聚焦高净值客群（可投资资产500万+）的人身保险全生命周期服务，涵盖需求诊断、定制化方案设计、保单落地及续期运营，目标是通过专业配置提升客群保障覆盖率与单客价值贡献

• 主导高净值客户需求深度挖掘，运用「家庭财务四象限+生命周期保障缺口模型」，为32位可投资资产超千万的企业主定制「重疾+终身寿+保险金信托」组合方案——针对企业主债务隔离与财富传承需求，联动信托公司设计「保险金分期给付+受益权定向分配」结构，全年实现首年保费1260万元，件均保费41.25万元，较团队均值高68%
• 搭建存量客户「季度保单健康度检视+年度保障升级」机制，依托小楷内部「保单效能评估系统」，从「保额充足率、险种匹配度、受益人合理性」三个维度筛选出16位保障缺口客户，推动二次加保245万元；全年续期率98.7%，位列团队TOP1
• 构建高客转介绍体系，采用「需求分层+权益绑定」策略：为老客户提供「三甲医院绿色就医通道+子女藤校留学规划讲座」增值服务，全年获取转介绍客户48位（占总新增62%），其中14位客户年交保费超100万元（达MDRT标准）
• 参与公司「高净值专属产品」迭代，基于一线服务数据提出「增加重疾多次赔付（癌症二次）可选责任」「简化年金领取手续至线上1步完成」等5项建议，3项被产品部采纳，推动该系列全年销量提升31%

服务大众富裕客群（可投资资产100-500万）的人身保险基础需求，聚焦重疾、医疗、年金等保障型产品普及，推动保单成交与客户信任建立

• 采用「场景化营销+SPIN销售法」，针对职场白领「重大疾病导致收入中断」的焦虑，设计「重疾险（覆盖5年收入损失）+百万医疗险（补充社保外费用）+定期寿险（覆盖房贷责任）」轻量化方案，通过「保监会重疾发生率数据+公司真实理赔案例」可视化呈现，全年成交192件，件均保费8900元，超额完成目标130%
• 聚焦中年客户「养老储备不足」痛点，用「年金险现金流演示模型」讲解「强制储蓄+终身领取」优势，促成17位客户购买年金险，累计保费390万元（占个人业绩38%）；其中3位客户追加投保，复购率17.6%
• 全年处理28起理赔案件，创新「预审核资料+主动对接理赔岗」流程，将平均理赔时效从7天压缩至2.5天，客户满意度99.2%，收到4封手写感谢信，助力公司获评「当地理赔服务最佳机构」
• 承担新人带教任务，分享「场景化需求引导」与「理赔协助」经验，累计培训15名新人，其中4人在3个月内转正（占同期新人转正率33%），团队新人首月开单率提升20%

协助资深代理人开展客户开发与基础服务，学习人身保险产品知识与销售流程，积累初始客户资源与实操经验

• 协助资深代理人筛选客户线索，运用「KYC（了解你的客户）」框架整理350条潜在客户信息（覆盖职场人、中小企业主），其中18%进入深度沟通，贡献15位意向客户，促成保单8件、保费72万元
• 负责客户CRM系统维护，完善220位客户的基础信息、需求标签与沟通记录，将团队客户响应速度提升35%，获直属领导「流程规范度高」的书面评价
• 系统学习人身保险基础知识，通过公司「产品认证考试」（得分94分），掌握「重疾险责任免除解读」「医疗险免赔额设计逻辑」等内容，能独立解答客户基础疑问
• 协助处理12起简单理赔咨询，指导客户准备「诊断证明+发票+理赔申请书」等资料，帮助客户顺利完成理赔，熟悉理赔全流程关键节点

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”。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。