CN116485560A - 一种基于反馈机制的目标用户筛选方法及*** - Google Patents
一种基于反馈机制的目标用户筛选方法及*** Download PDFInfo
- Publication number
- CN116485560A CN116485560A CN202310736513.8A CN202310736513A CN116485560A CN 116485560 A CN116485560 A CN 116485560A CN 202310736513 A CN202310736513 A CN 202310736513A CN 116485560 A CN116485560 A CN 116485560A
- Authority
- CN
- China
- Prior art keywords
- insurance
- product
- insurance product
- user
- products
- 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
- 238000012216 screening Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000008713 feedback mechanism Effects 0.000 title claims abstract description 36
- 238000000265 homogenisation Methods 0.000 claims abstract description 42
- 239000013598 vector Substances 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008685 targeting Effects 0.000 claims 1
- 238000007418 data mining Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 8
- 230000010354 integration Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 230000002860 competitive effect Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及保险数据挖掘领域，尤其涉及一种基于反馈机制的目标用户筛选方法及***。其中，所述基于反馈机制的目标用户筛选方法，包括如下步骤：获取同类型保险产品的产品数据和用户数据；利用所述产品数据和所述用户数据，搭建保险特征模型；在所述同类型保险产品中，选取参考保险产品和待评估保险产品；通过保险特征模型，获得参考保险产品和待评估保险产品的同质化参数；利用参考保险产品和待评估保险产品的同质化参数，搭建用户特征模型；通过所述用户特征模型，在所述同类型保险产品中筛选出所述待评估保险产品的目标用户。本发明提供的目标用户筛选方法利用现有数据解决同类型保险产品之间同质化的问题，并帮助保险公司筛选目标客户。
Description
技术领域
本发明涉及保险数据挖掘领域，尤其涉及一种基于反馈机制的目标用户筛选方法及***。
背景技术
同类型保险产品是指具有相似保障对象和保障范围的保险合同，通常都是由保险公司为了满足特定风险领域的保险需求而设计的。这些产品的保障内容和理赔范围可能有所不同，但它们都是针对同一类风险进行保障的。同类型保险产品在保险市场中占据重要的地位，因为它们可以满足消费者针对特定风险的保险需求，同时也为保险公司提供了业务增长的机会。
但是，同类型保险产品之间的保障内容和服务特征趋于相似或相同，缺乏差异性，难以满足消费者个性化需求的现象。因此，同类型保险产品之间的同质化现象会导致保险公司难以区分不同产品的优劣，从而难以明确目标客户群体。同时，消费者在面对同质化的保险产品时，也难以区分产品之间的差异，容易受到价格和营销手段的影响，而无法真正了解产品的保障范围和特点，从而也难以确定他们的购买意愿和能力。因此，亟需一种基于反馈机制的目标用户筛选方法，以利用已有的保险产品和用户数据，通过数据挖掘等大数据等处理手段，横向挖掘出同类型保险产品的潜在目标用户，进而满足保险行业日益增长的客户需求。
发明内容
针对现有技术的不足以及实际应用的需求，第一方面，本发明提供了一种基于反馈机制的目标用户筛选方法，旨在利用现有数据解决同类型保险产品之间同质化的问题，并帮助保险公司更好地满足客户的个性化需求，所述基于反馈机制的目标用户筛选方法，包括如下步骤：获取同类型保险产品的产品数据和用户数据；利用所述产品数据和所述用户数据，搭建保险特征模型；在所述同类型保险产品中，选取参考保险产品和待评估保险产品；通过保险特征模型，获得参考保险产品和待评估保险产品的同质化参数；利用参考保险产品和待评估保险产品的同质化参数，搭建用户特征模型；通过所述用户特征模型，在所述同类型保险产品中筛选出所述待评估保险产品的目标用户。这本发明通过引入反馈机制，利用已有的数据和模型分析，实现了个性化定制、节约成本、精准营销和竞争优势。本发明能够帮助保险公司准确了解用户需求，提供个性化的保险产品，提高用户满意度，并有效地节约开发成本和时间。通过精准的目标用户筛选和定向营销，提高销售转化率和市场营销效果。此外，本发明还帮助保险公司在同质化市场中脱颖而出，开发特色产品，获得竞争优势。本发明为保险行业提供了一种创新的解决方案，满足了客户个性化需求的同时，提升了保险公司的业务水平和市场竞争力。
可选地，所述获取同类型保险产品的产品数据和用户数据，包括如下步骤：确定目标保险产品类型；选取目标保险产品类型下的具体保险产品；获取具体保险产品的产品数据和用户数据；整理所述产品数据和所述用户数据，获得保险数据库。通过获取同类型保险产品的产品数据和用户数据，并整理成保险数据库，为后续的分析和挖掘提供了可靠的数据基础。这样做可以准确了解保险产品特点和用户需求，为保险公司提供更好的决策支持和市场洞察，从而优化产品设计和提升客户满意度。
可选地，所述利用所述产品数据和所述用户数据，搭建保险特征模型，包括如下步骤：定义基础特征向量；利用所述基础特征向量，向量化所述产品数据和所述用户数据；根据向量化结果，搭建保险特征模型。本发明通过搭建保险特征模型，将产品数据和用户数据转化为向量表示，实现了对数据的高效处理和分析。这样做可以更准确地捕捉产品和用户的关键特征，帮助保险公司深入理解产品特点和用户需求，为个性化定制和目标用户筛选提供了强大的工具和依据。同时，基于向量化的保险特征模型也为数据挖掘和机器学习提供了更广阔的应用空间。
可选地，所述基础特征向量，满足如下模型：，其中，/>表示同类型保险产品中第i种保险产品的基础特征向量，/>表示同类型保险产品中第i种保险产品的价格特征参数，/>表示同类型保险产品中第i种保险产品的保障范围特征参数，/>表示同类型保险产品中第i种保险产品的赔付方式特征参数，/>表示同类型保险产品中第i种保险产品的投保条件特征参数。本发明通过基础特征向量的定义和建模，将同类型保险产品的关键特征进行参数化表示。这样做可以将产品的价格、保障范围、赔付方式和投保条件等特征转化为数值化的特征参数，便于在模型中进行计算和比较。这种参数化的表示方式有助于提取产品间的差异和相似性，帮助保险公司更准确地评估和比较不同产品的优劣，以及为目标用户筛选提供更有针对性的推荐和定制。
可选地，所述保险特征模型，满足如下公式：
，其中，/>表示第i种保险产品相对于参考保险产品的同质参数，/>，/>表示保险产品的编号，/>表示保险产品的种类数量，/>表示保险特征模型选取的参考保险产品对应的参考特征向量，表示参考特征向量的二阶范数，/>表示同类型保险产品中第i种保险产品的基础特征向量，/>表示同类型保险产品中第i种保险产品的价格特征参数，/>表示同类型保险产品中第i种保险产品的保障范围特征参数，/>表示同类型保险产品中第i种保险产品的赔付方式特征参数，/>表示同类型保险产品中第i种保险产品的投保条件特征参数。本发明通过保险特征模型的公式计算，可以得到不同保险产品相对于参考保险产品的同质参数。这个参数可以用来度量保险产品之间的相似性，从而为目标用户筛选提供更有针对性的推荐和定制。通过比较同质参数，保险公司可以准确评估每个产品相对于参考产品的优劣程度，帮助他们更好地了解产品的特点和差异，并为目标用户选择最合适的保险产品。这种方法提供了一种科学的量化手段，为个性化保险推荐提供了可靠的依据，提高用户满意度和市场竞争力。
可选地，所述在所述同类型保险产品中，选取参考保险产品和待评估保险产品，包括如下步骤：将同类型保险产品中不同的保险产品进行排序；根据排序结果，依次选取参考保险产品；根据参考保险产品的选取结果，设定待评估保险产品，所述待评估保险产品不包括参考保险产品。本发明通过对同类型保险产品进行排序和选择，确定参考保险产品和待评估保险产品，实现了对比和筛选的过程。通过排序，可以将保险产品按照某种标准进行排列，有助于保险公司快速确定参考产品。选取参考保险产品后，待评估保险产品可以排除参考产品，避免了重复评估和比较。这样的选取步骤可以提高评估的效率和准确性，帮助保险公司更好地了解市场竞争格局和产品差异，为目标用户筛选出最具潜力的保险产品。
可选地，所述待评估保险产品的数量为一个或者多个。本发明根据需求选取一个或多个待评估保险产品，增加了灵活性和多样性，更好地满足不同的评估和比较需求。
可选地，参考保险产品和待评估保险产品的选取结果，包括如下：第i次选取结果：第i个保险产品为参考保险产品，第个保险产品均为待评估保险产品。本发明通过将第i个保险产品作为参考保险产品，而将其他保险产品作为待评估保险产品，可以帮助保险公司有序地进行评估和比较，确保每个产品都有机会被评估，并有效地比较其与参考产品的优劣。
可选地，利用参考保险产品和待评估保险产品的同质化参数，搭建用户特征模型，包括如下步骤：根据参考保险产品和待评估保险产品的同质化参数，设置同质化阈值；利用所述同质化阈值，搭建用户特征模型，所述用户特征模型，满足如下公式：，其中，/>表示参考保险产品的用户是否为待评估保险产品的***评估值，表示参考保险产品的用户是待评估保险产品的***，/>表示参考保险产品的用户不是待评估保险产品的***，/>表示第i种保险产品相对于参考保险产品的同质参数，/>表示同质化阈值。本发明通过设置同质化阈值，可以根据同质参数的评估值判断参考保险产品的用户是否为待评估保险产品的***。这样的用户特征模型可以帮助保险公司更准确地确定目标用户，提供更有针对性的推荐和定制，提高销售转化率和客户满意度。
第二方面，为更好执行上述基于反馈机制的目标用户筛选方法，本发明还提供了一种基于反馈机制的目标用户筛选***。所述基于反馈机制的目标用户筛选***包括一个或多个处理器；一个或多个输入设备；一个或多个输出设备和存储器，所述处理器、所述输入设备、所述输出设备和所述存储器通过总线连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行本发明第一方面所提出的基于反馈机制的目标用户筛选方法。本发明所提供的基于反馈机制的目标用户筛选***性能高、稳定，结构紧凑，能够高效且准确地实施本发明所提出的目标用户筛选方法。
附图说明
图1为本发明实施例所提供的基于反馈机制的目标用户筛选方法流程图；
图2为本发明实施例所提供的基于反馈机制的目标用户筛选***的结构图。
具体实施方式
下面将详细描述本发明的具体实施例，应当注意，这里描述的实施例只用于举例说明，并不用于限制本发明。在以下描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的电路，软件或方法。
在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。
在一个可选的实施例中，请参见图1，图1为本发明实施例所提供的基于反馈机制的目标用户筛选方法流程图。图1所示，所述基于反馈机制的目标用户筛选方法流程图，包括如下步骤：
S01、获取同类型保险产品的产品数据和用户数据。
应当理解，步骤S01中所述的同类型保险产品指的是在同一保险领域或子领域内，具有相似保险条款、保险范围、保费等方面的保险产品。例如，在车险领域，同类型保险产品可以包括交强险、商业车险、车损险、第三者责任险等。在健康险领域，同类型保险产品可以包括重疾险、医疗险、意外险等。
其中，产品数据是指与保险产品的各种信息数据，包括但不限于：产品名称、保额、保费、保险责任、承保范围、理赔流程等。用户数据是指保险产品对应的保险用户的各种信息数据，包括但不限于：年龄、性别、职业、健康状况、家庭情况、资产状况等。这些数据可以通过保险公司的产品手册和条款、内部数据***、市场调研、用户调查、线上线下营销活动、客户关系管理等方式获取。
进一步地，步骤S01可以针对某种类型的保险产品（例如车险、健康险等），收集该类型保险产品的产品数据和用户数据。以车险为例，产品数据包括保单号、保费、保额、保险期间等信息，用户数据包括车主信息（姓名、手机号、车牌号、车型等）、保险购买记录、理赔记录等信息。这些数据可以从保险公司的数据平台、保险经纪人的***、保险行业协会的数据中心等处获取。另外，还可以从互联网上的一些公开数据源（如开放数据平台、社交网络等）获取相关的数据，例如车主的社交媒体活动、相关新闻报道等，这些数据也可以用于后续保险特征模型和用户特征模型的搭建。
在一个可选的实施例中，步骤S01所述的获取同类型保险产品的产品数据和用户数据，包括如下步骤：
S011、确定目标保险产品类型。
进一步地，步骤S011可通过实际需求，确定需要筛选的保险产品类型，如车险、寿险、意外险等。
S012、选取目标保险产品类型下的具体保险产品。
基于步骤S011确定目标保险产品类型后，步骤S012可通过可以通过保险公司的产品手册来选择目标保险产品类型下的具体保险产品。
S013、获取具体保险产品的产品数据和用户数据。
其中，具体保险产品的产品数据可选择通过保险公司的产品手册、官方网站、保险公司代理人、第三方保险比价网站等渠道获取。具体保险产品的用户数据可以通过内部数据***、用户调研、社交媒体分析等途径获取。
S014、整理所述产品数据和所述用户数据，获得保险数据库。
步骤S014所述的整理所述产品数据和所述用户数据，获得保险数据库，可以通过现有的技术手段来实现。其中，数据清洗、数据转换、数据集成、数据存储和数据分析是构建保险数据库的基本步骤。
进一步地，数据清洗可将数据中的错误、重复、缺失、不一致等问题进行清洗和处理，以确保数据的准确性和完整性。具体地，数据清洗可以通过使用数据挖掘工具、数据预处理软件、编程语言和数据库管理***等技术手段实现。
数据转换可将数据从不同的格式和结构转换为统一的格式和结构，以方便数据集成和分析。具体地，数据转换可以通过使用ETL（抽取、转换和加载）工具、数据映射工具、数据转换语言和数据集成软件等技术手段实现。
数据集成可将来自不同数据源的数据进行整合和集成，以构建一个完整的保险数据库。具体地，数据集成可以通过使用数据集成软件、企业应用集成软件、Web服务和API等技术手段实现。
数据存储可将集成后的数据存储到适当的数据存储设施中，以支持后续的数据分析和处理。具体地，数据存储可以通过使用关系型数据库、NoSQL数据库、数据仓库、数据湖等技术手段实现。
可以理解，保险数据库可以让保险公司将各种数据进行统一格式和结构的集中存储，有助于后续通过数据挖掘和分析等工作，进而帮助保险公司更好地了解市场趋势、客户需求和风险预测，从而能够更加迅速、准确地做出决策。
步骤S011至S014的好处是为后续步骤提供了数据基础，从而实现了基于反馈机制的目标用户筛选方法，提高了目标用户的命中率和业务效益。同时，通过构建全面、精准、可复用和有效的保险数据库，可以为保险产品研发、市场推广、用户画像等方面提供支持和指导，提高了企业的竞争力和创新能力。
S02、利用所述产品数据和所述用户数据，搭建保险特征模型。
本发明所提供的保险特征模型是基于产品数据和用户数据的数学模型，其不仅用于从产品数据和用户数据中提取特定的特征，还用于根据特定的特征获得同类型保险产品间的同质化表征参数。进一步地，同质化表征参数是指同一类型的不同保险产品之间所具有的相似性参数。具体来说，在本发明提供的保险特征模型中，通过对产品数据和用户数据进行分析和处理，可以提取出一系列特征参数，这些参数可以表示不同保险产品的特征和属性。然后，通过对这些特征参数进行分析和比较，可以获得同类型保险产品之间的同质化表征参数，用于刻画不同保险产品之间的相似性。
在一个可选的实施例中，步骤S02所述利用所述产品数据和所述用户数据，搭建保险特征模型，包括如下步骤：
S021、定义基础特征向量。
在本实施例种，所述基础特征向量满足如下模型：，其中，/>表示同类型保险产品中第i种保险产品的基础特征向量，/>表示同类型保险产品中第i种保险产品的价格特征参数，/>表示同类型保险产品中第i种保险产品的保障范围特征参数，表示同类型保险产品中第i种保险产品的赔付方式特征参数，/>表示同类型保险产品中第i种保险产品的投保条件特征参数。
针对价格特征参数，可以从现有数据中提取出保险产品的价格信息。如果有具体的价格数值，可以直接将其作为特征参数。如果只有价格范围或者离散的价格等级，可以进行数值化处理，将其映射到一个数值上。
针对保障范围特征参数，可以根据保险产品的条款和说明文档提取出保险的具体保障范围信息。具体地，可以根据文本处理技术和自然语言处理方法进行关键词提取、分类或者文本向量化等操作，将其转化为数值表示。
针对赔付方式特征参数，可以根据保险产品的赔付条款和规定提取。可以将赔付方式转化为分类标签或者数值编码，以表示不同的赔付方式。
针对投保条件特征参数，可以从保险产品的投保要求和限制中提取。可以根据投保年龄、健康状况、职业等要素进行编码或者分类。
S022、利用所述基础特征向量，向量化所述产品数据和所述用户数据。
在本实施例中，步骤S022根据步骤S021所设定的基础特征向量，量化步骤S01所获得的产品数据和用户数据。具体地，在本实施例中，对于一保险产品A，其价格特征参数为1000，保障范围特征参数/>为"高"，赔付方式特征参数/>为"按比例赔付"，投保条件特征参数/>为"18岁以上"。故针对保险产品A的基础特征向量即为：/>=[1000,高,按比例赔付,18岁以上]。进一步地，将上述保险产品A的基础特征向量作为其使用用户的标签，将用户数据向量化，便于后续匹配潜在目标用户。
S023、根据向量化结果，搭建保险特征模型。
步骤S023所提出的保险特征模型，是用于比较和评估不同保险产品之间的同质参数，即相对于参考保险产品的特征相似度。在本实施例种，所述保险特征模型，满足如下公式：，其中，/>表示第i种保险产品相对于参考保险产品的同质参数，/>，/>表示保险产品的编号，/>表示保险产品的种类数量，/>表示保险特征模型选取的参考保险产品对应的参考特征向量，表示参考特征向量的二阶范数，/>表示同类型保险产品中第i种保险产品的基础特征向量，/>表示同类型保险产品中第i种保险产品的价格特征参数，/>表示同类型保险产品中第i种保险产品的保障范围特征参数，/>表示同类型保险产品中第i种保险产品的赔付方式特征参数，/>表示同类型保险产品中第i种保险产品的投保条件特征参数。
S03、在所述同类型保险产品中，选取参考保险产品和待评估保险产品。
在一个可选的实施例种，步骤S03所述的在所述同类型保险产品中，选取参考保险产品和待评估保险产品，包括如下步骤：
S031、将同类型保险产品中不同的保险产品进行排序。
步骤S031的目的是对同类型的保险产品进行排序。通过排序，可以确定保险产品之间的相对顺序，即哪些保险产品在某种标准下排名较高，哪些排名较低。这样做的目的是为了在后续步骤中选取参考保险产品和待评估保险产品时有一个明确的依据，确保参考保险产品具有一定的代表性，并且待评估保险产品包括了除参考保险产品以外的其他保险产品。排序可以根据不同的标准，例如价格、保障范围、赔付方式等进行，以便根据特定需求和比较目的来确定保险产品的相对顺序。
S032、根据排序结果，依次选取参考保险产品。
根据排序后的结果，可以从排名最高或者最低的保险产品开始，依次选取参考保险产品。且每次选取一个保险产品作为参考保险产品。
S033、根据参考保险产品的选取结果，设定待评估保险产品，所述待评估保险产品不包括参考保险产品。
应当理解，待评估保险产品将包括除参考保险产品以外的其余保险产品。进一步地，所述待评估保险产品的数量为一个或者多个。
在一个可选的实施例中，将待评估保险产品的数量设置为一个，这样只需对单个保险产品进行评估，可以更加集中精力进行深入的分析和比较。同时，通过仔细评估单个保险产品，可以更加准确地了解其特征、优势和劣势，以及与参考保险产品的差异和相似之处。在本实施例中，针对价格从低到高的排序的A、B、C、D、E的5种保险产品。在第一次选取保险产品A作为参考保险产品，保险产品B作为待评估保险产品；在第二次选取保险产品A作为参考保险产品，保险产品C作为待评估保险产品；第三次选取保险产品A作为参考保险产品，保险产品D作为待评估保险产品；第四次选取保险产品A作为参考保险产品，保险产品E作为待评估保险产品。
在又一个可选的实施例中，将待评估保险产品的数量设置为多个，这样通过评估多个保险产品，可以全面了解它们之间的差异、优势和劣势，以及它们在不同特征参数上的表现；同时选取多个保险产品可以涵盖不同的特征和策略，从而获得更多的观察结果和分析洞察，有助于做出更全面和准确的决策，并且选取多个待评估保险产品，可以分散评估风险，避免过度依赖单个保险产品的评估结果。
进一步地，一个可选的实施例中，将非参考保险产品的保险产品均设置成待评估保险产品，如下表所示：
上表中，A表示对应序号的产品为参考保险产品，B表示在对应序号的产品为待评估保险产品。既上表格中的选取结果，满足如下规则：第i次选取结果：第i个保险产品为参考保险产品，第个保险产品均为待评估保险产品。
S04、通过保险特征模型，获得参考保险产品和待评估保险产品的同质化参数。
应当理解，步骤S04所述的同质化参数是以参考保险产品的基础特征向量为参考，获得待评估保险产品与参考保险产品之间的相对同质化参数。步骤S04通过保险特征模型，可以计算出任一参考保险产品和对应待评估保险产品的同质化参数。这些同质化参数可以用于比较不同保险产品之间的相似性和差异性，以便做出更准确的评估和决策。
S05、利用参考保险产品和待评估保险产品的同质化参数，搭建用户特征模型。
在一个可选的实施例种，步骤S05所述的利用参考保险产品和待评估保险产品的同质化参数，搭建用户特征模型，包括如下步骤：
S051、据参考保险产品和待评估保险产品的同质化参数，设置同质化阈值。
步骤S051所述的同质化阈值用于确定参考保险产品的用户是否是待评估保险产品的***。进一步地，同质化阈值是一个设定的数值，用于判断同质化参数的大小。它决定了参考保险产品的用户是否被认为是待评估保险产品的***。
需要注意的是，同质化阈值的选择可能需要根据具体的应用场景和需求进行调整。较高的同质化阈值可能会导致更严格的用户筛选，而较低的同质化阈值可能会放宽用户筛选条件。因此，在实际应用中，可以根据实际情况和需求进行实验和调整，以获得更合适的用户特征模型。
S052、利用所述同质化阈值，搭建用户特征模型，所述用户特征模型，满足如下公式：，其中，/>表示参考保险产品的用户是否为待评估保险产品的***评估值，/>表示参考保险产品的用户是待评估保险产品的***，/>表示参考保险产品的用户不是待评估保险产品的***，/>表示第i种保险产品相对于参考保险产品的同质参数，/>表示同质化阈值。
在本实施例中，如果同质化参数的绝对值大于等于同质化阈值（），则认为参考保险产品的用户是待评估保险产品的***（/>）。如果同质化参数的绝对值小于同质化阈值（/>），则认为参考保险产品的用户不是待评估保险产品的***（/>）。
S06、通过所述用户特征模型，在所述同类型保险产品中筛选出所述待评估保险产品的目标用户。
步骤S06旨在通过用户特征模型，在同类型保险产品中筛选出待评估保险产品的目标用户。这一步骤的意义在于根据用户特征模型的评估结果，确定哪些用户是对待评估保险产品感兴趣或具备潜在需求的用户，从而实现精准的目标市场定位。
进一步地，步骤S06所述的通过所述用户特征模型，在所述同类型保险产品中筛选出所述待评估保险产品的目标用户，包括如下步骤：
S061、通过所述用户特征模型，获得待评估保险产品的***评估值。
用户特征模型将参考保险产品和待评估保险产品之间的同质化参数作为输入，并根据设定的同质化阈值进行判断，输出一个***评估值（）。
S062、根据所述***评估值，在所述同类型保险产品中筛选出所述待评估保险产品的目标用户。
利用用户特征模型的评估值，可以对同类型保险产品中的用户进行筛选，以确定待评估保险产品的目标用户。根据用户特征模型的公式，对每个用户进行评估，如果***评估值为1（），则将该用户视为待评估保险产品的***，否则视为非目标用户。
本发明能够帮助保险公司准确了解用户需求，提供个性化的保险产品，提高用户满意度，并有效地节约开发成本和时间。通过精准的目标用户筛选和定向营销，提高销售转化率和市场营销效果。此外，本发明还帮助保险公司在同质化市场中脱颖而出，开发特色产品，获得竞争优势。本发明为保险行业提供了一种创新的解决方案，满足了客户个性化需求的同时，提升了保险公司的业务水平和市场竞争力。
在一个可选的实施例中，请参见图2，图2为本发明实施例所提供的基于反馈机制的目标用户筛选***的结构图。如图2所示，本发明所提供的基于反馈机制的目标用户筛选***包括一个或多个处理器201；一个或多个输入设备202；一个或多个输出设备203和存储器204，所述处理器201、所述输入设备202、所述输出设备203和所述存储器204通过总线连接，所述存储器204用于存储计算机程序，所述计算机程序包括程序指令，所述处理器201被配置用于调用所述程序指令，执行本发明所提供的基于反馈机制的目标用户筛选方法。本发明所提供的基于反馈机制的目标用户筛选***性能高、稳定，结构紧凑，能够高效且准确地实施基于反馈机制的目标用户筛选方法。
在又一个可选的实施例中，处理器201可以是中央处理单元（Central ProcessingUnit，CPU），也可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列（Field Programmable Gate Array，FPGA）或其他可编程逻辑器件、分立门或晶体管逻辑器件、分立硬件组件等。输入设备202可用于输入产品数据和用户数据。输出设备203可显示基于本发明所提供基于反馈机制的目标用户筛选方法，获得的结果等相关信息进行显示。该存储器204可以包括只读存储器和随机存取存储器，并向处理器201提供指令和数据。存储器204的一部分还可以包括非易失性随机存取存储器。例如，存储器204还可以储设备类型的信息。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于反馈机制的目标用户筛选方法，其特征在于，所述基于反馈机制的目标用户筛选方法，包括如下步骤：
获取同类型保险产品的产品数据和用户数据；
利用所述产品数据和所述用户数据，搭建保险特征模型；
在所述同类型保险产品中，选取参考保险产品和待评估保险产品；
通过保险特征模型，获得参考保险产品和待评估保险产品的同质化参数；
利用参考保险产品和待评估保险产品的同质化参数，搭建用户特征模型；
通过所述用户特征模型，在所述同类型保险产品中筛选出所述待评估保险产品的目标用户。
2.根据权利要求1所述的基于反馈机制的目标用户筛选方法，其特征在于，所述获取同类型保险产品的产品数据和用户数据，包括如下步骤：
确定目标保险产品类型；
选取目标保险产品类型下的具体保险产品；
获取具体保险产品的产品数据和用户数据；
整理所述产品数据和所述用户数据，获得保险数据库。
3.根据权利要求1所述的基于反馈机制的目标用户筛选方法，其特征在于，所述利用所述产品数据和所述用户数据，搭建保险特征模型，包括如下步骤：
定义基础特征向量；
利用所述基础特征向量，向量化所述产品数据和所述用户数据；
根据向量化结果，搭建保险特征模型。
4.根据权利要求3所述的基于反馈机制的目标用户筛选方法，其特征在于，所述基础特征向量，满足如下模型：，其中，/>表示同类型保险产品中第i种保险产品的基础特征向量，/>表示同类型保险产品中第i种保险产品的价格特征参数，/>表示同类型保险产品中第i种保险产品的保障范围特征参数，/>表示同类型保险产品中第i种保险产品的赔付方式特征参数，/>表示同类型保险产品中第i种保险产品的投保条件特征参数。
5.根据权利要求4所述的基于反馈机制的目标用户筛选方法，其特征在于，所述保险特征模型，满足如下公式：，其中，/>表示第i种保险产品相对于参考保险产品的同质参数，/>，/>表示保险产品的编号，/>表示保险产品的种类数量，/>表示保险特征模型选取的参考保险产品对应的参考特征向量，/>表示参考特征向量的二阶范数，/>表示同类型保险产品中第i种保险产品的基础特征向量，/>表示同类型保险产品中第i种保险产品的价格特征参数，/>表示同类型保险产品中第i种保险产品的保障范围特征参数，/>表示同类型保险产品中第i种保险产品的赔付方式特征参数，/>表示同类型保险产品中第i种保险产品的投保条件特征参数。
6.根据权利要求1所述的基于反馈机制的目标用户筛选方法，其特征在于，所述在所述同类型保险产品中，选取参考保险产品和待评估保险产品，包括如下步骤：
将同类型保险产品中不同的保险产品进行排序；
根据排序结果，依次选取参考保险产品；
根据参考保险产品的选取结果，设定待评估保险产品，所述待评估保险产品不包括参考保险产品。
7.根据权利要求6所述的基于反馈机制的目标用户筛选方法，其特征在于，所述待评估保险产品的数量为一个或者多个。
8.根据权利要求7所述的基于反馈机制的目标用户筛选方法，其特征在于，参考保险产品和待评估保险产品的选取结果，包括如下：第i次选取结果：第i个保险产品为参考保险产品，第个保险产品均为待评估保险产品。
9.根据权利要求8所述的基于反馈机制的目标用户筛选方法，其特征在于，利用参考保险产品和待评估保险产品的同质化参数，搭建用户特征模型，包括如下步骤：
根据参考保险产品和待评估保险产品的同质化参数，设置同质化阈值；
利用所述同质化阈值，搭建用户特征模型，所述用户特征模型，满足如下公式：，其中，/>表示参考保险产品的用户是否为待评估保险产品的***评估值，/>表示参考保险产品的用户是待评估保险产品的***，/>表示参考保险产品的用户不是待评估保险产品的***，表示第i种保险产品相对于参考保险产品的同质参数，/>表示同质化阈值。
10.一种基于反馈机制的目标用户筛选***，其特征在于，所基于反馈机制的目标用户筛选***包括一个或多个处理器；一个或多个输入设备；一个或多个输出设备和存储器，所述处理器、所述输入设备、所述输出设备和所述存储器通过总线连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-9任一所述的基于反馈机制的目标用户筛选方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310736513.8A CN116485560A (zh) | 2023-06-21 | 2023-06-21 | 一种基于反馈机制的目标用户筛选方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310736513.8A CN116485560A (zh) | 2023-06-21 | 2023-06-21 | 一种基于反馈机制的目标用户筛选方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116485560A true CN116485560A (zh) | 2023-07-25 |
Family
ID=87212236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310736513.8A Pending CN116485560A (zh) | 2023-06-21 | 2023-06-21 | 一种基于反馈机制的目标用户筛选方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116485560A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447687A (zh) * | 2018-09-27 | 2019-03-08 | 中国平安人寿保险股份有限公司 | 基于大数据分析的用户挖掘方法及装置 |
| CN110222272A (zh) * | 2019-04-18 | 2019-09-10 | 广东工业大学 | 一种潜在客户挖掘与推荐方法 |
| CN112100489A (zh) * | 2020-08-27 | 2020-12-18 | 北京百度网讯科技有限公司 | 对象推荐的方法、装置和计算机存储介质 |
| CN114997916A (zh) * | 2022-05-27 | 2022-09-02 | 上海宝尊电子商务有限公司 | ***的预测方法、***、电子设备和存储介质 |
| CN115423637A (zh) * | 2022-09-23 | 2022-12-02 | 平安健康保险股份有限公司 | 保险行业潜在客户挖掘方法、装置、及存储介质 |
| CN115700705A (zh) * | 2021-07-27 | 2023-02-07 | 京东科技信息技术有限公司 | 产品的分析方法、装置、电子设备和可读存储介质 |
| WO2023011382A1 (zh) * | 2021-07-31 | 2023-02-09 | 华为技术有限公司 | 推荐方法、推荐模型训练方法及相关产品 |
-
2023
- 2023-06-21 CN CN202310736513.8A patent/CN116485560A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447687A (zh) * | 2018-09-27 | 2019-03-08 | 中国平安人寿保险股份有限公司 | 基于大数据分析的用户挖掘方法及装置 |
| CN110222272A (zh) * | 2019-04-18 | 2019-09-10 | 广东工业大学 | 一种潜在客户挖掘与推荐方法 |
| CN112100489A (zh) * | 2020-08-27 | 2020-12-18 | 北京百度网讯科技有限公司 | 对象推荐的方法、装置和计算机存储介质 |
| CN115700705A (zh) * | 2021-07-27 | 2023-02-07 | 京东科技信息技术有限公司 | 产品的分析方法、装置、电子设备和可读存储介质 |
| WO2023011382A1 (zh) * | 2021-07-31 | 2023-02-09 | 华为技术有限公司 | 推荐方法、推荐模型训练方法及相关产品 |
| CN114997916A (zh) * | 2022-05-27 | 2022-09-02 | 上海宝尊电子商务有限公司 | ***的预测方法、***、电子设备和存储介质 |
| CN115423637A (zh) * | 2022-09-23 | 2022-12-02 | 平安健康保险股份有限公司 | 保险行业潜在客户挖掘方法、装置、及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 叶立武;吴倩;王玮;王东;: "数据挖掘方法在保险领域的应用前景", 保险职业学院学报, no. 02 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108564286B (zh) | 一种基于大数据征信的人工智能金融风控授信评定方法和*** | |
| US20210365963A1 (en) | Target customer identification method and device, electronic device and medium | |
| WO2019214248A1 (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
| García Rodríguez et al. | Public procurement announcements in spain: regulations, data analysis, and award price estimator using machine learning | |
| CN110738527A (zh) | 一种特征重要性排序方法、装置、设备和存储介质 | |
| CN112990386B (zh) | 用户价值聚类方法、装置、计算机设备和存储介质 | |
| US7853550B1 (en) | Decision support systems and methods | |
| CN111639690A (zh) | 基于关系图谱学习的欺诈分析方法、***、介质及设备 | |
| CN110728301A (zh) | 一种个人用户的信用评分方法、装置、终端及存储介质 | |
| CN112434884A (zh) | 一种供应商分类画像的建立方法及装置 | |
| CN115271976A (zh) | 一种顾问推荐的方法、装置及计算机可读存储介质 | |
| CN112035775B (zh) | 基于随机森林模型的用户识别方法、装置和计算机设备 | |
| Neumann et al. | Machine Learning-based predictions of customers’ decisions in car insurance | |
| US11710185B1 (en) | Smart estimatics methods and systems | |
| CN116485560A (zh) | 一种基于反馈机制的目标用户筛选方法及*** | |
| CN111028012A (zh) | 景区客群定位方法、***、装置及其可存储介质 | |
| KR101960863B1 (ko) | 기술가치 평가 시스템 | |
| CN114861989A (zh) | 一种加保业务的预测方法及装置 | |
| Delina et al. | Quality of Artificial Intelligence Driven Procurement Decision Making and Transactional Data Structure | |
| CN113743752A (zh) | 一种数据处理方法及装置 | |
| Pribil et al. | A churn analysis using data mining techniques: Case of electricity distribution company | |
| CN113807870B (zh) | 车辆信息认证方法、装置、计算机设备和存储介质 | |
| CN115187387B (zh) | 一种风险商家的识别方法及设备 | |
| CN118260347B (zh) | 基于人工智能的数据采集分析方法及*** | |
| CN118333739A (zh) | 构建零***风险预测模型的方法和零售信贷业务Scoremult模型 |
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 |