基于XGBoost模型的续保预测方法及相关设备技术

本申请涉及人工智能技术，提供一种基于XGBoost模型的续保预测方法。本申请提供的方法包括：获取待选保险用户集合中每个目标用户的画像数据；获取所述目标用户的优惠权益数据，筛选所述目标用户对所述优惠权益数据产生行使行为的所述优惠权益数据作为目标优惠权益数据；获取所述目标用户在第一预设期限内关联的营销数据，筛选所述目标用户对所述营销数据产生关联行为的所述营销数据作为目标营销数据；获取所述目标用户当前承保保单的承保数据作为目标承保数据；将所述画像数据、所述目标优惠权益数据、所述目标营销数据和所述目标承保数据输入至预设的XGBoost预测模型，输出所述每个目标用户产生续保行为的第一预测评分值集合。分值集合。分值集合。

【技术实现步骤摘要】
基于XGBoost模型的续保预测方法及相关设备


[0001]本申请涉及人工智能
，尤其涉及一种基于XGBoost模型的续保预测方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着生活水平的提高，保险产品也被越来越多的用户进行配置。同时，保险行业的营销竞争日趋激烈，也从对增量客户竞争，逐渐转化为对存量客户的竞争，续保营销场景的客户对保险公司越来越重要。
[0003]传统技术是通过对每个购买了保险的用户生成续保意愿评分，续保意愿较高的用户获得较高的评分。但是在实际运用过程中发现传统技术在临近续保截止时间时才能有较好的预测效果，距离续保截止时间较远时预测效果差。

技术实现思路

[0004]本申请实施例提供一种基于XGBoost模型的续保预测方法、装置、计算机设备及存储介质，以解决传统技术距离续保截止时间较远时预测效果差的问题。
[0005]本申请的第一方面，提供一种基于XGBoost模型的续保预测方法，包括：
[0006]获取待选保险用户集合中每个目标用户的画像数据，所述画像数据是根据所述目标用户第一次参保后产生的系统数据以及与所述目标用户关联的第三方数据生成；
[0007]获取所述每个目标用户在当前保单承保期的优惠权益数据，筛选所述目标用户对所述优惠权益数据产生行使行为的所述优惠权益数据作为目标优惠权益数据；
[0008]获取所述每个目标用户在当前承保保单签订之前第一预设期限内关联的营销数据，筛选所述目标用户对所述营销数据产生关联行为的所述营销数据作为目标营销数据；
[0009]获取所述每个目标用户当前承保保单的承保数据作为目标承保数据；
[0010]将所述画像数据、所述目标优惠权益数据、所述目标营销数据和所述目标承保数据输入至预设的XGBoost预测模型，输出所述每个目标用户产生续保行为的第一预测评分值集合。
[0011]本申请的第二方面，提供一种基于XGBoost模型的续保预测装置，包括：
[0012]第一数据获取模块，用于获取待选保险用户集合中每个目标用户的画像数据，所述画像数据是根据所述目标用户第一次参保后产生的系统数据以及与所述目标用户关联的第三方数据生成；
[0013]第二数据获取模块，用于获取所述每个目标用户在当前保单承保期的优惠权益数据，筛选所述目标用户对所述优惠权益数据产生行使行为的所述优惠权益数据作为目标优惠权益数据；
[0014]第三数据获取模块，用于获取所述每个目标用户在当前承保保单签订之前第一预设期限内关联的营销数据，筛选所述目标用户对所述营销数据产生关联行为的所述营销数据作为目标营销数据；
[0015]第四数据获取模块，用于获取所述每个目标用户当前承保保单的承保数据作为目标承保数据；
[0016]预测评分模型模块，用于将所述画像数据、所述目标优惠权益数据、所述目标营销数据和所述目标承保数据输入至预设的XGBoost预测模型，输出所述每个目标用户产生续保行为的第一预测评分值集合。
[0017]本申请的第三方面，提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中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基于XGBoost模型的续保预测方法的步骤。
[0018]本申请的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于XGBoost模型的续保预测方法的步骤。
[0019]上述基于XGBoost模型的续保预测方法、装置、计算机设备及存储介质，通过获取待选保险用户集合中每个目标用户的画像数据；获取所述每个目标用户的优惠权益数据，筛选所述目标用户对所述优惠权益数据产生行使行为的所述优惠权益数据作为目标优惠权益数据；获取所述每个目标用户在第一预设期限内关联的营销数据，筛选所述目标用户对所述营销数据产生关联行为的所述营销数据作为目标营销数据；获取所述每个目标用户当前承保保单的承保数据作为目标承保数据；将所述画像数据、所述目标优惠权益数据、所述目标营销数据和所述目标承保数据输入至预设的XGBoost预测模型，输出所述每个目标用户产生续保行为的第一预测评分值集合。通过获取和处理更多的数据以及XGBoost模型不仅进一步提高了对用户产生续保行为的预测评分的准确性，也能通过XGBoost模型得到更准备的用户分群结果以辅助改善提高营销效果。
附图说明
[0020]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的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的一些实施例，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。
[0021]图1是本申请一实施例中基于XGBoost模型的续保预测方法的一应用环境示意图；
[0022]图2是本申请一实施例中基于XGBoost模型的续保预测方法的一流程图；
[0023]图3是本申请另一实施例中基于XGBoost模型的续保预测方法的一流程图；
[0024]图4是本申请一实施例中基于XGBoost模型的续保预测装置的结构示意图；
[0025]图5是本申请一实施例中计算机设备的一示意图。
具体实施方式
[0026]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0027]本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工
智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0028]人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0029]本申请提供的基于XGBoost模型的续保预测方法，可应用在如图1的应用环境中，其中，计算机设备可以但不限于各种个人计算机、笔记本电脑，计算机设备还可以是服务器，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。可以理解的是图1中的计算机设备的数量仅仅是示意性的，可以根据实际需求进行任意数量的扩展。
[0030]在一实施例中，如图2所示，提供一种基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于XGBoost模型的续保预测方法，其特征在于，包括：获取待选保险用户集合中每个目标用户的画像数据，所述画像数据是根据所述目标用户第一次参保后产生的系统数据以及与所述目标用户关联的第三方数据生成；获取所述每个目标用户在当前保单承保期的优惠权益数据，筛选所述目标用户对所述优惠权益数据产生行使行为的所述优惠权益数据作为目标优惠权益数据；获取所述每个目标用户在当前承保保单签订之前第一预设期限内关联的营销数据，筛选所述目标用户对所述营销数据产生关联行为的所述营销数据作为目标营销数据；获取所述每个目标用户当前承保保单的承保数据作为目标承保数据；将所述画像数据、所述目标优惠权益数据、所述目标营销数据和所述目标承保数据输入至预设的XGBoost预测模型，输出所述每个目标用户产生续保行为的第一预测评分值集合。2.根据权利要求1所述的基于XGBoost模型的续保预测方法，其特征在于，所述获取待选保险用户集合中每个目标用户的画像数据之前还包括：获取所述待选保险用户集合中每个目标用户关联的目标承保保单的到期时间；计算所述目标承保保单的到期时间与当前时间的时间差值；若所述时间差值小于第一预设时间差值，则解除所述目标承保保单与所述目标用户的关联关系。3.根据权利要求1所述的基于XGBoost模型的续保预测方法，其特征在于，所述获取所述每个目标用户在当前保单承保期的优惠权益数据，筛选所述目标用户对所述优惠权益数据产生行使行为的所述优惠权益数据作为目标优惠权益数据之后还包括：将所述优惠权益数据按照预设的优惠权益类型进行分类得到所述每个目标用户的优惠权益分类数据；将所述优惠权益分类数据与所述目标优惠权益数据进行关联，得到所述每个目标用户的已行使优惠权益分类数据和未行使优惠权益分类数据；将所述已行使优惠权益分类数据和未行使优惠权益分类数据输入至预设用户消费行为分析模型，输出所述每个目标用户的优惠权益分类数据的用户偏好值；将所述优惠权益分类数据的用户偏好值关联至所述目标优惠权益数据。4.根据权利要求1所述的基于XGBoost模型的续保预测方法，其特征在于，所述获取所述每个目标用户在当前承保保单签订之前第一预设期限内关联的营销数据，筛选所述目标用户对所述营销数据产生关联行为的所述营销数据作为目标营销数据之后还包括：将所述营销数据按照预设的营销数据类型进行分类得到所述每个用户关联的营销分类数据；将语音类型的所述营销分类数据输入至预设语音数据分析及预测模型，输出语音类型的所述营销分类数据关联的第一营销成功概率；将文本类型的所述营销分类数据输入至预设文本数据分析及预测模型，输出文本类型的所述营销分类数据关联的第二营销成功概率；将图片类型的所述营销分类数据输入至预设图片数据分析及预测模型，输出图片类型的所述营销分类数据关联的第三营销成功概率；将所述第一营销成功概率、所述第二营销成功概率和所述第三营销成功概率关联至所
述目标营销数据。5.根据权利要求1所述的...

【专利技术属性】
技术研发人员：符琼琲，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：