保險業導入 AI 客戶分級，成交率有沒有真的提升？一次中型通路的實戰紀錄

一位帶著十幾人業務團隊的保險通路負責人跟我們形容過他的日常：每個月月初，他都要花快兩天時間，跟每個業務員對過名單，哪些是舊保戶要加保、哪些是陌生開發、哪些是朋友介紹但已經冷掉半年的名單。名單全部混在一起，業務員憑感覺打電話，運氣好先打到有意願的客戶，運氣不好整週都在被拒絕，士氣掉得很快。團隊裡資深業務員還能靠經驗判斷誰值得花時間經營，新人完全沒有這種直覺，常常把精力花在根本不會成交的名單上，然後在三個月內離職。

這是中型保險通路很常見的狀態：名單量不小，但沒有系統化的方式判斷誰該優先聯絡、誰該先放著。我們接觸這類案子時，通常會先確認一件事——不是急著上一套「AI 智能分級系統」，而是先搞清楚這間通路手上到底有哪些可以拿來判斷的資料。

客戶分級這件事，AI 到底在分什麼

很多人聽到「AI 客戶分級」會以為是什麼複雜的預測模型，其實核心邏輯不難理解：把過去成交紀錄、保單類型、保費區間、聯繫頻率、回應速度這些既有資料整理起來，讓系統依照相似特徵去估算「這個名單現在值得聯絡的機率有多高」。這跟業務老鳥腦中的判斷邏輯其實是同一件事，差別在於老鳥用直覺做，AI 用資料做，而且能同時處理幾千筆名單，不會累也不會有偏見。

我們幫這間通路做的第一步，其實只是把過去三年分散在 Excel、CRM、業務員自己筆記本裡的客戶互動紀錄整合成一份資料。這一步花的時間比想像中久，因為資料格式不統一、很多欄位是空的，光是清理跟對齊資料就佔掉整個專案將近一半的工時。這也是我們每次提醒客戶的重點：AI 分級能不能做得好，八成取決於前面的資料整理，不是取決於用了多厲害的模型。

導入前後，業務員實際感受到的差異

導入前，業務員每天早上要自己決定打誰的電話，靠的是記憶跟感覺。導入後，系統每天會把名單按照分數排序，業務員照著順序打，高分名單優先聯絡。這個改變聽起來很小，但對第一線的實際影響不小：一位資深業務跟我們反映，他過去憑經驗抓的高潛力名單，跟系統排序前段的名單重疊度很高，代表系統至少「沒有亂猜」；而新人業務員因為有了排序依據，不再亂槍打鳥，前三個月的有效聯繫率明顯提升，離職率也比前一年同期低。

至於最關鍵的成交率，這間通路在導入後半年做過內部比對：整體來說，高分名單的成交率確實比隨機聯繫的名單高出不少，但這不代表「AI 讓成交率整體翻倍」——更準確的說法是，AI 幫團隊把有限的聯繫時間，更集中地投在原本就比較可能成交的名單上，省下的是業務員在低機率名單上白費的時間，而不是憑空創造出新的成交機會。

什麼規模適合做，什麼情況該先緩一緩

不是所有保險通路都適合馬上導入這類系統。如果團隊人數在五人以下、名單量不大，業務員光靠人腦就能記住每個客戶的狀態，這時候導入 AI 分級的邊際效益有限，投入的整理成本可能划不來。但如果團隊超過十人、名單量累積到幾千筆以上，且過去的客戶互動資料有被留下來（哪怕分散在不同系統裡），這種規模通常就值得評估——因為主管靠人工協調名單的成本，已經高過整理資料跟導入系統的成本。

另外要提醒的是，資料品質比模型精細度重要得多。如果通路過去完全沒有保存客戶互動紀錄，或者紀錄零散到無法追溯，那麼在導入 AI 分級之前，可能需要先花三到六個月時間，建立起最基本的客戶互動紀錄習慣，否則系統一開始能參考的資料太少，分級結果的可信度也會打折扣。這種情況下，先把資料收集的流程建立起來，會比急著上系統更實際。