CN115907898A - 对再保客户进行金融产品推荐的方法及其相关设备 - Google Patents
对再保客户进行金融产品推荐的方法及其相关设备 Download PDFInfo
- Publication number
- CN115907898A CN115907898A CN202211366002.3A CN202211366002A CN115907898A CN 115907898 A CN115907898 A CN 115907898A CN 202211366002 A CN202211366002 A CN 202211366002A CN 115907898 A CN115907898 A CN 115907898A
- Authority
- CN
- China
- Prior art keywords
- service
- client
- intention
- target
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例属于人工智能及金融科技领域,应用于车险续保风险评估领域中,涉及一种对再保客户进行金融产品推荐的方法及其相关设备,包括使用随机森林树算法对预处理后的目标客户的属性信息和第一业务信息进行分类训练,获得目标意向客户;根据目标意向客户的标识信息采集对应的第二业务信息;将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级;根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价,并根据判断结果向最终意向客户进行第一业务推荐。本申请通过对车险再保客户进行业务报价风险评估,便于业务公司结合充足相关数据对目标客户准确的进行再保相关信息推荐。
Description
技术领域
本申请涉及人工智能及金融科技技术领域,尤其涉及一种对再保客户进行金融产品推荐的方法及其相关设备。
背景技术
由于市场的竞争,对于各行各业,业务承接公司向客户进行业务报价时,都存在一定的风险,为了规避此类风险,就需要业务承接公司预先准备目标客户的大量与该类业务相关的属性信息,从而在向该目标客户进行业务报价时,能够精准结合风险预评估结果,对目标客群进行业务推荐。
以车险再保为例,客户频繁更换车险投保公司是一件普遍存在的事情。对于曾经是公司客户,但是后来脱保在其他保险公司承保的客户,将此类客户称为再保客户,公司对再保客户在脱保的期间内,由于该类客户以往在本公司的历史承保数据和历史理赔数据较少,导致对该类客户进行再保业务推荐时,无法结合充足的相关数据对此类客户准确进行再保业务推荐。
发明内容
本申请实施例的目的在于提出一种对再保客户进行金融产品推荐的方法、装置、计算机设备及存储介质,以便于业务报价公司准确的结合充足相关数据对目标客户进行再保相关信息推荐。
为了解决上述技术问题,本申请实施例提供一种对再保客户进行金融产品推荐的方法,采用了如下所述的技术方案:
一种对再保客户进行金融产品推荐的方法,包括下述步骤:
根据目标客户的标识信息,从公司内部平台采集所述目标客户的属性信息,其中,所述目标客户为在本公司存在第一业务历史记录,但本年度未继续所述第一业务的客户群体;
根据所述标识信息,从行业共享平台采集所述目标客户在同行业其他公司继续所述第一业务对应的第一业务信息;
对所述属性信息和所述第一业务信息进行预处理,并使用随机森林树算法对预处理后的所述属性信息和所述第一业务信息进行分类训练,获得分类训练后的目标意向客户;
获取所述目标意向客户的标识信息,根据所述标识信息从第二业务对应的行业共享平台或权威平台采集所述目标意向客户对应的第二业务信息,其中,所述第二业务为所述第一业务的后续业务;
将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级;
根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价,并根据判断结果向最终意向客户进行第一业务推荐。
进一步的,所述根据所述标识信息,从行业共享平台采集所述目标客户在同行业其他公司继续所述第一业务对应的第一业务信息的步骤,具体包括:
预先根据是否能够检索到所述第一业务对应的第一业务信息设置区别状态码,其中,所述区别状态码包括第一状态码和第二状态码,第一状态码表示不能检索到所述第一业务信息,第二状态码表示能够检索到所述第一业务信息;
将所述标识信息作为检索字段,判断是否能够从行业共享平台或权威平台检索所述目标客户非在本公司继续所述第一业务期间所述第一业务对应的第一业务信息;
若不能检索到所述第一业务信息,则将所述第一业务对应的区别状态码设置为第一状态码;
若能够检索到所述第一业务信息,则将所述第一业务对应的区别状态码设置为第二状态码。
进一步的,所述对所述属性信息和所述第一业务信息进行预处理的步骤,具体包括:
预先根据所述属性信息的不同类别,构建数量与所述属性信息类别个数相等的数据集合,并根据所述属性信息的不同类别设置集合区分标识;
以所述客户群体中单个客户为单位,获取所述客户群体中所有客户分别对应的所述预设期间被呼叫次数、呼叫接通总时长、主动咨询次数、主动咨询时长、购买本公司其他同类业务的总数;
根据所述集合区分标识,将所述预设期间被呼叫次数、呼叫接通总时长、主动咨询次数、主动咨询时长、购买本公司其他同类业务的总数缓存入其分别对应的所述数据集合内;
对每个所述数据集合内的数据进行归一化处理,将每个所述数据集合内数据映射到0至1的范围内;
预先构建一个用于缓存所述第一业务信息对应的所述区别状态码的数据集合;
获取所述客户群体中每个客户基于所述第一业务信息对应的所述区别状态码;
将所述区别状态码缓存入所述数据集合内,并根据所述区别状态码的不同码值对所述数据集合内的元素进行二分化处理,将所述数据集合内数据替换为0或1。
进一步的,所述并使用随机森林树算法对预处理后的所述属性信息和所述第一业务信息进行分类训练,获得分类训练后的目标意向客户的步骤,具体包括:
预先为所述属性信息的不同类别分别设置意向阈值;
将预处理后的所述属性信息的不同类别分别对应的数据集合输入基于所述随机森林树算法的分类模型,依次判断所述数据集合中每个数据是否大于其对应的所述意向阈值;
若大于,则所述数据集合中当前数据对应的意向类别为高意向;
若小于,则所述数据集合中当前数据对应的意向类别为低意向;
获取预处理后的所述第一业务信息对应的数据集合;
遍历所述数据集合中元素,若当前元素为0,则所述元素对应的意向类别为低意向,若当前元素为1,则所述元素对应的意向类别为高意向;
根据所述客户群体中每个客户对应的所述标识信息,获取所述每个客户在不同数据集合分别对应的意向类别,并基于预设概率算法进行概率统计,获取统计结果;
根据所述统计结果和预设概率阈值,判断所述每个客户对应的业务意向类别,并将所述每个客户对应的业务意向类别作为所述分类模型的输出结果,进行输出;
根据预设筛选规则,从所述输出结果中筛选出目标意向客户,其中,所述筛选规则为筛选出所述业务意向类别为高意向的客户作为目标意向客户。
进一步的,所述将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级的步骤,具体包括:
预先为不同的风险等级设置相对应的风险阈值区间,并将所述风险阈值区间作为所述预测模型的配置参数;
将所述风险预测数据输入初始化后的所述预测模型,通过对比,确定所述风险预测数据对应的风险阈值区间;
根据所述风险预测数据对应的风险阈值区间确定所述目标意向客户对应的风险等级。
进一步的,在执行所述将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级的步骤过程中,所述方法还包括:
根据预设配置文件,识别风险等级的等级数量是否存在设置变更;
若所述风险等级的等级数量进行了设置变更,则通过LightGBM模型调整相对应的风险阈值区间,使得所述风险阈值区间的数量与所述风险等级的等级数量相同,以完成对所述预测模型的配置参数进行拟合调优。
进一步的,所述根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价的步骤,具体包括:
预先设置报价等级阈值;
根据所述报价等级阈值和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价;
若所述风险等级不满足所述报价等级阈值,则不对所述目标意向客户进行所述第一业务报价;
若所述风险等级满足所述报价等级阈值,则向预设报价平台发布报价请求,获取所述目标意向客户对应所述第一业务的报价结果。
进一步的,所述若所述风险等级满足所述报价等级阈值,则向预设报价平台发布报价请求,获取所述目标意向客户对应所述第一业务的报价结果的步骤,具体包括:
预先在所述报价平台为不同的风险等级设置不同的风险系数;
在接收到所述报价请求后,通过解析获取所述风险等级,通过所述风险等级获取其对应的风险系数;
将所述风险系数作为算法因子代入预设报价算法公式,计算报价结果,将所述报价结果作为所述目标意向客户对应所述第一业务的报价结果返回给报价请求方。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例所述对再保客户进行金融产品推荐的方法,根据目标客户的标识信息,从公司内部平台采集所述目标客户的属性信息;根据所述标识信息,从行业共享平台或权威平台采集所述目标客户非在本公司继续所述第一业务期间所述第一业务对应的第一业务信息;使用随机森林树算法对预处理后的目标客户的属性信息和第一业务信息进行分类训练,获得目标意向客户;获取所述目标意向客户的标识信息,根据所述标识信息从第二业务对应的行业共享平台或权威平台采集所述目标意向客户对应的第二业务信息;将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级;根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价。本申请通过对车险再保客户进行业务报价风险评估,便于业务报价公司准确的结合充足相关数据对目标客户进行再保相关信息推荐。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性***架构图;
图2根据本申请的对再保客户进行金融产品推荐的方法的一个实施例的流程图;
图3是图2所示步骤202的一个具体实施例的流程图;
图4是图2所示步骤203中对所述属性信息和所述第一业务信息进行预处理的一个具体实施例的流程图;
图5是图2所示步骤203中获得分类训练后的目标意向客户的一个具体实施例的流程图;
图6是图2所示步骤205的一种具体实施方式的流程图;
图7是图2所示步骤206的一种具体实施方式的流程图;
图8是图7所示步骤704的一种具体实施方式的流程图;
图9根据本申请的对再保客户进行金融产品推荐的装置的一个实施例的结构示意图;
图10根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
继续参考图2,示出了根据本申请的对再保客户进行金融产品推荐的方法的一个实施例的流程图。所述的对再保客户进行金融产品推荐的方法,包括以下步骤:
步骤201,根据目标客户的标识信息,从公司内部平台采集所述目标客户的属性信息,其中,所述属性信息包括:预设期间被呼叫次数、呼叫接通总时长、主动咨询次数、主动咨询时长、购买本公司其他同类业务的总数,其中,所述目标客户为在本公司存在第一业务历史记录,但本年度未继续所述第一业务的客户群体,其中,所述标识信息为所述目标客户身份证信息或所述目标客户对应的唯一客户编号,所述唯一客户编号在预设行业共享平台和所述公司内部平台都具备唯一性。
本实施例中,所述目标客户指代在本公司存在第一业务历史记录,但本年度未继续所述第一业务的客户群体,而非指代单个客户。
假设对车险再保业务进行风险评估,所述购买本公司其他同类业务的总数可以理解为购买本公司非车险类别的险种总数。所述目标客户为历史车险曾在本公司承保,但本年度未在本公司进行车险续保的脱保客户。所述预设期间被呼叫次数、呼叫接通总时长、主动咨询次数、主动咨询时长、购买本公司其他同类业务的总数,即在所述脱保期间被呼叫次数、呼叫接通总时长、主动咨询次数、主动咨询时长、购买本公司其他同类业务的总数。
通过从公司内部平台,获取脱保客户的属性信息,即其在脱保期间被呼叫次数、呼叫接通总时长、主动咨询次数、主动咨询时长、购买本公司其他同类业务的总数,将所述属性信息作为分类特征信息,通过所述属性信息识别对应脱保客户是否为目标意向客户,便于帮助保险公司通过脱保客户的行为筛选再保目标客户,筛选标准由随机筛选转变为以客户行为为标准进行筛选,更加科学化。
步骤202,根据所述标识信息,从行业共享平台采集所述目标客户在同行业其他公司继续所述第一业务对应的第一业务信息,其中,所述行业共享平台为行业相同的多家公司能进行所述业务信息共享的平台。
继续参考图3,图3为图2所示步骤202的一个具体实施例的流程图,包括步骤:
步骤301,预先根据是否能够检索到所述第一业务对应的第一业务信息设置区别状态码,其中,所述区别状态码包括第一状态码和第二状态码,第一状态码表示不能检索到所述第一业务信息,第二状态码表示能够检索到所述第一业务信息;
步骤302,将所述标识信息作为检索字段,判断是否能够从行业共享平台或权威平台检索所述目标客户非在本公司继续所述第一业务期间所述第一业务对应的第一业务信息;
步骤303,若不能检索到所述第一业务信息,则将所述第一业务对应的区别状态码设置为第一状态码;
步骤304,若能够检索到所述第一业务信息,则将所述第一业务对应的区别状态码设置为第二状态码。
继续以车险保险业务为例,从行业共享平台采集所述目标客户非在本公司继续所述业务期间所述业务对应的业务信息,即从行业共享平台采集所述目标客户在本公司脱保期间的车险续保信息。其中,所述行业共享平台也可以包括国家权威部门提供的供保险公司进行车险信息查询的平台。
所述业务状态标识码,即是否在其他公司继续所述业务,并使用区别码“1”和“0”进行表示,继续以车险保险业务为例,所述业务状态标识码,即在本公司脱保期间在其他公司进行再保,则所述业务标识码为“1”,在本公司脱保期间在其他公司也未进行再保,则所述业务标识码为“0”。
通过查询所述目标客户在本公司脱保期间是否在其他同行业公司进行了再保,为其设置区别状态码,若其未再进行再保,则说明其不再进行车险承保,自甘脱保,不想再购买车险承保业务,属于低意向再保客户,无需再争取,对其设置区别状态码,若其进行再保,则说明其愿意继续进行车险承保,属于高意向再保客户,还可以进行争取,对其设置区别状态码,通过识别客户在脱保期间是否在其他公司进行再保,便于帮助公司识别客户的续保意向。
步骤203,对所述属性信息和所述第一业务信息进行预处理,并使用随机森林树算法对预处理后的所述属性信息和所述第一业务信息进行分类训练,获得分类训练后的目标意向客户,其中,所述目标意向客户为达到预设意向标准的客户。
继续参考图4,图4是图2所示步骤203中对所述属性信息和所述第一业务信息进行预处理的一个具体实施例的流程图,包括步骤:
步骤401,预先根据所述属性信息的不同类别,构建数量与所述属性信息类别个数相等的数据集合,并根据所述属性信息的不同类别设置集合区分标识;
步骤402,以所述客户群体中单个客户为单位,获取所述客户群体中所有客户分别对应的所述预设期间被呼叫次数、呼叫接通总时长、主动咨询次数、主动咨询时长、购买本公司其他同类业务的总数;
步骤403,根据所述集合区分标识,将所述预设期间被呼叫次数、呼叫接通总时长、主动咨询次数、主动咨询时长、购买本公司其他同类业务的总数缓存入其分别对应的所述数据集合内;
步骤404,对每个所述数据集合内的数据进行归一化处理,将每个所述数据集合内数据映射到0至1的范围内;
步骤405,预先构建一个用于缓存所述第一业务信息对应的所述区别状态码的数据集合;
步骤406,获取所述客户群体中每个客户基于所述第一业务信息对应的所述区别状态码;
步骤407,将所述区别状态码缓存入所述数据集合内,并根据所述区别状态码的不同码值对所述数据集合内的元素进行二分化处理,将所述数据集合内数据替换为0或1。
继续以车险保险业务为例,所述目标意向客户,即高意向的车险续保客户。
通过对所述属性信息对应的离散型数据进行归一化处理,对所述第一业务信息是否能获取到所对应的Boolean值进行二分化处理,便于随机森林算法分类模型进行分类,获取目标意向用户。
继续参考图5,图5是图2所示步骤203中获得分类训练后的目标意向客户的一个具体实施例的流程图,包括步骤:
步骤501,预先为所述属性信息的不同类别分别设置意向阈值;
步骤502,将预处理后的所述属性信息的不同类别分别对应的数据集合输入基于所述随机森林树算法的分类模型,依次判断所述数据集合中每个数据是否大于其对应的所述意向阈值;
步骤503,若大于,则所述数据集合中当前数据对应的意向类别为高意向;
步骤504,若小于,则所述数据集合中当前数据对应的意向类别为低意向;
步骤505,获取预处理后的所述第一业务信息对应的数据集合;
步骤506,遍历所述数据集合中元素,若当前元素为0,则所述元素对应的意向类别为低意向,若当前元素为1,则所述元素对应的意向类别为高意向;
步骤507,根据所述客户群体中每个客户对应的所述标识信息,获取所述每个客户在不同数据集合分别对应的意向类别,并基于预设概率算法进行概率统计,获取统计结果;
步骤508,根据所述统计结果和预设概率阈值,判断所述每个客户对应的业务意向类别,并将所述每个客户对应的业务意向类别作为所述分类模型的输出结果,进行输出;
步骤509,根据预设筛选规则,从所述输出结果中筛选出目标意向客户,其中,所述筛选规则为筛选出所述业务意向类别为高意向的客户作为目标意向客户。
通过采用使用随机森林树算法对预处理后的所述属性信息和所述第一业务信息进行分类训练,保证了分类特征的选择不会过于单一和拟合,确保分类的科学性。
步骤204,获取所述目标意向客户的标识信息,根据所述标识信息从第二业务对应的行业共享平台或权威平台采集所述目标意向客户对应的第二业务信息,其中,所述第二业务为所述第一业务的后续业务。
继续以车险保险业务为例,所述从第二业务对应的行业共享平台或权威平台采集所述目标意向客户对应的第二业务信息,即从车险保险业务的后续理赔业务对应的行业共享平台或权威平台采集所述高意向的车险续保客户对应的理赔信息,此时,第一业务为车险保险业务,第二业务为以所述车险保险业务为在先协议约定而产生的相关理赔业务。
通过采集所述高意向的车险续保客户对应的理赔信息,弥补了所述高意向客户在本公司脱保期间无理赔信息的弊端,结合外部平台的理赔信息进行风险评估和报价,保证了评估和报价的合理性。
步骤205,将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级。
继续参考图6,图6是图2所示步骤205的一个具体实施例的流程图,包括步骤:
步骤601,预先为不同的风险等级设置相对应的风险阈值区间,并将所述风险阈值区间作为所述预测模型的配置参数;
步骤602,将所述风险预测数据输入初始化后的所述预测模型,通过对比,确定所述风险预测数据对应的风险阈值区间;
步骤603,根据所述风险预测数据对应的风险阈值区间确定所述目标意向客户对应的风险等级。
本实施例中,在执行所述将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级的步骤过程中,所述方法还包括:根据预设配置文件,识别风险等级的等级数量是否存在设置变更;若所述风险等级的等级数量进行了设置变更,则通过LightGBM模型调整相对应的风险阈值区间,使得所述风险阈值区间的数量与所述风险等级的等级数量相同,以完成对所述预测模型的配置参数进行拟合调优。
继续以车险保险业务为例,所述将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级,即将所述理赔信息作为风险预测数据,通过预设预测模型,预测所述高意向客户对应的风险等级。
通过为不同风险等级设置相对应的风险阈值区间,便于确定所述目标意向客户对应的风险等级,同时,使用LightGBM模型对所述预测模型的配置参数进行拟合调优,以便于在风险等级的设置发生变化时,及时根据风险等级的变更进行风险阈值区间变更。
步骤206,根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价,并根据判断结果向最终意向客户进行第一业务推荐。
本实施例中,所述最终意向客户为根据预设判断条件和所述风险等级判断之后,需要为其进行所述第一业务报价的目标意向客户。
继续参考图7,图7是图2所示步骤206的一个具体实施例的流程图,包括步骤:
步骤701,预先设置报价等级阈值;
步骤702,根据所述报价等级阈值和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价;
步骤703,若所述风险等级不满足所述报价等级阈值,则不对所述目标意向客户进行所述第一业务报价;
步骤704,若所述风险等级满足所述报价等级阈值,则向预设报价平台发布报价请求,获取所述目标意向客户对应所述第一业务的报价结果。
继续参考图8,图8是图7所示步骤704的一个具体实施例的流程图,包括步骤:
步骤801,预先在所述报价平台为不同的风险等级设置不同的风险系数;
步骤802,在接收到所述报价请求后,通过解析获取所述风险等级,通过所述风险等级获取其对应的风险系数;
步骤803,将所述风险系数作为算法因子代入预设报价算法公式,计算报价结果,将所述报价结果作为所述目标意向客户对应所述第一业务的报价结果返回给报价请求方。
继续以车险保险业务为例,所述根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价,即判断所述高意向客户对应的风险等级是否达到不再报价的条件,若达到,则不再对所述高意向客户进行车险报价,若未达到,则对所述高意向客户进行车险报价。
通过设置风险等级、风险系数,进一步的保证了报价公司在一定程度上规避业务报价风险,合理进行业务报价。
本申请根据目标客户的标识信息,从公司内部平台采集所述目标客户的属性信息;根据所述标识信息,从行业共享平台或权威平台采集所述目标客户非在本公司继续所述第一业务期间所述第一业务对应的第一业务信息;使用随机森林树算法对预处理后的目标客户的属性信息和第一业务信息进行分类训练,获得目标意向客户;获取所述目标意向客户的标识信息,根据所述标识信息从第二业务对应的行业共享平台或权威平台采集所述目标意向客户对应的第二业务信息;将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级;根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价。本申请通过对车险再保客户进行业务报价风险评估,便于业务报价公司准确的结合充足相关数据对目标客户进行再保相关信息推荐。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例中,可通过大数据处理技术从上述不同平台获取属性信息、第一业务信息、第二业务信息,也可以通过所述分类模型自动化的进行高意向客户确定,和通过所述预测模型自动化进行的报价风险评估,更加科学化和智能化。
进一步参考图9,作为对上述图2所示方法的实现,本申请提供了一种对再保客户进行金融产品推荐的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图9所示,本实施例所述的对再保客户进行金融产品推荐的装置900包括:客户属性获取模块901、第一业务信息获取模块902、意向客户筛选模块903、第二业务信息获取模块904、风险预测模块905和报价判断模块906。其中:
客户属性获取模块901,用于根据目标客户的标识信息,从公司内部平台采集所述目标客户的属性信息,其中,所述属性信息包括:预设期间被呼叫次数、呼叫接通总时长、主动咨询次数、主动咨询时长、购买本公司其他同类业务的总数,其中,所述目标客户为在本公司存在第一业务历史记录,但本年度未继续所述第一业务的客户群体,其中,所述标识信息为所述目标客户身份证信息或所述目标客户对应的唯一客户编号,所述唯一客户编号在预设行业共享平台和所述公司内部平台都具备唯一性;
第一业务信息获取模块902,用于根据所述标识信息,从行业共享平台采集所述目标客户在同行业其他公司继续所述第一业务对应的第一业务信息,其中,所述行业共享平台为行业相同的多家公司能进行所述业务信息共享的平台;
意向客户筛选模块903,用于对所述属性信息和所述第一业务信息进行预处理,并使用随机森林树算法对预处理后的所述属性信息和所述第一业务信息进行分类训练,获得分类训练后的目标意向客户,其中,所述目标意向客户为达到预设意向标准的客户;
第二业务信息获取模块904,用于获取所述目标意向客户的标识信息,根据所述标识信息从第二业务对应的行业共享平台或权威平台采集所述目标意向客户对应的第二业务信息,其中,所述第二业务为所述第一业务的后续业务;
风险预测模块905,用于将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级;
报价判断模块906,用于根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价,并根据判断结果向最终意向客户进行第一业务推荐。
本申请根据目标客户的标识信息,从公司内部平台采集所述目标客户的属性信息;根据所述标识信息,从行业共享平台或权威平台采集所述目标客户非在本公司继续所述第一业务期间所述第一业务对应的第一业务信息;使用随机森林树算法对预处理后的目标客户的属性信息和第一业务信息进行分类训练,获得目标意向客户;获取所述目标意向客户的标识信息,根据所述标识信息从第二业务对应的行业共享平台或权威平台采集所述目标意向客户对应的第二业务信息;将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级;根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价。本申请通过对车险再保客户进行业务报价风险评估,便于业务报价公司准确的结合充足相关数据对目标客户进行再保相关信息推荐。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图10,图10为本实施例计算机设备基本结构框图。
所述计算机设备10包括通过***总线相互通信连接存储器10a、处理器10b、网络接口10c。需要指出的是,图中仅示出了具有组件10a-10c的计算机设备10,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。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器10a至少包括一种类型的可读存储介质,所述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,所述存储器10a可以是所述计算机设备10的内部存储单元,例如该计算机设备10的硬盘或内存。在另一些实施例中,所述存储器10a也可以是所述计算机设备10的外部存储设备,例如该计算机设备10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(Flash Card)等。当然,所述存储器10a还可以既包括所述计算机设备10的内部存储单元也包括其外部存储设备。本实施例中,所述存储器10a通常用于存储安装于所述计算机设备10的操作***和各类应用软件,例如对再保客户进行金融产品推荐的方法的计算机可读指令等。此外,所述存储器10a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。
所述处理器10b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10b通常用于控制所述计算机设备10的总体操作。本实施例中,所述处理器10b用于运行所述存储器10a中存储的计算机可读指令或者处理数据,例如运行所述对再保客户进行金融产品推荐的方法的计算机可读指令。
所述网络接口10c可包括无线网络接口或有线网络接口,该网络接口10c通常用于在所述计算机设备10与其他电子设备之间建立通信连接。
本实施例提出的计算机设备,属于金融科技技术领域。本申请根据目标客户的标识信息,从公司内部平台采集所述目标客户的属性信息;根据所述标识信息,从行业共享平台或权威平台采集所述目标客户非在本公司继续所述第一业务期间所述第一业务对应的第一业务信息;使用随机森林树算法对预处理后的目标客户的属性信息和第一业务信息进行分类训练,获得目标意向客户;获取所述目标意向客户的标识信息,根据所述标识信息从第二业务对应的行业共享平台或权威平台采集所述目标意向客户对应的第二业务信息;将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级;根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价。本申请通过对车险再保客户进行业务报价风险评估,便于业务报价公司准确的结合充足相关数据对目标客户进行再保相关信息推荐。
本申请还提供了另一种实施方式,即提供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计算机可读指令,所述计算机可读指令可被处理器执行,以使所述处理器执行如上述的对再保客户进行金融产品推荐的方法的步骤。
本实施例提出的计算机可读存储介质,属于金融科技技术领域。本申请根据目标客户的标识信息,从公司内部平台采集所述目标客户的属性信息;根据所述标识信息,从行业共享平台或权威平台采集所述目标客户非在本公司继续所述第一业务期间所述第一业务对应的第一业务信息;使用随机森林树算法对预处理后的目标客户的属性信息和第一业务信息进行分类训练,获得目标意向客户;获取所述目标意向客户的标识信息,根据所述标识信息从第二业务对应的行业共享平台或权威平台采集所述目标意向客户对应的第二业务信息;将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级;根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价。本申请通过对车险再保客户进行业务报价风险评估,便于业务报价公司准确的结合充足相关数据对目标客户进行再保相关信息推荐。
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。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (11)
1.一种对再保客户进行金融产品推荐的方法,其特征在于,包括下述步骤:
根据目标客户的标识信息,从公司内部平台采集所述目标客户的属性信息,其中,所述目标客户为在本公司存在第一业务历史记录,但本年度未继续所述第一业务的客户群体;
根据所述标识信息,从行业共享平台采集所述目标客户在同行业其他公司继续所述第一业务对应的第一业务信息;
对所述属性信息和所述第一业务信息进行预处理,并使用随机森林树算法对预处理后的所述属性信息和所述第一业务信息进行分类训练,获得分类训练后的目标意向客户;
获取所述目标意向客户的标识信息,根据所述标识信息从第二业务对应的行业共享平台或权威平台采集所述目标意向客户对应的第二业务信息,其中,所述第二业务为所述第一业务的后续业务;
将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级;
根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价,并根据判断结果向最终意向客户进行第一业务推荐。
2.根据权利要求1所述的对再保客户进行金融产品推荐的方法,其特征在于,所述根据所述标识信息,从行业共享平台采集所述目标客户在同行业其他公司继续所述第一业务对应的第一业务信息的步骤,具体包括:
预先根据是否能够检索到所述第一业务对应的第一业务信息设置区别状态码,其中,所述区别状态码包括第一状态码和第二状态码,第一状态码表示不能检索到所述第一业务信息,第二状态码表示能够检索到所述第一业务信息;
将所述标识信息作为检索字段,判断是否能够从行业共享平台或权威平台检索所述目标客户非在本公司继续所述第一业务期间所述第一业务对应的第一业务信息;
若不能检索到所述第一业务信息,则将所述第一业务对应的区别状态码设置为第一状态码;
若能够检索到所述第一业务信息,则将所述第一业务对应的区别状态码设置为第二状态码。
3.根据权利要求2所述的对再保客户进行金融产品推荐的方法,其特征在于,所述对所述属性信息和所述第一业务信息进行预处理的步骤,具体包括:
预先根据所述属性信息的不同类别,构建数量与所述属性信息类别个数相等的数据集合,并根据所述属性信息的不同类别设置集合区分标识;
以所述客户群体中单个客户为单位,获取所述客户群体中所有客户分别对应的所述预设期间被呼叫次数、呼叫接通总时长、主动咨询次数、主动咨询时长、购买本公司其他同类业务的总数;
根据所述集合区分标识,将所述预设期间被呼叫次数、呼叫接通总时长、主动咨询次数、主动咨询时长、购买本公司其他同类业务的总数缓存入其分别对应的所述数据集合内;
对每个所述数据集合内的数据进行归一化处理,将每个所述数据集合内数据映射到0至1的范围内;
预先构建一个用于缓存所述第一业务信息对应的所述区别状态码的数据集合;
获取所述客户群体中每个客户基于所述第一业务信息对应的所述区别状态码;
将所述区别状态码缓存入所述数据集合内,并根据所述区别状态码的不同码值对所述数据集合内的元素进行二分化处理,将所述数据集合内数据替换为0或1。
4.根据权利要求3所述的对再保客户进行金融产品推荐的方法,其特征在于,所述并使用随机森林树算法对预处理后的所述属性信息和所述第一业务信息进行分类训练,获得分类训练后的目标意向客户的步骤,具体包括:
预先为所述属性信息的不同类别分别设置意向阈值;
将预处理后的所述属性信息的不同类别分别对应的数据集合输入基于所述随机森林树算法的分类模型,依次判断所述数据集合中每个数据是否大于其对应的所述意向阈值;
若大于,则所述数据集合中当前数据对应的意向类别为高意向;
若小于,则所述数据集合中当前数据对应的意向类别为低意向;
获取预处理后的所述第一业务信息对应的数据集合;
遍历所述数据集合中元素,若当前元素为0,则所述元素对应的意向类别为低意向,若当前元素为1,则所述元素对应的意向类别为高意向;
根据所述客户群体中每个客户对应的所述标识信息,获取所述每个客户在不同数据集合分别对应的意向类别,并基于预设概率算法进行概率统计,获取统计结果;
根据所述统计结果和预设概率阈值,判断所述每个客户对应的业务意向类别,并将所述每个客户对应的业务意向类别作为所述分类模型的输出结果,进行输出;
根据预设筛选规则,从所述输出结果中筛选出目标意向客户,其中,所述筛选规则为筛选出所述业务意向类别为高意向的客户作为目标意向客户。
5.根据权利要求1所述的对再保客户进行金融产品推荐的方法,其特征在于,所述将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级的步骤,具体包括:
预先为不同的风险等级设置相对应的风险阈值区间,并将所述风险阈值区间作为所述预测模型的配置参数;
将所述风险预测数据输入初始化后的所述预测模型,通过对比,确定所述风险预测数据对应的风险阈值区间;
根据所述风险预测数据对应的风险阈值区间确定所述目标意向客户对应的风险等级。
6.根据权利要求5所述的对再保客户进行金融产品推荐的方法,其特征在于,在执行所述将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级的步骤过程中,所述方法还包括:
根据预设配置文件,识别风险等级的等级数量是否存在设置变更;
若所述风险等级的等级数量进行了设置变更,则通过Li ghtGBM模型调整相对应的风险阈值区间,使得所述风险阈值区间的数量与所述风险等级的等级数量相同,以完成对所述预测模型的配置参数进行拟合调优。
7.根据权利要求1所述的对再保客户进行金融产品推荐的方法,其特征在于,所述根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价的步骤,具体包括:
预先设置报价等级阈值;
根据所述报价等级阈值和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价;
若所述风险等级不满足所述报价等级阈值,则不对所述目标意向客户进行所述第一业务报价;
若所述风险等级满足所述报价等级阈值,则向预设报价平台发布报价请求,获取所述目标意向客户对应所述第一业务的报价结果。
8.根据权利要求7所述的对再保客户进行金融产品推荐的方法,其特征在于,所述若所述风险等级满足所述报价等级阈值,则向预设报价平台发布报价请求,获取所述目标意向客户对应所述第一业务的报价结果的步骤,具体包括:
预先在所述报价平台为不同的风险等级设置不同的风险系数;
在接收到所述报价请求后,通过解析获取所述风险等级,通过所述风险等级获取其对应的风险系数;
将所述风险系数作为算法因子代入预设报价算法公式,计算报价结果,将所述报价结果作为所述目标意向客户对应所述第一业务的报价结果返回给报价请求方。
9.一种对再保客户进行金融产品推荐的装置,其特征在于,包括:
客户属性获取模块,用于根据目标客户的标识信息,从公司内部平台采集所述目标客户的属性信息,其中,所述目标客户为在本公司存在第一业务历史记录,但本年度未继续所述第一业务的客户群体;
第一业务信息获取模块,用于根据所述标识信息,从行业共享平台采集所述目标客户在同行业其他公司继续所述第一业务对应的第一业务信息;
意向客户筛选模块,用于对所述属性信息和所述第一业务信息进行预处理,并使用随机森林树算法对预处理后的所述属性信息和所述第一业务信息进行分类训练,获得分类训练后的目标意向客户;
第二业务信息获取模块,用于获取所述目标意向客户的标识信息,根据所述标识信息从第二业务对应的行业共享平台或权威平台采集所述目标意向客户对应的第二业务信息,其中,所述第二业务为所述第一业务的后续业务;
风险预测模块,用于将所述第二业务信息作为风险预测数据,通过预设预测模型,预测所述目标意向客户对应的风险等级;
报价判断模块,用于根据预设判断条件和所述风险等级,判断是否对所述目标意向客户进行所述第一业务报价,并根据判断结果向最终意向客户进行第一业务推荐。
10.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至8中任一项所述的对再保客户进行金融产品推荐的方法的步骤。
11.一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上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至8中任一项所述的对再保客户进行金融产品推荐的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211366002.3A CN115907898A (zh) | 2022-10-31 | 2022-10-31 | 对再保客户进行金融产品推荐的方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211366002.3A CN115907898A (zh) | 2022-10-31 | 2022-10-31 | 对再保客户进行金融产品推荐的方法及其相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115907898A true CN115907898A (zh) | 2023-04-04 |
Family
ID=86485379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211366002.3A Pending CN115907898A (zh) | 2022-10-31 | 2022-10-31 | 对再保客户进行金融产品推荐的方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115907898A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117011074A (zh) * | 2023-07-25 | 2023-11-07 | 明亚保险经纪股份有限公司 | 风险预警方法及平台 |
-
2022
- 2022-10-31 CN CN202211366002.3A patent/CN115907898A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117011074A (zh) * | 2023-07-25 | 2023-11-07 | 明亚保险经纪股份有限公司 | 风险预警方法及平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110704730B (zh) | 基于大数据的产品数据推送方法、***及计算机设备 | |
US20080154651A1 (en) | System and method for utilizing interrelated computerized predictive models | |
CN112668859A (zh) | 基于大数据的客户风险评级方法、装置、设备及存储介质 | |
CN112990386B (zh) | 用户价值聚类方法、装置、计算机设备和存储介质 | |
CN110610431A (zh) | 基于大数据的智能理赔方法及智能理赔*** | |
CN113822488B (zh) | 融资租赁的风险预测方法、装置、计算机设备及存储介质 | |
CN111552680A (zh) | 业务欺诈识别数据库的构建方法、装置和计算机设备 | |
CN112598513B (zh) | 识别股东风险交易行为的方法及装置 | |
CN112950347B (zh) | 资源数据处理的优化方法及装置、存储介质、终端 | |
CN115936895A (zh) | 基于人工智能的风险评估方法、装置、设备及存储介质 | |
CN115907898A (zh) | 对再保客户进行金融产品推荐的方法及其相关设备 | |
CN114581249A (zh) | 基于投资风险承受能力评估的金融产品推荐方法及*** | |
CN116843483A (zh) | 一种车险理赔方法、装置、计算机设备及存储介质 | |
CN116843481A (zh) | 知识图谱分析方法、装置、设备及存储介质 | |
CN115797084A (zh) | 基于车主驾驶行为的投保定价指导方法及其相关设备 | |
CN116187675A (zh) | 任务分配方法、装置、设备及存储介质 | |
CN112712270B (zh) | 信息处理方法、装置、设备及存储介质 | |
CN115577983A (zh) | 基于区块链的企业任务匹配方法、服务器及存储介质 | |
CN114048330A (zh) | 风险传导概率知识图谱生成方法、装置、设备及存储介质 | |
US11625788B1 (en) | Systems and methods to evaluate application data | |
CN113743435A (zh) | 业务数据分类模型的训练、业务数据的分类方法和装置 | |
CN112700044A (zh) | 预测方法和装置 | |
CN113723811A (zh) | 基于机器学习的设备维保单位评估方法、装置及电子设备 | |
CN114298563A (zh) | 一种告警信息的分析方法、装置及计算机设备 | |
CN116862561A (zh) | 基于卷积神经网络的产品热度分析方法和*** |
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 |