导读：在车险行业和车联网行业皆进行小规模测试“车联网+车险UBI”整合解决方案之际，OK车险近期接连推出了“手机车联网”与“手机UBI引擎”概念，结合国际车险市场的定价经验，用手机车联网数据作为辅助，在国内首家创新出了UBI个性化风险定价引擎。
什么是车险UBI?
UBI，全称为Usage Based Insurance，即根据车辆实际使用情况来设计的保险。从最早期的“Pay as you drive”的简单地按照驾驶时间或里程计费模式，逐渐地演化为结合车主驾驶行为习惯、驾驶路径、时间频率等一系列指标的复杂风险定价模式。
UBI是车联网的延伸，也是车联网行业目前最有前景的商业价值所在，也被认为是车险行业改革发展的主要方向，因此受到了两个行业的深度关注。随着车联网硬件技术的成熟，一批车联网硬件设备厂商试图进入前装或后装市场，通过在硬件设备中加入智能芯片，以端+云的方式提取车辆驾驶数据。但这些硬件设备都因为对于车主的价值不明晰而始终处于“曲高和寡”的尴尬境地：卖硬件受阻，一些公司只好自掏腰包免费给车主下发硬件，但是车主觉得无用随后就将硬件拔下，数据有效获取率极低;另外一些公司只好不停地奖励车主，陷入了盲目烧钱的泥潭。
OK车险另辟蹊径，用手机来获取同等质量的驾驶数据。相比于硬件设备，更低价且更高效，对车主也更安全便捷。
OK车险个性化风险定价引擎
保险是以科学量化风控为核心的行业，这是其行业的特殊性和专业性所在。中国的商业化车险自上世纪90年代落地生根至今发展了20多个年头，历经了跑马圈地的粗暴扩张阶段，近些年行业综合成本率居高不下，逐渐在从“销售为王”向“精细管理”转变。其中，最重要的核保定价体系将成为行业竞争的新战线。
保险业是销售先发生于成本的行业，其中成本又是基于预测且高度个性化的，因此核保定价模型的科学度、完善度、精准度是各公司重中之重的核心商业竞争力。
在2015年6月费改之前，以及目前在费改试点中的几省份报备的车险费率模型，用于定价的数据维度仍然数量较少。数据维度少，就意味着对于车主的个性化风险定价空间有限，好车主和坏车主差别不大。而OK车险此次提出的个性化风险定价引擎，则引入了若干在欧美成熟车险市场被印证行之有效的若干数据变量，丰富了模型的个性化程度。
OK车险模型解决了市场现有模型中最为诟病的两点问题：一是现有模型过度强调车价而忽略了车型，而随着“汽车零整比报告”的披露，同等车价、不同车型之间理应存在更大的车险价格差异。OK车险采用了美国权威机构Insurance Service Office (ISO)的车型因子，充分考虑了车型间差异。另一方面，现有模型从车因子多、而从人因子过少，而70%的交通事故是由人为引起。OK车险引入了违章历史数据、个人信用数据等维度信息，丰富了现有模型对车主的安全行为画像，采用更加科学的手段综合评价车主的安全和诚信指标。
OK车险借用“手机车联网”数据，更加丰富了用户的真实用车状况。
OK车险“手机UBI”数据维度
基于OK车险“手机车联网”的数据积累和分析，OK车险“手机UBI引擎”独创了三大风险调整因子：
R因子：Risk Exposure Adjustment Factor
R因子用于描述车主在不同出行时间段、不同路况上行驶的风险暴露程度。经常行驶于事故高发时间和路段的车主将会获得更高的R因子得分。R因子的得分会影响三者险、车损险、司机和乘客座位险的保费，R因子越大相应的保费也会越高。
P因子：Path Density Adjustment Factor
P因子用于描述车主行驶路线的离散程度。对于大部分时间往返于固定路线(例如住所和公司间路径)的车主，对路况非常熟悉，出险的概率会降低，相应的P因子得分也会较低。P因子的得分会影响三者险、车损险、司机和乘客座位险的保费，P因子越大相应的保费也会越高。
D因子：Driving Behavior Adjustment Factor
D因子源于车主的综合驾驶行为习惯评分。良好的驾驶行为，包括在驾驶途中减少使用手机、驾驶平稳、保持较高的警惕性与较集中的注意力，将会显著的降低事故发生概率。这类车主将会获得较高的综合驾驶行为习惯评分，对应较低的D因子得分，并能在三者险、车损险、司机险、乘客险等的保费上获得折扣。
