一种基于存量用户群体的保险产品智能推荐方法技术

本发明专利技术涉及保险产品智能推荐技术领域，尤其涉及一种基于存量用户群体的保险产品智能推荐方法。其主要针对现有的保险推荐还依靠传统电销和网销粗放联系的推荐营销模式，缺少基于现有存量用户的深度开发，保险产品的智能推荐有待提高的问题，提出如下技术方案：步骤一：存量客户历史数据的获取、处理和探查；步骤二：基于投保人与被保人关系等规则分群；步骤三：基于年龄保费Kmeans聚类分群；步骤四：Apriori、强势业务优势产品、流行产品、UserCF多路召回；步骤五：组合多路召回产品列表，DeepFM排序；步骤六：现有客户产品推荐及应用。本发明专利技术实现对现有存量用户的精准、深度开发，进行有针对性的二次营销，主要应用于保险营销用户的深度挖掘。用户的深度挖掘。用户的深度挖掘。

【技术实现步骤摘要】
一种基于存量用户群体的保险产品智能推荐方法


[0001]本专利技术涉及保险产品智能推荐
，尤其涉及一种基于存量用户群体的保险产品智能推荐方法。

技术介绍

[0002]面对越来越激烈的行业竞争，如何盘活手中的现有资源，对大量的客户进行二次开发，即存量客户加保，已成为诸多保险公司的销售重点。随着互联网的发展，网销对比电销可以通过客户的网络行为，做一些有针对性的二次营销。但是对于近期无网络行为或电话行为的客户，网销和电销依然没有摆脱粗放的营销模式，缺乏对存量客户的深度开发。因此保险产品的智能推荐还存在一定的弱项，鉴于此，我们提出一种基于存量用户群体的保险产品智能推荐方法。

技术实现思路

[0003]本专利技术的目的是针对
技术介绍
中存在的现有的保险推荐还依靠传统电销和网销粗放联系的推荐营销模式，缺少基于现有存量用户的深度开发，保险产品的智能推荐有待提高的问题，提出一种基于存量用户群体的保险产品智能推荐方法。
[0004]本专利技术的技术方案：一种基于存量用户群体的保险产品智能推荐方法，包括以下处理步骤：
[0005]步骤一：存量客户历史数据的获取、处理和探查；
[0006]步骤二：基于投保人与被保人关系等规则分群；
[0007]步骤三：基于年龄保费Kmeans聚类分群；
[0008]步骤四：Apriori、强势业务优势产品、流行产品、UserCF多路召回；
[0009]步骤五：组合多路召回产品列表，DeepFM排序；
[0010]步骤六：现有客户产品推荐及应用。
[0011]优选的，所述步骤一中存量客户历史数据的获取包括：筛选有过投保单的客户；筛选承保单、犹豫期后的存量客户宽表；
[0012]存量客户历史数据处理包括：筛选存量客户宽表中的基本信息、保单基本信息、费用基本信息、产品及险种基本信息、客户态度基本信息、被保人基本信息；保留宽表中的有效字段信息。
[0013]优选的，所述步骤二中分群规则为：
[0014]筛选存量客户名下只有短险或意外险的人群，并定义为短期意外人群；
[0015]筛选最近一次承保时间距今≥5年的存量客户，且名下没有有效保单的人群，并定义为流失客户群；
[0016]按照“与投保人关系”的种类数量，1为自身群，2为关爱老幼群，≥3为全家全保群；
[0017]按照自身对于险种的偏好，将自身群又分为健康保障群和储蓄增值群；
[0018]短期意外群、流失客户群、健康保障群、储蓄增值群、关爱老幼群、全家全保群记为
I级群。
[0019]优选的，所述步骤三中对健康保障群、储蓄增值群、关爱老幼群、全家全保群进行分群；
[0020]选取K值，基于年龄和保费对I级群，进行Kmeans聚类分群；
[0021]每个I级群分为4
‑
5个子群。
[0022]优选的，所述步骤四中Apriori、强势业务优势产品、流行产品、UserCF多路召回包括：
[0023]①
Apriori关联算法产品推荐；
[0024]所述Apriori关联算法产品推荐用于构建客户名下的产品列表；
[0025]挖掘频繁1项集，挖掘频繁2项集；
[0026]根据生成的频繁项集，计算相应的置信度生成关联规则；
[0027]将客户已购买的产品A，根据关联规则得到未购买的产品B，进入召回列表；
[0028]②
强势业务优势产品推荐；
[0029]所述强势业务优势产品推荐用于分析每个子群的险种，购买数量多的险种记为该子群的强势业务险种；
[0030]分析强势业务险种中的购买数量最多的产品，记为强势业务的优势产品；
[0031]每个子群的强势业务险种，并其中的Top1优势产品，进入召回列表；
[0032]③
流行产品推荐；
[0033]所述流行产品推荐用于分析子群历年产品的销售数量，并按照从高到低的顺序排列，并定义为流行产品列表；
[0034]每个子群Top2流行产品，进入召回列表；
[0035]④
UserCF相似客户产品推荐；
[0036]所述UserCF相似客户产品推荐用于计算客户购买产品的相似度；
[0037]统计与输入客户的Top10相似客户；
[0038]统计Top10客户的产品列表，并按照从高到低的顺序排列；
[0039]取Top2产品进入召回列表。
[0040]优选的，所述步骤五用于通过强势业务、流行产品、协同过滤、关联规则的召回方法，得到多路召回产品列表；
[0041]对比LR、GBDT、Wide&Deep模型，优选DeepFM排序模型。
[0042]优选的，所述步骤六的产品推荐列表步骤如下：
[0043]S1、判断现有客户所属I级群体；
[0044]S2、加载Kmeans模型，判断所属子群；
[0045]S3、提取所属子群的强势业务的优势产品；
[0046]S4、提取所属子群的流行产品；
[0047]S5、计算相似客户的Top2产品；
[0048]S6、提取现有客户的关联产品；
[0049]S7、组合多路召回产品列表；
[0050]S8、加载DeepFM排序模型，生成排序列表；
[0051]S9、排序列表作为产品推荐列表，提供给营销专员。
[0052]与现有技术相比，本专利技术具有如下有益的技术效果：
[0053]本专利技术通过数据挖掘、召回排序推荐等方法，对现有客户的营销数据进行分析，对存量客户群体进行精准分类，找出每个客户群体的消费特征，对比现有的客户进行产品营销，从而识别出每个组群客户的潜在营销机会，并针对营销机会设计出精准营销方案；从而实现对现有存量用户的精准、深度开发，进行有针对性的二次营销。
附图说明
[0054]图1是本专利技术的流程图；
[0055]图2是本实施例中FM的求解过程；
[0056]图3是本实施例中DeepFM模型结构示意图。
具体实施方式
[0057]下文结合附图和具体实施例对本专利技术的技术方案做进一步说明。
[0058]实施例
[0059]如图1
‑
3所示，本专利技术提出的一种基于存量用户群体的保险产品智能推荐方法。
[0060]步骤一：存量客户历史数据的获取、处理和探查包括：
[0061]存量客户历史数据获取包含：
[0062]定义存量客户为曾经拥有或当前持有效保单的客户；
[0063]定义有效保单为有承保单号，且犹豫期没有退保的保单；
[0064]核心数据仓库取回客户保单；
[0065]表关联、筛选，保单表关联名单库客户，得到有过投保单的客户，使用产品号关联产品表、险种表，再经过承保单筛选、犹豫期筛选后，得到存量客户宽表；
[0066]存量客户历史数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于存量用户群体的保险产品智能推荐方法，其特征在于，主要包括以下处理步骤：步骤一：存量客户历史数据的获取、处理和探查；步骤二：基于投保人与被保人关系等规则分群；步骤三：基于年龄保费Kmeans聚类分群；步骤四：Apriori、强势业务优势产品、流行产品、UserCF多路召回；步骤五：组合多路召回产品列表，DeepFM排序；步骤六：现有客户产品推荐及应用。2.根据权利要求1所述的一种基于存量用户群体的保险产品智能推荐方法，其特征在于，所述步骤一中存量客户历史数据的获取包括：筛选有过投保单的客户；筛选承保单、犹豫期后的存量客户宽表；存量客户历史数据处理包括：筛选存量客户宽表中的基本信息、保单基本信息、费用基本信息、产品及险种基本信息、客户态度基本信息、被保人基本信息；保留宽表中的有效字段信息。3.根据权利要求1所述的一种基于存量用户群体的保险产品智能推荐方法，其特征在于，所述步骤二中分群规则为：筛选存量客户名下只有短险或意外险的人群，并定义为短期意外人群；筛选最近一次承保时间距今≥5年的存量客户，且名下没有有效保单的人群，并定义为流失客户群；按照“与投保人关系”的种类数量，1为自身群，2为关爱老幼群，≥3为全家全保群；按照自身对于险种的偏好，将自身群又分为健康保障群和储蓄增值群；短期意外群、流失客户群、健康保障群、储蓄增值群、关爱老幼群、全家全保群记为I级群。4.根据权利要求3所述的一种基于存量用户群体的保险产品智能推荐方法，其特征在于，所述步骤三中对健康保障群、储蓄增值群、关爱老幼群、全家全保群进行分群；选取K值，基于年龄和保费对I级群，进行Kmeans聚类分群；每个I级群分为4
‑
5个子群。5.根据权利要求4所述的一种基于存量用户群体的保险产品智能推荐方法，其特征在于，所述步骤四中Apriori、强势业务优势产品、流行产品、UserCF多路召回包括：
①
Ap...

【专利技术属性】
技术研发人员：万军民，江渔剑，芮剑平，
申请(专利权)人：上海恒格信息科技有限公司，
类型：发明
国别省市：