基于用戶畫像模型的農(nóng)業(yè)保險精準營銷研究

摘要：近年來，“三農(nóng)”問題的關(guān)注度持續(xù)攀升，農(nóng)業(yè)保險的發(fā)展也關(guān)乎“三農(nóng)”問題的解決，調(diào)查農(nóng)戶種植現(xiàn)狀以及投保需求，依據(jù)收集的數(shù)據(jù)構(gòu)建農(nóng)戶畫像模型，實現(xiàn)農(nóng)險精準營銷具有重要意義。

關(guān)鍵詞：用戶畫像;精準營銷;農(nóng)業(yè)保險

近些年來，隨著社會不斷進步和科技不停地發(fā)展，農(nóng)業(yè)生產(chǎn)技術(shù)和生產(chǎn)水平得到了顯著地提高，但是現(xiàn)階段自然環(huán)境的不斷惡化，農(nóng)業(yè)生產(chǎn)仍面臨著巨大的挑戰(zhàn)。此外，我國的農(nóng)業(yè)生產(chǎn)規(guī)模大且生產(chǎn)類型多樣化，這使得農(nóng)戶在種植業(yè)中的投入不斷增多，導(dǎo)致了農(nóng)戶所面臨的農(nóng)業(yè)風(fēng)險在日漸增加。而農(nóng)業(yè)保險通過預(yù)防賠付農(nóng)業(yè)風(fēng)險損失，保障農(nóng)業(yè)生產(chǎn)者基本收入的同時，也一定程度上增強農(nóng)業(yè)生產(chǎn)者的抵抗風(fēng)險能力。因此需要積極研究農(nóng)業(yè)生產(chǎn)者農(nóng)險需求，推動農(nóng)業(yè)保險的創(chuàng)新式發(fā)展。

自2012年《農(nóng)業(yè)保險條例》提出農(nóng)業(yè)保險以來，我國農(nóng)業(yè)保險逐漸得到發(fā)展，農(nóng)險類別開始分化。目前，若按照不同的農(nóng)業(yè)種類，我國農(nóng)業(yè)保險可分為種植業(yè)保險和養(yǎng)殖業(yè)保險，如若按遇險類別則可劃分為自然災(zāi)害損失險、病蟲害損失險、疾病死亡險等類別。同時伴隨著國家持續(xù)加大對“三農(nóng)”的投入，我國農(nóng)險消費能力逐漸擴大發(fā)展起來。在高投入低回報及不確定因素較多的高風(fēng)險性背景下，農(nóng)業(yè)保險為農(nóng)戶撐起一把“保護傘”，對保障農(nóng)業(yè)生產(chǎn)、促進農(nóng)民增收起到積極作用。

隨著互聯(lián)網(wǎng)的迅速發(fā)展與普及，各類信息數(shù)據(jù)呈爆發(fā)式噴涌。我國作為農(nóng)業(yè)大國，有著龐大的農(nóng)業(yè)數(shù)據(jù)基礎(chǔ)，伴隨著大數(shù)據(jù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用，農(nóng)業(yè)數(shù)據(jù)類型變得更加豐富多樣化，此時借助于充足而廣泛的農(nóng)業(yè)數(shù)據(jù)，對農(nóng)業(yè)保險與農(nóng)業(yè)生產(chǎn)者進行研究，實現(xiàn)農(nóng)戶的農(nóng)險個性化服務(wù)，促進農(nóng)業(yè)生產(chǎn)，意義尤為重大。

本項目在文獻研究的基礎(chǔ)上，以安徽省保險業(yè)和農(nóng)業(yè)為研究對象，通過對保險公司和農(nóng)險客戶進行實地調(diào)研，收集農(nóng)戶種植現(xiàn)狀、特點和利益訴求等信息，利用大數(shù)據(jù)分析處理，建立用戶畫像模型，分析用戶畫像特征，了解不同的農(nóng)戶特點及對農(nóng)險的需求，根據(jù)不同類型的農(nóng)戶特性，結(jié)合安徽本地種植養(yǎng)殖品種、農(nóng)業(yè)風(fēng)險的特色和重點需求，對農(nóng)業(yè)保險產(chǎn)品進行個性化的設(shè)計，使農(nóng)險產(chǎn)品盡可能的貼合農(nóng)戶、農(nóng)產(chǎn)品特點，滿足農(nóng)戶需求，更加精準高效應(yīng)對農(nóng)業(yè)風(fēng)險，進而實現(xiàn)精準營銷。用創(chuàng)新推動農(nóng)業(yè)保險的個性化，用個性化更好的發(fā)揮保險的保障作用，以促進農(nóng)業(yè)保險及農(nóng)村經(jīng)濟的健康快速發(fā)展。

1.研究現(xiàn)狀

1.1用戶畫像相關(guān)研究

用戶畫像即目標用戶的角色，它是一種專門用于描繪和了解目標客戶、聯(lián)系他們的用戶訴求和確定產(chǎn)品設(shè)計的有效手段?；诔浞挚蛻粜畔⑶疤嵯?，將客戶的每一個具體化的信息都抽象成標簽，通過這些標簽把客戶信息進行了具體化，進而為客戶提供優(yōu)質(zhì)的個性化服務(wù)。近些年，伴隨著移動互聯(lián)網(wǎng)的普及以及大數(shù)據(jù)的興起，國內(nèi)外眾多專家學(xué)者參與到對用戶畫像的研究中，使得用戶畫像在各個領(lǐng)域都開始普及。在國內(nèi)學(xué)者中，郝勝宇和陳靜仁（2016）進行了關(guān)于企業(yè)用戶動態(tài)圖像技術(shù)的研究，致力于企業(yè)的精準化市場營銷;郭光明（2017）通過收集社交媒體數(shù)據(jù)，構(gòu)建網(wǎng)絡(luò)社交用戶畫像，研究用戶信用屬性;劉穎（2020）以大數(shù)據(jù)為基礎(chǔ)，將用戶信息進行分類，對數(shù)字圖書館進行用戶畫像模型建構(gòu)，以實現(xiàn)圖書信息精準推送;而國外研究者中，Sumitkumar，Debajyoti和Sheetal（2016）則通過自動信息檢索，利用用戶畫像技術(shù)為大學(xué)推薦系統(tǒng)的用戶提供個性化指導(dǎo);An、Kwak和Jansen（2017）通過構(gòu)建用戶畫像，對YOUTUBE社交媒體上用戶進行興趣特征細分。

1.2農(nóng)業(yè)保險相關(guān)研究

農(nóng)業(yè)保險是為從事農(nóng)業(yè)生產(chǎn)過程的農(nóng)業(yè)生產(chǎn)者減輕因意外災(zāi)害帶來經(jīng)濟損失的保險。關(guān)于農(nóng)業(yè)生產(chǎn)者和農(nóng)業(yè)保險的研究中，國內(nèi)外不同學(xué)者從不同角度出發(fā)進行研究并得出不同結(jié)論。在國內(nèi)，王阿星、張峭（2008）依據(jù)logistic模型對內(nèi)蒙古鄂爾多斯市的農(nóng)業(yè)生產(chǎn)者的農(nóng)業(yè)保險需求的影響因素進行研究，得出農(nóng)業(yè)生產(chǎn)者的農(nóng)業(yè)收入占比、受災(zāi)類型、受教育程度等顯著影響其農(nóng)業(yè)保險需求;程靜、劉飛和陶建平（2018）分析湖北省農(nóng)戶農(nóng)險決策時，研究發(fā)現(xiàn)影響農(nóng)戶農(nóng)業(yè)保險需求的最主要因素是其獲得資金援助機會、家庭勞動力比例以及土壤灌溉條件等;學(xué)者干潔（2019）采取Logistic計量經(jīng)濟模型對浙江紹興市農(nóng)戶的農(nóng)業(yè)保險態(tài)度及認知進行了分析與評價，研究得出農(nóng)業(yè)生產(chǎn)者對農(nóng)業(yè)保險的了解程度、戶主遭遇農(nóng)業(yè)災(zāi)害次數(shù)以及其風(fēng)險偏好均能影響農(nóng)業(yè)生產(chǎn)者對農(nóng)業(yè)保險的態(tài)度和認知;在國外學(xué)者中，Bruce（2004）研究發(fā)現(xiàn)農(nóng)戶的年齡以及風(fēng)險管理能力會一定程度上影響其購買保險的決策;Jason、Vincent （2012）通過建立模型對農(nóng)險需求量進行研究時，發(fā)現(xiàn)農(nóng)作物價格的提高能提升市場上農(nóng)業(yè)保險的需求量;Ruth Vargas Hill（2013）對農(nóng)戶購買農(nóng)險意愿進行實證分析時，得出受教育水平、財富的多少均會顯著影響農(nóng)戶農(nóng)險意愿;Anderson（2015）通過研究發(fā)現(xiàn)農(nóng)業(yè)生產(chǎn)者的財富水平并非和其農(nóng)險需求呈正相關(guān)，當(dāng)其財富值達到一定程度時，其農(nóng)險需求可能會隨之降低。

綜上所述，結(jié)合以往學(xué)者的研究成果可知，用戶畫像是通過對用戶信息進行加工，從而將用戶進行特征分類以實現(xiàn)精準營銷。而對于農(nóng)業(yè)生產(chǎn)者購買農(nóng)業(yè)保險的決策，若從不同角度分析則其與多種特征因素相關(guān)聯(lián)。因此，將兩者結(jié)合，以安徽省為范圍，一方面對購買農(nóng)業(yè)保險的農(nóng)業(yè)生產(chǎn)者進行相關(guān)信息收集，將信息分類并標簽化。另一方面通過構(gòu)建用戶畫像模型，將這些農(nóng)業(yè)生產(chǎn)者進行特征細化，從而實現(xiàn)農(nóng)業(yè)保險的精準營銷。

1.3農(nóng)業(yè)保險用戶畫像模型構(gòu)建

1.3.1數(shù)據(jù)采集獲取數(shù)據(jù)與數(shù)據(jù)處理

為保證構(gòu)建的用戶畫像精準鮮明，數(shù)據(jù)采集應(yīng)該具備真實客觀性。因此將從兩個方面展開，一方面通過行業(yè)調(diào)研將安徽省保險公司銷售部門的農(nóng)險購買顧客的歷史記錄等相關(guān)信息數(shù)據(jù)進行整理收集;另一方面前往安徽省各農(nóng)村地區(qū)進行實地調(diào)研，通過用戶問卷、農(nóng)戶訪談等形式收集農(nóng)業(yè)種植養(yǎng)殖以及農(nóng)險相關(guān)信息數(shù)據(jù)。同時為確保數(shù)據(jù)的全面性和準確性，應(yīng)對新增農(nóng)業(yè)生產(chǎn)者的基礎(chǔ)信息數(shù)據(jù)、種植特征數(shù)據(jù)，風(fēng)險數(shù)據(jù)等各類動態(tài)數(shù)據(jù)和靜態(tài)數(shù)據(jù)進行更新和補充。其次對各個渠道收集整理的數(shù)據(jù)清洗，剔除異常數(shù)據(jù)，保證數(shù)據(jù)的高質(zhì)量。用戶畫像收集的數(shù)據(jù)范圍越廣，用戶特性越鮮明，就能很好的實現(xiàn)農(nóng)險的精準營銷。

1.3.2設(shè)定用戶畫像標簽體系

通過收集整理包括年齡、務(wù)農(nóng)年限、受教育程度、收入水平、投保類別、投保次數(shù)、受災(zāi)比例、遇災(zāi)次數(shù)、理賠記錄、受災(zāi)比例、災(zāi)害類型、農(nóng)業(yè)類別、種植基地環(huán)境、土壤質(zhì)量、耕地面積、風(fēng)險偏好、農(nóng)業(yè)收入占比等相關(guān)信息與數(shù)據(jù)，并將抽取的數(shù)據(jù)進行標簽化，利用各類標簽的特性將用戶標簽化。同時可將標簽劃分為基本屬性、行為屬性、需求屬性、用戶價值?；谶@些標簽，形成完整的用戶形象，完成用戶畫像模型構(gòu)建。利用用戶畫像標簽特性，將滿足用戶標簽的產(chǎn)品對用戶實行精準營銷，確保農(nóng)險銷售基于農(nóng)戶需求為前提。

1.3.3用戶畫像模型構(gòu)建

可構(gòu)建如下圖 1用戶畫像體系，將收集的已標簽化的數(shù)據(jù)進行處理，從而標準化各類用戶特質(zhì)，了解用戶需求與愛好，構(gòu)建用戶畫像模型，進行業(yè)務(wù)層次劃分，進而實現(xiàn)精準營銷。

1.4精準營銷策略

1.4.1實施精準推廣，吸引潛在客戶

提升數(shù)據(jù)挖掘技術(shù)，聘請專業(yè)數(shù)據(jù)分析人員。采用大數(shù)據(jù)、云計算形式，通過收集、挖掘數(shù)據(jù)，全面追蹤用戶投保記錄。針對處理過的數(shù)據(jù)，精細劃分，精確指標和標簽，分析潛在用戶偏好，線上線下交叉實施精準推廣方案，從而提供差異化產(chǎn)品服務(wù)，吸引更多潛在的農(nóng)業(yè)生產(chǎn)者。

1.4.2精準營銷服務(wù)，實現(xiàn)用戶乘數(shù)

基于用戶數(shù)據(jù)構(gòu)建用戶畫像，根據(jù)用戶價值進行客戶細分，從而挖掘用戶深層次需求，發(fā)現(xiàn)新需求，滿足其新需求，提升農(nóng)業(yè)生產(chǎn)者滿意度，創(chuàng)造長尾用戶。維持用戶與企業(yè)的連續(xù)溝通產(chǎn)生商業(yè)價值，創(chuàng)造用戶終身價值，實現(xiàn)用戶乘數(shù)。

1.4.3終端實時監(jiān)測，精準防治災(zāi)害

加大終端監(jiān)測技術(shù)投資，拓寬實時監(jiān)測范圍，確保監(jiān)測的準確全面性。提高對農(nóng)作物種植面積、自然災(zāi)害強度、天氣情況、氣溫條件的因素監(jiān)控。通過實時的監(jiān)測結(jié)果，把握時效，科學(xué)有效的提供防治措施，精準幫助農(nóng)業(yè)生產(chǎn)者積極規(guī)避各類風(fēng)險。從而在提高農(nóng)業(yè)生產(chǎn)者對農(nóng)險產(chǎn)品的認可度的同時，幫助其減少農(nóng)業(yè)生產(chǎn)過程中的風(fēng)險損失。

2.結(jié)語

農(nóng)業(yè)保險還存在很大的創(chuàng)新空間，未來會繼續(xù)做大做強。雖然目前我國的農(nóng)業(yè)保險種類多、覆蓋面廣，但仍存在深度和密度不夠、農(nóng)業(yè)保險參與農(nóng)村治理的作用體現(xiàn)不明顯、農(nóng)民投保積極性不夠高、產(chǎn)品創(chuàng)新性還有待繼續(xù)加強等問題。本文通過對農(nóng)險購買者信息特征化，輔助用戶畫像模型將農(nóng)險用戶進行個性化分類，致力于實現(xiàn)農(nóng)業(yè)保險的精準營銷，推動農(nóng)業(yè)保險的健康快速發(fā)展，實現(xiàn)農(nóng)業(yè)的高質(zhì)量發(fā)展。

參考文獻：

[1]郝勝宇，陳靜仁.大數(shù)據(jù)時代用戶畫像助力企業(yè)實現(xiàn)精準化營銷[J].中國集體經(jīng)濟，2016（04）：61-62.

[2]郭光明.基于社交大數(shù)據(jù)的用戶信用畫像方法研究[D].中國科學(xué)技術(shù)大學(xué)，2017.

[3]程靜，劉飛，陶建平.風(fēng)險認知、風(fēng)險管理與農(nóng)險需求——基于行為金融視角的實證研究[J].南京農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2018，18（03）：133-141+156.

[4]干潔.紹興市水稻種植農(nóng)戶參保行為及其影響因素研究[D].浙江農(nóng)林大學(xué)，2019.

[5]劉穎.大數(shù)據(jù)技術(shù)的圖書館用戶畫像模型建構(gòu)策略[J].現(xiàn)代電子技術(shù)，2020，43（09）：55-57+61.

[6]王阿星，張峭.內(nèi)蒙古鄂爾多斯市農(nóng)業(yè)保險需求實證分析[J].農(nóng)業(yè)經(jīng)濟問題，2008（S1）：101-106.

[7]User20Profiling20for20University20Recommender20System20Using20Automatic20Information20Retrieval[J].Sumitkumar Kanoje，Debajyoti Mukhopadhyay，Sheetal Girase. Procedia Computer Science.2016.

[8]Automatic20Generation20of20Personas20Using20YouTube20Social20Media20Data.An J，Kwak H，Jansen B J. Proceedings of the50th International Conference on System Sciences.2017.

[9]Factors Influencing Farmers Crop Insurance Decisions.Bruce J Sherrick. American Journal of Agricultural Economics.2004.

[10]Agricultural Insurance in Developed Countries： Where Have We Been and Where Are We Going？[J].Vincent H.Smith，Joseph W.Glauber.Applied Economic Perspectives and Policy.2012 （3）.

[11]Adoption of weather‐index insurance： learning from willingness to pay among a panel of households in rural Ethiopia[J].Ruth Vargas Hill，John Hoddinott，Neha Kumar.Agricultural Economics.2013 （4-5）.

[12]Low prices and crop insurance[J]. Anderson，Kim. Southwest Farm Press. 2015.

基金項目：本文屬安徽財經(jīng)大學(xué)國家級創(chuàng)新訓(xùn)練項目《基于用戶畫像模型的農(nóng)業(yè)保險精準營銷研究——以安徽省為例》（編號：201910378033）研究成果。

作者簡介：周紫薇（1999-），女，漢族，安徽銅陵人，單位：安徽財經(jīng)大學(xué)金融學(xué)院，學(xué)歷：金融工程專業(yè)。