航旅纵横航延险「航延险」

今天给大家普及一下航旅纵横航延险「航延险」相关知识，最近很多在问航旅纵横航延险「航延险」，希望能帮助到您。

编者按

“数据已经成为一种新的经济资产类别，就像货币或黄金一样”，2012年的世界经济论坛发布的报告这样宣称。保险科技的浪潮之下，大数据技术也越来越受各险企的重视。

航旅业是一个高度互联网化行业，伴随近年来的快速发展、用户量的激增，与其相关的大数据空前丰富，成为客户画像的重要维度之一，将其深入应用到保险行业，与保险产业链的各个环节相结合，可以有效提高运营效率、改善用户体验、甚至彻底改变保险产品形态。

为深度揭示航旅大数据在保险行业的种种可能，『慧保天下』联合专注于航旅大数据的敬之网络，共同编制报告《当大数据邂逅保险——航旅大数据在保险业的创新应用》（以下简称《报告》）。1月13日举办的“2018慧保天下保险大会”上，敬之网络创始人翟文君对《报告》进行发布。

下文内容摘编自《报告》，如需完整内容，请后台回复“航旅”进行提取。

▲ 敬之网络创始人 翟文君

1

大数据下的航旅业及消费者

高速发展同时又能直接接触C端消费者的行业势必形成海量的数据资源，航旅业便是典型代表之一。

随着消费升级时代的来临，高效、便捷、舒适的飞机逐渐成为商旅出行的首选。自2005年以来，我国航旅业持续快速发展。从民航旅客运输量来看，除2008年受全球性金融危机的影响增速放缓以外，每年都保持着10%-20%的增速。

如此海量的行程沉淀下来了海量的数据，那么航旅大数据到底涵盖了哪些信息呢？大致可以分为以下两个维度：

航空公司飞行数据。其反映的是航空公司运营过程中的规律、效率以及遇到的问题。

包括：国内飞行次数、国外飞行次数、平均票价、总延误时间、平均延误时间、平均提前出票天数、飞行时间、起飞城市、抵达城市、飞行里程数等。

乘机人个人基础属性。其反映的是个人消费者的航旅需求以及相关行为偏好。

包括：某时间段内的飞行次数、航空公司金银卡统计、最繁忙的月份乘机次数、1年内平均折扣、头等舱乘机次数、商务舱乘机次数、经济舱乘机次数、出发城市统计、到达城市统计、航空公司偏好等。

选取其中部分数据进行展示：

从上图可以看到，航旅出行时间从上午6点至晚上9点间分布均匀，午夜的航班较少。此外，10月-12月期间的航班数量显著高于其他月份，而二月、三月的航班数量相对较少。我们分析，这与商业运营规律密切相关。第四季度通常是各企业续转现有业务、拓展新业务的高峰期，因此商务出行较为密集；而二月、三月是春节前后，通常商务出行较少。

航班延误同样具有明显的规律性，6月-8月的延误航班数最高，10月-12月延误的航班数最少，这与夏季多发雷雨、台风等恶劣天气有密切联系。而同一天内，中午、下午的航班延误数量比早、晚的多，航空管制是其中一个重要原因。因此，天气、航空管制是航延险精算定价过程中的重要变量。

从乘机人的个人基础信息方面看，乘飞机出行的人群大多集中在21-30岁，其次为31-40岁，这两个年龄段的乘机人数大约占到了总乘机人数的80%。可见，飞机出行不再只是经济实力雄厚的中产阶级或上层阶级的选择，30岁上下，与互联网一同成长起来的这群年轻人成为了消费的主力军。

2

场景时代：航延险高速增长、痛点难消

互联网技术大发展的时代，由于流量聚集所产生的各种“场景”，已经成为保险销售的重要阵地，而这其中，航旅以及电子商务两个行业由于高度互联网化，且波及面甚广，又成为了重中之重。

从国内首家互联网保险公司众安保险所披露的数据看，2015年三季度至2016年二季度，其来自电商及航旅场景的保费收入占到总保费收入的70%左右。

有数据显示，2011 年到2016 年航延险的保费收入由约2200 万元增长至约9.5 亿元，5 年间增长近46 倍，平均年复合增长率超过110%。航延险的迅速发展主要得益于以下三个原因：

消费升级推动航旅业快速发展，同时国内航班延误概率居高不下。与此同时，接近半数的航班出发时间延误30 分钟以上，这些直接催生了消费者对于航延险的需求。

航延险具备高频、小额、碎片化的特征。不同于重疾险、寿险等传统线下险种低频、高额的特点，航延险具有高频、出险概率高、保费低的特点，属于典型的“短平快”产品，这与互联网场景中消费者的消费习惯相契合，更容易被接受。

服务体验有所改善。借助互联网技术以及OTA 平台自身的发展，航延险产品在购买、理赔、附加服务等环节进行了改善，用户体验得到提升。

然而，在激烈的“流量争夺战”过后，一些公司发现航延险的经营效果并不理想，最直接的体现就是综合成本率居高不下，许多公司该类业务长期处于亏损状态。目前，一些公司已经选择暂停航延险业务。而亏损的原因主要有以下几点：

保险公司难以直接面对消费者，OTA 平台手续费高昂。目前航旅场景的占有方在航延险的销售中具有极大的话语权。加之险企数量增加，市场竞争加剧，险企出于对保费规模的追求，不惜牺牲利润，导致航延险手续费率畸高。

险企航延险精算定价模型不够完善。导致航班延误的原因是多元的、动态的，包括天气变化、航空管制、机票超售等，险企如果缺乏多维度的大数据以及模型动态更新，都将导致航延险赔付率过高。

逆向选择及欺诈现象严重。除此之外，互联网保险的投保、理赔流程较为简单，缺乏强大的信息校验系统容易给部分“羊毛党”留下可乘之机，网上甚至出现了很多针对航延险的“薅羊毛”攻略，导致航延险欺诈案件多发。当然，这也从一个侧面证明险企缺乏足够的风险管控能力。

3

创新应用航旅大数据，多方位赋能保险业

如何应对航延险目前的困境？航旅大数据的创新应用可以在其中发挥重要作用，一些公司已经做了积极的探索，并在产品设计及动态精算、创新营销方式、核保核赔风险管控、优化客户服务体验等各个环节都已经有了成功落地的案例。

赋能精算及产品创新：精准定价、快速定制

在实际应用中，保险公司可通过接入不同数据端口，获取海量的航班大数据，包括：航班历史及实际延误情况；不同机场、不同航空公司、不同天气、不同时间段的延误数据等。

通过科学的方法设计精算模型，根据其输入的数据与输出的结果不同，可分为：概率模型、分钟模型、分类模型、分段概率模型、不延误可能性模型等。

通过系统对航班延误大数据进行挖掘和分析，从大量数据中探寻规律，建立客观的精算模型，尽量避免人为主观影响，减少过去只依赖“保险精算师”的决策局面，同时，每种精算模型均对应相应的准确率验证标准和方法，系统可以不断通过深度学习技术自我完善与修正，提高计算的准确度。

通过系统综合分析天气、空管、机场流量等大数据，根据动态精算模型预测航班延误率，再根据设定的保额、赔付率等计算保费，从而实现“千人千面”的浮动费率，提高承保利润。

赋能风险管控：多维验证、自动化核保核赔

核保

身份信息有效性验证：通过微信等具备支付功能的平台上销售的航延险产品可以通过用户的基本信息与该用户在平台上已绑定的银行卡基本用户信息进行匹配验证，以确保用户账号的真实性，并可保障发生理赔时顺利发放理赔金。

重复投保验证：航延险的重复投保问题主要有两种：一是同一用户多次投保同时起飞的同一航班；二是同一用户投保同时段的多个航班。通过用户的已有行为数据，可以很容易筛选出重复投保的案例。

航班信息验证：通过用户的身份信息及航班购票信息，对用户投保的航班是否已购票进行校验。若经查询尚未购票，则无法购买单次航延险。通过这种方法，可以有效地防止羊毛党通过投保进行获益。只有真正购买了航班机票的用户才能投保航延险。

核赔

用户乘机状态验证：理赔前对于用户乘机状态进行核验，以确保被保险人确有发生损失。

航班状态校验：针对用户投保的航班，自动订阅航班状态，通过航旅数据查询航班的各种状态变化，包括实际起飞时间、降落时间、取消、备降、返航等。根据航班状态数据自动计算延误时长，赔付金额，触发自动理赔功能。

黑名单：根据用户的历史行为数据，建立客史档案，对于有异常行为数据的用户进行标注，异常数据达到一定频次，将其列为黑名单，在产品的核保和核赔环节对其进行约束。

赋能体验优化：一站式、全流程高效服务

航延险产品需要对用户更加友好，再进一步，保险公司需要考虑的是，当航班延误时，旅客真正损失的是什么？如果保险仅仅是赔付一笔钱，很多时候或许并没有真正解决消费者的“痛点”。

航旅大数据的创新应用可为保险公司提升用户体验提供新的思路与方法：

提供自动化、一站式服务

一键投保：通过接入多维度数据，根据用户个人信息，查询其近期已经购票的飞行计划，从而核查用户是否满足投保的条件，实现实时核保，投保立即生效。对于用户来说，只需要在航空公司、OTA 等中介平台或保险公司的客户端上一键购买，就完成投保的全部流程。

全程监控：接入相关系统后，保险公司可对用户所投保航班的延误情况做到实时监控，用户可查询到保单的实时状态，同时，机构也可以根据用户的行程状态推送相应的服务消息， 甚至能根据用户的实际行程及时安排专车、酒店服务等。另外，接入航旅数据后，用户可以从客户端看到实时的延误时间，可以提升计时的准确性和便捷性，减少理赔纠纷。

实时理赔：接入相关系统后，用户不需再提供任何资料，即可实现线上自动理赔。当飞机落地后，该航班是否满足理赔条件、该用户是否乘坐飞机等信息就可以实时获取，符合条件系统将在3-5分钟内自动进行赔付，效率大大提升，用户对于航延险的感知度也将明显提高。

从简单的风险对价过渡为场景服务的交付

通过多维度数据的连接，可以用航延险将飞行场景和其他衣、食、住、行等场景结合起来，叠加服务给用户更便捷的体验和更优惠的价格。

赋能保险营销：海量数据、精准画像

大数据有利于保险公司对用户进行精准画像，从而为用户推荐与其高度匹配的保险产品，通过精准营销改善保险难卖、电网销转化率等问题。

通过大数据技术，可以搜集到上千维度的数据标签，其中与消费者行为相关的数据字段包括：

基本信息：所在地、籍贯、性别、年龄等

反映消费实力的乘机数据：乘机次数、平均折扣、目的地城市、两舱比例、总里程、消费总额等

反映行为偏好的数据：行前规划、航司选择、会员占比等

通过以上数据可以精准的描绘出用户的群体画像，为挖掘用户深层需求并为其提供差异化服务建立了依据。依据其行为特性，对其进行有针对性的营销，能够大幅提升营销的成功率，降低获客成本。