01

随着保险行业的数字化转型和用户需求的个性化发展，传统的保险营销方式逐渐显现出其局限性。无论是营销素材的制作、保险产品的推荐，还是复杂保险条款的解读，手动操作和经验判断都难以在大规模的市场中有效满足不同客户的需求。与此同时，消费者的行为和偏好也变得更加多样化，单一的营销手段难以触及每一个目标客户。基于此，蚂蚁保险营销增长算法组（以下简称“算法组”）着眼于通过人工智能生成内容（AIGC）技术，打造出一个自动化、智能化且高度个性化的保险营销生态系统。

蚂蚁保营销素材主要分为两大类，一类是蚂蚁保阵地中的营销大卡以及一些短文案，如货架中展示的推荐理由等，这些都是由 AIGC 生成的，与具体产品挂钩的内容；另一类是支付宝域内的热点相关内容，如大 V 热点资讯、热点事件短视频等，为蚂蚁保做引流。

接下来将介绍我们如何在保险领域利用 AIGC 生成贴合业务的长短文案和视频剧本。

02

前文中提到，一类素材是与产品相关的介绍，我们希望为不同用户展示不同类型的产品介绍。例如，同样一款医疗险，其保障范围、保障责任、免赔额等保险条款会非常复杂，而不同用户的关注点可能是不一样的，只有在一开始就为用户展示其感兴趣的内容才能吸引用户做进一步操作，并且在不同场景也需要不同的表达形式。因此，我们需要个性化的 GC 能力，使每位用户都能得到专属的保险产品推荐，从而提高转化率与客户粘性。

另外，在保险行业中，内容的准确性至关重要，因此对文案的专业化要求也非常高。

基于专业化和个性化这两大诉求，我们整体的解决思路如下图所示。

首先，确定一个具体的场景，如卡片类型的场景或推荐理由场景，确定了场景也就确定了生产的模版和规范，比如文案的长度、包含哪些信息等等。除了场景之外，还会输入产品信息，以及风格，这样就可以开始具体的创意生成了。

生成时，先从预先生成的人群中拉取用户信息，比如当前人群的核心关注点是什么，是更高的保额，还是更全面的保障范围。接着，在保险产品论据库中匹配专业的保险知识，进行第一层的需求推理。比如对于【品质生活的有娃父母】，看重全面的保障范围，那么就会看某款产品是否门诊可赔，这样根据产品和需求确定具体匹配到哪些论据。除了专业的保险知识，也会考虑是否有对应的热点事件可以匹配。比如在肺炎高发期，对儿童相关保险的需求就会加强。

基于这些人群画像、保险需求、专业的产品知识和匹配的热点，就可以生成相应的文案。之后业务团队就可以根据生成的结果进行筛选或编辑，也可以通过交互式界面对某一部分提出进一步修改的需求。最终得到所需的素材。

前面介绍了个性化文案生产的整体逻辑，这里重点介绍其中的几个关键步骤：

• 质量评估：为做到专业性，需要通过质量监控和检测来保证产出素材的准确无误。我们结合大模型和小模型，对质量、正确性、内容是否匹配、是否有重复等一系列指标进行评估。

  
  

• 线上汰换：大规模的素材生成中不可避免的会有一些效果不理想的文案生成，因此需要一个汰换机制，筛选出效果好的文案，并不断优化匹配过程。

  
  

• 效果回收：同时，对效果进行回收，以丰富和优化论据库，进而为需求推理提供更好的依据。

上图中展示了一个用户需求推理过程的例子，首先从论据库取到产品的结构化信息，生成产品卖点描述；接着根据人群、人群描述、投保对象和产品卖点描述进行推理。

营销除了要提高承接的效率，还有提高引流的能力，做到更好的用户触达，因此我们会关注社会上保险相关的热点事件，并进行加工，投放到不同的场景中。

热点素材生成的过程为：

• 首先对热点事件信息流进行过滤，筛选出保险相关的信息，通过大模型 CoT+Prompt的方式，对事件进行结构化的打标归类。

  
  

• 接着基于结构化的事件进行素材的生成，这一过程中利用 RAG + 保险知识增强来保证专业性和准确性，生成的素材包括事件改写、长图文介绍、热点视频等形式。例如，对“探寻古莱坞”这一事件，会结合文化、旅游和如何挑选旅游保险，改写为一篇既包括新闻又包含旅游保险信息的文案。

  
  

• 素材生成后，还有非常重要的一步就是质检，以确保内容的合规性和准确性。这就要求一套标准体系以及一个专门的标注团队，来保证最终营销内容的质量。

  
  

随着大模型技术的进一步发展，未来将实现更加普惠的保险服务。

利用大模型的认知，压缩保险、医疗投资等知识，可以提供比人类更为丰富且专业的保险相关知识；依靠大模型强大的推理能力，能够解决更为复杂的决策问题；结合大模型强大的自然语言交互能力，能够提供更为严谨、专业且个性化的沟通，提高服务水平，提升用户体验。

AIGC 不仅能够提升内容生成的效率与质量，还会进一步推动保险产品的创新。未来，AIGC 将在保险领域得到更加广泛与深入的应用。