CN108629698A - 一种保险产品的定价方法、装置、终端设备及存储介质 - Google Patents

Abstract

本发明涉及金融服务技术领域，提供了一种保险产品的定价方法、装置、终端设备及存储介质，定价方法包括：获取待定价的保险产品预设的n个影响因子，对n个影响因子进行组合得到k种组合方式，并获取每种组合方式的预设权重值，从预设的m个数据源种获取用户有效数据，针对每种组合方式，根据m个数据源和用户有效数据计算该组合方式对应的因子相关性分值，再根据每种组合方式的预设权重值，对k个因子相关性分值进行加权计算，得到待定价保险产品的价格调节系数，最后根据该价格调节系数，结合该保险产品预设的基础价格计算得出定价结果。本发明的技术方案实现了对待定价保险产品价格的灵活定价，提高保险产品定价的合理性及用户投保的成功率。

Description

一种保险产品的定价方法、装置、终端设备及存储介质

技术领域

本发明涉及金融服务技术领域，尤其涉及一种保险产品的定价方法、装置、终端设备及存储介质。

背景技术

目前，由于保险产品种类众多，每种保险产品的定价都为标准化，在对待定价的保险产品进行定价时，无法根据历史用户的使用情况进行灵活的定价调整，造成定价结果不合理，导致保险产品的销售成功率下降，从而降低了投保用户的数量。

发明内容

本发明实施例提供一种保险产品的定价方法、装置、终端设备及存储介质，以解决目前保险产品都是标准化，无法结合用户情况进行灵活定价，从而降低保险产品实用性和灵活性的问题。

第一方面，本发明实施例提供一种保险产品的定价方法，包括：

获取待定价的保险产品预设的n个影响因子，其中，n为正整数；

对所述n个影响因子进行组合，得到k种组合方式，并获取每种组合方式的预设权重值，其中，k＝2ⁿ-1；

从预设的m个数据源中获取用户有效数据，其中，所述数据源为获取所述用户有效数据的渠道，所述用户有效数据的属性包含所述n个影响因子，m为正整数；

针对每种组合方式，根据m个所述数据源和所述用户有效数据，计算该组合方式对应的因子相关性分值，其中，所述因子相关性分值用于标识该组合方式包含的影响因子对所述保险产品的价格的影响程度；

根据所述每种组合方式的预设权重值，对k个所述因子相关性分值进行加权计算，得到所述保险产品的价格调节系数；

根据所述价格调节系数，结合所述保险产品预设的基础价格，计算并输出所述保险产品的定价结果。

第二方面，本发明实施例提供一种保险产品的定价装置，包括：

影响因子获取模块，用于获取待定价的保险产品预设的n个影响因子，其中，n为正整数；

组合模块，用于对所述n个影响因子进行组合，得到k种组合方式，并获取每种组合方式的预设权重值，其中，k＝2ⁿ-1；

有效数据获取模块，用于从预设的m个数据源中获取用户有效数据，其中，所述数据源为获取所述用户有效数据的渠道，所述用户有效数据的属性包含所述n个影响因子，m为正整数；

第一计算模块，用于针对每种组合方式，根据m个所述数据源和所述用户有效数据，计算该组合方式对应的因子相关性分值，其中，所述因子相关性分值用于标识该组合方式包含的影响因子对所述保险产品的价格的影响程度；

第二计算模块，用于根据所述每种组合方式的预设权重值，对k个所述因子相关性分值进行加权计算，得到所述保险产品的价格调节系数；

定价计算模块，用于根据所述价格调节系数，结合所述保险产品预设的基础价格，计算并输出所述保险产品的定价结果。

第三方面，本发明实施例提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述保险产品的定价方法的步骤。

第四方面，本发明实施例提供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计算机程序，所述计算机程序被处理器执行时实现所述保险产品的定价方法的步骤。

本发明实施例提供的保险产品的定价方法、装置、终端设备及存储介质中，通过获取待定价的保险产品对应的n个影响因子，对n个影响因子进行排列组合方式得到k种组合方式，并获取每种组合方式的预设权重值，根据不同数据源获取该保险产品对应的用户有效数据，再计算每种组合方式的因子相关性分值，按照每种组合方式的预设权重值，对k个因子相关性分值进行加权计算得出待定价保险产品的价格调节系数，最后根据该价格调节系数和该保险产品预设的基础价格计算得出保险产品的定价结果，实现了在对待定价保险产品定价的过程中，能够结合用户历史数据对待定价保险产品价格进行调整，从而达到灵活定价，提高了保险产品定价的合理性，进而帮助销售人员提升对保险产品的推荐成功率，提高用户投保的成功率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例1中提供的保险产品的定价方法的实现流程图；

图2是本发明实施例1提供的数据处理方法中步骤S3的实现流程图；

图3是本发明实施例1提供的数据处理方法中根据待推荐用户的价格承受范围对定价结果进行调整的实现流程图；

图4是本发明实施例1提供的数据处理方法中根据用户风险等级对定价结果进行调整的实现流程图；

图5是本发明实施例2中提供的保险产品的定价装置的示意图；

图6是本发明实施例4中提供的终端设备的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

请参阅图1，图1示出本实施例提供的保险产品的定价方法的实现流程。该保险产品的定价方法应用在对保险产品定价的过程中，用于实现结合用户数据对保险产品进行灵活定价，提高对保险产品定价的智能化程度，同时也提高用户投保的成功率。详述如下：

S1：获取待定价的保险产品预设的n个影响因子，其中，n为正整数。

在本发明实施例中，获取预设的待定价的保险产品对应的n个影响因子，该影响因子是指会对保险产品定价造成影响的因子。

需要说明的是，影响因子是根据具体的保险产品由人工分析得到的，例如重大疾病险的影响因子可以包括年龄、职业类型等。

S2：对n个影响因子进行组合，得到k种组合方式，并获取每种组合方式的预设权重值，其中，k＝2ⁿ-1。

具体地，根据步骤S1获取到的n个影响因子，对其进行组合，使得每种组合方式中至少包括一个影响因子，得到k种组合方式，其中k的计算公式为k＝2ⁿ-1，同时，获取每种组合方式对应的预设权重值。

例如，假设获取到G类保险产品的影响因子为A、B、C共3个，将组合方式的结果设为k，影响因子设为n，则按照公式k＝2ⁿ-1，求出组合方式的结果为7，其得到的7种组合方式分别为：A、B、C、AB、AC、BC和ABC。

S3：从预设的m个数据源中获取用户有效数据，其中，数据源为获取用户有效数据的渠道，用户有效数据的属性包含n个影响因子，m为正整数。

在本发明实施例中，用户有效数据主要包括用户身份信息、用户联系方式、用户职业信息、用户需求、用户的经济承受能力的历史数据、用户健康情况和用户收入等，通过从预设的记载用户有效数据的m个数据源中采集待定价保险产品对应的用户有效数据，其中m的取值范围为正整数，且采集到的用户有效数据的属性包含保险产品对应的n个影响因子。

其中，数据源具体可以包括：用户调查问卷、保险应用(Application，APP)，以及保险公司的保险数据库等，其中，通过用户调查问卷获取的调查结果数据，通过保险APP获取注册用户的用户数据，通过保险公司的保险数据库获取用户对保险产品的购买记录信息，以及用户的健康、医疗、保险、证券和理财等相关信息。

进一步地，获取用户有效数据包括结构化数据的获取和非结构化数据的获取，结构化数据是指能够用数据或统一的结构加以表示，例如数字、符号等；非结构化数据是指没有固定结构的数据，例如各种文档、图片等。

对于结构化数据，从关系型数据库中获取源数据，将该源数据通过sqoop导入到分布式系统(Hadoop Distributed File System，HDFS)中，对于非结构化数据，将源数据发送到分布式发布订阅消息系统(Kafka)中，通过Kafka将源数据同步到HDFS中。然后采用hive工具对导入到HDFS中的源数据按照预设要求进行加工，并存放到hive数据表中，该hive数据表以文本文件的形式保存。

hive是基于Hadoop的一个数据仓库工具，用于存储、查询和分析存储在Hadoop中的大规模数据，使得采用Hadoop大数据平台进行源数据的采集具有采集效率高的优点。

sqoop是一款开源工具，主要用于在大数据的分布式文件系统与传统的关系型数据库之间进行数据的传递，其可以将关系型数据库中的数据导入到大数据文件系统中，也可以将大数据文件系统中的数据导出到关系型数据库中。

要说明的是，用户有效数据是指与待定价保险产品相关联的用户数据。例如寿险相关联的用户数据为：用户身份信息、用户经济能力、用户职业、用户寿命等；车险相关联的用户数据为：用户身份信息、用户经济能力、用户持有车型、用户车龄等。

S4：针对每种组合方式，根据m个数据源和用户有效数据，计算该组合方式对应的因子相关性分值，其中，因子相关性分值用于标识该组合方式包含的影响因子对保险产品的价格的影响程度。

具体地，根据步骤S2得到的k种组合方式，对每种组合方式，根据步骤S3获取到的m个数据源以及每个数据源的用户有效数据，计算该组合方式对应的因子相关性分值，得到k个因子相关性分值。

因子相关性分值具体可以是是大于0并且小于等于1的正数，用于标识每种组合方式包含的影响因子对保险产品的价格的影响程度。

需要说明的是，因子相关性分值与影响程度成正比例关系，即因子相关性分值越大，则表示该因子相关性分值对应的组合方式包含的影响因子对保险产品的价格的影响程度越高，反之，因子相关性分值越小，则表示该因子相关性分值对应的组合方式包含的影响因子对保险产品的价格的影响程度越低。

S5：根据每种组合方式的预设权重值，对k个因子相关性分值进行加权计算，得到保险产品的价格调节系数。

在本发明实施例中，价格调节系数用于调节保险产品的价格，根据步骤S4得到的k个因子相关性分值，结合步骤S2获取的每种组合方式的预设权重值，对k个因子相关性分值进行加权计算，得到保险产品的价格调节系数。

具体地，按照公式(1)计算保险产品的价格调节系数：

F＝w₁f₁+w₂f₂+...+w_kf_k 公式(1)

其中，F为保险产品的价格调节系数，w₁为第1种组合方式的预设权重值，f₁为第1种组合方式的因子相关性分值，w₂为第2种组合方式的预设权重值，f₂为第2种组合方式的因子相关性分值，w_k为第k种组合方式的预设权重值，f_k为第k种组合方式的因子相关性分值。

可以理解的是，价格调节系数是大于0的正数，用于调整用户当前投保的保险产品的保险缴纳金额。保费调整系数以1作为标准值，即当保费调整系数为1时，用户的保险缴纳金额与保险产品的基础价格相同；当保费调整系数大于1时，用户的保险缴纳金额将会比保险产品的基础价格偏高；当保费调整系数小于1时，用户的保险缴纳金额将会比保险产品的基础价格偏低。

S6：根据价格调节系数，结合保险产品预设的基础价格，计算并输出保险产品的定价结果。

在本发明实施例中，根据步骤S5计算出来保险产品对应的价格调节系数，与该保险产品预设的基础价格进行相乘计算，得到的结果为该保险产品的定价结果。

例如，保险产品的基础价格为100元，若该保险产品的价格调节系数为1.1，则其对应的保险定价为110元；若该保险产品的价格调节系数为0.9，则其对应的保险定价为90元。

在图1对应的实施例中，通过获取待定价保险产品预设的n个影响因子，对获取到的n个影响因子进行组合得到k种组合方式，再从预设的m个数据源中获取包含n个影响因子的用户有效数据，并针对每种组合方式，根据m个数据源和用户有效数据进行计算该组合方式对应的因子相关性分值，再根据每种组合方式的预设权重值，对k个因子相关性分值进行加权计算得到保险产品的价格调节系数，最后根据该价格调节系数，结合保险产品预设的基础价格进行计算并得到该保险产品的定价结果，实现了在对保险产品的定价过程中，能够结合用户历史数据对待定价保险产品价格进行调整，从而达到灵活定价，提高了保险产品定价的合理性，进而帮助销售人员提升对保险产品的推荐成功率，提高用户投保的成功率。

接下来，在图1对应的实施例的基础之上，下面通过一个具体的实施例来对步骤S3中所提及的从预设的m个数据源中获取用户有效数据的具体实现方法进行详细说明。

请参阅图2，图2示出了本发明实施例提供的步骤S3的具体实现流程，详述如下：

S31：针对每个数据源，从该数据源中采集保险产品的用户历史数据。

在本发明实施例中，数据源为获取用户历史数据的各种有效渠道，故同种用户历史数据可以通过不同的数据源获取，根据获取到的数据源，采集用户历史数据。

例如，若数据源为保险产品的保险APP，则可以直接从该保险APP的后台服务器中获取用户历史数据；若数据源为用户调查问卷，则通过收集用户的调查问卷，再从中提取用户历史数据。

S32：对用户历史数据进行标签化处理，得到标签化样本数据，其中，标签化样本数据的属性包含n个影响因子。

在本发明实施例中，标签化可以将数据进行归类以便数据的提取，通过对步骤S31获取到的用户历史数据，进行标签化处理，将不同数据源下属于同种类别的数据进行归类划分，得到标签化样本数据，且该标签化样本数据包含n个影响因子。

需要说明的是，在不同数据源中，用户历史数据的属性存在不同的命名描述，例如年龄，在有些数据源中命名为年纪，而在另一些数据源中可能被命名为岁数。

例如，保险产品的影响因子为年龄，通过步骤S31从不同的数据源中获取该影响因子的用户历史数据，由于不同数据源之中存在不同的命名描述，例如数据源a中对年龄的命名为“年纪”，数据源b中对年龄的命名为“岁数”，数据源c中对年龄的命名为“年龄”，则将“年纪”和“岁数”都统一命名为“年龄”，并将“年龄”确定为该影响因子的标签，最终得到的标签化样本数据如表一所示：

表一

姓名	性别	年龄	职业	健康状态	投保产品
						用户L	男	25	医生	良好	车险
用户Z	女	26	教师	一般	重大疾病险

需要说明的是，若收集到的用户历史数据无法直接用数值表示，则按照预设对应的数值进行记录，例如健康状态分为4种，分别为：健康、良好、中等和严重，其分别用1、2、3和4这4个数值进行一一对应。

S33：在每个数据源中，按照公式(2)对每个标签化样本数据中第a个影响因子的样本原始值x_a进行预处理，得到该标签化样本数据中原始值x_a对应的样本标准值x_a'：

其中，μ为该数据源全部标签化样本数据中x_a的平均值；δ为该数据源全部标签化样本数据中x_a的标准差，a∈[1,n]。

在本发明实施例中，对用户历史数据进行预处理得到样本标准值能够保证用户历史数据的取值基于同一数值标准，提高数据的准确性。例如，一个百分制的变量与一个5分制的变量在一起无法进行比较，需要对其进行标准化后才能进行比较。通过公式(2)能够快速准确地计算出每个样本原始值对应的样本标准值。

S34：针对每个标签化样本数据，若该标签化样本数据中的n个样本标准值中存在至少一个样本标准值不满足该样本标准值对应的影响因子的预设标准阈值，则将该标签化样本数据确定为无效样本数据。

具体地，在步骤S32得到每个标签化样本数据中，将步骤S33得到的每个样本标准值与其对应的影响因子的预设标准阈值进行比较，若该n个样本标准值中存在至少一个样本标准值不满足该样本标准值对应的影响因子的预设标准阈值，则标记该标签化样本数据为无效样本数据，即只有在每个样本标准值均满足其对应的影响因子的预设标准阈值的情况下，在认为该标签化样本数据为有效样本数据。

S35：将m个数据源中的无效样本数据删除，得到用户有效数据。

在本发明实施例中，在标签化样本数据中，删除步骤S34确定的无效样本数据进行保留有效样本数据，并将保留的有效样本数据将作为用户有效数据。

在图2对应的实施例中，通过从每个数据源中采集待定价的保险产品的用户历史数据，对采集到的用户历史数据进行标签化处理，得到标签化样本数据，再根据公式(2)对每个标签化样本数据中每个影响因子的样本原始值进行预处理，得到对应的样本标准值，根据该样本标准值与预设标准阈值的比较确定标签化样本数据是否为无效样本数据，并将无效样本数据删除，得到用户有效数据。一方面，将样本原始值转换为样本标准值，能够保证用户历史数据的取值基于同一数值标准，提高数据的准确性；另一方面，通过对样本标准值与标准阈值的比较筛选出无效样本数据并删除，保证了保留下来的用户有效数据的有效性和准确性，使得基于该用户有效数据进行保险产品定价能够提高定价的合理性和准确性，同时也避免了后续在对保险产品进行定价的过程中，对多余无效样本数据的计算量，提高了定价计算的效率。

在图1对应的实施例的基础之上，下面通过一个具体的实施例对步骤S4提及的针对每种组合方式，根据m个所述数据源和用户有效数据，计算该组合方式对应的因子相关性分值的具体实现过程进行详细说明，详述如下：

按照公式(3)计算每种组合方式对应的因子相关性分值：

其中，Score_z为第z种组合方式对应的因子相关性分值，z∈[1,k]，λ(i)为第i个数据源的预设权重值，ω(j)为第z种组合方式中第j个影响因子的预设因子权重值，weakenfactor(t)为第t个时间段的时间衰减因子，count(t)_j为在第t个时间段内第j个影响因子的样本取值满足预设样本阈值的次数，m为数据源的个数，q为每z种组合方式包含的影响因子的数量，c_i为根据第i个数据源的用户有效数据的样本时间范围确定的时间段的数量；γ和b为预设的调节参数。

在本发明实施例中，因子相关性分值主要体现出组合方式所包含的影响因子对保险产品的价格的影响程度，通过该影响程度的计算能够提高后续进行保险产品定价计算的准确性。

例如，从T和Y共2个数据源获取到用户有效数据，且该用户的有效数据对于保险产品有Q和W两个影响因子，则其两个影响因子Q和W通过组合将得到Q、W和QW共3种组合方式，其中，包含QW影响因子的数量为2，即q＝2；则当计算该用户第3种组合方式QW时，Score_z表示第3种组合方式对应的因子相关性分值，即z＝3；由于数据源为2个，即m＝2；以T为第1个数据源，Y为第2个数据源，则λ(1)表示T数据源的预设权重值，则λ(2)表示Y数据源的预设权重值；ω(j)表示第3种组合方式中第j个影响因子的预设因子权重值。

weakenfactor(t)为第t个时间段的时间衰减因子，随着t的增加，weakenfactor(t)的值减少。具体地，该时间衰减因子可以定义为：weakenfactor(t)＝f(t)，其中，f为反比例线性函数。例如，若预设的时间段间隔为一个月，预设的时间范围为半年，则c_i＝6，以第一个月作为第1个时间段，则当t＝1时，weakenfactor(t)表示第1个时间段的时间衰减因子。

count(t)_j表示在第t个时间段内第j个影响因子的样本取值满足预设样本阈值的次数。例如，第j个影响因子为年龄，预设样本阈值为[20,30]，则count(1)_j表示第1个时间段内年龄范围在[20,30]内的用户有效数据的样本数量。

在本发明实施例中，通过公式(3)能够快速准确地计算出每种组合方式的因子相关性分值，通过该因子相关性分值能够反应出每种组合方式所包含的影响因子对保险产品的价格的影响程度，使到在对保险产品进行定价的过程中，通过因子相关性分值对后续定价结果进行调整，实现对保险产品的灵活定价，同时也提高了后续对保险产品定价计算的准确性。

在图1对应的实施例的基础之上，在步骤S6提及的根据价格调节系数，结合保险产品预设的基础价格，计算并输出保险产品的定价结果之后，还可以结合家庭关系图谱，通过对保险产品的定价结果进行调整后推荐给待推荐用户，如图3所示，该定价方法还包括：

S7：根据家庭关系图谱，获取待推荐用户的家庭成员的保险信息。

在本发明实施例中，根据待推荐用户家庭成员之间的关系以及每个成员的个人信息进行构建对应的家庭关系图谱，通过该关系图谱获取该用户的家庭成员之间的保险信息。

在本发明实施例中，家庭关系图谱主要包含了家庭成员之间的关系以及每个家庭成员的个人信息，其中个人信息包括用户职业信息、用户经济承受能力、用户购买保险产品情况等。根据待推荐用户的家庭关系图谱，获取该用户的家庭成员之间的保险信息，其中保险信息主要为购买保险产品的类型、价格、数量等。

S8：结合家庭成员的保险信息，确定待推荐用户的价格承受范围。

具体地，通过分析待推荐用户的家庭成员购买过的保险产品的保险信息，推测待推荐用户购买保险产品的价格承受范围。

例如，若待推荐用户分别有J和I两位家庭成员购买了保险产品，家庭成员J和家庭成员I分别购买的保险产品的价格为500元和600元，则推测待推荐用户购买保险产品的价格承受范围为500元到600元之间；若待推荐用户只有1位家庭成员购买了保险产品，且购买的保险产品价格为500元，则推测待推荐用户购买保险产品的价格承受范围为400元到600元之间；若待推荐用户没有家庭成员购买过保险产品，定价结果为500，则推测待推荐用户购买保险产品的价格承受范围为定价结果上下浮动百分之十，即价格承受范围为450元到550元之间。

S9：根据价格承受范围，对定价结果进行调整后推荐给待推荐用户。

在本发明实施例中，根据步骤S6计算得到的定价结果，结合步骤S8得到待推荐用户购买保险产品的价格承受范围，按照预设的调整方式，对定价结果进行调整，得到调整后的定价并推荐给待推荐用户。

需要说明的是，根据用户的价格承受范围对定价结果进行调整的调整方式可以根据实际应用的需要或者该保险产品的产品类型进行设置，此处不做限制。

例如，根据待推荐用户的数据计算得出所要购买保险产品的定价结果为500元，若根据步骤S8推测该用户的价格承受范围为500元到600元之间，则定价结果将调整为价格承受范围的最大值，即将定价结果调整为600元后推荐给该用户；若根据步骤S8推测该用户的价格承受范围为300元到400元之间，则定价结果调整为价格承受范围的最低值与定价结果的值的平均值，即将定价结果调整为600元后推荐给该用户。

在图3对应的实施例中，根据待推荐用户的家庭关系图谱获取其家庭成员的保险信息，通过对该保险信息进行分析推测该用户的价格承受范围，然后结合定价结果对保险产品价格进行调整后推荐给该用户，实现了保险产品的灵活定价，提高了定价的智能化水平，从而有效提高销售人员推荐保险产品的成功率，提升保险用户数量，同时也提高了对用户的服务质量。

在图1对应的实施例的基础之上，在步骤S6提及的根据价格调节系数，结合保险产品预设的基础价格，计算并输出保险产品的定价结果之后，还可以对用户进行风险评估后得到风险等级对应的价格评估系数，再结合该价格评估系数对定价价格进行调整后推荐给待推荐用户，如图4所示，该定价方法还包括：

S10：根据用户有效数据，对待推荐用户进行风险评估，确定待推荐用户的风险等级。

在本发明实施例中，风险等级具体可以分为安全、一般、中等和严重的级别，根据步骤S3获取待推荐用户有效数据，按照预设的风险评估条件对该用户所要购买的保险产品的各个影响条件进行风险评估，通过各个影响条件进行综合评估后得到该用户对应的风险等级。

其中，用户的有效数据包括：用户身份信息、用户联系方式、用户职业信息、用户需求、用户的经济承受能力的历史数据、用户健康情况和用户收入等。

例如，用户所要购买的保险产品为寿险，而寿险需要评估的条件主要为：健康风险、职业风险、环境风险、寿命风险以及财产风险，通过对用户条件进行评估得出，健康风险等级为安全，职业风险等级为安全，环境风险等级为一般，寿命风险等级为安全，财产风险等级为一般，根据预设的风险评估条件综合评估该用户的风险等级为一般。

需要说明的是，根据预设的风险评估条件综合评估用户的风险等级时，还可以进一步对每个影响条件设置权重值进行评估，此处不做限制。

S11：按照风险等级对应的价格评估系数，对定价结果进行调整后推荐给待推荐用户。

具体地，根据步骤S10得到待推荐用户的风险等级后，从预设的保险产品风险等级价格表中获取该风险等级对应的价格评估系数，将该价格评估系数与定价结果进行相乘计算，得到调整后的保险产品的定价结果，并将该定价结果推荐给待推荐用户。

其中，价格评估系数是大于0的正数，用于调整用户当前投保产品的定价结果。价格评估系数以1作为标准值，即当价格评估系数为1时，用户的定价结果维持不变，不进行调整，当价格评估系数大于1时，用户的定价结果提高，当价格评估系数小于1时，用户的定价结果降低。

例如，根据对待推荐用户的数据计算得出所要购买保险产品的定价结果为500元，对该用户A的数据分析得出其风险等级为中等，对应的价格评估系数为1.2，则其调整后的定价结果为原始的定价结果乘以价格评估系数，即500*1.2＝600，故调整后的定价结果为600元。

在图4对应的实施例中，根据用户有效数据对用户进行风险评估获取用户的风险等级，再通过该风险等级获取对应的保险产品的价格评估系数，最后将定价结果与价格评估系数相乘之后得到的值作为调整后的定价结果推荐给待推荐的用户，实现了根据用户风险等级对保险产品价格进行灵活调整，提高了针对不同人群进行保险产品定价的合理性，从而降低保险公司的理赔风险。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例2

对应于实施例1中的保险产品的定价方法，图5示出了与实施例1提供的保险产品定价方法一一对应的保险产品的定价装置，为了便于说明，仅示出了与本发明实施例相关的部分。

如图5所示，该定价装置包括：影响因子获取模块51，组合模块52，有效数据获取模块53，第一计算模块54，第二计算模块55，定价计算模块56。各功能模块详细说明如下：

影响因子获取模块51，用于获取待定价的保险产品预设的n个影响因子，其中，n为正整数；

组合模块52，用于对n个影响因子进行组合，得到k种组合方式，并获取每种组合方式的预设权重值，其中，k＝2ⁿ-1；

有效数据获取模块53，用于从预设的m个数据源中获取用户有效数据，其中，数据源为获取用户有效数据的渠道，用户有效数据的属性包含n个影响因子，m为正整数；

第一计算模块54，用于针对每种组合方式，根据m个数据源和用户有效数据，计算该组合方式对应的因子相关性分值，其中，因子相关性分值用于标识该组合方式包含的影响因子对保险产品的价格的影响程度；

第二计算模块55，用于根据每种组合方式的预设权重值，对k个因子相关性分值进行加权计算，得到保险产品的价格调节系数；

定价计算模块56，用于根据价格调节系数，结合保险产品预设的基础价格，计算并输出保险产品的定价结果。

进一步地，有效数据获取模块53包括：

采集子模块531，用于针对每个数据源，从该数据源中采集保险产品的用户历史数据；

标签化子模块532，用于对用户历史数据进行标签化处理，得到标签化样本数据，其中，标签化样本数据的属性包含n个影响因子；

标准值计算子模块533，用于在每个数据源中，按照如下公式对每个标签化样本数据中第a个影响因子的样本原始值x_a进行预处理，得到该标签化样本数据中原始值x_a对应的样本标准值x_a'：

其中，μ为该数据源全部标签化样本数据中x_a的平均值；δ为该数据源全部标签化样本数据中x_a的标准差，a∈[1,n]；

判断子模块534，用于针对每个标签化样本数据，若该标签化样本数据中的n个样本标准值中存在至少一个样本标准值不满足该样本标准值对应的影响因子的预设标准阈值，则将该标签化样本数据确定为无效样本数据；

数据保留子模块535，用于将m个数据源中的无效样本数据删除，得到用户有效数据。

进一步地，第一计算模块54包括：

分值计算子模块541，用于按照如下公式计算每种组合方式对应的因子相关性分值：

其中，Score_z为第z种组合方式对应的因子相关性分值，z∈[1,k]，λ(i)为第i个数据源的预设权重值，ω(j)为第z种组合方式中第j个影响因子的预设因子权重值，weakenfactor(t)为第t个时间段的时间衰减因子，count(t)_j为在第t个时间段内第j个影响因子的样本取值满足预设样本阈值的次数，m为数据源的个数，q为每z种组合方式包含的影响因子的数量，c_i为根据第i个数据源的用户有效数据的样本时间范围确定的时间段的数量；γ和b为预设的调节参数。

进一步地，该定价装置还包括：

家庭信息获取模块57，用于根据家庭关系图谱，获取待推荐用户的家庭成员的保险信息；

价格范围确定模块58，用于结合家庭成员的保险信息，确定待推荐用户的价格承受范围；

第一推荐模块59，用于根据价格承受范围，对定价结果进行调整后推荐给待推荐用户。

进一步地，该定价装置还包括：

风险等级确定模块510，用于根据用户有效数据，对待推荐用户进行风险评估，确定待推荐用户的风险等级；

第二推荐模块511，用于按照风险等级对应的价格评估系数，对定价结果进行调整后推荐给待推荐用户。

本实施例提供的一种保险产品的定价装置中各模块实现各自功能的过程，具体可参考前述实施例1的描述，此处不再赘述。

实施例3

本实施例提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现实施例1中保险产品的定价方法，或者，该计算机程序被处理器执行时实现实施例2中保险产品的定价装置中各模块的功能。为避免重复，这里不再赘述。

可以理解地，所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号和电信信号等。

实施例4

图6是本发明一实施例提供的终端设备的示意图。如图6所示，该实施例的终端设备60包括：处理器61、存储器62以及存储在存储器62中并可在处理器61上运行的计算机程序63，例如保险产品的定价程序。处理器61执行计算机程序63时实现上述各个保险产品的定价方法实施例中的步骤，例如图1所示的步骤S1至步骤S6。或者，处理器61执行计算机程序63时实现上述各装置实施例中各模块的功能，例如图5所示模块51至模块56的功能。

示例性的，计算机程序63可以被分割成一个或多个模块，一个或者多个模块被存储在存储器62中，并由处理器61执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序63在终端设备60中的执行过程。例如，计算机程序63可以被分割成影响因子获取模块，组合模块，有效数据获取模块，第一计算模块，第二计算模块和定价计算模块，各模块具体功能如下：

影响因子获取模块，用于获取待定价的保险产品预设的n个影响因子，其中，n为正整数；

组合模块，用于对n个影响因子进行组合，得到k种组合方式，并获取每种组合方式的预设权重值，其中，k＝2ⁿ-1；

有效数据获取模块，用于从预设的m个数据源中获取用户有效数据，其中，数据源为获取用户有效数据的渠道，用户有效数据的属性包含n个影响因子，m为正整数；

第一计算模块，用于针对每种组合方式，根据m个数据源和用户有效数据，计算该组合方式对应的因子相关性分值，其中，因子相关性分值用于标识该组合方式包含的影响因子对保险产品的价格的影响程度；

第二计算模块，用于根据每种组合方式的预设权重值，对k个因子相关性分值进行加权计算，得到保险产品的价格调节系数；

定价计算模块，用于根据价格调节系数，结合保险产品预设的基础价格，计算并输出保险产品的定价结果。

进一步地，有效数据获取模块包括：

采集子模块，用于针对每个数据源，从该数据源中采集保险产品的用户历史数据；

标签化子模块，用于对用户历史数据进行标签化处理，得到标签化样本数据，其中，标签化样本数据的属性包含n个影响因子；

标准值计算子模块，用于在每个数据源中，按照如下公式对每个标签化样本数据中第a个影响因子的样本原始值x_a进行预处理，得到该标签化样本数据中原始值x_a对应的样本标准值x_a'：

其中，μ为该数据源全部标签化样本数据中x_a的平均值；δ为该数据源全部标签化样本数据中x_a的标准差，a∈[1,n]；

判断子模块，用于针对每个标签化样本数据，若该标签化样本数据中的n个样本标准值中存在至少一个样本标准值不满足该样本标准值对应的影响因子的预设标准阈值，则将该标签化样本数据确定为无效样本数据；

数据保留子模块，用于将m个数据源中的无效样本数据删除，得到用户有效数据。

进一步地，第一计算模块包括：

分值计算子模块，用于按照如下公式计算每种组合方式对应的因子相关性分值：

其中，Score_z为第z种组合方式对应的因子相关性分值，z∈[1,k]，λ(i)为第i个数据源的预设权重值，ω(j)为第z种组合方式中第j个影响因子的预设因子权重值，weakenfactor(t)为第t个时间段的时间衰减因子，count(t)_j为在第t个时间段内第j个影响因子的样本取值满足预设样本阈值的次数，m为数据源的个数，q为每z种组合方式包含的影响因子的数量，c_i为根据第i个数据源的用户有效数据的样本时间范围确定的时间段的数量；γ和b为预设的调节参数。

进一步地，该定价装置还包括：

家庭信息获取模块，用于根据家庭关系图谱，获取待推荐用户的家庭成员的保险信息；

价格范围确定模块，用于结合家庭成员的保险信息，确定待推荐用户的价格承受范围；

第一推荐模块，用于根据价格承受范围，对定价结果进行调整后推荐给待推荐用户。

进一步地，该定价装置还包括：

风险等级确定模块，用于根据用户有效数据，对待推荐用户进行风险评估，确定待推荐用户的风险等级；

第二推荐模块，用于按照风险等级对应的价格评估系数，对定价结果进行调整后推荐给待推荐用户。

终端设备60可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备60可包括，但不仅限于，处理器61、存储器62。本领域技术人员可以理解，图6仅仅是终端设备60的示例，并不构成对终端设备60的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备60还可以包括输入输出设备、网络接入设备、总线等。

所称处理器61可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器62可以是终端设备60的内部存储单元，例如终端设备60的硬盘或内存。存储器62也可以是终端设备60的外部存储设备，例如终端设备60上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器62还可以既包括终端设备60的内部存储单元也包括外部存储设备。存储器62用于存储计算机程序以及终端设备60所需的其他程序和数据。存储器62还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种保险产品的定价方法，其特征在于，所述定价方法包括：

获取待定价的保险产品预设的n个影响因子，其中，n为正整数；

对所述n个影响因子进行组合，得到k种组合方式，并获取每种组合方式的预设权重值，其中，k＝2ⁿ-1；

从预设的m个数据源中获取用户有效数据，其中，所述数据源为获取所述用户有效数据的渠道，所述用户有效数据的属性包含所述n个影响因子，m为正整数；

针对每种组合方式，根据m个所述数据源和所述用户有效数据，计算该组合方式对应的因子相关性分值，其中，所述因子相关性分值用于标识该组合方式包含的影响因子对所述保险产品的价格的影响程度；

根据所述每种组合方式的预设权重值，对k个所述因子相关性分值进行加权计算，得到所述保险产品的价格调节系数；

根据所述价格调节系数，结合所述保险产品预设的基础价格，计算并输出所述保险产品的定价结果。

2.如权利要求1所述的定价方法，其特征在于，所述从预设的m个数据源中获取所述保险产品对应的用户有效数据包括：

针对每个所述数据源，从该数据源中采集所述保险产品的用户历史数据；

对所述用户历史数据进行标签化处理，得到标签化样本数据，其中，所述标签化样本数据的属性包含所述n个影响因子；

在每个所述数据源中，按照如下公式对每个所述标签化样本数据中第a个所述影响因子的样本原始值x_a进行预处理，得到该标签化样本数据中原始值x_a对应的样本标准值x_a'：

其中，μ为该数据源全部所述标签化样本数据中x_a的平均值；δ为该数据源全部所述标签化样本数据中x_a的标准差，a∈[1,n]；

针对每个所述标签化样本数据，若该标签化样本数据中的n个所述样本标准值中存在至少一个所述样本标准值不满足该样本标准值对应的影响因子的预设标准阈值，则将该标签化样本数据确定为无效样本数据；

将m个所述数据源中的所述无效样本数据删除，得到所述用户有效数据。

3.如权利要求1所述的定价方法，其特征在于，所述针对每种组合方式，根据m个所述数据源和所述用户有效数据，计算该组合方式对应的因子相关性分值包括：

按照如下公式计算每种所述组合方式对应的因子相关性分值：

其中，Score_z为第z种所述组合方式对应的因子相关性分值，z∈[1,k]，λ(i)为第i个数据源的预设权重值，ω(j)为第z种所述组合方式中第j个影响因子的预设因子权重值，weakenfactor(t)为第t个时间段的时间衰减因子，count(t)_j为在第t个时间段内第j个影响因子的样本取值满足预设样本阈值的次数，m为所述数据源的个数，q为每z种所述组合方式包含的所述影响因子的数量，c_i为根据第i个数据源的所述用户有效数据的样本时间范围确定的时间段的数量；γ和b为预设的调节参数。

4.如权利要求1所述的定价方法，其特征在于，所述根据所述价格调节系数，结合所述保险产品预设的基础价格，计算并输出所述保险产品的定价结果之后，该定价方法还包括：

根据家庭关系图谱，获取待推荐用户的家庭成员的保险信息；

结合所述家庭成员的保险信息，确定所述待推荐用户的价格承受范围；

根据所述价格承受范围，对所述定价结果进行调整后推荐给所述待推荐用户。

5.如权利要求1所述的定价方法，其特征在于，所述根据所述价格调节系数，结合所述保险产品预设的基础价格，计算并输出所述保险产品的定价结果之后，该定价方法还包括：

根据所述用户有效数据，对所述待推荐用户进行风险评估，确定所述待推荐用户的风险等级；

按照所述风险等级对应的价格评估系数，对所述定价结果进行调整后推荐给待推荐用户。

6.一种保险产品的定价装置，其特征在于，所述定价装置包括：

影响因子获取模块，用于获取待定价的保险产品预设的n个影响因子，其中，n为正整数；

组合模块，用于对所述n个影响因子进行组合，得到k种组合方式，并获取每种组合方式的预设权重值，其中，k＝2ⁿ-1；

有效数据获取模块，用于从预设的m个数据源中获取用户有效数据，其中，所述数据源为获取所述用户有效数据的渠道，所述用户有效数据的属性包含所述n个影响因子，m为正整数；

第一计算模块，用于针对每种组合方式，根据m个所述数据源和所述用户有效数据，计算该组合方式对应的因子相关性分值，其中，所述因子相关性分值用于标识该组合方式包含的影响因子对所述保险产品的价格的影响程度；

第二计算模块，用于根据所述每种组合方式的预设权重值，对k个所述因子相关性分值进行加权计算，得到所述保险产品的价格调节系数；

定价计算模块，用于根据所述价格调节系数，结合所述保险产品预设的基础价格，计算并输出所述保险产品的定价结果。

7.如权利要求6所述的定价装置，其特征在于，所述有效数据获取模块包括：

采集子模块，用于针对每个所述数据源，从该数据源中采集所述保险产品的用户历史数据；

标签化子模块，用于对所述用户历史数据进行标签化处理，得到标签化样本数据，其中，所述标签化样本数据的属性包含所述n个影响因子；

标准值计算子模块，用于在每个所述数据源中，按照如下公式对每个所述标签化样本数据中第a个所述影响因子的样本原始值x_a进行预处理，得到该标签化样本数据中原始值x_a对应的样本标准值x_a'：

其中，μ为该数据源全部所述标签化样本数据中x_a的平均值；δ为该数据源全部所述标签化样本数据中x_a的标准差，a∈[1,n]；

判断子模块，用于针对每个所述标签化样本数据，若该标签化样本数据中的n个所述样本标准值中存在至少一个所述样本标准值不满足该样本标准值对应的影响因子的预设标准阈值，则将该标签化样本数据确定为无效样本数据；

数据保留子模块，用于将m个所述数据源中的所述无效样本数据删除，得到所述用户有效数据。

8.如权利要求6所述的定价装置，其特征在于，所述定价模块计算之后，该定价装置还包括：

家庭信息获取模块，用于根据家庭关系图谱，获取待推荐用户的家庭成员的保险信息；

价格范围确定模块，用于结合所述家庭成员的保险信息，确定所述待推荐用户的价格承受范围；

第一推荐模块，用于根据所述价格承受范围，对所述定价结果进行调整后推荐给所述待推荐用户。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述保险产品的定价方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述保险产品的定价方法的步骤。