本文探讨了数据分析在保险销售中的应用，通过用户画像和数据清洗，分析了客户区域分布、手机号运营商、性别比例和客户忠诚度，发现女性、特定区域和老移动号段客户更可能购买保险，为销售策略提供依据。
从营销的角度看数据产生的价值。此部分报告是笔者曾经在新人班中，给新人做过的培训内容(产生一定的成效)。在此，作详细记录（考虑到部分敏感词汇，故而部分内容省略）。
一、背景分析及问题提出
1.背景分析
随着市场竞争的日益加剧，传统销售行业员工面临着巨大的压力。而保险营销，处在营销领域的金字塔顶端更是如此。因而，为提高公司新人留存率，提高员工绩效，提升团队产能，实现企业利润的最大化，需要采取不同的营销策略，将有限的资源集中在"高价值"的客户上。
2.问题提出
通过分析客户购买数据,建立合适的评估模型，对客户进行分群，从而指定合适的销售策略。我们知道，正常的销售流程包括以下几个方面：约访、面见、沟通、递送计划书、促成、递送合同。尽管每个人都知道这个流程，但是，实际工作中，由于工作的特殊性，作为一名新人，效率往往却很低下。为提高团队产能，笔者收集了部分客户的购买数据，对其进行分析，从而支持销售决策。
主要思考几个问题：购买保险的客户都是哪些人？他们有什么特点？与所在区域有怎样的关系？与手机号有怎样的联系？各个年龄段有什么特点？与性别的关系是什么？各年龄段购买保险的偏好？以及客户的忠诚度怎样？
二、用到的主要工具
Python版本： Python3.6
Excel：对数据适当清洗
pandas：数据分析读取数据
matplotlib：绘图
rcParams：用来正常显示中文,并设置中文字体
三、用户画像解读
用户画像的定义:用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。作为实际用户的虚拟代表，用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的，形成的用户角色需要有代表性能代表产品的主要受众和目标群体。
用户画像的核心工作:是为用户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，比如可以做分类统计：购买客户占比比较高的是哪些区域?男女性别差异导致的购买偏好?出生年月、人物性格、星座差异、家庭收入、消费水平、购物忠诚度、兴趣爱好、职业类别、消费习惯等
用户画像在保险业的应用
四、数据清洗
1.用Excel对数据进行预处理
原始数据包含客户姓名、性别、年龄、手机号、购买险种,其中购买险种种类数
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
