本发明专利技术涉及一种保费催收方法方法、装置、计算机设备和存储介质，该方法包括：基于目标保单的保单信息，确定目标保单的投保人的信用数据、缴费相关数据，以及目标保单的赔付风险，其中目标保单为待缴纳保费的保单；将信用数据输入信用评估模型中，信用评估模型输出投保人信用评估结果；将缴费相关数据输入缴费预测模型中，缴费预测模型输出投保人对目标保单的缴费概率预测结果；基于投保人的信用评估结果、缴费概率预测结果和目标保单的赔付风险，确定投保人的用户质量；基于预先设置的用户质量与催收方案之间的对应关系，确定投保人对应的催收方案。上述方法精准指导客户维护及营销策略，提高营销转化率，降低营销成本。降低营销成本。降低营销成本。
【技术实现步骤摘要】
保费催收方法、装置、计算机设备和存储介质
[0001]本专利技术涉及互联网应用
，特别是涉及保费催收方法、装置、计算机设备和存储介质。
技术介绍
[0002]保险缴费预测是保险行业管理部门的重要工作之一，准确的缴费预测有利于帮助保险公司更清晰的掌握客户诉求和行为特征，对于老客户进行交叉销售，精准推荐产品，提高客户二次转化效率，解决企业客户增长问题。对于保险客户来说，准确的缴费预测代表更精准的需求匹配，可以帮助客户选择更适合自己的保险产品，减少不必要的营销打扰，让保险公司和保险客户实现双赢。
[0003]现有神经网络在保险预测行业应用广泛，但是在复杂的保险保费保额的预测过程中，由于特征随各影响因素并不是一成不变而是动态变化的，且各特征也存在严重的共线性问题，使得根据神经网络学习训练样本来预测保险的缴费难度相对增大，训练结果一直以来都无法达到实践应用效果，导致预测精度低。
技术实现思路
[0004]本申请提供了一种保费催收方法、装置、计算机设备和存储介质。
[0005]第一方面提供了一种保费催收方法，包括：
[0006]基于目标保单的保单信息，确定所述目标保单的投保人的信用数据、缴费相关数据，以及所述目标保单的赔付风险，其中所述目标保单为待缴纳保费的保单；
[0007]将所述信用数据输入信用评估模型中，所述信用评估模型输出所述投保人信用评估结果；
[0008]将所述缴费相关数据输入缴费预测模型中，所述缴费预测模型输出所述投保人对所述目标保单的缴费概率预测结果；
[0009]基于所述投保人的所述信用评估结果、所述缴费概率预测结果和所述目标保单的赔付风险，确定所述投保人的用户质量；
[0010]基于预先设置的用户质量与催收方案之间的对应关系，确定所述投保人对应的催收方案。
[0011]在一些实施例中，所述缴费预测模型包括至少两个预先训练的缴费预测子模型；
[0012]所述将所述缴费相关数据输入缴费预测模型中，所述缴费预测模型输出所述投保人对所述目标保单的缴费概率预测结果，包括：
[0013]将所述缴费相关数据分别输入所述缴费预测子模型，各所述缴费预测子模块各自输出所述投保人对所述目标保单的缴费概率预测结果；
[0014]使用网格搜索方法寻找最优的权重组合，对所述权重组合中各权重与对应的缴费预测子模型判定的缴费概率预测结果的乘积求和，得到缴费概率预测结果。
[0015]在一些实施例中，所述所述缴费预测子模型包括lightgbm模型、xgboost模型、lr
模型、gbdt模型、dnn模型、cnn模型中的至少两者。
[0016]在一些实施例中，所述将所述信用数据输入信用评估模型中，所述信用评估模型输出所述投保人信用评估结果，包括：
[0017]根据所获取的信用数据，基于预设的各权重，通过加权算法计算投保人的信用分值，并与预设信用要求中的阈值进行比较，确定所述投保人的信用评估结果。
[0018]在一些实施例中，所述确定所述目标保单的赔付风险，包括：
[0019]根据所述目标保单的保单信息从历史理赔数据库中获取与所述目标保单的投保类目一致的多个历史保单；
[0020]在所述多个历史保单中查询是否存在满足预设条件的已理赔历史保单，所述预设条件是所述已理赔历史保单的投保人与所述目标保单的投保人相似；
[0021]当存在满足预设条件的已理赔历史保单时，确定各已理赔历史保单的赔付金额以及所述已理赔的历史保单在所述历史保单中的占比；
[0022]将各所述已理赔历史保单的赔付金额以及所述占比输入预先训练的赔付风险模型中，得到所述目标保单的赔付风险。
[0023]在一些实施例中，在所述多个历史保单中查询是否存在满足预设条件的已理赔历史保单，所述预设条件是所述已理赔历史保单的投保人与所述目标保单的投保人相似，包括：
[0024]根据所述投保人的基本数据与各个历史投保人的基本数据之间的相似度，确定所述投保人的相似投保人；
[0025]判断所述相似投保人是否为已理赔历史保单的投保人，若是，则获取所述已理赔的投保人的历史保单的赔付金额。
[0026]在一些实施例中，所述投保人的用户质量包括：低、中、高三个等级；
[0027]所述基于预先设置的用户质量与催收方案之间的对应关系，确定所述投保人对应的催收方案，包括：
[0028]将用户质量为高的第一目标保单通过目标保单缴费催收系统将所述保费催收话术信息的输出至所述投保人；
[0029]将用户质量为中的第二目标保单以及所述保费催收话术信息发送至第一用户终端，以使所述第一用户终端的第一用户对所述第二目标保单进行审核；
[0030]将用户质量为低的第三目标保单以及所述保费催收话术信息发送至第二用户终端，以使所述第二用户终端的第二用户对所述第三目标保单进行审核，其中，所述第二用户终端的权限比所述第一用户终端的权限高。
[0031]第二方面提供了一种保费催收装置，包括：
[0032]数据收集单元，用于基于目标保单的保单信息，确定所述目标保单的投保人的信用数据、缴费相关数据，以及所述目标保单的赔付风险，其中所述目标保单为待缴纳保费的保单；
[0033]信用评估单元，用于将所述信用数据输入信用评估模型中，所述信用评估模型输出所述投保人信用评估结果；
[0034]缴费概率评估单元，用于将所述缴费相关数据输入缴费预测模型中，所述缴费预测模型输出所述投保人对所述目标保单的缴费概率预测结果；
[0035]用户质量评估单元，用于基于所述投保人的所述信用评估结果、所述缴费概率预测结果和所述目标保单的赔付风险，确定所述投保人的用户质量；
[0036]催收方案确定单元，用于基于预先设置的用户质量与催收方案之间的对应关系，确定所述投保人对应的催收方案，其中，所述催收方案包括：保费催收话术信息和保费催收流程信息。
[0037]第三方面提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述所述保费催收方法的步骤。
[0038]第四方面提供了一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述保费催收方法的步骤。
[0039]上述保费催收方法、装置、计算机设备和存储介质，首先基于目标保单的保单信息，确定目标保单的投保人的信用数据、缴费相关数据，以及目标保单的赔付风险，其中目标保单为待缴纳保费的保单；其次将信用数据输入信用评估模型中，信用评估模型输出投保人信用评估结果；将缴费相关数据输入缴费预测模型中，缴费预测模型输出投保人对目标保单的缴费概率预测结果；再次基于投保人的信用评估结果、缴费概率预测结果和目标保单的赔付风险，确定投保人的用户质量；最后基于预先设置的用户质量与催收方案之间的对应关系，确定投保人对应的催收方案。因此，基于投保本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种保费催收方法，其特征在于，所述方法包括：基于目标保单的保单信息，确定所述目标保单的投保人的信用数据、缴费相关数据，以及所述目标保单的赔付风险，其中所述目标保单为待缴纳保费的保单；将所述信用数据输入信用评估模型中，所述信用评估模型输出所述投保人信用评估结果；将所述缴费相关数据输入缴费预测模型中，所述缴费预测模型输出所述投保人对所述目标保单的缴费概率预测结果；基于所述投保人的所述信用评估结果、所述缴费概率预测结果和所述目标保单的赔付风险，确定所述投保人的用户质量；基于预先设置的用户质量与催收方案之间的对应关系，确定所述投保人对应的催收方案。2.根据权利要求1所述的保费催收方法，其特征在于，所述缴费预测模型包括至少两个预先训练的缴费预测子模型；所述将所述缴费相关数据输入缴费预测模型中，所述缴费预测模型输出所述投保人对所述目标保单的缴费概率预测结果，包括：将所述缴费相关数据分别输入所述缴费预测子模型，各所述缴费预测子模块各自输出所述投保人对所述目标保单的缴费概率预测结果；使用网格搜索方法寻找最优的权重组合，对所述权重组合中各权重与对应的缴费预测子模型判定的缴费概率预测结果的乘积求和，得到缴费概率预测结果。3.根据权利要求2所述的保费催收方法，其特征在于，所述所述缴费预测子模型包括lightgbm模型、xgboost模型、lr模型、gbdt模型、dnn模型、cnn模型中的至少两者。4.根据权利要求1所述的保费催收方法，其特征在于，所述将所述信用数据输入信用评估模型中，所述信用评估模型输出所述投保人信用评估结果，包括：根据所获取的信用数据，基于预设的各权重，通过加权算法计算投保人的信用分值，并与预设信用要求中的阈值进行比较，确定所述投保人的信用评估结果。5.根据权利要求1所述的保费催收方法，其特征在于，所述确定所述目标保单的赔付风险，包括：根据所述目标保单的保单信息从历史理赔数据库中获取与所述目标保单的投保类目一致的多个历史保单；在所述多个历史保单中查询是否存在满足预设条件的已理赔历史保单，所述预设条件是所述已理赔历史保单的投保人与所述目标保单的投保人相似；当存在满足预设条件的已理赔历史保单时，确定各已理赔历史保单的赔付金额以及所述已理赔的历史保单在所述历史保单中的占比；将各所述已理赔历史保单的赔付金额以及所述占比输入预先训练的赔付风险模型中，得到所述目标保单的赔付风险。6.根据权利要求5所述...
【专利技术属性】
技术研发人员：刘波，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。