本篇文章3102字，读完约8分钟
□koos quak
gert-jan van zuijlen
价格合适吗？
对于保险业的领导者来说，制定合适的定价变得极其复杂。如果定价与市场条件或个人行为不一致——无论是太高还是太低，结果都是一样的，即收入会损失，利润会缩水。
传统上，保费是由“成本加”方法确定的。成本加成是对风险溢价的精算评估，包括直接和间接成本以及利润增量。
在许多情况下，特别是在个人财产和意外保险产品(如汽车保险和家庭保险)中，成本加成可以产生买家可以接受的准确价格，因此它仍然非常有效；此外，它还使保险公司能够以预期的综合成本率或低于100%的成本率开展业务。
尽管传统的定价方法仍然有效，但仍然存在一些不足，这将阻碍保险公司的未来。例如，由于成本加成法相对简单，因此不可能轻松整合非技术定价因素和快速响应不断变化的市场条件的能力。这些因素包括:
价格比较网站创造新的透明度。反过来，透明度也加剧了高度商业化的个人和商业产品线的竞争。
一种新的非结构化数据源。例如，车载信息系统和物联网提供的数据源。这些数据源可以提供更多的被保险人和被保险人的背景信息，并根据风险等级确定风险保费。
日益增长的个性化需求。ibm商业价值研究所(ibv)进行的一项研究集中在这个问题上，该研究还显示，50%的客户更喜欢定制产品。传统的定价模式不适合个性化产品。
“叛乱分子”越来越多。从本质上来说，诞生于云的新参与者能够高度灵活地应对市场变化，并向客户展示各种可能性，这给传统企业带来了越来越大的压力，迫使他们采取应对措施。
为了考虑这些因素并在竞争中保持领先，保险公司可以考虑采用“智能定价”(见图1)。即使目前一些产品线采用的成本加成法足以应对，但如果强化智能定价，纯“传统定价”的利润将会减少。
定价愿景和战略
通过使定价更接近市场，保险公司可以快速洞察各种变量，从而有效地指导定价行为(如价格弹性)。为了使智能定价发挥作用，必须理解这些变量并将其作为强制性项目。
智能定价策略包括许多定价模型，这些模型是通过敏捷方法开发的，旨在快速部署。智能定价显著提高了定价灵活性，避免了传统开发的滞后，并显著加快了新产品和现有产品变更的上市时间。
此外，智能定价也是“认知保险公司”工具包的一个组成部分。正如我们在ibm商业价值研究所(Institute of Business Value)最近的研究报告中所写的那样:“认知保险公司使用最新技术，尤其是人工智能技术，来理解丰富的非结构化数据。”通过将人工智能和大数据集成到定价中，天气数据等非传统变量可以用来改进定价模型。
它还可以根据背景和行为更准确地评估个人风险，甚至包括预测因素，如经济和政治指标。
各行各业都有智能定价的优秀范例，保险公司可以从中学习可行的做法。例如，空一家大型航空公司采用基于人工智能的定价模型来预测飞机乘客升级到商务舱的潜在兴趣，并根据客户接受的可能性定制个性化报价。
在商业保险中，中小企业的利润往往很小，但增长潜力巨大。市场规模预计将从2018年的59亿美元增加到2023年的98亿美元(见图2)。通过简单的定价模型提供自动报价可以为这些细分市场带来10%的额外收入，利润巨大。自动化可以将销售成本降低5%，因此更容易进入这些客户细分市场。如前所述，人工智能可以利用以前未包含在定价模型中的各种数据，如改进的天气预报数据、估计的房地产估价、客户社交媒体活动分析和竞争行动数据。
人工智能的机器学习功能训练系统，使其能够识别特定产品的相对价格灵活性，并帮助供应商自动执行复杂的动态定价。例如，两种产品经常合并销售；一个价格非常灵活，另一个不太灵活。Ai系统可以创建这样一个模型:为第一个产品设定较低的价格，鼓励薄利多销，而第二个产品则用于提高利润--通过计算成千上万个可变因素，为每个客户提供个性化的报价。
事实证明，人工智能可以使产品的价格更接近顾客的心理价格，并且通常可以将溢价提高2%到3%。即使只是提到人工智能，你也可以得到很多好处。据报道，如果人工智能和机器学习包含在产品描述中，客户的支付意愿可以提高12%以上。
通过动态定价，客户可以立即了解政策配置和变化的影响，尝试各种“如果这样/如果这样”的场景，并揭示特定政策配置的具体价格变化。
模型开发
在面临数字化转型的新压力之前，保险公司很清楚定价的两面性。一方面，客户想要简单透明的定价；另一方面，获取、整理和传播大量数据非常复杂，因此很难理解风险的多面性。
新的模型开发方法可以同时解决这两个问题。新方法和模拟有助于高度复杂的建模，随着量子计算技术的发展，快速解决大规模优化问题有望成为现实。就透明度而言，人工智能使模型(和界面)能够动态响应不断变化的客户意见和环境。现在，该算法可以重新定价，甚至可以根据实际数字(如运输的货物数量或行驶的里程数)重新计算。
这些基于人工智能的定价模型可以是简单的矩阵模型，也可以是基于模拟的复杂模型。我们的目标是实现一个以客户为中心的定价方案，它可以更好地满足客户需求，使交易更容易。
例如，到2050年，气候变化和海平面上升造成的年度损失可能超过1万亿美元。保险业的领先公司正在构建新的模型，将气候变化因素整合到高风险产品组合中。任何行业的商业客户都可以选择部署传感器，这样保险公司就可以根据天气风险动态调整价格，为企业提供有效降低风险的激励措施。这可以扩展到其他类型的保险，如火灾或交通状况。
人工智能试点项目表明，新定价模型的上市速度加快了200%-300%，在某些情况下，它可以从半年缩短到几周。上面提到的空航空公司就是一个例子。
调整和监督
随着定价灵活性的提高，用户明确要求提高可审计性并引入新的管理概念和模型。灵活性不应被解释为不受控制的部署。多种定价模式以及快速调整和部署带来的风险是，如果处理不当，将会产生有缺陷的价格。这可能会导致重大风险，尤其是通过自助销售时。
在一个要求高速度和个性化的环境中，传统的监督和审计方法会消耗太多的时间和精力。现代定价应用预见到控制的需要，即明确的职责分离、严格的预生产版本控制和发布管理。
如果人工智能应用于价格维护，自动调整可以更快更容易。在许多情况下，定价可以根据当前的数据和情况动态调整，而不是高度依赖人力的耗时工作模式。
在混合云环境中，解决方案本身可以通过版本管理和安全措施提供定价模型监管。在模型之外，简单和精益的定价模型调整过程是有效监管的关键因素。
从概念到市场
采用基于人工智能的动态定价模型非常重要，但它可能不会产生破坏性影响:
确保高级管理层的支持。确保整个最高管理层(不仅仅是直接受影响的领导)都了解并接受过支持人工智能定价计划的培训。当员工或客户询问时，主管必须能够清楚地解释政策。销售团队的支持同样重要。
开始发展人工智能技能。数据科学变得越来越重要。人工智能的有效性在于其发现和利用数据的能力。如果公司内部有这些技能，他们可以加入人工智能团队；然后，与人力资源部合作，选择在内部培养这些技能，或者从外部获得。
考虑寻找技术合作伙伴。人工智能有不同的形式，如采用新的应用编程接口和实施新的定价平台。随着人工智能标准在保险业的引入，加入生态系统与否成为帮助制定规则或被迫接受规则的区别。
需要思考的问题
您最后一次评估定价模式以了解它是否有利于增强您的优势是什么时候？
基于人工智能的动态保险定价模型如何影响您的企业？
你调整价格的过程是什么？主动调节还是被动调节？
(库斯·夸克:ibm全球企业咨询服务在荷兰保险业的负责人，格特-扬·范祖伦:全球企业咨询服务的财务管理顾问)
