近年来伴随着经济和汽车产业的高速发展，我国汽车保险市场规模迅速增长，2016年保费规模已突破6834亿元，占保险市场保费规模的22%，财产保险保费规模的74%，是财产保险的第一大险种。
随着车险市场的快速发展，竞争也日益激烈，市场中不乏“低价争夺客户”、“全力扩大企业规模”等竞争策略。车险业务普遍存在规模粗放发展、定价规则简单、理赔效率不足等问题。在拓展客户的过程中，车险企业难以对目标客户进行精准营销；难以判断客户质量高低进行针对性营销；难以对客户理解给出最合适的产品方案；在产品定价过程中，难以对客户风险给出更准确的判断；在理赔管理过程中，难以对理赔案件的虚假性进行有效识别。这些问题都影响着车险业务水平及其盈利能力的提升。
商业车险费率市场化改革的推进，将进一步区分不同风险等级用户的保费差异，未出险用户的保费将进一步降低，这对本就处于盈亏平衡的车险业务提出更高的运营要求。因此从各个业务环节提升效率，节约成本将成为保险公司面临的难题。车险市场是时候从粗放发展向集约发展道路转变了。
与国内车险产品相对同质的情况不同，欧美国家在2010年之后涌现出很多UBI产品，为车险业务创新发展开疆拓土。
所谓UBI，一种是“Usage based insurance，基于使用的车险”，即按照使用天数或者使用里程缴纳保费，开车天数越多或者行驶里程越长，保费金额越高。比如美国Metromile保险公司，通过免费提供OBD设备（一个车联网硬件，取名Metromile Pulse）计算每次出行的里程数。每月的车险保费收入由“基础保费”和“按里程变动保费”两部分组成，“按里程变动保费”为“单位里程保费×每月行车里程”。这里“基础保费”和“单位里程保费”会根据不同车主的情况有所不同。同时设置保费上限，当日里程数超过150英里（华盛顿为250英里），超过的部分不需要再多交保费。另外Metromile还通过手机APP为用户提供更多的智能服务，如汽车定位、寻找附近修车公司、贴条警示等服务，并且每月会以短信或邮件发送用户的相关数据总结。
另一种是“User behavior insurance，基于用户行为的车险”，即按照用户驾驶行为缴纳保费，驾驶行为越安全，保费可享受的折扣越大。这种模式的典型代表是意大利Unipol保险公司，他们通过赠送用户车联网设备，进行用户驾驶行为的判断，用户安装后即可直接在原有保费基础上打85折。安装一年后，再根据驾驶行为数据进行定价，并基于数据评分对驾驶行为良好的用户再度给予折扣，提供合理优惠的同时也以此提升了客户续保概率。同时，Unipol还向客户提供了事故救援服务等车联网增值服务，提高用户满意度的同时，更好的识别欺诈骗保行为。Unipol正是用这样的方式在三年左右的时间，成为了意大利车险市场份额第一的保险公司。
在国外UBI产品不断推陈出新的背景下，我国车险产品的创新也悄然开始。各家保险公司纷纷尝试OBD等基于车联网的产品创新，UBI产品科技公司也如雨后春笋般出现。但是受限于新产品市场没有放开、OBD设备用户体验不佳、产品创新接受度不足等问题，我国UBI产品并没有取得突破性效果。
抛开外部因素，单从保险公司自身业务角度出发，要走好UBI产品创新之路，还有三个难题需要突破：一是驾驶行为信息的收集困难；二是对驾驶数据的处理技术不成熟；三是单纯驾驶行为数据尚不能完全满足定价需求。
随着国内车险企业对于UBI车险业务模式的不断探索，以及车险费率市场化改革进程的不断深入，我国车险产品创新步伐势必加快，在这个过程中行业的机遇与挑战并存。
根据车险市场发展趋势分析，百度认为，要想把握机遇，提高车险综合盈利水平，就要做到更精准的风险判断和预估。售前把握用户质量，将有限的销售资源投放到更优质用户的销售中，降低获客成本；售中产品精准定价，针对不同风险等级用户进行差异化定价，降低赔付成本；售后核查理赔案件，提高理赔服务效率和服务效果，降低运营成本。
以产品精准定价为例，目前车险产品定价主要依照从车因素，包括车价、车型、车龄等，但一辆车的风险评估不单是“车”这一个维度来决定的。车是不同风格车主驾驶的，也是行驶在不同类型道路上的，所以用户驾驶行为、行车道路环境等方面也是影响保期内赔付风险的重要因素，对车险保费定价有着至关重要的意义。
百度作为互联网行业领军企业，拥有海量互联网数据、领先的大数据处理能力及前沿的机器学习算法，针对车险行业的发展需求，专门构建了业界领先的车险业务解决方案。具体说来，百度通过超大规模数据计算、深度数据挖掘、深入全面的用户理解，建立了囊括车、人、路、驾驶、环境五大方向的独特的风险特征体系，解决了以往仅依赖“从车定价因子”，难以“对驾驶员维度进行风险区分”的难题。通过风险特征体系和风险判断模型的搭建，有效判别用户行车风险、预测车险赔付成本、理赔欺诈风险，帮助保险公司提升优质客户转化率、优化承保客户质量、提高风险定价能力、降低车险赔付成本。该方案可以应用在营销、定价、理赔三个环节的场景上。
1. 营销销售场景。在营销销售环节，识别用户购险意向、行车风险高低，进行针对性营销。判断潜客风险高低，提升优质客户转化率，优化承保客户质量。
2. 产品定价场景。在产品定价环节，判别用户行车风险，预测赔付比率，进行更精准的定价。判断投保客户风险高低，提高风险定价能力，降低赔付成本。
3. 理赔核查场景。在理赔核查环节，甄别用户欺诈骗保行为，优化理赔核查资源配置，节约无效赔付成本。
三个应用场景独立实现、相互作用，共同帮助保险公司突破业务痛点、降低业务成本、提升盈利水平，因该方案以互联网数据的风险判断能力为核心，抛开了车联网设备部署的限制，可以更快、更有效的为车险业务所用，真正发挥了互联网大数据在车险领域的价值，是保险行业大数据应用的典范。
