保险行业潜在客户挖掘方法、装置、及存储介质制造方法及图纸

本申请公开了一种保险行业潜在客户挖掘方法，应用于数据挖掘技术领域。本申请提供的方法包括：从预设客户获取渠道获取待分析的目标客户的客户信息集合；根据所述客户信息进行分析得到目标客户的用户画像标签；根据第一筛选规则处理所述目标客户的用户画像标签得到待训练目标客户数据；通过Spark计算平台使用所述待训练目标客户数据进行机器学习训练得到潜在客户预测模型，将所述待训练目标客户数据输入所述客户预测模型，得到第一潜在客户数据；根据第二筛选规则处理所述目标客户的用户画像标签得到第二潜在客户数据；推送所述第一潜在客户数据和所述第二潜在客户数据至运营平台，追踪所述第一潜在客户数据和所述第二潜在客户数据的变化。在客户数据的变化。在客户数据的变化。

【技术实现步骤摘要】
保险行业潜在客户挖掘方法、装置、及存储介质


[0001]本申请涉及数据挖掘
，尤其涉及一种保险行业潜在客户挖掘方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着保险业务发展的不断增长，企业的获客成本不断升高，新客户增长越来越困难，因此需要对存量客户的客户价值进行深入挖掘以及忠诚度维护。进而需要对各个保险行业子领域的存量客户进行潜在客户挖掘和交叉运营。
[0003]传统的保险行业的潜在客户挖掘和交叉运营主要依赖各个区域保险代理人的行业经验或相关客户管理系统的粗粒度推荐，同时在交叉运营时也主要依靠保险代理人的行业经验以及保险代理人对客户基本画像信息的理解。传统技术高度依赖个人经验的保险行业潜在客户挖掘方法对于新代理人并不友好，且客户的其他数据并未被进一步利用，也未对潜在客户按照优先级排序和分层分级地精细化运营。

技术实现思路

[0004]本申请实施例提供一种保险行业潜在客户挖掘方法、装置、计算机设备及存储介质，以解决传统的保险行业的潜在客户挖掘技术高度依赖个人经验且未进行精细化运营的问题。
[0005]本申请的第一方面，提供一种保险行业潜在客户挖掘方法，包括：
[0006]获取待分析的目标客户的客户信息集合，其中，所述客户信息是根据预设客户筛选规则从预设客户获取渠道得到的；
[0007]获取所述目标客户的用户画像标签，其中，所述用户画像标签是根据所述客户信息进行分析得到的；
[0008]获取待训练目标客户数据，其中，所述待训练目标客户数据是根据第一筛选规则处理所述目标客户的用户画像标签得到的；
[0009]将所述待训练目标客户数据输入Spark计算平台，得到第一潜在客户数据，其中，所述第一潜在客户数据是潜在客户预测模型输出的，所述潜在客户预测模型是所述Spark计算平台使用所述待训练目标客户数据进行机器学习训练得到的；
[0010]获取第二潜在客户数据，其中，所述第二潜在客户数据是根据第二筛选规则处理所述目标客户的用户画像标签得到的；
[0011]推送所述第一潜在客户数据和所述第二潜在客户数据至对应的运营平台，使用预设报表系统追踪以及展示所述第一潜在客户数据和所述第二潜在客户数据的变化。
[0012]本申请的第二方面，提供一种保险行业潜在客户挖掘装置，包括：
[0013]客户信息集合模块，用于获取待分析的目标客户的客户信息集合，其中，所述客户信息是根据预设客户筛选规则从预设客户获取渠道得到的；
[0014]用户画像标签模块，用于获取所述目标客户的用户画像标签，其中，所述用户画像
标签是根据所述客户信息进行分析得到的；
[0015]目标客户数据模块，用于获取待训练目标客户数据，其中，所述待训练目标客户数据是根据第一筛选条件处理所述目标客户的用户画像标签得到的；
[0016]第一潜在客户数据模块，用于将所述待训练目标客户数据输入Spark计算平台，得到第一潜在客户数据，其中，所述第一潜在客户数据是潜在客户预测模型输出的，所述潜在客户预测模型是所述Spark计算平台使用所述待训练目标客户数据进行机器学习训练得到的；
[0017]第二潜在客户数据模块，用于获取第二潜在客户数据，其中，所述第二潜在客户数据是根据第二筛选条件处理所述目标客户的用户画像标签得到的；
[0018]报表系统追踪模块，用于推送所述第一潜在客户数据和所述第二潜在客户数据至对应的运营平台，使用预设报表系统追踪以及展示所述第一潜在客户数据和所述第二潜在客户数据的变化。
[0019]本申请的第三方面，提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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保险行业潜在客户挖掘方法的步骤。
[0020]本申请的第四方面，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程序，所述计算机程序被处理器执行时实现上述保险行业潜在客户挖掘方法的步骤。
[0021]上述保险行业潜在客户挖掘方法、装置、计算机设备及存储介质，通过从预设客户获取渠道获取待分析的目标客户的客户信息集合；根据所述客户信息进行分析得到目标客户的用户画像标签；根据第一筛选规则处理所述目标客户的用户画像标签得到待训练目标客户数据；通过Spark计算平台使用所述待训练目标客户数据进行机器学习训练得到潜在客户预测模型，将所述待训练目标客户数据输入所述客户预测模型，得到第一潜在客户数据；根据第二筛选规则处理所述目标客户的用户画像标签得到第二潜在客户数据；推送所述第一潜在客户数据和所述第二潜在客户数据至运营平台，使用预设报表系统追踪所述第一潜在客户数据和所述第二潜在客户数据的变化。不仅使得保险行业的潜在客户挖掘不依赖个人经验，而且充分利用了存量客户的用户数据，以及通过不同方式多层挖掘潜在客户数据和追踪潜在客户数据的实际效果实现精细化运营。
附图说明
[0022]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
[0023]图1是本申请一实施例中保险行业潜在客户挖掘方法的一应用环境示意图；
[0024]图2是本申请一实施例中保险行业潜在客户挖掘方法的一流程图；
[0025]图3是本申请一实施例中保险行业潜在客户挖掘装置的结构示意图；
[0026]图4是本申请一实施例中计算机设备的一示意图。
具体实施方式
[0027]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0028]本申请提供的保险行业潜在客户挖掘方法，可应用在如图1的应用环境中，其中，计算机设备可以但不限于各种个人计算机、笔记本电脑，计算机设备还可以是服务器，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。可以理解的是图1中的计算机设备的数量仅仅是示意性的，可以根据实际需求进行任意数量的扩展。
[0029]在一实施例中，如图2所示，提供一种保险行业潜在客户挖掘方法，以该方法应用在图1中的计算机设备为例进行说明，包括如下步骤S101至S106：
[0030]S101、获取待分析的目标客户的客户信息集合，其中，所述客户信息是根据预设客户筛选规则从预设客户获取渠道得到的。
[0031]其中，所述预设客户获取渠道可以是保险企业保存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种保险行业潜在客户挖掘方法，其特征在于，包括：获取待分析的目标客户的客户信息集合，其中，所述客户信息是根据预设客户筛选规则从预设客户获取渠道得到的；获取所述目标客户的用户画像标签，其中，所述用户画像标签是根据所述客户信息进行分析得到的；获取待训练目标客户数据，其中，所述待训练目标客户数据是根据第一筛选规则处理所述目标客户的用户画像标签得到的；将所述待训练目标客户数据输入Spark计算平台，得到第一潜在客户数据，其中，所述第一潜在客户数据是潜在客户预测模型输出的，所述潜在客户预测模型是所述Spark计算平台使用所述待训练目标客户数据进行机器学习训练得到的；获取第二潜在客户数据，其中，所述第二潜在客户数据是根据第二筛选规则处理所述目标客户的用户画像标签得到的；推送所述第一潜在客户数据和所述第二潜在客户数据至对应的运营平台，使用预设报表系统追踪以及展示所述第一潜在客户数据和所述第二潜在客户数据的变化。2.根据权利要求1所述的保险行业潜在客户挖掘方法，其特征在于，所述根据第一筛选规则处理所述目标客户的用户画像标签包括：计算所述用户画像标签的标签饱和度，移除所述标签饱和度不在预设标签饱和度范围内的所述用户画像标签；计算所述用户画像标签的信息量值，移除所述信息量值不在预设信息量值范围内的所述用户画像标签；输入所述用户画像标签至预设的特征重要性筛选模型，输出特征重要性评分在预设重要性评分范围内的所述用户画像标签；计算所述用户画像标签的相似度值和相关性值，保留相关性值在预设相关性值范围的所述用户画像标签和与目标用户画像标签相似度最高的所述用户画像标签。3.根据权利要求1所述的保险行业潜在客户挖掘方法，其特征在于，所述将所述待训练目标客户数据输入Spark计算平台，得到第一潜在客户数据之前还包括：使用欠采样方式处理所述待训练目标客户数据，以使所述待训练目标客户数据的正例数据数量与负例数据数量的比例在预设比例范围内。4.根据权利要求1所述的保险行业潜在客户挖掘方法，其特征在于，所述将所述待训练目标客户数据输入Spark计算平台，得到第一潜在客户数据包括：合并LightBGM集成树模型至所述Spark计算平台的SparkML管道中；使用所述待训练目标客户数据训练所述LightBGM集成树模型，得到训练完成的所述潜在客户预测模型；将所述目标客户的用户画像标签输入所述潜在客户预测模型，输出所述第一潜在客户数据。5.根据权利要求1所述的保险行业潜在客户挖掘方法，其特征在于，所述根据第二筛选规则处理所述目标客户的用户画像标签包括：获取所述待训练目标客户数据的正例数据对应的所述目标客户的用户画像标签作为待计算标签；
接收所述待计算标签的待处理标签组合，计算所述待处理标签组合对应的所述目标客户的转化率；获取所述转化率在预设转化率范围的所述目标客户的客户信息作为所述第二潜在...

【专利技术属性】
技术研发人员：张景莲，
申请(专利权)人：平安健康保险股份有限公司，
类型：发明
国别省市：