人均產能提高22%：AI技術賦能下的保險銷售與客戶經營

據五大上市險企相繼發布的2021年年報來看，去年五家險企壽險代理人減少的數量數已經超過了150萬人，在人力不斷下滑的情況下，各險企的新業務價值也在不斷下滑。人口紅利逐漸消失，行業轉型正處于關鍵期，險企應該如何應對呢？

保險行業的人海戰術遭遇瓶頸，大多數險企都已經達成共識，未來代理人將會逐漸轉向“精英策略”，保險業整體則從粗放模式向精細化模式轉變，如果各險企想要實現高質量的發展，那么就需要不斷地提高保險代理人的素質。

隨著社會的發展，科技的進步，人工智能（AI）正潛移默化地滲透到了我們生活之中，為我們帶來了諸多便捷。

那么正處于轉型關鍵期的保險業是否能夠利用AI技術賦能其保險代理人從而提高保險銷售效率呢？

近期我們連線了循環智能保險行業解決方案專家陳思樅，對AI技術如何提高保險銷售效率這一話題進行了深度探討，陳老師在直播中為我們解答了許多關于AI技術相關的問題，同時對于AI的具體應用提出了非常具有建設性的意見，本文的主要內容也來自該場直播。

AI銷售科技在保險行業如何創造價值？

針對目前保險業面臨的一些問題，AI銷售科技落地創造價值的主要流程包括：對話采集、挖掘+建模、分析洞察、實時輔助這四塊。

企業與其客戶之間主要會產生兩種類型的交互數據，一種是用戶行為數據，即用戶使用企業的應用程序（App）、網站時產生的點擊等數據；另一種則是溝通對話數據，即企業的業務人員（保險顧問、客服代表等）與客戶通過線上線下各種渠道交流時產生的對話數據。

最近幾年，保險企業越來越重視數據生產力，對用戶行為數據的采集和應用已經較為普遍，同時也不斷加強對溝通對話數據的合規采集和應用。目前，線上渠道，例如電話、在線IM、企業微信等渠道的溝通對話數據基本做到了全面存檔，對于線下發生的溝通數據也需要借助便攜的物聯網設備實現全面覆蓋，從而為“數據驅動”的業務增長打造基礎。

與用戶行為數據不同，溝通對話數據是一種“非結構化”的數據，無法直接被計算機分析和處理，需要通過兩種方式，將“非結構化數據”轉化成“結構化數據”。

第一種方式是“挖掘”，即發現在銷售過程中對成單有促進甚至決定性作用的溝通內容。例如，保險業務專家可以使用挖掘引擎對“客戶”表述內容進行挖掘，挖掘在溝通過程中，客戶提出的較高頻的問題，可以高效定位客戶的關鍵“異議”語義點，形成一個基于語義理解的高頻問題清單。

第二種方式是“建模”，通過給對話語句打上“語義標簽”，來識別句子的語義或者說句子的話題。例如，生產一個叫做“過度承諾”的語義標簽，判斷哪些句子涉及到業務人員在介紹產品時，對于產品的特性進行了過度的承諾。根據業務需求，生產了大量的“語義標簽”，企業就可以用來分析處理海量的溝通對話內容。

完成對溝通對話數據的挖掘和建模之后，就可以進行全面的數據分析了。循環智能提供了可靈活自定義的全渠道溝通數據分析系統，幫助各層級的管理人員精細化診斷業務問題、洞察一線人員的業務策略執行情況，以及與客戶溝通的實際過程，從而不斷優化管理流程和營銷策略。

針對保險銷售不專業、不規范等問題，相較于常規崗前話術培訓、素質培訓等，培訓的整個過程的周期是比較長且內容比較多的，比如車險，其增值服務內容非常復雜，地區差異較大，且變化非常快，如果政策或者產品條款發生變化，那么話術也需要更新并重新進行培訓，但通常代理人是很難在短時間內形成有效記憶的。所以在銷售過程中，AI技術支持的實時銷售輔助工具就十分必要，實時的話術推薦、產品知識推薦等都能很好地增強人的能力。

四個流程清晰明確，但是應該如何判斷一套優質的AI解決方案？陳老師表示應該分別從險企和AI供應商兩個角度來看：

從險企的角度來看，第一要明確自身的業務目標以及訴求；第二需要根據自身的業務需求找到適合自身核心能力的技術體系；第三來對于供應商的選擇，除了產品和技術，還要了解供應商是否真的懂業務，能否為客戶提供支持，是否具備端到端的落地經驗以及服務能力；第四在采購AI方案時，險企自身也要持續投入及運營的準備。

從AI供應商的角度來看，第一明確AI解決方案是否真正地匹配到客戶的痛點；第二要有一套完整的解決方案，從AI技術到產品到內容到持續的運營服務等；第三在交付上能夠提供從咨詢、項目實施部署、交付上線、售后階段客戶成功保障的端到端服務。

AI助力業務員人均產能提高22%

雖然AI能賦能保險銷售，但也有不少從業者對其技術是否能改善銷售持懷疑態度，我們以利用AI技術助力業務員人均產能提高22%的循環智能為例，看看它究竟是如何做到的。

陳老師表示，目前對于保險行業電網銷場景來講，最大的問題在于人員流動性大帶來的一系列管理難度，以及每天觸達大量客戶但是最終轉化卻不盡如人意，并且每個銷售環節都會有大量客戶流失的情況。于是循環智能從大量客戶實踐中總結出一個通過AI和數字化手段，實現從目標-策略-衡量-優化的業務閉環。

每家險企的不同團隊可能在一定時間內會有不同的業務目標，循環通過這個業務目標拆解形成若干個業務策略，比如針對非?險業務增?對應的策略，以有效推薦非車險為例，針對該業務目標找到對應的衡量指標，這個指標就是各個非車險的開口率，相應的將非車險開口率的指標配置為語義標簽，并上線到系統中，通過會話洞察看板打開溝通黑盒，就能看到不同團隊或者每一個員工的具體執行情況，這樣就能找到對應的人去制定對應的指標增長策略，相應地找到業務的問題以及制定業務增長策略后，通過強有力的管理手段去持續督導指標通關。

對于一些關鍵環節的溝通深度，除了“事后”的監督指導，還可以借助AI銷售助手，實現實時的、千人千面地個性化輔助和指導。

通過前期針對險企真實溝通數據進行業務挖掘及梳理，結合險企已有的業務積累形成一套完整的知識庫體系，配置到實時銷售助手工具中，在銷售與其客戶真實溝通時，根據客戶提出的問題，自動進行優秀話術推薦；當銷售人員介紹某一款產品時，通過主動喚醒的方式，呼出對應產品賣點話術、以及根據溝通內容自動判定當前銷售流程節點并進行針對性提示、根據對話內容自動命中用戶畫像、涉及到銷售人員對于過分追求業績出現一些夸大事實、過度承諾等實時質檢違規提醒等功能。

對于實時銷售輔助來講，需要通過體系化建設來實現真正的專家級賦能，首先循環智能會幫助客戶搭建整體輔助系統的內容及功能體系，并通過一系列數據埋點等方法來查看系統在一線銷售中的真實使用軌跡，并通過數據分析等方法找到影響系統在保司內部推廣的真正掣肘，來制定對應的提升方式方法，通過實時的專家級輔助體系，賦能一線銷售人員，增加溝通深度，將銷售動作由推銷式營銷變成顧問式營銷。

其實對于險企來說，電網銷場景只是產品及解決方案涉及的場景之一。對于個代賦能，從增員面試、智能陪練提升人員專業能力、展業工具上的AI實時輔助、溝通過程的洞察、線下產說會的合規督導等場景都有應用；對于銀保渠道，除了覆蓋上述多數賦能場景之外，面臨目前政策上的強監管來講，雙錄質檢也是一個非常重要的場景。

雖然AI在保險業務中的應用十分廣泛且有效，但我們還是應該以人為本，各自發揮所?，這樣才能利用AI，提升自身的業務能力。但目前在實際的應用當中，生產AI模型的成本很高，各險企可以找到既懂AI又懂保險業務的團隊進行合作，不斷提高銷售效率。