CN112927091A - 用于年金险的投诉预警方法、装置、计算机设备及介质 - Google Patents
用于年金险的投诉预警方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN112927091A CN112927091A CN202110377125.6A CN202110377125A CN112927091A CN 112927091 A CN112927091 A CN 112927091A CN 202110377125 A CN202110377125 A CN 202110377125A CN 112927091 A CN112927091 A CN 112927091A
- Authority
- CN
- China
- Prior art keywords
- complaint
- insurance
- policy
- annuity
- information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000008451 emotion Effects 0.000 claims abstract description 49
- 230000002996 emotional effect Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 230000009897 systematic effect Effects 0.000 abstract description 4
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 5
- 238000002360 preparation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例提供了一种用于年金险的投诉预警方法、装置、计算机设备及介质，其中，该方法包括：根据待预警年金险的保单数据和客户信息，获取客户访问情况信息和客户访问时的情感信息；根据待预警年金险的保单数据的阶段性特征将年金险的保单生命周期划分为不同的生命节点，判断待预警年金险的当前时间是否对应年金险的生命节点；将客户访问情况信息、客户访问时的情感信息以及待预警年金险的当前时间是否对应年金险的生命节点的情况信息输入预警模型，预警模型输出预测为投诉的保单信息。该方案可以更客观地预测投诉，不受主观因素影响，提高投诉预警的效率，可以为保单数量巨大的业务场景提供***的投诉预测，还有利于提高投诉预警的准确性。
Description
技术领域
本发明涉及保险技术领域，特别涉及一种用于年金险的投诉预警方法、装置、计算机设备及介质。
背景技术
随着社会的发展，消费者的维权意识逐渐加强。处理客户的投诉与差评在不同行业得到了关注。保险区别于其他产品，作为一种异质性产品，投诉表现形式多样，投诉的处理也有相当的复杂性。客户的投诉需求首先会影响客户的服务体验，影响对产品的认知，其次会影响公司的社会声誉。更严重的是，无法得到有效协商方案的投诉会造成客户向银***投诉，过高的投诉量会提升公司的监管风险。
在一般业务场景中，客户的投诉表现较为直接，客户直接提出书面或口头上的异议、抗议、索赔等行为。保险人应对的时间有限，投诉应对能力与个人的工作经验相关，若个人经验不足，无法在短时间内安抚客户情绪，提供合理解决方案，则可能会扩大投诉的负面影响。因此，在短时间内，投诉处理效果是对内部工作人行业经验的一大考验。
完善投诉预警工作，做好可能出现投诉案件的准备工作对积极应对投诉案件有重要影响。目前的投诉预警工作，主要依靠人为主观判断，缺乏客观判断标准，预测成本较高，且预测效率与准确性难以得到保证。此外，依靠人为预测的保单投诉，在保单数量有限的情况下有一定的可行性，但在实际业务场景中，保单数量巨大且保单状态不一(如投保、续保、退保、保全等状态)，人工预测无法提供***预测。综上，保险预警工作有待完善。
发明内容
本发明实施例提供了一种用于年金险的投诉预警方法，以解决现有技术中投诉预警存在的效率低、准确性差、成本高的技术问题。该方法包括：
根据待预警年金险的保单数据和客户信息，获取客户访问情况信息和客户访问时的情感信息；
根据待预警年金险的保单数据的阶段性特征将年金险的保单生命周期划分为不同的生命节点，判断待预警年金险的当前时间是否对应年金险的生命节点；
将客户访问情况信息、客户访问时的情感信息以及待预警年金险的当前时间是否对应年金险的生命节点的情况信息输入预警模型，所述预警模型输出预测为投诉的保单信息，其中，所述预警模型是以年金险历史保单的客户访问情况信息、客户访问时的情感信息、投诉情况以及投诉时间是否对应年金险的生命节点的情况信息为样本训练得到的。
本发明实施例还提供了一种用于年金险的投诉预警装置，以解决现有技术中投诉预警存在的效率低、准确性差、成本高的技术问题。该装置包括：
信息获取模块，用于根据待预警年金险的保单数据和客户信息，获取客户访问情况信息和客户访问时的情感信息；
时间确定模块，用于根据待预警年金险的保单数据的阶段性特征将年金险的保单生命周期划分为不同的生命节点，判断待预警年金险的当前时间是否对应年金险的生命节点；
投诉预警模块，用于将客户访问情况信息、客户访问时的情感信息以及待预警年金险的当前时间是否对应年金险的生命节点的情况信息输入预警模型，所述预警模型输出预测为投诉的保单信息，其中，所述预警模型是以年金险历史保单的客户访问情况信息、客户访问时的情感信息、投诉情况以及投诉时间是否对应年金险的生命节点的情况信息为样本训练得到的。
本发明实施例还提供了一种计算机设备，包括存储器、处理器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任意用于年金险的投诉预警方法，以解决现有技术中投诉预警存在的效率低、准确性差、成本高的技术问题。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的用于年金险的投诉预警方法的计算机程序，以解决现有技术中投诉预警存在的效率低、准确性差、成本高的技术问题。
在本发明实施例中，提出了基于年金险历史保单的客户访问情况信息、客户访问时的情感信息、投诉情况以及投诉时间是否对应年金险的生命节点的情况信息为样本训练得到预警模型，进而根据待预警年金险的保单数据和客户信息，获取客户访问情况信息和客户访问时的情感信息，根据待预警年金险的保单数据的阶段性特征将年金险的保单生命周期划分为不同的生命节点，判断待预警年金险的当前时间是否对应年金险的生命节点，最后，将待预警的年金险的客户访问情况信息、客户访问时的情感信息以及待预警年金险的当前时间是否对应年金险的生命节点的情况信息输入预警模型，预警模型输出预测为投诉的保单信息，即通过预警模型来预测将出现投诉的保单，并输出保单信息，与现有技术中人为主观预测投诉的技术方案相比，通过以数据为驱动的预警模型来预测出将出现投诉的保单，相对可以更客观地预测投诉，不受主观因素影响，可以提高投诉预警的效率，可以为保单数量巨大的业务场景提供***的投诉预测，还有利于提高投诉预警的准确性，进而为应对投诉案件的提前准备工作提供参考数据；同时，因为是否对应生命节点的状态不同会影响投诉产生的概率，客户访问情况信息可以反映出客户对保单的关注程度，客户访问时的情感信息可以反映出客户不满程度以及投诉可能性，因此，提出了上述预警模型是以当前时间是否对应年金险的生命节点、客户访问情况信息以及客户访问时的情感信息三个方面的信息为指标进行投诉预警的，使得有利于提高投诉预警的准确率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：
图1是本发明实施例提供的一种用于年金险的投诉预警方法的流程图；
图2是本发明实施例提供的一种实施上述用于年金险的投诉预警方法的流程图；
图3是本发明实施例提供的一种计算机设备的结构框图；
图4是本发明实施例提供的一种用于年金险的投诉预警装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
在本发明实施例中，提供了一种用于年金险的投诉预警方法，如图1所示，该方法包括：
步骤102：根据待预警年金险的保单数据和客户信息，获取客户访问情况信息和客户访问时的情感信息；
步骤104：根据待预警年金险的保单数据的阶段性特征将年金险的保单生命周期划分为不同的生命节点，判断待预警年金险的当前时间是否对应年金险的生命节点；
步骤106：将客户访问情况信息、客户访问时的情感信息以及待预警年金险的当前时间是否对应年金险的生命节点的情况信息输入预警模型，所述预警模型输出预测为投诉的保单信息，其中，所述预警模型是以年金险历史保单的客户访问情况信息、客户访问时的情感信息、投诉情况以及投诉时间是否对应年金险的生命节点的情况信息为样本训练得到的。
由图1所示的流程可知，在本发明实施例中，提出了年金险历史保单的客户访问情况信息、客户访问时的情感信息、投诉情况以及投诉时间是否对应年金险的生命节点的情况信息为样本训练得到预警模型，进而根据待预警年金险的保单数据和客户信息，获取客户访问情况信息和客户访问时的情感信息，根据待预警年金险的保单数据的阶段性特征将年金险的保单生命周期划分为不同的生命节点，判断待预警年金险的当前时间是否对应年金险的生命节点，最后，将待预警的年金险的客户访问情况信息、客户访问时的情感信息以及待预警年金险的当前时间是否对应年金险的生命节点的情况信息输入预警模型，预警模型输出预测为投诉的保单信息，即通过预警模型来预测将出现投诉的保单，并输出保单信息，与现有技术中人为主观预测投诉的技术方案相比，通过以数据为驱动的预警模型来预测出将出现投诉的保单，相对可以更客观地预测投诉，不受主观因素影响，可以提高投诉预警的效率，可以为保单数量巨大的业务场景提供***的投诉预测，还有利于提高投诉预警的准确性，进而为应对投诉案件的提前准备工作提供参考数据；同时，因为是否对应生命节点的状态不同会影响投诉产生的概率，客户访问情况信息可以反映出客户对保单的关注程度，客户访问时的情感信息可以反映出客户不满程度以及投诉可能性，因此，提出了上述预警模型是以当前时间是否对应年金险的生命节点、客户访问情况信息以及客户访问时的情感信息三个方面的信息为指标进行投诉预警的，使得有利于提高投诉预警的准确率。
具体实施时，以年金险历史保单的客户访问情况信息、客户访问时的情感信息、投诉情况(分为投诉和未投诉)以及投诉时间是否对应年金险的生命节点的情况信息为样本训练得到预警模型，具体的，可以通过训练神经网络、二分类的分类器等机器学习组件来得到预警模型。
具体实施时，本申请发明人发现，与其他险种产品不同，年金险产品条款中明确了各保单年度的责任，除缴费、保全外，还覆盖了理赔责任的行使时间。举例来说，对于意外险、医疗险、寿险等产品，无法得知意外发生的具体时间，所以也无法给出理赔发生的确切时间，而年金险作为一种特殊的保险产品，保单数据的阶段性特征较强，例如，缴费、理赔等责任发生的时间都与保单年度有相应的对应关系，且在保单的生命周期中，当恰逢处于缴费或理赔等重要节点时，出现投诉的概率较大，因此，为了进一步结合年金险的阶段性特征，参考有时间针对性的信息来提高预警的准确性，在本实施例中，提出了根据待预警年金险的保单数据的时间阶段性和不同时间阶段对应的责任，将年金险的保单生命周期划分为不同的生命节点。
具体的，可以根据保单年度中不同时间段对应的责任(即业务状态、业务内容)不同，将保单年度按照时间顺序划分为多个不同的生命节点，进而监测保单是否处于不同的生命节点来预测投诉。
具体实施时，年金险的保单生命周期划分的生命节点可以包括生效节点、缴费节点以及理赔节点。具体的，每类生命节点的个数可以为一个或多个，例如，一个保单的生命周期中可能有一个生效节点、多个缴费节点、多个理赔节点。
具体实施时，为了进一步准确地预测投诉，在本实施例中，需要精确地确定出当前时间是否对应生命节点，为了便于后续确定投诉原因，还可以确定出当前时间对应哪个生命节点，例如，可以通过以下公式确定当前时间是否对应生命节点、对应哪个生命节点：
当前时间距离最近一个保单生命节点越近，上式值越大，因此，对于各个生命节点，上述公式的最大值大于预设阈值时，则说明书当前时间对应生命节点，具体的，上述公式的最大值对应的生命节点为当前时间对应的年金险的生命节点。其中，t为当前时间；lk,i为第k类生命节点中的第i个生命节点，时间可以月为单位。通过上式，可以得出当前保单在生效节点、缴费节点、理赔节点三个不同生命节点中对应所处的节点状态。如令t＝t+Δt，则可获取当前保单在未来一段时间(Δt)是否对应保单节点的状态。
具体实施时，为了进一步准确地预测投诉，为了实现客户访问情况信息充分体现、反映客户对保单的关注度，在本实施例中，客户访问情况信息可以是客户访问频率、客户访问时长以及客户访问频率变化情况等，本实施例的客户访问情况信息为以预设时长为单位客户访问频率的变化情况，例如，以周为单位客户访问频率的变化情况，客户访问频率是变大了还是变小了，如果客户访问频率变大，则说明客户对保单关注度较高，可能有相关业务异议等问题，这些因素都很可能出现投诉；如果客户访问频率变小，则说明客户对保单关注度降低，可能有相关业务没有异议或诉求，这些情况出现投诉的概率很小。
具体实施时，可以通过客户访问保险***或应用程序等产品的插码，来获取客户访问次数，进而以预设时长为单位，获取客户访问频率的变化情况。
具体实施时，为了进一步准确地预测投诉，通过情感信息充分体现客户在访问时的情绪状态，在本实施例中，根据客户访问时的交互信息，获取所述客户访问时的情感信息。
具体的，可以通过客户访问时与线上、线下的客服对话的文本、语音等交互信息，来分析、获取客户访问时的情感信息。例如，当客户访问时有激动、愤怒、生气等负面情感信息时，则表明客户很不满，出现投诉的概率很大；当客户访问时有喜欢、很好、很棒等正面情感信息时，则表明客户很满意，出现投诉的概率很小。
具体实施时，本申请发明人发现，访问情况、情感信息以及保单当前时间与生命节点的关系这三个信息中每个信息都能实时反馈、表现出客户是否有投诉的可能，本申请提出上述预警模型基于访问情况、情感信息以及保单当前时间与生命节点的关系来实时、准确地预测投诉情况。具体的，上述预警模型可以预测出每个保单在未来一段时间内出现投诉的概率，未来实现明了的预警效果，上述预警模型可以输出投诉概率大于预设值的保单，以便对这些保单预警，进而实施相关干预工作，对于投诉概率小于预设值的保单，可以认为目前不需要预警或干预，则上述预警模型可以不输出这些保单。
具体实施时，在实际业务场景中，由于不知道客户的投诉原因，客服工作人员即使拿到高概率投诉名单，在对客户进行回访时也难以找到切入点，对可能产生投诉案件的干预效果并不明显，也在一定程度上造成了人力浪费以及与客户沟通效率低的问题，因此，为了可以有针对性、方向性地展开投诉前的干预工作，以便有效提高干预效果，进而进一步地为保单管理工作提供参考信息、提供便利，在本实施例中，还提出了为投诉应对工作提供支持，例如，对样本中投诉情况为投诉的保单对应的客户访问情况信息、客户访问时的情感信息以及投诉时间对应的生命节点类型进行聚类分析，得出每个历史保单的投诉原因，投诉情况为投诉的保单对应的客户访问情况信息、客户访问时的情感信息、投诉时间对应的生命节点类型和对应的投诉原因组成投诉数据集；针对所述预警模型预测为投诉的保单，将该保单的客户访问情况信息、客户访问时的情感信息和当前时间对应的生命节点类型与投诉数据集中的数据进行比对，得出该保单的投诉原因并输出。即不仅可以预测出未来一段时间(如一周、一月、季度或半年等)内可能发生投诉的保单，还可以分析输出可能的投诉原因，以便为投诉干预工作提供具体指引，可用于解决重要投诉节点前的投诉预警工作，进而达到有投诉有对案，无投诉重点回访的效果，并且在一定程度上有利于提升服务质量，对于保险公司客户的精细化运营，维护公司声誉，具有一定的指导意义。
具体实施时，对样本中投诉情况为投诉的保单对应的客户访问情况信息、客户访问时的情感信息以及投诉时间对应的生命节点类型可以进行KMeans聚类分析，得到投诉原因。
在本实施例中，结合图2详细介绍实施上述用于年金险的投诉预警方法的过程，如图2所示，包括以下步骤：
第一步，基于历史保单数据与客户信息，给出历史数据集，有投诉记录的数据对应投诉情况Y为1，没有投诉记录的数据对应投诉情况Y为0。
第二步，整理历史数据集，提取相关信息。
保单周期：
①根据历史保单年度中不同时间段对应的责任不同，按照时间顺序将各年金险保单的生命周期划分为多个不同的生命节点，并确定出投诉时间是否对应生命节点以及投诉时间对应的生命节点类型。其中，生命节点可以包括生效节点、缴费节点、理赔节点。具体的，可以根据投诉时间与生命节点的时间的对应、交叉情况确定出投诉时间是否对应生命节点以及投诉时间对应的生命节点类型，还可以通过以下公式确定投诉时间是否对应生命节点以及投诉时间对应的生命节点类型：
当投诉时间距离最近一个保单节点越近，上式值越大。其中，此时t为投诉时间；lk,i为第k类生命节点中的第i个生命节点，时间均以月为单位，上述公式的最大值大于预设阈值时，则投诉时间对应生命节点，而所述最大值对应的生命节点即为当前时间对应的年金险的生命节点。
②访问情况信息：
可以通过用户登录的终端、应用程序等产品，来获取客户访问次数。例如，以周为单位，获取客户访问频率的变化情况。
③客户情感信息：
获取客户访问时与线上、线下客服对话的语音文件、文本文件，进行情感分析，例如，通过语义分析等技术确定出客户访问时的情感信息。
第三步，将以投诉时间是否对应年金险的生命节点、客户访问情况信息以及客户访问时的情感信息为主要指标信息输入分类器，进行二分类训练得到上述预警模型。
第四步，提取样本中投诉情况为1的样本，将从样本中提取的客户访问情况信息、客户访问时的情感信息以及确定的投诉时间对应的生命节点类型等信息进行KMeans聚类分析，得出每个历史保单的投诉原因，投诉情况为1的样本的客户访问情况信息、客户访问时的情感信息、投诉时间对应的生命节点类型和对应的投诉原因组成投诉数据集。
第五步，实际应用时，将待预警的年金险的客户访问情况信息、客户访问时的情感信息以及待预警年金险的当前时间是否对应年金险的生命节点的情况信息输入该预警模型，该预警模型则输出预测为投诉的保单信息(例如，保单信息可以包括保单号、保单名称等)，针对所述预警模型预测为投诉的保单，进而将该保单的客户访问情况信息、客户访问时的情感信息和当前时间对应的生命节点类型与投诉数据集中的数据进行比对，得出该保单可能的投诉原因并输出。例如，待预警的年金险的当前时间处于续期状态(L续期)(即当前时间对应缴费节点)、客户访问情况信息为高访问频率(V)、客户访问时的情感信息为消极情感(SN)，即上述信息反映出待预警的年金险客群目前对续期相关问题产生强烈负面情绪，此时上述预警模型基于客户访问情况信息、客户访问时的情感信息以及待预警年金险的当前时间是否对应年金险的生命节点的情况信息等信息可以准确预测出未来一段时间内可能出现投诉的保单并输出可能的投诉原因，进而可以下发保单的名单和投诉原因，以便提前做好具体的投诉干预工作，减少或避免投诉。如果上述预警模型未输出保单信息和投诉原因，即当前没有预测到未来一段时间内可能出现投诉的保单，则继续监控保单相关数据。
在本实施例中，提供了一种计算机设备，如图3所示，包括存储器302、处理器304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任意的用于年金险的投诉预警方法。
具体的，该计算机设备可以是计算机终端、服务器或者类似的运算装置。
在本实施例中，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的用于年金险的投诉预警方法的计算机程序。
具体的，计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读存储介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
基于同一发明构思，本发明实施例中还提供了一种用于年金险的投诉预警装置，如下面的实施例所述。由于用于年金险的投诉预警装置解决问题的原理与用于年金险的投诉预警方法相似，因此用于年金险的投诉预警装置的实施可以参见用于年金险的投诉预警方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4是本发明实施例的用于年金险的投诉预警装置的一种结构框图，如图4所示，该装置包括：
信息获取模块402，用于根据待预警年金险的保单数据和客户信息，获取客户访问情况信息和客户访问时的情感信息；
时间确定模块404，用于根据待预警年金险的保单数据的阶段性特征将年金险的保单生命周期划分为不同的生命节点，判断待预警年金险的当前时间是否对应年金险的生命节点；
投诉预警模块406，用于将客户访问情况信息、客户访问时的情感信息以及待预警年金险的当前时间是否对应年金险的生命节点的情况信息输入预警模型，所述预警模型输出预测为投诉的保单信息，其中，所述预警模型是以年金险历史保单的客户访问情况信息、客户访问时的情感信息、投诉情况以及投诉时间是否对应年金险的生命节点的情况信息为样本训练得到的。
在一个实施例中，时间确定模块，还用于根据待预警年金险的保单数据的时间阶段性和不同时间阶段对应的责任，将年金险的保单生命周期划分为不同的生命节点。
在一个实施例中，所述生命节点包括生效节点、缴费节点以及理赔节点。
在一个实施例中，还包括：
生命节点确定模块，用于通过以下公式计算当前时间对应的年金险的生命节点：
其中，t为当前时间；lk,i为第k类生命节点中的第i个生命节点，上述公式的最大值大于预设阈值时，则所述最大值对应的生命节点为当前时间对应的年金险的生命节点。
在一个实施例中，所述客户访问情况信息为以预设时长为单位客户访问频率的变化情况。
在一个实施例中，还包括：
聚类分析模块，用于对样本中投诉情况为投诉的保单对应的客户访问情况信息、客户访问时的情感信息以及投诉时间对应的生命节点类型进行聚类分析，得出每个历史保单的投诉原因，其中，投诉情况为投诉的保单对应的客户访问情况信息、客户访问时的情感信息、投诉时间对应的生命节点类型和对应的投诉原因组成投诉数据集；
投诉原因确定模块，用于针对所述预警模型预测为投诉的保单，将该保单的客户访问情况信息、客户访问时的情感信息和当前时间对应的生命节点类型与投诉数据集中的数据进行比对，得出该保单的投诉原因并输出。
在一个实施例中，聚类分析模块，具体用于对样本中投诉情况为投诉的保单对应的客户访问情况信息、客户访问时的情感信息以及投诉时间对应的生命节点类型进行KMeans聚类分析。
本发明实施例实现了如下技术效果：提出了基于年金险历史保单的客户访问情况信息、客户访问时的情感信息、投诉情况以及投诉时间是否对应年金险的生命节点的情况信息为样本训练得到预警模型，进而根据待预警年金险的保单数据和客户信息，获取客户访问情况信息和客户访问时的情感信息，根据待预警年金险的保单数据的阶段性特征将年金险的保单生命周期划分为不同的生命节点，判断待预警年金险的当前时间是否对应年金险的生命节点，最后，将待预警的年金险的客户访问情况信息、客户访问时的情感信息以及待预警年金险的当前时间是否对应年金险的生命节点的情况信息输入预警模型，预警模型输出预测为投诉的保单信息，即通过预警模型来预测将出现投诉的保单，并输出保单信息，与现有技术中人为主观预测投诉的技术方案相比，通过以数据为驱动的预警模型来预测出将出现投诉的保单，相对可以更客观地预测投诉，不受主观因素影响，可以提高投诉预警的效率，可以为保单数量巨大的业务场景提供***的投诉预测，还有利于提高投诉预警的准确性，进而为应对投诉案件的提前准备工作提供参考数据；同时，因为是否对应生命节点的状态不同会影响投诉产生的概率，客户访问情况信息可以反映出客户对保单的关注程度，客户访问时的情感信息可以反映出客户不满程度以及投诉可能性，因此，提出了上述预警模型是以当前时间是否对应年金险的生命节点、客户访问情况信息以及客户访问时的情感信息三个方面的信息为指标进行投诉预警的，使得有利于提高投诉预警的准确率。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于年金险的投诉预警方法，其特征在于，包括：
根据待预警年金险的保单数据和客户信息，获取客户访问情况信息和客户访问时的情感信息；
根据待预警年金险的保单数据的阶段性特征将年金险的保单生命周期划分为不同的生命节点，判断待预警年金险的当前时间是否对应年金险的生命节点；
将客户访问情况信息、客户访问时的情感信息以及待预警年金险的当前时间是否对应年金险的生命节点的情况信息输入预警模型，所述预警模型输出预测为投诉的保单信息，其中，所述预警模型是以年金险历史保单的客户访问情况信息、客户访问时的情感信息、投诉情况以及投诉时间是否对应年金险的生命节点的情况信息为样本训练得到的。
2.如权利要求1所述的用于年金险的投诉预警方法，其特征在于，根据待预警年金险的保单数据的阶段性特征将年金险的保单生命周期划分为不同的生命节点，包括：
根据待预警年金险的保单数据的时间阶段性和不同时间阶段对应的责任，将年金险的保单生命周期划分为不同的生命节点。
3.如权利要求1所述的用于年金险的投诉预警方法，其特征在于，所述生命节点包括生效节点、缴费节点以及理赔节点。
4.如权利要求1所述的用于年金险的投诉预警方法，其特征在于，还包括：
通过以下公式确定当前时间是否对应年金险的生命节点：
其中，t为当前时间；lk,i为第k类生命节点中的第i个生命节点，上述公式的最大值大于预设阈值时，则所述最大值对应的生命节点为当前时间对应的年金险的生命节点。
5.如权利要求1所述的用于年金险的投诉预警方法，其特征在于，还包括：
所述客户访问情况信息为以预设时长为单位客户访问频率的变化情况。
6.如权利要求1至5中任一项所述的用于年金险的投诉预警方法，其特征在于，还包括：
对样本中投诉情况为投诉的保单对应的客户访问情况信息、客户访问时的情感信息以及投诉时间对应的生命节点类型进行聚类分析，得出每个历史保单的投诉原因，其中，投诉情况为投诉的保单对应的客户访问情况信息、客户访问时的情感信息、投诉时间对应的生命节点类型和对应的投诉原因组成投诉数据集；
针对所述预警模型预测为投诉的保单，将该保单的客户访问情况信息、客户访问时的情感信息和当前时间对应的生命节点类型与投诉数据集中的数据进行比对，得出该保单的投诉原因并输出。
7.如权利要求6所述的用于年金险的投诉预警方法，其特征在于，对样本中投诉情况为投诉的保单对应的客户访问情况信息、客户访问时的情感信息以及投诉时间对应的生命节点类型进行聚类分析，包括：
对样本中投诉情况为投诉的保单对应的客户访问情况信息、客户访问时的情感信息以及投诉时间对应的生命节点类型进行KMeans聚类分析。
8.一种用于年金险的投诉预警装置，其特征在于，包括：
信息获取模块，用于根据待预警年金险的保单数据和客户信息，获取客户访问情况信息和客户访问时的情感信息；
时间确定模块，用于根据待预警年金险的保单数据的阶段性特征将年金险的保单生命周期划分为不同的生命节点，判断待预警年金险的当前时间是否对应年金险的生命节点；
投诉预警模块，用于将客户访问情况信息、客户访问时的情感信息以及待预警年金险的当前时间是否对应年金险的生命节点的情况信息输入预警模型，所述预警模型输出预测为投诉的保单信息，其中，所述预警模型是以年金险历史保单的客户访问情况信息、客户访问时的情感信息、投诉情况以及投诉时间是否对应年金险的生命节点的情况信息为样本训练得到的。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的用于年金险的投诉预警方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至7中任一项所述的用于年金险的投诉预警方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110377125.6A CN112927091B (zh) | 2021-04-08 | 2021-04-08 | 用于年金险的投诉预警方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110377125.6A CN112927091B (zh) | 2021-04-08 | 2021-04-08 | 用于年金险的投诉预警方法、装置、计算机设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112927091A true CN112927091A (zh) | 2021-06-08 |
| CN112927091B CN112927091B (zh) | 2023-11-10 |
Family
ID=76173725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110377125.6A Active CN112927091B (zh) | 2021-04-08 | 2021-04-08 | 用于年金险的投诉预警方法、装置、计算机设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112927091B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116760652A (zh) * | 2023-08-23 | 2023-09-15 | 保大坊科技有限公司 | 用于同时访问多个***的方法、装置以及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120185408A1 (en) * | 2011-01-19 | 2012-07-19 | FINANCIAL ENGINES,INC. A Delaware Corporation | Creating and maintaining a payout-ready portfolio within an investment plan to generate a sustainable income stream |
| CN106529804A (zh) * | 2016-11-09 | 2017-03-22 | 国网江苏省电力公司南京供电公司 | 基于文本挖掘技术的客户投诉预警监测分析方法 |
| US20170161758A1 (en) * | 2015-12-07 | 2017-06-08 | Daniel J. Towriss | Systems and methods for interactive annuity product services using machine learning modeling |
| CN110349039A (zh) * | 2019-06-13 | 2019-10-18 | 中国平安人寿保险股份有限公司 | 投诉风险评估方法、***、计算机设备及可读存储介质 |
| CN110516836A (zh) * | 2019-07-05 | 2019-11-29 | 中国平安财产保险股份有限公司 | 基于大数据的智能预警方法、装置、设备及存储介质 |
| CN110796554A (zh) * | 2019-09-06 | 2020-02-14 | 中国平安财产保险股份有限公司 | 用户投诉预警方法、装置、计算机设备及存储介质 |
| CN110889770A (zh) * | 2019-10-12 | 2020-03-17 | 中国平安财产保险股份有限公司 | 数据处理方法、装置、设备及存储介质 |
| CN111612230A (zh) * | 2020-05-13 | 2020-09-01 | 国网河北省电力有限公司电力科学研究院 | 一种客户诉求趋势预警分析方法 |
| CN111639102A (zh) * | 2020-06-01 | 2020-09-08 | 阳光保险集团股份有限公司 | 客户数据资源共享方法、装置及电子设备 |
-
2021
- 2021-04-08 CN CN202110377125.6A patent/CN112927091B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120185408A1 (en) * | 2011-01-19 | 2012-07-19 | FINANCIAL ENGINES,INC. A Delaware Corporation | Creating and maintaining a payout-ready portfolio within an investment plan to generate a sustainable income stream |
| US20170161758A1 (en) * | 2015-12-07 | 2017-06-08 | Daniel J. Towriss | Systems and methods for interactive annuity product services using machine learning modeling |
| CN106529804A (zh) * | 2016-11-09 | 2017-03-22 | 国网江苏省电力公司南京供电公司 | 基于文本挖掘技术的客户投诉预警监测分析方法 |
| CN110349039A (zh) * | 2019-06-13 | 2019-10-18 | 中国平安人寿保险股份有限公司 | 投诉风险评估方法、***、计算机设备及可读存储介质 |
| CN110516836A (zh) * | 2019-07-05 | 2019-11-29 | 中国平安财产保险股份有限公司 | 基于大数据的智能预警方法、装置、设备及存储介质 |
| CN110796554A (zh) * | 2019-09-06 | 2020-02-14 | 中国平安财产保险股份有限公司 | 用户投诉预警方法、装置、计算机设备及存储介质 |
| CN110889770A (zh) * | 2019-10-12 | 2020-03-17 | 中国平安财产保险股份有限公司 | 数据处理方法、装置、设备及存储介质 |
| CN111612230A (zh) * | 2020-05-13 | 2020-09-01 | 国网河北省电力有限公司电力科学研究院 | 一种客户诉求趋势预警分析方法 |
| CN111639102A (zh) * | 2020-06-01 | 2020-09-08 | 阳光保险集团股份有限公司 | 客户数据资源共享方法、装置及电子设备 |
Non-Patent Citations (3)
| Title |
|---|
| 吴行惠 等: "质监大数据企业画像的研究及应用", 数字通信世界 * |
| 唐庚荣: "转型时期寿险公司风险管控研究", 中国博士学位论文全文数据库 经济与管理科学辑 * |
| 朱龙珠 等: "基于随机森林算法的投诉预警模型优化方法", 电力信息与通信技术 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116760652A (zh) * | 2023-08-23 | 2023-09-15 | 保大坊科技有限公司 | 用于同时访问多个***的方法、装置以及存储介质 |
| CN116760652B (zh) * | 2023-08-23 | 2023-11-17 | 保大坊科技有限公司 | 用于同时访问多个***的方法、装置以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112927091B (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cho et al. | Learning from machine learning in accounting and assurance | |
| CN109544166B (zh) | 一种风险识别方法和装置 | |
| CN104781837B (zh) | 用于通过使用基于事件的情绪分析来形成预测的***和方法 | |
| US10719767B2 (en) | Computer implemented system for automating the generation of a business decision analytic model | |
| US10671926B2 (en) | Method and system for generating predictive models for scoring and prioritizing opportunities | |
| US10706359B2 (en) | Method and system for generating predictive models for scoring and prioritizing leads | |
| CN113256969B (zh) | 一种高速公路的交通事故预警方法、设备及介质 | |
| CN111539585B (zh) | 一种基于随机森林的电力客户诉求敏感度监督及预警方法 | |
| KR102168198B1 (ko) | 기업 부도 예측 시스템 및 이의 동작 방법 | |
| CN111340606B (zh) | 一种全流程收入稽核方法和装置 | |
| CN111582341B (zh) | 用户异常操作预测方法及装置 | |
| CN111222994A (zh) | 客户风险评估方法、装置、介质和电子设备 | |
| CN110728301A (zh) | 一种个人用户的信用评分方法、装置、终端及存储介质 | |
| EP3613003A1 (fr) | Système et procédé pour gérer la détection de fraudes dans un système de transactions financières | |
| CN113554350A (zh) | 活跃度评估方法、装置、电子设备及计算机可读存储介质 | |
| CN112927091A (zh) | 用于年金险的投诉预警方法、装置、计算机设备及介质 | |
| CN113220885B (zh) | 一种文本处理方法和*** | |
| CN113837383A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
| CN112132690B (zh) | 外汇产品信息的推送方法、装置、计算机设备及存储介质 | |
| CN117689260A (zh) | 一种基于nlp的智能客服机器人交互方法及*** | |
| CN110163470B (zh) | 事件评估方法及装置 | |
| CN117036001A (zh) | 交易业务的风险识别处理方法、装置、设备及存储介质 | |
| KR102409019B1 (ko) | 금융 거래 위험 평가 시스템과 방법 및 이를 위한 컴퓨터 프로그램 | |
| KR20140146437A (ko) | 특허정보를 이용한 기업성과 예측 장치 및 방법 | |
| CN112712270B (zh) | 信息处理方法、装置、设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |