CN108520045A - 数据的服务响应方法及装置 - Google Patents
数据的服务响应方法及装置 Download PDFInfo
- Publication number
- CN108520045A CN108520045A CN201810293118.6A CN201810293118A CN108520045A CN 108520045 A CN108520045 A CN 108520045A CN 201810293118 A CN201810293118 A CN 201810293118A CN 108520045 A CN108520045 A CN 108520045A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- portrait
- record
- different
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本申请公开了一种数据的服务响应方法及装置,涉及数据处理领域,解决整合基于不完整客户数据集市的客户举措都比较零散的问题。包括:获取数据源中的用户数据,并将所述用户数据进行分类,得到结构化数据类型的记录数据以及非结构化数据类型的记录数据;按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像;当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像;当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价。
Description
技术领域
本发明涉及数据处理领域,尤其是涉及一种数据的服务响应方法及装置。
背景技术
随着电子商务的发展,客户服务面对的服务对象类型、服务人数等均在大幅增加,行业竞争日趋激烈,如何更好的为用户提供个性化服务是企业面临的难题。因此,数据集市(Data Mart)应运而生,它也称为数据市场,是为了满足特定的部门或者用户的需求,按照多维的方式进行存储,如包括定义维度、需要计算的指标、维度的层次等,生成面向决策分析需求的数据立方体。
目前,当前保险企业为了得到以客户为中心的数据集市,整合基于不完整客户数据集市的客户举措都比较零散,且无法详细确定数据的服务效果,需要人工一对一进行数据的服务响应,影响客群经营策略统筹,比如保险行业各类精准营销活动,通常这类活动常流转于系统之外,用户对这些营销活动的处理、反馈数据无法准确响应于保险系统中的数据集市中,也会导致形成从客群经营策略到经营举措、统筹到举措效果、检视再到经营策略的优化闭环较实现起来为困难。
发明内容
本发明实施例提供了一种数据的服务响应方法及装置,解决了相关技术中整合基于不完整客户数据集市的客户举措都比较零散,且无法详细确定数据的服务效果,需要人工一对一进行数据的服务响应,影响客群经营策略统筹的问题。
根据本发明实施例的一个方面,提供一种数据的服务响应方法,包括:
获取数据源中的用户数据,并将所述用户数据进行分类,得到结构化数据类型的记录数据以及非结构化数据类型的记录数据;
按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像;
当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示;
当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价,以使得数据服务系统对所述用户数据进行调整。
进一步,所述当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示之前,所述方法还包括:
根据不同业务策略为不同的用户触点配置API接口,所述API接口用于接收用户触发数据服务请求以及展示用户画像。
进一步,所述按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像包括:
从所述结构化数据类型的记录数据中提取出用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息;
根据预设的聚类分析、和/或关联分析、和/或机器学习对所述用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息进行特征属性的抽取,生成不同用户策略对应的用户画像;和/或,
从所述非结构化数据类型的记录数据中提取出文本信息;
根据预设的文字统计TF-IDF方式、和/或词向量模型Doc2vec方式对所述文本信息进行特征属性的抽取,生成不同用户策略对应的用户画像。
进一步,所述数据服务请求为用户对保险数据的处理请求,所述当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价包括:
所述当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集用户对保险数据的处理行为数据以及所述处理行为数据对应的反馈数据,根据所述处理行为数据、反馈数据对所述用户画像对应的用户策略进行策略评价,所述策略评价包括保险投资策略评价、客群经营策略评价。
进一步,所述方法还包括:
根据策略评价后的结果将用户数据反馈至策略管理系统中,并根据所述用户画像结合预设营销策略更新所述用户策略。
根据本发明实施例的另一方面,提供一种数据的服务响应装置,包括:
获取单元,用于获取数据源中的用户数据,并将所述用户数据进行分类,得到结构化数据类型的记录数据以及非结构化数据类型的记录数据;
确定单元,用于按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像;
展示单元,用于当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示;
评价单元,用于当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价,以使得数据服务系统对所述用户数据进行调整。
进一步,所述装置还包括:
配置单元,用于根据不同业务策略为不同的用户触点配置API接口,所述API接口用于接收用户触发数据服务请求以及展示用户画像。
进一步,所述确定单元包括:提取模块、生成模块,
所述提取模块,用于从所述结构化数据类型的记录数据中提取出用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息;
所述生成模块,用于根据预设的聚类分析、和/或关联分析、和/或机器学习对所述用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息进行特征属性的抽取,生成不同用户策略对应的用户画像;和/或,
所述提取模块,还用于从所述非结构化数据类型的记录数据中提取出文本信息;
所述生成模块,还用于根据预设的文字统计TF-IDF方式、和/或词向量模型Doc2vec方式对所述文本信息进行特征属性的抽取,生成不同用户策略对应的用户画像。
进一步,所述数据服务请求为用户对保险数据的处理请求,所述评价单元,具体用于所述当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集用户对保险数据的处理行为数据以及所述处理行为数据对应的反馈数据,根据所述处理行为数据、反馈数据对所述用户画像对应的用户策略进行策略评价,所述策略评价包括保险投资策略评价、客群经营策略评价。
进一步,所述装置还包括:更新单元,用于根据策略评价后的结果将用户数据反馈至策略管理系统中,并根据所述用户画像结合预设营销策略更新所述用户策略。
根据本申请的又一方面,提供了一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述数据的服务响应方法对应的操作。
根据本申请的再一方面,提供了一种终端,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述数据的服务响应方法对应的操作。
借由上述技术方案,本申请实施例提供的技术方案至少具有下列优点:
本申请提供了一种数据的服务响应方法及装置,首先获取数据源中的用户数据,并将所述用户数据进行分类,得到结构化数据类型的记录数据以及非结构化数据类型的记录数据,然后按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像,当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示,当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价,以使得数据服务系统对所述用户数据进行调整。与现有保险企业为了得到以客户为中心的数据集市,整合基于不完整客户数据集市的客户举措都比较零散,需要人工一对一进行数据的服务响应相比,本申请实施例通过获取用户数据并对数据进行结构化与非结构化的分类,通过不同的数据挖掘算法对不同类型的数据进行特征提取,然后根据这些特征生成用户图像以及匹配的用户策略,在用户反确定用户图像后,根据策略评价对所述用户图像对于的用户策略进行评价,实现数据服务响应的自动处理及评价,提高用户在保险投资过程中的营销效率,从而将用户的处理数据、反馈数据及时优化至对应的营销策略体系中。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了本申请实施例提供的一种数据的服务响应方法流程图;
图2示出了本申请实施例提供的另一种数据的服务响应方法流程图;
图3示出了本申请实施例提供的一种数据的服务响应装置框图;
图4示出了本申请实施例提供的另一种数据的服务响应装置框图;
图5示出了本申请实施例提供的一种终端结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种数据的服务响应方法,如图1所示,所述方法包括:
101、获取数据源中的用户数据,并将所述用户数据进行分类,得到结构化数据类型的记录数据以及非结构化数据类型的记录数据。
其中,所述数据源为存储有投保用户的保单数据、理赔数据等数据库,所述用户数据为待进行数据服务的用户所需要响应的用户数据,所述结构化数据类型是指具有规则结构或完整的数据,如数据列表等,所述非结构化数据类型是指具有不规则结构或不完整的数据,如文字数据、语音数据等,本发明实施例不做具体限定。
需要说明的是,由于用户数据中存在不同形式的数据类型,如保单数据中具体的保费金额及对应的缴费年限即为结构化数据,理赔数据中具体的理赔事由即为非结构化数据,为了将不同的数据类型区分开来,以便进行特征提取,需要对用户数据进行分类,具体的分类方式可以通过用户数据中不同数据在进行存储时,存储的定义标签进行划分,例如,数据的存储标签为保额数值即为结构化数据,投保项目即为非结构化数据等,本发明实施例不做具体限定。另外,记录数据即是指将通过操作人员对不同用户数据进行记录的投保、理赔数据。
102、按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像。
其中,由于不同的数据类型的记录数据在进行数据挖掘时,需要通过不同的数据挖掘算法进行运算,因此,针对结构化数据类型,预设数据挖掘算法可以设定为聚类分析、关联分析、机器学习等方法,针对非结构化数据类型,预设数据挖掘算法可以设定为文字统计TF-IDF方式、词向量模型Doc2vec方式,本发明实施例不做具体限定。所述用户画像的特征属性,即是指可以生成用户画像的特征,例如年龄、性别、工作、投保类型等,本发明实施例不做具体限定。本发明实施例中,由于不同的用户在进行投保过程中,都会根据自身的需求来设定不同的用户策略,即不同的投保方式,因此,在确定用户画像时,用户画像于用户策略是一一匹配对应,从而可以肯定展示的用户画像确定出用户策略。
需要说明的是,在对结构化数据类型及非结构化数据类型的记录进行用户画像的特征属性抽取时,按照不同的数据挖掘算法对这些记录数据进行数据处理,例如,针对记录数据为投保金额及投保年限的结构化数据,可以通过机器学习算法来分析出5万保额及对应20年限的用户画像的特征属性的年龄、投保类型,从而通过制图软件根据这些特征画出用户画像。对于本发明实施例,制图软件可以可以根据提供的特征属性进行绘制用户画像的软件,例如,可以根据具体的年龄、性别、职业直接生成对应的画像,本发明实施例不做具体限定。
103、当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示。
其中,所述用户触点为用户进行数据服务请求的触发点,为了使不同的用户触点可以执行对应的数据服务请求,需要在每个用户触点安装对应的插件,以便不同的用户可以根据用户触点进行对应的数据服务请求,所述用户触点安装的插件可以为可进行数据服务请求响应的API接口,不同的触点可以根据不同的业务策略进行配置,业务策略包括数据下载、数据更改、支付金额等,本发明实施例不做具体限定。
需要说明的是,通过API接口用户触点获得用户触发的数据服务请求,数据服务请求中包括用户的具体ID信息,然后根据用户的ID信息确定出对应的用户数据,根据用户数据查找到对应的用户画像,并进行展示,以便用户进行核对或查看。其中,用户ID信息可以包括用户的账户号码、身份证号码、电话号码等,本发明实施例不做具体限定。
104、当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价。
对于本发明实施例,以使得数据服务系统对所述用户数据进行调整。其中,用户触点的API接口可以接收用户触发的不同数据服务请求操作,所述行为数据即是指用户通过用户触点向后台系统发送的具体服务请求,如上传数据、下载数据、更新数据等,所述反馈数据即是指用户触发数据服务请求后,系统向用户反馈的数据,如用户触发数据服务请求为下载数据,反馈数据即为下载的数据,本发明实施例不做具体限定。
需要说明的是,由于用户ID信息可以确定出用户画像,而一个用户画像可以匹配到一个用户策略,因此,在对用户画像进行确认后,直接对对应的用户策略进行确定,所述策略评价即是指根据用户的行为数据、反馈数据以及对应的用户策略进行策略评价,策略评价方法为预先设定的自动评价机制,可以针对不同的行为数据、不同的反馈数据及不同的用户策略进行多维匹配,本发明实施例不做具体限定。
本申请提供了一种数据的服务响应方法,与现有保险企业为了得到以客户为中心的数据集市,整合基于不完整客户数据集市的客户举措都比较零散,需要人工一对一进行数据的服务响应相比,本申请实施例通过获取用户数据并对数据进行结构化与非结构化的分类,通过不同的数据挖掘算法对不同类型的数据进行特征提取,然后根据这些特征生成用户图像以及匹配的用户策略,在用户反确定用户图像后,根据策略评价对所述用户图像对于的用户策略进行评价,实现数据服务响应的自动处理及评价,提高用户在保险投资过程中的营销效率,从而将用户的处理数据、反馈数据及时优化至对应的营销策略体系中。
本发明实施例提供了另一种数据的服务响应方法,如图2所示,所述方法包括:
201、获取数据源中的用户数据,并将所述用户数据进行分类,得到结构化数据类型的记录数据以及非结构化数据类型的记录数据。
本步骤与图1所示的步骤101方法相同,在此不再赘述。
202a、从所述结构化数据类型的记录数据中提取出用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息。
对于本发明实施例,为了清晰的区分不同类型的数据,并针对保单数据及理赔数据中不同数据的挖掘,需要从结构化数据类型的记录数据中提取出对生成用户画像起到关键作用的特征属性。其中,结构化数据类型的记录数据中的特征属性包括用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息,所述用户基本属性信息为用户的身份号码、保单账户号码、电话号等,可以唯一对应用户ID的信息,所述用户购买保险产品属性信息包括保险产品的序列号、保险产品的保额、年限、缴费金额等,所述用户服务属性信息包括用户的投保级别、用户的投保年限等,例如,用户基本属性信息为158xxxx0723,保险产品的序列号:kzd100.2,保险产品的保额100万,年限30年,缴费金额为20万,用户的投保基本为1级,即按时缴费,不拖欠费用,用户的投保年限为第5年等,这些数据均以数据列表形式存储在保险系统的数据库中。
203a、根据预设的聚类分析、和/或关联分析、和/或机器学习对所述用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息进行特征属性的抽取,生成不同用户策略对应的用户画像。
对于本发明实施例,为了进一步的优化用户画像的特征属性,通过使用预设的聚类分析、和/或关联分析、和/或机器学习方法将用户基本属性信息、用户购买产品属性信息、用户服务属性信息中的特征属性与用户画像的画像特征进行匹配抽取。其中,聚类分析为将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程,包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等,关联分析为在交易数据、关系数据或其他信息载体中,查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构,机器学习是指模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,包括神经网络、支持向量机等,都可以实现对用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息等数据的分类,本发明实施例不做具体限定。
需要说明的是,利用预设的聚类分析、和/或关联分析、和/或机器学习等方法对用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息进行特征属性的抽取的方法可以为将上述的用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息的具体数据作为建立分类模型的输入,然后通过选定的数据挖掘算法建立的模型进行分类,根据不同的类别确定需要进行绘画用户画像对应的特征,例如,经过模型的分类后身份证号码与性别对应的用户画像的特征为50岁男性,则在生成用户画像时,直接选定50岁男性的图画,本发明实施例不做具体限定。另外,针对用户策略,则是根据不同的用户投保数据生成的营销策略,一般的,包括具体的精准营销策略、场景营销策略、个性化服务策略等,这些策略是保险公司的客户分析决策中心根据不同的保险数据及营销策略对不同用户制定的营销方案,本发明实施例中为了适用不用的投保用户,可以根据用户服务属性信息与用户策略进行一一匹配,例如,一级用户匹配高级营销方式,二级用户匹配中级营销方式等,本发明实施例不做具体限定。
本发明实施例中的用户画像的生成,即可以通过制图软件根据用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息等抽取对应的绘图图像,然后进行组合绘制,例如,根据投保年限20年以及投保金额100万确定出绘图的特征是白领阶层,因此,在绘制用户画像时,用户的的衣着为白领,本发明实施例不做具体限定。
202b、从所述非结构化数据类型的记录数据中提取出文本信息。
对于本发明实施例,为了清晰的区分不同类型的数据,并针对理赔数据等的文字数据中的数据挖掘,需要从非结构化数据类型的记录数据中提取出对生成用户画像起到关键作用的特征属性。其中,非结构化数据类型的记录数据中的特征属性包括理赔数据、保单数据中的文本信息,这些文本信息可以为投保人员录入的信息、也可以为默认设置的文本信息,例如,理赔事由、购买保险产品备注信息等,本发明实施例不做具体限定。
203b、根据预设的文字统计TF-IDF方式、和/或词向量模型Doc2vec方式对所述文本信息进行特征属性的抽取,生成不同用户策略对应的用户画像。
对于本发明实施例,为了进一步的优化用户画像的特征属性,且为了增强对文字信息的处理能力,通过使用文字统计TF-IDF方式、和/或词向量模型Doc2vec方式将文本信息中的特征属性与用户画像的画像特征进行匹配抽取。其中,文字统计TF-IDF方式是一种统计方法,用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度,词向量模型Doc2vec方式是指将文字转换为向量模型的文字处理方式,都可以实现对文字信息的分类,本发明实施例不做具体限定。
需要说明的是,利用文字统计TF-IDF方式、和/或词向量模型Doc2vec方式等方式对文字信息的分析可以为在自定义词库中添加需要进行分类的文字,如投保金额、理赔次数、贷款情况、是否理赔、理赔事由等,然后根据文字出现在用户数据中的频次判断出文字信息对应的数据是否为一类,从而实现特征的划分,一般的,TF-IDF、Doc2vec的模型建立是根据数据源中的所有用户数据进行建立,根据当前用户数据来确定需要划分的文字信息,进而确定需要进行绘画用户画像对应的特征,本发明实施例不做具体限定。本发明实施例中用户画像的生成与步骤203a中用户画像的生成方法相同,两者可以结合合并生成一张用户画像,当出现不确定的绘图图像时,以步骤203a中的绘图图像为准。
204、根据不同业务策略为不同的用户触点配置API接口。
对于本发明实施例,为了使不同的用户触点可以接收用户触发的请求,需要在不同的用户触点匹配对应的API接口,所述API接口用于接收用户触发数据服务请求以及展示用户画像。其中,所述业务策略包括数据下载、数据更改、支付金额等,本发明实施例不做具体限定。
205、当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示。
本步骤与图1所示的步骤103方法相同,在此不再赘述。
需要说明的是,所述数据服务请求为用户对保险数据的处理请求,即是指用户触发的请求是针对保险数据的处理请求,例如,保险营销策略的查询、保险贷款策略的下载等,本发明实施例不做具体限定。
206、所述当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集用户对保险数据的处理行为数据以及所述处理行为数据对应的反馈数据,根据所述处理行为数据、反馈数据对所述用户画像对应的用户策略进行策略评价。
对于本发明实施例,为了进一步地将处理行为数据以及处理行为数据对应的反馈数据进行策略评价,所述策略评价包括保险投资策略评价、客群经营策略评价。其中,所述保险投资策略评价为为不同级别的用户定制的评价方案,以便投保人员可以根据需求进行选择理财投资或者人身险投资,所述客群经营策略评价为为不同投保类型的客户群体设定的评价方案,例如理财类型与人身险类型,本发明实施例不做具体限定。
需要说明的是,针对策略评价方法,可以按照为用户制定的投保策略中的具体投保金额、投保产品、投保年限等与保险投资策略评价中的评价数据进行一一匹配,例如投保金额为50万,投保年限为10年,评价数据中给的的保险投资策略评价的评价数据中为年限为10年的投保金额20万为最优,40万为正常,大于40万为风险,因此评价结果即为风险,本发明实施例不做具体限定。
207、根据策略评价后的结果将用户数据反馈至策略管理系统中,并根据所述用户画像结合预设营销策略更新所述用户策略。
对于本发明实施例,为了增加用户策略的使用效率,以及对用户进行高效的制定用户策略,实现精准的策略分析,可以根据策略评价后的结果将用户数据反馈至策略管理系统中,并根据用户画像结果预设营销策略更新用户策略。例如,策略评价后的结果为风险,则将用户数据反馈至策略管理系统中,根据用户画像为30岁的白领女性,保险级别可以通过用户画像中佩戴的一星标志判断出为一级,匹配出与用户画像对应的营销策略,从而避免用户因不满营销策略而造成的投诉率、客户流失率的上生。
本申请提供了另一种数据的服务响应方法,本申请实施例通过获取用户数据并对数据进行结构化与非结构化的分类,通过不同的数据挖掘算法对不同类型的数据进行特征提取,然后根据这些特征生成用户图像以及匹配的用户策略,在用户反确定用户图像后,根据策略评价对所述用户图像对于的用户策略进行评价,实现数据服务响应的自动处理及评价,提高用户在保险投资过程中的营销效率,从而将用户的处理数据、反馈数据及时优化至对应的营销策略体系中。
进一步的,作为对上述图1所示方法的实现,本发明实施例提供了一种数据的服务响应装置,如图3所示,该装置包括:获取单元31、确定单元32、展示单元33、评价单元34。
获取单元31,用于获取数据源中的用户数据,并将所述用户数据进行分类,得到结构化数据类型的记录数据以及非结构化数据类型的记录数据;所述获取单元31为数据的服务响应装置执行获取数据源中的用户数据,并将所述用户数据进行分类,得到结构化数据类型的记录数据以及非结构化数据类型的记录数据的程序模块。
确定单元32,用于按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像;所述确定单元32为数据的服务响应装置执行按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像的程序模块。
展示单元33,用于当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示;所述展示单元33为数据的服务响应装置执行当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示的程序模块。
评价单元34,用于当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价,以使得数据服务系统对所述用户数据进行调整。所述评价单元34为数据的服务响应装置执行当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价的程序模块。
本申请提供了一种数据的服务响应装置,与现有保险企业为了得到以客户为中心的数据集市,整合基于不完整客户数据集市的客户举措都比较零散,需要人工一对一进行数据的服务响应相比,本申请实施例通过获取用户数据并对数据进行结构化与非结构化的分类,通过不同的数据挖掘算法对不同类型的数据进行特征提取,然后根据这些特征生成用户图像以及匹配的用户策略,在用户反确定用户图像后,根据策略评价对所述用户图像对于的用户策略进行评价,实现数据服务响应的自动处理及评价,提高用户在保险投资过程中的营销效率,从而将用户的处理数据、反馈数据及时优化至对应的营销策略体系中。
进一步的,作为对上述图2所示方法的实现,本发明实施例提供了另一种数据的服务响应装置,如图4所示,该装置包括:获取单元41、确定单元42、展示单元43、评价单元44、配置单元45、更新单元46。
获取单元41,用于获取数据源中的用户数据,并将所述用户数据进行分类,得到结构化数据类型的记录数据以及非结构化数据类型的记录数据;
确定单元42,用于按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像;
展示单元43,用于当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示;
评价单元44,用于当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价,以使得数据服务系统对所述用户数据进行调整。
进一步,所述装置还包括:
配置单元45,用于根据不同业务策略为不同的用户触点配置API接口,所述API接口用于接收用户触发数据服务请求以及展示用户画像。
进一步,所述确定单元42包括:提取模块4201、生成模块4202,
所述提取模块4201,用于从所述结构化数据类型的记录数据中提取出用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息;
所述生成模块4202,用于根据预设的聚类分析、和/或关联分析、和/或机器学习对所述用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息进行特征属性的抽取,生成不同用户策略对应的用户画像;和/或,
所述提取模块4201,还用于从所述非结构化数据类型的记录数据中提取出文本信息;
所述生成模块4202,还用于根据预设的文字统计TF-IDF方式、和/或词向量模型Doc2vec方式对所述文本信息进行特征属性的抽取,生成不同用户策略对应的用户画像。
进一步,所述数据服务请求为用户对保险数据的处理请求,所述评价单元44,具体用于所述当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集用户对保险数据的处理行为数据以及所述处理行为数据对应的反馈数据,根据所述处理行为数据、反馈数据对所述用户画像对应的用户策略进行策略评价,所述策略评价包括保险投资策略评价、客群经营策略评价。
进一步,所述装置还包括:更新单元46,用于根据策略评价后的结果将用户数据反馈至策略管理系统中,并根据所述用户画像结合预设营销策略更新所述用户策略。
本申请提供了另一种数据的服务响应装置,本申请实施例通过获取用户数据并对数据进行结构化与非结构化的分类,通过不同的数据挖掘算法对不同类型的数据进行特征提取,然后根据这些特征生成用户图像以及匹配的用户策略,在用户反确定用户图像后,根据策略评价对所述用户图像对于的用户策略进行评价,实现数据服务响应的自动处理及评价,提高用户在保险投资过程中的营销效率,从而将用户的处理数据、反馈数据及时优化至对应的营销策略体系中。
根据本发明一个实施例提供了一种存储介质,所述存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的数据的服务响应方法。
图5示出了根据本发明一个实施例提供的一种终端的结构示意图,本发明具体实施例并不对终端的具体实现做限定。
如图5所示,该终端可以包括:处理器(processor)502、通信接口(CommunicationsInterface)504、存储器(memory)506、以及通信总线508。
其中:处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器502,用于执行程序510,具体可以执行上述数据的服务响应方法实施例中的相关步骤。
具体地,程序510可以包括程序代码,该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。终端包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器506,用于存放程序510。存储器506可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作:
获取数据源中的用户数据,并将所述用户数据进行分类,得到结构化数据类型的记录数据以及非结构化数据类型的记录数据;
按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像;
当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示;
当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价,以使得数据服务系统对所述用户数据进行调整。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (10)
1.一种数据的服务响应方法,其特征在于,包括:
获取数据源中的用户数据,并将所述用户数据进行分类,得到结构化数据类型的记录数据以及非结构化数据类型的记录数据;
按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像;
当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示;
当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价,以使得数据服务系统对所述用户数据进行调整。
2.根据权利要求1所述的方法,其特征在于,所述当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示之前,所述方法还包括:
根据不同业务策略为不同的用户触点配置API接口,所述API接口用于接收用户触发数据服务请求以及展示用户画像。
3.根据权利要求2所述的方法,其特征在于,所述按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像包括:
从所述结构化数据类型的记录数据中提取出用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息;
根据预设的聚类分析、和/或关联分析、和/或机器学习对所述用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息进行特征属性的抽取,生成不同用户策略对应的用户画像;和/或,
从所述非结构化数据类型的记录数据中提取出文本信息;
根据预设的文字统计TF-IDF方式、和/或词向量模型Doc2vec方式对所述文本信息进行特征属性的抽取,生成不同用户策略对应的用户画像。
4.根据权利要求3所述的方法,其特征在于,所述数据服务请求为用户对保险数据的处理请求,所述当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价包括:
所述当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集用户对保险数据的处理行为数据以及所述处理行为数据对应的反馈数据,根据所述处理行为数据、反馈数据对所述用户画像对应的用户策略进行策略评价,所述策略评价包括保险投资策略评价、客群经营策略评价。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
根据策略评价后的结果将用户数据反馈至策略管理系统中,并根据所述用户画像结合预设营销策略更新所述用户策略。
6.一种数据的服务响应装置,其特征在于,包括:
获取单元,用于获取数据源中的用户数据,并将所述用户数据进行分类,得到结构化数据类型的记录数据以及非结构化数据类型的记录数据;
确定单元,用于按照不同的预设数据挖掘算法分别对所述结构化数据类型的记录数据以及所述非结构化数据类型的记录数据进行用户画像的特征属性抽取,确定与不同用户策略匹配的用户画像;
展示单元,用于当通过用户触点接收到数据服务请求时,获取与所述数据服务请求中携带的用户ID匹配的用户画像,并进行展示;
评价单元,用于当用户通过所述用户触点进行用户画像匹配确认后,通过所述用户触点采集的用户的行为数据、反馈数据对所述用户策略进行策略评价,以使得数据服务系统对所述用户数据进行调整。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
配置单元,用于根据不同业务策略为不同的用户触点配置API接口,所述API接口用于接收用户触发数据服务请求以及展示用户画像。
8.根据权利要求7所述的装置,其特征在于,所述确定单元包括:提取模块、生成模块,
所述提取模块,用于从所述结构化数据类型的记录数据中提取出用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息;
所述生成模块,用于根据预设的聚类分析、和/或关联分析、和/或机器学习对所述用户基本属性信息、用户购买保险产品属性信息、用户服务属性信息进行特征属性的抽取,生成不同用户策略对应的用户画像;和/或,
所述提取模块,还用于从所述非结构化数据类型的记录数据中提取出文本信息;
所述生成模块,还用于根据预设的文字统计TF-IDF方式、和/或词向量模型Doc2vec方式对所述文本信息进行特征属性的抽取,生成不同用户策略对应的用户画像。
9.一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-5中任一项所述的数据的服务响应方法对应的操作。
10.一种终端,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-5中任一项所述的数据的服务响应方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810293118.6A CN108520045B (zh) | 2018-04-03 | 2018-04-03 | 数据的服务响应方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810293118.6A CN108520045B (zh) | 2018-04-03 | 2018-04-03 | 数据的服务响应方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108520045A true CN108520045A (zh) | 2018-09-11 |
CN108520045B CN108520045B (zh) | 2023-05-30 |
Family
ID=63431228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810293118.6A Active CN108520045B (zh) | 2018-04-03 | 2018-04-03 | 数据的服务响应方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108520045B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109583781A (zh) * | 2018-12-06 | 2019-04-05 | 广东电网有限责任公司肇庆供电局 | 评估方法、无人机管理方法及电子设备 |
CN110348703A (zh) * | 2019-06-21 | 2019-10-18 | 平安科技(深圳)有限公司 | 基于用户行为画像的数据处理方法、装置及电子设备 |
CN112270605A (zh) * | 2020-10-30 | 2021-01-26 | 海腾保险代理有限公司 | 用于保险业务的信息处理方法及装置 |
CN112905793A (zh) * | 2021-02-23 | 2021-06-04 | 山西同方知网数字出版技术有限公司 | 一种基于Bilstm+Attention文本分类的案例推荐方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016054908A1 (zh) * | 2014-10-10 | 2016-04-14 | 中兴通讯股份有限公司 | 基于物联网大数据平台的智能用户画像方法及装置 |
CN106651424A (zh) * | 2016-09-28 | 2017-05-10 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的电力用户画像建立与分析方法 |
-
2018
- 2018-04-03 CN CN201810293118.6A patent/CN108520045B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016054908A1 (zh) * | 2014-10-10 | 2016-04-14 | 中兴通讯股份有限公司 | 基于物联网大数据平台的智能用户画像方法及装置 |
CN106651424A (zh) * | 2016-09-28 | 2017-05-10 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的电力用户画像建立与分析方法 |
Non-Patent Citations (2)
Title |
---|
余向前;王林信;李云冰;辛玲玲;李国琪;张钊;: "电力营销信息化客户画像的应用研究" * |
陈慧香;邵波;: "国外图书馆领域用户画像的研究现状及启示" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109583781A (zh) * | 2018-12-06 | 2019-04-05 | 广东电网有限责任公司肇庆供电局 | 评估方法、无人机管理方法及电子设备 |
CN110348703A (zh) * | 2019-06-21 | 2019-10-18 | 平安科技(深圳)有限公司 | 基于用户行为画像的数据处理方法、装置及电子设备 |
CN110348703B (zh) * | 2019-06-21 | 2024-03-01 | 平安科技(深圳)有限公司 | 基于用户行为画像的数据处理方法、装置及电子设备 |
CN112270605A (zh) * | 2020-10-30 | 2021-01-26 | 海腾保险代理有限公司 | 用于保险业务的信息处理方法及装置 |
CN112905793A (zh) * | 2021-02-23 | 2021-06-04 | 山西同方知网数字出版技术有限公司 | 一种基于Bilstm+Attention文本分类的案例推荐方法及系统 |
CN112905793B (zh) * | 2021-02-23 | 2023-06-20 | 山西同方知网数字出版技术有限公司 | 一种基于Bilstm+Attention文本分类的案例推荐方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108520045B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108520045A (zh) | 数据的服务响应方法及装置 | |
CN109493199A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN110070391B (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
CN110428322A (zh) | 一种业务数据的适配方法及装置 | |
CN108648074A (zh) | 基于支持向量机的贷款评估方法、装置及设备 | |
CN107609848A (zh) | 一种基于物联网的知识产权许可方法及系统 | |
CN110402570A (zh) | 信息处理方法和系统、服务器、终端、计算机存储介质 | |
CN108932585A (zh) | 一种商户运营管理方法及其设备、存储介质、电子设备 | |
US20190392295A1 (en) | Information processing device, method, and program that use deep learning | |
CN112862298A (zh) | 一种针对用户画像的信用评估方法 | |
Makhtar et al. | Churn classification model for local telecommunication company based on rough set theory | |
CN110147389A (zh) | 帐号处理方法和装置、存储介质及电子装置 | |
CN111400613A (zh) | 物品推荐方法、装置、介质及计算机设备 | |
CN110363492A (zh) | 基于互联网的产业孵化方法、系统、设备及存储介质 | |
CN111882420A (zh) | 响应率的生成方法、营销方法、模型训练方法及装置 | |
CN108073672A (zh) | 业务对象推荐方法、装置和电子设备 | |
JP6556969B1 (ja) | 営業支援装置及び営業先リスト作成装置 | |
US11620267B2 (en) | Entity classification using cleansed transactions | |
CN112860672A (zh) | 标签权重的确定方法和装置 | |
CN109829593A (zh) | 目标对象的信用度确定方法、装置、存储介质及电子装置 | |
CN117094764A (zh) | 银行积分处理方法及装置 | |
Droftina et al. | A diffusion model for churn prediction based on sociometric theory | |
Pham et al. | Analysis model for decentralized lending protocols | |
CN110390509A (zh) | 基于互联网的产业孵化方法、系统、设备及存储介质 | |
JP6560477B1 (ja) | 営業支援装置及び営業先リスト作成装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |