[发明专利]一种用户投保行为预测的方法及装置

说明书

技术领域

本发明属于互联网技术领域，尤其涉及一种用户投保行为预测的方法及装置。

背景技术

目前，保险业务人员在开发客户时，往往需要经过与客户进行深入沟通，或者通过查阅客户购买保险的历史记录，才能了解到客户的投保需求或者投保意愿，并在此基础上进一步通过人工分析，确定客户可能感兴趣的保险产品，这种方式导致工作效率低且准确率不高，并且对于陌生客户则无法进行有针对性的保险产品的推荐，导致保险产品的成交量无法有效提高。

发明内容

有鉴于此，本发明实施例提供了一种用户投保行为预测的方法及装置，以解决现有技术中通过保险业务人员主观地分析用户可能感兴趣的保险产品，导致对用户投保行为预测效率和准确率低的问题。

本发明实施例的第一方面提供了一种用户投保行为预测的方法，包括：

从用户属性库中获取样本用户的特征数据，其中，所述特征数据包括所述样本用户的行为类型和所述行为类型对应的行为次数，所述行为类型包括订购产品类型和访问网站类型；

对所述特征数据进行预处理，去除噪声数据，得到预处理数据；

根据所述预处理数据，建立学习模型，所述学习模型用于将第一类型用户的行为与数据库中预设的保险产品进行匹配，所述第一类型用户为保险客户；

基于所述学习模型，对待预测的所述第一类型用户进行行为预测，得到该第一类型用户的目标保险产品；

将该第一类型用户推送给第二类型用户，以使所述第二类型用户将该第一类型用户确定为所述目标保险产品的目标用户，所述第二类型用户为保险业务人员。

本发明实施例的第二方面提供了一种用户投保行为预测的计算设备，所述计算设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的用户投保行为预测的程序，所述处理器执行所述用户投保行为预测的程序时实现如下步骤：

从用户属性库中获取样本用户的特征数据，其中，所述特征数据包括所述样本用户的行为类型和所述行为类型对应的行为次数，所述行为类型包括订购产品类型和访问网站类型；

对所述特征数据进行预处理，去除噪声数据，得到预处理数据；

根据所述预处理数据，建立学习模型，其中，所述学习模型用于将第一类型用户的行为与数据库中预设的保险产品进行匹配，所述第一类型用户为保险客户；

基于所述学习模型，对待预测的所述第一类型用户进行行为预测，得到该第一类型用户的目标保险产品；

将该第一类型用户推送给第二类型用户，以使所述第二类型用户将该第一类型用户确定为所述目标保险产品的目标用户，其中，所述第二类型用户为保险业务人员。

本发明实施例的第三方面提供了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用户投保行为预测的程序，所述用户投保行为预测的程序被至少一个处理器执行时，实现以下步骤：

从用户属性库中获取样本用户的特征数据，其中，所述特征数据包括所述样本用户的行为类型和所述行为类型对应的行为次数，所述行为类型包括订购产品类型和访问网站类型；

对所述特征数据进行预处理，去除噪声数据，得到预处理数据；

根据所述预处理数据，建立学习模型，其中，所述学习模型用于将第一类型用户的行为与数据库中预设的保险产品进行匹配，所述第一类型用户为保险客户；

基于所述学习模型，对待预测的所述第一类型用户进行行为预测，得到该第一类型用户的目标保险产品；

将该第一类型用户推送给第二类型用户，以使所述第二类型用户将该第一类型用户确定为所述目标保险产品的目标用户，其中，所述第二类型用户为保险业务人员。

本发明实施例与现有技术相比存在的有益效果是：通过从用户属性库中获取样本用户的特征数据，对该特征数据进行去噪处理后得到预处理数据，并根据该预处理数据建立学习模型，基于该学习模型实现对待预测的第一类型用户进行行为预测，得到该第一类型用户的目标保险产品，通过建立学习模型的方式能够自动且准确地找到用户行为与保险产品之间的关系，从而实现对第一类型用户感兴趣的保险产品的准确预测，提高对用户投保行为的预测效率和准确率，以及智能预测水平，同时将该第一类型用户推送给第二类型用户，使得第二类型用户能够及时了解购买保险产品概率高的潜在用户，从而进行有针对性的持续跟踪，提高保险产品的销售成功率和效率。

附图说明