CN108921708B - 保险服务优化方法、装置和存储介质 - Google Patents
保险服务优化方法、装置和存储介质 Download PDFInfo
- Publication number
- CN108921708B CN108921708B CN201810569315.6A CN201810569315A CN108921708B CN 108921708 B CN108921708 B CN 108921708B CN 201810569315 A CN201810569315 A CN 201810569315A CN 108921708 B CN108921708 B CN 108921708B
- Authority
- CN
- China
- Prior art keywords
- premium
- insurance
- information
- application
- user
- 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.)
- Active
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及一种保险服务优化方法、装置、计算机设备和存储介质。方法包括接收用户投保信息,并对投保信息进行解析处理,根据解析处理的结果,确定保额保费关联关系以及投保信息中各投保影响因素的投保影响比重,根据保额保费关联关系,生成保额保费组合,根据各投保影响因素的投保影响比重,检测保额保费组合是否符合预设投保要求,推送符合预设投保要求的保额保费组合。克服了保险员无法根据用户实际情况,准确提供对应的保额保费的问题,得到准确合理的保额保费组合形式,让用户及时获得合理的投保方案。
Description
技术领域
本申请涉及保险技术领域,特别是涉及一种保险服务优化方法、装置、计算机设备和存储介质。
背景技术
随着经济发展人民生活水平提升,保险已成为个人、家庭和企业必须购买的产品以及服务,如此才能规避风险,保证个人、家庭甚至企业长期安全和稳定。
传统的购买保险方式大部分是透过保险员面对面的销售,客户要投保时难以及时找到合适可靠的保险员,且保险员的水平差异各不相同,根据客户的实际情况与不同的投保需求,保险员难以实时提供对应保额给客户,难以快速得到合理的投保方案,以致不能让客户即时购买保险,投保完成效率低。
发明内容
基于此,有必要针对难以提供合理的投保方案的技术问题,提供一种能够快速得到合理的投保方案的保险服务优化方法、装置、计算机设备和存储介质。
一种保险服务优化方法,包括:
接收用户投保信息,并对所述投保信息进行解析处理;
根据所述解析处理的结果,确定保额保费关联关系以及所述投保信息中各投保影响因素的投保影响比重;
根据所述保额保费关联关系,生成保额保费组合;
根据所述各投保影响因素的投保影响比重,检测所述保额保费组合是否符合预设投保要求;
推送符合预设投保要求的所述保额保费组合。
在其中一个实施例中,所述根据所述保额保费关联关系,生成保额保费组合包括:
根据所述保额保费关联关系,生成初始保额保费组合,所述初始保额保费组合包括保额数据以及对应的保费数据;
接收用户发送的数据更新消息,根据所述数据更新指令以及所述保额保费关联关系,对所述初始保额保费组合的所述保额数据以及对应的所述保费数据进行数据更新,生成更新的保额保费组合,其中,所述数据更新指令为保额数据更新指令或保费数据更新指令。
在其中一个实施例中,所述接收用户投保信息,并对所述投保信息进行解析处理包括:
接收所述用户投保信息中的健康信息,根据所述健康信息检测用户健康状况是否在预设评估范围内;
当所述用户健康状况在预设评估范围内时,根据预设的神经网络模型与所述健康信息中的健康参数,进行用户健康状况评估,并获取健康状况评估结果;
所述接收用户投保信息,并对所述投保信息进行解析处理之后,还包括:
根据所述健康状况评估结果,确定所述投保信息中健康因素的投保影响比重。
在其中一个实施例中,所述接收用户投保信息,并对所述投保信息进行解析处理包括:
接收用户输入的投保信息、以及所述用户对应的大数据信息;
对所述输入的投保信息与所述大数据信息进行解析处理;
所述接收用户投保信息,并对所述投保信息进行解析处理之后,还包括:
获取解析处理结果,根据所述解析处理结果确定用户需求;
根据所述用户需求对预设的保险产品进行排序,并将所述保险产品的对应信息按照排序结果推送至用户。
在其中一个实施例中,所述根据所述用户需求对预设的保险产品进行排序,并将所述保险产品的对应信息按照排序结果推送至用户之后,还包括:
当检测到多个保险产品的选取信息时,根据所述解析处理结果,确定所述多个保险产品的投保比例。
在其中一个实施例中,所述推送符合预设投保要求的所述保额保费组合之后,还包括:
当接收到保险购买确认信息时,将实时采集的用户身份信息与保单资料进行核对验证,将验证成功的所述用户身份信息与所述保单资料信息进行加密处理。
在其中一个实施例中,所述推送符合预设投保要求的所述保额保费组合之后,还包括:
当接收到理赔请求信号时,检测所述用户发送的理赔资料的完整性并通过文字或图像识别技术读取所述理赔资料中的目标信息;
当检测到理赔资料完整且读取的目标信息满足预设理赔要求时,触发预设的理赔流程。
在其中一个实施例中,所述推送符合预设投保要求的所述保额保费组合之后,还包括:
分析与统计用户触发的业务数据,生成相关业务推荐信息发送至用户。
一种保险服务优化装置,包括:
投保信息解析模块,用于接收用户投保信息,并对所述投保信息进行解析处理;
保额保费关联关系与影响比重确定模块,用于根据所述解析处理的结果,确定保额保费关联关系以及所述投保信息中各投保影响因素的投保影响比重;
保额保费组合生成模块,用于根据所述保额保费关联关系,生成保额保费组合;
合格检测模块,用于根据所述各投保影响因素的投保影响比重,检测所述保额保费组合是否符合预设投保要求;
保额保费组合推送模块,用于推送符合预设投保要求的所述保额保费组合。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在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以下步骤:
接收用户投保信息,并对所述投保信息进行解析处理;
根据所述解析处理的结果,确定保额保费关联关系以及所述投保信息中各投保影响因素的投保影响比重;
根据所述保额保费关联关系,生成保额保费组合;
根据所述各投保影响因素的投保影响比重,检测所述保额保费组合是否符合预设投保要求;
推送符合预设投保要求的所述保额保费组合。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤。
接收用户投保信息,并对所述投保信息进行解析处理;
根据所述解析处理的结果,确定保额保费关联关系以及所述投保信息中各投保影响因素的投保影响比重;
根据所述保额保费关联关系,生成保额保费组合;
根据所述各投保影响因素的投保影响比重,检测所述保额保费组合是否符合预设投保要求;
推送符合预设投保要求的所述保额保费组合。
上述保险服务优化方法、装置、计算机设备和存储介质,根据对用户投保信息进行解析来确定保额保费关联关系以及投保信息中各投保影响因素的投保影响比重,通过保额保费关联关系确定保额保费组合,并根据投保信息中各投保影响因素的投保影响比重确定保额保费组合是否符合预设投保要求,从而判断是否适合用户投保,克服了保险员无法根据用户实际情况,准确提供对应的保额保费的问题,根据保额保费关联关系生成保额保费组合,并推送检测合格的保额保费组合,可以得到准确合理的保额保费组合形式,让用户及时获得合理的投保方案。
附图说明
图1为本申请一个实施例中保险服务优化方法的应用环境图;
图2为本申请另一个实施例中保险服务优化方法的流程示意图;
图3为本申请另一个实施例中保险服务优化方法的流程示意图;
图4为本申请一个应用例中保额保费更新调节窗口的示意图;
图5为本申请另一个实施例中保险服务优化方法的流程示意图;
图6为本申请一个应用例中预设神经网络模型的结构示意图;
图7为本申请另一个实施例中保险服务优化方法的流程示意图;
图8为本申请另一个实施例中保险服务优化方法的流程示意图;
图9为本申请一个实施例中保险服务优化装置的结构框图;
图10为本申请一个实施例中保险服务优化装置的结构框图;
图11为本申请一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的保险服务优化方法,可以应用于如图1所示的应用环境中。其中,客户终端102与服务器104通过网络进行通信。客户终端102接收用户投保信息,投保信息可以从用户输入信息中获取,也可以从服务器104中存储的数据中获取,客户终端102对投保信息进行解析处理,确定保额保费关联关系并将保额保费关联关系发送至服务器104,服务器104根据保额保费关联关系计算对应的保额数据与保费数据,并将计算结果发送至客户终端102,生成保额保费组合,客户终端102根据解析处理结果确定投保信息中各投保影响因素的投保影响比重,判断保额保费组合是否符合预设投保要求,并推送符合预设投保要求的保额保费组合。其中,客户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,例如保险终端机、移动应用软件、官方网站等,服务器104可以是物理服务器也可以是云服务器,可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种保险服务优化方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤S100,接收用户投保信息,并对投保信息进行解析处理。
用户投保信息是指用户按照购买保险要求所提供的受保人相关信息,在实施例中,用户投保信息包括用户基本信息、健康状况信息、用户家庭情况与财务信息以及投保需求信息等。用户投保信息可以通过用户输入的信息中获取,也可以通过向预先存储有相关信息的服务器发送请求来获取,其中,服务器可以是物理服务器也可以是云服务器,终端接收到用户投保信息后,对投保信息进行解析处理,解析处理是指通过人工智能方式,对投保信息进行进一步地分析,可以包括根据对用户的家庭情况与财务信息进行解析,确定用户每年可承担的保费范围;根据对用户的健康状况信息进行解析,确定用户的健康状况是否可以直接投保;根据对用户的投保需求信息的解析,确定用户需求是否合理,还包括根据投保的保险险种确定投保信息中的投保影响因素,并依据其他投保信息的解析处理结果,判断各投保影响因素对投保的影响比重。在一个实施例中,用户基本信息包括用户姓名、年龄以及性别等信息、健康状况信息包括如重大疾病史、住院或门诊情况、以及体检结果等信息等、用户家庭与财务信息包括如家庭人口数、收支情况等、投保需求信息包括如预期保额、投保年限等。
步骤S300,根据解析处理的结果,确定保额保费关联关系以及投保信息中各投保影响因素的投保影响比重。
保额是指保险公司为承担赔偿或者给付保险金责任的最高限额,通常是保险单上载明的保险金额,保费是指投保人根据保险合同的约定,为获得保险保障而缴付给保险公司的费用,是各条款费率表上的金额,投保人缴纳一定的保费而获得一定的保额。保额保费关联关系是指在单位时间所缴纳的保费与保额的比例关系,单位时间可以是指每年、每季度或每月,可以理解,在其他实施例中,可以根据实际情况设定单位时间。在实施例中,保额保费的关联关系可以根据投保需求信息中的客户选择的保额与保费缴纳年限来确定,通过确定保额保费的关联关系,可以对保额保费的组合进行调整,从而达到用户期望的保额保费组合。各投保影响因素对投保的影响比重是指通过选择的保险险种,确定投保的影响因素,并对影响因素进行分析,确定影响因素的分析结果确定影响比重,从而判断是否影响投保的正常进行,如重疾、医疗、人寿或其它依赖投保人的健康作为核保依据的保险种类,用户的健康状况将会作为重要的投保影响因素,通过对用户健康状况信息进行解析处理,例如通过神经网络模型对用户的健康状况信息进行解析评估,判断用户的健康状况对用户针对该险种的投保影响比重,确定该用户的健康状况是否影响投保正常进行。投保影响因素可以根据投保的险种进行确定,例如储蓄类的险种的影响因素会侧重于投保人的财产信息,如资产、收入以及支出等。
步骤S500,根据保额保费关联关系,生成保额保费组合。
保额保费组合是指投保人单位时间需缴纳的保费数据金额与对应的可获得的保险数据金额的组合,在指定的投保年限内,保费数额越大,对应的保额数额也越大,同一保额保费关联关系,可以对应多种保额保费组合,在实施例中,保额保费的组合数据可以根据客户需求进行调整。在其中一个实施例中,可以通过将确定的保额保费关联关系以及用户预期的保额与投保年限发送至云服务器,通过云服务器进行计算处理后,得到对应的保费数据,并将保费数据发送至客户终端,从而生成保额保费组合。
步骤S700,根据各投保影响因素的投保影响比重,检测保额保费组合是否符合预设投保要求。
预设投保要求是指用户达到投保的条件,并能完成保费缴纳的相关条件,预设投保要求包括单位时间需缴纳的保费在用户的承受范围内,根据投保影响因素中的用户资产、收入与支出情况,在其他实施例中,预设投保条件还包括根据险种的不同对应受保人的健康状况等符合对应险种的投保条件。
步骤S900,推送符合预设投保要求的保额保费组合。
符合预设投保要求的保额保费组合是用户在各项条件满足投保要求,且能承受保费的缴纳数额、满足投保需求的组合,通过对保额保费进行检测,可以及时推送符合用户当前状况且合理的保额保费组合,让用户及时获得合理的投保方案。
上述保险服务优化方法,根据对用户投保信息进行解析来确定保额保费关联关系以及投保信息中各投保影响因素的投保影响比重,通过保额保费关联关系确定保额保费组合,并根据投保信息中各投保影响因素的投保影响比重确定保额保费组合是否符合预设投保要求,从而判断是否适合用户投保,克服了保险员无法根据用户实际情况,准确提供对应的保额保费的问题,根据保额保费关联关系生成保额保费组合,并推送检测合格的保额保费组合,可以得到准确合理的保额保费组合形式,让用户及时获得合理的投保方案。
如图3所示,在一个实施例中,步骤S500包括:
步骤S520,根据保额保费关联关系,生成初始保额保费组合,初始保额保费组合包括保额数据以及对应的保费数据。
步骤S540,接收用户发送的数据更新消息,根据数据更新指令以及保额保费关联关系,对初始保额保费组合的保额数据以及对应的保费数据进行数据更新,生成更新的保额保费组合,其中,数据更新指令为保额数据更新指令或保费数据更新指令。
初始保额保费组合是指根据保额保费关联关系,并按照用户投保需求中输入的保费缴纳年限得到的基础保费数据与对应保额数据的组合,提供初始保额保费组合,让用户准确了解基础的保额与保费数据,并通过接收用户的数据更新指令,使用户可以根据需求,对保额保费进行调整,以达到最理想的保额保费组合。如图4所示,在实施例中,通过设置保额保费调节窗口,调节窗口中包括保费调节进度条与设置于进度条上的保费调节按钮,保额调节进度条与保费调节按钮,以及对应的保额保费数据显示单元,保额数据与保费数据展示在调节进度条中。当客户终端接收到用户触发拖动保费进度条上的调节按钮时,根据调节按钮的在进度条上的位置确定更新的保费数据,并根据保额保费关联关系,同步更新对应的保额数据,生成更新的保额保费组合并。在其他实施例中,也可以通过调节保额数据使对应的保费数据对应更新来达到用户期望的保额保费组合。
如图5所示,在一个实施例中,步骤S100包括:
步骤S120,接收用户投保信息中的健康信息,根据健康信息检测用户健康状况是否在预设评估范围内。
健康信息是指受保人的健康状况的相关信息,受保人的健康状况是非常关键的投保要素,特别是与健康有关的保险种类例如重疾、医疗、人寿等,健康状况相关信息包括受保人在一定期间内所有异常的健康状况,包含门诊、住院、较为重大的疾病以及慢性病等,相关疾病或治疗的详情信息以及潜伏性疾病情况。在实施例中,住院情况包括如过去的5年内有没有住过院,如有是因为何种原因住院,住院前的症状,住院后的详细治疗情况,住院的天数,出院后的追踪治疗情况等。并需要提供诊断报告、出院小结以及出院后的医疗报告等,门诊情况包括如在过去5年内因为什么原因去了门诊,治疗的情况,治愈后的跟进等,例如某器官长了肿瘤虽然门诊切除后化验是良性的,需要提供诊断报告、化验结果等;潜伏性疾病例如大小三阳、甲状腺结节、乳腺增生、人类免疫缺陷病毒、脂肪肝、糖尿病等。当检测到上述相关健康状况信息时,可以确定用户健康状况不在预设的评估范围内,客户终端生成提示信息,提示用户将来会由专人跟进,并提供联系方式。当检测到受保人只有轻微的健康异常状况,例如体重超过或低于标准,血压过高或过低等,则可以确定用户健康状况在健康评估范围内。
步骤S140,当用户健康状况在预设评估范围内时,根据预设的神经网络模型与健康信息中的健康参数,进行用户健康状况评估,并获取健康状况评估结果。
预设的神经网络模型是指用于对健康参数进行评估,判断健康状况是否会影响投保的模型,健康参数包括受保人年龄、性别、以及体重指数或是受保人近期最低、最高的血压和心跳次数等,在实施例中,如图6所示,预设的神经网络模型包括四层神经网络,其中初步X0是投保人的年龄,X1是用体重指数(BMI)=体重(公斤)÷[身高(米)*身高(米)],X2是近期所测最高的血压,X3是近期所测最低的血压,计算过程如下:
其中,各个参数的初始值是在一个数值如/>的正负区间/>中随机取得的乱数再经过调整得到的。得到初始值后再由大量的训练数据用反向传播算法等人工智能计算手段得到调整后的参数而让计算式能有最佳的结果。可以理解,参数/>可以用反向传播算法、前向传播算法或其它不同的方法算出理想值。且神经网络的层次可以依据不同的需要而有所调整,例如输入值多的神经网络层级会较多,计算结果较为精确。在其他实施例中,神经网络模型还可以根据大数据所提供的训练数据加上测试数据再以人工智能手段如深度学习等优化后产生更精确的模式。
最终的评估结果通过Sigmoid函数进行逻辑回归运算来确定,得到的结果为1或0,对应的公式如下:
步骤S100之后,还包括:
步骤S160,根据健康状况评估结果,确定投保信息中健康因素的投保影响比重。
根据预设的神经网络模型输出的结果为1或0,对应为受保人的健康状况对投保无影响或有影响,当健康状况评估结果为无影响时,说明受保人健康状况良好,可以进行投保,克服了传统技术上因无法准确判断受保人因血压或体重不达标而无法实时判断是否可以接受投保的技术问题,提高了投保成功率。
如图7所示,在一个实施例中,步骤S100包括:
步骤S180,接收用户输入的投保信息、以及用户对应的大数据信息。
步骤S190,对输入的投保信息与大数据信息进行解析处理。
大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。根据用户输入的信息与对应的大数据信息,可以得到准确合理的解析结果。
步骤S100之后,还包括:
步骤S200,获取解析处理结果,根据解析处理结果确定用户需求。
步骤S220,根据用户需求对预设的保险产品进行排序,并将保险产品的对应信息按照排序结果推送至用户。
在一个应用实例中,客户终端在接收到用户的投保信息后,从云服务器获取该用户的相关大数据信息,并对大数据信息进行解析,确定该用户对于各类险种的需求关系,例如,根据分析得到的结果为:根据受保人的工作性质与生活环境,确定意外险的排序位置为最前面,再来以保障被保险人健康生命为优先,医疗险放在意外后面,因为医疗是日常生活时常所需的,然后是对重疾险的保障,人寿险除了身故后留给他人的保障外也附带部分储蓄的功能,所以放在重疾险的后面,而由于未来老龄化个人储蓄险会变得十分重要,根据用户年龄确定出储蓄险的位置。故根据客户大数据的分析得到第一选择是人寿险,第二选择是意外险,第三选择是重疾险,第四选择是医疗险,第五选择是储蓄险。另外,还可以通过多项选择,实现多个险种组成的保险套餐。客户终端在解析用户对保险险种的需求时,还可以结合数据库中存储的客户已购买险种信息,判断当前已购买的险种及额度是否满足需求,并根据判断结果,对险种需求顺序进行调整,并突出显示已购买的险种。可以理解,在其他实施例中,还可以将用户输入的投保信息发送至云服务器,云服务器根据接收的投保信息以及获取的大数据信息,进行解析处理,并将解析结果发送至客户终端,以减小客户终端的数据处理量。
在一个实施例中,保险产品还包括一般保险的投保服务如旅游和汽车保险等,这些保险是属于特定独立保险,例如要去旅游才会买旅游保险,买车,每一年更新车险或换车才会买汽车保险,这些保险还在不同的界面显示。旅游保险主要是获取用户选择的是单次旅游还是买全年旅游险,并根据目的地、来回的时间、用的交通工具等信息,通过分析计算确定相对应的保费以及投保涵盖的事项,例如保险方案A意外死亡赔付一百万,方案B意外赔付一百二十万等不同的保障内容。汽车保险则是获取汽车的品牌、型号、年份、驾驶人的性别、年龄、驾驶汽车的年数、一周驾驶汽车的最高天数等信息,并通过分析计算确定相对应的保费以及投保涵盖的事项,例如交通意外损害单次理赔最高的金额等保障内容和自负额等。旅游和汽车保险投保时个人基本资料可以云服务器存储的数据库中直接获取,其它资料可从客户终端输入信息中获取,保费计算会在云服务器处理。
在一个实施例中,步骤S220之后,还包括:
步骤S240,当检测到多个保险产品的选取信息时,根据解析处理结果,确定多个保险产品的投保比例。
当用户需要选择多个保险产品时,根据用户的保费预算,对投保的多个险种进行比例分配,以使用户获得更好的保险服务与更全面的保障,通过解析处理结果来确定投保比例,可以避免因人为推算比例分配带来的错误与偏差,在实施例中,根据用户的保险需求,对用户选择的多个险种进行比例分配,并通过人工智能与大数据对分配参数进行不断优化,确定最优投保比例。
如图8所示,在一个实施例中,步骤S900之后,还包括:
步骤S920,当接收到保险购买确认信息时,将实时采集的用户身份信息与保单资料进行核对验证,将验证成功的用户身份信息与保单资料信息进行加密处理。
当用户确认购买保险后,用户的身份信息与保单资料的验证是很关键的环节,用户的身份信息包括保单持有人与受保人的身份信息,传统的核保一般需要专人进行处理,在本实施例中,通过客户终端的摄像功能获取用户的面部信息与身份证信息,将保单资料中的保单持有人与受保人进行核对验证,确保保单的准确有效性,将验证成功的用户身份信息与保单资料信息进行加密处理并进行保存,避免泄漏客户资料并作为后续流程如理赔、退保等流程的相关资料数据。
在一个实施例中,步骤S900之后,还包括:
步骤S940,当接收到理赔请求信号时,检测用户发送的理赔资料的完整性并通过文字或图像识别技术读取理赔资料中的目标信息。
步骤S960,当检测到理赔资料完整且读取的目标信息满足预设理赔要求时,触发预设的理赔流程。
当接收到用户理赔请求信号时,确定理赔请求信号中携带的保险种类与理赔项目信息,并检测用户发送的理赔资料的完整性,在实施例中,可以根据预先设置的理赔资料类型,来检测用户发送的理赔资料是否完整,当理赔资料完整时,通过文字或图像识别技术读取理赔资料中的目标信息,当目标信息满足预设的理赔要求时,触发预设的理赔流程进行理赔。预设的理赔要求包括目标信息真实性与有效性。
在一个实施例中,步骤S900之后,还包括:
步骤S980,分析与统计用户触发的业务数据,生成相关业务推荐信息发送至用户。
在用户登录或注册完成后,在触发操作过程中产生大量业务数据,对生成的业务数据进行分析与统计,例如客户为何不接受人工智能系统的建议保费等,并生成相关业务推荐信息发送至用户。这些业务数据会通过深度学习做进一步分析,并作为相关参数的修正依据,为用户提供更好的产品和服务。
在一个实施例中,保险服务优化方法还包括:客户终端感应到用户的登录或注册触发操作时,根据触发信息中携带的用户信息,用户信息可以是手机号、身份证号、邮箱号以及指纹信息等,将用户信息与云服务器数据库中存储的用户注册数据进行匹配,当匹配结果为不存在该用户的对应注册数据时,跳转至注册管理界面,注册管理界面提供可编辑信息窗口,客户终端接收用户通过可编辑信息窗口发送的注册信息数据,并检测接收数据的格式与内容是否符合预设要求,例如手机号码格式、邮箱格式等。注册信息包括用户的基本信息与登录信息,其中,基本信息包括姓名、性别、出生日期、身份证号码、地址、手机号、电子邮箱、微信或其它移动应用程序账号等,登录信息可以通过身份证号码、手机号、电子邮箱以及对应的设定密码等基本信息来确定,也可以通过注册指纹信息、虹膜信息、面部识别信息等来确定。当注册信息数据检测合格时,客户终端将合格的注册信息数据发送至云服务器的数据库进行存储,提取出注册信息数据中购买保险产品所需的信息暂存于客户终端的存储器(在检测到登录退出操作时清除该暂存信息),并清除客户终端的其与注册数据信息。当匹配结果为存在该用户的对应注册数据时,跳转至登录管理界面,并验证用户信息是否合法,判断是否可以登录。当用户完成注册或登录成功时,跳转至投保信息管理界面,客户终端接收用户通过投保信息管理界面输入的用户的投保信息,将投保信息存储于客户终端的存储器、并将投保信息发送至云服务器的数据库,投保信息包括用户的健康状况信息、财务状况信息、家庭状况信息以及投保需求信息等。用户可以通过文字输入相关信息,还可以通过客户终端的智能语音识别模块识别用户的语音信息输入相关信息,客户终端的相关消息也可以通过语音或文字的形式输出。当检测到用户注册或登录成功时,客户终端展示预设保险产品的相关信息,预设保险产品类型包括重疾险、医疗险、储蓄险、意外险、人寿险、旅游险以及车险等,当接收到用户选择的保险类型对应信息时,展示该类保险包含的保障内容等详细信息,例如重疾会有画面说明什么是重疾险,投保重疾险的投保条件,重疾险保障范围、保险金理赔的额度、投保和未来理赔的程序等,并提供投保信息输入界面。投保信息包括用户的健康信息、财务信息、家庭人口信息等,客户终端接收到用户的投保信息,存储于客户终端的存储器并发送至云服务器进行存储。
在一个实施例中,保险服务优化方法还包括:当用户需要投保时,客户终端根据用户的触发动作确定用户选择的险种及具体的保险产品,接收用户输入的投保信息并发送至云服务器,投保信息包括保单对象信息如保单持有人、受保人、信托人以及受益人等,预期保额与投保年限信息,财务状况信息如家庭收入与支出、流动资产等。云服务器根据接收的用于计算保额保费的相关参数进行计算,例如用例如线性回归方式预估出理想的保费保额比例和支出并传送至客户终端,公式如下:
其中,Y是建议年缴纳保费,X1是家庭总收入,X2是家庭总支出。
在一个实施例中,客户终端还可以根据用户的触发动作确定对应的其他业务,包括增加保险、理赔、退保、查看现有保单以及缴纳保费等。
应该理解的是,虽然图2-3、图5、图7-8的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3、图5、图7-8中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图9所示,一种保险服务优化装置,包括:
投保信息解析模块100,用于接收用户投保信息,并对投保信息进行解析处理。
保额保费关联关系与影响比重确定模块300,用于根据解析处理的结果,确定保额保费关联关系以及投保信息中各投保影响因素的投保影响比重。
保额保费组合生成模块500,用于根据保额保费关联关系,生成保额保费组合。
合格检测模块700,用于根据各投保影响因素的投保影响比重,检测保额保费组合是否符合预设投保要求。
保额保费组合推送模块900,用于推送符合预设投保要求的保额保费组合。
上述保险服务优化装置,根据对用户投保信息进行解析来确定保额保费关联关系以及投保信息中各投保影响因素的投保影响比重,通过保额保费关联关系确定保额保费组合,并根据投保信息中各投保影响因素的投保影响比重确定保额保费组合是否符合预设投保要求,从而判断是否适合用户投保,克服了保险员无法根据用户实际情况,准确提供对应的保额保费的问题,根据保额保费关联关系生成保额保费组合,并推送检测合格的保额保费组合,可以得到准确合理的保额保费组合形式,让用户及时获得合理的投保方案。
在一个实施例中,保额保费组合生成模块500包括:
初始保额保费组合生成单元520,用于根据保额保费关联关系,生成初始保额保费组合,初始保额保费组合包括保额数据以及对应的保费数据;
更新保额保费组合生成单元540,用于接收用户发送的数据更新消息,根据数据更新指令以及保额保费关联关系,对初始保额保费组合的保额数据以及对应的保费数据进行数据更新,生成更新的保额保费组合,其中,数据更新指令为保额数据更新指令或保费数据更新指令。
在一个实施例中,投保信息解析模块100包括:
健康状况监测单元120,用于接收用户投保信息中的健康信息,根据健康信息检测用户健康状况是否在预设评估范围内;
健康状况评估单元140,用于当用户健康状况在预设评估范围内时,根据预设的神经网络模型与健康信息中的健康参数,进行用户健康状况评估,并获取健康状况评估结果;
健康状况影响比重确定单元160,用于根据健康状况评估结果,确定投保信息中健康因素的投保影响比重。
在一个实施例中,投保信息解析模块100包括:
投保信息与大数据信息接收单元180,用于接收用户输入的投保信息、以及用户对应的大数据信息;
数据解析单元190,用于对输入的投保信息与大数据信息进行解析处理;
用户需求确定单元200,用于获取解析处理结果,根据解析处理结果确定用户需求;
保险产品推送单元220,用于根据用户需求对预设的保险产品进行排序,并将保险产品的对应信息按照排序结果推送至用户。
在一个实施例中,投保信息解析模块100还包括:
投保比例确定单元240,用于当检测到多个保险产品的选取信息时,根据解析处理结果,确定多个保险产品的投保比例。
在一个实施例中,保险服务优化装置还包括:
核保处理模块920,用于当接收到保险购买确认信息时,将实时采集的用户身份信息与保单资料进行核对验证,将验证成功的用户身份信息与保单资料信息进行加密处理。
在一个实施例中,保险服务优化装置还包括:
理赔处理模块940,用于当接收到理赔请求信号时,检测用户发送的理赔资料的完整性并通过文字或图像识别技术读取理赔资料中的目标信息,当检测到理赔资料完整且读取的目标信息满足预设理赔要求时,触发预设的理赔流程。
在一个实施例中,保险服务优化装置还包括:
业务推送模块960,用于分析与统计用户触发的业务数据,生成相关业务推荐信息发送至用户。
关于保险服务优化装置的具体限定可以参见上文中对于保险服务优化方法的限定,在此不再赘述。上述保险服务优化装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种保险服务优化方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
接收用户投保信息,并对投保信息进行解析处理。
根据解析处理的结果,确定保额保费关联关系以及投保信息中各投保影响因素的投保影响比重。
根据保额保费关联关系,生成保额保费组合。
根据各投保影响因素的投保影响比重,检测保额保费组合是否符合预设投保要求。
推送符合预设投保要求的保额保费组合。
上述用于实现保险服务优化方法的计算机设备,根据对用户投保信息进行解析来确定保额保费关联关系以及投保信息中各投保影响因素的投保影响比重,通过保额保费关联关系确定保额保费组合,并根据投保信息中各投保影响因素的投保影响比重确定保额保费组合是否符合预设投保要求,从而判断是否适合用户投保,克服了保险员无法根据用户实际情况,准确提供对应的保额保费的问题,根据保额保费关联关系生成保额保费组合,并推送检测合格的保额保费组合,可以得到准确合理的保额保费组合形式,让用户及时获得合理的投保方案。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据保额保费关联关系,生成初始保额保费组合,初始保额保费组合包括保额数据以及对应的保费数据;
接收用户发送的数据更新消息,根据数据更新指令以及保额保费关联关系,对初始保额保费组合的保额数据以及对应的保费数据进行数据更新,生成更新的保额保费组合,其中,数据更新指令为保额数据更新指令或保费数据更新指令。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
接收用户投保信息中的健康信息,根据健康信息检测用户健康状况是否在预设评估范围内;
当用户健康状况在预设评估范围内时,根据预设的神经网络模型与健康信息中的健康参数,进行用户健康状况评估,并获取健康状况评估结果;
根据健康状况评估结果,确定投保信息中健康因素的投保影响比重。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
接收用户输入的投保信息、以及用户对应的大数据信息;
对输入的投保信息与大数据信息进行解析处理;
获取解析处理结果,根据解析处理结果确定用户需求;
根据用户需求对预设的保险产品进行排序,并将保险产品的对应信息按照排序结果推送至用户。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当检测到多个保险产品的选取信息时,根据解析处理结果,确定多个保险产品的投保比例。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当接收到保险购买确认信息时,将实时采集的用户身份信息与保单资料进行核对验证,将验证成功的用户身份信息与保单资料信息进行加密处理。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当接收到理赔请求信号时,检测用户发送的理赔资料的完整性并通过文字或图像识别技术读取理赔资料中的目标信息;
当检测到理赔资料完整且读取的目标信息满足预设理赔要求时,触发预设的理赔流程。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
分析与统计用户触发的业务数据,生成相关业务推荐信息发送至用户。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤。
接收用户投保信息,并对投保信息进行解析处理。
根据解析处理的结果,确定保额保费关联关系以及投保信息中各投保影响因素的投保影响比重。
根据保额保费关联关系,生成保额保费组合。
根据各投保影响因素的投保影响比重,检测保额保费组合是否符合预设投保要求。
推送符合预设投保要求的保额保费组合。
上述用于实现保险服务优化方法的计算机可读存储介质,根据对用户投保信息进行解析来确定保额保费关联关系以及投保信息中各投保影响因素的投保影响比重,通过保额保费关联关系确定保额保费组合,并根据投保信息中各投保影响因素的投保影响比重确定保额保费组合是否符合预设投保要求,从而判断是否适合用户投保,克服了保险员无法根据用户实际情况,准确提供对应的保额保费的问题,根据保额保费关联关系生成保额保费组合,并推送检测合格的保额保费组合,可以得到准确合理的保额保费组合形式,让用户及时获得合理的投保方案。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据保额保费关联关系,生成初始保额保费组合,初始保额保费组合包括保额数据以及对应的保费数据;
接收用户发送的数据更新消息,根据数据更新指令以及保额保费关联关系,对初始保额保费组合的保额数据以及对应的保费数据进行数据更新,生成更新的保额保费组合,其中,数据更新指令为保额数据更新指令或保费数据更新指令。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
接收用户投保信息中的健康信息,根据健康信息检测用户健康状况是否在预设评估范围内;
当用户健康状况在预设评估范围内时,根据预设的神经网络模型与健康信息中的健康参数,进行用户健康状况评估,并获取健康状况评估结果;
根据健康状况评估结果,确定投保信息中健康因素的投保影响比重。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
接收用户输入的投保信息、以及用户对应的大数据信息;
对输入的投保信息与大数据信息进行解析处理;
获取解析处理结果,根据解析处理结果确定用户需求;
根据用户需求对预设的保险产品进行排序,并将保险产品的对应信息按照排序结果推送至用户。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当检测到多个保险产品的选取信息时,根据解析处理结果,确定多个保险产品的投保比例。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当接收到保险购买确认信息时,将实时采集的用户身份信息与保单资料进行核对验证,将验证成功的用户身份信息与保单资料信息进行加密处理。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当接收到理赔请求信号时,检测用户发送的理赔资料的完整性并通过文字或图像识别技术读取理赔资料中的目标信息;
当检测到理赔资料完整且读取的目标信息满足预设理赔要求时,触发预设的理赔流程。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
分析与统计用户触发的业务数据,生成相关业务推荐信息发送至用户。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种保险服务优化方法,其特征在于,包括:
接收用户输入的投保信息,从云服务器获取所述用户对应的大数据信息,对所述投保信息与所述大数据信息进行解析处理;
根据对所述大数据信息的解析处理,确定所述用户对于各类险种的需求关系,根据所述用户对于各类险种的需求关系对预设的保险产品进行排序,并将所述保险产品的对应信息按照排序结果推送至所述用户;
根据对所述投保信息中的投保需求信息的解析处理,确定所述用户对于各类险种的需求关系是否合理、并根据投保的保险险种确定所述投保信息中的投保影响因素,其中,投保需求信息包括预期保额和投保年限;
根据所述解析处理的结果,确定保额保费关联关系以及所述投保信息中各投保影响因素的投保影响比重,其中,所述保额保费关联关系是指在单位时间所缴纳的保费与保额的比例关系,同一保额保费关联关系,对应多种保额保费组合;
根据所述保额保费关联关系,生成初始保额保费组合;
接收用户发送的数据更新指令,根据所述数据更新指令以及所述保额保费关联关系,对所述初始保额保费组合的保额数据以及对应的保费数据进行数据更新,生成更新的保额保费组合;
根据所述各投保影响因素的投保影响比重,检测所述保额保费组合是否符合预设投保要求,所述预设投保要求是指在用户达到投保的条件、能承受保费的缴纳数额、且满足用户的投保需求;
推送符合预设投保要求的所述保额保费组合至保额保费调节窗口进行显示,其中,调节窗口中包括保费调节进度条和保额调节进度条,所述保额保费组合中的保额数据与保费数据分别展示在相应的调节进度条中,保费调节按钮设置于所述保费调节进度条上、保额调节按钮设置于所述保额调节进度条上;
当检测到多个保险产品的选取信息时,根据所述解析处理的结果,确定所述多个保险产品的投保比例。
2.根据权利要求1所述的保险服务优化方法,其特征在于,所述对所述投保信息进行的解析处理包括:
接收所述用户的投保信息中的健康信息,根据所述健康信息检测用户健康状况是否在预设评估范围内;
当所述用户健康状况在预设评估范围内时,根据预设的神经网络模型与所述健康信息中的健康参数,进行用户健康状况评估,并获取健康状况评估结果;
所述方法还包括:
根据所述健康状况评估结果,确定所述投保信息中健康因素的投保影响比重。
3.根据权利要求1所述的保险服务优化方法,其特征在于,所述推送符合预设投保要求的所述保额保费组合之后,还包括:
当接收到保险购买确认信息时,将实时采集的用户身份信息与保单资料进行核对验证,将验证成功的所述用户身份信息与所述保单资料进行加密处理。
4.根据权利要求1所述的保险服务优化方法,其特征在于,所述推送符合预设投保要求的所述保额保费组合之后,还包括:
当接收到理赔请求信号时,检测所述用户发送的理赔资料的完整性并通过文字或图像识别技术读取所述理赔资料中的目标信息;
当检测到理赔资料完整且读取的目标信息满足预设理赔要求时,触发预设的理赔流程。
5.根据权利要求1所述的保险服务优化方法,其特征在于,所述推送符合预设投保要求的所述保额保费组合之后,还包括:
分析与统计用户触发的业务数据,生成相关业务推荐信息发送至用户。
6.一种保险服务优化装置,其特征在于,包括:
投保信息解析模块,用于接收用户输入的投保信息,从云服务器获取所述用户对应的大数据信息,对所述投保信息与所述大数据信息进行解析处理;根据对所述大数据信息的解析处理,确定所述用户对于各类险种的需求关系,根据所述用户对于各类险种的需求关系对预设的保险产品进行排序,并将所述保险产品的对应信息按照排序结果推送至所述用户;根据对所述投保信息中的投保需求信息的解析处理,确定所述用户对于各类险种的需求关系是否合理、并根据投保的保险险种确定所述投保信息中的投保影响因素,其中,投保需求信息包括预期保额和投保年限;
保额保费关联关系与影响比重确定模块,用于根据所述解析处理的结果,确定保额保费关联关系以及所述投保信息中各投保影响因素的投保影响比重,其中,所述保额保费关联关系是指在单位时间所缴纳的保费与保额的比例关系,同一保额保费关联关系,对应多种保额保费组合;
保额保费组合生成模块,用于根据所述保额保费关联关系,生成初始保额保费组合,接收用户发送的数据更新指令,根据所述数据更新指令以及所述保额保费关联关系,对所述初始保额保费组合的保额数据以及对应的保费数据进行数据更新,生成更新的保额保费组合;
合格检测模块,用于根据所述各投保影响因素的投保影响比重,检测所述保额保费组合是否符合预设投保要求,所述预设投保要求是指在用户达到投保的条件、能承受保费的缴纳数额、且满足用户的投保需求;
保额保费组合推送模块,用于推送符合预设投保要求的所述保额保费组合至保额保费调节窗口进行显示,其中,调节窗口中包括保费调节进度条和保额调节进度条,所述保额保费组合中的保额数据与保费数据分别展示在相应的调节进度条中,保费调节按钮设置于所述保费调节进度条上、保额调节按钮设置于所述保额调节进度条上;
所述投保信息解析模块还包括投保比例确定单元,用于当检测到多个保险产品的选取信息时,根据所述解析处理的结果,确定所述多个保险产品的投保比例。
7.根据权利要求6所述的保险服务优化装置,其特征在于,还包括核保处理模块,用于当接收到保险购买确认信息时,将实时采集的用户身份信息与保单资料进行核对验证,将验证成功的所述用户身份信息与所述保单资料进行加密处理。
8.根据权利要求6所述的保险服务优化装置,其特征在于,还包括理赔处理模块,用于当接收到理赔请求信号时,检测所述用户发送的理赔资料的完整性并通过文字或图像识别技术读取所述理赔资料中的目标信息;当检测到理赔资料完整且读取的目标信息满足预设理赔要求时,触发预设的理赔流程。
9.根据权利要求6所述的保险服务优化装置,其特征在于,还包括业务推送模块,用于分析与统计用户触发的业务数据,生成相关业务推荐信息发送至用户。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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权利要求1至5中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810569315.6A CN108921708B (zh) | 2018-06-05 | 2018-06-05 | 保险服务优化方法、装置和存储介质 |
TW107125372A TWI744542B (zh) | 2018-06-05 | 2018-07-23 | 保險服務優化系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810569315.6A CN108921708B (zh) | 2018-06-05 | 2018-06-05 | 保险服务优化方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108921708A CN108921708A (zh) | 2018-11-30 |
CN108921708B true CN108921708B (zh) | 2023-03-24 |
Family
ID=64419251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810569315.6A Active CN108921708B (zh) | 2018-06-05 | 2018-06-05 | 保险服务优化方法、装置和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108921708B (zh) |
TW (1) | TWI744542B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109800639A (zh) * | 2018-12-14 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 基于大数据的保险审核方法及服务器 |
CN110033381A (zh) * | 2019-01-11 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种针对视障群体的保险推荐方法和装置 |
CN109949169A (zh) * | 2019-03-14 | 2019-06-28 | 上海优扬新媒信息技术有限公司 | 一种订单生成方法、系统及数据采集设备 |
CN110097465A (zh) * | 2019-04-12 | 2019-08-06 | 平安信托有限责任公司 | 理财产品线上资源转移方法、装置、计算机设备和介质 |
CN110458711B (zh) * | 2019-07-04 | 2023-10-27 | 创新先进技术有限公司 | 项目准入检测方法以及装置 |
CN114331741A (zh) * | 2020-10-09 | 2022-04-12 | 赵振波 | 一种保险产品组合方法和系统及存储介质 |
CN112419077A (zh) * | 2020-12-04 | 2021-02-26 | 上海商汤智能科技有限公司 | 数据处理方法及装置、电子设备和存储介质 |
CN112712435A (zh) * | 2020-12-28 | 2021-04-27 | 天津幸福生命科技有限公司 | 服务管理系统、计算机可读存储介质及电子设备 |
TWI775305B (zh) * | 2021-02-04 | 2022-08-21 | 康沛科技股份有限公司 | 保險商品篩選系統及保險商品篩選方法 |
CN113108215A (zh) * | 2021-03-31 | 2021-07-13 | 苏州保也保险咨询服务有限公司 | 一种信息推荐装置 |
CN113077352B (zh) * | 2021-04-22 | 2024-02-02 | 北京十一贝科技有限公司 | 基于用户信息和保险相关信息的保险服务物品推荐方法 |
CN113742492B (zh) * | 2021-08-12 | 2024-05-07 | 泰康保险集团股份有限公司 | 保险方案生成方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107403384A (zh) * | 2016-05-18 | 2017-11-28 | 平安科技(深圳)有限公司 | 保险推荐方法和装置 |
CN108037996A (zh) * | 2017-11-27 | 2018-05-15 | 平安养老保险股份有限公司 | 保单处理方法、装置、计算机设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020143586A1 (en) * | 2001-03-29 | 2002-10-03 | Ryuichiro Kodama | Apparatus and method for supporting insurance determination, and program thereof |
TW201305952A (zh) * | 2011-07-22 | 2013-02-01 | Chinatrust Financial Holding Co Ltd | 家庭式住院醫療終身健康保險之營運平台及營運方法 |
US20160358290A1 (en) * | 2012-04-20 | 2016-12-08 | Humana Inc. | Health severity score predictive model |
US20140222469A1 (en) * | 2013-02-06 | 2014-08-07 | Kemper Corporate Services, Inc. | System and method for automated intelligent insurance re-quoting |
-
2018
- 2018-06-05 CN CN201810569315.6A patent/CN108921708B/zh active Active
- 2018-07-23 TW TW107125372A patent/TWI744542B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107403384A (zh) * | 2016-05-18 | 2017-11-28 | 平安科技(深圳)有限公司 | 保险推荐方法和装置 |
CN108037996A (zh) * | 2017-11-27 | 2018-05-15 | 平安养老保险股份有限公司 | 保单处理方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108921708A (zh) | 2018-11-30 |
TW202004636A (zh) | 2020-01-16 |
TWI744542B (zh) | 2021-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921708B (zh) | 保险服务优化方法、装置和存储介质 | |
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
US11259718B1 (en) | Systems and methods for automated body mass index calculation to determine value | |
CN107679995B (zh) | 电子装置、保险案件理赔审核方法及计算机可读存储介质 | |
CN109460944B (zh) | 基于大数据的核保方法、装置、设备及可读存储介质 | |
CN109815803B (zh) | 面审风险控制方法、装置、计算机设备和存储介质 | |
US20060293981A1 (en) | Identification and risk evaluation | |
JP2022520824A (ja) | インテリジェント警告システム | |
US8429050B2 (en) | Method for detecting ineligibility of a beneficiary and system | |
Basdekis et al. | FinTech’s rapid growth and its effect on the banking sector | |
CN111180065A (zh) | 保险用户评估方法、装置、电子设备及计算机可读介质 | |
WO2018216592A1 (ja) | 銀行業務を支援するためのシステム、方法及びプログラム | |
AU2011236079A1 (en) | System and method for processing insurance contracts based on cloud computing, and related business management tool | |
CA3165099A1 (en) | System and method for assessing a digital interaction with a digital third party account service | |
KR102005733B1 (ko) | 온라인 빅데이터 분석을 통해 도출된 신용도 평가 결과를 이용한 블록체인 기반 p2p 금융 서비스 제공 시스템 | |
CN110689443A (zh) | 出险数据处理方法、装置及存储介质、服务器 | |
US8566204B2 (en) | Method for detecting ineligibility of a beneficiary and system | |
CN114219604A (zh) | 住房贷款业务的处理方法、装置、设备及存储介质 | |
CN113344376A (zh) | 商户风险监测方法、装置、计算机设备和存储介质 | |
US11625788B1 (en) | Systems and methods to evaluate application data | |
JP6933780B1 (ja) | 不正検知システム、不正検知方法、及びプログラム | |
US20220027916A1 (en) | Self Learning Machine Learning Pipeline for Enabling Binary Decision Making | |
CN114240605A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
CN109377213B (zh) | 自助卡激活方法、装置、计算机设备及存储介质 | |
Humbani | Understanding perceived risks in proximity mobile payment adoption in south africa and the mediating effect of perceived value |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1260899 Country of ref document: HK |
|
CB02 | Change of applicant information |
Address after: Unit C, 2 / F, tower 16, Wai King Wan bank, Tseung Kwan O, New Territories, Hong Kong, China Applicant after: Shen Ye Address before: 16d, block 2, Lantian Huijing Garden Applicant before: Shen Ye |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |