茶农互联网保险营销自我排斥研究

周林毅，柯文静，李 乐

(武夷学院 商学院，福建省区域绿色经济发展研究中心，福建 武夷山 354300)

互联网+保险是认识你的客户风险治理的重要一环。在过去探讨金融排斥的文献中，通常认为客户的客观与主观条件会影响他们的购买决定[1-3]，影响因素包括保险消费者会因为自我了解不足拒绝购买金融商品的内在因素[4-5]，以及互联网平台的引诱下成功突破消费者自我了解不足心防购买保险的情况的外在因素[6]。

已有文献采用保险代办人数保险代表物理排斥，自我排斥包括信任不够、了解不够等，而且认为互联网金融行为营销排斥不存在[4]，其实互联网保险营销排斥与消费者对于商品的自我认知却有非常显著的相关性[5-6]。

在银行排斥的文献方面，也常利用地理距离研究金融排斥，包括金融可得性低[7]、金融违约率高等[8]。测量金融可得性低的常用变量是网点数相关变量，但它忽略了农民实际至网点的路程距离以及时间，而且已有文献较少提及村庄经营农业户数的密集度等金融可得性相关物理变量。金融违约率以农村是否有违约为变量，忽略农户规模经营大小、专兼职经营与收入能力等实质信用影响变量。

在风险偏好变量方面，已有文献采用投资人的损失容忍度[6，9-10]与投资经验长短[5]为替代变量，在使用互联网平台购买保险时，追求方便的消费者的损失容忍程度较低，投资经验较短，表示场景营销确实减少保险排斥的情况。在消费者的自身条件方面，年龄、所得等也会影响消费者使用互联网+保险平台的意愿。

福建省武夷山市以茶闻名国际。知名导演张艺谋先生以大红袍为名在武夷山开设武夷印象大红袍剧场，使得大红袍一词受到中外瞩目。有学者曾在此地进行茶农风险融资调研，结果发现购买保险的顺序在亲友借款与政府贷款之后，足以见得保险排斥的存在[11]。商业保险购买也是呈现茶农显著排斥购买的情况[12]，互联网+的应用是否能够减少茶农对于互联网保险与保险互联网的排斥，过去文献较少研究。

1 模型与假设

Myers和Majluf[13]的融资顺位理论(pecking order theory)认为企业在做融资决策时以内部资金为首选，其次是外部资金。然而，在风险条件的情况下，风险决策方法还需考虑保险机制，因此农业保险也是风险决策方法的一种,周稳海等[14]研究显示，农业保险灾前对农民收入有显著负向影响，而灾后对农民收入有显著正向影响。

Rothshild和Stiglitz[15]指出在信息不对称的保险市场，低风险投保人会因为分担高风险者的保险费在后期离开保险市场。Arrow 不确定风险模型[16]在过去文献中被利用来研究互联网投资渠道选择因素、投资电子货币消费者特征、互联网投保人风险认知等[5-6，9，11-12]。依据该模型假设保户损失G发生的概率为p(G)，I为保险费。

若没有意外发生，则高禀赋水平投保人财富为WH-I，低禀赋水平投保人财富为WL-I，在WH>WL条件下，U(WH-I)>U(WL-I)，表示高禀赋水平投保人在没有发生损失时，效用高于低禀赋比投保人。禀赋包括所得与过去经验。

假设茶农使用互联网工具的保险投保人对于了解产品有自我排斥的差异情况，自我排斥程度差异受到前期经验、人为指导、产品是否容易了解程度、地理距离、物理场景(e)的影响，ψ(e)表示自我排斥程度的购买态度系数，系数越大表示越了解，在Z小于G的情况下，如果期望保险金额的效用U(ψZ)可以完全填补真实损失的负效用U(G)，则投保人选择投保。

互联网销售平台具备场景化营销功能，碎片化产品模式，促进投保方便性，σ表示方便的程度，增加投保人对于保险产品了解的自信，ψ(e，σ)≥ψ(e),则保险金额的填补损失效用U(ψZ)将大于真实损失的负效用U(G)，此时场景营销宣传效果奏效，导致投保人陷入合成谬误的情况，互联网保险平台的购买行为羊群效应诞生，保险自我排斥减少。因此，提出下列假设。

假设1：保险自我排斥会显著受到互联网+保险应用消除。

假设2：人为的互联网工具指导可以显著消除保险自我排斥，导致营销排斥显著不存在。

2 研究模型设计

研究模型设计分为5部分，第1部分利用因子分析筛选出不使用互联网+保险工具受访者特征，第2部分参照过去文献使用逻吉斯回归(Logistic regression model)进行互联网+保险使用者特征实证，模型设计为

logistic(Y=1,0)=a+bxid+ε

(1)

式中：Y表示应变量；x表示自变量；i表示第i个受访者；d表示第d个变数；ε表示误差项。应变量部分为消费者使用互联网+工具购买保险，自变量部分包括营销排斥、物理因素、地理因素、消费者特征。

第3部分模型采用最小平方回归分析，研究模型设计为

Y=a+bxid+σ

(2)

式中，σ表示误差项，此处误差项表示自我排斥变量,应变量部分为消费者使用互联网+工具购买保险，自变量部分包括营销排斥、物理因素、地理因素、消费者特征。

第4部模型为自我排斥σ是否可以受到互联网+工具使用让ρ趋近于0。如果ρ趋近于0，则表示自我排斥可以被互联网+工具场景营销解决。

σ=a+bxid+ρ

(3)

式中：σ表示应变量；ρ表示误差项，此处误差项表示互联网+工具无法排除的自我排斥,应变量部分为自我排斥，自变量部分使用互联网+工具与否(x=0或1)。

由于不使用互联网+保险购买受访者的σ在模型(2)会小于0，且经过互联网+保险工具场景营销后，ρ应该趋近于0，因此第5部分是利用成对样本均值比较不使用互联网+保险购买受访者的总体自我排斥σ与经过互联网+保险工具场景营销后的ρ是否有显著差异，如果有则互联网+保险工具场景营销可以充分解除消费者自我排斥问题。

3 样本分析

研究对象为武夷山市540家茶农户，搜集方式为通过中国人寿武夷山市公司、中国太平人寿南平中心支公司保险从业人员，利用问卷网进行搜集，搜集年份为2017年。表1显示受访者年龄平均在29岁，落于15～64岁符合第六次人口普查结果，茶农户平均年收入为76.5万元，远高于平均同年农业产值每户平均28 102元，所以茶叶在当地是高价值经济作物，茶农户学历平均在初中到高中水平，符合第六次人口普查结果。

种植面积为33亩(1亩≈666.7 m2)，远大于平均每户非粮食作物面积2.38亩，59.3%的受访者为专营，33.3%的受访者有在互联网+保险平台购买保险，有20.4%的受访者有接受银行行员指导使用互联网+保险平台，有27.8%的受访者接受过保险公司人员指导使用互联网+保险平台。

茶农户的居住地距离保险公司与银行大约1～5 km，银行网点一般比保险公司较为接近茶农户的居住地。受访者大约每19 d上一次银行网点，同一村种植茶叶平均户数大约在36户。

表2显示没有使用互联网+保险平台受访者具备较年长(age)、营业年收入较高(re)、种植面积较大(Square)、专职经营比率高、受保险人员(ins)指导使用互联网+平台的比率较少、居住地距离保险公司、银行较远(inskl、bankkl)、到银行网点办事频次较低(banked)、同村茶农户数较多(NF)的情况。在梳理这些特征时可以发现在较为集中的茶产地茶农对于互联网+保险平台仍然存在物理排斥(inskl、bankkl、NF、square、per)、营销排斥(ins)、自我排斥(age、re、edu、banked)。

表2 使用与没有使用互联网+保险平台受访者差异

4 互联网+保险平台排斥特征分析

表3通过因子分析了解没有使用互联网+保险工具者特征，研究显示受访者上银行的频率(banked)与住家与保险公司的距离(inskl)为主要不使用的因素，表示自我排斥与物理排斥共同存在。

表3 没有使用互联网+保险工具者特征因子分析

表4显示物理排斥仍然存在，银行距离住家越远(bankkl)同村种植茶叶户数(NF)、种植面积(square)、专职种植(per)等都呈现显著负系数的情况，表示物理排斥仍然普遍存在茶村。

表4 使用互联网+保险工具消费者逻吉思回归分析

续表4

在自我排斥方面，年龄(age)呈现显著负系数，表示茶农年纪越长，越排斥使用互联网+保险工具，年营业收入(lre)与平均隔多久去银行日数(banked)皆呈现正显著系数，表示所得越高的茶农户越会使用互联网+保险工具，平均隔越久去银行一次的受访者平时都是使用互联网+保险工具处理保险事务，有重要事情才会到银行门店。反之，营业收入较低与常去银行网点的受访者是比较不喜欢使用互联网+保险工具的族群，自我排斥仍然存在茶农户中。

营销排斥方面，通过银行营销人员指导使用的受访者(bank)显著越不喜欢使用互联网+保险工具，反之保险公司营销人员指导使用的受访者(ins)，却是越喜欢使用互联网+保险工具，显示互联网+保险工具仍然存在营销排斥的情况。

5 互联网+保险工具营销排斥效果分析

逻吉思回归为截断分布模型在模拟时会有所限制，因此研究利用连续分布的最小平方法回归分析进行压力测试，表5的用途为比较最小平方法回归分析结果与表4的逻吉思回归分析差异，研究显示除营业收入不显著外，其余系数方向与显著皆一致。再次说明物理、自我、营销排斥存在。利用回归模型的误差均值比较其他因素对于营销排斥的差异，发现不受人为指导的受访者误差均值不显著大于人为指导，表示互联网+保险工具的人为的互联网+保险工具营销排斥对于其他使用因素效果差异不显著。

表5 最小平方法回归分析

表6利用表5模型的误差值为应变量，再次测试使用互联网+保险工具对于其他使用因素冲击，结果显示相关性在70%～80%，仍然存在互联网+保险工具无法消除的自我排斥因素，包括损失容忍、借贷习惯、互联网工具场景等。

表6 其他使用因素对于互联网+保险工具的冲击

表7显示互联网+保险工具的冲击确实减少互联网+保险茶农户受访者的其他使用排斥因素，未受冲击的不使用者误差均值显著低于受冲击者，而且受冲击者的误差均值几乎等于0,所以互联网+保险工具确实可以降低金融排斥，其中互联网工具场景营销扮演重要角色。

表7 未受冲击与受冲击模型比较

6 茶农村互联网保险监管展望

党的十九大报告强调深化金融体制改革，健全货币政策和宏观审慎政策双支柱调控框架，健全金融监管体系。在“十四五”规划中也提及增强市场监管质量，且过去多篇文献指出“认识你的客户”的重要性。但是多数文献仅采用公用统计数据讨论农村金融排斥[17-18]，忽略金融需求者的风险容忍度，没有考虑村庄的差异性，研究也较少考虑保险、银行、证券的业别差异，无法很好地呈现总体社会商业保险供需真实情况，更无法贴切描述农村保险客户的形态。鉴于过去研究中产生的问题提出下列建议：

6.1 将互联网+保险平台“认识你的客户”工具纳入地理空间、行业性质因素评判

近期各大互联网+保险平台已经积极开展“认识你的客户”工作排查，初步纳入年龄、所得、收入来源、风险容忍情况等认识顾客的风险因子，但是部分互联网+保险平台对于地理空间、行业性质等并未纳入风险因素中，不能很好地了解客户偿债能力，显示在互联网+保险平台以及智能保险研发数据待补充部分。

6.2 在互联网+保险平台“认识你的客户”工具中增加客户“保险商品认知”因素

过去政府法律以及互联网+保险平台“认识你的客户”问卷中已经注意到高龄者购买保险商品的纠纷问题，但是对于茶农村教育程度较低、保险商品认知(know your product，KYP)不足的客户却无法像传统保险营销用“亲自会晤客户”的方式协助客户了解，在客户不主动了解“不谨慎”的情况下，容易引起销售纠纷。虽然已有文献提出互联网+保险平台购买保险客户有过度自信问题，但是相关风险控制机制只见于部分保险公司回访机制，并未统一执行。

6.3 “保险排斥”等研究议题应该考虑地区差异使用“案例式”研究

过去研究“金融排斥”文献仅仅用公用统计数据为基础，无法描述消费者个性化的特征，更无法确认消费者对于商品的了解程度，所提供的研究结论较为受限，较无法让监管机关与保险公司形成体系的管理机制，更不利于人工智能保险工具的深度学习，建议使用案例研究。

6.4 成立跨部门的监管机制有效监管茶农村商业保险的运营

茶农户对于互联网+保险工具的使用较为陌生，且对于保险纠纷维权的机制也不娴熟，然而宣传与监管工作仅仅依靠金融监管机关较不全面，因此茶农户保险教育与监管工作仍有赖多部门合作。