[发明专利]一种客户筛选方法及系统

权利要求书

1.一种客户筛选方法，其特征在于，包括以下步骤：

S1，录入客户信息并上传数据库；

S2，数据库调出客户相关信息并下载，将下载的客户信息上传至大数据保险分析系统；

S3，大数据保险分析系统计算分析建议的保险种类及保障额度；

S4，客户选择保险种类及保障额度；

S5，将客户信息，客户选择的保险种类及保障额度录入客户筛选系统；

S6，客户筛选系统通过大数据精算模型、人工智能的区分客户风险类别。

2.根据权利要求1所述客户筛选方法，其特征在于，步骤S1中，录入的客户信息包括身份证和行驶证信息。

3.根据权利要求1所述客户筛选方法，其特征在于，步骤S2中，下载的客户信息包括但不限于客户的性别、年龄、车型、出险历史，并上传至大数据保险分析系统。

4.根据权利要求1所述客户筛选方法，其特征在于，步骤S3中，通过大数据保险分析系统计算分析出客户的最佳保险种类及保障额度选择方案并将其建议给客户。

5.根据权利要求1所述客户筛选方法，其特征在于，步骤S6中，所述大数据精算模型是多参数变量动态模型，所述客户类别包括一类客户及二类客户，所述一类客户为风险类别低、所售产品利润率高的客户，所述二类客户为风险类别高、所售产品利润率低的客户。

6.根据权利要求5所述客户筛选方法，其特征在于，所述多参数变量动态模型为：

t是自然数且t≥1，i是自然数且i≤t；

其中，R_t为客户在时间点t的风险评估结果；

A是影响风险评估的第一模块；

B是影响风险评估的第二模块；

C是影响风险评估的第三模块；

D是影响风险评估的第四模块；

E是大数据保险分析系统模块；

是在时间点t与大数据保险分析系统模块的偏差；

α_t是在时间点t第一模块影响因子与大数据保险分析系统模块影响因子；

β_t是在时间点t第二模块影响因子与大数据保险分析系统模块影响因子；

γ_t是在时间点t第三模块影响因子与大数据保险分析系统模块影响因子；

E和是在时间点t第四模块影响因子。

7.根据权利要求6所述客户筛选方法，其特征在于，所述影响风险评估的第一模块A与α_t有关，其包括但不限于性别、年龄或驾龄，其与统计数据有关。

8.根据权利要求6所述客户筛选方法，其特征在于，所述影响风险评估的第二模块B与β_t有关，其包括但不限于汽车品牌及型号、车龄或过去出险记录，其与统计数据有关。

9.根据权利要求6所述客户筛选方法，其特征在于，所述影响风险评估的第三模块C与γ_t有关，其包括但不限于客户主要所在行驶城市、区域或街道，其与统计数据有关。

10.根据权利要求6所述客户筛选方法，其特征在于，所述影响风险评估的第四模块D为大数据保险分析系统模块E分析结果及客户人为选择与大数据保险分析系统模块E分析结果的偏差所述影响大数据保险分析系统模块E与α_t、β_t以及γ_t有关，其与统计数据有关。

11.根据权利要求6所述客户筛选方法，其特征在于，所述客户筛选方法结果与之前时间点t-i的客户筛选方法结果R_t-i，其与统计数据有关。