[发明专利]一种保险用户分类模型建立方法、分类方法、装置及设备

说明书

本文提供了一种保险用户分类模型建立方法、分类方法、装置及设备，所述方法包括：获取历史保险用户的用户保险数据和用户属性，以及所述历史保险用户所属区域的区域保险数据；确定所述用户保险数据和所述区域保险数据中不同数据的类型特征；将所述用户保险数据和所述区域保险数据中连续型数据通过分箱编码处理，得到转换后的连续型数据，并将所述用户保险数据和所述区域保险数据中类别型数据和编码后的连续型数据、以及用户属性整合成训练集数据；利用所述训练集数据对预设初始分类模型进行训练，得到训练后的保险用户分类模型，通过所述保险用户分类模型可以提高了对既存保险用户分类的准确性，进而为保险服务提供了可靠性指导。

技术领域

本文属于保险技术领域，具体涉及一种保险用户分类模型建立方法、分类方法、装置及设备。

背景技术

在保险营销过程中一般会选择即将到期的既存客户进行营销，目前的营销策略是简单的根据年龄、购买的产品筛选出一批客户或者随机筛选进行消息的触达，这种营销效果召回效果不佳，并且逐一召回客户造成一定的运营成本。保险复购预测是保险行业管理部门的重要工作，因此准确的对用户进行分类，有利于帮助保险公司更清晰的掌握客户诉求和行为特征，对既存客户进行针对性营销，精准推荐产品可以提高客户的二次转化效率，解决企业客户增长问题，满足客户的保险需求。因此如何提高保险用户分类的准确性，降低召回成本成为目前亟需解决的技术问题。

发明内容

针对现有技术的上述问题，本文的目的在于，提供一种保险用户分类模型建立方法、分类方法、装置及设备，可以提高保险用户的分类准确性。

为了解决上述技术问题，本文的具体技术方案如下：

一方面，本文提供一种保险用户分类模型建立方法，所述方法包括：

获取历史保险用户的用户保险数据和用户属性，以及所述历史保险用户所属区域的区域保险数据，所述用户属性包括既存用户已复购保险和未复购保险；

确定所述用户保险数据和所述区域保险数据中不同数据的类型特征，所述类型特征包括类别型数据和连续型数据；

将所述用户保险数据和所述区域保险数据中连续型数据通过分箱编码处理，得到转换后的连续型数据，并将所述用户保险数据和所述区域保险数据中类别型数据和编码后的连续型数据、以及用户属性整合成训练集数据；

利用所述训练集数据对预设初始分类模型进行训练，得到训练后的保险用户分类模型。

进一步地，所述区域保险数据至少包括保险密度、保险深度和保险覆盖度；

所述保险深度为区域的年度保费收入占区域年度生产总值的比例；

所述保险密度为区域的年度保费收入与区域的年度总人口的比值；

所述保险覆盖度为区域年度购买保险的人数占区域年度总人口的比例。

进一步地，所述历史保险用户所属区域的区域保险数据之后还包括：

根据所述历史保险用户所属区域的保险密度和保险深度，计算获得区域的保险消费系数，所述保险消费系数表示所述区域中用户针对保险消费的比重；

根据所述保险消费系数所处的范围区间，以及所述范围区间对应的预设修正规则，对所述保险消费系数进行修正；

将修正后的保险消费系数和历史保险用户的保险覆盖度作为所述历史保险用户所属区域的区域保险数据。

进一步地，所述将所述用户保险数据和所述区域保险数据中连续型数据通过分箱编码处理，得到编码后的连续型数据，包括：

针对每一种连续型数据进行如下步骤：

将所述连续型数据对应的样本值按照从小到大排序，获取样本值队列；