[发明专利]用于客户分类和多实体匹配的客户生命周期价值的深度学习模型

说明书

本发明提供了用于客户分类和多实体匹配策略的深度学习集成模型的方法和系统。在一个新颖的方面中，基于客户生命周期价值(CLV)的深度学习模型(DNN)使用数据挖掘和递归神经网络(RNN)‑卷积神经网络(CNN)的集合体来识别来自潜在客户的潜在前景，预测流失/保留，预测下次购买，推荐策略以保持和增强现有客户关系，以及提供潜在客户/客户、代理、产品和交付策略之间的n元匹配。在一个实施例中，CLV系统获得客户的CLV简档，使用DNN模型为客户生成基于CLV的输出，根据基于CLV的输出为客户选择n元匹配，以及收集针对n元匹配的反馈以更新n元匹配直到满足一个或多个退出条件。

技术领域

本发明总体涉及深度学习模型，更具体地，涉及用于客户分类和多实体匹配策略的客户生命周期价值(CLV)的深度学习模型。

背景技术

保险行业一直是信息技术的早期使用者。近年来，该行业已采用人工智能(AI)来提高其运营效率并降低成本。从在线直接到消费者的直接呼叫中心以支持在线和电话推销，以及从个人到个人销售的各个方面，整个行业都在遭受全面的正面攻击。人们有一个误解，认为千禧一代全都参与在线和数字化过程。事实表明，千禧一代是首先想要数字化的一代，但不仅是数字化。这使得通过结合出色的在线数字用户体验并通过面对面的咨询和说服进行补充来培养这些未来的客户变得更加重要。许多人认为除非法律要求，否则不需要保险，例如医疗保健和汽车保险。他们不愿承认提供给他们的东西是必须的，例如人寿保险产品。人们在计划和展望诸如退休之类的未来时通常会感到忧虑。他们为不可避免的计划感到不舒服。产生潜在客户的一种方法是垄断服务不足的利基市场，例如小型商业细分市场。另外，保险产品比较复杂。大多数人缺乏财务状况知识，这也加剧了对保险行业的不信任。需要进行教育和咨询，以扩大人们对自身财务状况的了解，以推广保险产品。诸如Betterment和Robinhood等颠覆性金融科技公司的最近流行趋势表明人们需要其他选择来理解和试验自己的财务状况。多年来，保险行业通过其代理制定了各种营销策略来获取并留住客户。但是，这些营销策略要么高度个人依赖熟练的代理，要么太复杂并且不可预测，以至于现有的基于规则的技术系统无法有效发挥作用。

需要一些改进和增强来开发一种计算机系统，以执行针对保险行业的客户分类和多实体匹配策略。

发明内容