“范式”这个词上一次听到还是在大学的课堂里,再一次听到是在漕河泾科技绿洲——上海敬之网络科技有限公司(以下简称“敬之网络”)联合创始人刘鹏带着“航旅保险的新范式”结束了他的路演。
敬之网络成立于2016年11月,很快便出现在 2017年度上海市科技型中小企业技术创新资金拟立项名单上。紧随其后,今年6月,敬之网络获得1000万元天使轮融资。那么,在如此来势汹汹的大数据时代,敬之网络航旅保险的新范式究竟为何物?
航延险的行业痛点在于定价机制
敬之网络创立之时,敬之网络的创始人翟文君已经在互联网保险行业工作5年,她深刻意识到我国航延险市场发展的痛点。
据悉,保险是围绕纯风险损失概率的定价而发展的,而航班延误属于广义财产险当中的非物质损失形态的无形风险,购买机票以后时间成本对应经济利益损失,如何计算和衡量成为一个难题。传统的商业保险以经典的精算模型来定义产品的边界,其定价和产品服务相对粗放。部分保险公司航延险的经营效果并不理想,综合成本率居高不下,长期处于亏损状态。
但同时我们也可以看到,2011—2016年我国保险公司航延险的保费收入增长近46倍。随着我国航旅出行人群的快速持续上涨,翟文君在看到这一行业痛点的同时,也在思考在航延险领域或许自己能做点什么:改变定价机制?建立与动态风险相一致的风险定价机制?
随后,翟文君找到了同样从事保险行业并有15年资历的朋友,联合两位技术端的前同事,成立了敬之网络。针对这一行业痛点,敬之网络首先着力研发了一款基于航班历史延误数据的模型,并开发了相应的保险大数据支持系统,通过提取影响航班延误最有价值的一些数据源,在航旅大数据应用领域给出了全新的风险定价模型——保险大数据支持系统(以下简称“SEAM系统”)。
SEAM系统是一款基于航班历史延误数据的完整航班延误预测模型,以提取影响航班延误最有价值的数据源,通过机器学习和增强机器学习技术, 建立了非线性特征和时间序列特征等系列特征工程,结合深度学习当中的非线性回归、模式识别及长短期记忆原理,建立了多维度的预测模型。多维数据模型重构了航班延误风险定价机制,实现了动态化的费率厘定和更精准的赔付服务。
刘鹏告诉记者,系统经过深度学习后,30分钟内延误预测率的准确值可以达到95%,比此前行业的准确率提高了5个百分点。
通过大量数据的深度学习,SEAM系统结合用户画像与航延预测模型(包含天气、流量、航空公司、机场、历史延误情况),形成航延险精算模型,对应不同的赔付率,随机筛选出1—3款产品给到用户。
同时,SEAM系统优化了航班延误险、机票退票险产品及服务,提供风控与反欺诈支持,自动核保和即时理赔。按照传统航班延误保险的理赔流程,乘客需要主动报案,提交登机牌、延误证明、银行卡号,大概需要5—20个工作日才能收到赔款。而运用敬之网络的自动赔付引擎,实现了保险公司自动地监测延误实情,乘客无需在航班发生延误时去亲自报案,更不需要提交任何线下资料,飞机落地时,立刻就能收到理赔款。
目前,SEAM系统已支撑上万种航班延误产品,为传统航延险带来全新的发展动力。对此,刘鹏表示,敬之网络所做的是“赋能”于保险公司,让它们拥有全新的定价和风控能力。
未来保险服务:从被动交互变为智能交互
成立不到两年,敬之网络已经与20多家保险公司和银行展开合作,SEAM系统模型在支持保险公司的大数据风控和营销中,通过动态定价和风控模型辅助乘客保险理赔。在银行方面,该模型也支持银行卡权益和航延产品营销。此外,敬之网络还和神州专车展开合作,当航班延误时,乘客可以选择把赔付额换成专车服务,到达后直接乘专车前往目的地。
对此,刘鹏向记者解释:出行是一个动态变化的过程,在各个场景之间,如果将为航旅用户提供服务的主体机构有效连接起来,未来在更多非机票的场景中,或将见到不一样的航班延误险和服务。
大数据在精准营销方面发挥着越来越关键的作用,SEAM系统通过上千维度的数据标签,挖掘出用户深层需求并为其提供差异化服务建立依据,在满足用户不同出行节点的具体服务需求的同时,也为多场景的切换提供了时间窗口,不断提高交易的预测性。让用户的保险服务从被动交互变为智能交互,通过对航旅人群不同服务链的有效连接来实现,改变了传统保险仅在机票销售端的交互场景。
未来,敬之网络将会继续推进与保险公司和银行的合作,利用航延险开辟全新的业务线,连接高频飞行客群的商旅服务,包含班车、酒店、机票等,将以往的现金支付赔偿方式变革为吃、住、行、人文、消费等服务IP,让保险本身成为价值传导机制,成为未来航旅出行人群的全新“行程助手”。