SlideShare a Scribd company logo
1 of 46
Download to read offline
ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ:
การศึกษาตัวแปรส่งผ่านด้วย Bootstrapping
โดย ตรัยคุณ โชประการ บุญชัย สุนทรวุฒิไกร อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์
The First NIDA Business Analytics and Data Sciences Contest/Conference
วันที่ 1-2 กันยายน 2559 ณ อาคารนวมินทราธิราช สถาบันบัณฑิตพัฒนบริหารศาสตร์
https://businessanalyticsnida.wordpress.com
https://www.facebook.com/BusinessAnalyticsNIDA/
-ถ้าสัญญากรมธรรม์ใช้ภาษาชาวบ้านอ่านเข้าใจได้ง่ายหมดจดจะทาให้ลูกค้าเป้าหมายรู้สึกว่า
ตนเองมีความรู้เพิ่มขึ้นหรือไม่ และจะมีความรู้เพิ่มขึ้นจริงหรือไม่
-กรมธรรม์ใส่รายละเอียดครบกับการย่อกรมธรรม์ให้สั้น มีรายละเอียดน้อยลงอย่างไหนจะทาให้
ขายได้ง่ายกว่ากัน
-การคิดว่าตัวเองรู้เป็นตัวแปรสื่อส่งผ่านระหว่างความรู้จริง กับความตั้งใจจะซื้อหรือไม่
-จะทดสอบตัวแปรสื่อได้อย่างไร?
นวมินทราธิราช 3002 วันที่ 1 กันยายน 2559 9.30-10.00 น.
ออกแบบกรมธรรม์ประกันชีวิตให้เข้าใจง่าย
และดึงดูดใจคนซื้อ : การศึกษาตัวแปรส่งผ่าน
ด้วย Bootstrapping
ตรัยคุณ โชประการ และ บุญชัย สุนทรวุฒิไกร
อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์
ที่มาและความสาคัญของปัญหา
3. เสนอขายประกันชีวิตทางโทรศัพท์ หรือยังไม่ได้ตกลงทาประกันแต่
บริษัทส่งกรมธรรม์มาให้ผู้เอาประกัน
4. บริษัทจ่ายค่าสินไหมทดแทนไม่เป็นไปตามเงื่อนไข
5. กรมธรรม์ที่บริษัทออกให้ไม่เป็นไปตามที่ตัวแทนเสนอขาย
คปภ.เผย 5 ปัญหาใหญ่ที่ประชาชนร้องเรียนบริษัทประกันชีวิต
1. บริษัทปฏิเสธจ่ายโดยอ้างว่าผู้เอา
ประกันปกปิดข้อเท็จจริง
2. ตัวแทนบอกว่าเป็นการฝากเงิน โดย
ไม่บอกให้ผู้เอาประกันรู้ว่าเป็นการทา
ประกันชีวิต
ที่มา http://www.manager.co.th 25 มีนาคม 2559 09:26 น.
ตัวอย่าง รายละเอียดของตัวแบบประกันชีวิต
ข้อสังเกต จากการสอบถามผู้ซื้อประกันชีวิต มีดังนี้
1. ผู้ซื้อประกันส่วนน้อยมากที่อ่านสัญญากรมธรรม์อย่างละเอียดก่อนลงชื่อซื้อ
และทาสัญญา
2. ผู้ซื้อประกันชีวิตพยายามอ่านสัญญากรมธรรม์อย่างละเอียด แต่อ่านอย่างไร
ก็ไม่เข้าใจ เพราะสัญญากรมธรรม์เป็นภาษากฎหมาย เต็มไปด้วยศัพท์เทคนิค
(Jargon) บางส่วนก็อ่านไม่จบเพราะสัญญากรมธรรม์นั้นยาว (Long) มาก
3. ผู้ซื้อประกันหลายคนซื้อด้วยความเกรงใจ มากกว่าที่จะใช้ความคิด
วิจารณญาณของตนเอง (กลไกการตัดสินใจซื้อเป็นอย่างไร?)
4. ตัวแทนขายบางคนไม่พยายามอธิบาย หรือให้ความรู้ เกี่ยวกับประกันชีวิต
โดยเฉพาะในส่วนของกรมธรรม์สัญญา แต่รีบปิดการขาย
ตาราง แสดงจานวนกรมธรรม์การทากรมธรรม์แต่ละประเภทซึ่งยังมีผลบังคับใช้อยู่ โดย
พิจารณาเป็นรายเดือนในรอบปี 2558
เดือน/ปี ตลอดชีพ สะสมทรัพย์ เฉพาะกาล
ม.ค. 58 7,534,242 10,548,076 1,355,531
ก.พ. 58 7,585,767 10,588,298 1,360,044
มี.ค. 58 7,627,737 10,626,483 1,368,454
เม.ย. 58 7,629,799 10,631,738 1,380,637
พ.ค. 58 7,658,918 10,644,810 1,386,459
มิ.ย. 58 7,706,535 10,672,075 1,393,956
ก.ค. 58 7,733,008 10,680,867 1,404,651
ส.ค. 58 7,749,156 10,695,171 1,402,446
ก.ย. 58 7,791,065 10,702,629 1,417,394
ต.ค. 58 7,834,640 10,774,038 1,424,901
พ.ย. 58 7,893,973 10,805,588 1,429,589
ธ.ค. 58 7,935,491 10,850,570 1,440,731
ที่มาและความสาคัญของปัญหา
การวิจัยในครั้งนี้ เป็นการศึกษาปัจจัยที่มีผลต่อการ
ตัดสินใจซื้อประกันชีวิต โดยพิจารณาจากปัจจัย ดังนี้
(1) ความยาวของข้อมูล (สั้น/ยาว)
(2) การใช้ศัพท์เทคนิคทางประกันชีวิต (ใช้/ไม่ใช้)
(3) การทาแบบทดสอบ (ก่อน/หลัง)
เพื่อศึกษาดูว่าปัจจัยข้างต้นส่งผลต่อความรู้เชิงอัตวิสัย
และความตั้งใจในการซื้อประกันชีวิตแบบสะสมทรัพย์
อย่างไร
ที่มาและความสาคัญของปัญหา
นอกจากนี้ได้ทาการศึกษาว่า ความรู้เกี่ยวกับตัวแบบ
ประกันชีวิตที่บุคคลนั้นสนใจที่สามารถประเมินค่าออกมาได้
จะส่งผลให้บุคคลนั้นรู้สึกมีความรู้และความเข้าใจก่อนที่จะ
ตัดสินใจที่จะซื้อประกันชีวิตหรือไม่ โดยผู้วิจัยได้นาแนวคิด
ของ Baron and Kenny (1986) มาใช้ซึ่งมีแนวคิดว่า ตัวแปร
อิสระจะส่งผลต่อตัวแปรตามนั้นเป็นการส่งอิทธิพลทางอ้อม
ผ่านตัวแปรสื่อ
แนวคิดและทฤษฎีที่เกี่ยวข้อง
(Solomon, Robert C., 2005)
ความรู้เชิงอัตวิสัย คือ ความรู้ที่เกิดจาก
มุมมองหรือความคิดเห็นของบุคคล โดยเฉพาะ
ความผู้ที่เกี่ยวข้องกับความรู้สึก ความเชื่อ หรือ
ความต้องการ ซึ่งอาจจะเป็นความรู้ที่แท้จริง
หรือไม่ก็ได้ส่วนความรู้เชิงภววิสัย คือ ความรู้ที่มี
พื้นฐานอยู่บนข้อเท็จจริง
Liat Hader, Sanjay Sood, and Craig R. Fox, 2013
• ความยาวของข้อมูล
• การใช้ศัพท์เทคนิคเฉพาะ
• การทาแบบทดสอบก่อนการตัดสินใจ
ปัจจัยเหล่านี้ ทาให้ความรู้เชิงอัตวิสัย (SK) ของ
บุคคลลดลง และยังส่งผลให้ความตั้งใจในการซื้อ
ผลิตภัณฑ์ (WTP) ลดลงตามไปด้วย
Baron and Kenny's .,1986
1 1Y cX   
2 2M aX   
,
3 3Y c X bM    
Baron and Kenny's .,1986 (ต่อ)
Total Effect = Direct Effect+ Indirect Effect
c = c’ + a*b
ใช้ Sobel test โดยพิจารณาจาก c-c’ โดยเทียบ
กับค่าประมาณ standard error ของ c-c’ ว่ามีนัยสาคัญ
หรือไม่ ข้อเสียของ Sobel test คือ ต้องใช้กลุ่มตัวอย่าง
ขนาดใหญ่ และมีสมมติฐานเบื้องต้นว่าการแจกแจงของ
a*b ต้องเป็นการแจกแจงปกติ
Preacher & Hayes .,2004
Bootstrapping Method เป็นเทคนิคที่ใช้ในการสุ่มตัวอย่าง
ซ้าเพื่อนากลุ่มตัวอย่างเหล่านั้นมาใช้ในการประมาณ
ค่าพารามิเตอร์โดยทาการสุ่มตัวอย่างซ้าจากข้อมูลที่ได้เก็บ
รวบรวมมาแบบใส่คืน(With Replacement) ด้วยขนาด
ตัวอย่างเท่ากับ n จากกลุ่มตัวอย่างที่มีอยู่แล้ว เพื่อสร้างข้อมูล
ชุดใหม่แล้ว นามาใช้ในการประมาณค่าพารามิเตอร์
เหตุผลที่ใช้bootstrapping
1. ไม่จาเป็นจะต้องมีการแจกแจงปกติ
2. ลดความเอนเอียงของข้อมูลกลุ่มตัวอย่าง
วัตถุประสงค์ของการวิจัย
1. เพื่อศึกษาผลของการใช้ศัพท์เทคนิคทางประกันชีวิต
ความยาวของข้อมูล การทาแบบทดสอบก่อนการ
ตัดสินใจ มีผลต่อความรู้เชิงอัตวิสัย และ ความตั้งใจใน
การซื้อประกันชีวิต อย่างไร
2. เพื่อศึกษาดูว่าความรู้เชิงอัตวิสัย เป็นตัวแปรสื่อ
ระหว่างความรู้เชิงภววิสัย กับความตั้งใจในการซื้อ
ประกันชีวิต หรือไม่
สมมติฐานการวิจัย
1. การนาเสนอข้อมูลที่สั้น ไม่ใช้คาศัพท์เทคนิค การทา
แบบทดสอบหลังการตัดสินใจส่งผลให้ความรู้เชิงอัต
วิสัย และ ความตั้งใจในการซื้อกรมธรรม์ประกันชีวิต
สูงกว่า
2. ความรู้เชิงอัตวิสัยเป็ นตัวแปรสื่อแบบสมบูรณ์
ระหว่างความรู้เชิงภววิสัยและความตั้งใจในการซื้อ โดย
การทาแบบสอบถามก่อนการตัดสินใจทาให้ความรู้
เชิงอัตวิสัยสามารถสื่อได้ชัดเจนยิ่งขึ้น
ประโยชน์ที่คาดว่าจะได้รับ
1. เพื่อให้บริษัทประกันชีวิตนาผลการศึกษาที่ได้ไปใช้
เพื่อเป็นข้อมูลประกอบการวางแผนและออกแบบ
ผลิตภัณฑ์เกี่ยวกับประกันชีวิตแบบสะสมทรัพย์ใหม่
2. เข้าใจกลไกในการคิด การตัดสินใจซื้อประกันชีวิต
ทาให้ตัวแทนขายประกันรู้วิธีที่จะสื่อสารทางการตลาด
กับลูกค้าได้ตรงจุด
วิธีดาเนินการวิจัย
กรอบแนวคิดการวิจัย
กรอบแนวคิดการวิจัย
กลุ่มตัวอย่าง 8 กลุ่ม กลุ่มละ 85 คน ดังรูป
โดยใช้รูปแบบ Factor Design รูปแบบ 2 x 2 x 2
กรณี Short
หนังสือชี้ชวนมีคาบรรยายในตัวแบบ
ประกันชีวิตแบบสะสมทรัพย์550 – 700 คา
กรณี Long
หนังสือชี้ชวนมีคาบรรยายในตัวแบบ
ประกันชีวิตแบบสะสมทรัพย์900 – 1100 คา
ตัวอย่างประโยคที่มีการใช้ศัพท์เทคนิค
ถ้าผู้เอาประกันภัยได้แถลงอายุไว้คลาดเคลื่อน
อันเป็นเหตุให้บริษัทกาหนดเบี้ยประกันภัยไว้ต่า
จานวนที่บริษัทจะพึงต้องจ่ายตามกรมธรรม์นี้ต้อง
ลดลงเท่าที่เบี้ยประกันภัยที่ได้มาจะซื้อคุ้มครองให้
แทนด้วย หากท่านแจ้งอายุขณะทาสัญญากับ
ทางบริษัทต่ากว่าความเป็ นจริง บริษัทจะจ่าย
ผลประโยชน์ให้ท่านลดลงจากเดิม
Measurement
ตัวแปรตาม
- ความรู้เชิงอัตวิสัย (SK) ให้ผู้ทาแบบสารวจประเมินความรู้
เกี่ยวกับตัวแบบประกันชีวิตโดยมีทั้งหมด 3 ข้อ และแบ่งระดับ
ความเข้าใจเป็น 5 ระดับ
ตัวอย่างคาถาม ท่านเข้าใจผลประโยชน์ของตัวแบบประกันชีวิต
ในระดับใด
- ความตั้งใจในการซื้อประกันชีวิต (WTP) จานวน 1 ข้อ ให้ผู้ตอบ
ประเมินระดับความตั้งใจในการลงทุน โดยแบ่งเป็น 5 ระดับ
Measurement
ตัวแปรต้น
ความรู้เชิงภววิสัย (OK) เป็นคะแนนจากการทาแบบทดสอบ
ทั้งหมด 12 ข้อ ซึ่งเป็นคาถามเกี่ยวกับตัวแบบประกันชีวิต เป็นการ
ทดสอบแบบเลือกตอบ (Multiple Choices) 4 ตัวเลือก แบบทดสอบมี
ความน่าเชื่อถือที่ค่า Cronbach's Alpha 0.570
ตัวอย่างคาถาม
-การทาสัญญาประกันภัยนั้น มีบุคคลเกี่ยวข้องอยู่ 3 ฝ่าย คือ
บุคคลใดบ้าง
-หากผู้เอาประกันภัยเสียชีวิตในระยะเวลาผ่อนผันจะเป็น
อย่างไร
ผลการวิจัย
ตารางที่ 1 เปรียบเทียบค่าเฉลี่ยและค่าเบี่ยงเบน
มาตรฐาน: ความรู้เชิงอัตวิสัย (SK)
Descriptive SK
Total
Jargon Data
Before After
Mean S.D. N Mean S.D. N Mean S.D. N
Jargon
Short 8.29 2.17 85 9.96 2.347 85 9.13 2.405 170
Long 7.11 2.116 85 9.20 1.844 85 8.15 2.24 170
Total 7.70 2.218 170 9.58 2.139 170 8.64 2.371 340
Jargon-Free
Short 8.74 2.842 85 10.20 2.098 85 9.47 2.595 170
Long 8.81 2.706 85 9.73 2.09 85 9.27 2.454 170
Total 8.78 2.767 170 9.96 2.101 170 9.37 2.524 340
Total 8.24 2.561 340 9.77 2.126 340 9.01 2.474 680
Free*Short*Test After
Jargon*Long*Test Before
ตารางที่ 2 ผลการวิเคราะห์ความแปรปรวน: ตัวแปร
ตามความรู้เชิงอัตวิสัย (SK)
Source F Sig. Partial Eta Squared
Jargon 17.122* 0.000 0.025
Long 11.135* 0.001 0.016
Before 75.856* 0.000 0.101
Jargon * Long 4.851* 0.028 0.007
Jargon * Before 3.876* 0.049 0.006
Long * Before 0.028 0.868 0.000
Jargon * Long * Before 1.872 0.172 0.003
Interaction plot Jargon VS Jargon-Free
* Short VS Long * Test OK Before VS After
7.11
8.29
8.81 8.74
7.0
7.5
8.0
8.5
9.0
9.5
10.0
10.5
Long Short
MeanSK
Test OK Before
Jargon
Jargon-Free
9.20
9.96
9.73
10.20
7.0
7.5
8.0
8.5
9.0
9.5
10.0
10.5
Long ShortMeanSK
Test OK After
Jargon
Jargon-Free
ตารางที่ 3 เปรียบเทียบค่าเฉลี่ยและค่าเบี่ยงเบน
มาตรฐาน: ความตั้งใจในการซื้อ(WTP)
Descriptive WTP
Total
Jargon Data
Before After
Mean S.D. N Mean S.D. N Mean S.D. N
Jargon
Short 2.79 0.846 85 2.99 0.866 85 2.89 0.860 170
Long 2.22 0.864 85 2.87 0.842 85 2.55 0.911 170
Total 2.51 0.899 170 2.93 0.854 170 2.72 0.900 340
Jargon-Free
Short 2.87 0.923 85 2.98 0.786 85 2.92 0.857 170
Long 2.61 0.965 85 2.87 0.737 85 2.74 0.866 170
Total 2.74 0.950 170 2.92 0.762 170 2.83 0.865 340
Total 2.62 0.931 340 2.93 0.808 340 2.78 0.854 680
Short*Test After
Jargon*Long*Test Before
ตารางที่ 4 ผลการวิเคราะห์ความแปรปรวน: ตัวแปร
ตามความตั้งใจในการซื้อ (WTP)
Source F Sig. Partial Eta Squared
Jargon 3.050 0.081 0.005
Long 15.884* 0.000 0.023
Before 21.275* 0.000 0.031
Jargon * Long 1.462 0.227 0.002
Jargon * Before 3.371 0.067 0.005
Long * Before 5.216* 0.023 0.008
Jargon * Long * Before 1.253 0.263 0.002
Interaction plot Test OK Before VS After
* Short VS Long
2.42
2.87
2.83
2.98
2.4
2.6
2.8
3.0
Before After
MeanWTP
BeforeVS After * ShortVS Long
Long
Short
ตารางที่ 5 เปรียบเทียบค่าเฉลี่ยและค่าเบี่ยงเบน
มาตรฐาน: ความรู้เชิงภววิสัย (OK)
Descriptive OK
Total
Jargon Data
Before After
Mean S.D. N Mean S.D. N Mean S.D. N
Jargon
Short 4.85 2.003 85 4.98 1.902 85 4.91 1.949 170
Long 4.48 2.062 85 4.59 1.821 85 4.54 1.940 170
Total 4.66 2.035 170 4.78 1.867 170 4.72 1.951 340
Jargon-Free
Short 5.05 1.864 85 4.98 1.725 85 5.01 1.791 170
Long 4.78 1.996 85 4.79 1.839 85 4.78 1.914 170
Total 4.91 1.930 170 4.88 1.780 170 4.90 1.854 340
Total 4.79 1.984 340 4.83 1.822 340 4.81 1.904 680
การศึกษาตัวแปรส่งผ่าน
ตารางที่ 6 ค่าสัมประสิทธ์สหสัมพันธ์ของ ความรู้เชิงภววิสัย
ความรู้เชิงอัตวิสัย และความตั้งใจในการซื้อ
Form N Cronbach's Alpha Correlations
OK SK OK,SK OK,WTP SK,WTP
All 680 0.570 0.902 0.394** 0.258** 0.508**
Jargon 340 0.592 0.874 0.310** 0.216** 0.541**
Jargon-Free 340 0.546 0.923 0.473** 0.300** 0.471**
Long 340 0.577 0.897 0.423** 0.205** 0.557**
Short 340 0.558 0.905 0.354** 0.298** 0.442**
Before 340 0.611 0.906 0.570** 0.321** 0.536**
After 340 0.521 0.870 0.203** 0.184** 0.415**
* มีระดับนัยสาคัญ 0.05 ** มีระดับนัยสาคัญ 0.01
ตารางที่ 7 ค่าอิทธิพลทางตรง และทางอ้อมของ
ความรู้เชิงภววิสัย (OK) ที่มีต่อ ความตั้งใจการซื้อ (WTP)
* มีระดับนัยสาคัญ 0.05 ** มีระดับนัยสาคัญ 0.01
Form N
Total
Effect
Direct
Effect
Indirect
Effect
a b c' Type
All 680 0.1198 0.0320 0.0878 0.5116** 0.1717** 0.0320 Full
Jargon 340 0.0996 0.0245 0.0751 0.3770** 0.1992** 0.0245 Full
Jargon-Free 340 0.1400 0.0465 0.0935 0.6444** 0.1450** 0.0465 Full
Long 340 0.0950 -0.0172 0.1122 0.5296** 0.2118** -0.0172 Full
Short 340 0.1366 0.0742 0.0624 0.4735** 0.1317** 0.0742** Partial
Before 340 0.1505 0.0107 0.1398 0.7351** 0.1902** 0.0107 Full
After 340 0.0816 0.0462 0.0354 0.2364** 0.1495** 0.0462* Partial
สรุปผลการวิจัย
1. ในการออกแบบตัวแบบประกันชีวิตนั้น ควรมี
ข้อมูลที่สั้นซึ่งจะทาให้ผู้อ่านเข้าใจเนื้อหาได้ดีกว่า มีการใช้
ศัพท์เทคนิคให้น้อยแทนด้วยคาพื้นฐานง่ายๆ เพื่อที่ผู้ซื้ออ่าน
ได้เข้าใจมากขึ้น การทาแบบทดสอบแม้ว่าจะทาให้ความรู้
เชิงอัตวิสัยและความตั้งใจซื้อต่าลง แต่ก็ทาให้เกิดความตรง
ในการตัดสินใจซื้อมากขึ้น ผู้ซื้อซื้อเพราะเข้าใจในตัวเนื้อหา
และสาระสาคัญเป็นอย่างดี ลดความเข้าใจผิดในสัญญา
กรมธรรม์ประกันชีวิต อันก่อให้เกิดกรณีพิพาทในภายหลัง
ได้
2. ความรู้เชิงภววิสัยในตัวผลิตภัณฑ์ที่แต่ละคนมี ทา
ให้เกิดการประเมินความรู้ความความเข้าใจหรือที่เรียกว่า
ความรู้เชิงอัตวิสัย ซึ่งความมั่นใจและความรู้สึกว่ารู้เป็นตัว
ขับเคลื่อนให้เกิดความตั้งใจในการซื้อ
OK SK WTP
กลไกการตัดสินใจ
ข้อเสนอแนะ
1.ผลจากการวิจัยบริษัทประกันชีวิตสามารถนาไปใช้
ประโยชน์ได้ ในมุมมองของฝ่ ายพัฒนาผลิตภัณฑ์ คือ
ออกแบบผลิตภัณฑ์ที่ใช้เนื้อหาที่ไม่ยาวจนเกินไป อาจมีการ
ใช้ศัพท์เทคนิคได้บ้างหากสามารถอธิบายเนื้อหาได้ดีกว่า
สาหรับตัวแทนขายควรวางแผนการขายโดยทาให้ผู้
ซื้อมีระดับความรู้เชิงภววิสัยและความรู้เชิงอัตวิสัยสัมพันธ์
ไปในทางเดียวกัน นั่นก็คือให้ความรู้เกี่ยวกับตัวแบบประกัน
ชีวิตเพื่อให้ความรู้เชิงประจักษ์ของผู้ซื้อเพิ่มขึ้นและสัมพันธ์
กับความรู้เชิงอัตวิสัยในตัวบุคคลซึ่งมักจะสูงกว่าอยู่แล้ว ซึ่ง
จะทาให้เกิดปัญหาหลังการขายน้อยลง
2. หน่วยงานด้านการคุ้มครองผู้บริโภค เน้นการ
ป้องกันปัญหา โดยเสริมภูมิคุ้มกันทางปัญญาให้คนไทย
มากกว่าการแก้ปัญหาปลายเหตุ โดยเฉพาะอย่างยิ่งการให้
ความรู้กับคนไทยให้อ่านสัญญาต่างๆ อย่างละเอียดลออก่อน
ลงนามลงไป และให้คนไทยมีความคิดวิจารณญาณก่อนจะ
ตัดสินใจซื้อสินค้าที่มีความสาคัญในชีวิต
3. การแก้ไขภาษากฎหมายในกรมธรรม์สัญญาทา
ได้ยาก เพราะมีกรอบทางกฎหมายบังคับไว้และนิติกร
ของคปภ เป็นผู้สอบทานก่อนเสมอ แต่คปภควรบังคับให้ทุก
กรมธรรม์มีใบสรุปสาระสาคัญ/ใบนาเสนอขาย ที่สั้น
กระชับ ไม่มีศัพท์เทคนิค และตรวจทานแล้วโดยคปภ โดยมี
เนื้อหาเท่าเทียมหรือเสมอกับกรมธรรม์สัญญา และบังคับให้
บริษัทประกันทุกแห่งต้องทาเช่นนี้ เพื่อสื่อสารกับผู้เอา
ประกันหรือผู้สนใจซื้อกรมธรรม์ประกันภัย เพื่อให้เกิดความ
เข้าใจที่ถูกต้อง ต้องตรงกัน ตามที่ได้พบในงานวิจัยชิ้นนี้
Q & A

More Related Content

Viewers also liked

สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...BAINIDA
 
นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...
นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...
นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...BAINIDA
 
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...BAINIDA
 
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...BAINIDA
 
"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร ...
"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร  ..."Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร  ...
"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร ...BAINIDA
 
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...BAINIDA
 
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิลText Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิลBAINIDA
 

Viewers also liked (8)

สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
 
นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...
นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...
นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...
 
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
 
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
 
"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร ...
"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร  ..."Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร  ...
"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร ...
 
Smart farm concept ait
Smart farm concept aitSmart farm concept ait
Smart farm concept ait
 
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
 
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิลText Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
 

Similar to ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่านด้วย Bootstrapping โดย ตรัยคุณ โชประการ บุญชัย สุนทรวุฒิไกร อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์

1. กองทุนเปิดกรุงศรีทุนทวี 3 (kftw3)
1. กองทุนเปิดกรุงศรีทุนทวี 3 (kftw3)1. กองทุนเปิดกรุงศรีทุนทวี 3 (kftw3)
1. กองทุนเปิดกรุงศรีทุนทวี 3 (kftw3)Puff Pie
 
Presentation 2012-11-13 การพัฒนาประสิทธิภาพด้านโลจิสติกส์ด้วยตัวชี้วัด
Presentation 2012-11-13 การพัฒนาประสิทธิภาพด้านโลจิสติกส์ด้วยตัวชี้วัดPresentation 2012-11-13 การพัฒนาประสิทธิภาพด้านโลจิสติกส์ด้วยตัวชี้วัด
Presentation 2012-11-13 การพัฒนาประสิทธิภาพด้านโลจิสติกส์ด้วยตัวชี้วัดNopporn Thepsithar
 
Hrm Thaimart Final
Hrm Thaimart FinalHrm Thaimart Final
Hrm Thaimart FinalNaresuan
 

Similar to ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่านด้วย Bootstrapping โดย ตรัยคุณ โชประการ บุญชัย สุนทรวุฒิไกร อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์ (8)

D T A C
D T A CD T A C
D T A C
 
1. กองทุนเปิดกรุงศรีทุนทวี 3 (kftw3)
1. กองทุนเปิดกรุงศรีทุนทวี 3 (kftw3)1. กองทุนเปิดกรุงศรีทุนทวี 3 (kftw3)
1. กองทุนเปิดกรุงศรีทุนทวี 3 (kftw3)
 
Test case prioritization
Test case prioritizationTest case prioritization
Test case prioritization
 
BDS_MAG_2
BDS_MAG_2BDS_MAG_2
BDS_MAG_2
 
Presentation 2012-11-13 การพัฒนาประสิทธิภาพด้านโลจิสติกส์ด้วยตัวชี้วัด
Presentation 2012-11-13 การพัฒนาประสิทธิภาพด้านโลจิสติกส์ด้วยตัวชี้วัดPresentation 2012-11-13 การพัฒนาประสิทธิภาพด้านโลจิสติกส์ด้วยตัวชี้วัด
Presentation 2012-11-13 การพัฒนาประสิทธิภาพด้านโลจิสติกส์ด้วยตัวชี้วัด
 
BDS_NEWS_ISSUE1
BDS_NEWS_ISSUE1BDS_NEWS_ISSUE1
BDS_NEWS_ISSUE1
 
Hrm Thaimart Final
Hrm Thaimart FinalHrm Thaimart Final
Hrm Thaimart Final
 
Data
DataData
Data
 

More from BAINIDA

Mixed methods in social and behavioral sciences
Mixed methods in social and behavioral sciencesMixed methods in social and behavioral sciences
Mixed methods in social and behavioral sciencesBAINIDA
 
Advanced quantitative research methods in political science and pa
Advanced quantitative  research methods in political science and paAdvanced quantitative  research methods in political science and pa
Advanced quantitative research methods in political science and paBAINIDA
 
Latest thailand election2019report
Latest thailand election2019reportLatest thailand election2019report
Latest thailand election2019reportBAINIDA
 
Data science in medicine
Data science in medicineData science in medicine
Data science in medicineBAINIDA
 
Nursing data science
Nursing data scienceNursing data science
Nursing data scienceBAINIDA
 
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...BAINIDA
 
Statistics and big data for justice and fairness
Statistics and big data for justice and fairnessStatistics and big data for justice and fairness
Statistics and big data for justice and fairnessBAINIDA
 
Data science and big data for business and industrial application
Data science and big data  for business and industrial applicationData science and big data  for business and industrial application
Data science and big data for business and industrial applicationBAINIDA
 
Update trend: Free digital marketing metrics for start-up
Update trend: Free digital marketing metrics for start-upUpdate trend: Free digital marketing metrics for start-up
Update trend: Free digital marketing metrics for start-upBAINIDA
 
Advent of ds and stat adjustment
Advent of ds and stat adjustmentAdvent of ds and stat adjustment
Advent of ds and stat adjustmentBAINIDA
 
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร BAINIDA
 
Data visualization. map
Data visualization. map Data visualization. map
Data visualization. map BAINIDA
 
Dark data by Worapol Alex Pongpech
Dark data by Worapol Alex PongpechDark data by Worapol Alex Pongpech
Dark data by Worapol Alex PongpechBAINIDA
 
Deepcut Thai word Segmentation @ NIDA
Deepcut Thai word Segmentation @ NIDADeepcut Thai word Segmentation @ NIDA
Deepcut Thai word Segmentation @ NIDABAINIDA
 
Professionals and wanna be in Business Analytics and Data Science
Professionals and wanna be in Business Analytics and Data ScienceProfessionals and wanna be in Business Analytics and Data Science
Professionals and wanna be in Business Analytics and Data ScienceBAINIDA
 
Deep learning and image analytics using Python by Dr Sanparit
Deep learning and image analytics using Python by Dr SanparitDeep learning and image analytics using Python by Dr Sanparit
Deep learning and image analytics using Python by Dr SanparitBAINIDA
 
Visualizing for impact final
Visualizing for impact finalVisualizing for impact final
Visualizing for impact finalBAINIDA
 
Python programming workshop
Python programming workshopPython programming workshop
Python programming workshopBAINIDA
 
Second prize business plan @ the First NIDA business analytics and data scien...
Second prize business plan @ the First NIDA business analytics and data scien...Second prize business plan @ the First NIDA business analytics and data scien...
Second prize business plan @ the First NIDA business analytics and data scien...BAINIDA
 
Second prize data analysis @ the First NIDA business analytics and data scie...
Second prize data analysis @ the First NIDA  business analytics and data scie...Second prize data analysis @ the First NIDA  business analytics and data scie...
Second prize data analysis @ the First NIDA business analytics and data scie...BAINIDA
 

More from BAINIDA (20)

Mixed methods in social and behavioral sciences
Mixed methods in social and behavioral sciencesMixed methods in social and behavioral sciences
Mixed methods in social and behavioral sciences
 
Advanced quantitative research methods in political science and pa
Advanced quantitative  research methods in political science and paAdvanced quantitative  research methods in political science and pa
Advanced quantitative research methods in political science and pa
 
Latest thailand election2019report
Latest thailand election2019reportLatest thailand election2019report
Latest thailand election2019report
 
Data science in medicine
Data science in medicineData science in medicine
Data science in medicine
 
Nursing data science
Nursing data scienceNursing data science
Nursing data science
 
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
 
Statistics and big data for justice and fairness
Statistics and big data for justice and fairnessStatistics and big data for justice and fairness
Statistics and big data for justice and fairness
 
Data science and big data for business and industrial application
Data science and big data  for business and industrial applicationData science and big data  for business and industrial application
Data science and big data for business and industrial application
 
Update trend: Free digital marketing metrics for start-up
Update trend: Free digital marketing metrics for start-upUpdate trend: Free digital marketing metrics for start-up
Update trend: Free digital marketing metrics for start-up
 
Advent of ds and stat adjustment
Advent of ds and stat adjustmentAdvent of ds and stat adjustment
Advent of ds and stat adjustment
 
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
 
Data visualization. map
Data visualization. map Data visualization. map
Data visualization. map
 
Dark data by Worapol Alex Pongpech
Dark data by Worapol Alex PongpechDark data by Worapol Alex Pongpech
Dark data by Worapol Alex Pongpech
 
Deepcut Thai word Segmentation @ NIDA
Deepcut Thai word Segmentation @ NIDADeepcut Thai word Segmentation @ NIDA
Deepcut Thai word Segmentation @ NIDA
 
Professionals and wanna be in Business Analytics and Data Science
Professionals and wanna be in Business Analytics and Data ScienceProfessionals and wanna be in Business Analytics and Data Science
Professionals and wanna be in Business Analytics and Data Science
 
Deep learning and image analytics using Python by Dr Sanparit
Deep learning and image analytics using Python by Dr SanparitDeep learning and image analytics using Python by Dr Sanparit
Deep learning and image analytics using Python by Dr Sanparit
 
Visualizing for impact final
Visualizing for impact finalVisualizing for impact final
Visualizing for impact final
 
Python programming workshop
Python programming workshopPython programming workshop
Python programming workshop
 
Second prize business plan @ the First NIDA business analytics and data scien...
Second prize business plan @ the First NIDA business analytics and data scien...Second prize business plan @ the First NIDA business analytics and data scien...
Second prize business plan @ the First NIDA business analytics and data scien...
 
Second prize data analysis @ the First NIDA business analytics and data scie...
Second prize data analysis @ the First NIDA  business analytics and data scie...Second prize data analysis @ the First NIDA  business analytics and data scie...
Second prize data analysis @ the First NIDA business analytics and data scie...
 

ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่านด้วย Bootstrapping โดย ตรัยคุณ โชประการ บุญชัย สุนทรวุฒิไกร อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์