開始之前我們先思考三個問題：

什么是智能保顧？

智能保顧現(xiàn)處于什么階段？

智能保顧的發(fā)展方向是什么？

智能保顧即智能保險顧問，指能自主為用戶提供風險評測、保險知識問答、保險需求分析、保險產(chǎn)品對比和推薦等服務(wù)的智能終端。

簡單來說就是你的私人保險顧問，任何保險問題都可以去問。

在國內(nèi)，智能保顧概念雖然火熱，但整體發(fā)展尚處于初級階段。2017年堪稱是智能保顧的元年，各種保保們精靈們層出不窮，市場上出現(xiàn)的智能保顧保險需求分析保險產(chǎn)品對比和推薦等服務(wù)。

但是，真正體驗過的用戶就會發(fā)現(xiàn)，目前市場上的幾款所謂“智能保顧”功能不夠齊全，尚未真正實現(xiàn)“智能”，太保阿爾法發(fā)布時曾轟動一時，獲取440萬的流量0轉(zhuǎn)化，螞蟻慧小保現(xiàn)在已經(jīng)淡出，微信只做風險評估等等。

從市場大熱到目前一片寂靜，不禁讓人唏噓。

那是為什么呢？

現(xiàn)有的智能保顧基本是根據(jù)用戶的年齡、家庭、資產(chǎn)狀況、車的類型等因素幫助用戶選擇車險產(chǎn)品，如太平洋保險阿爾法保險號稱通過結(jié)合海量數(shù)據(jù)、人工智能技術(shù)及保險精算經(jīng)驗，提供定制化的家庭保險建議。

事實是這樣嗎？

我們一起來拆解以下他的實現(xiàn)原理就知道了。

保險推薦機器人會詢問以下10個問題：

當答完以上問題后，機器人會推出一組保險產(chǎn)品。包含重疾、醫(yī)療和意外。這就是典型的策略樹算法。通過以上數(shù)據(jù)我們可以計算得出：

C（4，1）*C（2，1）*C（34，1）*C（2，1）*C（2，1）*{C（4，1）+C（4，2）+C（4，3）+1}*{C（4，1）+C（4，2）+C（4，3）+1}*C（2，1）*C（5，1）*C（5，1）=12240000

也就是說這個排列組合有1224萬種可能。

而我們查詢保險協(xié)和網(wǎng)站可知現(xiàn)有在售保險產(chǎn)品有7000多個。每個產(chǎn)品拆解后的維度包括性別、年齡、保費、保額等。這就會造成，不同的條件會對應(yīng)同一款產(chǎn)品、同樣的條件會篩選出多個產(chǎn)品，而對產(chǎn)品做優(yōu)先級排序，又成了人的主觀判斷。

所以才造成了平安的保險機器人推薦出的全部是平安的產(chǎn)品，而平安的在售產(chǎn)品不過幾百款，所以這種推薦根本算不上是智能推薦，只不過是條件篩選。

那為什么不用智能推薦技術(shù)來實現(xiàn)保險產(chǎn)品推薦呢？

智能推薦技術(shù)現(xiàn)在應(yīng)用最后的是資訊領(lǐng)域和電商領(lǐng)域，或許我們能從他們的演化進程了解一二。

最早興起的是門戶網(wǎng)站，是有足夠?qū)I(yè)的編輯給大家來寫新聞和資訊，這個時候編輯不必考慮每個人的興趣愛好，只需要了解大多數(shù)人的興趣愛好就好。這樣就造成了千人一面，大家打開的資訊是一樣的。

再后來自媒體興起，每個人可以根據(jù)自己的愛好去關(guān)注和訂閱自己喜歡的自媒體號，這樣每個人打開的資訊就不一樣了，但是這就造成了你只能看到你關(guān)注了的咨詢信息。沒有關(guān)注的就看不到了。

然后隨著今日頭條的興起才真正實現(xiàn)了千人千面，每個人看到的都是不一樣的，而且是動態(tài)變化的。這時候才能真正稱得上是智能推薦。由上可知智能推薦依據(jù)是：

用戶興趣數(shù)據(jù)

用戶的基礎(chǔ)注冊信息，背景信息：例如用戶出生地，年齡，性別，星座，職業(yè)等。這些信息一般從用戶注冊信息中獲??；例如高德，百度地圖注冊用戶，淘寶注冊用戶等

用戶行為反饋：包括顯示的反饋（explicit）和隱藏（implicit）的反饋，顯示的反饋包括用戶的評分，點贊等操作，百度關(guān)鍵詞搜索推薦工具上的點贊（正向顯示反饋）和垃圾桶（負向顯示反饋），淘寶上的評分；隱式反饋包括用戶的瀏覽行為，例如在百度關(guān)鍵詞搜索推薦上搜過那些詞，淘寶上點擊了那些頁面，在高德上點擊了那些POI等

用戶交互偏好：例如用戶喜歡使用哪些入口，喜歡哪些操作，以及從這些操作中分析出來的偏好，比如在高德地圖上根據(jù)用戶行為反饋分析出來的用戶對美食的偏好：更喜歡火鍋，粵菜，還是快餐

用戶上下文信息：這些信息有些是分析出來的，例如在LBS中分析出來的用戶的家在哪兒，公司在哪兒，經(jīng)常活動的商圈，經(jīng)常使用的路線等

而通過研究發(fā)現(xiàn)，在買保險這個領(lǐng)域有以下幾點是和推薦算法邏輯有沖突的：

沒有用戶的歷史數(shù)據(jù)。用戶的保險需求是排他的，買過一個重疾險后不需要在買更多的重疾險了，根據(jù)用戶之前買的保險產(chǎn)品做推薦是行不通的。這一點是和資訊不一樣的，用戶會不斷有讀資訊的需求，可以更加用戶以往的閱讀習慣作為推薦標準。

推薦完成后沒有實時反饋，保險是一個消費非享用產(chǎn)品，購買保險后如果不出險，用戶是沒有任何體驗的。不能根據(jù)用戶，購買后反饋使用體驗來作為推薦標準。不像是視頻網(wǎng)站根據(jù)用戶收看時常判定該用戶對該內(nèi)容的滿意程度來做推薦。

用戶端獲取到的數(shù)據(jù)不能作為推薦條件，同樣，產(chǎn)品端沒有足夠多的產(chǎn)品可供推薦，就像是資訊類網(wǎng)站，如果僅有1萬篇文章庫可供用戶選擇，即使推薦算法再好也無法推薦出用戶滿意的文章。

所以說現(xiàn)在的智能保顧在做的保險智能推薦只能說是條件篩選，根部不算是智能推薦，或者說現(xiàn)如今的保險市場不適用于保險推薦。

那么智能保顧的發(fā)展方向是什么呢？產(chǎn)品形態(tài)和產(chǎn)品屬性決定了它的發(fā)展方向，保險本質(zhì)上是風險轉(zhuǎn)移和杠桿效應(yīng)。通過一小部分錢利用杠桿效應(yīng)轉(zhuǎn)移風險。

之前因為技術(shù)限制無法做到每個人的風險的精準計算，所以保險公司會計算各種模型，推出各種產(chǎn)品，打包出售，每個人去買之前保險公司會進行核查，確定屬于該模型，否則是拒保的。

邏輯就是產(chǎn)品去找人，但是現(xiàn)在隨著科技發(fā)展，用戶屬性和各種行為習慣的記錄，可以精準的計算出每個人的風險狀況，從而推出不同的產(chǎn)品，每個人和每個人的保險杠桿應(yīng)該是不一樣的，也就是說應(yīng)該是人找產(chǎn)品的邏輯。這也許是以后智能保顧的發(fā)展方向。

隨著各類技術(shù)的成熟，好多行業(yè)就想把該技術(shù)應(yīng)用到自己的領(lǐng)域，但是每個行業(yè)的底層邏輯是不一樣的，每個技術(shù)的運行方法也是有必要條件的，在沒有想清楚的情況下進行了技術(shù)的錯配，就會做很多無用功。