破解健康險控費困局 險企精準風控“小試牛刀”

　　本報記者 付秋實

　　盡管上半年健康險保費收入同比增速依舊是人身險中最快的，達到7.9%，但與2020年同期19.72%的增速、2019年同期31.70%的增速相比，2021年健康險保費收入明顯放慢了速度。而在保費收入慢下來的同時，賠付支出卻明顯快起來。上半年，健康險賠付支出同比增長70.82%。

　　加速發展與控制費用成為健康險必須同時解決好的問題。

　　銀保監會數據顯示，近年來，健康險業務收入年均增速超過30%。2020年年初，國務院常務會議發布的《關于促進社會服務領域商業保險發展的意見》提出，力爭到2025年，健康險市場規模超過2萬億元，而當年我國健康險保費規模僅為8000億元左右。

　　健康險巨大發展潛力令人期待，但在快速發展的同時也出現了一些問題。對于消費者而言，部分產品缺乏定價基礎，保額虛高；部分公司銷售行為不規范，把短期健康險當作長期健康險銷售，一旦賠付率超過預期就停售產品；核保“空心化”、理賠“核保化”……在損害消費者權益的同時，更蠶食著消費者的信任。

　　保險公司也叫苦不迭。由于信息不對稱，客戶不如實進行健康告知，逆選擇風險較高；部分醫院存在冒名就醫等醫患串通行為，搭車購藥、過度治療等醫療濫用行為屢見不鮮。行業相關統計顯示，在健康險理賠案件中，存在上述問題的案件占比超20%。

　　控費成為險企能否持續發展的關鍵。然而，保險公司經營總體上看自動化程度和風控精準度較低，使健康險經營成本居高不下。

　　據記者了解，目前，由于缺乏大數據、人工智能等前沿科技的支撐，多數保險公司的理賠審核由人工完成。互聯網保險公司泰康在線相關負責人告訴記者，人工進行理賠審核有兩個弊端，一是主觀性強，存在較大的疏漏和偏誤隱患；二是產生較高的人工成本。當然，也有少數保險公司建設了規則引擎，但是規則引擎不僅風控精準度較低，而且對差異化規則審核的自動化貢獻有限，對人工審核的輔助支持也遠遠不夠。特別是針對帶病投保、醫療濫用、搭車購藥、冒名就醫等相關性弱的風險識別精準度嚴重不足，因此，陷入自動審核率和風控精準度雙低困境。

　　基于以上“痛點”，泰康在線研發并上線了理賠智能審核模型2.0。該模型采用經典機器學習算法模型與資深理賠專家經驗型規則引擎相結合的方式，應用大數據分析等科技手段，以泰康保險20多年來的健康險理賠經驗、專家經驗轉化的風控規則為樣本，在超百萬件歷史案件中提取風險特征并結合規則庫風險因子，最終在超過3000個風險特征中提取變量建模。

　　簡而言之，該理賠智能審核模型2.0一方面解決了風控精準度低的難題，實現精準控費，另一方面，顯著提升了自動審核率，降低運營成本。此外，該模型可精準地捕捉高風險案件，有效避免人工審核的疏漏和偏誤，顯現了“防滲漏”作用。

　　據了解，截至2021年8月，該模型已覆蓋80%的健康險案件，包含門診險、普通住院醫療險及中高端醫療險產品，顯現出較好的降本、增效、控費能力。特別是對于門診險，該模型一上線即表現出顯著效果，理賠自動審核率從78%提升到88%；二是針對逆選擇、醫療濫用等問題案件，拒付率提升30%。

　　從這一效果來看，該模型為險企理賠智能化轉型開啟了加速度，不僅有助于健康險業務持續健康發展，還大幅提升了精細化運營能力，為客戶帶來了更為高效便捷的理賠服務體驗，對行業發展具有重要的引領作用和借鑒價值。

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：李桐