基于K-Means和SEM的消費者互聯(lián)網(wǎng)保險購買意愿研究
——以TPB和TAM為分析框架

譚 征

(1.四川廣播電視大學(xué)， 成都 610073; 2.四川華新現(xiàn)代職業(yè)學(xué)院， 成都 610107)

近年來，“互聯(lián)網(wǎng)+”顛覆和重塑著中國經(jīng)濟，互聯(lián)網(wǎng)保險借此浪潮快速發(fā)展起來。根據(jù)曲速資本發(fā)布的《2016互聯(lián)網(wǎng)保險行業(yè)研究報告》，互聯(lián)網(wǎng)保險歷經(jīng)20年的蛻變，目前正處于全面爆發(fā)的前夜[1]?？傮w而言，伴隨著中國網(wǎng)民和手機移動端用戶的擴增，中國互聯(lián)網(wǎng)保險先后經(jīng)過了萌芽期、起步期、探索期、積累期、發(fā)展期和爆發(fā)前期，正醞釀一場“現(xiàn)象級”經(jīng)濟熱潮，如圖1所示。

圖1 中國互聯(lián)網(wǎng)保險發(fā)展階段

2011—2016年互聯(lián)網(wǎng)保險公司數(shù)量、保費收入及占比如表1所示[1-2]。2015年，互聯(lián)網(wǎng)保費占總保費的9.20%，2016年互聯(lián)網(wǎng)保險公司數(shù)量占行業(yè)總機構(gòu)數(shù)量的58%。互聯(lián)網(wǎng)保險的種類也越來越多元化，從最初的理財險、人身險、車險等傳統(tǒng)品種，到大量涌現(xiàn)的銀行卡安全險、支付寶安全險、退貨險等依托電子商務(wù)而開展的保險品種，再到搖號險、鞭炮險等五花八門的創(chuàng)新險種，無不彰顯互聯(lián)網(wǎng)保險的興盛和開放。

深入挖掘互聯(lián)網(wǎng)經(jīng)濟的潛力是促進我國經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型、保障我國經(jīng)濟可持續(xù)發(fā)展的重要的支撐點。消費者的購買意愿是進一步挖掘互聯(lián)網(wǎng)保險市場潛力的直接推動因素，以消費者的視角研究互聯(lián)網(wǎng)保險，合理引導(dǎo)消費者作出購買決策對于互聯(lián)網(wǎng)保險的發(fā)展具有十分重要的意義，而且，互聯(lián)網(wǎng)中的“長尾效應(yīng)”對互聯(lián)網(wǎng)保險依然有效。通過對“長尾人群”的特征研究，分析互聯(lián)網(wǎng)保險客戶的特征分布，有利于保險機構(gòu)對保險產(chǎn)品的精細化設(shè)計和進行差異化的精準營銷。目前在學(xué)術(shù)界，互聯(lián)網(wǎng)保險作為一個新興的領(lǐng)域，大多數(shù)研究仍處在案例研究、對比研究等初步階段，實證研究乏善可陳。本文擬結(jié)合計劃行為模型(TPB)和技術(shù)接受模型(TAM)，在一個較綜合的框架下建立互聯(lián)網(wǎng)保險購買意向模型，并利用K-Means聚類技術(shù)對客戶進行細分，利用結(jié)構(gòu)方程模型驗證影響互聯(lián)網(wǎng)保險客戶購買意愿的主要因素。

表1 2011—2016年互聯(lián)網(wǎng)保險發(fā)展概況

1 文獻綜述

目前，學(xué)術(shù)界關(guān)于“互聯(lián)網(wǎng)保險”的定義和類型劃分出現(xiàn)分歧?？傮w趨勢是：它的概念邊界和類型不斷延伸、補充。學(xué)者最早提出的是較為狹義的定義，認為互聯(lián)網(wǎng)保險就是“通過互聯(lián)網(wǎng)銷售保險”[3]。這種觀點與互聯(lián)網(wǎng)保險完整的業(yè)務(wù)體系相違背，遭到學(xué)者批評。后來有學(xué)者將其定義拓展為“保險公司或者保險中介機構(gòu)借助互聯(lián)網(wǎng)為客戶提供產(chǎn)品及相關(guān)服務(wù)信息，實現(xiàn)網(wǎng)上投保、承保、保全和理賠等保險業(yè)務(wù)，完成保險產(chǎn)品的在線銷售及服務(wù)，同時借助第三方機構(gòu)來實現(xiàn)保險相關(guān)費用的電子支付等經(jīng)營管理活動”[4]。在此基礎(chǔ)上，何麗新等[5]又將因互聯(lián)網(wǎng)而生的“互聯(lián)網(wǎng)信息安全保險”納入其中，將互聯(lián)網(wǎng)保險劃分為“互聯(lián)網(wǎng)信息安全保險”、“O2O保險業(yè)務(wù)”、“網(wǎng)銷保險業(yè)務(wù)”3種類型，拓展了互聯(lián)網(wǎng)保險的概念內(nèi)涵。關(guān)于互聯(lián)網(wǎng)保險的商業(yè)模式，在互聯(lián)網(wǎng)保險發(fā)展初期，已有學(xué)者對其商業(yè)模式進行了設(shè)計，如Adam Klauber[6]提出了4個戰(zhàn)略業(yè)務(wù)模型，分別是互聯(lián)網(wǎng)保險交易平臺、職域營銷、保險業(yè)務(wù)處理和創(chuàng)新型保險產(chǎn)品。何德旭等[7]劃分了3個模式：官方網(wǎng)站模式、第三方電子商務(wù)平臺模式(又可劃分為綜合電商平臺和保險中介電商平臺)以及專業(yè)互聯(lián)網(wǎng)保險公司模式，并認為隨著保險經(jīng)營的本質(zhì)與互聯(lián)網(wǎng)特性的深度融合，商業(yè)模式將面臨新的變革，促使金融市場重塑新格局[7]。中國保險行業(yè)協(xié)會在2014年發(fā)布的《互聯(lián)網(wǎng)保險行業(yè)發(fā)展報告》，對互聯(lián)網(wǎng)保險模式進行總結(jié)后劃分為5類，如表2所示[8]。

表2 互聯(lián)網(wǎng)保險商業(yè)模式

圍繞著互聯(lián)網(wǎng)保險，目前學(xué)者的研究以定性為主，主題涉及互聯(lián)網(wǎng)保險的發(fā)展?fàn)顟B(tài)(發(fā)展速度、產(chǎn)業(yè)規(guī)模、品種設(shè)計等)、與其他國家或地區(qū)(美、英、日、臺灣等)的對比分析、對傳統(tǒng)保險業(yè)的影響以及存在問題(法律問題、監(jiān)管問題等)的研究。具體而言，陳秀芬等[9]在大數(shù)據(jù)背景下分析了我國互聯(lián)網(wǎng)保險的現(xiàn)狀，但仍然受安全性缺失、產(chǎn)業(yè)結(jié)構(gòu)單一、傳統(tǒng)行業(yè)制約、新產(chǎn)品收益低等方面的限制。李亞光等[10]分析了我國互聯(lián)網(wǎng)保險的發(fā)展基礎(chǔ)、過程與邏輯。王洋[11]借鑒日本、英國、美國互聯(lián)網(wǎng)保險行業(yè)的監(jiān)管經(jīng)驗，結(jié)合我國國情提出促進我國互聯(lián)網(wǎng)保險行業(yè)健康有序發(fā)展的建議。與此類似，池騁等[12]從法制的視角從臺灣地區(qū)獲得經(jīng)驗啟示，擬通過有效的法律規(guī)則分散、消除互聯(lián)網(wǎng)保險運營過程中的法律風(fēng)險。為了研究互聯(lián)網(wǎng)保險對傳統(tǒng)保險業(yè)的沖擊，劉遠翔以7家財產(chǎn)保險公司和7家人壽保險公司為樣本，運用SFA(stochastic frontier approach)進行實證研究，發(fā)現(xiàn)互聯(lián)網(wǎng)保險業(yè)務(wù)對傳統(tǒng)保險企業(yè)成本效率與利潤效率都有積極影響[13]。何麗新等[5]以類型化分析為視角，研究了互聯(lián)網(wǎng)保險對于傳統(tǒng)保險法律規(guī)則的沖擊與重塑。在問題與風(fēng)險方面，何德旭等[7]將互聯(lián)網(wǎng)保險的風(fēng)險劃分為技術(shù)風(fēng)險、金融風(fēng)險、系統(tǒng)性風(fēng)險3類，而崔宇清等[14]基于最大誠信原則梳理了我國互聯(lián)網(wǎng)保險的法律風(fēng)險并提出相應(yīng)對策?？傮w而言，目前研究大多處在初步階段，不系統(tǒng)、不深入，案例研究較多，基本都是定性的方法。有關(guān)消費者對互聯(lián)網(wǎng)保險購買意愿的研究非常少，實證檢驗更是一片空白?；ヂ?lián)網(wǎng)保險若想長足發(fā)展，就必須重視消費者的購買心理和購買行為，如何引導(dǎo)消費者做出購買決策便成為一項重要課題。

2 基于RFM和K-Means聚類的互聯(lián)網(wǎng)保險客戶特征分析

2.1 數(shù)據(jù)選取與分析流程

本文實證數(shù)據(jù)為ZH財險公司開展的互聯(lián)網(wǎng)保險業(yè)務(wù)中的車險客戶數(shù)據(jù)。之所以選擇車險客戶數(shù)據(jù)，一是由于車輛保險在機動車持有量持續(xù)增長態(tài)勢下發(fā)展迅猛；二是由于在ZH財險公司的互聯(lián)網(wǎng)保險業(yè)務(wù)中，互聯(lián)網(wǎng)車險占比最大，很大程度上可反映出整體客戶特征，在和傳統(tǒng)保險的對比研究中也更有意義。由于此次調(diào)研數(shù)據(jù)來自車險承保系統(tǒng)、車險理賠系統(tǒng)、核心系統(tǒng)、電子商務(wù)系統(tǒng)等多個業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫，這些系統(tǒng)采用了DB2、Oracle等多種數(shù)據(jù)庫，給數(shù)據(jù)遷移帶來一定難度。為此，本文利用ETL工具Kettle[注]Kettle中文名為“水壺”，是一款國外開源的ETL工具，純java編寫，可以在WindowLinuxUnix上運行，數(shù)據(jù)抽取高效穩(wěn)定。完成數(shù)據(jù)遷移，并建立完整的數(shù)據(jù)倉庫，數(shù)據(jù)流向如圖2所示。Kettle 是Pentaho開源商業(yè)智能套件中的一個ETL組件，具有開源、高效、設(shè)計界面易用且功能強大的特點。

圖2 獲取實證數(shù)據(jù)

為保證此次客戶特征分析更為科學(xué)，選取保險周期在2015-2016年內(nèi)的客戶數(shù)據(jù)，這樣既能保證數(shù)據(jù)時效性，又能保證在分析賠付率等指標(biāo)時的有效性。由于研究內(nèi)容涉及客戶特征分析與客戶購買行為意愿，因此本文采用的客戶數(shù)據(jù)均為投保人數(shù)據(jù)。在研究客戶特征時，分析流程如圖3所示。

圖3 互聯(lián)網(wǎng)保險客戶特征分析流程

2.2 數(shù)據(jù)預(yù)處理與客戶基本特征對比分析

ZH財險自2004年開始信息化建設(shè)，逐步啟用包括車險承保系統(tǒng)在內(nèi)的八大業(yè)務(wù)系統(tǒng)。由于在系統(tǒng)建設(shè)初期沒有形成以客戶為中心的認知，ZH財險客戶數(shù)據(jù)質(zhì)量較差，在正式分析前需要進行大量預(yù)處理工作。這些工作主要包括：

1) 數(shù)據(jù)規(guī)范。修改不符合規(guī)范的數(shù)據(jù)，包括去除空格、字母大小寫轉(zhuǎn)換、去除字段中的特殊符號等；

2) 客戶唯一性識別。將身份證號碼作為客戶唯一性識別標(biāo)識，并通過身份證校驗位完成對身份證的校驗，刪除未通過校驗的無效數(shù)據(jù)；

3) 缺失值補充。僅用刪除方法處理缺失數(shù)據(jù)會造成樣本量不足或評估結(jié)果偏差，因此借鑒喬麗華[15]、鄧銀燕[16]、龐新生[17]等學(xué)者的研究結(jié)論，采用多重填補法對缺失數(shù)據(jù)進行科學(xué)填補。

4) 基于RFM的字段選取。首先選取可能對個人態(tài)度有顯著影響的客戶基本特征字段，如性別、年齡、收入狀況(機動車購置價)、地區(qū)等；然后結(jié)合CRM理論中的經(jīng)典客戶分析模型——RFM模型，選取客戶最近一次的購買時間R(recency)、客戶購買頻度F(frequency)、客戶保費M(monetary)3個指標(biāo)，如表3所示。

5) 數(shù)據(jù)集成。將所有指標(biāo)數(shù)據(jù)集中在一張表中，最終獲得143 285條有效的互聯(lián)網(wǎng)車險客戶信息。

表3 RFM模型指標(biāo)含義

注：由于數(shù)據(jù)是2015/2016年度的數(shù)據(jù)，分析時間點為2017年1月1日

根據(jù)搜集數(shù)據(jù)，運用Excel對互聯(lián)網(wǎng)保險客戶的基本特征進行統(tǒng)計分析，并與傳統(tǒng)保險客戶進行對比，其結(jié)果如表4所示，可得幾點基本結(jié)論：

1) 互聯(lián)網(wǎng)保險客戶的評價年齡是37歲，傳統(tǒng)保險客戶的平均年齡是42歲，這說明互聯(lián)網(wǎng)保險客戶體現(xiàn)出年輕化的趨勢特征，但并不明顯。而根據(jù)《2016中國電商消費行為報告》[18]，26～35歲(80后)年齡段是線上消費的主力軍，保險客戶的年齡明顯偏大。這很好理解，因為機動車保險業(yè)務(wù)一般限制投保人年齡在16歲以上，且年輕人經(jīng)濟壓力大、無財富積累、無風(fēng)險意識，而年長成熟的消費者則樂于通過購買保險管控風(fēng)險。

2) 車險投保人客戶存在明顯的性別差異。無論是互聯(lián)網(wǎng)保險還是傳統(tǒng)保險，男性投保人都占絕大多數(shù)，分別達到81.33%和77.24%的比重。

3) 從互聯(lián)網(wǎng)車險渠道客戶的地區(qū)分別來看，華東地區(qū)占比達77.26%，西北地區(qū)僅占0.88%，反映出我國各地區(qū)在互聯(lián)網(wǎng)與互聯(lián)網(wǎng)保險的普及方面差異較大，發(fā)展不均衡，也反映出華東地區(qū)消費者超前的消費模式轉(zhuǎn)變，特別是“江浙滬”地區(qū)的消費者已將網(wǎng)上消費培養(yǎng)成習(xí)慣。

表4 互聯(lián)網(wǎng)保險客戶與傳統(tǒng)保險客戶的基本特征對比

2.3 基于K-Means的客戶細分

利用clementine12數(shù)據(jù)挖掘工具中的K-Means模型對ZH財險的148 235條符合研究要求的客戶信息進行聚類分析，從而完成客戶的精確細分。K-Means算法最早由MacQueen提出[19]，因易于描述、時間效率高、適于處理大規(guī)模數(shù)據(jù)等優(yōu)點，得到廣泛應(yīng)用[20]。它的基本思想是：使n個數(shù)據(jù)點{x1,x2,…,xn}到與它最近的聚類中心{a1,a2,…,ak}的距離平方和Wn最小。Clementine中的K-Means模型用歐幾里德距離來計算類內(nèi)差異和類間差異。歐幾里德距離一般用來測量n維空間中兩點之間的距離。Wn、類內(nèi)差異、類間差異的公式如下。

目標(biāo)函數(shù)：

(1)

類內(nèi)差異：

(2)

類間差異：

(3)

圖4 各K值對應(yīng)的類間評價相似度

K-Means聚類的相關(guān)統(tǒng)計量總結(jié)在表5中。

表5 K-Means 聚類結(jié)果匯總

根據(jù)以上聚類結(jié)果，ZH財險互聯(lián)網(wǎng)車險客戶可以細分為4類：

1) 核心客戶群體——華東地區(qū)男性投保人客戶(聚類1)。這部分客戶有82 079條記錄，占全部記錄的55.37%。年齡分布以中年為主，與整體互聯(lián)網(wǎng)車險客戶年齡分布基本一致。這部分客戶近期購買次數(shù)的平均值為2.067，在4類客戶群體中最高，整體較活躍。

2) 高潛力客戶群體——年輕的女性白領(lǐng)客戶(聚類2)。這部分客戶年齡在26～40年齡段，有28 965條記錄，占全部記錄的19.54%。長期以來，我國男性是駕車主體，男女?dāng)?shù)量差距較大，但在國外，男女對機動車輛的消費幾乎同步。近年來隨著我國女性駕車比例逐年攀升，女性成為了機動車消費的潛力人群，具有極大的市場空間。女性機動車輛消費的提升勢必引起女性投保人客戶群體的增長。

3) 高價值客戶群體——富裕型女性投保人客戶(聚類3)。這部分客戶的平均保費為4類客戶群體中最高，平均機動車價值也最高，有15 033條記錄，占全部記錄的10.14%。這部分客戶的年齡偏大，基本集中在41～55年齡段，說明這部分客戶具有較好的財富積累，也是ZH財險比較有價值的客戶群體。

4) 其他地區(qū)男性投保人群體(聚類4)。這部分客戶近期保費M(monetary)均值和近期投保次數(shù)F(frequency)均值在4類客戶中均最低，客戶價值有限，但客戶數(shù)量有一定占比(14.95%)，因此不能忽視。

3 消費者互聯(lián)網(wǎng)保險購買意愿的模型構(gòu)建與實證檢驗

3.1 模型的理論依據(jù)與構(gòu)思

前面探究了互聯(lián)網(wǎng)保險客戶群體的基本特征，這些特征因素在一定程度上決定了消費者互聯(lián)網(wǎng)保險的購買行為意愿。但是，影響購買意愿的因素是多方面的，尤其是心理因素，本文擬綜合計劃行為理論(theory of planned behavior,TPB)和技術(shù)接受模型(technology acceptance model,TAM)，運用結(jié)構(gòu)方程模型進行相關(guān)探究。

所謂意愿，是指個人從事特定行為的主觀概率，購買意愿即消費者愿意采取特定購買行為的幾率，是購買行為的預(yù)測因素。雖然學(xué)術(shù)界對購買意愿是否能有效預(yù)測購買行為這一問題上尚未達成一致，但多數(shù)研究支持用購買意愿研究購買行為。在研究購買意愿方面，計劃行為理論是主流理論之一，認為意愿是由消費者對于事物的態(tài)度(attitude)、反映社會環(huán)境影響的主觀規(guī)范(subjective norm)和感知到的難易程度——感知行為控制(perceived behavior control,PBC)3個方面共同決定。行為主體對某一行為的態(tài)度越趨向于正面，感知到的社會環(huán)境壓力越大，執(zhí)行行為的信心越足，對待該行為的意向表現(xiàn)得越強烈[21]。已有文獻中，計劃行為理論對可持續(xù)生產(chǎn)產(chǎn)品的購買意愿、家電下鄉(xiāng)產(chǎn)品的購買意愿、倫理購買決策機制、延遲購買偏好反轉(zhuǎn)等均有很強的解釋力[22-24]。

除了計劃行為理論，也有學(xué)者關(guān)注信息技術(shù)的采納和使用。Davis從行為科學(xué)的視角，在理性行為理論(TRA)的基礎(chǔ)上提出了技術(shù)接受模型。該模型指出有兩個因素影響著行為主體是否愿意或能夠使用信息技術(shù)，分別是感知有用性(perceived usefulness,PU)和感知易用性(perceived ease of use,PEOU)[25]。感知有用性是體現(xiàn)用戶感覺或者意識到使用某一具體的信息技術(shù)系統(tǒng)對其工作、生活提高的程度大小；感知易用性反映用戶感知到其使用一種系統(tǒng)的難易程度。TPB和TAM模型分別從不同視角進行了考慮，整合這兩種視角，可獲得更全面、完整的模型。

基于此，本文提出如圖5所示模型。

圖5 模型構(gòu)思

本文構(gòu)思的模型涉及感知有用性、感知易用性等共6個變量，針對各個變量的測量，學(xué)術(shù)界均已開發(fā)出成熟的量表。在設(shè)計調(diào)查問卷時，為了保證測量的內(nèi)容效度，本文使用這些成熟的量表(參見表6)，且均為李克特七級(完全不同意—完全同意)量表[26-29]。

表6 各預(yù)測變量測量題項與依據(jù)

3.2 結(jié)構(gòu)方程模型的實證分析

筆者通過問卷調(diào)查的方式獲取數(shù)據(jù)，在正式發(fā)放問卷前，先通過偶遇抽樣(accidental sample)方法，在高校周圍進行預(yù)調(diào)查。由于互聯(lián)網(wǎng)保險概念較新，因此在問卷中添加對互聯(lián)網(wǎng)保險的解釋。預(yù)調(diào)查共回收45份問卷，通過填寫反饋情況，結(jié)合專家意見，對部分題項進行修整，編制出正式調(diào)查問卷。正式問卷通過兩種途徑發(fā)放：一是紙質(zhì)問卷現(xiàn)場發(fā)放，二是委托專業(yè)調(diào)查平臺——問卷星(http://www.sojump.com)進行網(wǎng)絡(luò)發(fā)放。最終，共發(fā)放問卷300份，回收問卷277份，進一步剔除數(shù)據(jù)缺失、前后矛盾以及明顯規(guī)律性作答的無效問卷后，剩余有效問卷263份，有效回收率87.67%。

1) 信效度檢驗

首先進行信效度檢驗。運用SPSS 19.0，以Cronbach’s α 系數(shù)作為信度的判斷標(biāo)準，0.5以上符合基本要求，0.7以上說明信度良好。信度檢驗結(jié)果如表7所示。可見，所有變量的信度系數(shù)均在0.5以上，最高信度值達0.93，整體量表的信度值為0.867，說明信度狀態(tài)較好，通過了信度檢驗。

表7 信度檢驗結(jié)果

在效度檢驗中，建構(gòu)效度又分為收斂效度和判別效度。按照吳明隆[30]的觀點，一般以3條標(biāo)準評估收斂效度：① 標(biāo)準因子載荷大于0.5，0.7以上更理想；② 組合信度值在0.6以上；③ 平均提煉方差(AVE)大于0.5。運用AMOS21.0得到表8的結(jié)果?？梢姡藗€人態(tài)度的最小因子載荷略低于0.5(0.477)和感知行為控制的組合信度略低于0.6(0.590)，其他均符合收斂效度的要求，說明收斂效度良好。判別效度檢驗的傳統(tǒng)做法是比較因子本身的AVE值的算術(shù)平方根是否大于該因子與其他因子的相關(guān)系數(shù)。由表8中的AVE值和最大相關(guān)系數(shù)計算得出，所有變量的判別效度均通過了檢驗。

2) 結(jié)構(gòu)方程分析

以AMOS21.0為工具，進一步探究調(diào)查所得的問卷數(shù)據(jù)和假設(shè)模型是否擬合，即進行模型的適配度檢驗，檢驗的指標(biāo)主要包括X2/df、RMSEA、RMR、CFI、GFI、NFI、RFI、IFI和TLI，如表9所示。可見，量表的所有指標(biāo)均達到適配的標(biāo)準值要求，模型擬合度好，無需進行模型修正。

表8 效度檢驗結(jié)果

表9 互聯(lián)網(wǎng)保險購買意愿模型常用擬合指數(shù)

結(jié)構(gòu)方程模型共包含7條路徑，各個路徑的模型參數(shù)估計總結(jié)在表10中?？梢?，除了CA←PU(個人態(tài)度←感知易用性)沒有通過顯著性檢驗(P=0.109)之外，其他各條路徑均通過顯著性檢驗。而且各個路徑的系數(shù)符號均為正，說明各變量對購買意愿的影響均為正向影響；通過標(biāo)準系數(shù)對比，可以發(fā)現(xiàn)主觀規(guī)范對購買意愿(BI←SN)的影響效果(0.572)以及感知行為控制對購買意愿(BI←PBC)的影響效果(0.644)均明顯大于其他路徑，感知行為控制影響最大。這可能和互聯(lián)網(wǎng)保險認知度高有關(guān)，且感知有用性和感知易用性均對購買意愿起到顯著正向作用。值得注意的是，根據(jù)溫忠麟等[31]的判斷標(biāo)準，個人態(tài)度在感知有用性與購買意愿之間起部分中介作用(BI←CA←PE)，而個人態(tài)度在感知易用性與購買意愿之間并未起中介作用。

表10 路徑模型參數(shù)估計

注：*代表顯著性水平P<0.05，**代表P<0.01，***代表P<0.001

4 結(jié)論與啟示

本文以ZH財險的互聯(lián)網(wǎng)車險客戶數(shù)據(jù)和問卷調(diào)查數(shù)據(jù)進行實證分析，運用K-Means聚類技術(shù)完成客戶細分，并綜合TPB和TAM理論構(gòu)建消費者互聯(lián)網(wǎng)保險購買意愿模型，運用結(jié)構(gòu)方程模型檢驗該模型。通過研究得出以下基本結(jié)論

1) 通過特征分析與對比，發(fā)現(xiàn)互聯(lián)網(wǎng)保險客戶在年齡分布和地區(qū)分布上與傳統(tǒng)保險客戶存在差異，互聯(lián)網(wǎng)保險客戶更為年輕且集中在華東地區(qū)；

2) 經(jīng)過K-Means聚類的客戶細分，發(fā)現(xiàn)互聯(lián)網(wǎng)車險的核心客戶群體——華東地區(qū)男性投保人客戶、高潛力客戶群體——年輕女性百麗客戶、高價值客戶群體——富裕型女性投保人客戶；

3) 通過結(jié)構(gòu)方程模型，證明感知有用性、感知易用性、個人態(tài)度、主觀規(guī)范、感知行為控制均對互聯(lián)網(wǎng)保險購買意愿有顯著的正向影響，個人態(tài)度在感知有用性與購買意愿之間起部分中介作用，而且由于消費者普遍對互聯(lián)網(wǎng)保險認知度不高，造成對購買意愿影響最大的因素為反映個人掌控能力的感知行為控制因素和反映環(huán)境壓力的主觀規(guī)范因素。

針對以上結(jié)論，本文對互聯(lián)網(wǎng)保險經(jīng)營發(fā)展提出以下建議：

1) 在營銷策略上，根據(jù)客戶細分結(jié)論，重點向華東地區(qū)投放廣告；充分利用大數(shù)據(jù)、云計算等技術(shù)挖掘潛在重要客戶，并通過多種渠道進行精準營銷；在投放線下廣告時，重點投放在男性客戶經(jīng)?；顒拥膮^(qū)域，在針對高價值客戶群體營銷時，采用交叉銷售的形式增加客戶續(xù)保率。

2) 在產(chǎn)品設(shè)計上，重點關(guān)注核心客戶群體的保險需求，并提供可定制的個性化保險產(chǎn)品，在照顧核心客戶群體需求的基礎(chǔ)上盡可能擴大產(chǎn)品的受眾。由于互聯(lián)網(wǎng)保險購買意愿受感知行為控制影響最大，互聯(lián)網(wǎng)保險產(chǎn)品的業(yè)務(wù)流程設(shè)計應(yīng)注重用戶友好性與操作上的簡易性，保證消費者能夠自如地在線完成投保、承保、核保、保全和理賠等保險業(yè)務(wù)。

3) 在產(chǎn)品服務(wù)上，盡可能大地提升客戶滿意度，因為主觀規(guī)范對互聯(lián)網(wǎng)保險購買意愿的影響非常顯著，只有讓現(xiàn)有的互聯(lián)網(wǎng)保險客戶獲得良好的服務(wù)體驗，才能在市場中贏得口碑，在消費者群體中形成羊群效應(yīng)。