客户分类方法、装置及存储介质制造方法及图纸

本发明专利技术提出一种客户分类方法，包括：获取目标客户预设类型的特征数据，将所述预设类型的特征数据分为定量特征数据和定性特征数据；根据预设的分析规则将所述定量特征数据转换为定性特征数据，并将所述目标客户的所有定性特征数据转换为该目标客户对应的属性特征组合状态数组；及，将该目标客户对应的属性特征组合状态数组输入训练好的分析模型中，根据分析结果确定该目标客户所属的客户类。本发明专利技术还提出一种电子装置及存储介质。利用本发明专利技术，根据目标客户的预设类型的特征数据，准确分析目标客户所属的客户类。

【技术实现步骤摘要】
客户分类方法、装置及存储介质
本专利技术涉及计算机
，尤其涉及一种客户分类方法、电子装置及计算机可读存储介质。
技术介绍
在传统的保险业务中，为了提高产品推荐的精准性，通常需要采用客户分类算法为不同客户进行客户分类。然而，传统的客户分类算法通常是基于固定的规则或是利用现有的离线机器学习算法，难以针对实时场景进行智能客户分类。采用传统的客户分类算法为客户进行客户分类容易出错，分类的准确性无法满足实际需要。因此，如何提高客户分类的精准性，已经成为一个亟待解决的技术问题。
技术实现思路
本专利技术提供一种客户分类方法、电子装置及计算机可读存储介质，其主要目的在于根据目标客户的预设类型的特征数据，准确分析目标客户所属的客户类。为实现上述目的，本专利技术提供一种客户分类方法，该方法包括：获取目标客户在第一预设时间内的预设类型的特征数据，将所述预设类型的特征数据分为定量特征数据和定性特征数据；根据预设的分析规则将所述定量特征数据转换为定性特征数据，并将所述目标客户的所有定性特征数据转换为该目标客户对应的属性特征组合状态数组；及将该目标客户对应的属性特征组合状态数组输入训练好的分析模型中，根据分析结果确定该目标客户所属的客户类。此外，为实现上述目的，本专利技术还提供一种电子装置，该装置包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的客户分类程序程序，该程序被所述处理器执行时实现如下步骤：获取目标客户在第一预设时间内的预设类型的特征数据，将所述预设类型的特征数据分为定量特征数据和定性特征数据；根据预设的分析规则将所述定量特征数据转换为定性特征数据，并将所述目标客户的所有定性特征数据转换为该目标客户对应的属性特征组合状态数组；及将该目标客户对应的属性特征组合状态数组输入训练好的分析模型中，根据分析结果确定该目标客户所属的客户类。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有客户分类程序，该程序被处理器执行时实现如上所述的客户分类方法的任意步骤。相较于现有技术，本专利技术提出的客户分类方法、电子装置及计算机可读存储介质，通过将目标客户预设类型的特征数据全部转换为定性特征数据，并组合定性特征数据得到代表目标客户特点的属性特征组合状态数组，利用分析模型得到客户的分类结果，并定期更新分析模型，提高客户分类的准确率。附图说明图1为本专利技术电子装置较佳实施例的示意图；图2为分析模型的运行机理示意图；图3为图1中客户分类程序的程序模块示意图；图4为本专利技术客户分类方法较佳实施例的流程图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供一种客户分类方法，该方法应用于一种电子装置1。参照图1所示，为本专利技术电子装置1较佳实施例的示意图。在本实施例中，电子装置1可以是服务器、智能手机、平板电脑、便携计算机、桌上型计算机等具有数据处理功能的终端设备，所述服务器可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器。该电子装置1包括存储器11、处理器12，通信总线13，以及网络接口14。其中，存储器11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)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是所述电子装置1的内部存储单元，例如该电子装置1的硬盘。存储器11在另一些实施例中也可以是所述电子装置1的外部存储设备，例如该电子装置1上配备的插接式硬盘，智能存储卡(SmartMediaCard，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(FlashCard)等。进一步地，存储器11还可以既包括该电子装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于该电子装置1的应用软件及各类数据，例如客户分类程序10、预设的分析规则等，还可以用于暂时地存储已经输出或者将要输出的数据。处理器12在一些实施例中可以是一中央处理器(CentralProcessingUnit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如客户分类程序10等。通信总线13用于实现这些组件之间的连接通信。网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该电子装置1与其他电子设备之间建立通信连接。图1仅示出了具有组件11-14的电子装置1，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。可选地，该电子装置1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(OrganicLight-EmittingDiode，OLED)触摸器等。其中，显示器也可以称为显示屏或显示单元，用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。在图1所示的装置实施例中，存储器11中存储有客户分类程序10。处理器12执行存储器11中存储的客户分类程序10时实现如下步骤：获取目标客户在第一预设时间内的预设类型的特征数据，将所述预设类型的特征数据分为定量特征数据和定性特征数据；根据预设的分析规则将所述定量特征数据转换为定性特征数据，并将所述目标客户的所有定性特征数据转换为该目标客户对应的属性特征组合状态数组；及将该目标客户对应的属性特征组合状态数组输入训练好的分析模型中，根据分析结果确定该目标客户所属的客户类。在本实施例中，以某金融机构的保险客户为例对本方案进行说明，但不仅限于对保险客户的分类。当向目标客户推荐保险产品时，首先需要了解客目标客户的特点，即确定目标客户所属的客户类，然后根据目标客户所属的类向其推荐相应的保险产品。在确定目标客户所属的客户类之前，首先从客户数据库(图中未标识)中获取目标客户的客户属性数据，例如，证件号码，或者，姓名和证件号码；然后，根据目标客户的客户属性数据，分别从多个预先确定的业务服务器(图中未标识)中，获取目标客户的预设类型的特征数据。例如，业务服务器可以为银行服务器、医疗服务器、保险服务器、即时通讯服务器、游戏服务器、外卖服务器及/或简历服务器等；预设类型的特征数据可以是银行贷款额度及还款请款等信息、门诊病历信息(例如，预设时间内的看病次数、所患疾病种类、每次患病的持续时间等)、保险信息(例如，所处行业，性别、年龄、婚姻状况、职业等)、即时通讯工具账号的使用信息(例如，通讯工具每天登陆时间信息、每天在线时长等信息)等等、游戏信息(例如，每天游戏登陆时间信息、每天游戏在线时长等信息)、外卖点餐信息(例如，每天点外卖的时间信息、每天所点外卖的外卖类型等)、求职简历上填写的信息(例如，兴趣爱好、性格、工作经历等信息)。进一步地，预设类型的特征数据包括定量特征数据(例如，年龄、存款等)和定性特征数据(例如，婚姻状况为未婚或者已婚、是否患有重大疾病等)。可以理解的是，随着时间的推移，目标客户预设类型的本文档来自技高网...

【技术保护点】
1.一种客户分类方法，应用于电子装置，其特征在于，该方法包括：获取目标客户在第一预设时间内的预设类型的特征数据，将所述预设类型的特征数据分为定量特征数据和定性特征数据；根据预设的分析规则将所述定量特征数据转换为定性特征数据，并将所述目标客户的所有定性特征数据转换为该目标客户对应的属性特征组合状态数组；及将该目标客户对应的属性特征组合状态数组输入训练好的分析模型中，根据分析结果确定该目标客户所属的客户类。

【技术特征摘要】
1.一种客户分类方法，应用于电子装置，其特征在于，该方法包括：获取目标客户在第一预设时间内的预设类型的特征数据，将所述预设类型的特征数据分为定量特征数据和定性特征数据；根据预设的分析规则将所述定量特征数据转换为定性特征数据，并将所述目标客户的所有定性特征数据转换为该目标客户对应的属性特征组合状态数组；及将该目标客户对应的属性特征组合状态数组输入训练好的分析模型中，根据分析结果确定该目标客户所属的客户类。2.如权利要求1所述的客户分类方法，其特征在于，所述“根据预设的分析规则将所述定量特征数据转换为定性特征数据，并将所述目标客户的所有定性特征数据转换为该目标客户对应的属性特征组合状态数组”的步骤包括：根据预先确定的定量特征数据类型、数据区间、定性特征数据之间的映射关系，分别确定客户的各个类型定量特征数据对应的数据区间和定性特征数据；及分别将客户的不同类型的定性特征数据作为多元数据组的不同数据元，组成对应的属性特征组合状态数组。3.如权利要求1所述的客户分类方法，其特征在于，所述训练好的分析模型为深度确定性策略梯度算法模型，其包括：确定性策略、损失函数、值函数、策略评估及策略改进：所述损失函数的公式为：其中，θμ表示确定策略的神经网络的权重参数，r1、r2、r3……表示策略输出的一系列动作，γ表示策略动作的惩罚系数，用以约束输出动作序列的长度，E是数学期望；及所述策略改进的公式为：其中，α表示输出的动作，s表示状态，θQ表示所采用的深度神经网络的权重参数，θμ表示确定策略的神经网络的权重参数，π表示策略函数，Q表示值函数。4.如权利要求1至3所述的客户分类方法，其特征在于，所述分析模型的训练步骤包括：获取第二预设时间内各个预先确定的客户的预设类型的特征数据及各个预先确定的客户所属的客户类；将所述各个预先确定的客户的所述定量特征数据转换为定性特征数据，并将所述各个预先确定的客户的所有定性特征数据转换为对应的属性特征组合状态数组；及将各个预先确定的客户所属的客户类及属性组合状态数...

【专利技术属性】
技术研发人员：金戈，徐亮，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44