机器学习已在广泛的应用金融空间广泛,从文件数字化至文档搜索，聊天机器人至欺诈识别。的保险然而，人工智能和机器学习应用程序将以几种独特的方式为太空带来好处。他们可以帮助保险公司应对处于保险业前沿的挑战:吸引并满足千禧一代客户的需求。
保险的Nexus托管的视频面试三位保险专家之间:Viktorija卡明斯基，高级风险经理，欧洲在尤伯杯;埃琳娜莎首席苏黎世承销干事;和萨曼莎周润发他是Aite Group的高级分析师。他们对保险公司如何利用技术开发新产品以吸引和留住千禧一代客户提供了一些见解。
格雷厄姆骄傲欧洲产品开发部负责人在保险的Nexus，说了一些T恤了这个讨论得好：“那些[保险公司]能够证明自己是雄心勃勃，拥抱变化，并愿意把客户放在最前沿将是最成功的。”
据周先生：
人口结构上存在巨大的差距。我们有婴儿潮一代，也有人数众多的千禧一代，他们在一个非常不同的环境中长大。他们的需求非常不同，因为他们现在的环境非常不同。他们的行为也非常不同，而且由于他们拥有的所有选择，他们还在继续改变。当我说到选择时，我真正想说的是他们如何与人沟通以及他们如何购买的选择。
在这篇文章中，我们介绍了一些保险公司利用人工智能和/或数据科学来吸引千禧一代客户的方法，并引用了保险公司Nexus视频采访中的保险专家的话。
读者应该得到这篇文章的两所建立的保险运营商面临实施新技术，他们可以忍受，如果他们获得的回报时所面临的挑战的坚定感。
我们开始我们的分析与一方主宰保险的AI对话的应用程序：会话接口，或聊天机器人。
会话接口
虽然周先生承认，并不是每一个千年想与一个聊天机器人或购买保险在互联网上互动，很难否认新千年用于多种在线购买。虽然最终，她说，“他们想要的指导。”
保险公司可能会投资于对话界面，以迎合千禧一代的客户，这些客户可能希望在运营商的网站上研究产品，或者甚至购买所谓的“随需应变保险”。保险公司已经在为客户提供在智能手机上购买保险产品的方式，像出售产品责任险的Lemonade这样的保险公司完全是在线的。
虽然聊天机器人似乎是保险行业中最突出的人工智能应用案例——保险巨头Progressive、好事达(Allstate)和Geico都在自己的网站上有自己的聊天机器人——但建立一个能真正满足千禧一代客户需求的聊天机器人并非易事。
自然语言处理应用程序，如聊天机器人需要历史客户支持票是进来通过电子邮件或直接消息应用，如Facebook Messenger的卷。这给企业建立一个挑战，在各部门的，但旧的保险公司可能有实现聊天机器人，由于这些数据要求特别的困难。
他们根本就没有相互作用与他们的客户通过电子邮件经常作为零售品牌实力，例如。即使他们已经与客户通过电子邮件说在过去十年中，他们可能没有组织的方式，是为训练自然语言处理算法有用的这些相互作用。
这就是说，建立保险公司做有选择。有罕见的NLP厂商提供无监督学习解决方案，这意味着他们不需要在保险公司的部分历史数据。这些解决方案现在，但是，大多只针对路由支持票到适当的类别良好。
开发保险产品的千兆经济
也许更迫切不是更新他们的沟通渠道，保险公司可能需要考虑更新自己的产品，以适应今天的工人的生活。“保险提供商必须首先着眼于人......为演出经济工作者度身定制的产品，”卡明斯基说。
越来越少的人发现自己在大公司工作，大公司为他们提供的福利是老一辈人在工作中可能得到的。相反，他们越来越自我雇佣。他们的工作时间和薪水没有固定和保证。
如果一名优步司机的车坏了，或者由于某种原因他们无法在路上过夜，他将不会带回家任何钱。一个自由作家并不能保证一定能成为客户，而一个月的收入可能就意味着她是否能支付家庭的账单。
这对那些试图吸引业务的保险公司产生了影响。卡明斯基强调了这给老牌保险公司带来的挑战，她说:“(保险公司)都熟悉传统的白领承包商，但我们并不真正了解真正的零工经济独立工人的需求是什么。他们是完全不同的。他们对现金流非常敏感。”
更快的索赔付款
保险公司吸引这类承包商的一个方法是提供保险更快的索赔支出。尽管索赔处理自动化极其新生，也有少数厂商AI所提供的权利要求至少是备案自动化。
通常情况下，这意味着用户可以提交他们的智能手机上的应用程序，可能会或可能不会涉及一个聊天机器人要求。有时，聊天机器人可以路由的客户问题，它不能回答到理赔专家可以在实时跟他们说话。
一旦客户提交索赔，但是，它是由承保人进行调整，并尽可能快地确定为了留住客户的业务客户的支出。一些AI厂商提供索赔调整的自动化，最常见的车险空间。在某些情况下，这些应用包括机器视觉。
例如，客户可以拍下汽车受损情况的照片，并将照片上传到保险公司的应用程序上。针对类似受损汽车的历史赔付，训练出一种机器视觉算法，然后向理赔机构提出赔付建议，理赔机构可以批准或拒绝赔付。
这可以大大加快客户收到他们的支出支票或直接存款的时间。此外，这可能是一个强大的卖点，为保险承运人在几年后，但再次强调，机器视觉索赔自动化这样的仍处于婴儿期。
个性化保险产品
千禧用于通讯，广告和媒体认为，我们强烈针对他们的喜好。在说的那么严重连接的世界长大，他们也都知道他们的选择和用于把事情快。这可以转换成他们想要的各类保险产品。
我们已经讨论了保险公司如何提供更多的数字通信渠道和更快的赔付;在这一部分中，我们将讨论保险产品本身的设计如何满足千禧一代客户的需求。
周讨论了千禧一代的顾客是如何看待他们的健康，财富和人寿保险一样。这影响了他们搜索和购买的方式。周英华表示，保险公司正转向更“全面”的产品，因此，这些产品以传统上专属于个人健康、财富和人寿保险的方式为客户提供保险。
这是重要的，因为它得到什么千禧真正寻找的：安全。周先生提出，这实际上是寻求就业千禧正在寻找雇主，提供点好处。这包括医疗保险和长期安全的信号。
他们似乎想要在一个地方满足他们最迫切的需求，Chow说:“(保险公司)必须按照他们的条款来满足他们，否则我们不会赢得他们的业务。”
尽管AI是不会做对他们是否应该提供这些捆绑的保险产品的保险公司的决定，机器学习可以帮助让保险公司为他们提供。这归结为数据。
捆绑产品和承销自动化
该保险公司即开始收集并组织客户数据宜早不宜迟将可能是在市场上赢得的AI变得更加无处不在，如我们在CEO概述了他的那些AI时代精神系列。
承保过程可以是非常彻底和费时。基于AI-承销自动化可允许保险公司提供捆绑的保险产品一个关键。例如，在一家汽车保险公司承保人可能知道几十个关键因素，要注意可能给她是否同意承保客户的政策意义。
人寿保险公司的保险人可能要考虑几十个完全不同的因素才能做出决定。
一些公司正在努力训练AI软件做出决定，比如营业员，而这需要的高级销售人员和数据科学家们合作，做什么叫做工程特性。从本质上讲，它们分解了这些销售人员的决策方式，例如，他们倾向于决定优先级。同样的概念也适用于保险业。
为了将所有这些联系起来，各个行业(汽车、生命、健康)的保险承保人可以与数据科学家合作，创建能够像这些承保人那样“做出决策”的机器学习模型框架。
如果保险公司已经收集了来自不同行业的保险人通常用来决定是否承保客户保单的数据点，那么保险公司可以使用这些数据来训练机器学习模型。
从理论上讲，这可能会产生一种机器学习软件，加快捆绑产品的承销过程，因为根据保险公司拥有的数据，它可以建议客户为捆绑产品支付的保费。
或者，保险公司可以建立一个机器学习模型，从以往的客户使用数据捆绑政策，以确定是否有新的客户将产生积极或消极的投资回报率，如果他们要购买捆绑产品。该模型的输出可以通知保险公司报价不论该客户捆绑产品。
也就是说，承销自动化的供应商解决方案少之又少，而且并不总是那么可靠我们喜欢看。在这个时候，一种机器学习模式的承销可能是最好的内部，这将需要数据科学人才。
这是不准备采取建设机器学习软件，它实际上并没有达到投资回报率不应该这样做的风险的艰巨的过程，和保险公司。
物联网
Rasa表示，苏黎世已经在利用数据向客户提供人寿和健康保险，不过不清楚苏黎世是否会提供捆绑服务。具体来说，Rasa讨论了苏黎世是如何使用“设备”来做到这一点的:
With the use of a lot more devices…We’re moving into prevention…instead of giving the coverage when the disease appears, we try to track the development of the disease over time and give the customers the right products to make sure that he can feel more secure, followed, and that someone is taking care of them.
物联网（IOT）是保险巨头进步已经使用收集客户驾驶行为的数据收集数据的一种方法。Progressive的快照方案使客户能够打开一个应用程序在手机上或在他们的汽车中安装设备收集的信息数据，指示驾驶员的转弯多么尖锐，以及如何快速他们驾驶。
因此，Progressive可以根据客户的驾驶习惯为他们提供个性化的政策。运营商可以为安全驾驶的司机提供更低的保费，而分心的司机可以获得更高的保费。
卡明斯基回荡物联网在汽车保险的潜在价值时，她说，“[千年客户]希望，因为他们与保险是适应选择使用自己的车辆。”这同样适用于家庭，生活和健康保险。
在医疗保险方面，可穿戴设备可以为客户提供保险运营商对他们的生活方式数据和他们的健康状况的方法。这可能使医疗保险提供较低的保费为客户提供更健康的生活方式，这可能会吸引千年的客户，谁往往有比较健康的生活方式。
在我们的报告中，我们讨论了物联网设备如何为保险公司实现投资回报率物联网数据保险的可能性。
最后的想法
普劳德重申:“保险公司正在处理遗留系统、流程、沟通、文化、企业架构等方面的问题……这确实是一个巨大的挑战，但也会带来巨大的回报。“尽管我们在这篇文章中只简要讨论了保险公司在人工智能时代面临的挑战，
普劳德正确地指出了a公司的文化可制造或休息的时候谈到吸引和保留必要建立机器学习，我们上面所讨论的应用程序的数据的科学人才。
也就是说，在未来几年内，更多的大中型保险公司将可以使用人工智能。运营商可能需要考虑他们的AI策略为了赢得市场份额千年的客户，因为他们的年龄和他们进入成年，并考虑他们的保险选项是甚至超过了千禧数字原生客户所谓的“Z一代”的客户端。
我们在报告中讨论了保险公司如何为机器学习做准备企业在保险业采用的AI。
这篇文章是由保险公司的Nexus赞助，写，编辑出版对准我们的透明Emerj赞助的内容指南。了解更多关于到达我们的ai集中执行观众的信息Emerj广告页面。
标题图片来源：Tenstickers
