AI新秀成發 情報中心
題目十二

AI 保險產品設計
與市場分析系統

建立 AI 產品設計 Agent：分析市場資料（新聞、競品）→ 找出需求缺口 → 自動生成新保險產品設計（保障內容、費率建議）→ 模擬市場接受度。

01
商業情境
保險公司需持續開發新產品，但難掌握市場需求與競品資訊。
02
AI 任務
  • 分析市場資料
  • 找出需求缺口
  • 自動生成保險產品
  • 模擬市場接受度
03
技術建議
  • NLP自然語言處理（Natural Language Processing）：讓電腦理解文字。本專案用於分析新聞、討論區、法規條文。（市場分析）
  • Topic modeling主題建模：從大量零散文本自動找出共同主題。例：把分散的失能爭議案件聚成「失能扶助險」主題。
  • LLM大型語言模型（Large Language Model）：能生成自然語言內容的 AI。本專案用 Google Gemini Flash 寫保單草稿、行銷材料。（產品設計生成）
  • Simulation市場模擬：用數據估算商品上市後的市場規模與接受度。本專案用 TAM/SAM/SOM 三層金額估算（年產值 → 可服務產值 → 第一年實際業績）+ 多角色 AI 辯論。（需求預測）
04
實作亮點
  • AI 生成保險商品
  • 結合商業策略分析
01

三大功能 — 情報雷達

情報雷達 每日自動

每日凌晨自動掃描台灣保險新聞、討論區、法規動態，新訊號自動分類並累積 痛點分數痛點分數：0-1 分，由 AI 依文章內容是否「真實財務缺口、理賠爭議、法規衝擊」判斷。例：「實支實付理賠遭拒賠」可能得 0.9 分；「保險公司新聞稿」可能 0.2 分。。 當主題痛點累積到一定門檻，系統自己決定要生成新保單草稿。

29 個來源爬蟲 httpx · Playwright AI 分類 判斷主題與痛點 痛點累積 同主題重複出現 缺口合成 對比現有商品 保單草稿 含行銷材料
httpx + BeautifulSoup Playwright BAAI/bge-m3多語文字向量模型：把中英文文字轉成 1024 維向量，相似內容向量會靠近。本地跑在 GPU 上免費。 Gemini Flash DuckDB輕量檔案型 SQL 資料庫：類似 SQLite 但專為分析查詢設計。本專案用來存所有訊號與痛點累積紀錄。 Neo4j圖資料庫：用「節點 + 關係」儲存資料。本專案存 889 個現有保險商品，含保障項目、除外責任、給付條件之間的關係。
02

三大功能 — 缺口圖譜

缺口圖譜 一鍵分析

輸入保險主題詞（例：長照險、失能扶助），一鍵跑出結構化分析報告。 產出建議書會引用真實訊號與商品代號做溯源。

語意檢索 bge-m3 + Chroma 商品比對 找出市面缺口 商機評分 AI 排序優先度 市場規模 + 建議書 人口統計試算 圓桌辯論 三角色 AI 質疑

TAM / SAM / SOM三層市場規模估算（以年保費營收為單位）：TAM=目標客群 100% 購買後的年產值上限（人數 × 客單價）；SAM=扣除無法觸及、不符資格、通路限制後的可服務年產值；SOM=第一年實際業績（行銷預算 × 轉化率 × 客單價，Bottom-Up）。 用台灣公開人口統計推估保費接受度； 圓桌辯論多 AI 角色辯論（Multi-agent debate）：用 Gemini Pro 模擬 3 個角色（精算師、業務員、消費者代表）對建議書互相質疑、提出意見，最後 AI 總監綜合修訂。提供 AI 自我對抗式的反思機制。 用 Gemini Pro 模擬精算師、業務員、消費者代表三方對建議書互相質疑。

BAAI/bge-m3 Chroma開源向量資料庫：儲存文字向量並支援相似度搜尋。本專案存 55,721 個保險條款片段。 Neo4j Cypher Gemini Flash Gemini Pro TAM/SAM/SOM Multi-agent debate
03

三大功能 — AI 助手

AI 助手 互動 RAG

業務員、客服、教育訓練的對話式問答工具。資料來源是 2,841 篇市場訊號 + 55,721 個條款片段條款片段（Chunks）：把每張保單條款拆成 200-500 字的小片段，方便 AI 用語意相似度精準搜尋。例：「住院醫療給付」這段話會被獨立切出，問相關問題時直接抓這段引用。。 回答時會附上原文連結，可即時查驗來源。

自然語言問句 使用者輸入 語意檢索 找相關段落 片段組裝 交給 AI 參考 串流回答 + 引用 打字機式輸出

RAG檢索增強生成（Retrieval-Augmented Generation）：AI 不是亂掰，而是先從你的資料庫找相關內容，再依據這些內容回答，並附引用。減少 hallucination。架構：先用 bge-m3 找相關段落，再交給 Gemini Flash 生成回答， 用SSE StreamingServer-Sent Events（伺服器推送）：讓 AI 一邊生成文字一邊推給瀏覽器，使用者看到打字機效果，不用等整段答完。讓使用者看到打字機式流暢回答。

BAAI/bge-m3 Chroma RAG Gemini Flash SSE Streaming FastAPI 引用標註
04

題目要求技術 × 本專案實作

NLP（市場分析）
用多語文字向量模型把新聞、討論、法規轉成向量做語意檢索；Gemini Flash 負責訊號分類、痛點評分與缺口合成；最後做繁體中文後處理，避免 AI 吐出簡體或中國用語。
Topic Modeling
痛點累積機制：偵測 14 天內同類主題重複出現的次數，達門檻就觸發保單生成；事件關鍵詞（如金管會、衛福部公告）會自動對應到商品方向（如「實支實付革新版」「在宅醫療險」）。
LLM（產品設計生成）
Gemini Flash 自動產出完整保單草稿，內容含目標客群、保障設計、費率方向、精算注意事項，並引用市面真實商品做對比；同步生成行銷文案（Slogan、五大亮點、FAQ）與 DM 圖（AI 圖像模型）。
Simulation（需求預測）
三層市場規模試算（以年保費營收為單位）：TAM 抓潛在年產值上限、SAM 扣除無法觸及／不符資格／通路限制後的可服務產值、SOM 用「行銷預算 × 轉化率 × 客單價」推第一年實際業績（Bottom-Up）；圓桌辯論則由 Gemini Pro 扮演精算師、業務員、消費者代表三方相互質疑，最後由 AI 總監綜合修訂。
05

最終成果

0
市場訊號累計
從 29 個來源爬取的真實新聞、討論、法規
0
高痛點訊號痛點分數 ≥ 0.8 的訊號：通常是真實財務缺口、理賠爭議、法規衝擊三類。例：評議中心理賠裁決書「實支實付副本拒賠」、「失能等級認定爭議」。
真實財務缺口、理賠爭議、法規衝擊
0
Neo4j 商品條款
已索引的真實保險商品數量
0
Chroma 條款片段把保險條款拆成的語意片段：每段 200-500 字，向量化後存進 Chroma 向量資料庫。讓 AI 助手能精準找到對應條款。例：「住院醫療給付條件」「除外責任：自殺」這種獨立片段。
向量化的條款細分段落，供 RAG 檢索
0
AI 自動生成保單
含 12 章草稿 + 行銷材料 + DM 圖
0
主題缺口分析報告
失能扶助 / 寵物 / 高齡駕駛 / 旅遊不便 / 外溢
1 / 6