1. 课程导入
车险是财险公司最重要的保费来源之一，也是客户触点最频繁、竞争最激烈的险种。对大多数经营车险的保险公司而言，续保业务不仅关系到保费规模的稳定，更直接影响获客成本摊薄、赔付经验积累和渠道议价能力。然而，续保定价长期面临一个两难：价格定高了，客户流失；价格定低了，保费充足性不足，甚至出现越续越亏。要在这两者之间找到平衡，就必须把“客户会不会续保”和“客户对价格有多敏感”这两个问题放在同一个决策框架里考虑。这正是本课程要解决的核心命题——车险续保概率与价格弹性的联合定价。
一、业务背景：从“经验调价”走向“模型定价”
过去，很多公司的续保定价依赖核保人的经验、渠道反馈或简单的同比折扣调整。常见做法是：对上年未出险客户给一个固定折扣，对出险客户收紧折扣，再根据渠道费用做整体微调。这种方式在市场竞争温和、数据量有限的时代尚可运转，但在今天面临三个明显变化。
- 竞争透明化：客户可以通过电话、APP、代理人、第三方平台多渠道比价，价格差异几小时内就能被感知，续保决策周期被大幅压缩。
- 数据丰富化：公司内部积累了保单、理赔、批改、缴费、服务触点等数据，外部也可接入车型、区域、驾驶行为等因子，为精细化建模提供了基础。
- 监管与合规要求：车险综合改革后，条款和费率更加统一，自主定价系数成为关键竞争变量，定价既要考虑市场反应，也要满足报备与合规约束。
因此，续保定价不再是“给一个折扣”那么简单，而是要回答：在给定价格下，这个客户续保的概率是多少？如果调整价格，续保概率会变化多少？变化带来的保费收入与赔付成本，是否仍然划算？
二、核心挑战：续保概率与价格弹性的联合估计
本课程的第一个关键认知是：续保概率和价格弹性不是两个独立问题。传统做法往往先预测续保概率，再单独估计价格敏感度，最后人工拼接。这种“分步走”容易产生偏差，因为续保概率本身会随价格变化，而价格弹性又依赖于客户所处的续保概率区间。例如，一个本来续保意愿就很低的客户，可能对价格并不敏感；而一个高忠诚度客户，反而可能因为小幅涨价而流失。把两者割裂，就无法捕捉这种交互关系。
联合定价的核心思想：把“续保概率”视为价格的函数，把“价格弹性”视为续保概率曲线的局部斜率，在同一模型中同时估计客户续保倾向与价格敏感度，并输出可用于决策的“最优价格区间”。
具体挑战可以归纳为四类：
- 数据挑战：续保结果存在选择性偏差，未续保客户的价格信息往往不完整；价格变动并非随机实验，而是由历史策略决定，直接建模容易产生内生性。
- 模型挑战：续保概率是非线性概率问题，价格弹性又具有异质性，不同客户、不同渠道、不同车型的弹性差异很大，单一系数难以刻画。
- 业务挑战：定价目标不是单一最大化续保率，也不是单一最大化保费，而是要在保费规模、赔付成本、续保率和渠道费用之间做多目标权衡。
- 落地挑战：模型输出必须能嵌入报价系统、核保规则和渠道策略，还要可解释、可监控、可迭代，否则很难被业务接受。
三、方法流程：从数据到决策的闭环
为了把上述挑战转化为可执行的工作流，本课程将联合定价拆解为一条端到端的闭环流程。下图展示了从原始数据到定价策略输出的关键环节，以及续保概率与价格弹性在其中的交互位置。
这条流程的关键在于：联合模型不是简单地把两个模型拼在一起，而是在同一目标函数下同时估计续保概率和价格弹性。模型输出的不是单一价格，而是一条“价格—续保概率—期望收益”曲线，业务人员可以据此选择不同策略：追求续保率、追求保费规模，或追求利润最大化。
四、案例场景：一个续保客户的定价决策
假设某客户上年保单保费为5000元，未出险，历史续保两次，渠道为代理人。公司初步拟定了三个续保报价方案：
| 方案 | 报价（元） | 预测续保概率 | 价格弹性（局部） | 期望保费收入（元） |
|---|---|---|---|---|
| A 激进折扣 | 4200 | 0.86 | -0.35 | 3612 |
| B 温和折扣 | 4600 | 0.78 | -0.52 | 3588 |
| C 接近原价 | 5000 | 0.65 | -0.78 | 3250 |
如果只看续保率，方案A最好；如果只看单均保费，方案C最高。但把续保概率和价格弹性联合起来看，方案A和方案B的期望保费收入接近，而方案B的折扣更小、保费充足性更好。进一步考虑赔付成本和渠道费用后，方案B可能才是最优解。这个例子说明：续保定价不能只看一个指标，而要看“价格—续保—收益”的整体关系。
提示：价格弹性为负值表示价格上升时续保概率下降。弹性绝对值越大，客户对价格越敏感。联合定价的目标不是消灭弹性，而是识别弹性差异，对不同客户采取不同策略。
五、常见误区与复盘要点
在进入后续章节之前，先明确几个常见误区，避免在学习过程中走偏。
- 误区一：把续保概率当成固定值。续保概率会随价格、渠道、服务体验变化，必须建模为价格的函数。
- 误区二：用历史折扣直接推断弹性。历史价格由策略决定，存在选择性偏差，直接回归容易得到有偏的弹性估计。
- 误区三：只优化续保率。续保率过高可能意味着价格过低，保费充足性不足，长期会侵蚀利润。
- 误区四：忽略渠道与合规约束。不同渠道的费用结构、报价权限和监管要求不同，模型输出必须经过业务规则校验。
注意：联合定价模型是决策辅助工具，不是自动报价机器。最终价格仍需结合公司战略、市场竞争和合规要求进行人工审核与调整。
六、学习目标与课程整体框架
通过本课程，你将能够：
- 理解车险续保定价的业务逻辑，明确续保概率与价格弹性的联合建模价值。
- 掌握续保概率模型和价格弹性估计的核心方法，包括数据准备、特征设计、模型选择和评估指标。
- 学会构建“价格—续保概率—期望收益”曲线，并据此制定差异化续保价格策略。
- 了解模型落地、监控与迭代的完整流程，能够识别常见偏差和业务风险。