سیر تکامل مدل‌های نوین کسب‌وکار در صنعت بیمه چین

نویسنده: وحیده نورانی

اینشورتک‌های چینی برای به دست آوردن سهم بیشتر بازار و استفاده از فرصت‌های پیش روی خود، به این نتیجه رسیدند که داشتن یک مدل کسب‌وکار خاص و مناسب برای رسیدن به اهداف بلندمدت بسیار حیاتی است؛ زیرا در انقلاب دیجیتال بزرگی که در سرتاسر دنیا و در صنایع مختلف رخ داد، فناوری از اجزای جدایی‌ناپذیر مدل‌های کسب‌وکار شرکت‌های بیمه به شمار می‌رفت و باید در طراحی و پیاده‌سازی هر مدل کسب‌وکاری فناوری و ابزارهای دیجیتال را در نظر داشت. در کشور چین اینشورتک‌ها در سه مرحله مختلف به تکامل مدل‌های کسب‌وکار خود دست زدند؛ سه موج اصلی، مدل‌های کسب‌وکار اینشورتک‌های چینی را تحت تأثیر خود قرار داد و آنها را در فهرست برترین‌های منطقه و حتی جهان بالا برد:

موج اول: فعال‌سازی فناوری

مدل سنتی کسب‌وکار در بیمه، مبتنی بر ارائه خدمات برای نیازهای واضح و ملموس مشتری با ارائه محصولاتی همگن است. قیمت‌ها با استفاده از مدل‌های اکچوئری و تحلیل آماری و داده‌های تاریخی تعیین می‌شوند. برای فروش یک محصول ایستا و همگن، نیاز به تیم‌های بزرگ فروش وجود دارد تا فروش را افزایش داده و سهم بازار خوبی را به دست آورد. تیم‌های بزرگ پشتیبانی عملیاتی هم مورد نیاز هستند و این‌ها، مدل‌های سنتی کسب‌وکار در این صنعت را به شدت دارایی‌بر و نیازمند به نیروی انسانی می‌کنند.

در موج اول تحول مدل‌ کسب‌وکار در صنعت بیمه چین، از فناوری‌های دیجیتال برای بهبود فرایندها و محصولات استفاده شد. به عنوان نمونه‌ای از اتفاقات رخ‌داده در موج اول می‌توان به کانال‌های توزیع آنلاین و موبایلی اشاره کرد که نیاز به کارکنان فروش را کاهش دادند. نمونه دیگر، پردازش خودکار خسارات بود که موجب کاهش نیاز به کارکنان و هزینه‌ها و افزایش کارایی عملیاتی می‌شد. بااین‌حال، این کار بدون برهم‌خوردن بنیان‌های مدل سنتی کسب‌وکار در صنعت بیمه صورت گرفت. هم‌چنان، اینرسی سازمانی مانع بهره‌گیری کامل نقش‌آفرینان سنتی صنعت بیمه از قدرت توزیع دیجیتال بود[1]. ‌

موج دوم: یکپارچگی اکوسیستم

در مدل کسب‌وکار یکپارچگی اکوسیستم، شرکت‌های اینشورتک یک موتور تحلیل و پردازش جامع خلق کردند که می‌توانست به صورت یکپارچه در هر اکوسیستم آنلاینی عمل کند. این موتور، به عنوان لینک میان اکوسیستم و ارائه‌دهنده بیمه عمل می‌کند و داده‌های مصرف‌کنندگان را از اکوسیستم جمع‌آوری می‌نماید، سپس تحلیل‌ها را برای خلق و پردازش محصولات ویژه‌سازی‌شده مبتنی بر سناریو و پردازش دعاوی خسارت با فناوری خودکار، به کار می‌‌گیرد. این مدل کسب‌وکار برهم‌زننده، هم نیازمند دارایی و هم نیروی انسانی کمی است و نتیجه‌ی مستقیم نوآوری اینشورتک می‌باشد. این مدل، مبتنی بر توانایی شرکت‌های اینشورتک در یکپارچگی با اکوسیستم‌های آنلاین موجود و سپس شناسایی نیازهای مشتری و خلق محصولات متناسب با این نیازها می‌باشد.

کلیدهای موفقیت این است که بیمه‌گر قادر باشد:

• از تحلیل و فناوری برای ایجاد بینش‌هایی درباره مشتریان استفاده کند که نمی‌توان آن‌ها را در داده‌های تاریخی یافت و این بینش‌ها را برای خلق محصولات بیمه‌ای نوآورانه به کار گیرد. مثلا استفاده از داده‌های حاصل از دستگاه‌های پوشیدنی می‌تواند به بیمه‌گران کمک کند که بینش‌هایی را درباره سلامت فردی به دست آورند که داده‌های تاریخی قادر به ارائه آن‌ها نیستند. این بینش‌ها می‌توانند برای پیشنهاد محصولاتی هم استفاده شوند که قیمت‌گذاری‌شان در راستای سطح ریسک و سلامت فردِ بیمه‌شده است.
• استفاده از کلان‌داده برای طراحی ویژگی‌های محصول و ارائه قیمت‌گذاری پویا برای سناریوهای خاص. مثلا، یک خدمات‌دهنده آرایش بانوان که به صورت آنلاین و آفلاین که در منزل به آن‌ها خدمات می‌دهد را در نظر بگیرید. ایمنی ارائه‌دهنده خدمت و مصرف‌کننده، با توجه به ناشناخته‌های زیادی که در این سناریو وجود دارد، در معرض ریسک است و یک بیمه حوادث می‌تواند این ریسک‌ها را بیمه کند. قیمت به صورت پویا توسط عواملی مانند نرخ‌‌گذاری‌های تاریخی خدمات‌دهندگان و تناوب خرید مصرف‌کنندگان تعیین می‌شود.
• ارائه و پردازش خسارات بیمه به صورت دیجیتال، معمولا در کنار رفتار مشتری در اکوسیستم که بخشی یکپارچه از این تجربه است. مثلا، بیمه تاخیر پرواز زمانی پرداخت می‌شود که پروازی به مدت مشخصی تاخیر داشته باشد که معمولا این زمان بیش از دو ساعت است. این بیمه به صورت دیجیتال خرید و خسارت آن هم به صورت دیجیتال پرداخت می‌شود. یک موتور پردازش خودکار، با استفاده از داده‌های مربوط به خرید و پرواز، از انجام عملیات مراقبت می‌کند.

نقش‌آفرینان اصلی متمرکز بر این مدل، شرکت‌های قدیمی بیمه نیستند، بلکه واردشوندگان جدید با زمینه‌های قدرتمند اینترنتی هستند. این نوآوران، محصولاتی مشتری‌محور و مبتنی بر سناریو را به عنوان ارائه‌دهندگان صرفا آنلاین بیمه ارائه می‌نمایند.

• این بیمه‌گران در اکوسیستم‌ها یکپارچه می‌شوند و از تکنیک‌های کلان‌داده برای تحلیل رفتار و نیازهای مشتری استفاده می‌کنند.
• مدیران محصول، تیم‌های توسعه را هدایت و سپس از این بینش‌ها برای توسعه محصولات مبتنی بر سناریو استفاده می‌کنند. این محصولات به سرعت راه‌اندازی و بارها تکرار می‌شوند تا قیمت‌گذاری آن‌ها بهینه شده و ویژگی‌های محصول ارتقا یابد.
• آن‌ها با استفاده از موتورهای خودکاری که ده‌ها هزار بیمه‌نامه و خسارت را در هر ثانیه پردازش می‌کنند، از عملیاتی ساده و کارا بهره می‌برند.

موج سوم: توسعه‌های آینده

با افزایش نیاز به محصولات بیمه‌ای، نقش‌آفرینان صنعت بیمه می‌توانند تقریبا در همه اکوسیستم‌های فناوری بگنجند و خدمات خاصی را برای هر یک ارائه دهند و در عین حال از موتورهای تحلیل و پردازش یکسانی بهره ببرند. این رویکرد، امکان دسترسی به آرایه وسیعی از داده‌های مصرف‌کننده را فراهم و فرصت‌هایی را برای تحلیل و بهینه‌سازی محصولات در اکوسیستم‌های مختلف خلق می‌کند. با توسعه مدل یکپارچگی اکوسیستم و انباشت داده‌ها توسط آن، مدل‌های کسب‌وکار جذابی امکان وقوع پیدا می‌کنند.

• خدمات‌دهنده زیرساخت: داده‌های جمع‌آوری‌شده از اکوسیستم‌های مختلف، بی‌نهایت ارزشمند هستند و بینش‌های زیادی را درباره رفتار مصرف‌کننده فراهم می‌کنند.
• یک مدل بالقوه، ارائه‌دهنده داده‌های اعتباری است. تحلیل منابع چندگانه داده‌های مصرف‌کننده، می‌تواند شاخص‌هایی مانند رتبه‌بندی‌های اعتباری و احتمالا تقلب را تولید کنند.
• مدل ممکن دیگر، از فناوری زنجیره بلوکی (بلاکچین) استفاده می‌کند تا اطلاعات شخصی سلامت مشتریان را که از طریق ابزارهای پوشیدنی، بیمه‌نامه‌ها، بازشناسی تصویر[2] و همکاری با بیمارستان‌ها جمع‌آوری شده‌اند، ارائه دهند.
• ارائه‌‌‌دهنده جامع خدمات مالی: در بلندمدت، با ابزارهای تحلیل مناسب، داده‌های مصرف‌کننده می‌توانند مورد استفاده قرار گیرند تا محصولات مالی مناسبِ شخصی‌سازی‌شده به صورت دیجیتال به مشتریان ارائه شوند. توانایی مدیریت ریسک، برای نوآوری مالی ضروری است و وسعت یافتن داده‌های گردآوری‌شده از اکوسیستم‌های فناوری و محصولات بیمه، به این معناست که مدیریت ریسک دیگر گلوگاه توسعه محصول نخواهد بود. در نهایت، کسب مشتری متکی بر این است که شرکت‌ها قادر باشند محصولاتی را ارائه کنند که مشتریان به راستی نیاز دارند و بیمه‌گرانی که در اکوسیستم‌ها یکپارچه می‌شوند باید این را به خوبی درک کنند.
• یک مثال، توسعه کار به یافتن اعتبار مشتری با بهره‌گیری از داده‌های حاصل از اکوسیستم‌هایی مانند سفر، وب‌سایت‌های شغلی، تجارت الکترونیک و گجت‌های پوشیدنی‌ است. انتخاب سفرها، داده‌هایی را فراهم می‌کند که می‌تواند میزان ثروت شخص را نشان دهد. وب‌سایت‌های شغلی اطلاعاتی را به دست می‌دهند که می‌توانند قدرت درآمد بالقوه را پیش‌بینی کنند. داده‌های تجارت الکترونیک نشان‌دهنده عادات خرج کردن هستند که سرنخ‌هایی را برای توانایی مدیریت پول به دست می‌دهند. و در نهایت داده‌های حاصل از گجت‌های پوشیدنی، تصویری از وضعیت سلامتی مصرف‌کننده را نشان می‌دهند که به توانایی پازپرداخت او پیوند می‌خورد. چنین داده‌هایی می‌توانند برای ترسیم تصویری کامل از ریسک‌های قرض‌گیرنده مورد استفاده قرار می‌گیرند. سپس این تصویر می‌تواند به تعیین نرخ بهره و قیمت‌گذاری پویای محصولات کمک کند، به نحوی که نرخ‌های نکول را به حداقل برساند.
• ایده دیگر، خدمات مدیریت ثروت است. داده‌های حاصل از محصولات بیمه زندگی، پوشیدنی‌ها، تجارت الکترونیک و اعتبار مشتری، نشان‌گرهایی از مرحله زندگی فرد، رفاه و عادات خرج کردن او هستند. همه این‌ها می‌توانند برای تعیین اشتهای ریسک یک فرد مورد استفاده قرار گیرند. فناوری‌هایی که محصولات مدیریت ثروت را با پروفایل ریسک درست فرد منطبق می‌کنند، رضایت مشتری و فروش را افزایش می‌دهند.

این مدل، در نهایت بازیگران اینشورتک را به جایی فراتر از بیمه خواهد برد و آن‌ها را به خدمات‌دهندگان دیجیتال مشتری‌محور تبدیل خواهند کرد. برخی نقش‌آفرینان اینشورتک، مانند ژونگ‌آن[3]، این مدل را به صورت پایلوت در برخی بازارهای منتخب شروع کرده‌اند. در حال حاضر، آن‌ها بیشتر در فضای خدمات مالی کار می‌کنند و محصولاتی مانند بیمه برگشت محموله[4]، بیمه تاخیر پرواز، بیمه اتومبیل، بیمه پزشکی دقیق[5]، ارتقای اعتبار فردی[6] و امور مالی مشتری را ارائه می‌نمایند. با این حال در آینده آن‌ها این پتانسیل را دارند  که در بازارهای خدمات غیرمالی نیز فعالیت کنند و داده‌های اعتبار، سلامت و اتومبیل را ارائه دهند.

[1] روشی برای ویژه‌سازی محصول است که در آن، اول بررسی می‌شود که کدام بخش از محصول بیش از همه مورد توجه مشتری است. بقیه محصول به صورت استاندارد باقی می‌ماند و بخش شناسایی شده، بر اساس نیازها و علاقمندی مشتری ویژه‌سازی می‌شود.

[2] image recognition: «بازشناسی تصویر» از زمینه‌های در حال رشد در یادگیری ماشین» (Machine Learning) محسوب می‌شود. به طور کلی، «بازشناسی شی»  (Object Recognition) یک ویژگی کلیدی در دسته‌بندی تصاویر به شمار می‌آید و فرصت‌های تجاری برای این حوزه بسیار گسترده است.

[3] ZhongAn

[4] shipping return insurance

[5]: Precision Medicine یک مدل درمانی است که شخصی‌سازی روند مراقبت از سلامتی را به کمک تصمیمات پزشکی، تمرین‌ها یا محصولات دارویی مختص هر بیمار مطرح می‌کند. در این مدل اغلب، آزمایش‌های تشخیصی برای پیدا کردن روش‌های درمانی بهینه بر اساس محتوای ژنتیکی شخص به کار گرفته می‌شوند. از ابزارهای به کار گرفته شده در پزشکی دقیق می‌توان به تشخیص مولکولی و عکس‌برداری اشاره کرد.

[6] individual credit enhancement