哪個行業的問題最難?

現在應用Customer Analytics的行業越來越多，我自己的經驗就包括零售、電信、保險，銀行信用卡也勉強算碰過一點。會用Customer Analytics來解的問題本身都有一定的難度，不過行業雖然不同，所要解決的問題在類型上卻大同小異。如果只看問題本身，我會說每個行業的問題都一樣難（或一樣簡單）。

由於Customer Analytics是從資料中找答案，資料就如同解題者的武器，資料越豐富，武器的種類就越多。所以在面對同樣的問題時，手上擁有資料的多寡，會影響到解決問題的方法。從這種角度來看，不同行業的相同問題，就會有不一樣的難度。因此在我接觸過的行業中，我會認為保險的問題最難用Customer Analytics的方式解決。

我們不妨回想一下自己的生活方式：多久打一次電話？多久會去特定的通路shopping？多久刷一次信用卡？然後再想想看，我們多久會跟保險公司接觸（不管是透過0800或是業務員，也不管是買保險還是要理賠）。相信對大多數人而言，後者的頻率是最低的。

接觸的頻率低，相對表示產生的行為資料量也低。即使對那些每個月固定用信用卡扣繳保險費的保戶來說，雖然一年裡會產生十二筆資料，但是每一筆的金額都一樣，額外提供的訊息極為有限。


我接過一家外商保險公司的案子，這家公司沒有保險業務員，主要是透過電話行銷對合作銀行的信用卡卡友賣保險。當時我的任務，是利用Data Mining的方式，找出有取消保單傾向的保戶，交由公司做挽留的動作，也就是各行業常見的Retention。

接觸過這類問題的朋友應該多少知道，近期內的用量大幅降低是個重要的預測指標，對行動電話、信用卡而言就是使用的次數，對零售通路來說則是指購買的次數。但是對保險而言，「使用」就代表理賠，而絕大多數人在過去一段時間內的理賠率是很低的（要不然保險公司賺什麼）；把使用解釋成購買也沒有多大幫助，畢竟不會有多少人常常買保險。

當然，保險業還有其他的預測指標可以運用，例如性別（猜猜女生或男生取消保單的機率高？）、繳款周期、付款方式等，但由於許多保戶有相同的性別、繳款周期、付款方式，這些定性的指標並沒有太大的幫助。通常蘊含最多訊息的是行為的資料，其中一項非常有用的指標就是保戶最近有沒有打電話詢問保單相關事宜，而客服中心負責接電話的人員本來就知道。

因為有用的資料真的很少，所以最後這個預測模型的lift實在不怎麼樣。過去這些年來，偶爾我會回憶起這個案子，想想自己當時是不是功力不足。不過我還是認為，缺乏能夠反應顧客動機的行為資料應該才是主要原因，這也是為什麼我不太敢再碰保險的問題。

不知道網友是否同意我的看法？其實這家保險公司的待遇和福利相當好，如果自信能克服保險業的「難題」，這會是很不錯的一份工作。