P0 · 优先验证
医院查查
与自有条款、医院范围和理赔服务高度匹配，用户任务具体，最容易形成可信、可量化的服务闭环。
Tool 01 · Overview
保险快查｜把模糊需求转成购买方向
目标用户是“知道自己担心什么，但不会把需求翻译成险种和责任”的消费者。
用户问题
不会问，也不会选
保险术语、产品差异和筛选条件构成较高决策门槛。
用户任务
得到可理解的购买方向
不仅需要产品，还需要推荐理由和取舍依据。
竞品机制
对话澄清 + 解释推荐
逐轮补全条件，再输出选择逻辑与候选产品。
业务价值
咨询承接交易
产品卡将高意向需求导向详情或投保。
Solution evidence
体验证据
完整路径为：发问 → 澄清 → 解释 → 推荐 → 继续追问。
保险快查体验录屏 · 02:00
STEP 01
降低发问门槛
预设问题、人物入口与自由输入并存。
STEP 02
复述并补齐需求
先确认理解，再用结构化选项补充条件。
STEP 03
解释后给产品
同步展示选择依据、保障亮点与限制。
STEP 04
支持继续收敛
建议问题与偏好卡让决策持续推进。
Effectiveness
有效性判断
以下是从体验机制推导出的假设，需要业务数据验证。
降低专业知识门槛
自然语言和解释性推荐可减少从需求到候选产品的认知成本。
覆盖投保决策前段
能识别需求并直接连接产品，但价值取决于推荐结果是否可信。
答案准确与合规是核心
需要可追溯知识库、推荐规则、敏感表达控制和人工兜底。
Fit & next step
我方匹配与建议
P1限定场景试点
从“自有产品智能咨询”开始
保险公司拥有自有产品、条款和承保规则，但不具备平台式全市场供给优势。建议先选一个高咨询量险种，限定自有产品池，并保留人工顾问承接。
核心依赖结构化条款、问答知识库、合规审核
MVP 边界一个险种、有限问题、自有产品推荐
暂不纳入全市场排名、复杂个性化投顾
验证指标：需求补全率 · 推荐完成率 · 产品详情到达率｜护栏：答案纠错率 · 投诉率
Tool 02 · Overview
产品对比｜先判断“能不能直接比”
目标用户已经进入取舍阶段，但面对不统一的条款口径，容易“看了很多仍不会选”。
用户问题
差异很多，重要性不明
难以判断参数差异是否真正影响自身保障。
用户任务
在候选产品间做取舍
需要结论、依据和适合人群，而非参数堆叠。
竞品机制
按产品类型分流
同类比统一维度，跨类先解释保障分工。
业务价值
承接高意向决策
对比位于购买后段，可直接连接详情与投保。
Solution evidence
体验证据
产品类型决定比较逻辑，这是该工具最关键的设计。
同类产品对比 · 00:50
跨类产品速查 · 00:39
SAME TYPE
同类：固定维度
先选择同一险种产品，再统一展示期限、价格与保障重点。
SAME TYPE
先结论，后参数
先概括长期稳定或短期灵活，再展开依据。
CROSS TYPE
跨类：先讲分工
医疗报销、收入补偿和身故责任不能简单比优劣。
CROSS TYPE
从二选一转向组合
结合适合人群与产品差异给出配置方向。
Effectiveness
有效性判断
价值来自“统一口径”和“纠正错误比较”，而不是增加更多参数。
把信息转成取舍
统一维度减少横向阅读成本，结论帮助用户识别真正关键的差异。
靠近购买决策终点
对比后进入详情路径短，但用户对客观性的要求也更高。
全市场比较难可信
外部产品数据更新、比较口径和推荐中立性都可能引发合规风险。
Fit & next step
我方匹配与建议
P2限定范围验证
优先比较自有产品与保障方案
我方掌握自有条款，但跨公司全市场比较缺少平台供给与中立性基础。可先支持新旧版本、不同计划、主附险或加保方案对比。
核心依赖产品结构化、统一比较维度、版本管理
MVP 边界自有产品、同险种、2–3 个候选项
暂不纳入全市场优劣排名、跨公司推荐
验证指标：对比完成率 · 差异理解率 · 详情点击率｜护栏：误导反馈 · 投诉率
Tool 03 · Overview
医院查查｜把“能不能赔”提前到就医前
目标用户需要在投保或就医前确认某家医院、院区及诊疗部位是否符合保单约定。
用户问题
条款有范围，用户找不到答案
医院更名、分院和普通部/特需部容易造成理解偏差。
用户任务
确认目标医院能否理赔
需要与具体保单绑定的明确结果，而非医院百科。
竞品机制
条款与医院实体映射
按产品、城市、属性和名称逐层缩小范围。
业务价值
服务前置，减少预期偏差
在就医前消除不确定性，可能降低咨询和理赔争议。
Solution evidence
体验证据
完整路径为：选择产品 → 确认范围 → 搜索筛选 → 核验院区。
医院查查体验录屏 · 00:54
STEP 01
绑定保险产品
查询口径随当前医疗险产品变化。
STEP 02
查看医院范围
展示城市、医院等级、性质与可赔范围。
STEP 03
精确搜索医院
名称联想适合已有目标医院的用户。
STEP 04
区分总院与分院
进一步标明普通部等细颗粒限制。
Effectiveness
有效性判断
这是三个工具中用户任务最具体、答案最容易验证的一项。
直接影响就医选择
结果可立即用于选择医院，减少因院区或部位不符造成的理赔落差。
连接保单与理赔服务
既服务投保前判断，也能承接保中就医和理赔材料提示。
关键在数据时效
医院更名、院区与除外范围必须及时更新，并展示规则来源和更新时间。
Fit & next step
我方匹配与建议
P0优先验证
先建立自有医疗险的医院查询闭环
保险公司拥有一手条款、医院清单和理赔口径，匹配性最高。建议选覆盖用户较多的医疗险，从保单绑定后的精准查询开始。
核心依赖医院主数据、条款映射、更新与审计机制
MVP 边界重点医疗险、城市筛选、医院及院区查询
后续扩展就医导航、材料提示、服务预约
验证指标：查询成功率 · 就医前使用率 · 客服咨询下降｜护栏：无结果率 · 错误匹配率