论文部分内容阅读
摘要：近年来，“三农”问题的关注度持续攀升，农业保险的发展也关乎“三农”问题的解决，调查农户种植现状以及投保需求，依据收集的数据构建农户画像模型，实现农险精准营销具有重要意义。
关键词：用户画像;精准营销;农业保险
近些年来，随着社会不断进步和科技不停地发展，农业生产技术和生产水平得到了显著地提高，但是现阶段自然环境的不断恶化，农业生产仍面临着巨大的挑战。此外，我国的农业生产规模大且生产类型多样化，这使得农户在种植业中的投入不断增多，导致了农户所面临的农业风险在日渐增加。而农业保险通过预防赔付农业风险损失，保障农业生产者基本收入的同时，也一定程度上增强农业生产者的抵抗风险能力。因此需要积极研究农业生产者农险需求，推动农业保险的创新式发展。
自2012年《农业保险条例》提出农业保险以来，我国农业保险逐渐得到发展，农险类别开始分化。目前，若按照不同的农业种类，我国农业保险可分为种植业保险和养殖业保险，如若按遇险类别则可划分为自然灾害损失险、病虫害损失险、疾病死亡险等类别。同时伴随着国家持续加大对“三农”的投入，我国农险消费能力逐渐扩大发展起来。在高投入低回报及不确定因素较多的高风险性背景下，农业保险为农户撑起一把“保护伞”，对保障农业生产、促进农民增收起到积极作用。
随着互联网的迅速发展与普及，各类信息数据呈爆发式喷涌。我国作为农业大国，有着庞大的农业数据基础，伴随着大数据在农业领域的应用，农业数据类型变得更加丰富多样化，此时借助于充足而广泛的农业数据，对农业保险与农业生产者进行研究，实现农户的农险个性化服务，促进农业生产，意义尤为重大。
本项目在文献研究的基础上，以安徽省保险业和农业为研究对象，通过对保险公司和农险客户进行实地调研，收集农户种植现状、特点和利益诉求等信息，利用大数据分析处理，建立用户画像模型，分析用户画像特征，了解不同的农户特点及对农险的需求，根据不同类型的农户特性，结合安徽本地种植养殖品种、农业风险的特色和重点需求，对农业保险产品进行个性化的设计，使农险产品尽可能的贴合农户、农产品特点，满足农户需求，更加精准高效应对农业风险，进而实现精准营销。用创新推动农业保险的个性化，用个性化更好的发挥保险的保障作用，以促進农业保险及农村经济的健康快速发展。
1.研究现状
1.1用户画像相关研究
用户画像即目标用户的角色，它是一种专门用于描绘和了解目标客户、联系他们的用户诉求和确定产品设计的有效手段。基于充分客户信息前提下，将客户的每一个具体化的信息都抽象成标签，通过这些标签把客户信息进行了具体化，进而为客户提供优质的个性化服务。近些年，伴随着移动互联网的普及以及大数据的兴起，国内外众多专家学者参与到对用户画像的研究中，使得用户画像在各个领域都开始普及。在国内学者中，郝胜宇和陈静仁（2016）进行了关于企业用户动态图像技术的研究，致力于企业的精准化市场营销;郭光明（2017）通过收集社交媒体数据，构建网络社交用户画像，研究用户信用属性;刘颖（2020）以大数据为基础，将用户信息进行分类，对数字图书馆进行用户画像模型建构，以实现图书信息精准推送;而国外研究者中，Sumitkumar，Debajyoti和Sheetal（2016）则通过自动信息检索，利用用户画像技术为大学推荐系统的用户提供个性化指导;An、Kwak和Jansen（2017）通过构建用户画像，对YOUTUBE社交媒体上用户进行兴趣特征细分。
1.2农业保险相关研究
农业保险是为从事农业生产过程的农业生产者减轻因意外灾害带来经济损失的保险。关于农业生产者和农业保险的研究中，国内外不同学者从不同角度出发进行研究并得出不同结论。在国内，王阿星、张峭（2008）依据logistic模型对内蒙古鄂尔多斯市的农业生产者的农业保险需求的影响因素进行研究，得出农业生产者的农业收入占比、受灾类型、受教育程度等显著影响其农业保险需求;程静、刘飞和陶建平（2018）分析湖北省农户农险决策时，研究发现影响农户农业保险需求的最主要因素是其获得资金援助机会、家庭劳动力比例以及土壤灌溉条件等;学者干洁（2019）采取Logistic计量经济模型对浙江绍兴市农户的农业保险态度及认知进行了分析与评价，研究得出农业生产者对农业保险的了解程度、户主遭遇农业灾害次数以及其风险偏好均能影响农业生产者对农业保险的态度和认知;在国外学者中，Bruce（2004）研究发现农户的年龄以及风险管理能力会一定程度上影响其购买保险的决策;Jason、Vincent （2012）通过建立模型对农险需求量进行研究时，发现农作物价格的提高能提升市场上农业保险的需求量;Ruth Vargas Hill（2013）对农户购买农险意愿进行实证分析时，得出受教育水平、财富的多少均会显著影响农户农险意愿;Anderson（2015）通过研究发现农业生产者的财富水平并非和其农险需求呈正相关，当其财富值达到一定程度时，其农险需求可能会随之降低。
综上所述，结合以往学者的研究成果可知，用户画像是通过对用户信息进行加工，从而将用户进行特征分类以实现精准营销。而对于农业生产者购买农业保险的决策，若从不同角度分析则其与多种特征因素相关联。因此，将两者结合，以安徽省为范围，一方面对购买农业保险的农业生产者进行相关信息收集，将信息分类并标签化。另一方面通过构建用户画像模型，将这些农业生产者进行特征细化，从而实现农业保险的精准营销。
1.3农业保险用户画像模型构建
1.3.1数据采集获取数据与数据处理
为保证构建的用户画像精准鲜明，数据采集应该具备真实客观性。因此将从两个方面展开，一方面通过行业调研将安徽省保险公司销售部门的农险购买顾客的历史记录等相关信息数据进行整理收集;另一方面前往安徽省各农村地区进行实地调研，通过用户问卷、农户访谈等形式收集农业种植养殖以及农险相关信息数据。同时为确保数据的全面性和准确性，应对新增农业生产者的基础信息数据、种植特征数据，风险数据等各类动态数据和静态数据进行更新和补充。其次对各个渠道收集整理的数据清洗，剔除异常数据，保证数据的高质量。用户画像收集的数据范围越广，用户特性越鲜明，就能很好的实现农险的精准营销。 1.3.2设定用户画像标签体系
通过收集整理包括年龄、务农年限、受教育程度、收入水平、投保类别、投保次数、受灾比例、遇灾次数、理赔记录、受灾比例、灾害类型、农业类别、种植基地环境、土壤质量、耕地面积、风险偏好、农业收入占比等相关信息与数据，并将抽取的数据进行标签化，利用各类标签的特性将用户标签化。同时可将标签划分为基本属性、行为属性、需求属性、用户价值。基于这些标签，形成完整的用户形象，完成用户画像模型构建。利用用户画像标签特性，将满足用户标签的产品对用户实行精准营销，确保农险销售基于农户需求为前提。
1.3.3用户画像模型构建
可构建如下图 1用户画像体系，将收集的已标签化的数据进行处理，从而标准化各类用户特质，了解用户需求与爱好，构建用户画像模型，进行业务层次划分，进而实现精准营销。
1.4精准营销策略
1.4.1实施精准推广，吸引潜在客户
提升数据挖掘技术，聘请专业数据分析人员。采用大数据、云计算形式，通过收集、挖掘数据，全面追踪用户投保记录。针对处理过的数据，精细划分，精确指标和标签，分析潜在用户偏好，线上线下交叉实施精准推广方案，从而提供差异化产品服务，吸引更多潜在的农业生产者。
1.4.2精准营销服务，实现用户乘数
基于用户数据构建用户画像，根据用户价值进行客户细分，从而挖掘用户深层次需求，发现新需求，满足其新需求，提升农业生产者满意度，创造长尾用户。维持用户与企业的连续沟通产生商业价值，创造用户终身价值，实现用户乘数。
1.4.3终端实时监测，精准防治灾害
加大终端监测技术投资，拓宽实时监测范围，确保监测的准确全面性。提高对农作物种植面积、自然灾害强度、天气情况、气温条件的因素监控。通过实时的监测结果，把握时效，科学有效的提供防治措施，精准帮助农业生产者积极规避各类风险。从而在提高农业生产者对农险产品的认可度的同时，帮助其减少农业生产过程中的风险损失。
2.结语
农业保险还存在很大的创新空间，未来会继续做大做强。虽然目前我国的农业保险种类多、覆盖面广，但仍存在深度和密度不夠、农业保险参与农村治理的作用体现不明显、农民投保积极性不够高、产品创新性还有待继续加强等问题。本文通过对农险购买者信息特征化，辅助用户画像模型将农险用户进行个性化分类，致力于实现农业保险的精准营销，推动农业保险的健康快速发展，实现农业的高质量发展。
参考文献：
[1]郝胜宇，陈静仁.大数据时代用户画像助力企业实现精准化营销[J].中国集体经济，2016（04）：61-62.
[2]郭光明.基于社交大数据的用户信用画像方法研究[D].中国科学技术大学，2017.
[3]程静，刘飞，陶建平.风险认知、风险管理与农险需求——基于行为金融视角的实证研究[J].南京农业大学学报（社会科学版），2018，18（03）：133-141+156.
[4]干洁.绍兴市水稻种植农户参保行为及其影响因素研究[D].浙江农林大学，2019.
[5]刘颖.大数据技术的图书馆用户画像模型建构策略[J].现代电子技术，2020，43（09）：55-57+61.
[6]王阿星，张峭.内蒙古鄂尔多斯市农业保险需求实证分析[J].农业经济问题，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.
基金项目：本文属安徽财经大学国家级创新训练项目《基于用户画像模型的农业保险精准营销研究——以安徽省为例》（编号：201910378033）研究成果。
作者简介：周紫薇（1999-），女，汉族，安徽铜陵人，单位：安徽财经大学金融学院，学历：金融工程专业。
关键词：用户画像;精准营销;农业保险
近些年来，随着社会不断进步和科技不停地发展，农业生产技术和生产水平得到了显著地提高，但是现阶段自然环境的不断恶化，农业生产仍面临着巨大的挑战。此外，我国的农业生产规模大且生产类型多样化，这使得农户在种植业中的投入不断增多，导致了农户所面临的农业风险在日渐增加。而农业保险通过预防赔付农业风险损失，保障农业生产者基本收入的同时，也一定程度上增强农业生产者的抵抗风险能力。因此需要积极研究农业生产者农险需求，推动农业保险的创新式发展。
自2012年《农业保险条例》提出农业保险以来，我国农业保险逐渐得到发展，农险类别开始分化。目前，若按照不同的农业种类，我国农业保险可分为种植业保险和养殖业保险，如若按遇险类别则可划分为自然灾害损失险、病虫害损失险、疾病死亡险等类别。同时伴随着国家持续加大对“三农”的投入，我国农险消费能力逐渐扩大发展起来。在高投入低回报及不确定因素较多的高风险性背景下，农业保险为农户撑起一把“保护伞”，对保障农业生产、促进农民增收起到积极作用。
随着互联网的迅速发展与普及，各类信息数据呈爆发式喷涌。我国作为农业大国，有着庞大的农业数据基础，伴随着大数据在农业领域的应用，农业数据类型变得更加丰富多样化，此时借助于充足而广泛的农业数据，对农业保险与农业生产者进行研究，实现农户的农险个性化服务，促进农业生产，意义尤为重大。
本项目在文献研究的基础上，以安徽省保险业和农业为研究对象，通过对保险公司和农险客户进行实地调研，收集农户种植现状、特点和利益诉求等信息，利用大数据分析处理，建立用户画像模型，分析用户画像特征，了解不同的农户特点及对农险的需求，根据不同类型的农户特性，结合安徽本地种植养殖品种、农业风险的特色和重点需求，对农业保险产品进行个性化的设计，使农险产品尽可能的贴合农户、农产品特点，满足农户需求，更加精准高效应对农业风险，进而实现精准营销。用创新推动农业保险的个性化，用个性化更好的发挥保险的保障作用，以促進农业保险及农村经济的健康快速发展。
1.研究现状
1.1用户画像相关研究
用户画像即目标用户的角色，它是一种专门用于描绘和了解目标客户、联系他们的用户诉求和确定产品设计的有效手段。基于充分客户信息前提下，将客户的每一个具体化的信息都抽象成标签，通过这些标签把客户信息进行了具体化，进而为客户提供优质的个性化服务。近些年，伴随着移动互联网的普及以及大数据的兴起，国内外众多专家学者参与到对用户画像的研究中，使得用户画像在各个领域都开始普及。在国内学者中，郝胜宇和陈静仁（2016）进行了关于企业用户动态图像技术的研究，致力于企业的精准化市场营销;郭光明（2017）通过收集社交媒体数据，构建网络社交用户画像，研究用户信用属性;刘颖（2020）以大数据为基础，将用户信息进行分类，对数字图书馆进行用户画像模型建构，以实现图书信息精准推送;而国外研究者中，Sumitkumar，Debajyoti和Sheetal（2016）则通过自动信息检索，利用用户画像技术为大学推荐系统的用户提供个性化指导;An、Kwak和Jansen（2017）通过构建用户画像，对YOUTUBE社交媒体上用户进行兴趣特征细分。
1.2农业保险相关研究
农业保险是为从事农业生产过程的农业生产者减轻因意外灾害带来经济损失的保险。关于农业生产者和农业保险的研究中，国内外不同学者从不同角度出发进行研究并得出不同结论。在国内，王阿星、张峭（2008）依据logistic模型对内蒙古鄂尔多斯市的农业生产者的农业保险需求的影响因素进行研究，得出农业生产者的农业收入占比、受灾类型、受教育程度等显著影响其农业保险需求;程静、刘飞和陶建平（2018）分析湖北省农户农险决策时，研究发现影响农户农业保险需求的最主要因素是其获得资金援助机会、家庭劳动力比例以及土壤灌溉条件等;学者干洁（2019）采取Logistic计量经济模型对浙江绍兴市农户的农业保险态度及认知进行了分析与评价，研究得出农业生产者对农业保险的了解程度、户主遭遇农业灾害次数以及其风险偏好均能影响农业生产者对农业保险的态度和认知;在国外学者中，Bruce（2004）研究发现农户的年龄以及风险管理能力会一定程度上影响其购买保险的决策;Jason、Vincent （2012）通过建立模型对农险需求量进行研究时，发现农作物价格的提高能提升市场上农业保险的需求量;Ruth Vargas Hill（2013）对农户购买农险意愿进行实证分析时，得出受教育水平、财富的多少均会显著影响农户农险意愿;Anderson（2015）通过研究发现农业生产者的财富水平并非和其农险需求呈正相关，当其财富值达到一定程度时，其农险需求可能会随之降低。
综上所述，结合以往学者的研究成果可知，用户画像是通过对用户信息进行加工，从而将用户进行特征分类以实现精准营销。而对于农业生产者购买农业保险的决策，若从不同角度分析则其与多种特征因素相关联。因此，将两者结合，以安徽省为范围，一方面对购买农业保险的农业生产者进行相关信息收集，将信息分类并标签化。另一方面通过构建用户画像模型，将这些农业生产者进行特征细化，从而实现农业保险的精准营销。
1.3农业保险用户画像模型构建
1.3.1数据采集获取数据与数据处理
为保证构建的用户画像精准鲜明，数据采集应该具备真实客观性。因此将从两个方面展开，一方面通过行业调研将安徽省保险公司销售部门的农险购买顾客的历史记录等相关信息数据进行整理收集;另一方面前往安徽省各农村地区进行实地调研，通过用户问卷、农户访谈等形式收集农业种植养殖以及农险相关信息数据。同时为确保数据的全面性和准确性，应对新增农业生产者的基础信息数据、种植特征数据，风险数据等各类动态数据和静态数据进行更新和补充。其次对各个渠道收集整理的数据清洗，剔除异常数据，保证数据的高质量。用户画像收集的数据范围越广，用户特性越鲜明，就能很好的实现农险的精准营销。 1.3.2设定用户画像标签体系
通过收集整理包括年龄、务农年限、受教育程度、收入水平、投保类别、投保次数、受灾比例、遇灾次数、理赔记录、受灾比例、灾害类型、农业类别、种植基地环境、土壤质量、耕地面积、风险偏好、农业收入占比等相关信息与数据，并将抽取的数据进行标签化，利用各类标签的特性将用户标签化。同时可将标签划分为基本属性、行为属性、需求属性、用户价值。基于这些标签，形成完整的用户形象，完成用户画像模型构建。利用用户画像标签特性，将满足用户标签的产品对用户实行精准营销，确保农险销售基于农户需求为前提。
1.3.3用户画像模型构建
可构建如下图 1用户画像体系，将收集的已标签化的数据进行处理，从而标准化各类用户特质，了解用户需求与爱好，构建用户画像模型，进行业务层次划分，进而实现精准营销。
1.4精准营销策略
1.4.1实施精准推广，吸引潜在客户
提升数据挖掘技术，聘请专业数据分析人员。采用大数据、云计算形式，通过收集、挖掘数据，全面追踪用户投保记录。针对处理过的数据，精细划分，精确指标和标签，分析潜在用户偏好，线上线下交叉实施精准推广方案，从而提供差异化产品服务，吸引更多潜在的农业生产者。
1.4.2精准营销服务，实现用户乘数
基于用户数据构建用户画像，根据用户价值进行客户细分，从而挖掘用户深层次需求，发现新需求，满足其新需求，提升农业生产者满意度，创造长尾用户。维持用户与企业的连续沟通产生商业价值，创造用户终身价值，实现用户乘数。
1.4.3终端实时监测，精准防治灾害
加大终端监测技术投资，拓宽实时监测范围，确保监测的准确全面性。提高对农作物种植面积、自然灾害强度、天气情况、气温条件的因素监控。通过实时的监测结果，把握时效，科学有效的提供防治措施，精准帮助农业生产者积极规避各类风险。从而在提高农业生产者对农险产品的认可度的同时，帮助其减少农业生产过程中的风险损失。
2.结语
农业保险还存在很大的创新空间，未来会继续做大做强。虽然目前我国的农业保险种类多、覆盖面广，但仍存在深度和密度不夠、农业保险参与农村治理的作用体现不明显、农民投保积极性不够高、产品创新性还有待继续加强等问题。本文通过对农险购买者信息特征化，辅助用户画像模型将农险用户进行个性化分类，致力于实现农业保险的精准营销，推动农业保险的健康快速发展，实现农业的高质量发展。
参考文献：
[1]郝胜宇，陈静仁.大数据时代用户画像助力企业实现精准化营销[J].中国集体经济，2016（04）：61-62.
[2]郭光明.基于社交大数据的用户信用画像方法研究[D].中国科学技术大学，2017.
[3]程静，刘飞，陶建平.风险认知、风险管理与农险需求——基于行为金融视角的实证研究[J].南京农业大学学报（社会科学版），2018，18（03）：133-141+156.
[4]干洁.绍兴市水稻种植农户参保行为及其影响因素研究[D].浙江农林大学，2019.
[5]刘颖.大数据技术的图书馆用户画像模型建构策略[J].现代电子技术，2020，43（09）：55-57+61.
[6]王阿星，张峭.内蒙古鄂尔多斯市农业保险需求实证分析[J].农业经济问题，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.
基金项目：本文属安徽财经大学国家级创新训练项目《基于用户画像模型的农业保险精准营销研究——以安徽省为例》（编号：201910378033）研究成果。
作者简介：周紫薇（1999-），女，汉族，安徽铜陵人，单位：安徽财经大学金融学院，学历：金融工程专业。