CN117788181A - 用于航空客运保险的风险投保行为识别拦截方法及系统 - Google Patents
用于航空客运保险的风险投保行为识别拦截方法及系统 Download PDFInfo
- Publication number
- CN117788181A CN117788181A CN202410090510.6A CN202410090510A CN117788181A CN 117788181 A CN117788181 A CN 117788181A CN 202410090510 A CN202410090510 A CN 202410090510A CN 117788181 A CN117788181 A CN 117788181A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- travel
- application
- orders
- order
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000002159 abnormal effect Effects 0.000 claims abstract description 274
- 230000004044 response Effects 0.000 claims abstract description 50
- 230000006399 behavior Effects 0.000 claims description 63
- 238000004364 calculation method Methods 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 35
- 230000005856 abnormality Effects 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 5
- 230000002441 reversible effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 57
- 206010000117 Abnormal behaviour Diseases 0.000 description 8
- 230000002596 correlated effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及客运保险的技术领域，公开了用于航空客运保险的风险投保行为识别拦截方法及系统，所述方法包括接收投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单；基于目标客户的历史出行订单，统计目标客户退改订单的退改异常率、未退改订单的非退改异常率和非退改乘机率，以计算历史异常参数；基于目标客户的出行订单，统计目标客户出行订单的出行冲突率和冲突订单数，以计算出行异常参数；基于历史异常参数、出行异常参数和待投保订单的冲突标记信息，计算目标客户的异常投保评分，以生成投保应答信息；本申请具有提高保险公司对用户风险投保行为的识别能力的效果。
Description
技术领域
本申请涉及客运保险的技术领域，尤其是涉及一种用于航空客运保险的风险投保行为识别拦截方法及系统。
背景技术
搭乘飞机是远距离出行的常见出行方式，然而，飞机的起降对气象条件的要求较高，风、雨、雪、雾、霾、雷、冰等气象因素均有可能造成航班延误，为了保障旅客在遭遇航班延误时能够获得因行程变更造成的开销补偿，目前许多保险公司推出了延误险等保险产品。然而，近年来发生过多起无搭乘飞机需求的人员故意在恶劣气象情况下投保大额延误险，以通过理赔获利的行为，这些行为造成了保险公司的资金损失和飞机运力的浪费。针对上述相关技术，目前保险公司存在缺乏识别用户风险投保行为的方法的问题。
发明内容
为了提高保险公司对用户风险投保行为的识别能力，本申请提供一种用于航空客运保险的风险投保行为识别拦截方法及系统。
本申请的发明目的一采用如下技术方案实现：
用于航空客运保险的风险投保行为识别拦截方法，包括：
接收投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单；
基于目标客户的历史出行订单，统计目标客户退改订单对应的退改异常率，以及未退改订单对应的非退改异常率和非退改乘机率，基于退改异常率、非退改异常率和非退改乘机率，计算历史异常参数；
基于目标客户的出行订单，统计目标客户出行订单对应的出行冲突率和冲突订单数，基于所述出行冲突率和冲突订单数计算出行异常参数；
基于所述历史异常参数、出行异常参数和待投保订单的冲突标记信息，计算目标客户的异常投保评分，基于所述异常投保评分生成投保应答信息；
所述出行订单记录的订单信息包括出发地、目的地、出行时间信息、冲突标记信息、退改信息、乘机标记信息、航班异常标记信息。
通过采用上述技术方案，当目标客户存在投保需求时，接收对应的投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单，便于后续评估用户的出行订单，以判断目标客户的异常投保行为倾向；根据目标客户的历史出行订单，统计目标客户所有退改订单所对应的航班异常概率，从而确定退改异常率，统计目标客户所有非退改订单所对应的航班异常概率和乘机概率，以获知目标客户的退改订单和非退改订单出行航班异常现象的概率，根据退改异常率、非退改异常率和非退改乘机率计算历史异常参数，以便通过历史出行订单分析目标客户的对历史出行订单的退改行为和乘机行为是否异常；基于目标客户的所有出行订单，分析各出行订单之间是否存在行程冲突，以便根据存在行程冲突的冲突订单数与总出行订单量计算出行冲突率，进一步计算出行异常参数，以便获知目标客户的出行订单与实际出行需求是否匹配；根据历史异常参数、出行异常参数和待投保信息的冲突标记信息，计算目标客户的异常投保评分，根据异常投保评分确定是否承接该目标客户的投保订单，以生成投保应答信息。
本申请在一较佳示例中：所述基于退改异常率、非退改异常率和非退改乘机率，计算历史异常参数中，所述历史异常参数的计算公式为：
X1＝k1f(T1)+k2f(T2)+k3f(T3)
在所述历史异常参数的计算公式中，X1为历史异常参数，T1为退改异常率，T2为非退改异常率，T3为非退改乘机率，还包括若干预设数值：其中S1为第一标准值，S4为第四标准值，S4＞S1，k1为第一权重系数，S2为第二标准值，k2为第二权重系数，S3为第三标准值，S5为第五标准值，k3为第三权重系数，S5＞S3。
通过采用上述技术方案，根据上述计算公式，历史异常参数的数值与退改异常率、非退改乘机率负相关，与非退改异常率正相关，以便使历史异常参数的数值与存在风险投保行为的旅客的历史出行订单数据特征正相关，便于根据历史异常参数的数值判断目标客户的退改行为和乘机行为是否异常；在历史异常参数的计算公式中，第一标准值、第二标准值和第三标准值的设定是为了分析目标客户退改、乘机行为是否异常时，减小客户偶然的异常行为对判定客户是否异常可能造成的影响，权重系数的设定是为了便于调整不同类型退改、乘机行为对历史异常参数的数值的重要性；退改异常率或非退改乘机率的数值越大，则认为目标客户的正常出行倾向越大，可以一定程度抵免其他异常退改、乘机行为对历史异常参数数值的贡献，但通过第四标准值、第五标准值为退改异常率项、非退改乘机率项的抵免效果上限进行了限制，并令非退改异常率项无法抵免其他异常退改、乘机行为对历史异常参数数值的贡献，以便提高对客户风险投保倾向评估的科学性。
本申请在一较佳示例中：所述基于出行冲突率和冲突订单数计算出行异常参数中，出行异常参数的计算公式为：
X2＝k6f(T6)+k7N7
在所述出行异常参数的计算公式中，X2为出行异常参数，T6为出行冲突率，N7为冲突订单数，还包括若干预设数值：其中k6为第六权重系数，k7为第七权重系数，S6为第六标准值。
通过采用上述技术方案，由于正常搭乘飞机的旅客通常不会购买存在行程冲突的多张机票，因此，根据上述计算公式，出行异常参数的数值与出行冲突率和冲突订单数正相关，以便使出行异常参数的数值与存在风险投保行为的旅客的出行订单数据特征正相关，便于根据出行异常参数的数值判断目标客户的出行订单与实际出行需求是否匹配；在出行异常参数的计算公式中，第六标准值的设定是为了分析目标客户的出行订单是否异常时，减小客户偶然的异常行为对判定客户是否异常可能造成的影响，权重系数的设定是为了便于调整出行冲突率和冲突订单数在出行异常参数中的权重以便提高对客户风险投保倾向评估的科学性。
本申请在一较佳示例中：所述基于所述历史异常参数、出行异常参数和待投保订单的冲突标记信息，计算目标客户的异常投保评分中，所述异常投保评分的计算公式为：
Y＝k8X1+k9X2+k10X3
在所述异常投保评分的计算公式中，Y为异常投保评分，X3为冲突标记赋值，还包括若干预设数值：其中k8为第八权重系数，k9为第九权重系数，k10为第十权重系数。
通过采用上述技术方案，根据上述计算公式，异常投保评分的数值与历史异常参数、出行异常参数、以及冲突标记信息对应的冲突标记赋值均正相关，便于根据历史异常参数、出行异常参数和冲突标记信息三项指标综合评估目标客户是否存在风险投保倾向。
本申请在一较佳示例中：所述基于所述异常投保评分生成投保应答信息，包括：
将所述异常投保评分与预设的第一评分阈值、第二评分阈值分别进行对比，当异常投保评分大于等于第一评分阈值时，生成禁止投保的投保应答信息；
当异常投保评分小于第一评分阈值而大于等于第二评分阈值时，基于异常投保评分和预设的报价规则计算对应的保单报价，生成包含所述保单报价的投保应答信息。
通过采用上述技术方案，将异常投保评分与预设的第一评分阈值进行比较，若异常投保评分大于第一评分阈值，则该目标客户的风险投保倾向明显，生成禁止投保的投保应答信息，以阻止该目标客户进行投保；当异常投保评分介于第一评分阈值与第二评分阈值之间时，则该目标客户存在一定的风险投保倾向，基于异常投保评分和预设的报价规则确定对应的保单报价，并生成对应的投保应答信息，便于根据目标客户的风险投保倾向性的高低调整保单报价，提高保单报价的合理性。
本申请在一较佳示例中：所述接收投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单，包括：
检测来自目标客户终端的投保查询信号，以触发对应的投保预备信号，所述投保查询信号记录了目标客户对应的客户标识信息和待投保订单对应的订单标识信息；
基于所述投保预备信号对应的客户标识信息和订单标识信息，从订单数据库中获取历史出行订单、未来出行订单和待投保订单。
通过采用上述技术方案，当目标客户存在投保需求而打开保险查询界面时，生成投保查询信号，检测来自目标客户终端的投保查询信号，根据投保查询信号确定客户标识信息和订单标识信息，并进一步根据投保查询信号生成对应的投保预备信号；基于投保预备信号对应的客户标识信息和订单标识信息，从订单数据库中获取目标客户的历史出行订单、未来出行订单和待投保订单，便于后续对这些订单记录的信息进行分析，从而识别风险投保行为。
本申请的发明目的二采用如下技术方案实现：
用于航空客运保险的风险投保行为识别拦截系统，应用于上述任一项所述用于航空客运保险的风险投保行为识别拦截方法，包括：
订单获取模块，用于接收投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单；
历史异常参数计算模块，用于基于目标客户的历史出行订单，统计目标客户退改订单对应的退改异常率，以及未退改订单对应的非退改异常率和非退改乘机率，基于退改异常率、非退改异常率和非退改乘机率，计算历史异常参数；
出行异常参数计算模块，用于基于目标客户的出行订单，统计目标客户出行订单对应的出行冲突率和冲突订单数，基于所述出行冲突率和冲突订单数计算出行异常参数；
投保应答信息生成模块，用于基于所述历史异常参数、出行异常参数和待投保订单的冲突标记信息，计算目标客户的异常投保评分，基于所述异常投保评分生成投保应答信息。
本申请在一较佳示例中：所述投保应答信息生成模块包括：
禁止投保应答子模块，用于将所述异常投保评分与预设的第一评分阈值、第二评分阈值分别进行对比，当异常投保评分大于等于第一评分阈值时，生成禁止投保的投保应答信息；
保单报价应答子模块，用于当异常投保评分小于第一评分阈值而大于等于第二评分阈值时，基于异常投保评分和预设的报价规则计算对应的保单报价，生成包含所述保单报价的投保应答信息。
本申请的发明目的三采用如下技术方案实现：
一种计算机设备，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上述用于航空客运保险的风险投保行为识别拦截方法的步骤。
本申请的发明目的四采用如下技术方案实现：
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上述用于航空客运保险的风险投保行为识别拦截方法的步骤。
综上所述，本申请包括以下至少一种有益技术效果：
1.当目标客户存在投保需求时，接收对应的投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单，便于后续评估用户的出行订单，以判断目标客户的异常投保行为倾向；根据目标客户的历史出行订单，统计目标客户所有退改订单所对应的航班异常概率，从而确定退改异常率，统计目标客户所有非退改订单所对应的航班异常概率和乘机概率，以获知目标客户的退改订单和非退改订单出行航班异常现象的概率，根据退改异常率、非退改异常率和非退改乘机率计算历史异常参数，以便通过历史出行订单分析目标客户的对历史出行订单的退改行为和乘机行为是否异常；基于目标客户的所有出行订单，分析各出行订单之间是否存在行程冲突，以便根据存在行程冲突的冲突订单数与总出行订单量计算出行冲突率，进一步计算出行异常参数，以便获知目标客户的出行订单与实际出行需求是否匹配；根据历史异常参数、出行异常参数和待投保信息的冲突标记信息，计算目标客户的异常投保评分，根据异常投保评分确定是否承接该目标客户的投保订单，以生成投保应答信息。
2.根据历史异常参数公式，历史异常参数的数值与退改异常率、非退改乘机率负相关，与非退改异常率正相关，以便使历史异常参数的数值与存在风险投保行为的旅客的历史出行订单数据特征正相关，便于根据历史异常参数的数值判断目标客户的退改行为和乘机行为是否异常；在历史异常参数的计算公式中，第一标准值、第二标准值和第三标准值的设定是为了分析目标客户退改、乘机行为是否异常时，减小客户偶然的异常行为对判定客户是否异常可能造成的影响，权重系数的设定是为了便于调整不同类型退改、乘机行为对历史异常参数的数值的重要性；退改异常率或非退改乘机率的数值越大，则认为目标客户的正常出行倾向越大，可以一定程度抵免其他异常退改、乘机行为对历史异常参数数值的贡献，但通过第四标准值、第五标准值为退改异常率项、非退改乘机率项的抵免效果上限进行了限制，并令非退改异常率项无法抵免其他异常退改、乘机行为对历史异常参数数值的贡献，以便提高对客户风险投保倾向评估的科学性。
3.由于正常搭乘飞机的旅客通常不会购买存在行程冲突的多张机票，因此，根据出行异常参数公式，出行异常参数的数值与出行冲突率和冲突订单数正相关，以便使出行异常参数的数值与存在风险投保行为的旅客的出行订单数据特征正相关，便于根据出行异常参数的数值判断目标客户的出行订单与实际出行需求是否匹配；在出行异常参数的计算公式中，第六标准值的设定是为了分析目标客户的出行订单是否异常时，减小客户偶然的异常行为对判定客户是否异常可能造成的影响，权重系数的设定是为了便于调整出行冲突率和冲突订单数在出行异常参数中的权重以便提高对客户风险投保倾向评估的科学性。
附图说明
图1是本申请实施例一中用于航空客运保险的风险投保行为识别拦截方法的流程图。
图2是本申请实施例二中用于航空客运保险的风险投保行为识别拦截系统的一原理框图。
图3是本申请实施例三中的设备示意图。
具体实施方式
以下结合附图1至3对本申请作进一步详细说明。
实施例一
参照图1，本申请公开一种用于航空客运保险的风险投保行为识别拦截方法，具体包括如下步骤：
S10：接收投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单。
在本实施例中，投保预备信号是指在检测到用户存在投保需求或投保意愿时生成的信号；出行订单是指航空客运订单；出行订单记录的订单信息包括出发地、目的地、出行时间信息、冲突标记信息、退改信息、乘机标记信息、航班异常标记信息，其中出行时间信息包括预计飞行时间、乘机手续停办时间等；冲突标记信息用于根据当前出行订单与其他出行订单之间是否存在行程冲突，若存在行程冲突则该出行订单标记有冲突标记信息；退改信息包括该出行订单的退改标记和退改时间，退改标记用于区分出行订单存在或不存在退改记录，无退改记录则退改时间为空；乘机标记信息息包括该出行订单的乘机标记和退改时间，乘机标记用于区分出行订单存在或不存在值机、登机记录，无值机、登机记录则乘机时间为空；航班异常标记信息包括该出行订单的延误标记、取消标记、延误时间、取消时间，延误标记、取消标记用于区分出行订单存在或不存在延误、取消记录，无延误、取消记录则对应的延误时间、取消时间为空。
具体地，当目标客户存在投保需求时，接收对应的投保预备信号，根据投保预备信号获取目标客户的历史出行订单、未来出行订单和待投保订单，便于后续评估用户的出行订单，以判断目标客户的异常投保行为倾向性，优选的，历史出行订单是此前一段特定时间范围内的出行订单，例如此前一年内的订单。
其中，在步骤S10中，包括：
S11：检测来自目标客户终端的投保查询信号，以触发对应的投保预备信号，所述投保查询信号记录了目标客户对应的客户标识信息和待投保订单对应的订单标识信息。
在本实施例中，各类标识信息均是指用于起区分、识别左右的信息，具体可以是名称、代码、编号等；投保查询信号是指目标客户点击保险订购选项或进入保险详情展示页面时在目标客户终端生成的信号，投保查询信号记录了目标客户对应的客户标识信息和待投保订单对应的订单标识信息，待投保订单是指目标客户点击保险订购选项或进入保险详情展示页面所对应的出行订单；投保预备信号是指对投保查询信号的响应信号。
具体地，当目标客户存在投保需求而点击保险订购选项、进入保险详情展示页面或打开保险查询界面时，生成投保查询信号；检测来自目标客户终端的投保查询信号，根据投保查询信号确定客户标识信息和订单标识信息，并进一步根据投保查询信号生成对应的投保预备信号。
S12：基于所述投保预备信号对应的客户标识信息和订单标识信息，从订单数据库中获取历史出行订单、未来出行订单和待投保订单。
在本实施例中，订单数据库是指用于存储客户出行订单的数据库，具体可以是记录客户在本公司/本平台的订单，也可以导入其他合作单位记录的订单。
具体地，基于投保预备信号对应的客户标识信息和订单标识信息，从订单数据库中获取目标客户的历史出行订单、未来出行订单和待投保订单，便于后续对这些订单记录的信息进行分析，从而识别风险投保行为。
S20：基于目标客户的历史出行订单，统计目标客户退改订单对应的退改异常率，以及未退改订单对应的非退改异常率和非退改乘机率，基于退改异常率、非退改异常率和非退改乘机率，计算历史异常参数。
在本实施例中，退改订单是指存在退改记录的订单；退改异常率是指客户所有退改订单中，存在延误记录和/或取消记录的出行订单所占比例；未退改订单是指超过退改期限后未标记有退改记录的出行订单；非退改异常率是指客户所有未退改订单中，存在延误记录和/或取消记录的出行订单所占比例；非退改乘机率是指客户所有未退改订单中，存在值机记录的出行订单所占比例；历史异常参数是指用于根据目标客户的历史出行订单评估目标客户的历史乘机、退改行为异常程度的参数。
具体地，根据目标客户的历史出行订单，统计目标客户所有退改订单所对应的航班异常概率，从而确定退改异常率，统计目标客户所有非退改订单所对应的航班异常概率和乘机概率，以获知目标客户的退改订单和非退改订单出行航班异常现象的概率，根据退改异常率、非退改异常率和非退改乘机率计算历史异常参数，以便通过历史出行订单分析目标客户的对历史出行订单的退改行为和乘机行为是否符合具有正常出行需求的旅客的特征，进而判断目标客户的退改行为和乘机行为是否异常。
其中，在步骤S20中，历史异常参数的计算公式为：
X1＝k1f(T1)+k2f(T2)+k3f(T3)
在本实施例中，X1为历史异常参数，T1为退改异常率，T2为非退改异常率，T3为非退改乘机率，还包括若干预设数值：其中S1为第一标准值，S4为第四标准值，S4＞S1，k1为第一权重系数，S2为第二标准值，k2为第二权重系数，S3为第三标准值，S5为第五标准值，k3为第三权重系数，S5＞S3。
对于存在正常出行需求而搭乘飞机的旅客中，当发生天气恶劣现象而存在航班延误、取消风险时，旅客可能会选择退改机票并选择其他出行方式，若难以选择其他出行方式时，旅客也会继续等候并搭乘飞机，因此，对于正常旅客来说，其历史出行订单的退改异常率、非退改乘机率数值相对较高，而非退改异常率相对较低；对于不存在正常出行需求而希望通过延误取消险等保险牟利的客户来说，当发生天气恶劣现象而存在航班延误、取消风险时，客户取消订单的意愿低，反而在天气较好时选择退改机票，且这些客户通常不会真正办理值机登机手续，因此，这些客户的退改异常率、非退改乘机率数值相对较低，而非退改异常率相对较高。
具体地，根据上述计算公式，历史异常参数的数值与退改异常率、非退改乘机率负相关，与非退改异常率正相关，以便使历史异常参数的数值与存在风险投保行为的旅客的历史出行订单数据特征正相关，便于根据历史异常参数的数值判断目标客户的退改行为和乘机行为是否异常。
具体地，由于存在正常出行需求而搭乘飞机的旅客偶尔也会出现误机、因无法转换其他交通工具而选择在天气恶劣时继续搭乘飞机、或是因行程变更而在天气良好时退改机票，因此，在历史异常参数的计算公式中，第一标准值、第二标准值和第三标准值的设定是为了分析目标客户退改、乘机行为是否异常时，减小客户偶然的异常行为对判定客户是否异常可能造成的影响；权重系数的设定是为了便于调整不同类型退改、乘机行为对历史异常参数的数值的重要性；退改异常率或非退改乘机率的数值越大，则认为目标客户的正常出行倾向越大，可以一定程度抵免其他异常退改、乘机行为对历史异常参数数值的贡献，但通过第四标准值、第五标准值为退改异常率项、非退改乘机率项的抵免效果上限进行了限制，并令非退改异常率项无法抵免其他异常退改、乘机行为对历史异常参数数值的贡献，以便提高对客户风险投保倾向评估的科学性。
S30：基于目标客户的出行订单，统计目标客户出行订单对应的出行冲突率和冲突订单数，基于所述出行冲突率和冲突订单数计算出行异常参数。
在本实施例中，冲突订单数是指关联有冲突标记信息的出行订单的数量；出行冲突率是指客户所有出行订单中，关联有冲突标记信息的出行订单所占比例；出行异常参数是指用于根据目标客户的各出行订单的行程冲突情况评估目标客户出行订单异常程度的参数。
具体地，出行冲突的判定规则为：根据出行订单的乘机手续停办时间为起点，预计飞行结束时间为终点生成乘机必要时段，若不同出行订单的乘机必要时段存在重叠，或者是不同出行订单的乘机必要时段之间的间隔小于预设的转机必要时间，在前出行订单的目的地与在后出现订单的出发地之间的通勤必要时间时，则判定存在出行冲突。
具体地，基于目标客户的所有出行订单，分析各出行订单之间是否存在行程冲突，以便根据存在行程冲突的冲突订单数与总出行订单量计算出行冲突率，进一步计算出行异常参数，以便获知目标客户的出行订单与实际出行需求是否匹配。
其中，在步骤S30中，出行异常参数的计算公式为：
X2＝k6f(T6)+k7N7
在本实施例中，X2为出行异常参数，T6为出行冲突率，N7为冲突订单数，还包括若干预设数值：其中k6为第六权重系数，k7为第七权重系数，S6为第六标准值。
具体地，由于正常搭乘飞机的旅客通常不会购买存在行程冲突的多张机票，因此，根据上述计算公式，出行异常参数的数值与出行冲突率和冲突订单数正相关，以便使出行异常参数的数值与存在风险投保行为的旅客的出行订单数据特征正相关，便于根据出行异常参数的数值判断目标客户的出行订单与实际出行需求是否匹配；在出行异常参数的计算公式中，第六标准值的设定是为了分析目标客户的出行订单是否异常时，减小客户偶然的异常行为对判定客户是否异常可能造成的影响，例如，对于存在紧急出行需求的旅客偶尔可能会购买存在行程冲突的机票；权重系数的设定是为了便于调整出行冲突率和冲突订单数在出行异常参数中的权重以便提高对客户风险投保倾向评估的科学性。
S40：基于所述历史异常参数、出行异常参数和待投保订单的冲突标记信息，计算目标客户的异常投保评分，基于所述异常投保评分生成投保应答信息。
在本实施例中，异常投保评分是指用于评估目标客户风险投保行为倾向性程度的分值；投保应答信息是指根据目标客户的异常投保评分而生成的用于向目标客户反馈是否承接投保订单以及投保订单报价和合同条款的信息。
具体地，根据历史异常参数、出行异常参数和待投保订单的冲突标记信息，计算目标客户的异常投保评分，根据异常投保评分确定是否承接该目标客户的投保订单，以生成投保应答信息。
其中，在步骤S40中，异常投保评分的计算公式为：
Y＝k8X1+k9X2+k10X3
在本实施例中，Y为异常投保评分，X3为冲突标记赋值，还包括若干预设数值：其中k8为第八权重系数，k9为第九权重系数，k10为第十权重系数；其中冲突标记赋值是指根据待投保订单的冲突标记信息确定的赋值，优选的，当待投保订单关联有冲突标记信息时，冲突标记赋值为1，当待投保订单未关联有冲突标记信息时，冲突标记赋值为0。
具体地，根据上述计算公式，异常投保评分的数值与历史异常参数、出行异常参数、以及冲突标记信息对应的冲突标记赋值均正相关，便于根据历史异常参数、出行异常参数和冲突标记信息三项指标综合评估目标客户是否存在风险投保倾向。
其中，在步骤S40中，基于所述异常投保评分生成投保应答信息包括：
S41：将所述异常投保评分与预设的第一评分阈值、第二评分阈值分别进行对比，当异常投保评分大于等于第一评分阈值时，生成禁止投保的投保应答信息。
在本实施例中，第一评分阈值大于第二评分阈值。
具体地，将异常投保评分与预设的第一评分阈值进行比较，若异常投保评分大于第一评分阈值，则该目标客户的风险投保倾向明显，生成禁止投保的投保应答信息，并将投保应答信息发送至目标客户终端，以阻止该目标客户进行投保。
进一步地，当异常投保评分小于第二评分阈值时，则该目标客户的风险投保倾向很低，生成包含保单标准报价的投保应答信息，并将投保应答信息发送至目标客户终端，以按照标准报价承接目标客户的投保订单。
S42：当异常投保评分小于第一评分阈值而大于等于第二评分阈值时，基于异常投保评分和预设的报价规则计算对应的保单报价，生成包含所述保单报价的投保应答信息。
具体地，当异常投保评分介于第一评分阈值与第二评分阈值之间时，则该目标客户存在一定的风险投保倾向，基于异常投保评分和预设的报价规则确定对应的保单报价，并生成包含保单报价的投保应答信息，并将投保应答信息发送至目标客户终端，该保单报价高于保单标准报价，便于根据目标客户的风险投保倾向性的高低调整保单报价，提高保单报价的合理性。
应理解，上述实施例中各步骤的序号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，而不应对本申请实施例的实施过程构成任何限定。
实施例二
用于航空客运保险的风险投保行为识别拦截系统，该用于航空客运保险的风险投保行为识别拦截系统与上述实施例中用于航空客运保险的风险投保行为识别拦截方法相对应。
如图2所示，用于航空客运保险的风险投保行为识别拦截系统，包括订单获取模块、历史异常参数计算模块、出行异常参数计算模块和投保应答信息生成模块。各功能模块的详细说明如下：
订单获取模块，用于接收投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单；
历史异常参数计算模块，用于基于目标客户的历史出行订单，统计目标客户退改订单对应的退改异常率，以及未退改订单对应的非退改异常率和非退改乘机率，基于退改异常率、非退改异常率和非退改乘机率，计算历史异常参数；
出行异常参数计算模块，用于基于目标客户的出行订单，统计目标客户出行订单对应的出行冲突率和冲突订单数，基于所述出行冲突率和冲突订单数计算出行异常参数；
投保应答信息生成模块，用于基于所述历史异常参数、出行异常参数和待投保订单的冲突标记信息，计算目标客户的异常投保评分，基于所述异常投保评分生成投保应答信息。
其中，订单获取模块还包括：
投保预备信号生成子模块，用于检测来自目标客户终端的投保查询信号，以触发对应的投保预备信号，所述投保查询信号记录了目标客户对应的客户标识信息和待投保订单对应的订单标识信息；
关联订单匹配子模块，用于基于所述投保预备信号对应的客户标识信息和订单标识信息，从订单数据库中获取历史出行订单、未来出行订单和待投保订单。
其中，投保应答信息生成模块还包括：
禁止投保应答子模块，用于将所述异常投保评分与预设的第一评分阈值、第二评分阈值分别进行对比，当异常投保评分大于等于第一评分阈值时，生成禁止投保的投保应答信息；
保单报价应答子模块，用于当异常投保评分小于第一评分阈值而大于等于第二评分阈值时，基于异常投保评分和预设的报价规则计算对应的保单报价，生成包含所述保单报价的投保应答信息。
关于用于航空客运保险的风险投保行为识别拦截系统的具体限定可以参见上文中对于用于航空客运保险的风险投保行为识别拦截方法的限定，在此不再赘述；上述用于航空客运保险的风险投保行为识别拦截系统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，也可以是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。
实施例三
一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图3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、网络接口和数据库。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、计算机程序和数据库。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。该计算机设备的数据库用于存储投保预备信号、历史出行订单、未来出行订单、待投保订单、退改异常率、非退改异常率、非退改乘机率、历史异常参数、出行冲突率、冲突订单数、出行异常参数、异常投保评分和投保应答信息等数据。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用于航空客运保险的风险投保行为识别拦截方法。
在一个实施例中，提供了一种计算机设备，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，处理器执行计算机程序时实现以下步骤：
S10：接收投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单；
S20：基于目标客户的历史出行订单，统计目标客户退改订单对应的退改异常率，以及未退改订单对应的非退改异常率和非退改乘机率，基于退改异常率、非退改异常率和非退改乘机率，计算历史异常参数；
S30：基于目标客户的出行订单，统计目标客户出行订单对应的出行冲突率和冲突订单数，基于所述出行冲突率和冲突订单数计算出行异常参数；
S40：基于所述历史异常参数、出行异常参数和待投保订单的冲突标记信息，计算目标客户的异常投保评分，基于所述异常投保评分生成投保应答信息。
在一个实施例中，提供了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：
S10：接收投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单；
S20：基于目标客户的历史出行订单，统计目标客户退改订单对应的退改异常率，以及未退改订单对应的非退改异常率和非退改乘机率，基于退改异常率、非退改异常率和非退改乘机率，计算历史异常参数；
S30：基于目标客户的出行订单，统计目标客户出行订单对应的出行冲突率和冲突订单数，基于所述出行冲突率和冲突订单数计算出行异常参数；
S40：基于所述历史异常参数、出行异常参数和待投保订单的冲突标记信息，计算目标客户的异常投保评分，基于所述异常投保评分生成投保应答信息。
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，所述的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。
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申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.用于航空客运保险的风险投保行为识别拦截方法，其特征在于，包括：
接收投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单；
基于目标客户的历史出行订单，统计目标客户退改订单对应的退改异常率，以及未退改订单对应的非退改异常率和非退改乘机率，基于退改异常率、非退改异常率和非退改乘机率，计算历史异常参数；
基于目标客户的出行订单，统计目标客户出行订单对应的出行冲突率和冲突订单数，基于所述出行冲突率和冲突订单数计算出行异常参数；
基于所述历史异常参数、出行异常参数和待投保订单的冲突标记信息，计算目标客户的异常投保评分，基于所述异常投保评分生成投保应答信息；
所述出行订单记录的订单信息包括出发地、目的地、出行时间信息、冲突标记信息、退改信息、乘机标记信息、航班异常标记信息。
2.根据权利要求1所述的用于航空客运保险的风险投保行为识别拦截方法，其特征在于：所述基于退改异常率、非退改异常率和非退改乘机率，计算历史异常参数中，所述历史异常参数的计算公式为：
X1＝k1f(T1)+k2f(T2)+k3f(T3)
在所述历史异常参数的计算公式中，X1为历史异常参数，T1为退改异常率，T2为非退改异常率，T3为非退改乘机率，还包括若干预设数值：其中S1为第一标准值，S4为第四标准值，S4>S1，k1为第一权重系数，S2为第二标准值，k2为第二权重系数，S3为第三标准值，S5为第五标准值，k3为第三权重系数，S5>S3。
3.根据权利要求2所述的用于航空客运保险的风险投保行为识别拦截方法，其特征在于：所述基于出行冲突率和冲突订单数计算出行异常参数中，出行异常参数的计算公式为：
X2＝k6f(T6)+k7N7
在所述出行异常参数的计算公式中，X2为出行异常参数，T6为出行冲突率，N7为冲突订单数，还包括若干预设数值：其中k6为第六权重系数，k7为第七权重系数，S6为第六标准值。
4.根据权利要求3所述的用于航空客运保险的风险投保行为识别拦截方法，其特征在于：所述基于所述历史异常参数、出行异常参数和待投保订单的冲突标记信息，计算目标客户的异常投保评分中，所述异常投保评分的计算公式为：
Y＝k8X1+k9X2+k10X3
在所述异常投保评分的计算公式中，Y为异常投保评分，X3为冲突标记赋值，还包括若干预设数值：其中k8为第八权重系数，k9为第九权重系数，k10为第十权重系数。
5.根据权利要求1所述的用于航空客运保险的风险投保行为识别拦截方法，其特征在于：所述基于所述异常投保评分生成投保应答信息，包括：
将所述异常投保评分与预设的第一评分阈值、第二评分阈值分别进行对比，当异常投保评分大于等于第一评分阈值时，生成禁止投保的投保应答信息；
当异常投保评分小于第一评分阈值而大于等于第二评分阈值时，基于异常投保评分和预设的报价规则计算对应的保单报价，生成包含所述保单报价的投保应答信息。
6.根据权利要求1所述的用于航空客运保险的风险投保行为识别拦截方法，其特征在于：所述接收投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单，包括：
检测来自目标客户终端的投保查询信号，以触发对应的投保预备信号，所述投保查询信号记录了目标客户对应的客户标识信息和待投保订单对应的订单标识信息；
基于所述投保预备信号对应的客户标识信息和订单标识信息，从订单数据库中获取历史出行订单、未来出行订单和待投保订单。
7.用于航空客运保险的风险投保行为识别拦截系统，其特征在于，应用于权利要求1-6任一项所述用于航空客运保险的风险投保行为识别拦截方法，包括：
订单获取模块，用于接收投保预备信号，获取目标客户的历史出行订单、未来出行订单和待投保订单；
历史异常参数计算模块，用于基于目标客户的历史出行订单，统计目标客户退改订单对应的退改异常率，以及未退改订单对应的非退改异常率和非退改乘机率，基于退改异常率、非退改异常率和非退改乘机率，计算历史异常参数；
出行异常参数计算模块，用于基于目标客户的出行订单，统计目标客户出行订单对应的出行冲突率和冲突订单数，基于所述出行冲突率和冲突订单数计算出行异常参数；
投保应答信息生成模块，用于基于所述历史异常参数、出行异常参数和待投保订单的冲突标记信息，计算目标客户的异常投保评分，基于所述异常投保评分生成投保应答信息。
8.根据权利要求7所述的用于航空客运保险的风险投保行为识别拦截系统，其特征在于：所述投保应答信息生成模块包括：
禁止投保应答子模块，用于将所述异常投保评分与预设的第一评分阈值、第二评分阈值分别进行对比，当异常投保评分大于等于第一评分阈值时，生成禁止投保的投保应答信息；
保单报价应答子模块，用于当异常投保评分小于第一评分阈值而大于等于第二评分阈值时，基于异常投保评分和预设的报价规则计算对应的保单报价，生成包含所述保单报价的投保应答信息。
9.一种计算机设备，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6任一项所述用于航空客运保险的风险投保行为识别拦截方法的步骤。
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6任一项所述用于航空客运保险的风险投保行为识别拦截方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410090510.6A CN117788181B (zh) | 2024-01-22 | 2024-01-22 | 用于航空客运保险的风险投保行为识别拦截方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410090510.6A CN117788181B (zh) | 2024-01-22 | 2024-01-22 | 用于航空客运保险的风险投保行为识别拦截方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117788181A true CN117788181A (zh) | 2024-03-29 |
| CN117788181B CN117788181B (zh) | 2024-05-14 |
Family
ID=90391268
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410090510.6A Active CN117788181B (zh) | 2024-01-22 | 2024-01-22 | 用于航空客运保险的风险投保行为识别拦截方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117788181B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108416683A (zh) * | 2018-02-27 | 2018-08-17 | 平安科技（深圳）有限公司 | 移动终端的保单确认方法、装置、设备及存储介质 |
| CN109711837A (zh) * | 2018-11-27 | 2019-05-03 | 泰康保险集团股份有限公司 | 基于区块链技术的投保处理方法、装置及电子设备 |
| CN111260438A (zh) * | 2020-01-14 | 2020-06-09 | 平安养老保险股份有限公司 | 产品配置方法、装置、计算机设备和存储介质 |
-
2024
- 2024-01-22 CN CN202410090510.6A patent/CN117788181B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108416683A (zh) * | 2018-02-27 | 2018-08-17 | 平安科技（深圳）有限公司 | 移动终端的保单确认方法、装置、设备及存储介质 |
| CN109711837A (zh) * | 2018-11-27 | 2019-05-03 | 泰康保险集团股份有限公司 | 基于区块链技术的投保处理方法、装置及电子设备 |
| CN111260438A (zh) * | 2020-01-14 | 2020-06-09 | 平安养老保险股份有限公司 | 产品配置方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117788181B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11361426B2 (en) | Paint blending determination | |
| CN111915155A (zh) | 小微企业风险等级识别方法、装置及计算机设备 | |
| US20220414125A1 (en) | Systems and Methods for Computer Modeling Using Incomplete Data | |
| CN110598989B (zh) | 一种货源质量评估方法、装置、设备和存储介质 | |
| CN113837688B (zh) | 运输资源匹配方法、装置、可读存储介质和计算机设备 | |
| CN117788181B (zh) | 用于航空客运保险的风险投保行为识别拦截方法及系统 | |
| CN112766587A (zh) | 物流订单处理方法、装置、计算机设备以及存储介质 | |
| CN114331663B (zh) | 适用于财务信息的多维路径比对式数据处理方法及装置 | |
| CN111949857B (zh) | 一种航班查询请求的处理方法、装置及电子设备 | |
| CN112053087A (zh) | 投诉工单的处理方法、装置、设备及存储介质 | |
| CN118096242A (zh) | 一种预测方法、装置、电子设备及存储介质 | |
| CN114997961A (zh) | 货运取消单的处理方法、装置、计算机设备和存储介质 | |
| CN116823415A (zh) | 基于里程的租赁渠道风险评估方法、装置、设备及介质 |
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 |