一、项目背景及目标

本项目聚焦车险新零售电销渠道，打造数据洞察、归因建模、决策制定、效果分析四大核心能力，创新构建呼出转化、续保概率双预测模型。项目运用大数据挖掘与机器学习算法完成精准建模，形成数智化精准营销策略体系，实现客户智能分层、名单自动派发、策略一体化部署与全流程闭环迭代。项目有效提升呼出与续保业务效能，优化承保结构、降低赔付成本，创造显著保费增量与经营效益，为保险行业数智化精准营销提供可复制、可推广的实践标杆。

1、现状与痛点

当前，我国保险业正处于 “十五五” 规划深化金融科技赋能、推动行业数字化转型的关键时期，车险行业数字化转型步入深水区。新零售电销渠道作为车险获客、续保留存的核心阵地，已然成为行业竞争的关键赛道，但传统运营模式痛点突出。行业普遍存在营销粗放、资源错配等问题，无差别外呼不仅推高获客成本，也影响客户体验，不符合金融服务提质增效、便民惠民的发展方向。我司电销两大核心业务同样面临瓶颈：呼出业务依赖经验筛选客户而缺乏科学客观判断依据，高潜客户与普通客户混合派发，坐席效率低、转化成本高；续保业务缺乏流失风险预判与价值分层运营，高价值客户非车险渗透不足，低留存客户缺少精准挽留手段，存量价值未能充分释放。

随着车险综合改革深入，行业费率空间收窄、市场竞争白热化，粗放式营销与人力扩张模式已不可持续。运用数智化技术实现精准营销、降本增效、深挖客户全生命周期价值，成为渠道突破与核心竞争力提升的关键。为此，公司围绕电销呼出、续保两大场景，启动车险新零售数智化精准营销项目，通过大数据与机器学习构建差异化预测模型，推动渠道运营由 “经验驱动” 向 “数据驱动” 升级，构建闭环化、智能化的精准营销体系。

2、项目建设目标

构建多场景智能预测能力，实现电销客户精准画像与科学分层

依托大数据与机器学习算法，搭建呼出客户转化预测、续保客户续保概率预测双模型体系。形成统一、可量化的客户价值与风险评分标准，为精细化营销提供可靠决策依据。

驱动渠道运营提质增效，实现转化、续保与客户价值同步提升

以数据驱动替代经验决策，优化客户触达顺序与资源投放强度，有效提升呼出业务转化效率与续保业务续回速度。在稳定续保率的同时，深度挖掘存量客户价值，实现渠道整体效益稳步增长。

打造闭环化数智营销范式，形成可复用可推广的行业实践标杆

建立“数据洞察—归因建模—策略执行—效果反馈”的长效运营机制。沉淀标准化数据资产与运营方法论，为公司车险乃至全险种渠道数智化转型提供可复制、可扩展的能力支撑。

二、创新点

技术创新：基于机器学习技术构建呼出+续保双场景差异化智能预测模型体系

突破单一模型难以适配多业务场景的局限，针对电销渠道竞品客户呼出、自有客户续保两类核心业务，分别搭建专属机器学习预测模型。围绕客户基础属性、车辆信息、历史投保行为、渠道交互记录、市场竞品特征等多维度数据，构建标准化特征工程，使用XGBoost、决策树等机器学习算法，实现对客户转化概率、续保概率的精准量化评估。通过模型自动完成客户价值分级与风险识别，替代人工经验判断，为后续精准营销提供科学、统一、可落地的数据依据。

策略创新：建立基于模型预测结果的全链路数智化精准营销运营策略

以模型输出结果为核心抓手，制定分层分类、差异化资源倾斜的闭环运营策略，优化资源匹配，实现需求与供给精准触达。对高转化概率呼出客户，实行优先名单派发、优质坐席承接、重点跟进触达，最大化提升获客效率；对高续保概率客户，在快速完成保单续回的基础上，精准加推非车险产品，深挖客户综合价值；对低续保概率流失高风险客户，专项配置营销资源、强化跟踪频次、实施精准挽留活动，有效降低客户流失。整套策略实现从 “广撒网” 向 “精准捕” 的模式升级，资源投放更聚焦、客户触达更高效。

机制创新：打造“洞察-模型-策略-反馈”一体化数智运营闭环

改变传统项目 “建模型、轻落地、少迭代” 的短板，将智能预测能力与电销核心系统、坐席作业流程深度打通。实现客户评分结果自动下发、任务智能派发、策略一键触达，并同步回收坐席执行数据、业务转化数据、续保结果数据，形成完整的数据回流与效果评估机制。基于真实业务表现持续优化模型参数、调整运营策略、细化客群标签，构建可自我迭代、持续提效的数智化运营体系，确保项目效果长期稳定、不断提升。

三、项目技术方案

1、项目整体规划

图 1 项目整体规划

项目以“数据洞察-归因建模-智能决策-效果分析”四大核心能力为支撑，构建车险新零售电销渠道全流程数智化精准营销闭环。项目以全量客户数据为基础，通过机器学习模型实现客户精准分层，以数据驱动替代经验决策，制定差异化营销策略，并通过常态化监控实现持续迭代，最终打造可落地、可复用、可推广的车险电销数智营销体系。

2、实践路径说明

核心能力一：数据洞察——夯实数据底座，穿透业务规律

（i）搭建标准化指标体系：整合客户画像（年龄、性别、职业等）、车辆资产（车型、车价、使用性质、出险记录等）、行为轨迹（历史接听、通话时长、跟进次数等）三类核心数据，形成车险电销专属的建模指标库，确保数据口径统一、可复用。

图 2 变量控制1-销售能力对于保单成交的影响

（ii）开展全维度变量分析：在特征归因之前，重点分析季节性促销、竞品价格波动、拨打时段、坐席能力差异等外部变量对转化 / 续保的影响，识别关键驱动因子与业务痛点，避免模型仅依赖客户固有特征，提升数据对业务的解释力。图2、图3分别展示了在外因分析过程中洞察观点，即销售能力与销售政策对于保单成交有显著影响，对后续建模归因起到筑基作用。

图 3 变量控制2-公司销售政策对于保单成交的影响

核心能力二：归因建模——构建双场景预测模型，实现客户精准分层

（i）开展特征归因分析：采用 IV、WOE 等数据科学方法，对各类特征进行分箱、编码与归因分析，计算特征重要性与预测能力，剔除冗余、共线性及低贡献特征，保留高区分度、高稳定性的入模因子，兼顾模型精度与可解释性。

表 1 双场景智能预测模型主要差异

（ii）构建双场景智能预测模型：针对电销两大核心场景搭建专属模型（见表1）——呼出客户转化预测模型（下简称“呼出模型”）：以 “是否成功转化” 为目标变量，输出转化概率，精准识别高潜竞品客户；续保客户风险预测模型（下简称“续保模型”）：以 “是否成功续保” 为目标变量，输出续保概率与流失风险等级，实现客群自动分级与风险识别。表2展示了呼出模型结果验证的效果，将预测转化概率分为十档可见，预测概率越大则保单实际成交率越高。

表 2 呼出模型结果验证

（iii）模型训练与调优：通过交叉验证、参数优化等方式迭代模型，确保 AUC、KS 等核心指标达标，提升模型对客户转化、续保行为的预测精准度，为后续分层运营提供可靠支撑。

核心能力三：智能决策——制定差异化运营策略，推动全场景落地执行

（i）制定分层触达策略：呼出场景基于"赔付分级成交分档"的双维度分群策略，对资源进行优先级排序，实现高转化效率、高业务品质的客户优先触达；续保场景则对高续保概率客户，快速完成保单续回并精准加推非车险业务，提升客均价值；对中续保概率客户常规提醒、适度权益刺激；对低续保概率客户，专项配置营销资源、强化跟踪频次，实施精准挽留。

（ii）推动系统集成部署：将模型输出、客户分层标签、差异化营销策略嵌入核心业务系统与电销作业平台，实现按策略名单定时智能派发，打通“决策—执行”全流程，减少人工干预，提升执行效率。

图 4 系统交互逻辑图

核心能力四：效果分析——搭建全链路监控体系，形成闭环迭代优化

（i）模型稳定性监控：定期监测特征分布变化，通过 PSI 指标监控特征漂移，跟踪 AUC、KS 等模型核心效果指标，监控报表t+1更新，实现及时预警模型失效风险，确保模型持续有效。

（ii）业务效果全链路分析：聚焦呼出 / 续保全场景，监控各分层客群的转化率、续保率、非车险渗透率、坐席人均产能等核心指标，开展漏斗分析、漏损归因，精准定位业务瓶颈与策略短板。

（iii）策略成效复盘与迭代：结合业务结果反馈，优化模型参数、调整运营策略、细化客群分层标准；建立 “策略执行 — 效果反馈 — 策略优化” 的闭环机制，推动模型与策略持续迭代，实现电销渠道数智化运营效果稳步提升。

四、运营情况

本项目自 2026 年 1 月正式投产上线以来，围绕数据洞察、归因建模、智能决策、效果分析四大核心能力稳定运行，已全面嵌入车险新零售电销全流程运营，实现从名单筛选、模型预测、策略派发、坐席执行到效果回流的全链路数智化作业，整体运营呈现系统化、自动化、数智化、可迭代四大特点，项目效能持续释放。

1、系统化程度高

项目构建覆盖呼出获客、续保留存双场景的一体化数智营销技术体系，深度打通数据平台、模型平台、核心业务系统、坐席作业系统、外呼平台等关键系统，形成统一数据入口、统一模型输出、统一策略派发、统一效果回传的闭环支撑平台。项目上线以来，核心系统稳定运行率达 99.99%，模型跑批、名单派发、策略推送、结果回流等关键功能全程线上化、无断点运行，多平台数据同源同质、接口响应稳定，未出现影响业务连续性的系统故障，为电销渠道规模化、标准化运营提供坚实技术底座。

2、自动化程度高

项目全面替代传统经验式、人工筛选模式，实现数据加工自动化、模型预测自动化、名单派发自动化、策略触达自动化、结果统计自动化五大自动化能力。每日自动完成客户清单跑批、模型评分计算与名单下发；系统按策略规则自动完成客户优先级排序、坐席任务派发，坐席仅需按系统指引执行标准化作业；同时实现客户跟进、成交及续保结果数据 T+1 自动汇总统计，相关运营报表次日自动更新。全流程减少人工干预环节，大幅降低运营差错率与人力消耗，电销渠道作业模式由 “人工主导” 全面转向“系统驱动、智能辅助”。

3、数据应用全面

项目构建覆盖客户画像、车辆信息、行为轨迹三大维度的标准化特征体系，共计包含80+特征，通过对海量数据进行深度分析，充分挖掘数据对转化、续保的驱动，最终萃取20+特征入模，实现客户价值可量化、风险可预判、策略可依据。数据覆盖度、颗粒度与时效性显著提升，为模型精准度与策略有效性提供全面支撑。

4、迭代敏捷、灵活可配置

建立常态化运营监控与迭代优化机制，对模型稳定性 PSI、AUC/KS 等效果指标、流程各节点转化漏斗进行持续跟踪，形成“监控—评估—优化—发布”的敏捷迭代流程。可根据业务节奏、营销活动、区域差异及市场变化，灵活调整模型特征权重、客群分层阈值、派发优先级与触达策略，快速适配不同产品导向、不同客群偏好的营销需求。上线以来已完成2轮策略调优，模型与策略持续贴合业务实际，保障项目效果长期稳定提升。

五、项目成效

本项目自2024年12月启动以来，严格推进各阶段建设，目前已完成模型主体构建以及策略投放，并于2026年1月投产。结合初期试点阶段 2 个月的观察数据，项目已呈现阶段性成效，核心体现在呼出获客增效、续保留存提质、承保结构优化三大方面，具体如下：

1、经济效益

呼出业务精准转化，拉动保费稳步增长

通过高潜客户识别与优先派发策略，电销呼出资源成交率较传统模式提升0.05%。结合月均拨打资源量 400 万、车险件均保费 2500 元测算，项目年均带动车险新增保费规模6000 万元，坐席产能与渠道投入产出比显著提升。

续保业务高效回捞，筑牢存量保费基本盘

依托续保概率预测与差异化挽留策略，公司车险整体续保率提升1%，有效稳定存量业务规模，强化客户粘性与保费护城河。

业务结构持续优化，实现赔付成本压降

通过模型精准筛选优质业务，优质客户业务占比提升 2%，实现 “保费增量 + 质量提优” 的良性发展。

2、社会效益

助力金融 “十五五” 规划落地，推动保险行业数智化转型

项目以大数据与 AI 技术重构车险营销体系，契合 “十五五” 时期金融科技赋能实体经济、深化保险业数字化转型的总体要求，为行业新零售渠道智能化运营提供可复制、可推广的实践样本，助力保险服务提质增效与行业高质量发展。

提升保险服务精准度，增强人民群众保险获得感

通过精准预测与分层触达，减少无效外呼与过度营销，降低对客户的打扰，同时将优质保障、合适方案优先触达真正有需求的客户，实现保险服务 “按需供给、精准匹配”，提升保险服务体验与群众满意度。

六、经验总结

本项目围绕车险新零售电销渠道数智化转型核心需求，以数据洞察、归因建模、智能决策、效果分析四大能力为支撑，构建呼出、续保双场景数智化精准营销体系，实现了从经验驱动向数据驱动、从粗放运营向精准运营、从单点优化向全链路闭环的全面升级。项目在技术落地、业务赋能、价值创造与长效运营等方面形成了可复制、可推广的实践经验，既立足渠道实操痛点解决真问题，也着眼行业数智化趋势体现高质量发展格局。

一是坚持业务为本、技术为器，让数智化真正落地产生实效。项目立足电销实操痛点，不空谈技术、不堆砌模型，将 AI 能力深度嵌入名单派发、客户触达、续保挽留全流程，用数据解决真实问题，实现运营提效、保费增收、成本优化，走出一条 “从业务中来、到业务中去” 的务实转型路径。

二是坚持数据筑基、模型迭代，构建长期稳定的数智运营底座。项目以标准化数据治理、科学特征筛选为基础，构建可解释、可落地的双场景预测模型，并建立 PSI 监控、效果追踪、策略调优机制，实现模型与策略持续迭代，确保数智能力长期稳定、持续提效。

三是坚持精准运营、资源优配，以精益管理提升高质量发展水平。通过客群分层、资源倾斜、差异化运营，将有限资源投向高潜、优质业务，在提升转化与续保的同时优化承保结构、降低综合成本，为保险新零售渠道实现 “规模有效益、发展有质量” 提供了可复用实践。

四是坚持格局向上、价值向外，以数智化赋能行业与社会发展。项目紧扣 “十五五” 数字化发展方向，在提升企业经营效益的同时，减少无效骚扰、优化服务体验、规范市场秩序，兼顾商业价值与社会责任。所形成的数智营销范式，可为行业提供可复制、可推广的标杆借鉴，助力车险行业高质量转型。