3. 模型规则命中定义

3.1 什么是模型规则命中

在保险精算与风控场景中，模型规则命中是指一条保单申请或理赔请求在通过评分模型或决策规则引擎时，触发了预设的判定条件，从而被标记为特定风险等级或进入特定处理流程。简单来说，就是“模型说‘是’的那一刻”。

规则命中通常发生在以下环节：

• 核保环节：健康告知、职业类别、保额上限等规则被触发，导致自动通过、人工核保或直接拒保。
• 定价环节：年龄、地区、历史赔付等变量落入某个费率档位，触发差异化定价规则。
• 理赔环节：案件金额、就诊医院、疾病编码等匹配到反欺诈规则或快速理赔通道。

3.2 在核保与定价中的角色

模型规则命中在核保和定价中扮演着决策分水岭的角色。下表对比了命中前后的业务差异：

3.3 命中率的业务含义

命中率（Hit Rate）是指在一定时间窗口内，触发模型规则的保单数占总申请数的比例。其计算公式为：

命中率 = (规则命中的保单数 / 总申请保单数) × 100%

命中率是衡量规则严格程度和业务影响的核心指标。不同命中率区间对应不同的业务含义：

• 命中率 < 5%：规则过于宽松，可能漏掉大量高风险保单，导致赔付率上升。
• 命中率 5% ~ 15%：理想区间，规则既能有效拦截高风险，又不至于过度干扰正常业务。
• 命中率 15% ~ 30%：规则偏严，大量保单需要人工干预，运营成本上升，客户体验下降。
• 命中率 > 30%：规则严重过严，可能误伤大量优质客户，需立即调整阈值或规则逻辑。

3.4 命中率在 A/B 测试中的角色

在 A/B 测试中，命中率通常作为过程指标而非结果指标。其作用包括：

• 验证规则是否按预期生效：实验组命中率显著高于对照组，说明新规则确实改变了决策分布。
• 监控实验稳定性：命中率在实验期间剧烈波动，可能暗示数据漂移或规则逻辑错误。
• 辅助解释结果指标：如果实验组赔付率下降，但命中率也大幅上升，则需判断改善是否来自“过度拦截”而非模型优化。

下表总结了命中率在不同实验场景下的解读方式：