Khóa luận: Phân cụm dữ liệu cá nhân hóa sản phẩm bảo hiểm - Học viện Chính sách và Phát triển

Khóa luận nghiên cứu ứng dụng phân cụm dữ liệu K-Means và GMM nhằm phân khúc khách hàng, hỗ trợ cá nhân hóa sản phẩm tại công ty bảo hiểm hiệu quả.

• Tác giả: Tăng Quỳnh Nga
• Người hướng dẫn: ThS. Nguyễn Sĩ Thiệu
• Trường học: Học viện Chính sách và Phát triển
• Chuyên ngành: Kinh tế số
• Đề tài: Ứng dụng phân cụm dữ liệu để cá hóa sản phẩm tại công ty bảo hiểm
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Hà Nội

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh chuyển đổi số toàn diện của nền kinh tế, ngành bảo hiểm đang chuyển dịch mạnh mẽ phương thức tiếp cận và phục vụ khách hàng. Việc cá nhân hóa sản phẩm bảo hiểm không chỉ dừng lại ở một xu hướng tiêu dùng mà đã trở thành yếu tố then chốt giúp các doanh nghiệp tạo lập lợi thế cạnh tranh. Khách hàng hiện đại có xu hướng tìm kiếm các giải pháp tài chính và bảo vệ được thiết kế riêng biệt theo nhu cầu cụ thể, thay vì chấp nhận các gói bảo hiểm chung chung mang tính đại trà. Việc cá nhân hóa giúp doanh nghiệp bảo hiểm nâng cao trải nghiệm khách hàng, tối ưu hóa phân bổ nguồn lực, tăng tỷ lệ chuyển đổi hợp đồng và củng cố mức độ gắn kết lâu dài. Do đó, việc nghiên cứu ứng dụng các kỹ thuật phân tích hiện đại nhằm phân khúc khách hàng là một yêu cầu cấp thiết xuất phát từ thực tiễn hoạt động kinh doanh.

Thị trường bảo hiểm Việt Nam được đánh giá là một thị trường giàu tiềm năng nhưng vẫn còn khoảng trống lớn chưa được khai thác. Số liệu từ Hiệp hội Bảo hiểm Việt Nam và các báo cáo ngành được tác giả trích dẫn cho thấy:

• Tỷ lệ thâm nhập bảo hiểm (tính theo doanh thu phí bảo hiểm trên GDP) tại Việt Nam chỉ đạt khoảng 2,7% vào năm 2020; 3% vào năm 2021 và dao động trong khoảng 2,3% – 2,9% giai đoạn 2023 – 2024. Mức này thấp hơn đáng kể so với các quốc gia trong khu vực như Malaysia (khoảng 5%) hay Singapore (khoảng 7%), với mục tiêu dự kiến đạt 3,5% GDP vào năm 2025.
• Tỷ lệ dân số tham gia bảo hiểm nhân thọ chỉ đạt khoảng 11% (năm 2021) và 12% (năm 2024), trong khi mục tiêu đề ra là đạt 15% vào năm 2025.
• Kênh phân phối bảo hiểm qua ngân hàng (Bancassurance) đóng góp hơn 40% số lượng hợp đồng mới. Tuy nhiên, thị trường đang đối mặt với thách thức lớn về tỷ lệ hủy hợp đồng sau năm đầu tiên ở mức 20% – 30%, cá biệt có thời điểm lên đến 73% qua kênh ngân hàng.
• Về quy mô doanh thu: Năm 2020 tổng doanh thu phí toàn thị trường đạt 186.221 tỷ đồng; năm 2023 đạt khoảng 227.596 – 227.600 tỷ đồng (trong đó bảo hiểm nhân thọ giảm 12,5% – 12,7% do khó khăn vĩ mô và khủng hoảng niềm tin, bảo hiểm phi nhân thọ tăng 3%); năm 2024 đạt khoảng 227.472 tỷ đồng; và dự báo năm 2025 đạt khoảng 243.636 tỷ đồng. Toàn thị trường hiện có 85 doanh nghiệp (gồm 32 doanh nghiệp phi nhân thọ, 19 doanh nghiệp nhân thọ, 2 doanh nghiệp tái bảo hiểm, 32 doanh nghiệp môi giới và 1 chi nhánh doanh nghiệp phi nhân thọ nước ngoài).

Xuất phát từ thực trạng trên, tác giả xác định mục tiêu và nhiệm vụ nghiên cứu cụ thể:

• Mục tiêu chung: Xây dựng mô hình phân khúc khách hàng để hỗ trợ cá nhân hóa sản phẩm bảo hiểm, tối ưu hóa chiến lược kinh doanh và nâng cao trải nghiệm khách hàng.
• Mục tiêu cụ thể:
  1. Phân tích dữ liệu khách hàng để xác định các đặc điểm và hành vi ảnh hưởng đến nhu cầu bảo hiểm.
  2. Phát triển mô hình phân khúc khách hàng sử dụng các thuật toán học máy (tập trung vào thuật toán K-Means và Gaussian Mixture Models).
  3. Đề xuất các sản phẩm bảo hiểm cá nhân hóa và chiến lược tiếp thị phù hợp với từng phân khúc khách hàng.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Dữ liệu khách hàng từ tập dữ liệu mô phỏng của công ty bảo hiểm và các yếu tố ảnh hưởng đến nhu cầu bảo hiểm (nhân khẩu học, tài chính, hành vi giao dịch).
• Phạm vi không gian: Tập dữ liệu mô phỏng hành vi và thông tin khách hàng của công ty bảo hiểm.
• Phạm vi thời gian: Dữ liệu giao dịch được thu thập trong khung thời gian từ 01/01/2023 đến 31/12/2023, với mốc thời gian đóng sổ phục vụ phân tích tính toán thời gian gắn bó được chốt tại ngày 31/12/2024.
• Phạm vi nội dung: Ứng dụng các thuật toán học máy không giám sát trong việc phân khúc khách hàng và đề xuất giải pháp cá nhân hóa sản phẩm bảo hiểm.

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng lý luận dựa trên các khái niệm tiếp thị hiện đại và các nguyên lý tính toán của học máy:

• Khái niệm phân khúc khách hàng và cá nhân hóa: Tác giả vận dụng định nghĩa của Kotler & Keller (2016) về phân khúc thị trường là quá trình chia tách thị trường thành các nhóm khách hàng đồng nhất dựa trên các tiêu chí xác định. Ba nhóm tiêu chí chính được phân tích gồm: Nhân khẩu học (độ tuổi, giới tính, khu vực, nghề nghiệp), Tài chính (thu nhập, tài sản, số dư tiền gửi, hạn mức tín dụng), và Hành vi (thời gian gắn bó, trạng thái hợp đồng, mức chi tiêu thẻ). Các nghiên cứu được trích dẫn (McKinsey, 2021; Deloitte, 2022, 2023) chỉ ra rằng phân khúc khách hàng và cá nhân hóa bằng dữ liệu có thể giúp tăng tỷ lệ chuyển đổi lên 20%, cải thiện chỉ số hài lòng khách hàng (NPS) thêm 15 điểm và tiết kiệm chi phí tiếp thị.
• Khung pháp lý ngành: Đề tài đề cập đến hành lang pháp lý tạo điều kiện cho chuyển đổi số và khai thác dữ liệu bảo hiểm tại Việt Nam, bao gồm Luật Kinh doanh bảo hiểm năm 2023 và Thông tư số 67/2023/TT-BTC.
• Lý thuyết về kỹ thuật phân cụm trong học máy: Khóa luận hệ thống hóa 4 trường phái thuật toán phân cụm không giám sát:
  1. Phân cụm dựa trên phân chia (Partition-based): Đại diện là K-Means và K-Medoids, hoạt động dựa trên việc tối ưu hóa khoảng cách Euclidean tới các tâm cụm (centroids).
  2. Phân cụm phân cấp (Hierarchical Clustering): Bao gồm phương pháp hợp nhất (Agglomerative) và phân chia (Divisive), biểu diễn cấu trúc dữ liệu qua biểu đồ hình cây (dendrogram).
  3. Phân cụm dựa trên mật độ (Density-based): Tiêu biểu là DBSCAN và OPTICS, nhận diện các vùng mật độ cao và loại bỏ nhiễu ngoại lai.
  4. Phân cụm dựa trên mô hình (Model-based): Tiêu biểu là Gaussian Mixture Models (GMM), sử dụng thuật toán Expectation-Maximization (EM) để tính toán xác suất một quan sát thuộc về phân phối chuẩn của từng cụm.

Phương pháp nghiên cứu thực tế:

• Nguồn dữ liệu: Bộ dữ liệu thứ cấp mô phỏng thông tin khách hàng và giao dịch của một công ty bảo hiểm, bao gồm 50.000 dòng quan sát và 16 biến thuộc tính.
• Kỹ thuật tiền xử lý dữ liệu:
  • Làm sạch dữ liệu: Gán giá trị ngày chốt phân tích 31/12/2024 cho các giá trị khuyết thiếu tại trường ngày đóng hợp đồng (CLOSE_DATE) để xác định khách hàng vẫn đang hoạt động; kiểm tra tính trùng lặp (kết quả ghi nhận 0 dòng trùng lặp, tỷ lệ 0%).
  • Xử lý giá trị ngoại lai (outliers): Sử dụng phương pháp chặn trên - chặn dưới (Clipping/Capping) dựa trên khoảng tứ phân vị IQR: $$\text{Lower Bound} = Q1 - 1{,}5 \times IQR$$ $$\text{Upper Bound} = Q3 + 1{,}5 \times IQR$$ Phương pháp này điều chỉnh các giá trị cực trị về ngưỡng biên an toàn mà không làm giảm số lượng bản ghi.
  • Kỹ thuật tạo đặc trưng (Feature Engineering): Xây dựng thuộc tính mới TENURE_YEARS (số năm khách hàng gắn bó) theo công thức: $$\text{Tenure} = \frac{\text{Ngày đóng hợp đồng (hoặc 31/12/2024)} - \text{Ngày mở hợp đồng}}{365}$$
  • Chọn lọc biến: Giữ lại 13 biến đặc trưng về nhân khẩu học, tài chính và hợp đồng; loại bỏ các biến định danh và thời gian thô không mang giá trị phân nhóm (CUSTOMER_ID, OPEN_DATE, CLOSE_DATE).
  • Biến đổi dữ liệu: Áp dụng chuẩn hóa Z-score (StandardScaler) cho các biến định lượng liên tục và mã hóa nhị phân One-Hot Encoding cho các biến phân loại.
• Phương pháp xác định số cụm và đánh giá mô hình: Kết hợp phương pháp khuỷu tay (Elbow Method dựa trên WCSS/Inertia), chỉ số chất lượng phân cụm Silhouette Score, và phương pháp phân tích thành phần chính (PCA) để trực quan hóa cấu trúc phân cụm trong không gian giảm chiều.

Nội dung chính theo từng chương

Chương 1: Cơ sở lý luận

Chương 1 tập trung xây dựng nền tảng lý thuyết tổng quát về hoạt động kinh doanh bảo hiểm, tầm quan trọng của phân khúc khách hàng và các giải pháp học máy hỗ trợ.

• Tổng quan thị trường và chuyển đổi số ngành bảo hiểm: Tác giả phân tích bức tranh toàn cảnh ngành bảo hiểm nhân thọ và phi nhân thọ. Báo cáo phân tích các chuyển dịch công nghệ điển hình tại Việt Nam như AIA (nền tảng MyAIA tích hợp AI xử lý chuyển đổi hợp đồng điện tử), Bảo Việt (hệ sinh thái số BaovietPay), Manulife (tăng trưởng 14 điểm NPS nhờ số hóa trải nghiệm), cùng các ứng dụng myPTI và LIAN.
• Lý thuyết phân khúc và các nhân tố chi phối: Khóa luận làm rõ tác động của các tiêu chí nhân khẩu học, tài chính và hành vi. Trong đó, độ tuổi được xác định là yếu tố chi phối tới 70% quyết định mua bảo hiểm; thu nhập xác lập hạn mức phí chi trả; và nhận thức bảo hiểm quyết định loại hình hợp đồng (đơn giản hay phức tạp).
• Hệ thống hóa thuật toán phân cụm: Chương này so sánh có hệ thống về ưu điểm, hạn chế và điều kiện ứng dụng của bốn nhóm kỹ thuật: K-Means, Phân cấp, DBSCAN và GMM, tạo tiền đề lý thuyết trực tiếp cho việc lựa chọn mô hình thực nghiệm trong Chương 2.

Chương 2: Xây dựng mô hình phân cụm dữ liệu

Chương 2 trình bày toàn bộ quá trình thực nghiệm khoa học dữ liệu từ khâu khám phá, tiền xử lý cho đến huấn luyện và đánh giá mô hình phân cụm trên tập dữ liệu 50.000 bản ghi.

1. Thống kê mô tả và khám phá dữ liệu (EDA):

• Biến định lượng:
  • Tuổi (AGE): Dao động từ 18 đến 99 tuổi, trung vị đạt 59 tuổi, độ lệch chuẩn khoảng 11 tuổi. Phân phối tuổi hình thành dạng đa đỉnh (multi-modal) với các nhóm tập trung rõ nét tại 20 – 22 tuổi, 30 – 35 tuổi và đỉnh lớn nhất tại 40 – 42 tuổi.
  • Thu nhập hàng năm (ANNUAL_SALARY): Giá trị trung bình khoảng 92.000, giá trị lớn nhất đạt gần 200.000, độ lệch chuẩn cao (~51.000), phản ánh sự phân hóa thu nhập rõ rệt.
  • Số dư tiền gửi trung bình năm (AVG_DEPOSIT_BALANCE_YEARLY): Trung bình 51.952, cực đại đạt gần 200.000.
  • Tín dụng: Hạn mức thấu chi (OVERDRAFT_LIMIT) và hạn mức thẻ tín dụng (CREDIT_CARD_LIMIT) đều có giá trị trung vị là 1.967, giá trị trần lên tới 40.000. Mức chi tiêu thẻ tín dụng (CREDIT_CARD_SPEND_AMT) trung bình đạt 19.216, tối đa xấp xỉ 50.000.
  • Hợp đồng bảo hiểm: Số dư tài chính hợp đồng (POLICY_BALANCE_AMT) có trung bình 120.994, giá trị trải rộng từ 1 đến gần 500.000, mang phân phối lệch phải mạnh.
• Biến định tính:
  • Tình trạng hoạt động: Biến CUSTOMER_STATUS và Policy_Status ghi nhận trạng thái "Active" chiếm đa số áp đảo với 41.615 quan sát (trên tổng số 50.000 bản ghi).
  • Giới tính (GENDER): Khách hàng nam chiếm 62,9% (31.424 người), trong khi nữ chiếm 37,1%.
  • Khu vực địa lý (REGION): Phân bố tại 4 vùng: miền Nam ("south") chiếm tỷ trọng lớn nhất với 17.501 khách hàng; tiếp đến là miền Bắc ("north") với khoảng 16.000 khách hàng; miền Tây ("west") khoảng 9.000 và miền Đông ("east") khoảng 8.000 khách hàng.
  • Loại tài khoản (ACCOUNT_TYPE): Bao gồm 3 phân nhóm, trong đó tài khoản đầu tư ("investment") chiếm ưu thế với 20.099 trường hợp.
• Phân tích tương quan: Ma trận tương quan Pearson chỉ ra mối quan hệ tuyến tính đồng thuận rất mạnh giữa các biến tài chính: Thu nhập tương quan với số dư tiền gửi trung bình (hệ số 0,88), với hạn mức thấu chi (0,83), hạn mức thẻ tín dụng (0,82), và giá trị số dư chính sách bảo hiểm (0,79). Đặc biệt, hạn mức thấu chi và hạn mức thẻ tín dụng có tương quan lên tới 0,94. Biến tuổi (AGE) chỉ thể hiện tương quan dương ở mức yếu đến trung bình với các chỉ số tài chính.

2. Xác định số cụm và kết quả thuật toán:

• Xác định số cụm tối ưu: Đồ thị phương pháp Elbow xuất hiện điểm gãy "khuỷu tay" rõ ràng nhất tại $k = 3$. Mặt khác, chỉ số Silhouette Score đạt giá trị cao nhất tại $k = 2$ với điểm số 0,4786. Tuy nhiên, tác giả lập luận rằng việc chỉ chia thành 2 cụm trên tập dữ liệu lớn 50.000 quan sát sẽ làm mất đi tính đa dạng và chiều sâu phân khúc thực tiễn. Do đó, $k = 3$ được lựa chọn làm tham số tối ưu cho mô hình.
• Kết quả phân cụm với K-Means: Tập dữ liệu được phân chia thành 3 cụm có tỷ lệ tương đối đồng đều:
  • Cụm 0: Chiếm số lượng lớn nhất với 20.024 khách hàng.
  • Cụm 1: Đạt 16.020 khách hàng.
  • Cụm 2: Bao gồm 13.976 khách hàng.
• Kết quả phân cụm với Gaussian Mixture Models (GMM):
  • Cụm 0: Gồm 20.000 quan sát (chiếm khoảng 40% dữ liệu).
  • Cụm 1: Chiếm khoảng 32% quy mô dữ liệu.
  • Cụm 2: Gồm khoảng 14.000 quan sát (chiếm khoảng 28% dữ liệu).
• Đánh giá mô hình: Sử dụng phương pháp phân tích thành phần chính (PCA) chiếu dữ liệu về không gian trực quan cho thấy cả hai mô hình đều phân tách rõ các cụm. GMM mang lại ưu điểm trong việc nắm bắt các ranh giới mềm (soft clustering) và vùng chồng lấn xác suất, phù hợp với tính chất chuyển tiếp linh hoạt trong hành vi tiêu dùng bảo hiểm.

Chương 3: Đề xuất ứng dụng và cải tiến mô hình

Dựa trên kết quả phân cụm thu được, Chương 3 đưa ra các định hướng ứng dụng thực tế vào vận hành kinh doanh và lộ trình nâng cấp kỹ thuật:

• Ứng dụng kinh doanh và cá nhân hóa:
  • Xây dựng chiến lược riêng biệt theo từng cụm khách hàng: Thiết kế gói sản phẩm bảo vệ tài chính cơ bản, sức khỏe ngắn hạn phí thấp cho nhóm khách hàng trẻ tuổi, mới tham gia; thiết kế gói bảo hiểm nhân thọ kết hợp đầu tư, tích lũy tài sản cho nhóm khách hàng trung niên có thu nhập cao và số dư tài chính lớn.
  • Tối ưu hóa kênh phân phối và chiến dịch tiếp thị: Tiếp cận nhóm khách hàng số thông qua các kênh tự động hóa (email, ứng dụng di động) và nhóm khách hàng giá trị cao qua mạng lưới chuyên viên tư vấn trực tiếp.
  • Đề xuất tích hợp kết quả phân cụm vào hệ thống Chatbot chăm sóc khách hàng tự động để nhận diện phân khúc ngay khi phát sinh tương tác và tự động gợi ý kịch bản tư vấn phù hợp.
• Khuyến nghị nâng cấp và kết hợp mô hình:
  • Hoàn thiện chất lượng và độ giàu có của dữ liệu thu thập từ hệ thống lõi.
  • Tối ưu hóa tham số thuật toán.
  • Đề xuất mô hình tích hợp đa tầng: Kết hợp phân cụm với mô hình dự báo rời bỏ khách hàng (Churn Prediction), mô hình gợi ý bán chéo sản phẩm (Cross-Selling), và mô hình phân tích giá trị hành vi RFM (Recency, Frequency, Monetary).

Kết quả và đóng góp

Khóa luận đã hoàn thành việc xây dựng và thực nghiệm quy trình phân tích dữ liệu phân khúc khách hàng phục vụ bài toán cá nhân hóa sản phẩm bảo hiểm với các kết quả cụ thể:

Chỉ số / Thuộc tính	Kết quả thực nghiệm trong nghiên cứu
Quy mô tập dữ liệu	50.000 bản ghi, 16 trường thông tin, tỷ lệ bản ghi trùng lặp đạt 0%
Độ tuổi khách hàng (AGE)	18 – 99 tuổi; Trung vị: 59 tuổi; Độ lệch chuẩn: ~11 tuổi
Thu nhập bình quân (ANNUAL_SALARY)	Trung bình: ~92.000; Độ lệch chuẩn: ~51.000; Giá trị trần: ~200.000
Tỷ lệ giới tính (GENDER)	Nam: 62,9% (31.424 khách hàng); Nữ: 37,1% (18.576 khách hàng)
Tỷ lệ trạng thái hoạt động	Khách hàng hoạt động (Active): 41.615 / 50.000 bản ghi
Khu vực tập trung (REGION)	Miền Nam (south): 17.501; Miền Bắc (north): ~16.000 khách hàng
Chỉ số Silhouette tối đa	Đạt 0,4786 tại $k = 2$
Số cụm lựa chọn tối ưu	$k = 3$ (dựa trên điểm gập Elbow và yêu cầu chiều sâu nghiệp vụ)
Phân bổ cụm thuật toán K-Means	Cụm 0: 20.024; Cụm 1: 16.020; Cụm 2: 13.976 khách hàng
Phân bổ cụm thuật toán GMM	Cụm 0: 20.000 (~40%); Cụm 1: ~32%; Cụm 2: ~14.000 (~28%)

Giải pháp và đóng góp của đề tài:

• Xây dựng quy trình xử lý dữ liệu hoàn chỉnh cho dữ liệu tài chính - bảo hiểm: Áp dụng thành công kỹ thuật IQR Capping để kiểm soát biến thiên ngoại lai mà không làm suy hao số lượng mẫu; kỹ thuật hóa trường dữ liệu TENURE_YEARS từ các mốc thời gian để lượng hóa độ gắn bó của khách hàng.
• So sánh thực nghiệm có căn cứ giữa K-Means và Gaussian Mixture Models (GMM), chứng minh tính khả thi của mô hình phân cụm xác suất trong việc phản ánh tính chất chồng lấn tự nhiên của hành vi khách hàng.
• Cung cấp khung định hướng ứng dụng thực tế để chuyển đổi kết quả toán học thành hành động kinh doanh: phân luồng kịch bản sản phẩm, tối ưu chi phí tiếp thị số và đề xuất tích hợp vào Chatbot chăm sóc tự động.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận ghi nhận một số hạn chế gắn liền với phạm vi và dữ liệu nghiên cứu:

• Dữ liệu thực nghiệm được lấy từ tập dữ liệu mô phỏng hoạt động của công ty bảo hiểm, chưa phản ánh toàn diện hệ thống nghiệp vụ thực tế vốn chứa nhiều biến động phức tạp và đa dạng trường thông tin hơn.
• Cột thông tin ngày đóng hợp đồng (CLOSE_DATE) có tỷ lệ giá trị khuyết thiếu cao đối với các hợp đồng đang hiệu lực; việc giả định gán mốc cố định 31/12/2024 để tính toán biến TENURE_YEARS mang tính chất kỹ thuật nhằm bảo toàn dữ liệu nhưng có thể chưa phản ánh hết các trạng thái gián đoạn hợp đồng trong thực tế.
• Tác giả tự đánh giá nghiên cứu còn chịu giới hạn về thời gian triển khai, kinh nghiệm thực tiễn và kiến thức chuyên sâu trong phân tích định phí bảo hiểm.

Hướng nghiên cứu mở rộng được tác giả đề xuất:

• Làm giàu nguồn dữ liệu thông qua tích hợp dữ liệu hành vi số đa kênh, lịch sử bồi thường và tương tác trực tuyến thực tế.
• Khảo sát và tối ưu hóa thêm các thuật toán phân cụm tiên tiến khác.
• Thiết kế mô hình học máy phối hợp: Liên kết cụm phân khúc với bài toán dự đoán khách hàng rời bỏ (Churn Prediction), mô hình gợi ý sản phẩm bán chéo (Cross-Selling) và mô hình phân tích hành vi giao dịch tài chính RFM (Recency - Frequency - Monetary).

Giá trị tham khảo

Khóa luận là tài liệu tham khảo phù hợp cho sinh viên, học viên và các nhà nghiên cứu thuộc các chuyên ngành: Kinh tế số, Phân tích dữ liệu lớn trong Kinh tế và Kinh doanh, Hệ thống thông tin quản lý, và Khoa học dữ liệu ứng dụng. Tài liệu cũng cung cấp góc nhìn tham khảo hữu ích cho các chuyên viên phân tích nghiệp vụ (Business Analyst), chuyên viên phân tích dữ liệu tại các doanh nghiệp bảo hiểm, tổ chức tài chính hoặc các đơn vị triển khai kênh phân phối Bancassurance.

Nội dung có giá trị tham khảo chuyên môn cao nhất bao gồm:

• Quy trình tiền xử lý dữ liệu thực tế: phương pháp xử lý giá trị khuyết thiếu đặc thù của dữ liệu thời gian bảo hiểm và kỹ thuật xử lý ngoại lai bằng khoảng tứ phân vị IQR Capping.
• Phương pháp luận biện giải việc lựa chọn số cụm $k$: bài học thực tiễn trong việc cân bằng giữa chỉ số toán học nội tại (Silhouette Score) và tính ứng dụng nghiệp vụ trên tập dữ liệu quy mô lớn (50.000 quan sát).
• Kỹ thuật đối sánh phân cụm hình học (K-Means) và phân cụm xác suất hỗn hợp (GMM) đi kèm phương pháp trực quan hóa không gian đa chiều thông qua PCA.

Câu hỏi thường gặp

1. Bộ dữ liệu thực nghiệm trong khóa luận có quy mô và cấu trúc ra sao?
Bộ dữ liệu gồm 50.000 dòng quan sát và 16 trường thuộc tính, phản ánh các thông tin nhân khẩu học (tuổi, giới tính, khu vực), năng lực tài chính (thu nhập hàng năm, số dư gửi tiết kiệm trung bình năm, hạn mức thấu chi, hạn mức tín dụng, mức chi tiêu qua thẻ) và thông tin hợp đồng bảo hiểm (loại tài khoản, trạng thái hợp đồng, quy mô hợp đồng, số dư hợp đồng, ngày mở và ngày đóng hợp đồng).

2. Tác giả đã xử lý giá trị khuyết thiếu tại cột ngày đóng hợp đồng (CLOSE_DATE) như thế nào và vì sao?
Do đa số khách hàng vẫn đang duy trì hợp đồng nên cột CLOSE_DATE bị để trống tự nhiên. Tác giả đã điền giá trị mốc kết thúc kỳ phân tích là 31/12/2024 vào các ô trống này. Giải pháp này giúp xác định trạng thái khách hàng vẫn đang hoạt động liên tục tính đến thời điểm chốt dữ liệu, đồng thời cho phép tính toán chính xác thuộc tính mới là số năm gắn bó (TENURE_YEARS).

3. Tại sao tác giả chọn số cụm $k = 3$ trong khi chỉ số Silhouette Score đạt giá trị cao nhất tại $k = 2$?
Chỉ số Silhouette Score đạt điểm cao nhất là 0,4786 khi phân thành 2 cụm. Tuy nhiên, trên một tập dữ liệu lớn với 50.000 bản ghi, việc chỉ chia thành 2 cụm sẽ gom nhiều nhóm khách hàng có hành vi khác biệt vào chung một nhóm, làm mất đi tính chi tiết cần thiết cho việc cá nhân hóa sản phẩm. Kết hợp với đồ thị phương pháp Elbow có điểm gãy rõ rệt tại $k = 3$, tác giả lựa chọn 3 cụm để đảm bảo cân bằng giữa tiêu chí thống kê và giá trị ứng dụng thực tiễn trong kinh doanh.

4. Kết quả phân bố số lượng khách hàng giữa các cụm của thuật toán K-Means và GMM có sự tương đồng như thế nào?
Cả hai thuật toán đều phân chia dữ liệu thành 3 nhóm có quy mô tương đương và cân đối:

• Với K-Means: Cụm 0 có 20.024 khách hàng; Cụm 1 có 16.020 khách hàng; Cụm 2 có 13.976 khách hàng.
• Với GMM: Cụm 0 có 20.000 khách hàng (chiếm khoảng 40%); Cụm 1 chiếm khoảng 32%; Cụm 2 có khoảng 14.000 khách hàng (chiếm khoảng 28%).

5. Khóa luận đề xuất hướng mở rộng tích hợp phân cụm dữ liệu với những mô hình nào?
Tác giả đề xuất tích hợp kết quả phân khúc khách hàng với ba mô hình phân tích chuyên sâu tiếp theo: mô hình Churn Prediction nhằm dự báo sớm nguy cơ khách hàng hủy hợp đồng, mô hình Cross-Selling nhằm tự động hóa đề xuất sản phẩm bổ sung, và mô hình RFM nhằm đánh giá chi tiết tần suất cùng giá trị giao dịch của từng nhóm khách hàng.

Kết luận

Khóa luận tốt nghiệp của tác giả Tăng Quỳnh Nga đã xây dựng thành công quy trình ứng dụng kỹ thuật phân cụm học máy (K-Means và Gaussian Mixture Models) để giải quyết bài toán phân khúc khách hàng trên tập dữ liệu 50.000 bản ghi ngành bảo hiểm. Nghiên cứu thực hiện bài bản các bước từ tiền xử lý dữ liệu phức tạp, xử lý ngoại lai bằng kỹ thuật IQR Capping, thiết kế biến thời gian gắn bó, đến xác lập 3 phân khúc khách hàng có cấu trúc rõ rệt và giá trị thực tiễn cao. Kết quả phân cụm không chỉ chứng minh tính khả thi của mô hình toán học trong việc bóc tách hành vi tiêu dùng mà còn đặt nền móng vững chắc cho việc triển khai các chiến lược cá nhân hóa sản phẩm bảo hiểm, tự động hóa tư vấn qua chatbot và định hướng liên kết đa mô hình trong tương lai.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: CƠ SỞ LÝ LUẬN 1. Tổng quan về ngành bảo hiểm 1. Giới thiệu về ngành bảo hiểm Bảo hiểm là một hình thức và cũng là một ngành nghề liên quan đến việc bảo vệ tài chính và bù đắp thiệt hại khi xảy ra rủi ro. Ngành bảo hiểm là một lĩnh vực thuộc nhóm ngành tài chính – ngân hàng, chuyên cung cấp các sản phẩm và dịch vụ nhằm bảo vệ con người, tài sản và hoạt động kinh tế trước những rủi ro bất ngờ như tai nạn, bệnh tật, cháy nổ, thiên tai, mất mát tài sản hoặc thiệt hại tài chính.

Bảo hiểm hoạt động trên nguyên tắc chia sẻ rủi ro: người tham gia bảo hiểm (cá nhân hoặc tổ chức) sẽ đóng một khoản phí nhất định gọi là phí bảo hiểm cho doanh nghiệp bảo hiểm. Khi sự cố xảy ra theo đúng nội dung hợp đồng, doanh nghiệp bảo hiểm sẽ có trách nhiệm chi trả hoặc bồi thường phần tổn thất nhằm giúp người tham gia vượt qua khó khăn về tài chính. Ngành bảo hiểm hiện nay hoạt động chủ yếu trong hai lĩnh vực chính: 1. Bảo hiểm nhân thọ: cung cấp các gói bảo hiểm liên quan đến con người như bảo hiểm sức khỏe, tai nạn, tử vong, hưu trí, giáo dục… nhằm bảo vệ tài chính cho bản thân và gia đình người được bảo hiểm trước các rủi ro trong cuộc sống.

Bảo hiểm phi nhân thọ: bao gồm các sản phẩm bảo hiểm tài sản, phương tiện vận chuyển (xe máy, ô tô), bảo hiểm hàng hóa, cháy nổ, xây dựng, bảo hiểm trách nhiệm dân sự. giúp giảm thiểu thiệt hại về tài sản và hoạt động kinh doanh khi xảy ra sự cố. Với vai trò là “lá chắn tài chính” cho cả cá nhân và doanh nghiệp, ngành bảo hiểm đóng góp quan trọng vào sự ổn định xã hội, hỗ trợ phục hồi kinh tế sau thiên tai hoặc khủng hoảng, đồng thời là kênh đầu tư hiệu quả thúc đẩy tăng trưởng kinh tế bền vững. Tình hình phát triển của ngành bảo hiểm toàn cầu và tại Việt Nam Ngành bảo hiểm toàn cầu đã trải qua nhiều biến động trong những năm gần đây, đặc biệt do ảnh hưởng của đại dịch Covid-19, nhưng vẫn duy trì vai trò quan trọng trong việc bảo vệ tài chính và thúc đẩy tăng trưởng kinh tế.

Theo Swiss Re Institute, quy mô thị trường bảo hiểm toàn cầu đạt khoảng 6,1 nghìn tỷ USD vào năm 2020, giảm 2,8% so với năm 2019, chủ yếu do sự sụt giảm 6% trong lĩnh vực bảo hiểm nhân thọ. Tuy nhiên, thị trường được dự báo phục hồi với tốc độ tăng trưởng 4% vào năm 2022, nhờ nhu cầu tăng cao đối với các sản phẩm bảo hiểm chống rủi ro, với phí bảo hiểm vượt hơn 3 tỷ USD. Tỷ lệ thâm nhập bảo hiểm (doanh thu phí bảo hiểm/GDP) toàn cầu dao động từ 6-7% ở các nước phát triển, nhưng vẫn còn thấp ở các thị trường mới nổi, tạo dư địa lớn cho sự phát triển trong dài hạn. Tại Việt Nam, thị trường bảo hiểm được đánh giá là tiềm năng với tốc độ tăng trưởng cao và dư địa phát triển lớn.

Theo Hiệp hội Bảo hiểm Việt Nam, tổng doanh thu phí bảo hiểm năm 2020 đạt 186.221 tỷ đồng (khoảng 8 tỷ USD), tăng 16,5% so với năm 2019, trong đó bảo hiểm nhân thọ chiếm 130.557 tỷ đồng (tăng 22%) và bảo hiểm phi nhân thọ đạt 55. Năm 2023, tổng doanh thu phí bảo hiểm toàn thị trường ước đạt 227.600 tỷ đồng, nhưng ghi nhận mức giảm 12,5% ở lĩnh vực nhân thọ do khó khăn kinh tế vĩ mô và tỷ lệ hủy hợp đồng cao (20-30% sau năm đầu, thậm chí 73% ở kênh ngân hàng).