CN109582859B - 保险推送方法、装置、计算机设备及存储介质 - Google Patents
保险推送方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109582859B CN109582859B CN201811231445.5A CN201811231445A CN109582859B CN 109582859 B CN109582859 B CN 109582859B CN 201811231445 A CN201811231445 A CN 201811231445A CN 109582859 B CN109582859 B CN 109582859B
- Authority
- CN
- China
- Prior art keywords
- insurance
- user
- information
- acquiring
- product
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013507 mapping Methods 0.000 claims abstract description 42
- 238000011835 investigation Methods 0.000 claims abstract description 25
- 238000012790 confirmation Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 abstract description 10
- 230000006854 communication Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Abstract
本发明实施例公开了一种保险推送方法、装置、计算机设备及存储介质，包括下述步骤：获取用户的调查参数；将所述调查参数输入到预设的映射推荐模型中，获取适合所述用户的保险类型；提取所述保险类型中推荐指数最高的保险产品，并将所述保险产品推送至用户终端。通过对用户填写的调查报告中的内容进行提取生成调查参数，然后将调查参数输入到映射推荐模型中获取与调查参数具有映射关系的保险类型，最后获取该保险类型中推荐指数最高的一个保险产品推荐至用户终端。由于，问卷调查的结果带有用户对商品前瞻性的思考结果，因此，通过对调查问卷的结果进行模型分析，能够得到具有前瞻性的产品推荐时效，掌握先机。
Description
技术领域
本发明实施例涉及数据处理领域，尤其是一种保险推送方法、装置、计算机设备及存储介质。
背景技术
信息推送是通过一定的技术标准或协议，在互联网上通过定期传送用户需要的信息来减少信息过载的一项新技术。推送技术通过自动传送信息给用户，来减少用于网络上搜索的时间。它根据用户的兴趣来搜索、过滤信息，并将其定期推给用户，帮助用户高效率地发掘有价值的信息。
现有技术中，信息推送被用于线上产品的推销或推广中。其中，一种常见的推送方式为，通过获取用户的网页浏览痕迹，判断用户需要或者想要了解的产品，将该产品的购买链接作为推送消息发送至用户终端，实现产品消息的推送。
本发明创造的发明人在研究中发现，现有技术中通过网页浏览痕迹的收集的信息，其信息的实效具有滞后性，导致推送的消息也具有滞后性。同时，浏览的痕迹也不能够表征用户真真的购买意向，导致推送消息的成交率一直徘徊在较低的水平，同时，不准确的推送也会引起用户的逆反心理，造成不好的用户影响。
发明内容
本发明实施例提供一种根据调查报告得出的具有前瞻性的保险推送方法、装置、计算机设备及存储介质。
为解决上述技术问题，本发明创造的实施例采用的一个技术方案是：提供一种保险推送方法，包括下述步骤：
获取用户的调查参数，其中，所述调查参数的来源包括用户填写的调查问卷；
将所述调查参数输入到预设的映射推荐模型中，获取适合所述用户的保险类型，其中，所述映射推荐模型中每个调查参数均具有至少一个与其具有映射关系的保险类型；
提取所述保险类型中推荐指数最高的保险产品，并将所述保险产品推送至用户终端。
可选地，所述提取所述保险类型中评分最高的保险产品，并将所述保险产品推送至用户终端的步骤之前，还包括下述步骤：
获取所述保险产品的多个评分分值；
将所述多个评分分值输入到预设的指数计算模型中；
获取所述指数计算模型输出的所述保险产品的推荐指数。
可选地，所述指数计算模型的特征描述为：
其中，smax表示为最大评分，pmin表示为威尔逊区间下限值，表示为评分分值，n表示为评价总数，K表示为统计量常数。
可选地，当所述保险类型还包括多个子类型时；所述将所述调查参数输入到预设的映射推荐模型中，获取适合所述用户的保险类型的步骤包括：
获取所述用户的历史投保信息；
通过数据统计获取所述历史投保信息中所述用户的投保偏好信息；
确定所述多个子类型中与所述历史投保信息相同或相近的一个子类别作为所述用户保险类型。
可选地，所述保险类型还包括多个收益率不同的多个子类别时；所述将所述调查参数输入到预设的映射推荐模型中，获取适合所述用户的保险类型的步骤包括：
获取所述用户的历史投保的收益信息；
通过数据统计获取所述收益信息中所述用户的投保收益率；
确定所述多个子类别中收益率与所述投保收益率相同或相近的一个子类别作为所述用户保险类型。
可选地，所述提取所述保险类型中推荐指数最高的保险产品，并将所述保险产品推送至用户终端的步骤之后，还包括下述步骤：
获取解释所述保险产品中格式条款的解释信息；
将所述解释信息发送至所述用户终端。
可选地，所述将所述解释信息发送至所述用户终端的步骤之后，还包括下述步骤：
获取所述用户终端上传的凭证信息，其中，所述凭证信息包括用户终端显示所述解释信息的截图图片和用户确认所述解释信息的确认凭证；
将所述截图图片和确认凭证存储在预设的交易数据库中，并将所述所述截图图片和确认凭证与所述保险产品的成交合同进行关联。
为解决上述技术问题，本发明实施例还提供一种保险推送装置，包括
获取模块，用于获取用户的调查参数，其中，所述调查参数的来源包括用户填写的调查问卷；
处理模块，用于将所述调查参数输入到预设的映射推荐模型中，获取适合所述用户的保险类型，其中，所述映射推荐模型中每个调查参数均具有至少一个与其具有映射关系的保险类型；
执行模块，用于提取所述保险类型中推荐指数最高的保险产品，并将所述保险产品推送至用户终端。
可选地，所述保险推送装置还包括：
第一获取子模块，用于获取所述保险产品的多个评分分值；
第一处理子模块，用于将所述多个评分分值输入到预设的指数计算模型中；
第一执行子模块，用于获取所述指数计算模型输出的所述保险产品的推荐指数。
可选地，所述指数计算模型的特征描述为：
其中，smax表示为最大评分，pmin表示为威尔逊区间下限值，表示为评分分值，n表示为评价总数，K表示为统计量常数。
可选地，当所述保险类型还包括多个子类型时；所述保险推送装置还包括：
第二获取子模块，用于获取所述用户的历史投保信息；
第二处理子模块，用于通过数据统计获取所述历史投保信息中所述用户的投保偏好信息；
第二执行子模块，用于确定所述多个子类型中与所述历史投保信息相同或相近的一个子类别作为所述用户保险类型。
可选地，所述保险类型还包括多个收益率不同的多个子类别时；所述保险推送装置还包括：
第三获取子模块，用于获取所述用户的历史投保的收益信息；
第三处理子模块，用于通过数据统计获取所述收益信息中所述用户的投保收益率；
第三执行子模块，用于确定所述多个子类别中收益率与所述投保收益率相同或相近的一个子类别作为所述用户保险类型。
可选地，所述保险推送装置还包括：
第四获取子模块，用于获取解释所述保险产品中格式条款的解释信息；
第四处理子模块，用于将所述解释信息发送至所述用户终端。
可选地，所述保险推送装置还包括：
第五获取子模块，用于获取所述用户终端上传的凭证信息，其中，所述凭证信息包括用户终端显示所述解释信息的截图图片和用户确认所述解释信息的确认凭证；
第五处理子模块，用于将所述截图图片和确认凭证存储在预设的交易数据库中，并将所述所述截图图片和确认凭证与所述保险产品的成交合同进行关联。
为解决上述技术问题，本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述所述保险推送方法的步骤。
为解决上述技术问题，本发明实施例还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述保险推送方法的步骤。
本发明实施例的有益效果是：通过对用户填写的调查报告中的内容进行提取生成调查参数，然后将调查参数输入到映射推荐模型中获取与调查参数具有映射关系的保险类型，最后获取该保险类型中推荐指数最高的一个保险产品推荐至用户终端。由于，问卷调查的结果带有用户对商品前瞻性的思考结果，因此，通过对调查问卷的结果进行模型分析，能够得到具有前瞻性的产品推荐时效，掌握先机。最后向用户推荐根据调查问卷结果分析得到的保险类别中，最适合的一款保险产品至用户终端。不仅仅提高了推送消息的准确性和及时性，同时也提高了推送消息的成交率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例保险推送方法的流程示意图；
图2为本发明实施例计算保险产品推荐指数的流程示意图；
图3为本发明实施例根据历史数据确定用户保险类型的流程示意图；
图4为本发明实施例根据历史数据确定用户保险类型的另一种流程示意图；
图5为本发明实施例向用户终端发送解释信息的流程示意图；
图6为本发明实施例记录凭证信息的流程示意图；
图7为本发明实施例保险推送装置的基本结构示意图；
图8为本发明实施例计算机设备基本结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
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，所描述的实施例仅仅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。
本技术领域技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；PCS(Personal Communications Service，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；PDA(Personal Digital Assistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是PDA、MID(Mobile Internet Device，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。
请参阅图1，图1为本实施例中保险推送方法的流程示意图。
如图1所示，一种保险推送方法，包括下述步骤：
S1100、获取用户的调查参数，其中，所述调查参数的来源包括用户填写的调查问卷；
本实施方式中，根据金融领域的特性指定不同的调查问卷，问卷调查中问题的答案对应不同的保险产品。在问卷调查设计阶段，首先，设定问卷调查的问题，其次，设定问卷调查问题的答案，并给不同的答案映射不同的保险产品。例如，问题为你希望了解一下那些保险产品？A、寿险；B、财产险。相同的原理，设置树形导向的问卷调查，用户回答的问题越多能够越准确的定位保险产品。
用户在提交调查问卷后，提取用户调查问卷中的答案。本实施方式中，调查问卷以两种方式进行呈现，其一，为通过电子文档进行存储和填写，该呈现方式下通过读取相应位置即可确定用户选取或填写的答案，直接生成调查参数。其二，为通过纸质文件进行填写和收集，该呈现方式下，通过训练至收敛状态的卷积神经网络模型对收集到的调查问卷进行参数提取，识别纸质文件中用户填写的选项或填写的答案生成调查参数。
本实施方式中，调查参数为用户选取或者填写的信息关键词，问题为你希望了解一下那些保险产品？A、寿险；B、财产险。用户选择A则关键字为“寿险”，用户选择B则关键字为“财产”。又如，问题为你希望的收益区间(高收益是高风险的代名词)？A、9-12％，B、6-9％，C、3-6％。用户选择A则关键字为“风险型用户”，用户选择B则关键字为“投资型用户”，用户选择C则关键字为“保守型用户”。
S1200、将所述调查参数输入到预设的映射推荐模型中，获取适合所述用户的保险类型，其中，所述映射推荐模型中每个调查参数均具有至少一个与其具有映射关系的保险类型；
将获取的调查参数输入到预设的映射推荐模型中。其中，映射推荐模型中每个调查参数均具有至少一个与其具有映射关系的保险类型。即每个调查参数的关键词在映射推荐模型均具有一个或者多个保险类型。例如，关键字寿险指向的类型为一个，但寿险下面还有众多的子类别，然后通过用户类型，如风险型用户；投保年限，10年以下等等关键字层层缩减子类别的范围，直至用户调查参数的筛选得到唯一的一个子类别时，结束筛选。通过映射推荐模型通过上述层层筛选的方式得到的保险产品类型，为适合于该用户的保险产品类型。
S1300、提取所述保险类型中推荐指数最高的保险产品，并将所述保险产品推送至用户终端。
通过映射推荐模型的筛选得到适合用户的保险类型后，调用该类型中历史评价得到的推荐指数最高的保险产品，并将该保险产品推送给用户终端。
本实施方式中，推荐指数为根据历史保险产品使用人对各个保险产品进行打分得到的。分制为10分制，通过收集不同用户对同一保险产品的产品评分，然后通过模型将产品评分转化为推荐指数。需要指出的是，本实施例中，产品评分的分制不局限于此，根据具体应用场景的不同，在一些实施方式中，产品评分能够是1分制或者百分制。在一些实施方式中，推荐指数采用五分制，但不局限于此，在一些实施方式中，推荐指数能够采用一分、十分或者百分制进行表示。
上述实施方式通过对用户填写的调查报告中的内容进行提取生成调查参数，然后将调查参数输入到映射推荐模型中获取与调查参数具有映射关系的保险类型，最后获取该保险类型中推荐指数最高的一个保险产品推荐至用户终端。由于，问卷调查的结果带有用户对商品前瞻性的思考结果，因此，通过对调查问卷的结果进行模型分析，能够得到具有前瞻性的产品推荐时效，掌握先机。最后向用户推荐根据调查问卷结果分析得到的保险类别中，最适合的一款保险产品至用户终端。不仅仅提高了推送消息的准确性和及时性，同时也提高了推送消息的成交率。
在一些选择性实施例中，需要通过保险产品使用用户的历史评分记录，计算该保险产品的推荐值，由于不同用户对于产品的要求不同，因此，单个用户的评分不能够确定某款产品的优劣，因此，需要结合众多用户的评分分值计算能够表征保险产品实际受欢迎程度的推荐指数。请参阅图2，图2为本实施例计算保险产品推荐指数的流程示意图。
如图2所示，步骤S1300之前还包括下述步骤：
S1211、获取所述保险产品的多个评分分值；
获取保险产品使用用户的历史评分记录，评分记录中记载有各个已使用用户对于该保险产品的评分分值。
评分分值为10分制，通过收集不同用户对同一保险产品的产品评分，然后通过模型将产品评分转化为推荐指数。需要指出的是，本实施例中，产品评分的分制不局限于此，根据具体应用场景的不同，在一些实施方式中，产品评分能够是1分制或者百分制。
S1212、将所述多个评分分值输入到预设的指数计算模型中；
将获取到的多个评分分值输入预设的指数计算模型中。指数计算模型为结合众多用户的评分分值计算能够表征保险产品实际受欢迎程度的推荐指数的模型。
在一些实施方式中，指数计算模型的特征被描述为：
其中，smax表示为最大评分，pmin表示为威尔逊区间下限值，p表示为评分分值(通常为多个评分分值的平均值)，n表示为评价总数，K表示为统计量常数。K表示某个置信水平下z的统计量，在90％的置信水平下，值为1.64，在95％的置信水平下，值为1.96，在99％的置信水平下，值为2.58。
S1213、获取所述指数计算模型输出的所述保险产品的推荐指数。
将多个评价分值输入到指数计算模型后，获取指数计算模型响应于上述输入而输出的保险产品的推荐指数。推荐指数能够表征保险产品实际受欢迎程度。
在一些实施方式中，推荐指数采用五分制，但不局限于此，在一些实施方式中，推荐指数能够采用一分、十分或者百分制进行表示。
分别计算同一个保险类别中的所有保险产品的推荐指数，然后以推荐指数为限定条件，将该保险类别中的保险产品进行降幂排列，并获取该排列结果中位于首位的保险产品，则该保险产品即为最适合用户的保险产品，也是需要推送给用户的保险产品。
通过计算用户最适合保险类别中，推荐指数最高的保险产品，既能够满足给用户进行私人推荐的要求，又能通过大数据评价的方式获取评价最好的保险产品。在确定保险类别时采用用户问卷调查的方式获取用户私人喜好，并根据私人喜好确定出适合用户的保险类别，然后在该保险类别中采用数据分析的方法，获取该保险类别中最适合推荐的保险产品。将私人定制和大数据分析进行结合，提高了推荐的准确率和用户的满意度。
在一些实施方式中，在问卷调查过程中由于用户填写时出现漏填或者中途放弃填写，会导致调查参数无法确定适合用户的保险类别。此时，需要根据用户历史的投保数据，继续确定用户的保险类别。请参阅图3，图3为本实施例根据历史数据确定用户保险类型的流程示意图。
如图3所示，步骤S1200还包括下述步骤：
S1221、获取所述用户的历史投保信息；
当映射推荐模型通过调查参数确定的保险类别中还包括子类别时，即用户填写时出现漏填或者中途放弃填写。此时，需要通过问卷调查之外的其他数据进行进一步的子类别确认。本实施方式中，采用用户的历史投保数据进行进一步类别确认。通过用户的账户信息，在设置的用户数据库中查找该用户是否有投保记录。若有，则调用该用户的历史投保信息，若否，则在映射推荐模型确定的大类别中获取一个保险产品进行分类。
S1222、通过数据统计获取所述历史投保信息中所述用户的投保偏好信息；
在用户的历史投保信息中主要获取用户以往的投保喜好。例如，用户以往投保的保险类型、保险收益率、保险年限和保额收益的获取方式及年限等信息。并通过数据统计得到用户历史投保信息中的投保偏好。
S1223、确定所述多个子类型中与所述历史投保信息相同或相近的一个子类别作为所述用户保险类型。
当历史投保信息中表征的用户投标偏好，接近或者与子类别表征的类型信息一致时，确定该子类别为用户的保险类型。例如，映射推荐模型确定的保险类型中的子类别划分标准是：保险的收益年限；分别为：5年、10年和20年三个子类别。通过统计用户投保的历史信息确定用户投保偏好偏向于中长期保险产品，则确定10年收益年限的保险作为用户的保险类别。根据历史投保信息确定用户保险类型的方法不局限于此。根据具体应用场景不同，能够解析历史投保信息，弥补问卷调查中缺失项，直至完成保险类型的确定。
通过历史投保信息的解析，能够弥补问卷调查中内容不足的问题，及时准确的获取适合用户投保的投保类型，提高用户的满意度。
在一些实施方式中，在问卷调查过程中由于用户填写时出现漏填或者中途放弃填写，往往会导致无法收集到用户期望的收益信息，进而无法准确的确定用户的投保类型。此时，需要根据用户历史的投保数据，继续确定用户的保险类别。请参阅图4，图4为本发明实施例根据历史数据确定用户保险类型的另一种流程示意图。
如图4所示，步骤S1200还包括下述步骤：
S1231、获取所述用户的历史投保的收益信息；
当映射推荐模型通过调查参数确定的保险类别中还包括多个子类别，且多个子类别之间的区别在于收益信息不同时。此时，需要通过问卷调查之外的其他数据进行进一步的子类别确认。本实施方式中，采用用户的历史投保数据进行进一步类别确认。通过用户的账户信息，在设置的用户数据库中查找该用户是否有投保记录。若有，则调用该用户的历史投保信息，若否，则在映射推荐模型确定的大类别中获取一个保险产品进行分类。
S1232、通过数据统计获取所述收益信息中所述用户的投保收益率；
在用户的历史投保信息中主要获取用户以往的投保喜好，具体指投保收益信息。例如，用户以往投保的投保收益率以及保额收益的获取方式及年限等信息。并通过数据统计得到用户历史投保信息中的投保偏好，即用户偏好的收益率和收益年限等信息。
S1233、确定所述多个子类别中收益率与所述投保收益率相同或相近的一个子类别作为所述用户保险类型。
当历史投保信息中表征的用户投标偏好，接近或者与子类别表征的类型信息一致时，确定该子类别为用户的保险类型。例如，映射推荐模型确定的保险类型中的子类别划分标准是：保险的收益年限；分别为：5年、10年和20年三个子类别。其中，5年投保时效的回报率为40％，10年投保时效的回报率为120％，20年的投保回报率为300％。
通过统计用户投保的历史信息确定用户投保偏好偏向于短期保险产品，但偏向于回报率较大的保险产品，综合考虑则确定10年收益年限的保险作为用户的保险类别。
在一些实施方式中，保险产品作为一种具有普遍适用的格式合同，其中，部分保险条款会导致用户的理解与保险公司的理解不一致，二导致在投保时效内用户与保险公司出现争执的问题。为对格式条款的内容进行解释，使用户正确理解条款意思时，将保险产品发送至用户终端后，获取该保险产品的解释信息发送至用户终端。请参阅图5，图5为本实施例向用户终端发送解释信息的流程示意图。
如图5所示，步骤S1300之后还包括下述步骤：
S1311、获取解释所述保险产品中格式条款的解释信息；
获取最适合用户的保险产品后，提取该保险产品的产品编号，然后以该产品编号为检索条件在解释信息数据库中进行检索，得到该保险产品的解释信息。解释信息能够是：文字信息、语音信息或者音视频信息。解释信息为能够对保险产品中容易出现疑惑或者纠纷的条款进行解释。
S1312、将所述解释信息发送至所述用户终端。
获取到保险产品中的解释信息后，将该解释信息发送至用户终端，供用户进行浏览。
在本实施方式中，通过解释信息排解用户可能出现的错误理解，减少纠纷发生的几率。
在一些实施方式中，为了存储用户浏览解释信息的证据资料，服务器端会接受用户终端发送的凭证信息，进行证据保留。请参阅图6，图6为本实施例的记录凭证信息的流程示意图。
如图6所示，步骤S1312之后还包括下述步骤：
S1321、获取所述用户终端上传的凭证信息，其中，所述凭证信息包括用户终端显示所述解释信息的截图图片和用户确认所述解释信息的确认凭证；
服务器端获取用户终端上传的凭证信息。其中，凭证信息为用户终端显示解释信息的截图图片和用户确认解释信息的确认凭证。用户终端在用户查看解释信息时，对当前显示界面的内容进行截图，形成截图图片。同时在用户关闭解释信息时，确认用户已经查阅完毕，用户确认后，采集用户的指纹信息作为确认凭证。收集完成上述凭证信息后，将上述凭证信息发送至服务器端。
S1322、将所述截图图片和确认凭证存储在预设的交易数据库中，并将所述所述截图图片和确认凭证与所述保险产品的成交合同进行关联。
服务器端在接收到截图图片和确认凭证存储在预设的交易数据库中，然后将该截图图片和确认凭证与用户签订的保险产品的电子件进行关联，当调用该电子件时，同时也能够查看截图图片和确认凭证。
通过获取用户终端上传的凭证信息，并对凭证信息进行保存，能够最大限度的降低投保纠纷，提高工作效率。
为解决上述技术问题，本发明实施例还提供一种保险推送装置。
请参阅图7，图7为本实施例保险推送装置的基本结构示意图。
如图7所示，一种保险推送装置，包括：获取模块2100、处理模块2200和执行模块2300。其中，获取模块2100用于获取用户的调查参数，其中，调查参数的来源包括用户填写的调查问卷；处理模块2200用于将调查参数输入到预设的映射推荐模型中，获取适合用户的保险类型，其中，映射推荐模型中每个调查参数均具有至少一个与其具有映射关系的保险类型；执行模块2300用于提取保险类型中推荐指数最高的保险产品，并将保险产品推送至用户终端。
上述实施方式通过对用户填写的调查报告中的内容进行提取生成调查参数，然后将调查参数输入到映射推荐模型中获取与调查参数具有映射关系的保险类型，最后获取该保险类型中推荐指数最高的一个保险产品推荐至用户终端。由于，问卷调查的结果带有用户对商品前瞻性的思考结果，因此，通过对调查问卷的结果进行模型分析，能够得到具有前瞻性的产品推荐时效，掌握先机。最后向用户推荐根据调查问卷结果分析得到的保险类别中，最适合的一款保险产品至用户终端。不仅仅提高了推送消息的准确性和及时性，同时也提高了推送消息的成交率。
在一些实施方式中，保险推送装置还包括：第一获取子模块、第一处理子模块和第一执行子模块。其中，第一获取子模块用于获取保险产品的多个评分分值；第一处理子模块用于将多个评分分值输入到预设的指数计算模型中；第一执行子模块用于获取指数计算模型输出的保险产品的推荐指数。
在一些实施方式中，指数计算模型的特征描述为：
其中，smax表示为最大评分，pmin表示为威尔逊区间下限值，表示为评分分值，n表示为评价总数，K表示为统计量常数。
在一些实施方式中，当保险类型还包括多个子类型时；保险推送装置还包括：第二获取子模块、第二处理子模块和。其中，第二获取子模块用于获取用户的历史投保信息；第二处理子模块用于通过数据统计获取历史投保信息中用户的投保偏好信息；第二执行子模块用于确定多个子类型中与历史投保信息相同或相近的一个子类别作为用户保险类型。
在一些实施方式中，保险类型还包括多个收益率不同的多个子类别时；保险推送装置还包括：第三获取子模块、第三处理子模块和第三执行子模块。其中，第三获取子模块用于获取用户的历史投保的收益信息；第三处理子模块用于通过数据统计获取收益信息中用户的投保收益率；第三执行子模块用于确定多个子类别中收益率与投保收益率相同或相近的一个子类别作为用户保险类型。
在一些实施方式中，保险推送装置还包括：第四获取子模块和第四处理子模块。其中，第四获取子模块用于获取解释保险产品中格式条款的解释信息；第四处理子模块用于将解释信息发送至用户终端。
在一些实施方式中，保险推送装置还包括：第五获取子模块和第五处理子模块。其中，第五获取子模块用于获取用户终端上传的凭证信息，其中，凭证信息包括用户终端显示解释信息的截图图片和用户确认解释信息的确认凭证；第五处理子模块用于将截图图片和确认凭证存储在预设的交易数据库中，并将截图图片和确认凭证与保险产品的成交合同进行关联。
为解决上述技术问题，本发明实施例还提供计算机设备。具体请参阅图8，图8为本实施例计算机设备基本结构框图。
如图8所示，计算机设备的内部结构示意图。该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中，该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种资金支付方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种资金支付方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图8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。
本实施方式中处理器用于执行图7中获取模块2100、处理模块2200和执行模块2300的具体功能，存储器存储有执行上述模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有人脸图像关键点检测装置中执行所有子模块所需的程序代码及数据，服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
计算机设备通过对用户填写的调查报告中的内容进行提取生成调查参数，然后将调查参数输入到映射推荐模型中获取与调查参数具有映射关系的保险类型，最后获取该保险类型中推荐指数最高的一个保险产品推荐至用户终端。由于，问卷调查的结果带有用户对商品前瞻性的思考结果，因此，通过对调查问卷的结果进行模型分析，能够得到具有前瞻性的产品推荐时效，掌握先机。最后向用户推荐根据调查问卷结果分析得到的保险类别中，最适合的一款保险产品至用户终端。不仅仅提高了推送消息的准确性和及时性，同时也提高了推送消息的成交率。
本发明还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述资金支付方法的步骤。
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，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图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，其可以以其他的顺序执行。而且，附图的流程图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，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他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。
Claims (8)
1.一种保险推送方法，其特征在于，包括下述步骤：
获取用户的调查参数，其中，所述调查参数的来源包括用户填写的调查问卷；
将所述调查参数输入到预设的映射推荐模型中，获取适合所述用户的保险类型，其中，所述映射推荐模型中每个调查参数均具有至少一个与其具有映射关系的保险类型；
获取保险产品的多个评分分值；
将所述多个评分分值输入到预设的指数计算模型中；
获取所述指数计算模型输出的所述保险产品的推荐指数；
提取所述保险类型中推荐指数最高的保险产品，并将所述保险产品推送至用户终端；
所述指数计算模型的特征描述为：
其中，smax表示为最大评分，pmin表示为威尔逊区间下限值，表示为评分分值，n表示为评价总数，K表示为统计量常数；
当所述保险类型还包括多个子类别时；所述获取适合所述用户的保险类型，包括：
根据所述用户的历史投保信息，从所述多个子类别中确定所述用户的保险类型。
2.根据权利要求1所述的保险推送方法，其特征在于，所述根据所述用户的历史投保信息，从所述多个子类别中确定所述用户的保险类型包括：
获取所述用户的历史投保信息；
通过数据统计获取所述历史投保信息中所述用户的投保偏好信息；
确定所述多个子类别中与所述历史投保信息相同或相近的一个子类别作为所述用户的保险类型。
3.根据权利要求2所述的保险推送方法，其特征在于，所述保险类型还包括多个收益率不同的多个子类别时；所述将所述调查参数输入到预设的映射推荐模型中，获取适合所述用户的保险类型的步骤包括：
获取所述用户的历史投保的收益信息；
通过数据统计获取所述收益信息中所述用户的投保收益率；
确定所述多个子类别中收益率与所述投保收益率相同或相近的一个子类别作为所述用户保险类型。
4.根据权利要求1所述的保险推送方法，其特征在于，所述提取所述保险类型中推荐指数最高的保险产品，并将所述保险产品推送至用户终端的步骤之后，还包括下述步骤：
获取解释所述保险产品中格式条款的解释信息；
将所述解释信息发送至所述用户终端。
5.根据权利要求4所述的保险推送方法，其特征在于，所述将所述解释信息发送至所述用户终端的步骤之后，还包括下述步骤：
获取所述用户终端上传的凭证信息，其中，所述凭证信息包括用户终端显示所述解释信息的截图图片和用户确认所述解释信息的确认凭证；
将所述截图图片和确认凭证存储在预设的交易数据库中，并将所述截图图片和确认凭证与所述保险产品的成交合同进行关联。
6.一种保险推送装置，其特征在于，包括
获取模块，用于获取用户的调查参数，其中，所述调查参数的来源包括用户填写的调查问卷；
处理模块，用于将所述调查参数输入到预设的映射推荐模型中，获取适合所述用户的保险类型，其中，所述映射推荐模型中每个调查参数均具有至少一个与其具有映射关系的保险类型；
获取保险产品的多个评分分值；
将所述多个评分分值输入到预设的指数计算模型中；
获取所述指数计算模型输出的所述保险产品的推荐指数；
执行模块，用于提取所述保险类型中推荐指数最高的保险产品，并将所述保险产品推送至用户终端；
所述指数计算模型的特征描述为：
其中，smax表示为最大评分，pmin表示为威尔逊区间下限值，表示为评分分值，n表示为评价总数，K表示为统计量常数；
当所述保险类型还包括多个子类别时；所述获取适合所述用户的保险类型，包括：
根据所述用户的历史投保信息，从所述多个子类别中确定所述用户的保险类型。
7.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至5中任一项权利要求所述保险推送方法的步骤。
8.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至5中任一项权利要求所述保险推送方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811231445.5A CN109582859B (zh) | 2018-10-22 | 2018-10-22 | 保险推送方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811231445.5A CN109582859B (zh) | 2018-10-22 | 2018-10-22 | 保险推送方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109582859A CN109582859A (zh) | 2019-04-05 |
| CN109582859B true CN109582859B (zh) | 2023-12-05 |
Family
ID=65920186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811231445.5A Active CN109582859B (zh) | 2018-10-22 | 2018-10-22 | 保险推送方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109582859B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163717A (zh) * | 2019-04-12 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 一种产品推荐方法、装置、计算机可读存储介质及服务器 |
| CN111192112A (zh) * | 2019-12-30 | 2020-05-22 | 深圳市云积分科技有限公司 | 一种多平台的交互方法和装置 |
| CN111178769A (zh) * | 2019-12-31 | 2020-05-19 | 北京健康之家科技有限公司 | 虚拟保险产品的评测方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105308644A (zh) * | 2013-05-14 | 2016-02-03 | 株式会社Ｇｆｌ | 问卷系统、问卷回答装置、问卷回答方法及问卷回答程序 |
| KR20160073251A (ko) * | 2014-12-16 | 2016-06-24 | 삼성생명보험주식회사 | 금융상품 운용 방법, 장치 및 컴퓨터 프로그램 |
| CN107436866A (zh) * | 2016-05-25 | 2017-12-05 | 阿里巴巴集团控股有限公司 | 理财产品的推荐方法及装置 |
| CN107657047A (zh) * | 2017-10-10 | 2018-02-02 | 民太安财产保险公估股份有限公司 | 保险欺诈侦测方法及系统 |
| CN108665370A (zh) * | 2018-03-30 | 2018-10-16 | 北京有保无险科技有限公司 | 一种计算机实施的用于互联网保险的交互方法 |
| CN108665340A (zh) * | 2018-03-30 | 2018-10-16 | 北京有保无险科技有限公司 | 一种基于用户的保险产品推荐方法和系统 |
| CN108681971A (zh) * | 2018-04-27 | 2018-10-19 | 宁波智火信息科技有限公司 | 用于保险的数据处理方法及装置 |
-
2018
- 2018-10-22 CN CN201811231445.5A patent/CN109582859B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105308644A (zh) * | 2013-05-14 | 2016-02-03 | 株式会社Ｇｆｌ | 问卷系统、问卷回答装置、问卷回答方法及问卷回答程序 |
| KR20160073251A (ko) * | 2014-12-16 | 2016-06-24 | 삼성생명보험주식회사 | 금융상품 운용 방법, 장치 및 컴퓨터 프로그램 |
| CN107436866A (zh) * | 2016-05-25 | 2017-12-05 | 阿里巴巴集团控股有限公司 | 理财产品的推荐方法及装置 |
| CN107657047A (zh) * | 2017-10-10 | 2018-02-02 | 民太安财产保险公估股份有限公司 | 保险欺诈侦测方法及系统 |
| CN108665370A (zh) * | 2018-03-30 | 2018-10-16 | 北京有保无险科技有限公司 | 一种计算机实施的用于互联网保险的交互方法 |
| CN108665340A (zh) * | 2018-03-30 | 2018-10-16 | 北京有保无险科技有限公司 | 一种基于用户的保险产品推荐方法和系统 |
| CN108681971A (zh) * | 2018-04-27 | 2018-10-19 | 宁波智火信息科技有限公司 | 用于保险的数据处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109582859A (zh) | 2019-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Verma et al. | Big data analytics: Challenges and applications for text, audio, video, and social media data | |
| US11176142B2 (en) | Method of data query based on evaluation and device | |
| CN108154401B (zh) | 用户画像刻画方法、装置、介质和计算设备 | |
| US20190034424A1 (en) | Enhanced online user-interaction tracking and document rendition | |
| US20230114019A1 (en) | Method and apparatus for the semi-autonomous management, analysis and distribution of intellectual property assets between various entities | |
| CN109783730A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
| US8660910B1 (en) | System for enabling electronic catalog users to create and share research data | |
| WO2018040069A1 (zh) | 信息推荐系统及方法 | |
| CN109582859B (zh) | 保险推送方法、装置、计算机设备及存储介质 | |
| US20100153372A1 (en) | 3d visualization system for web survey | |
| CN107341187A (zh) | 搜索处理方法、装置、设备和计算机存储介质 | |
| WO2019184228A1 (zh) | 保险产品配置方法、装置、计算机设备及存储介质 | |
| US20120072466A1 (en) | Contents creating device and contents creating method | |
| Kewsuwun et al. | A sentiment analysis model of agritech startup on Facebook comments using naive Bayes classifier. | |
| CN103309869A (zh) | 数据对象的展示关键词推荐方法及系统 | |
| Ilakkuvan et al. | Cameras for public health surveillance: a methods protocol for crowdsourced annotation of point-of-sale photographs | |
| JP2006053616A (ja) | サーバ装置、ｗｅｂサイト推奨方法およびプログラム | |
| CN114417146A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
| US20150142782A1 (en) | Method for associating metadata with images | |
| CN108369647B (zh) | 基于图像的质量控制 | |
| US20190205341A1 (en) | Systems and methods for measuring collected content significance | |
| CN115563176A (zh) | 一种电子商务数据处理系统及方法 | |
| CN105975508A (zh) | 个性化元搜索引擎检索结果合成排序方法 | |
| CN110209944A (zh) | 一种股票分析师推荐方法、装置、计算机设备和存储介质 | |
| KR102041915B1 (ko) | 인공지능을 활용한 데이터베이스 모듈 및 이를 이용하는 경제데이터 제공 시스템 및 방법 |
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 |