□张新宇
在过去、现在以及未来相当长的一段时间，保险公司了解客户的最主要方式依然是通过营销员与客户的直接接触。随着大数据时代的到来，我们有机会通过技术手段来为营销员和公司了解客户提供帮助和支持。
我们知道，每一个客户都是独一无二、与众不同的。当今的科技手段为我们提供了将客户信息通过数据化呈现的可能。我们有机会采用各种各样的不同属性来描述一个客户。随着这些属性越来越多，逐渐就可以形成对这个客户的一个概括性的认识。在本文中，我们通过可行性论证、如何实现、当前实践中的问题以及行动建议等四个方面来分析保险公司中如何采用客户标签的方法提升自身的竞争力。
一、客户标签的概念及作用
到目前为止，业界还没有形成一个对于客户属性、客户特征、客户标签、客户画像等概念的一致定义。客户属性是对于事实的真实描述，比如出生日期、年龄、性别、收入等。从IT系统实现的角度看，有可能是连续型的数值，也有可能是某种属性代码。客户特征/标签是一种对客户属性的解读。比如年轻人、富裕阶层、白领、新人类等。客户画像则是一种对于客户属性、标签/特征进行整合之后形成的一个全局性的认识，可以理解为一组客户属性及标签的组合。
通过上面的归纳，我们认为客户标签具有下面的几个特征：1.主观性：不同的人对同一个/组属性的解读可能不同，因此主观性较强。2.易变性：许多标签随着时间变化，非常容易变化。3.综合性：实践中的很多标签和场景是基于客户属性组合之后的判断。
通过对于客户属性的标签化，我们可以从客户服务和营销等多个角度来制定不同的策略，形成差异化的服务和营销。
二、客户标签的构建
1.数据内容
大数据的相关技术手段为保险公司构建客户标签提供了丰富的资源。在原有的技术手段下，保险公司与客户的接触有限。由于“低频”的特点，保险公司没有更多的数据来源来作为加工和生成客户标签的基础数据。随着各种与客户交互渠道以及各种类型设备的不断增加，我们可以有更丰富的渠道来获取相关的客户数据。首先，在原有的业务数据基础上，逐渐增加在各类电子渠道的交互数据，比如Call Center、微信、APP以及网页上的访问数据。其次，可以通过与第三方合作运营等方式，获取客户的各类可穿戴设备数据。第三，通过各类阳光下的数据合作，从第三方获取客户的外部标签数据。基于这些原始的客户数据，保险公司搭建内部的大数据平台，依据自身的业务目标，来形成客户的标签。从整个客户标签加工的体系看，可以分为采集、整合、加工和应用四个不同的层次。
采集：业务数据+交互数据+设备数据+第三方数据。整合：以客户为粒度，形成客户的统一视图。这是一项基础性工作，也是整个体系构建中最为困难的工作。加工：可以细分为指标化和标签化两个子步骤。指标化可以采用简单的统计分析方法；标签化则需要采用很多比较复杂的数据挖掘的算法，同时辅助以对结果的人为解读。应用：针对各类不同的应用场景，采用自动推送、查询服务、明细查询等不同的手段，将客户标签应用于营销、服务等不同的业务环节，与现有IT系统融合。
2.标签体系
客户标签体系的建设是一个永无止境的过程，迄今为止也没有完善和明晰的分类体系，我们从实践的角度对标签体系可以做一个大体的划分和归类。
基本属性标签：以人口统计学数据为主，用来描述人的基本生理特征，包括年龄、性别等，此类标签主要从业务类数据中就可以加工出来。
业务类标签：主要针对各类业务上的特点，包括产品、渠道、行为等方面的偏好，此类标签主要从业务数据和交互数据中可以加工得到。
客户关系类标签：从客户关系管理的不同阶段对于客户所做的客户，如新客户、沉睡客户、潜在流失客户等，此类标签往往需要通过一些数据挖掘和分析的方法得到，很可能要用到比较复杂的数据挖掘模型。
扩展类标签：主要包括客户的兴趣爱好等标签，此类标签往往需要通过营销员采集或者通过第三方数据合作等方式建立。
群体特征类标签：通过客户分群等方法为客户建立的各类群体性特征。
以上的标签并非完整的分类，而是实践经验中的一些总结，供各位读者参考。
3.技术实现
在技术实现手段上，大数据的开源技术体系为我们提供了足够丰富的工具和平台。
从数据采集、整合、加工以及应用的各个环节，现有的开源技术体系无论从实时性、效率以及可靠性等各个方面都能够提供足够强大的技术体系来供各个企业搭建自己的IT系统。由于对接的数据源的不同、实时性要求不同以及要加工的标签的类型不同，在系统建设中选择的工具也有较大差异。
三、客户标签的误区
随着各个企业的数据应用逐步深化，以及各类供应商过度的宣传，使得企业内部管理层及最终用户对于客户标签产生了不少的误区，主要体现在下面两个方面：
1.可以通过几期工程的建设就建立完整的客户标签
有不少人认为，可以通过整合内部数据，增加数据采集点，引入外部数据就可以建立完善的客户标签体系。这个体系可以支撑当下及未来的业务发展。但实际情况是，客户标签的建设是一个永无止境的过程，不应当一次性投入过多的资源。这是因为很多客户标签不是采集和加工出来的，而是在应用过程中根据需要不断增加和完善进来的。如果采用自下而上驱动的方法，很容易造成采集和加工了大量的标签但没有发挥其作用的情况。事实上，在搭建好一个技术的框架和基本的标签体系后，就应该迅速寻找业务切入点，从业务切入点来反向提出缺失的标签，重新寻找更多的数据来源和加工方法。在避免初次投入过大的情况下，也要建立管理层和最终用户对客户标签体系的合理期望。
2.重系统建设，轻运营应用
不少企业内部的客户标签体系基本上是技术部门主导的系统建设，对于持续运营投入力量较少。事实上，随着业务应用场景的不断增加，需要不断投入资源来进行数据源的不断丰富，对于效果不好的标签和数据来源，也应该逐步减少，形成有增有减、持续完善的循环。持续不断地释放业务价值。尤其是保险公司，由于其营销和服务的过程在相当长的时间内还需要大量依靠人来完成，因此其应用的过程实际上是改变人的思维习惯的过程，往往不是系统建设完就能产生价值的。
四、行动路线建议
依据前面对于客户标签作用以及使用误区中的分析，我们针对客户标签体系的建立和使用提出如下建议：
1.与最终用户沟通，确定几个需求比较迫切的应用点。
2.建立较为完整的技术规划，在具体实施中可以分步骤进行，比如依据应用的需要，前期以批量处理为主，实时计算可以往后期来安排等。这里比较重要的是一定要在技术上考虑到未来的扩展性，很多企业客户标签的量往往很容易突破上千甚至到几十万的级别。
3.重视评估实际使用的效果，评估每个/类标签的ROI，来逐步增加投入的资源并释放业务价值。