一种客户分群方法及装置、电子设备、可读存储介质制造方法及图纸

本申请实施方式公开了一种客户分群方法及装置、电子设备、可读存储介质，其中，客户分群方法包括：获取每个客户的特征；所述特征经评分模型处理获得每个客户的评分；根据每个客户的评分对所有客户进行分群。本技术方案通过机器学习的方法实现科学的客户分群，并对不同群体的客户提供差异化的服务策略，以提升客户对公司产品及服务的满意度，同时也可以借助此技术提升保险公司内部运营管理效率。

A Customer Clustering Method and Device, Electronic Equipment and Readable Storage Media

The embodiment of this application discloses a customer clustering method and device, electronic equipment and readable storage medium, in which the customer clustering method includes: acquiring the characteristics of each customer; obtaining the scores of each customer by processing the scoring model; and clustering all customers according to the scoring of each customer. This technical scheme achieves scientific customer clustering by machine learning, and provides different service strategies for different groups of customers to improve customer satisfaction with the company's products and services, at the same time, it can also use this technology to improve the efficiency of internal operation and management of insurance companies.

【技术实现步骤摘要】
一种客户分群方法及装置、电子设备、可读存储介质
本申请涉及数据挖掘
，特别涉及一种客户分群方法及装置、电子设备、可读存储介质。
技术介绍
客户服务质量是保险公司重要的企业竞争力，作为企业发展的一部分，客户服务资源的有效配置也要与业务发展规划同步进行，以保证在公司不断扩大规模的过程中服务质量与服务需求之间保持较好的匹配关系，客户服务资源有效配置的核心即是如何对客户进行有效的分群分级管理。在保险行业内，客户的分群分级管理一直是一种比较重要的管理方法，如何通过客户分群提供差异化的服务也是各家公司关注的焦点。目前,保险行业内使用的客户分群方法是根据客户的车辆信息、客户的基本特征、上年产品购买情况、出险情况等因素通过人为经验对客户进行简单分类。以上方法存在一些缺点，主要表现在分群要素过于简单粗糙，分类机制缺乏科学合理性，基于工作人员个人经验，主观因素过大，导致客户分群结果不准确、不确定，不能有效指导客户的精细化管理。在数据量急剧增长及人工智能高速发展的今天，如何借助先进的技术手段实现客户的有效分群，进而为其提供差异化的服务，提升企业的管理效率，提升优质客户的服务水平，是一个值得深入探索的问题。
技术实现思路
本申请实施方式的目的是提供一种客户分群方法及装置、电子设备、可读存储介质，对每个客户进行评分，通过评分将客户群进行分类，根据不同的客户群提供差异化的服务和管理。为实现上述目的，本申请实施方式提供一种客户分群方法，包括：获取每个客户的特征；所述特征经评分模型处理获得每个客户的评分；根据每个客户的评分对所有客户进行分群。优选地，所述评分模型包括：Ensemble子模型和投票子模型。优选地，所述特征经评分模型处理获得每个客户的评分的步骤包括：所述特征分别经过所述Ensemble子模型中各算法处理，获得Ensemble子模型中各算法对应的结果值；将所有结果值输入至所述投票子模型，获得每个客户的评分。优选地，所述Ensemble子模型中各算法分别为：朴素贝叶斯算法、逻辑回归算法、随机森林算法、AdaBoost算法、GBDT算法。优选地，获取每个客户的特征的步骤包括：对每个客户的相关数据进行预处理；将预处理的结果经向上采样和/或向下采样处理；将采样结果基于Xgboost算法处理，获得特征。优选地，所述预处理的方法包括：缺失值处理、异常值处理、变量分箱处理。为实现上述目的，本申请实施方式提供一种客户分群装置，包括：特征获取单元，用于获取每个客户的特征；评分单元，用于所述特征经评分模型处理获得每个客户的评分；分群单元，用于根据每个客户的评分对所有客户进行分群。优选地，所述评分单元中涉及的评分模型包括：Ensemble子模型和投票子模型。优选地，所述评分单元包括：第一子模型处理模块，用于所述特征分别经过所述Ensemble子模型中各算法处理，获得Ensemble子模型中各算法对应的结果值；第二子模型处理模块，用于将所有结果值输入至所述投票模型，获得每个客户的评分。优选地，所述第一子模型处理模块中使用的Ensemble子模型中各算法分别为：朴素贝叶斯算法、逻辑回归算法、随机森林算法、AdaBoost算法、GBDT算法。优选地，所述特征获取单元包括：预处理模块，用于对每个客户的相关数据进行预处理；采样模块，用于将预处理的结果经向上采样和/或向下采样处理；特征提取模块，用于将采样结果基于Xgboost算法处理，获得特征。优选地，所述预处理模块采用的预处理的方法包括：缺失值处理、异常值处理、变量分箱处理。对应地，为实现上述目的，本申请实施方式提供一种电子设备，包括存储器、处理器以及存储在所述存储器上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所述的客户分群方法。对应地，为实现上述目的，本申请实施方式提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述所述的客户分群方法的步骤。由上可见，与现有技术相比较，本技术方案通过机器学习的方法实现了科学的客户分群，并对不同群体的客户提供差异化的服务策略，以提升客户对公司产品及服务的满意度，同时也可以借助此技术提升保险公司内部运营管理效率。附图说明为了更清楚地说明本申请实施方式或现有技术中的技术方案，下面将对实施方式或现有技术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中记载的一些实施方式，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。图1为本技术方案的原理示意图；图2为本说明书公开的一种客户分群方法流程图；图3为本说明书公开的一种客户分群装置功能框图；图4为本说明书公开的客户分群装置中评分单元功能框图；图5为本说明书公开的客户分群装置中特征获取单元功能框图；图6为本说明书公开的实施例提出的一种电子设备示意图。具体实施方式为了使本
的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都应当属于本申请保护的范围。在激烈的竞争环境下，客户服务资源的优化配置已经成为保险企业中提高服务质量中亟待解决的问题，进行合理的客户资源配置，就需要对客户进行科学有效的分群管理机制。本专利技术的目的是利用大数据分析技术判断客户对公司产品和服务的满意度，通过机器学习建立科学的客户分群模型，从而对客户提供差异化的服务，同时有效提高工作人员的管理效率。通过该客户分群模型，保险公司可以将客户服务资源更加有效科学地配置，给每一位客户提供其最合适且最满意的服务，避免了资源浪费，实现了服务资源的最优化配置。如图1所示，为本技术方案的原理示意图。基于大数据分析技术，从客户、车辆、历史接触情况、出险情况等多维度特征出发，对多维度数据进行预处理，生成特征，该特征先后经过评分模型中的Ensemble子模型和投票子模型处理，获得每个客户的对应评分，根据每个客户的评分将客户划分为I、II、III、IV四类，每一类客户群体都有不同的特征，而且差异性较大，工作人员在销售过程中可以对不同群体的客户提供不同的服务，进而实现对客户的分群差异化管理。基于上述描述，本说明书公开的一种客户分群方法，其中，所述客户分群方法可以应用于服务器中。具体地，所述服务器可以是能够提供数据处理的后台业务服务器。在本实施方式中，所述服务器可以为一个具有数据运算、存储功能以及网络交互功能的电子设备；也可以为运行于该电子设备中，为数据处理、存储和网络交互提供支持的软件。在本实施方式中并不具体限定所述服务器的数量。所述服务器可以为一个服务器，还可以为几个服务器，或者，若干服务器形成的服务器集群。如图2所示，为本说明书公开的一种客户分群方法流程图。包括：步骤201)：获取每个客户的特征。以推销车险为例，分别从客户、车辆、历史接触情况、出险情况等多个角度出发，获取模型需要的相关数据。在本实施例中，需要对每个客户的相关数据进行数据预处理，包括缺失值处理、异常值处理、变量分箱处理等，并且采用向上采样及向下采样技术解本文档来自技高网...

【技术保护点】
1.一种客户分群方法，其特征在于，包括：获取每个客户的特征；所述特征经评分模型处理获得每个客户的评分；根据每个客户的评分对所有客户进行分群。

【技术特征摘要】
1.一种客户分群方法，其特征在于，包括：获取每个客户的特征；所述特征经评分模型处理获得每个客户的评分；根据每个客户的评分对所有客户进行分群。2.如权利要求1所述的方法，其特征在于，所述评分模型包括：Ensemble子模型和投票子模型。3.如权利要求2所述的方法，其特征在于，所述特征经评分模型处理获得每个客户的评分的步骤包括：所述特征分别经过所述Ensemble子模型中各算法处理，获得Ensemble子模型中各算法对应的结果值；将所有结果值输入至所述投票子模型，获得每个客户的评分。4.如权利要求3所述的方法，其特征在于，所述Ensemble子模型中各算法分别为：朴素贝叶斯算法、逻辑回归算法、随机森林算法、AdaBoost算法、GBDT算法。5.如权利要求1所述的方法，其特征在于，获取每个客户的特征的步骤包括：对每个客户的相关数据进行预处理；将预处理的结果经向上采样和/或向下采样处理；将采样结果基于Xgboost算法处理，获得特征。6.如权利要求5所述的方法，其特征在于，所述预处理的方法包括：缺失值处理、异常值处理、变量分箱处理。7.一种客户分群装置，其特征在于，包括：特征获取单元，用于获取每个客户的特征；评分单元，用于所述特征经评分模型处理获得每个客户的评分；分群单元，用于根据每个客户的评分对所有客户进行分群。8.如权利要求7所述的装置，其特征在于，所述评分单元中涉及的评...

【专利技术属性】
技术研发人员：聂永刚，樊海林，吴冰，张兰，张丽娟，韩伟民，
申请(专利权)人：阳光财产保险股份有限公司，
类型：发明
国别省市：北京,11