譚 征

(1.四川廣播電視大學(xué)， 成都 610073; 2.四川華新現(xiàn)代職業(yè)學(xué)院， 成都 610107)

近年來，“互聯(lián)網(wǎng)+”顛覆和重塑著中國經(jīng)濟(jì)，互聯(lián)網(wǎng)保險(xiǎn)借此浪潮快速發(fā)展起來。根據(jù)曲速資本發(fā)布的《2016互聯(lián)網(wǎng)保險(xiǎn)行業(yè)研究報(bào)告》，互聯(lián)網(wǎng)保險(xiǎn)歷經(jīng)20年的蛻變，目前正處于全面爆發(fā)的前夜[1]。總體而言，伴隨著中國網(wǎng)民和手機(jī)移動(dòng)端用戶的擴(kuò)增，中國互聯(lián)網(wǎng)保險(xiǎn)先后經(jīng)過了萌芽期、起步期、探索期、積累期、發(fā)展期和爆發(fā)前期，正醞釀一場(chǎng)“現(xiàn)象級(jí)”經(jīng)濟(jì)熱潮，如圖1所示。

圖1 中國互聯(lián)網(wǎng)保險(xiǎn)發(fā)展階段

2011—2016年互聯(lián)網(wǎng)保險(xiǎn)公司數(shù)量、保費(fèi)收入及占比如表1所示[1-2]。2015年，互聯(lián)網(wǎng)保費(fèi)占總保費(fèi)的9.20%，2016年互聯(lián)網(wǎng)保險(xiǎn)公司數(shù)量占行業(yè)總機(jī)構(gòu)數(shù)量的58%。互聯(lián)網(wǎng)保險(xiǎn)的種類也越來越多元化，從最初的理財(cái)險(xiǎn)、人身險(xiǎn)、車險(xiǎn)等傳統(tǒng)品種，到大量涌現(xiàn)的銀行卡安全險(xiǎn)、支付寶安全險(xiǎn)、退貨險(xiǎn)等依托電子商務(wù)而開展的保險(xiǎn)品種，再到搖號(hào)險(xiǎn)、鞭炮險(xiǎn)等五花八門的創(chuàng)新險(xiǎn)種，無不彰顯互聯(lián)網(wǎng)保險(xiǎn)的興盛和開放。

深入挖掘互聯(lián)網(wǎng)經(jīng)濟(jì)的潛力是促進(jìn)我國經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型、保障我國經(jīng)濟(jì)可持續(xù)發(fā)展的重要的支撐點(diǎn)。消費(fèi)者的購買意愿是進(jìn)一步挖掘互聯(lián)網(wǎng)保險(xiǎn)市場(chǎng)潛力的直接推動(dòng)因素，以消費(fèi)者的視角研究互聯(lián)網(wǎng)保險(xiǎn)，合理引導(dǎo)消費(fèi)者作出購買決策對(duì)于互聯(lián)網(wǎng)保險(xiǎn)的發(fā)展具有十分重要的意義，而且，互聯(lián)網(wǎng)中的“長尾效應(yīng)”對(duì)互聯(lián)網(wǎng)保險(xiǎn)依然有效。通過對(duì)“長尾人群”的特征研究，分析互聯(lián)網(wǎng)保險(xiǎn)客戶的特征分布，有利于保險(xiǎn)機(jī)構(gòu)對(duì)保險(xiǎn)產(chǎn)品的精細(xì)化設(shè)計(jì)和進(jìn)行差異化的精準(zhǔn)營銷。目前在學(xué)術(shù)界，互聯(lián)網(wǎng)保險(xiǎn)作為一個(gè)新興的領(lǐng)域，大多數(shù)研究仍處在案例研究、對(duì)比研究等初步階段，實(shí)證研究乏善可陳。本文擬結(jié)合計(jì)劃行為模型(TPB)和技術(shù)接受模型(TAM)，在一個(gè)較綜合的框架下建立互聯(lián)網(wǎng)保險(xiǎn)購買意向模型，并利用K-Means聚類技術(shù)對(duì)客戶進(jìn)行細(xì)分，利用結(jié)構(gòu)方程模型驗(yàn)證影響互聯(lián)網(wǎng)保險(xiǎn)客戶購買意愿的主要因素。

表1 2011—2016年互聯(lián)網(wǎng)保險(xiǎn)發(fā)展概況

1 文獻(xiàn)綜述

目前，學(xué)術(shù)界關(guān)于“互聯(lián)網(wǎng)保險(xiǎn)”的定義和類型劃分出現(xiàn)分歧?？傮w趨勢(shì)是：它的概念邊界和類型不斷延伸、補(bǔ)充。學(xué)者最早提出的是較為狹義的定義，認(rèn)為互聯(lián)網(wǎng)保險(xiǎn)就是“通過互聯(lián)網(wǎng)銷售保險(xiǎn)”[3]。這種觀點(diǎn)與互聯(lián)網(wǎng)保險(xiǎn)完整的業(yè)務(wù)體系相違背，遭到學(xué)者批評(píng)。后來有學(xué)者將其定義拓展為“保險(xiǎn)公司或者保險(xiǎn)中介機(jī)構(gòu)借助互聯(lián)網(wǎng)為客戶提供產(chǎn)品及相關(guān)服務(wù)信息，實(shí)現(xiàn)網(wǎng)上投保、承保、保全和理賠等保險(xiǎn)業(yè)務(wù)，完成保險(xiǎn)產(chǎn)品的在線銷售及服務(wù)，同時(shí)借助第三方機(jī)構(gòu)來實(shí)現(xiàn)保險(xiǎn)相關(guān)費(fèi)用的電子支付等經(jīng)營管理活動(dòng)”[4]。在此基礎(chǔ)上，何麗新等[5]又將因互聯(lián)網(wǎng)而生的“互聯(lián)網(wǎng)信息安全保險(xiǎn)”納入其中，將互聯(lián)網(wǎng)保險(xiǎn)劃分為“互聯(lián)網(wǎng)信息安全保險(xiǎn)”、“O2O保險(xiǎn)業(yè)務(wù)”、“網(wǎng)銷保險(xiǎn)業(yè)務(wù)”3種類型，拓展了互聯(lián)網(wǎng)保險(xiǎn)的概念內(nèi)涵。關(guān)于互聯(lián)網(wǎng)保險(xiǎn)的商業(yè)模式，在互聯(lián)網(wǎng)保險(xiǎn)發(fā)展初期，已有學(xué)者對(duì)其商業(yè)模式進(jìn)行了設(shè)計(jì)，如Adam Klauber[6]提出了4個(gè)戰(zhàn)略業(yè)務(wù)模型，分別是互聯(lián)網(wǎng)保險(xiǎn)交易平臺(tái)、職域營銷、保險(xiǎn)業(yè)務(wù)處理和創(chuàng)新型保險(xiǎn)產(chǎn)品。何德旭等[7]劃分了3個(gè)模式：官方網(wǎng)站模式、第三方電子商務(wù)平臺(tái)模式(又可劃分為綜合電商平臺(tái)和保險(xiǎn)中介電商平臺(tái))以及專業(yè)互聯(lián)網(wǎng)保險(xiǎn)公司模式，并認(rèn)為隨著保險(xiǎn)經(jīng)營的本質(zhì)與互聯(lián)網(wǎng)特性的深度融合，商業(yè)模式將面臨新的變革，促使金融市場(chǎng)重塑新格局[7]。中國保險(xiǎn)行業(yè)協(xié)會(huì)在2014年發(fā)布的《互聯(lián)網(wǎng)保險(xiǎn)行業(yè)發(fā)展報(bào)告》，對(duì)互聯(lián)網(wǎng)保險(xiǎn)模式進(jìn)行總結(jié)后劃分為5類，如表2所示[8]。

表2 互聯(lián)網(wǎng)保險(xiǎn)商業(yè)模式

圍繞著互聯(lián)網(wǎng)保險(xiǎn)，目前學(xué)者的研究以定性為主，主題涉及互聯(lián)網(wǎng)保險(xiǎn)的發(fā)展?fàn)顟B(tài)(發(fā)展速度、產(chǎn)業(yè)規(guī)模、品種設(shè)計(jì)等)、與其他國家或地區(qū)(美、英、日、臺(tái)灣等)的對(duì)比分析、對(duì)傳統(tǒng)保險(xiǎn)業(yè)的影響以及存在問題(法律問題、監(jiān)管問題等)的研究。具體而言，陳秀芬等[9]在大數(shù)據(jù)背景下分析了我國互聯(lián)網(wǎng)保險(xiǎn)的現(xiàn)狀，但仍然受安全性缺失、產(chǎn)業(yè)結(jié)構(gòu)單一、傳統(tǒng)行業(yè)制約、新產(chǎn)品收益低等方面的限制。李亞光等[10]分析了我國互聯(lián)網(wǎng)保險(xiǎn)的發(fā)展基礎(chǔ)、過程與邏輯。王洋[11]借鑒日本、英國、美國互聯(lián)網(wǎng)保險(xiǎn)行業(yè)的監(jiān)管經(jīng)驗(yàn)，結(jié)合我國國情提出促進(jìn)我國互聯(lián)網(wǎng)保險(xiǎn)行業(yè)健康有序發(fā)展的建議。與此類似，池騁等[12]從法制的視角從臺(tái)灣地區(qū)獲得經(jīng)驗(yàn)啟示，擬通過有效的法律規(guī)則分散、消除互聯(lián)網(wǎng)保險(xiǎn)運(yùn)營過程中的法律風(fēng)險(xiǎn)。為了研究互聯(lián)網(wǎng)保險(xiǎn)對(duì)傳統(tǒng)保險(xiǎn)業(yè)的沖擊，劉遠(yuǎn)翔以7家財(cái)產(chǎn)保險(xiǎn)公司和7家人壽保險(xiǎn)公司為樣本，運(yùn)用SFA(stochastic frontier approach)進(jìn)行實(shí)證研究，發(fā)現(xiàn)互聯(lián)網(wǎng)保險(xiǎn)業(yè)務(wù)對(duì)傳統(tǒng)保險(xiǎn)企業(yè)成本效率與利潤效率都有積極影響[13]。何麗新等[5]以類型化分析為視角，研究了互聯(lián)網(wǎng)保險(xiǎn)對(duì)于傳統(tǒng)保險(xiǎn)法律規(guī)則的沖擊與重塑。在問題與風(fēng)險(xiǎn)方面，何德旭等[7]將互聯(lián)網(wǎng)保險(xiǎn)的風(fēng)險(xiǎn)劃分為技術(shù)風(fēng)險(xiǎn)、金融風(fēng)險(xiǎn)、系統(tǒng)性風(fēng)險(xiǎn)3類，而崔宇清等[14]基于最大誠信原則梳理了我國互聯(lián)網(wǎng)保險(xiǎn)的法律風(fēng)險(xiǎn)并提出相應(yīng)對(duì)策?？傮w而言，目前研究大多處在初步階段，不系統(tǒng)、不深入，案例研究較多，基本都是定性的方法。有關(guān)消費(fèi)者對(duì)互聯(lián)網(wǎng)保險(xiǎn)購買意愿的研究非常少，實(shí)證檢驗(yàn)更是一片空白?；ヂ?lián)網(wǎng)保險(xiǎn)若想長足發(fā)展，就必須重視消費(fèi)者的購買心理和購買行為，如何引導(dǎo)消費(fèi)者做出購買決策便成為一項(xiàng)重要課題。

2 基于RFM和K-Means聚類的互聯(lián)網(wǎng)保險(xiǎn)客戶特征分析

2.1 數(shù)據(jù)選取與分析流程

本文實(shí)證數(shù)據(jù)為ZH財(cái)險(xiǎn)公司開展的互聯(lián)網(wǎng)保險(xiǎn)業(yè)務(wù)中的車險(xiǎn)客戶數(shù)據(jù)。之所以選擇車險(xiǎn)客戶數(shù)據(jù)，一是由于車輛保險(xiǎn)在機(jī)動(dòng)車持有量持續(xù)增長態(tài)勢(shì)下發(fā)展迅猛；二是由于在ZH財(cái)險(xiǎn)公司的互聯(lián)網(wǎng)保險(xiǎn)業(yè)務(wù)中，互聯(lián)網(wǎng)車險(xiǎn)占比最大，很大程度上可反映出整體客戶特征，在和傳統(tǒng)保險(xiǎn)的對(duì)比研究中也更有意義。由于此次調(diào)研數(shù)據(jù)來自車險(xiǎn)承保系統(tǒng)、車險(xiǎn)理賠系統(tǒng)、核心系統(tǒng)、電子商務(wù)系統(tǒng)等多個(gè)業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫，這些系統(tǒng)采用了DB2、Oracle等多種數(shù)據(jù)庫，給數(shù)據(jù)遷移帶來一定難度。為此，本文利用ETL工具Kettle[注]Kettle中文名為“水壺”，是一款國外開源的ETL工具，純java編寫，可以在WindowLinuxUnix上運(yùn)行，數(shù)據(jù)抽取高效穩(wěn)定。完成數(shù)據(jù)遷移，并建立完整的數(shù)據(jù)倉庫，數(shù)據(jù)流向如圖2所示。Kettle 是Pentaho開源商業(yè)智能套件中的一個(gè)ETL組件，具有開源、高效、設(shè)計(jì)界面易用且功能強(qiáng)大的特點(diǎn)。

圖2 獲取實(shí)證數(shù)據(jù)

為保證此次客戶特征分析更為科學(xué)，選取保險(xiǎn)周期在2015-2016年內(nèi)的客戶數(shù)據(jù)，這樣既能保證數(shù)據(jù)時(shí)效性，又能保證在分析賠付率等指標(biāo)時(shí)的有效性。由于研究?jī)?nèi)容涉及客戶特征分析與客戶購買行為意愿，因此本文采用的客戶數(shù)據(jù)均為投保人數(shù)據(jù)。在研究客戶特征時(shí)，分析流程如圖3所示。

圖3 互聯(lián)網(wǎng)保險(xiǎn)客戶特征分析流程

2.2 數(shù)據(jù)預(yù)處理與客戶基本特征對(duì)比分析

ZH財(cái)險(xiǎn)自2004年開始信息化建設(shè)，逐步啟用包括車險(xiǎn)承保系統(tǒng)在內(nèi)的八大業(yè)務(wù)系統(tǒng)。由于在系統(tǒng)建設(shè)初期沒有形成以客戶為中心的認(rèn)知，ZH財(cái)險(xiǎn)客戶數(shù)據(jù)質(zhì)量較差，在正式分析前需要進(jìn)行大量預(yù)處理工作。這些工作主要包括：

1) 數(shù)據(jù)規(guī)范。修改不符合規(guī)范的數(shù)據(jù)，包括去除空格、字母大小寫轉(zhuǎn)換、去除字段中的特殊符號(hào)等；

2) 客戶唯一性識(shí)別。將身份證號(hào)碼作為客戶唯一性識(shí)別標(biāo)識(shí)，并通過身份證校驗(yàn)位完成對(duì)身份證的校驗(yàn)，刪除未通過校驗(yàn)的無效數(shù)據(jù)；

3) 缺失值補(bǔ)充。僅用刪除方法處理缺失數(shù)據(jù)會(huì)造成樣本量不足或評(píng)估結(jié)果偏差，因此借鑒喬麗華[15]、鄧銀燕[16]、龐新生[17]等學(xué)者的研究結(jié)論，采用多重填補(bǔ)法對(duì)缺失數(shù)據(jù)進(jìn)行科學(xué)填補(bǔ)。

4) 基于RFM的字段選取。首先選取可能對(duì)個(gè)人態(tài)度有顯著影響的客戶基本特征字段，如性別、年齡、收入狀況(機(jī)動(dòng)車購置價(jià))、地區(qū)等；然后結(jié)合CRM理論中的經(jīng)典客戶分析模型——RFM模型，選取客戶最近一次的購買時(shí)間R(recency)、客戶購買頻度F(frequency)、客戶保費(fèi)M(monetary)3個(gè)指標(biāo)，如表3所示。

5) 數(shù)據(jù)集成。將所有指標(biāo)數(shù)據(jù)集中在一張表中，最終獲得143 285條有效的互聯(lián)網(wǎng)車險(xiǎn)客戶信息。

表3 RFM模型指標(biāo)含義

注：由于數(shù)據(jù)是2015/2016年度的數(shù)據(jù)，分析時(shí)間點(diǎn)為2017年1月1日

根據(jù)搜集數(shù)據(jù)，運(yùn)用Excel對(duì)互聯(lián)網(wǎng)保險(xiǎn)客戶的基本特征進(jìn)行統(tǒng)計(jì)分析，并與傳統(tǒng)保險(xiǎn)客戶進(jìn)行對(duì)比，其結(jié)果如表4所示，可得幾點(diǎn)基本結(jié)論：

1) 互聯(lián)網(wǎng)保險(xiǎn)客戶的評(píng)價(jià)年齡是37歲，傳統(tǒng)保險(xiǎn)客戶的平均年齡是42歲，這說明互聯(lián)網(wǎng)保險(xiǎn)客戶體現(xiàn)出年輕化的趨勢(shì)特征，但并不明顯。而根據(jù)《2016中國電商消費(fèi)行為報(bào)告》[18]，26～35歲(80后)年齡段是線上消費(fèi)的主力軍，保險(xiǎn)客戶的年齡明顯偏大。這很好理解，因?yàn)闄C(jī)動(dòng)車保險(xiǎn)業(yè)務(wù)一般限制投保人年齡在16歲以上，且年輕人經(jīng)濟(jì)壓力大、無財(cái)富積累、無風(fēng)險(xiǎn)意識(shí)，而年長成熟的消費(fèi)者則樂于通過購買保險(xiǎn)管控風(fēng)險(xiǎn)。

2) 車險(xiǎn)投保人客戶存在明顯的性別差異。無論是互聯(lián)網(wǎng)保險(xiǎn)還是傳統(tǒng)保險(xiǎn)，男性投保人都占絕大多數(shù)，分別達(dá)到81.33%和77.24%的比重。

3) 從互聯(lián)網(wǎng)車險(xiǎn)渠道客戶的地區(qū)分別來看，華東地區(qū)占比達(dá)77.26%，西北地區(qū)僅占0.88%，反映出我國各地區(qū)在互聯(lián)網(wǎng)與互聯(lián)網(wǎng)保險(xiǎn)的普及方面差異較大，發(fā)展不均衡，也反映出華東地區(qū)消費(fèi)者超前的消費(fèi)模式轉(zhuǎn)變，特別是“江浙滬”地區(qū)的消費(fèi)者已將網(wǎng)上消費(fèi)培養(yǎng)成習(xí)慣。

表4 互聯(lián)網(wǎng)保險(xiǎn)客戶與傳統(tǒng)保險(xiǎn)客戶的基本特征對(duì)比

2.3 基于K-Means的客戶細(xì)分

利用clementine12數(shù)據(jù)挖掘工具中的K-Means模型對(duì)ZH財(cái)險(xiǎn)的148 235條符合研究要求的客戶信息進(jìn)行聚類分析，從而完成客戶的精確細(xì)分。K-Means算法最早由MacQueen提出[19]，因易于描述、時(shí)間效率高、適于處理大規(guī)模數(shù)據(jù)等優(yōu)點(diǎn)，得到廣泛應(yīng)用[20]。它的基本思想是：使n個(gè)數(shù)據(jù)點(diǎn){x1,x2,…,xn}到與它最近的聚類中心{a1,a2,…,ak}的距離平方和Wn最小。Clementine中的K-Means模型用歐幾里德距離來計(jì)算類內(nèi)差異和類間差異。歐幾里德距離一般用來測(cè)量n維空間中兩點(diǎn)之間的距離。Wn、類內(nèi)差異、類間差異的公式如下。

目標(biāo)函數(shù)：

(1)

類內(nèi)差異：

(2)

類間差異：

(3)

圖4 各K值對(duì)應(yīng)的類間評(píng)價(jià)相似度

K-Means聚類的相關(guān)統(tǒng)計(jì)量總結(jié)在表5中。

表5 K-Means 聚類結(jié)果匯總

根據(jù)以上聚類結(jié)果，ZH財(cái)險(xiǎn)互聯(lián)網(wǎng)車險(xiǎn)客戶可以細(xì)分為4類：

1) 核心客戶群體——華東地區(qū)男性投保人客戶(聚類1)。這部分客戶有82 079條記錄，占全部記錄的55.37%。年齡分布以中年為主，與整體互聯(lián)網(wǎng)車險(xiǎn)客戶年齡分布基本一致。這部分客戶近期購買次數(shù)的平均值為2.067，在4類客戶群體中最高，整體較活躍。

2) 高潛力客戶群體——年輕的女性白領(lǐng)客戶(聚類2)。這部分客戶年齡在26～40年齡段，有28 965條記錄，占全部記錄的19.54%。長期以來，我國男性是駕車主體，男女?dāng)?shù)量差距較大，但在國外，男女對(duì)機(jī)動(dòng)車輛的消費(fèi)幾乎同步。近年來隨著我國女性駕車比例逐年攀升，女性成為了機(jī)動(dòng)車消費(fèi)的潛力人群，具有極大的市場(chǎng)空間。女性機(jī)動(dòng)車輛消費(fèi)的提升勢(shì)必引起女性投保人客戶群體的增長。

3) 高價(jià)值客戶群體——富裕型女性投保人客戶(聚類3)。這部分客戶的平均保費(fèi)為4類客戶群體中最高，平均機(jī)動(dòng)車價(jià)值也最高，有15 033條記錄，占全部記錄的10.14%。這部分客戶的年齡偏大，基本集中在41～55年齡段，說明這部分客戶具有較好的財(cái)富積累，也是ZH財(cái)險(xiǎn)比較有價(jià)值的客戶群體。

4) 其他地區(qū)男性投保人群體(聚類4)。這部分客戶近期保費(fèi)M(monetary)均值和近期投保次數(shù)F(frequency)均值在4類客戶中均最低，客戶價(jià)值有限，但客戶數(shù)量有一定占比(14.95%)，因此不能忽視。

3 消費(fèi)者互聯(lián)網(wǎng)保險(xiǎn)購買意愿的模型構(gòu)建與實(shí)證檢驗(yàn)

3.1 模型的理論依據(jù)與構(gòu)思

前面探究了互聯(lián)網(wǎng)保險(xiǎn)客戶群體的基本特征，這些特征因素在一定程度上決定了消費(fèi)者互聯(lián)網(wǎng)保險(xiǎn)的購買行為意愿。但是，影響購買意愿的因素是多方面的，尤其是心理因素，本文擬綜合計(jì)劃行為理論(theory of planned behavior,TPB)和技術(shù)接受模型(technology acceptance model,TAM)，運(yùn)用結(jié)構(gòu)方程模型進(jìn)行相關(guān)探究。

所謂意愿，是指?jìng)€(gè)人從事特定行為的主觀概率，購買意愿即消費(fèi)者愿意采取特定購買行為的幾率，是購買行為的預(yù)測(cè)因素。雖然學(xué)術(shù)界對(duì)購買意愿是否能有效預(yù)測(cè)購買行為這一問題上尚未達(dá)成一致，但多數(shù)研究支持用購買意愿研究購買行為。在研究購買意愿方面，計(jì)劃行為理論是主流理論之一，認(rèn)為意愿是由消費(fèi)者對(duì)于事物的態(tài)度(attitude)、反映社會(huì)環(huán)境影響的主觀規(guī)范(subjective norm)和感知到的難易程度——感知行為控制(perceived behavior control,PBC)3個(gè)方面共同決定。行為主體對(duì)某一行為的態(tài)度越趨向于正面，感知到的社會(huì)環(huán)境壓力越大，執(zhí)行行為的信心越足，對(duì)待該行為的意向表現(xiàn)得越強(qiáng)烈[21]。已有文獻(xiàn)中，計(jì)劃行為理論對(duì)可持續(xù)生產(chǎn)產(chǎn)品的購買意愿、家電下鄉(xiāng)產(chǎn)品的購買意愿、倫理購買決策機(jī)制、延遲購買偏好反轉(zhuǎn)等均有很強(qiáng)的解釋力[22-24]。

除了計(jì)劃行為理論，也有學(xué)者關(guān)注信息技術(shù)的采納和使用。Davis從行為科學(xué)的視角，在理性行為理論(TRA)的基礎(chǔ)上提出了技術(shù)接受模型。該模型指出有兩個(gè)因素影響著行為主體是否愿意或能夠使用信息技術(shù)，分別是感知有用性(perceived usefulness,PU)和感知易用性(perceived ease of use,PEOU)[25]。感知有用性是體現(xiàn)用戶感覺或者意識(shí)到使用某一具體的信息技術(shù)系統(tǒng)對(duì)其工作、生活提高的程度大小；感知易用性反映用戶感知到其使用一種系統(tǒng)的難易程度。TPB和TAM模型分別從不同視角進(jìn)行了考慮，整合這兩種視角，可獲得更全面、完整的模型。

基于此，本文提出如圖5所示模型。

圖5 模型構(gòu)思

本文構(gòu)思的模型涉及感知有用性、感知易用性等共6個(gè)變量，針對(duì)各個(gè)變量的測(cè)量，學(xué)術(shù)界均已開發(fā)出成熟的量表。在設(shè)計(jì)調(diào)查問卷時(shí)，為了保證測(cè)量的內(nèi)容效度，本文使用這些成熟的量表(參見表6)，且均為李克特七級(jí)(完全不同意—完全同意)量表[26-29]。

表6 各預(yù)測(cè)變量測(cè)量題項(xiàng)與依據(jù)

3.2 結(jié)構(gòu)方程模型的實(shí)證分析

筆者通過問卷調(diào)查的方式獲取數(shù)據(jù)，在正式發(fā)放問卷前，先通過偶遇抽樣(accidental sample)方法，在高校周圍進(jìn)行預(yù)調(diào)查。由于互聯(lián)網(wǎng)保險(xiǎn)概念較新，因此在問卷中添加對(duì)互聯(lián)網(wǎng)保險(xiǎn)的解釋。預(yù)調(diào)查共回收45份問卷，通過填寫反饋情況，結(jié)合專家意見，對(duì)部分題項(xiàng)進(jìn)行修整，編制出正式調(diào)查問卷。正式問卷通過兩種途徑發(fā)放：一是紙質(zhì)問卷現(xiàn)場(chǎng)發(fā)放，二是委托專業(yè)調(diào)查平臺(tái)——問卷星(http://www.sojump.com)進(jìn)行網(wǎng)絡(luò)發(fā)放。最終，共發(fā)放問卷300份，回收問卷277份，進(jìn)一步剔除數(shù)據(jù)缺失、前后矛盾以及明顯規(guī)律性作答的無效問卷后，剩余有效問卷263份，有效回收率87.67%。

1) 信效度檢驗(yàn)

首先進(jìn)行信效度檢驗(yàn)。運(yùn)用SPSS 19.0，以Cronbach’s α 系數(shù)作為信度的判斷標(biāo)準(zhǔn)，0.5以上符合基本要求，0.7以上說明信度良好。信度檢驗(yàn)結(jié)果如表7所示?？梢姡凶兞康男哦认禂?shù)均在0.5以上，最高信度值達(dá)0.93，整體量表的信度值為0.867，說明信度狀態(tài)較好，通過了信度檢驗(yàn)。

表7 信度檢驗(yàn)結(jié)果

在效度檢驗(yàn)中，建構(gòu)效度又分為收斂效度和判別效度。按照吳明隆[30]的觀點(diǎn)，一般以3條標(biāo)準(zhǔn)評(píng)估收斂效度：① 標(biāo)準(zhǔn)因子載荷大于0.5，0.7以上更理想；② 組合信度值在0.6以上；③ 平均提煉方差(AVE)大于0.5。運(yùn)用AMOS21.0得到表8的結(jié)果。可見，除了個(gè)人態(tài)度的最小因子載荷略低于0.5(0.477)和感知行為控制的組合信度略低于0.6(0.590)，其他均符合收斂效度的要求，說明收斂效度良好。判別效度檢驗(yàn)的傳統(tǒng)做法是比較因子本身的AVE值的算術(shù)平方根是否大于該因子與其他因子的相關(guān)系數(shù)。由表8中的AVE值和最大相關(guān)系數(shù)計(jì)算得出，所有變量的判別效度均通過了檢驗(yàn)。

2) 結(jié)構(gòu)方程分析

以AMOS21.0為工具，進(jìn)一步探究調(diào)查所得的問卷數(shù)據(jù)和假設(shè)模型是否擬合，即進(jìn)行模型的適配度檢驗(yàn)，檢驗(yàn)的指標(biāo)主要包括X2/df、RMSEA、RMR、CFI、GFI、NFI、RFI、IFI和TLI，如表9所示。可見，量表的所有指標(biāo)均達(dá)到適配的標(biāo)準(zhǔn)值要求，模型擬合度好，無需進(jìn)行模型修正。

表8 效度檢驗(yàn)結(jié)果

表9 互聯(lián)網(wǎng)保險(xiǎn)購買意愿模型常用擬合指數(shù)

結(jié)構(gòu)方程模型共包含7條路徑，各個(gè)路徑的模型參數(shù)估計(jì)總結(jié)在表10中?？梢?，除了CA←PU(個(gè)人態(tài)度←感知易用性)沒有通過顯著性檢驗(yàn)(P=0.109)之外，其他各條路徑均通過顯著性檢驗(yàn)。而且各個(gè)路徑的系數(shù)符號(hào)均為正，說明各變量對(duì)購買意愿的影響均為正向影響；通過標(biāo)準(zhǔn)系數(shù)對(duì)比，可以發(fā)現(xiàn)主觀規(guī)范對(duì)購買意愿(BI←SN)的影響效果(0.572)以及感知行為控制對(duì)購買意愿(BI←PBC)的影響效果(0.644)均明顯大于其他路徑，感知行為控制影響最大。這可能和互聯(lián)網(wǎng)保險(xiǎn)認(rèn)知度高有關(guān)，且感知有用性和感知易用性均對(duì)購買意愿起到顯著正向作用。值得注意的是，根據(jù)溫忠麟等[31]的判斷標(biāo)準(zhǔn)，個(gè)人態(tài)度在感知有用性與購買意愿之間起部分中介作用(BI←CA←PE)，而個(gè)人態(tài)度在感知易用性與購買意愿之間并未起中介作用。

表10 路徑模型參數(shù)估計(jì)

注：*代表顯著性水平P<0.05，**代表P<0.01，***代表P<0.001

4 結(jié)論與啟示

本文以ZH財(cái)險(xiǎn)的互聯(lián)網(wǎng)車險(xiǎn)客戶數(shù)據(jù)和問卷調(diào)查數(shù)據(jù)進(jìn)行實(shí)證分析，運(yùn)用K-Means聚類技術(shù)完成客戶細(xì)分，并綜合TPB和TAM理論構(gòu)建消費(fèi)者互聯(lián)網(wǎng)保險(xiǎn)購買意愿模型，運(yùn)用結(jié)構(gòu)方程模型檢驗(yàn)該模型。通過研究得出以下基本結(jié)論

1) 通過特征分析與對(duì)比，發(fā)現(xiàn)互聯(lián)網(wǎng)保險(xiǎn)客戶在年齡分布和地區(qū)分布上與傳統(tǒng)保險(xiǎn)客戶存在差異，互聯(lián)網(wǎng)保險(xiǎn)客戶更為年輕且集中在華東地區(qū)；

2) 經(jīng)過K-Means聚類的客戶細(xì)分，發(fā)現(xiàn)互聯(lián)網(wǎng)車險(xiǎn)的核心客戶群體——華東地區(qū)男性投保人客戶、高潛力客戶群體——年輕女性百麗客戶、高價(jià)值客戶群體——富裕型女性投保人客戶；

3) 通過結(jié)構(gòu)方程模型，證明感知有用性、感知易用性、個(gè)人態(tài)度、主觀規(guī)范、感知行為控制均對(duì)互聯(lián)網(wǎng)保險(xiǎn)購買意愿有顯著的正向影響，個(gè)人態(tài)度在感知有用性與購買意愿之間起部分中介作用，而且由于消費(fèi)者普遍對(duì)互聯(lián)網(wǎng)保險(xiǎn)認(rèn)知度不高，造成對(duì)購買意愿影響最大的因素為反映個(gè)人掌控能力的感知行為控制因素和反映環(huán)境壓力的主觀規(guī)范因素。

針對(duì)以上結(jié)論，本文對(duì)互聯(lián)網(wǎng)保險(xiǎn)經(jīng)營發(fā)展提出以下建議：

1) 在營銷策略上，根據(jù)客戶細(xì)分結(jié)論，重點(diǎn)向華東地區(qū)投放廣告；充分利用大數(shù)據(jù)、云計(jì)算等技術(shù)挖掘潛在重要客戶，并通過多種渠道進(jìn)行精準(zhǔn)營銷；在投放線下廣告時(shí)，重點(diǎn)投放在男性客戶經(jīng)常活動(dòng)的區(qū)域，在針對(duì)高價(jià)值客戶群體營銷時(shí)，采用交叉銷售的形式增加客戶續(xù)保率。

2) 在產(chǎn)品設(shè)計(jì)上，重點(diǎn)關(guān)注核心客戶群體的保險(xiǎn)需求，并提供可定制的個(gè)性化保險(xiǎn)產(chǎn)品，在照顧核心客戶群體需求的基礎(chǔ)上盡可能擴(kuò)大產(chǎn)品的受眾。由于互聯(lián)網(wǎng)保險(xiǎn)購買意愿受感知行為控制影響最大，互聯(lián)網(wǎng)保險(xiǎn)產(chǎn)品的業(yè)務(wù)流程設(shè)計(jì)應(yīng)注重用戶友好性與操作上的簡(jiǎn)易性，保證消費(fèi)者能夠自如地在線完成投保、承保、核保、保全和理賠等保險(xiǎn)業(yè)務(wù)。

3) 在產(chǎn)品服務(wù)上，盡可能大地提升客戶滿意度，因?yàn)橹饔^規(guī)范對(duì)互聯(lián)網(wǎng)保險(xiǎn)購買意愿的影響非常顯著，只有讓現(xiàn)有的互聯(lián)網(wǎng)保險(xiǎn)客戶獲得良好的服務(wù)體驗(yàn)，才能在市場(chǎng)中贏得口碑，在消費(fèi)者群體中形成羊群效應(yīng)。