CN108830734A - 续保预测方法、装置、计算机设备及存储介质 - Google Patents
续保预测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN108830734A CN108830734A CN201810711026.5A CN201810711026A CN108830734A CN 108830734 A CN108830734 A CN 108830734A CN 201810711026 A CN201810711026 A CN 201810711026A CN 108830734 A CN108830734 A CN 108830734A
- Authority
- CN
- China
- Prior art keywords
- insurance
- continuation
- declaration form
- information
- insurer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种续保预测方法、装置、计算机设备及存储介质,通过获取保单投保人的续保信息,来计算续保因子,将续保因子输入到预先训练好的续保流失预警模型中,以获取续保流失预警模型的输出作为保单投保人的续保预测结果。本发明可以通过续保流失预警模型来自动快速的预测出保单投保人在保单到期时是否会进行续保,从而可以为后续保单投保人的续保策略提供指导。
Description
技术领域
本发明涉及保险技术领域,尤其涉及一种续保预测方法、装置、计算机设备及存储介质。
背景技术
随着保险业务的普及,越来越多的个人或公司选择购买保险产品,以给未来的不确定性提供更多的保障。对于保险公司来说,在保用户在购买的保险产品到期后,会期望在保用户进行续保,即使在保用户有不续保的意愿,保险公司也希望通过对该用户进行个性化定制以使其能够续保。然而,到目前为止,尚未有有效方法来预测在保用户是否会进行续保。
发明内容
本发明的目的是提供一种续保预测方法、装置、计算机设备及存储介质,用于解决现有技术存在的问题。
为实现上述目的,本发明提供一种续保预测方法,包括以下步骤:
获取保单投保人的续保信息;
根据所述续保信息,计算续保因子;
将所述续保因子输入到预先训练好的续保流失预警模型中;
获取所述续保流失预警模型的输出作为所述保单投保人的续保预测结果。
进一步地,所述获取保单投保人的续保信息,包括:
确定所述保单投保人的用户识别码;
在信息库中查找与所述用户识别码相对应的在保信息;
在所述在保信息中筛选出与续保贡献度最高的信息确定为所述续保信息。
进一步地,所述用户识别码为身份证号码、医保号码、护照号码、手机号码和姓名中的至少一种。
进一步地,所述续保信息包括以下信息的至少一种:保单投保人的人口信息、保单被保险人与保单投保人的关系信息、保单投保人在保单所属公司持续保障年限信息、保单投保人在保单所属公司购买的保险产品总数信息。
进一步地,在所述续保信息包括:保单投保人的人口信息、保单被保险人与保单投保人的关系信息、保单投保人在保单所属公司持续保障年限信息、以及保单投保人在保单所属公司购买的保险产品总数信息时,所述根据所述续保信息,计算续保因子,包括:
确定与所述续保信息中保单投保人的人口信息对应的第一数值;
确定与所述续保信息中保单被保险人与保单投保人的关系信息对应的第二数值;
确定与所述续保信息中保单投保人在保单所属公司持续保障年限信息对应的第三数值;
确定与所述续保信息中保单投保人在保单所属公司购买的保险产品总数信息对应的第四数值;
对所述第一数值、所述第二数值、所述第三数值和所述第四数值进行处理,得到续保因子。
进一步地,所述续保流失预警模型由以下步骤训练得到:获取作为样本的保单投保人的续保信息;根据所述样本的保单投保人的续保信息计算样本因子;将所述样本因子输入到所述续保流失预警模型中,得到所述续保流失预警模型的输出;将输出作为目标,调整所述续保流失预警模型的参数,以最小化得到输出与续保预测结果之间的误差,在误差满足预设条件时,则确定当前的续保流失预警模型为训练好的续保流失预警模型。
进一步地,所述获取所述续保流失预警模型的输出作为所述保单投保人的续保预测结果,包括:利用Logit函数将所述续保流失预警模型的输出转化为0-1之间的概率值,将转化的概率值作为续保预测结果。
为实现上述目的,本发明还提供一种续保预测装置,包括:
续保信息获取模块,用于获取保单投保人的续保信息;
续保因子计算模块,用于根据所述续保信息,计算续保因子;
输入模块,用于将所述续保因子输入到预先训练好的续保流失预警模型中;
续保预测结果获取模块,用于获取所述续保流失预警模型的输出作为所述保单投保人的续保预测结果。
为实现上述目的,本发明还提供一种计算机设备,计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
为实现上述目的,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本发明提供的续保预测方法、装置、计算机设备及存储介质,通过获取保单投保人的续保信息,来计算续保因子,将续保因子输入到预先训练好的续保流失预警模型中,以获取续保流失预警模型的输出作为保单投保人的续保预测结果。本发明可以通过续保流失预警模型来自动快速的预测出保单投保人在保单到期时是否会进行续保,从而可以为后续保单投保人的续保策略提供指导。
附图说明
图1为本发明续保预测方法实施例一的流程图;
图2为本发明续保预测装置实施例一的程序模块示意图;
图3为本发明续保预测装置实施例一的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的续保预测方法、装置、计算机设备及存储介质,适用于保险技术领域,是一种对在保的保单投保人保单到期后是否会续保进行预测的方法。本发明通过获取保单投保人的续保信息,来计算续保因子,将续保因子输入到预先训练好的续保流失预警模型中,以获取续保流失预警模型的输出作为保单投保人的续保预测结果。本发明可以通过续保流失预警模型来自动快速的预测出保单投保人在保单到期时是否会进行续保,从而可以为后续保单投保人的续保策略提供指导。
实施例一
请参阅图1,本实施例的一种续保预测方法中,包括以下步骤:
步骤01,获取保单投保人的续保信息。
在保险公司内部,与保单投保人针对某一种保险产品签订有保单,为了预测该保单的保单投保人在该保单到期时是否会进行续保,需要获取到保单投保人的续保信息。
在本实施例中,可以通过签订的该保单上记载的信息来获取保单投保人的续保信息,也可以通过问卷调查、电话访问的方式来直接获取保单投保人的续保信息。
优选地,保单投保人可能在该保险公司内购买过多种保险产品,或者,在签订保单时,已经获取过该保单投保人的续保信息,且这些续保信息存储在保险公司的信息库中,因此,获取保单投保人的续保信息的方式可以包括下列一种方式:
步骤011,确定所述保单投保人的用户识别码。
其中,保单投保人的用户识别码可以为身份证号码、医保号码、护照号码、手机号码和姓名中的至少一种。
在信息库中查找时,可能使用上述一种用户识别码,也可以使用上述两种以上用户识别码的组合。例如,在使用的用户识别码为“姓名”时,可能存在同名同姓的情况,为保证最终获取到的续保信息的准确性,可以使用唯一识别码,例如,身份证号码、护照号码等,也可以使用多种用户识别码的组合,例如,身份证号码+姓名。
步骤012,在信息库中查找与所述用户识别码相对应的在保信息。
查找到的在保信息可以是信息库中与该用户识别码对应的关于该保单投保人的所有信息。
其中,在保信息是指保单投保人与该保险公司签订的保单内的详细信息,例如,保单投保人信息、保单被保险人信息、保单类型、保单内容等。
需要说明的是,保单投保人在进行投保时,可能使用的是护照号码,并没有使用身份证号码、医保号码,那么在信息库中进行实际查找时,可能使用保单投保人的身份证号码查找时,无法查找到信息库中该保单投保人的在保信息,因此,可能需要多次输入不同的用户识别码来查找相应的在保信息。
步骤013,在所述在保信息中筛选出与续保贡献度最高的信息确定为所述续保信息。
在后续过程中预测保单投保人是否会续保时,并不是所有信息都参与到预测中去,不同的信息对续保预测的贡献度不同,例如,保单投保人的性别、年龄等可能对续保预测的贡献度较低,而保单投保人的工作性质、薪资状况等可能对续保预测的贡献度较高,因此,需要在查找到的在保信息中筛选出于续保贡献度最高的信息确定为续保信息。
不同信息对应的续保贡献度,可以通过技术人员对不同信息分值的设定来确定,也可以通过训练好的续保流失预警模型来确定。
其中,以通过技术人员对不同信息分值的设定来确定为例,对在保信息中的各个信息分别设置0-100之间的分值,分值越高表明该信息的续保贡献度越高,分值越低表明该信息的续保共享度越低。将各个信息按照分值从大到小的顺序排序,可以根据续保信息所需选择的设定个数在各个信息中进行选择。
例如,需要获取保单投保人的续保信息的设定个数为10个,那么在各个在保信息中,按照从大到小的排列顺序,选择排序最前的10个在保信息,将其确定为续保信息。
在本实施例中,获取到的保单投保人的续保信息可以包括但不限于以下信息的至少一种:保单投保人的人口信息、保单被保险人与保单投保人的关系信息、保单投保人在保单所属公司持续保障年限信息、保单投保人在保单所属公司购买的保险产品总数信息。
进一步地,续保信息还可以包括保单投保人在保单所属公司购买的其他保险产品的险种类型,保单投保人购买的其他保险产品的保额范围等等。
例如,获取到该保单投保人的续保信息为:保单投保人的人口信息为3人,保单被保险人与保单投保人的关系信息为父子关系,保单投保人在保单所属公司持续保障年限信息为5年,保单投保人在保单所属公司购买的保险产品总数信息为3个。
步骤02,根据所述续保信息,计算续保因子。
其中,续保因子为针对续保信息计算得来的数值,以能够将其作为续保流失预警模型的输入,进行续保预测。
在本实施例中,当续保信息为保单投保人的人口信息、保单被保险人与保单投保人的关系信息、保单投保人在保单所属公司持续保障年限信息、以及保单投保人在保单所属公司购买的保险产品总数信息时,至少可以通过如下一种方式计算续保因子:
步骤021,确定与所述续保信息中保单投保人的人口信息对应的第一数值。
其中,续保信息中保单投保人的人口信息为保单投保人的户口本上登记的总人口数和/或户口本上登记的家庭成员的信息,其对应的第一数值由保险公司来设置。总人口数与第一数值的对应关系若绘制出图形来则为一条抛物线,即总人口数为1时,第一数值较小,总人口数为一个中间值时,例如该中间值为4时,对应的第一数值最大,接下来总人口数越大,对应的第一数值越小。
进一步地,家庭成员的最高学历越高,对应的第一数值越大,其中,家庭成员的最高学历可以为小学毕业、初中毕业、高中毕业、大学毕业、研究生毕业等等。其学历越高,表明受教育程度越高,那么其续保的可能性越大,因此,对应的第一数值越大。
在本实施例中,可以对总人口数与家庭成员的最高学历进行处理,以得出合适的第一数值。例如,利用总人口数可以获取到总人口数对应的第一数值a,利用家庭成员的最高学历可以获取到最高学历对应的第一数值b,可以利用下式对第一数值a和第二数值b进行处理,得到合适的第一数值:第一数值=(k1*a+k2*b)/2。其中,k1、k2、a、b均为不小0的自然数。
步骤022,确定与所述续保信息中保单被保险人与保单投保人的关系信息对应的第二数值。
其中,续保信息中保单被保险人与保单投保人的关系信息可以包括:保单被保险人是保单投保人的伴侣;被保险人是保单投保人的父母、岳父母;被保险人是保单投保人的子女;被保险人是保单投保人的旁系亲属;被保险人是保单投保人的朋友等。
在确定第二数值时,可以根据被保险人与保单投保人的关系越亲近,对应的第二数值越高。例如,伴侣对应的第二数值高于子女对应的第二数值,子女对应的第二数值高于父母、岳父母对应的第二数值,父母、岳父母对应的第二数值高于旁系亲属对应的第二数值,旁系亲属对应的第二数值高于朋友对应的第二数值。
步骤023,确定与所述续保信息中保单投保人在保单所属公司持续保障年限信息对应的第三数值。
其中,续保信息中保单投保人在保单所属公司持续保障年限信息,可以包括:保单投保人针对该保单进行的持续保障年限,和/或,保单投保人在该保单所属公司购买其他保险产品进行保障的持续年限。
在本实施例中,保险公司可以针对持续保障年限信息预先设置不同的第三数值,持续保障年限越长,对应的第三数值越大;或者,预先设定若干个不同的持续保障年限范围,不同的持续保障年限范围对应不同的第三数值,在确定出续保信息中保单投保人在保单所属公司持续保障年限之后,先确定其位于的持续保障年限范围,在确定对应的第三数值。
例如,持续保障年限范围为0-3,对应第三数值a,持续保障年限范围3-5,对应第三数值b,持续保障年限范围5-8,对应第三数值c,持续保障年限范围8-10,对应第四数值d,持续保障年限范围为10年以上,对应第五数值e。
步骤024,确定与所述续保信息中保单投保人在保单所属公司购买的保险产品总数信息对应的第四数值。
在本实施例中,保险公司可以针保险产品总数预先设置不同的第四数值,其中,保险产品总数与第四数值的对应关系若绘制图形时呈现抛物线图形,在保险产品总数为0时,对应的第四数值较小,保险产品总数达到一个中间值时,例如该中间值为5,对应的第四数值最大,接下来,保险产品总数越大,对应的第四数值越小;或者,预先设定若干个不同的保险产品总数范围,不同的保险产品总数范围对应不同的第四数值,在确定续保信息中保单投保人在保单所属公司购买的保险产品总数之后,先确定其位于的保险产品总数范围,在确定对应的第四数值。
例如,保险产品总数为0-3,对应第四数值a,保险产品总数为3-5,对应第四数值b,保险产品总数为6-8对应第四数值c,保险产品总数为8-10对应第四数值d,保险产品总数为10个以上对应第四数值e。
需要说明的是,上述步骤021-024之间不限定其先后顺序,例如,步骤022可以在步骤021、步骤203-024中任一个步骤之前进行,也可以在步骤021、步骤203-024中任一个步骤之后进行,甚至可以与步骤021、步骤203-024中任一个步骤同时执行。
步骤025,对所述第一数值、所述第二数值、所述第三数值和所述第四数值进行处理,得到续保因子。
在本实施例中,对第一数值、第二数值、第三数值、第四数值的处理方式,可以是采用设定的规则或者处理公式,对该四个数值进行处理,得到一个续保因子,也可以是采用设定的相同或不同的φ值分别对第一数值、第二数值、第三数值、第四数值进行处理,以得到四个续保因子。
例如,可以采用如下几个公式计算四个续保因子:
x1=φ1*a1; (1)
x2=φ2*a2; (2)
x3=φ3*a3; (3)
x4=φ4*a4; (4)
其中,a1用于表征第一数值,a2用于表征第二数值,a3用于表征第三数值,a4用于表征第四数值,x1用于表征第一数值对应的续保因子,x2用于表征第二数值对应的续保因子,x3用于表征第三数值对应的续保因子,x4用于表征第四数值对应的续保因子,φ1、φ2、φ3、φ4分别用于表征处理因子,且为不小于0的自然数。
步骤03,将所述续保因子输入到预先训练好的续保流失预警模型中。
在计算得到续保因子之后,可以将续保因子输入到预先训练好的续保流失预警模型中进行续保预测。
进一步地,该续保流失预警模型需要进行深度学习训练才可以得到,例如,采用GBM(Gradient Boosting Machine,数据挖掘)算法进行学习训练,具体的,该续保流失预警模型可以由以下步骤训练得到:
步骤031,获取作为样本的保单投保人的续保信息。
作为样本的续保信息可以是正样本和/或负样本,一般来说,对续保流失预警模型进行训练时,可以采用大量预先标记好的样本进行训练。而后续正样本和负样本可以用于对训练好的续保流失预警模型进行验证和修正。
步骤032,根据所述样本的保单投保人的续保信息计算样本因子。
对于样本的保单投保人的续保信息,可以先计算出样本因子,其中,样本因子的计算方法与上述步骤02类似,具体可以参考步骤02的续保因子的具体计算过程,此处不再赘述。
步骤033,将所述样本因子输入到所述续保流失预警模型中,得到所述续保流失预警模型的输出。
该续保流失预警模型的输出与作为样本的样本因子的输入相对应。一般来说,在续保流失预警模型的训练过程中,该续保流失预警模型的输出与作为样本的保单投保人的实际续保结果存在或多或少的误差。
步骤034,将输出作为目标,调整所述续保流失预警模型的参数,以最小化得到输出与续保预测结果之间的误差,在误差满足预设条件时,则确定当前的续保流失预警模型为训练好的续保流失预警模型。
在本实施例中,可以通过不断调整续保流失预警模型的参数,使得输出与实际续保结果的误差最小化,对续保流失预警模型逐层进行监督学习和训练。可以理解的是,该续保流失预警模型包括N个参数,其中,N≥1,N的具体数值可以根据实际情况设定。在对续保流失预警模型进行训练时,可以通过调整这N个参数,实现对当前续保流失预警模型的输出的值进行调整,在调整的过程中对比其与实际续保结果之间的误差,尽可能使得误差最小。误差越小,则表示当前续保流失预警模型训练效果越好,反之,则训练效果越差。
对于上述步骤031-034,使用大量的样本对续保流失预警模型进行训练,训练后,当该误差满足预设条件时,则可以认为当前的续保流失预警模型已经完成训练。该预设条件可以是,采用M个样本进行训练,其中,K个样本对应的输出与实际续保结果之间的误差小于10%,并且K/M不小于50%,则认为误差满足预设条件。
步骤04,获取所述续保流失预警模型的输出作为所述保单投保人的续保预测结果。
在本实施例中,续保流失预警模型的输出端输出的数值即为保单投保人的续保预测结果。其中,输出值为负无穷至正无穷之间的数值,数值越大,表明会续保的可能性越大。
由于输出值是负无穷至正无穷之间的数值,为了能够快速确定保单投保人在产品到期后会续保的概率,在本发明一个实施例中,需要对输出进行一个处理,具体的,所述获取所述续保流失预警模型的输出作为所述保单投保人的续保预测结果,包括:利用Logit函数将所述续保流失预警模型的输出转化为0-1之间的概率值,将转化的概率值作为续保预测结果。
其中,概率值越大表明保单投保人续保的概率越大。例如,在概率值大于等于0.6时,则表明该保单投保人在保单到期后会续保,否则,表明该保单投保人在保单到期后不会续保。
进一步地,还可以利用续保预测结果进一步对续保流失预警模型进行修正,其中,修正方式与步骤034的方式相同,在此不作赘述。
本发明上述实施例,通过获取保单投保人的续保信息,来计算续保因子,将续保因子输入到预先训练好的续保流失预警模型中,以获取续保流失预警模型的输出作为保单投保人的续保预测结果。本发明可以通过续保流失预警模型来自动快速的预测出保单投保人在保单到期时是否会进行续保,从而可以为后续保单投保人的续保策略提供指导。
请继续参阅图2,示出了一种续保预测装置,在本实施例中,续保预测装置10可以包括或被分割成一个或多个程序模块,一个或者多个程序模块被存储于存储介质中,并由一个或多个处理器所执行,以完成本发明,并可实现上述续保预测方法。本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序本身更适合于描述续保预测装置10在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能:
续保信息获取模块11,用于获取保单投保人的续保信息;
续保因子计算模块12,用于根据所述续保信息,计算续保因子;
输入模块13,用于将所述续保因子输入到预先训练好的续保流失预警模型中;
续保预测结果获取模块14,用于获取所述续保流失预警模型的输出作为所述保单投保人的续保预测结果。
本实施例还提供一种计算机设备,如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。本实施例的计算机设备20至少包括但不限于:可通过***总线相互通信连接的存储器21、处理器22,如图3所示。需要指出的是,图3仅示出了具有组件21-22的计算机设备20,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
本实施例中,存储器21(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器21可以是计算机设备20的内部存储单元,例如该计算机设备20的硬盘或内存。在另一些实施例中,存储器21也可以是计算机设备20的外部存储设备,例如该计算机设备20上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,存储器21还可以既包括计算机设备20的内部存储单元也包括其外部存储设备。本实施例中,存储器21通常用于存储安装于计算机设备20的操作***和各类应用软件,例如实施例一的续保预测装置10的程序代码等。此外,存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备20的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如运行续保预测装置10,以实现实施例一的续保预测方法。
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储续保预测装置10,被处理器执行时实现实施例一的续保预测方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种续保预测方法,其特征在于,包括以下步骤:
获取保单投保人的续保信息;
根据所述续保信息,计算续保因子;
将所述续保因子输入到预先训练好的续保流失预警模型中;
获取所述续保流失预警模型的输出作为所述保单投保人的续保预测结果。
2.根据权利要求1所述的续保预测方法,其特征在于,所述获取保单投保人的续保信息,包括:
确定所述保单投保人的用户识别码;
在信息库中查找与所述用户识别码相对应的在保信息;
在所述在保信息中筛选出与续保贡献度最高的信息确定为所述续保信息。
3.根据权利要求2所述的续保预测方法,其特征在于,所述用户识别码为身份证号码、医保号码、护照号码、手机号码和姓名中的至少一种。
4.根据权利要求1所述的续保预测方法,其特征在于,所述续保信息包括以下信息的至少一种:保单投保人的人口信息、保单被保险人与保单投保人的关系信息、保单投保人在保单所属公司持续保障年限信息、保单投保人在保单所属公司购买的保险产品总数信息。
5.根据权利要求4所述的续保预测方法,其特征在于,在所述续保信息包括:保单投保人的人口信息、保单被保险人与保单投保人的关系信息、保单投保人在保单所属公司持续保障年限信息、以及保单投保人在保单所属公司购买的保险产品总数信息时,所述根据所述续保信息,计算续保因子,包括:
确定与所述续保信息中保单投保人的人口信息对应的第一数值;
确定与所述续保信息中保单被保险人与保单投保人的关系信息对应的第二数值;
确定与所述续保信息中保单投保人在保单所属公司持续保障年限信息对应的第三数值;
确定与所述续保信息中保单投保人在保单所属公司购买的保险产品总数信息对应的第四数值;
对所述第一数值、所述第二数值、所述第三数值和所述第四数值进行处理,得到续保因子。
6.根据权利要求1所述的续保预测方法,其特征在于,所述续保流失预警模型由以下步骤训练得到:获取作为样本的保单投保人的续保信息;根据所述样本的保单投保人的续保信息计算样本因子;将所述样本因子输入到所述续保流失预警模型中,得到所述续保流失预警模型的输出;将输出作为目标,调整所述续保流失预警模型的参数,以最小化得到输出与续保预测结果之间的误差,在误差满足预设条件时,则确定当前的续保流失预警模型为训练好的续保流失预警模型。
7.根据权利要求1-6中任一所述的续保预测方法,其特征在于,所述获取所述续保流失预警模型的输出作为所述保单投保人的续保预测结果,包括:利用Logit函数将所述续保流失预警模型的输出转化为0-1之间的概率值,将转化的概率值作为续保预测结果。
8.一种续保预测装置,其特征在于,包括:
续保信息获取模块,用于获取保单投保人的续保信息;
续保因子计算模块,用于根据所述续保信息,计算续保因子;
输入模块,用于将所述续保因子输入到预先训练好的续保流失预警模型中;
续保预测结果获取模块,用于获取所述续保流失预警模型的输出作为所述保单投保人的续保预测结果。
9.一种计算机设备,计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810711026.5A CN108830734A (zh) | 2018-07-03 | 2018-07-03 | 续保预测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810711026.5A CN108830734A (zh) | 2018-07-03 | 2018-07-03 | 续保预测方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108830734A true CN108830734A (zh) | 2018-11-16 |
Family
ID=64134641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810711026.5A Pending CN108830734A (zh) | 2018-07-03 | 2018-07-03 | 续保预测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830734A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109712008A (zh) * | 2018-12-20 | 2019-05-03 | 泰康保险集团股份有限公司 | 保单处理方法、装置、介质及电子设备 |
CN109785076A (zh) * | 2019-01-28 | 2019-05-21 | 中国平安财产保险股份有限公司 | 信息的获取方法、装置、计算机设备和存储介质 |
CN109978257A (zh) * | 2019-03-25 | 2019-07-05 | 上海赢科信息技术有限公司 | 车险的续保预测方法及*** |
CN110458717A (zh) * | 2019-07-29 | 2019-11-15 | 招商局金融科技有限公司 | 保单继续率获取方法、装置及计算机可读存储介质 |
CN110706054A (zh) * | 2019-08-21 | 2020-01-17 | 中国平安财产保险股份有限公司 | 方案推送方法、装置、计算机装置及可读存储介质 |
CN112508718A (zh) * | 2020-12-03 | 2021-03-16 | 中国人寿保险股份有限公司 | 一种保单的续费提醒方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002074003A (ja) * | 2000-08-31 | 2002-03-12 | Casio Comput Co Ltd | 保険案内装置、及び記憶媒体 |
CN106779878A (zh) * | 2017-01-19 | 2017-05-31 | 新站保险代理股份有限公司 | 一种基于电商平台的用户续约续保行为分析方法 |
CN108022170A (zh) * | 2017-12-06 | 2018-05-11 | 中国平安财产保险股份有限公司 | 续保处理方法、装置、计算机设备及存储介质 |
CN108074185A (zh) * | 2016-11-15 | 2018-05-25 | 平安科技(深圳)有限公司 | 保险信息处理方法和装置 |
-
2018
- 2018-07-03 CN CN201810711026.5A patent/CN108830734A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002074003A (ja) * | 2000-08-31 | 2002-03-12 | Casio Comput Co Ltd | 保険案内装置、及び記憶媒体 |
CN108074185A (zh) * | 2016-11-15 | 2018-05-25 | 平安科技(深圳)有限公司 | 保险信息处理方法和装置 |
CN106779878A (zh) * | 2017-01-19 | 2017-05-31 | 新站保险代理股份有限公司 | 一种基于电商平台的用户续约续保行为分析方法 |
CN108022170A (zh) * | 2017-12-06 | 2018-05-11 | 中国平安财产保险股份有限公司 | 续保处理方法、装置、计算机设备及存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109712008A (zh) * | 2018-12-20 | 2019-05-03 | 泰康保险集团股份有限公司 | 保单处理方法、装置、介质及电子设备 |
CN109785076A (zh) * | 2019-01-28 | 2019-05-21 | 中国平安财产保险股份有限公司 | 信息的获取方法、装置、计算机设备和存储介质 |
CN109978257A (zh) * | 2019-03-25 | 2019-07-05 | 上海赢科信息技术有限公司 | 车险的续保预测方法及*** |
CN110458717A (zh) * | 2019-07-29 | 2019-11-15 | 招商局金融科技有限公司 | 保单继续率获取方法、装置及计算机可读存储介质 |
CN110458717B (zh) * | 2019-07-29 | 2022-06-10 | 招商局金融科技有限公司 | 保单继续率获取方法、装置及计算机可读存储介质 |
CN110706054A (zh) * | 2019-08-21 | 2020-01-17 | 中国平安财产保险股份有限公司 | 方案推送方法、装置、计算机装置及可读存储介质 |
CN112508718A (zh) * | 2020-12-03 | 2021-03-16 | 中国人寿保险股份有限公司 | 一种保单的续费提醒方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830734A (zh) | 续保预测方法、装置、计算机设备及存储介质 | |
Ignizio et al. | Linear programming | |
CN110516910A (zh) | 基于大数据的保单核保模型训练方法和核保风险评估方法 | |
AU2017229204B2 (en) | Computerized system and method of open account processing | |
CN105893476A (zh) | 智能问答方法、知识库优化方法及装置、智能知识库 | |
EP3441891A1 (en) | Data source-based service customisation apparatus, method, system, and storage medium | |
CN110263152A (zh) | 基于神经网络的文本分类方法、***及计算机设备 | |
Gheith et al. | Solving the container pre-marshalling problem using variable length genetic algorithms | |
US10929775B2 (en) | Statistical self learning archival system | |
WO2022227198A1 (zh) | 患者用药方案的确定方法及确定装置 | |
CN110929524A (zh) | 数据筛选方法、装置、设备及计算机可读存储介质 | |
WO2019148721A1 (zh) | 电子装置、互联网服务***风险预警方法及存储介质 | |
CN108038655A (zh) | 部门需求的推荐方法、应用服务器及计算机可读存储介质 | |
CN114996464B (zh) | 一种利用有序信息的文本分级方法及装置 | |
CN112463986A (zh) | 信息存储的方法及装置 | |
CN109753647A (zh) | 段落的划分方法及装置 | |
CN108920661A (zh) | 国际疾病分类标记方法、装置、计算机设备及存储介质 | |
Acharya et al. | An intelligent web-based system for diagnosing student learning problems using concept maps | |
CN113268665A (zh) | 基于随机森林的信息推荐方法、装置、设备及存储介质 | |
CN109461016A (zh) | 数据评分方法、装置、计算机设备及存储介质 | |
CN111783871A (zh) | 基于有监督学习模型的异常数据识别方法及相关设备 | |
CN107305565A (zh) | 信息处理装置、信息处理方法以及信息处理设备 | |
CN109800138B (zh) | 一种cpu测试方法、电子装置及存储介质 | |
US20240028951A1 (en) | Apparatus for producing a financial target strategy and a method for its use | |
CN110909147A (zh) | 一种训练排序结果选择模型输出标准问法的方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |