人工知能スタートアップ取締役 橋崎良哉のブログ(はてな)

人工知能スタートアップ エッジコンサルティング株式会社 橋崎のブログ(http://yoshiyah.com/)のはてな版(コピー)です。

【新規事業/取り組みアイデア】損害保険業界×人工知能(自然言語処理)

今日は、損害保険業界×人工知能自然言語処理)です。

■なんで新規アイデア考えてるの? 新規アイデア作成のためのシートの公開もしています

http://yoshiyah.com/%E6%96%B0%E8%A6%8F%E3%82%A2%E3%82%A4%E3%83%87%E3%82%A2%E4%BD%9C%E6%88%90%E3%82%B7%E3%83%BC%E3%83%88%E3%81%A8%E3%83%AB%E3%83%BC%E3%83%AB/

では以下今日のアイデアです。


【市場整理】

保険は広い市場なので、結構時間かかりそう、、、なので出来るだけさくっと調査して例によって決め打ちで考えていく。

 

まずは市場規模から。正味収入保険料の推移ということで、古いデータだが2013年は約7兆8000億円。微増傾向である。

1

出所 : MS&ADホールディングス

http://www.ms-ad-hd.com/basic_knowledge/01.html

保険料の内訳としては以下となっており、自動車保険が半数近く、

また、自動車損害賠償責任保険で14%、合計で63%となり、自動車業界に大きく依存していることが分かる。

22

出所 : 「3大メガ時代でどうなる損害保険業界?損保業界研究レポート」

https://www.genius-japan.com/blog/araseki20151211

※上記URLでは各グラフに対する出典の記載がないのですが、暫定的にデータ引用

 

また、保険料収入のシェアとしては以下となっている。

3メガ損保がほぼ市場をとっているような状況。

4

出所 : 「3大メガ時代でどうなる損害保険業界?損保業界研究レポート」

https://www.genius-japan.com/blog/araseki20151211

※上記URLでは各グラフに対する出典の記載がないのですが、暫定的にデータ引用

 

これだけ自動車業界に依存しているとなると、自動車業界の動向次第になるが、気になるのは自動運転車の動向だろう。

2020年の一般販売に向けて自動運転の研究が進められているが、自動運転車が事故を起こした際に誰を主体としてその責任が発生するのか各所で議論がされている。

仮に、自動運転車が一般化し、運転者がその責任を免れるとした場合、自動運転という技術は損害保険会社にとって、破壊的な影響を持つこととなる。

 

一方消費者は、どういう理由で損害保険に加入しているかを確認してみると、

希望に合ったものであること、また掛金が安いこと、が理由として挙がっている。

5

出所 :一般財団法人全労済協会「保険・共済に関する意識調査結果」

http://www.zenrosaikyokai.or.jp/think_tank/lifeplan/guarantee/gua02/gua0205.html

 

さて、そのような状況である損害保険業界に自然言語処理技術を持ち込むとどうなるか。

 

希望に合った保険を安く欲しいとなった場合、比較サイトを使うといったことも想定されるが、

例えば、価格.comが提供している自動車保険の価格比較サービスを使用しようとすると、

非常に入力項目が多く、また一つ一つの選択肢の意味、メリットデメリットがわかりにくく、

非常に選択に時間がかかると感じる。

見積もりを取る前に、選択で疲れてしまうなと。

 

SnapCrab_NoName_2016-5-19_10-12-8_No-00

http://kakaku.com/kuruma_hoken/

 

もっと簡単にメリットデメリットがすぐに分かり、さくっと見積もりが出来るサービスがあると便利だなと。

そのような方向で今日はアイデアを考えてみた。

 

【ターゲット】

自動車保険のことをあまり分かっていないが、自分と同じような属性の人たちが加入している一般的な契約を手軽に安く加入したいと考えている消費者

【対象企業】

・損保会社へ相見積もりを提供する会社(例えば既に各種データを持っている価格.com

【アイデア内容】

・チャットボットによる最適な損保アドバイスロボット

【ビジネス詳細】

・チャットボット上で、自由分によりユーザーの情報を取得し、損保商品を選別する分岐及び料金データ及び適合する顧客属性をDBに格納しておき、ユーザー属性に適した損保をレコメンドするツール

・ユーザーの基本属性を取得した時点で、「あなたと近しい人たちはこのプランですよ」、とまずは一般的なプランをいくつか提示をし、その上で、修正項目があれば随時希望を聞いていく

・分かりやすい言葉で質問を投げかけ、その選択肢に対する条件分岐(メリット・デメリット)を提示しつつ、ユーザーの希望を取得していく

【効用/解決する課題】

・分かりにくい損保について、一つ一つ意味を調べながら選択していくのではなく、まずはさくっと平均的なプランを知ることができる(選択疲れを回避)

【インプット/教師データ】

・損保商品データ、適合するユーザー属性や希望データ

アルゴリズム

自然言語処理形態素解析構文解析ユーザー辞書

・高度なレコメンドアルゴリズムは不要で、ルールベースで人間がマッチングルールを作っておく


今日は以上です。

※30分~1時間程度での思考訓練のための記事ですので、厳密性にはこだわっていません。