)所解決的工具或能力沉淀成智能化解決方案。

首先，在了解需求階段。微保會(huì)把用戶在全站的行為和留下的數(shù)據(jù)做成用戶畫像標(biāo)簽，讓客服更好理解用戶的對(duì)話訴求。

除了用戶畫像標(biāo)簽，微保還根據(jù)用戶進(jìn)線后的一些聊天行為、聊天時(shí)間間距抽取關(guān)鍵信息，判斷用戶形象、對(duì)保險(xiǎn)了解程度，提高補(bǔ)充需求收集效率。

此次，滿足需求階段。微保會(huì)制定一些智能服務(wù)助手或智能核保智能理賠方案，給到人工客服，這樣用戶留下相關(guān)信息之后，就可以對(duì)他的需求做進(jìn)一步洞察，例如發(fā)現(xiàn)用戶服務(wù)過(guò)程中產(chǎn)生的問(wèn)題和機(jī)會(huì)，做產(chǎn)生相應(yīng)的策略指導(dǎo)。

 

這張圖，從上到下發(fā)展展現(xiàn)了微保相關(guān)體系的規(guī)劃，下層有數(shù)據(jù)，往上是基礎(chǔ)技術(shù)，再往上是真正提高人效的場(chǎng)景。

這是具體應(yīng)用場(chǎng)景的截圖。

微保目前累計(jì)已經(jīng)服務(wù)2千萬(wàn)次保險(xiǎn)咨詢，幫助客服人員人均服務(wù)會(huì)話數(shù)提升1.5倍。

在人工智能助手服務(wù)場(chǎng)景，微保目前還處于打基礎(chǔ)、建設(shè)基礎(chǔ)能力的階段，還沒(méi)有完全按照增長(zhǎng)方式運(yùn)作起來(lái)，下一步會(huì)把之前累積的保險(xiǎn)領(lǐng)域增長(zhǎng)實(shí)踐方案跟人工服務(wù)場(chǎng)景結(jié)合起來(lái)，幫助人工服務(wù)場(chǎng)景做到數(shù)字化和實(shí)驗(yàn)化。

最后介紹下微保AB實(shí)驗(yàn)系統(tǒng)。

為什么要實(shí)驗(yàn)驅(qū)動(dòng)，本質(zhì)原因是人會(huì)犯錯(cuò)誤？國(guó)外一篇文章統(tǒng)計(jì)，普通人判斷AB策略好壞的正確率10%~20%，微軟5年經(jīng)驗(yàn)產(chǎn)品經(jīng)理正確率是30%~40%，谷歌產(chǎn)品經(jīng)理正確率在33%左右。如何減小犯錯(cuò)誤的機(jī)會(huì)，就需要通過(guò)實(shí)驗(yàn)驅(qū)動(dòng)的方法。

另外一個(gè)原因是，人去判斷1%的變化，基本上判斷不出來(lái)的，但通過(guò)實(shí)驗(yàn)系統(tǒng)，則比較容易判斷其中的變化。增長(zhǎng)黑客也是非常強(qiáng)調(diào)實(shí)驗(yàn)驅(qū)動(dòng)的。

判斷1%的變化和提升是不是有價(jià)值？如果每天都做1%改進(jìn)，累計(jì)一年就是37倍的提升，但如果每天做負(fù)向1%優(yōu)化，一年下來(lái)指標(biāo)就只剩下原來(lái)0.02了。

這是微保實(shí)驗(yàn)系統(tǒng)框架，包括面向用戶、面向產(chǎn)品經(jīng)理或者是面向數(shù)據(jù)分析師，主要界面是實(shí)驗(yàn)管理平臺(tái)。

實(shí)驗(yàn)管理平臺(tái)后端有兩個(gè)相關(guān)子系統(tǒng)做支撐，一個(gè)是實(shí)驗(yàn)系統(tǒng)后臺(tái)，實(shí)驗(yàn)系統(tǒng)后臺(tái)包括分流、分桶染色邏輯；另外一個(gè)是實(shí)驗(yàn)配置邏輯，比較重要的模塊就是實(shí)驗(yàn)分析。

很多公司可能在實(shí)驗(yàn)分析方面投入比較少，但微保的實(shí)踐過(guò)程中發(fā)現(xiàn)，實(shí)驗(yàn)分析非常重要，因?yàn)槿绻麑?duì)實(shí)驗(yàn)解讀不正確，就可能造成很多無(wú)用功，這種情況下不如去相信人的經(jīng)驗(yàn)。

接下來(lái)會(huì)對(duì)微保增長(zhǎng)黑客實(shí)踐過(guò)程中遇到的一問(wèn)題，進(jìn)行一些回顧。

首先，就是互聯(lián)網(wǎng)保險(xiǎn)領(lǐng)域流量比較小。微保雖然依托騰訊在保險(xiǎn)領(lǐng)域流量已經(jīng)非常大，但跟其它互聯(lián)網(wǎng)產(chǎn)業(yè)比，流量還比較小。

為此，微保主要通過(guò)預(yù)計(jì)算的方式來(lái)分層分桶，保證在實(shí)驗(yàn)效率和實(shí)驗(yàn)效果方面達(dá)到平衡。

其次，保險(xiǎn)業(yè)務(wù)流程比較長(zhǎng)，實(shí)驗(yàn)場(chǎng)景也很多，以推薦為例，已經(jīng)有28個(gè)實(shí)驗(yàn)場(chǎng)景接進(jìn)來(lái)。

早期的時(shí)候每個(gè)場(chǎng)景的上報(bào)數(shù)據(jù)都不一樣，給實(shí)驗(yàn)科學(xué)性和可解讀性造成了巨大障礙，因此在這里強(qiáng)調(diào)，我們埋點(diǎn)的方案一定要體系化，需要有中臺(tái)或者平臺(tái)的視角來(lái)看待埋點(diǎn)。

另外業(yè)務(wù)流程長(zhǎng)，需要我們保證用戶在多個(gè)場(chǎng)景下遇到的實(shí)驗(yàn)策略是一致的。如果再某個(gè)場(chǎng)景下，給用戶說(shuō)A，到另外一個(gè)場(chǎng)景，又給用戶說(shuō)B，就無(wú)法讓用戶形成連貫的體驗(yàn)了。

所以在整個(gè)推薦策略中，用戶染色策略和用戶的實(shí)驗(yàn)策略必須全局化，保證全局統(tǒng)一。

再次，保險(xiǎn)用戶轉(zhuǎn)化周期長(zhǎng)。保險(xiǎn)和其他商品有很大不同，通常需要設(shè)定長(zhǎng)周期實(shí)驗(yàn)指標(biāo)，最初，微保曾把精力放在短周期實(shí)驗(yàn)指標(biāo)上，但用戶成分或行為發(fā)生變化的時(shí)候，短期實(shí)驗(yàn)效果往往就會(huì)發(fā)生嚴(yán)重波動(dòng)。

因此，我們?cè)O(shè)計(jì)了長(zhǎng)周期的實(shí)驗(yàn)觀察指標(biāo)，也考慮了一些短期行為的長(zhǎng)期價(jià)值，幫助我們更好的衡量實(shí)驗(yàn)。

最后，就是要做到實(shí)驗(yàn)結(jié)論科學(xué)可信，要有實(shí)驗(yàn)分析模塊，數(shù)據(jù)出來(lái)后，至少要做假設(shè)檢驗(yàn)。另外在實(shí)驗(yàn)結(jié)論分析時(shí)還要避免辛普森悖論。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。