◆徐华杰

K-means聚类在A保险公司客户细分模型中的研究

◆徐华杰

（华东师范大学计算机工程学院 上海 200000）

实现客户管理、转变传统保险营销模式是保险行业大数据应用最重要的一个方向[1]。本文以上海市A保险公司的真实生产客户数据为基础，通过K-means训练客户样本数据，实现保险金融行业对客户的精准营销[2]。本算法基于平均轮廓系数（Average Silhouette Coefficient）寻找最优K值[8]和 K－means 算法搭建真实客户的聚类模型，然后基于改进的RFM客户模型进行聚类因子建模，迭代优化，该模型可用于产品开发师的设计指南，经真实市场验证可知，该模型可以提升保单投保率和续保率。

保险客户；K-means；RFM模型；无监督学习

1 引言

保险公司都有着大量的客户数据信息，对于千万级别的客户数据，大部分公司对其利用并不充分，造成了严重的资源浪费。而且随着不断变化的互联网金融环境，其原有的保险代理人中介营销模式已经无法应对当前的需求大环境，想要真正地实现精准营销，必须从客户数据源着手，通过技术手段进行数据挖掘，并对数据挖掘结果进行聚类操作，进而指定更加完备的精准营销策略。

本文所研究的客户分类技术将是以上海某保险集团真实客户数据为例，对保险公司客户数据整合利用的应用可以更加使系统从科学的视角将保险公司的源数据、技术手段和业务流程进行综合探究，客户管理不仅可以提高本项目组在公司内部的核心竞争力，还可以提高客户对公司品牌的忠诚度和公众认可度，同时还可以降低营销成本，大幅提升服务效率。……