客户数据处理方法、装置、电子设备及计算机可读介质制造方法及图纸

本公开涉及一种客户数据处理方法、装置、电子设备及计算机可读介质。该方法包括：获取目标客户的客户信息；根据客户信息确定客户标签；根据客户信息和客户标签确定客户特征信息；根据客户标签确定目标预测模型；根据目标预测模型对客户特征信息进行处理，获得目标客户的概率预测信息；在概率预测信息大于概率阈值时，生成目标客户的提示信息。本公开涉及的客户数据处理方法、装置、电子设备及计算机可读介质，通过客户标签对客户信息进行处理获得客户特征信息与目标预测模型，并基于目标预测模型对客户特征信息处理，能够准确地对目标客户的转化进行预测。

Customer data processing methods, devices, electronic equipment and computer-readable media

【技术实现步骤摘要】
客户数据处理方法、装置、电子设备及计算机可读介质
本公开涉及计算机
，具体而言，涉及一种客户数据处理方法、装置、电子设备及计算机可读介质。
技术介绍
保险高价值客户指在保险公司所购的有效保单的标准保费达到一定金额的客户，以下简称为高客。相反，非高价值客户指在保险公司所购的有效保单的标准保费没有达到一定金额的客户，以下简称为非高客。高客的流失定义为公司现有的高客在未来某一段时间内流失为非高客的客户，高客的转化定义为公司现有的非高客在未来某一段时间内转化为高客的客户。通过对大量客户中预测获得可能会流失的高客以及可能转化为高客的非高客，进而依此进行人力和资源的调配，以挽留存在流失可能的高客，并发展潜在转化高客，将助于提供精准服务并提高客户体验。目前主要通过经验预测以及统计分析对客户流失和客户的转化进行预测。经验预测方法根据决策者个人经验进行预测，其预测结果具有人为主观性，且无法适用于大量客户的实时预测的场景。统计分析方法根据对对象属性或特征的统计结果进行预测，其依赖于分类标准，在分类不合理时其预测结果将具有较大偏差。因此，需要一本文档来自技高网...

【技术保护点】
1.一种客户数据处理方法，其特征在于，包括：/n获取目标客户的客户信息；/n根据所述客户信息确定客户标签，所述客户标签包括非高价值标签和高价值标签；/n根据所述客户信息和所述客户标签确定客户特征信息；/n根据所述客户标签确定目标预测模型；/n根据所述目标预测模型对所述客户特征信息进行处理，获得所述目标客户的概率预测信息，所述客户标签为非高价值标签的目标客户的概率预测信息为转化概率预测信息，所述客户标签为高价值标签的目标客户的概率预测信息为流失概率预测信息；/n在所述概率预测信息大于概率阈值时，生成所述目标客户的提示信息。/n

【技术特征摘要】
1.一种客户数据处理方法，其特征在于，包括：
获取目标客户的客户信息；
根据所述客户信息确定客户标签，所述客户标签包括非高价值标签和高价值标签；
根据所述客户信息和所述客户标签确定客户特征信息；
根据所述客户标签确定目标预测模型；
根据所述目标预测模型对所述客户特征信息进行处理，获得所述目标客户的概率预测信息，所述客户标签为非高价值标签的目标客户的概率预测信息为转化概率预测信息，所述客户标签为高价值标签的目标客户的概率预测信息为流失概率预测信息；
在所述概率预测信息大于概率阈值时，生成所述目标客户的提示信息。


2.如权利要求1所述的方法，其特征在于，根据所述客户信息和所述客户标签确定客户特征信息包括：
若所述客户标签为非高价值标签，则根据非高价值指标信息对所述客户信息进行处理，生成所述客户特征信息；
若所述客户标签为高价值标签，则根据高价值指标信息对所述客户信息进行处理，生成所述客户特征信息。


3.如权利要求2所述的方法，其特征在于，根据所述客户标签确定目标预测模型包括：
若所述客户标签为所述非高价值标签，则确定所述目标预测模型为第一机器学习模型；
若所述客户标签为所述高价值标签，则确定所述目标预测模型为第二机器学习模型。


4.如权利要求3所述的方法，其特征在于，还包括：
获取非高价值客户历史数据集；
根据所述非高价值指标信息与所述非高价值客户历史数据集生成转化训练样本集；
根据所述转化训练样本集对所述第一机器学习模型进行训练，获得训练后的所述第一机器学习模型。


5.如权利要求4所述的方法，其特征在于，还包括：
根据训练后的所述第一机器学习模型，获得所述非高价值指标信息中各指标的非高价值重要性占比。


6.如权利要求5所述的方法，其特征在于，所述非高价值指标信息中的保...

【专利技术属性】
技术研发人员：柴敏，朱建林，周景，李傲梅，
申请(专利权)人：泰康保险集团股份有限公司，泰康人寿保险有限责任公司，
类型：发明
国别省市：北京;11