【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种实收率的预测方法、模型训练方法、装置、设备及介质。
技术介绍
1、在全链条用户价值项目中，针对不同业务渠道的产品进行实收率预测，能够对每个业务渠道(如代理渠道、直销渠道等)的产品销售额的预测和收入情况进行评估，从而帮助公司更加准确地计划和管理各个业务渠道的销售活动，并制定相应的销售目标和资源分配策略，是十分重要的。
2、目前，计算实收率通常是通过链梯法或利用差值方式计算保费继续率，从而根据保费继续率推算实收率来实现。然而，现有技术计算实收率的准确度较低。
技术实现思路
1、本申请提供一种实收率的预测方法、模型训练方法、装置、设备及介质，以解决现有技术计算实收率的准确度较低的问题。
2、第一方面，本申请实施例提供一种实收率的预测方法，包括：
3、获取待预测产品渠道的多因子时间序列，所述多因子时间序列包括产品名称特征、购买次数特征、产品渠道特征以及保单签发日期特征；
4、将所述待预测产品渠道的多因子时间序列输入实收率预测模型，获取所述实收率预测模型输出的所述待预测产品渠道的实收率，所述实收率预测模型是基于各样本产品的全链条投保客户转化链路数据和缴费计算相关数据进行模型训练得到的模型。
5、在一种可能的设计中，所述将所述待预测产品渠道的多因子时间序列输入实收率预测模型，获取所述实收率预测模型输出的所述待预测产品渠道的实收率，包括：
6、根据所述待预测产品渠道的多因子时间序列，预测所述待
7、根据外部因子权重以及所述继续率，预测所述待预测产品渠道的实收率。
8、在一种可能的设计中，所述方法还包括：
9、若所述待预测产品渠道的实收率减去所述待预测产品渠道在上一周期的实收率的差值大于预设差值，则对所述待预测产品渠道进行预警。
10、在一种可能的设计中，所述方法还包括：
11、确定所述待预测产品渠道中在预设时间段内的各保单签发日期的目标实收率；
12、展示所述产品渠道的目标实收率。
13、第二方面，本申请实施例提供一种模型训练方法，包括：
14、根据各样本产品的全链条投保客户转化链路数据以及各样本产品的缴费计算相关数据，构建各产品渠道的样本多因子时间序列，所述样本多因子时间序列包括购买次数特征、产品名称特征、产品渠道特征以及保单签发日期特征；
15、根据所述样本多因子时间序列进行模型训练，得到第一模型，所述第一模型用于根据待预测产品渠道的样本多因子时间序列计算所述待预测产品渠道的继续率；
16、根据外部因子和所述样本多因子时间序列对应的继续率进行模型训练，得到第二模型，所述第二模型包含所述外部因子的权重；
17、根据所述外部因子的权重对所述第一模型进行校正，获取实收率预测模型，所述实收率预测模型用于根据所述待预测产品渠道的样本多因子时间序列计算所述待预测产品渠道的实收率。
18、在一种可能的设计中，所述根据各样本产品的全链条投保客户转化链路数据以及各样本产品的缴费计算相关数据，构建各产品渠道的样本多因子时间序列，包括：
19、根据各样本产品的全链条投保客户转化链路数据，构建客户转化明细数据，所述客户转化明细数据用于表示各客户首购的样本产品和复购的样本产品和复购的样本产品；
20、根据业务需求对客户转化明细数据中的样本产品按照产品渠道进行分类，确定每个产品渠道包含的样本产品；
21、从所述客户转化明细数据中，确定每次交易对应的每个样本产品的购买次数特征；
22、根据各交易的缴费计算相关数据、每次交易对应的每个样本产品的购买次数特征以及每个样本产品的产品渠道特征，构建各产品渠道的样本多因子时间序列。
23、第三方面，本申请实施例提供一种实收率的预测装置，包括：
24、获取模块，用于获取待预测产品渠道的多因子时间序列，所述多因子时间序列包括产品名称特征、购买次数特征、产品渠道特征以及保单签发日期特征；
25、输入模块，用于将所述待预测产品渠道的多因子时间序列输入实收率预测模型，获取所述实收率预测模型输出的所述待预测产品渠道的实收率，所述实收率预测模型是基于各样本产品的全链条投保客户转化链路数据和缴费计算相关数据进行模型训练得到的模型。
26、在一种可能的设计中，所述实收率预测模型，具体用于：
27、根据所述待预测产品渠道的多因子时间序列，预测所述待预测产品渠道的继续率；
28、根据外部因子权重以及所述继续率，预测所述待预测产品渠道的实收率。
29、在一种可能的设计中，所述实收率的预测装置，还包括预警模块，用于：
30、若所述待预测产品渠道的实收率减去所述待预测产品渠道在上一周期的实收率的差值大于预设差值，则对所述待预测产品渠道进行预警。
31、在一种可能的设计中，所述实收率的预测装置，还包括展示模块，用于：
32、确定所述待预测产品渠道中在预设时间段内的各保单签发日期的目标实收率；
33、展示所述产品渠道的目标实收率。
34、第四方面，本申请实施例提供一种模型训练装置，包括：
35、构建模块，用于根据各样本产品的全链条投保客户转化链路数据以及各样本产品的缴费计算相关数据，构建各产品渠道的样本多因子时间序列，所述样本多因子时间序列包括购买次数特征、产品名称特征、产品渠道特征以及保单签发日期特征；
36、训练模块，用于根据所述样本多因子时间序列进行模型训练，得到第一模型，所述第一模型用于根据待预测产品渠道的样本多因子时间序列计算所述待预测产品渠道的继续率；
37、所述训练模块，还用于根据外部因子和所述样本多因子时间序列对应的继续率进行模型训练，得到第二模型，所述第二模型包含所述外部因子的权重；
38、校正模块，用于根据所述外部因子的权重对所述第一模型进行校正，获取实收率预测模型，所述实收率预测模型用于根据所述待预测产品渠道的样本多因子时间序列计算所述待预测产品渠道的实收率。
39、在一种可能的设计中，所述构建模块，具体用于：
40、根据各样本产品的全链条投保客户转化链路数据，构建客户转化明细数据，所述客户转化明细数据用于表示各客户首购的样本产品和复购的样本产品和复购的样本产品；
41、根据业务需求对客户转化明细数据中的样本产品按照产品渠道进行分类，确定每个产品渠道包含的样本产品；
42、从所述客户转化明细数据中，确定每次交易对应的每个样本产品的购买次数特征；
43、根据各交易的缴费计算相关数据、每次交易对应的每个样本产品的购买次数特征以及每个样本产品的产品渠道特征，构建各产品渠道的样本多因子时间序列。
44、第五方面，本申请实施例提供一种电子设备，包括：处理器、本文档来自技高网...
【技术保护点】
1.一种实收率的预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述待预测产品渠道的多因子时间序列输入实收率预测模型，获取所述实收率预测模型输出的所述待预测产品渠道的实收率，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
5.一种模型训练方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据各样本产品的全链条投保客户转化链路数据以及各样本产品的缴费计算相关数据，构建各产品渠道的样本多因子时间序列，包括：
7.一种实收率的预测装置，其特征在于，包括：
8.一种模型训练装置，其特征在于，包括：
9.一种电子设备，包括：处理器、存储器及存储在所述存储器上并可在处理器上运行的计算机程序指令，其特征在于，所述处理器执行所述计算机程序指令时用于实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中
...【技术特征摘要】
1.一种实收率的预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述待预测产品渠道的多因子时间序列输入实收率预测模型，获取所述实收率预测模型输出的所述待预测产品渠道的实收率，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
5.一种模型训练方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据各样本产品的全链条投保客户转化链路数据以及各样本产品的...
【专利技术属性】
技术研发人员：龙祺，刘设伟，
申请(专利权)人：泰康在线健康科技武汉有限公司，
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。