蚂蚁“车险分”百天：65%车险业务的定价精准度得到提升

自蚂蚁金服5月25日向保险行业开放“车险分”后，到9月6日，已满100天，车险分对接保险公司9家扩展到18家。

此前，车险定价更多地考虑车型、车龄、配置等“车”的信息。此次蚂蚁车险分开始关注“人”的信息，考量因素包括信用历史、消费习惯、驾驶习惯、稳定水平等细分标签，引入大数据和人工智能技术，依次量化表现为300-700的车险分。

蚂蚁车险分分为标准分和定制专用分两种，主要基于人的行为数据进行挖掘计算，并和保险公司共创得出。蚂蚁金服正期望随着越来越多的保险公司使用和评测，以及数据方面的共享，逐渐优化其模型，提高其预测效率。

与大公司大多自建内控评估系统比，小企业可更多的从这种开放车险分中受益。以解决其自建系统的成本问题，也是缩小也大险企差距的机会。

首批9家接入使用情况

5月份开展合作以来，首批合作的人保产险、太保产险和太平洋产险等九家保险公司，均接入的是蚂蚁金服的标准车险分。保险公司在获得用户授权的情况下，可以查询用户的车险标准分，或是结合自身数据对标签进行加工建模，得到自己的车险专用分，从而依据车险分进行更为公平的车险定价。

接入车险分短期运营后，据首批9家接入险企之一的大地财险相关负责人称，车险分的应用帮助其识别出常规维度难以识别的优质客户，并在高风险业务识别上有所提升。他们也正尝试与蚂蚁金服在非家用车领域对具体风险板块开展探索，并正在寻找“人”的因素所影响的风险规模。

据安盛天平财险相关负责人反馈，在定价模型效果方面，加入车险分后，最差和最好业务的区分能力有较为明显的提升，有65%的用户风险识别能力结果发生了改变。“有的客户风险判断结果比以往更低了，有的更高了，判断效果更明显。”

不过，当下车险分对“人”的因素判断，尚存在“人”并不是车主而造成“人”因素并不准确的现象。蚂蚁金服保险事业部相关负责人表示，这一现象在行业并未找到很好的解决方式，但是由于其比例并不高，目前对车险分的判断效果影响不大。

他山之石，"车险分"的美国模式

在美国，FICO和律商LexisNexis也开发了一个"车险分"供保险公司参考。两家公司从信用数据提供商EQUIFAX, Transunion, experian和车联网服务商OCTO, HUGHES等全球多种数据源中采购数据，积累了海量的保险和金融服务数据资源，包括居住地址变迁和稳定程度、生活缴费记录、教育职称、破产抵押和犯罪情况等数据。

FICO的预测体系并不给出一个专门的分数，而是由保险公司从FICO的130多个基本评分要素中自己选取30个要素，自己组建自己的评分系统，因此每个保险公司之间的评分系统不具备可比性。比如采用FICO分的保险公司中，Farmers Insurance的信用评分对保费的影响高达相差62%，而GEICO的相差度只有32%。Consumer Reports杂志的研究结果显示，用户的信用评分看似与行车无关，但其对汽车保费的影响甚至超过行车违规记录。

LexisNexis建立了保险行业共享型数据平台，为行业引入一个全新的数据评分，将这些非传统数据引入保险市场，生成独特的变量和行业风险评分，与传统征信数据一起作用于保险公司的风险定价和承保决策，帮助保险行业更好地评估风险，提高工作效率。"车险分"的引入将保险公司的赔付率预测效能提升了30%左右。

随着需求端发生变化，车险核心由产品转变为服务和用户的过程中，传统保险机构的产品设计模式将被打破，保险产品的设计将由封闭体系转化为开放平台。InsurTech公司就很可能创建这样一个开放的协作平台，提供产品设计、销售、后续服务等环节的外包服务给保险公司。那么，蚂蚁金服车险分的出现，大概可以看成这个开放性协作平台构想里的一个小小的"点"的实现。

保险科技的第三方角色正在壮大

蚂蚁金服在车险分中更多的引用了“人”的行为数据，这些数据包括驾驶数据、消费习惯等。但从行业来看，这种数据更多应用于营销层面。

由于征信体系的高度完善，美国金融企业的风控体系较中国企业较少应用大数据，风控大数据中的弱变量——如行为数据更多地被应用于营销层面，这也成为蚂蚁金服于车险分之外正思考的数据应用价值。

“确实，车险分开放以来的三个月，蚂蚁金服数据能为保险企业提供哪些除车险分以外的更好价值产品？是我们和客户一起沟通的核心问题。”

综合车险企业的考虑，蚂蚁金服保险事业群正在考虑切入险企的销售、投保、车服务等环节，即更多地开发数据的精准营销应用。

据蚂蚁金服提供的数据显示，2016年全国有1.5亿私家车主，车险的保费总计7000亿左右，但行业亏损的比例却达到75%。在车险企业纷纷自建信用评分体系的当下，专注保险科技的第三方正在崛起，而一扫险企各自为战、良莠不齐的局面，“这将促进行业长尾市场的崛起和行业成本下降。”蚂蚁金服保险事业群相关负责人说。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。