聚焦高净值客户（可投资资产3000万+）的人身保险需求挖掘与方案定制，通过融合家庭财务生命周期理论与资产配置逻辑，衔接终身寿险、年金险等工具实现保障与传承目标，同时承担团队高客经营SOP优化与新人带教职责。

• 主导设计高客专属保险需求诊断流程，基于家庭资产负债表分析模板与保险需求缺口模型，结合客户企业股权结构、子女教育阶段、父母赡养责任等12项维度，精准定位保障缺口；曾为某制造业企业主家庭梳理出年缴保费缺口280万，针对性配置‘增额终身寿险（企业风险隔离）+ 教育金年金险（海外留学专项）’组合，3个月内促成首期保费450万，次年转介绍3位同圈层客户。
• 搭建高客保险方案动态调整机制，运用IRR测算工具与现金价值演示模型，解决客户对‘长期锁利确定性’的疑虑；针对某上市公司股东关注的‘资产隔离与税务优化’需求，对比增额终身寿险与传统信托的传承成本，最终设计‘5年期趸交+第二投保人设置’方案，IRR达3.45%且规避债务连带风险，客户追加投保800万。
• 牵头优化团队高客经营SOP，提炼‘需求分层-工具匹配-持续教育’三步法，编制《高客保险沟通手册》含20类常见异议应对话术；带教6名新人3个月内人均开单保费提升至120万，团队季度保费规模从1800万增长至2600万。
• 连续18个月达成MDRT（百万圆桌会议）顶级会员标准，年度个人保费规模稳定在1200万以上，其中期交产品占比从65%提升至82%，客户13个月继续率98.6%，创公司高客渠道续期新高。

负责可投资资产500万-3000万客户的综合理财规划，重点衔接保险工具完成保障型资产配置，同步推动年金险、两全险等产品的销售转化，需协同投资顾问团队完成客户需求闭环。

• 基于标准普尔家庭资产象限图优化配置模型，将保障型保险占比从客户原有15%提升至28%；针对某互联网高管家庭的‘重疾覆盖不足+养老储备缺口’问题，设计‘百万医疗险（高频风险覆盖）+ 定制型养老年金（保证领取至90岁）’方案，年缴保费120万，客户家庭综合保障评分从72分提升至89分。
• 开发‘保险+基金’组合策略，利用保险的‘安全垫’属性平衡权益类投资波动；为某企业中层设计‘20%年金险（锁定长期收益）+ 80%偏股型基金’配置，2年内年金险部分IRR达3.1%，基金组合年化收益11%，客户追加保险配置至年缴80万。
• 搭建客户保障检视体系，每季度通过‘风险敞口测算表’跟踪医疗险免赔额覆盖、重疾保额与收入倍数等指标；推动服务300+存量客户完成保障升级，促成加保保费累计4200万，其中年金险占比55%，成为部门该类产品TOP1销售。
• 主导编写《中产家庭保险配置白皮书》，提炼‘双十原则改良版’‘家庭责任期重点覆盖’等实操方法论，被纳入公司培训教材，助力团队新人首年人均产能提升40%。

服务大众富裕客户（可投资资产100万-500万），提供基础财务诊断与保险配置建议，重点推广意外险、医疗险及定期寿险，需完成客户触达、需求分析与保单落地全流程。

• 运用家庭财务诊断模型（含收支比率、负债收入比等8项指标），3个月内完成200+客户风险测评，识别出65%客户存在‘医疗险保额不足’‘定期寿险缺失’问题；针对性设计‘百万医疗险（覆盖大额医疗支出）+ 定期寿险（覆盖房贷责任）’组合，首年促成保费180万，客户件均保费从3200元提升至6800元。
• 搭建客户教育体系，每月举办‘家庭风险防护’主题沙龙，通过‘风险场景模拟+保单条款拆解’降低决策门槛；累计覆盖客户400+人次，活动转化率从12%提升至25%，其中35岁以下客户占比超60%，优化团队客群年龄结构。
• 攻克‘客户对保险条款理解困难’痛点，制作‘通俗版保单说明书’含20个关键风险提示图示；推动某教师家庭从‘拒绝保险’到主动配置‘重疾险+定期寿险’，年缴保费4.2万，次年转介绍5位教育行业客户，成为部门‘难转化客户经营’案例。
• 连续6个季度达成个人业绩TOP3，年度保费规模从58万增长至160万，13个月继续率97.2%，获公司‘新锐之星’称号，为后续晋升奠定基础。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。

基于客群分层的终身寿险精准定价模型迭代与落地项目

• 项目背景：人身险市场竞争加剧，公司传统终身寿险产品采用“通用费率+简单核保”模式，导致客群风险匹配度低——年轻高净值客户认为保费偏高，银发客群因健康告知宽松引发赔付率攀升（2021年该类产品赔付率达19.8%）。核心目标是构建“风险特征精准识别+动态费率调整”的定价模型，实现“一客一价”，同时满足银保监会《人身保险产品定价管理办法》的合规要求。我作为项目核心负责人，主导从数据挖掘到模型落地的全流程。
• 解决的关键难题：①传统模型依赖年龄、性别等基础因子，无法捕捉Z世代“互联网行为”、银发族“健康管理轨迹”等场景化风险特征；②第三方数据（如健康APP、征信平台）的整合存在合规壁垒与维度缺失；③模型可解释性不足，难以通过监管对“定价因子合理性”的回溯审查。为此，我结合精算理论中的“风险细分原则”与机器学习的特征工程方法，设计双层模型架构——底层用逻辑回归锚定基础风险（年龄、健康告知），上层用XGBoost捕捉场景动态因子（如健康APP的“日均步数波动系数”“年度体检异常指标频次”）。
• 我的核心行动与创新：1. 数据层：推动与公司战略合作的3家健康管理平台、1家征信机构签订数据共享协议，通过联邦学习技术在不传输原始数据的前提下提取衍生特征，解决了数据孤岛与隐私合规问题；2. 模型层：引入SHAP（SHapley Additive exPlanations）值构建可解释性模块，将每个因子对费率的贡献度可视化（如“日均步数低于3000步的客户，费率上浮8%-12%”），顺利通过监管回溯；3. 落地层：联动产品部将模型嵌入核心业务系统，支持前端销售根据客户画像展示“个性化费率方案”。
• 项目成果与价值：①模型上线后，新单客群赔付率降至14.5%，较之前下降5.3个百分点，年节约赔付成本约1200万元；②个性化定价带动年轻客群转化率提升27%，银发客群续保率提升19%；③项目形成的“场景化风险因子库”与“可解释定价框架”被纳入公司精算标准体系，支撑了2023年推出的“福享人生”系列终身寿险产品上线，首年保费规模达3.6亿元。我个人主导了从数据整合到模型验证的全链路，推动公司精算能力从“经验驱动”向“数据驱动”转型。

长期护理保险（LTC）智能化理赔流程改造项目

• 项目背景：公司承接某省长期护理保险试点项目，试点1年内理赔案件量激增（从月均500件增至2300件），人工审核效率低（平均每案处理时间48小时），且欺诈案件占比达3.8%（主要为伪造护理记录、重复索赔）。核心目标是打造“智能预审+人工复核”的理赔流程，提升处理效率并降低欺诈损失。我作为部门负责人，牵头流程设计与系统落地。
• 解决的关键难题：①理赔数据分散在医院、养老机构、医保系统，无法实时同步；②护理记录多为非结构化文本（如手写病历、语音随访），难以自动化分析；③欺诈模式隐蔽，传统规则引擎（如“同一护理员服务超过3人/天”）漏判率高。为此，我结合NLP（自然语言处理）与机器学习技术，设计“数据整合-语义分析-风险评分”的闭环流程。
• 我的核心行动与创新：1. 数据整合：开发RPA机器人自动抓取合作机构的护理记录、医保结算数据，打通12家机构的系统接口，实现理赔数据实时同步；2. 文本分析：训练基于BERT的护理记录语义模型，自动提取“护理时长”“服务类型”“患者病情进展”等18项关键信息，比对保单条款判断是否符合赔付条件；3. 欺诈识别：用孤立森林算法构建欺诈风险评分体系，将高风险案件（评分≥80分）标记给人工复核，低风险案件自动结案。
• 项目成果与价值：①理赔处理时间从48小时缩短至11小时，效率提升77%；②欺诈案件识别率从3.8%提升至89%，年减少欺诈损失约450万元；③客户满意度从81分提升至92分，试点区域的续保率较其他区域高15%。项目形成的“LTC智能理赔框架”被集团推广至全国5个试点城市，我个人因此获得2021年公司“年度运营创新奖”。