KR20230001435A - 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치 - Google Patents

고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치 Download PDF

Info

Publication number
KR20230001435A
KR20230001435A KR1020210084265A KR20210084265A KR20230001435A KR 20230001435 A KR20230001435 A KR 20230001435A KR 1020210084265 A KR1020210084265 A KR 1020210084265A KR 20210084265 A KR20210084265 A KR 20210084265A KR 20230001435 A KR20230001435 A KR 20230001435A
Authority
KR
South Korea
Prior art keywords
customer
information
insurance
guarantee
analysis
Prior art date
Application number
KR1020210084265A
Other languages
English (en)
Inventor
김규태
Original Assignee
보맵 주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 보맵 주식회사 filed Critical 보맵 주식회사
Priority to KR1020210084265A priority Critical patent/KR20230001435A/ko
Publication of KR20230001435A publication Critical patent/KR20230001435A/ko

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
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Technology Law (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

다양한 세그먼트를 기반으로 분류한 고객유형 및 발병 가능한 질병을 포함하는 고객 위험성 예측에 기초하여 가입보험정보에 대한 보장정보를 분석하여, 고객유형의 기준에 부합하면서 고객 위험성을 보완 가능한 최적의 보험상품을 추천하는 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치에 관한 것이다.

Description

고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치{METHOD AND APPARATUS OF SERVICE FOR FITTING INSURANCE COVERAGE BASED ON INTEGRATED ANALYSIS OF CUSTOMER INFORMATION}
본 발명은 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치에 관한 것으로서, 다양한 세그먼트를 기반으로 분류한 고객유형 및 발병 가능한 질병을 포함하는 고객 위험성 예측을 기반으로 가입보험정보에 대한 보장정보를 분석하여, 고객유형의 기준에 부합하면서 고객 위험성을 보완 가능한 최적의 보험상품을 추천하는 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치에 관한 것이다.
최근 개인이 가입한 보험상품을 통합 조회하고 성별이나 연령, 건강검진 결과 등을 토대로 과하거나 부족한 보장 내역 분석을 시도하는 핀테크 기업들이 늘어나고 있다.
하지만, 여전히 대부분 이들 핀테크 기업은 기존 보험가입정보 정도만 보험설계사의 주관적인 판단 하에 단순한 방식으로 분석하여 부족/과보장 항목을 판단해주고, 현재 상태를 개선시킬 수 있는 보험 상품 설계를 하고 있는 것이 현실이다.
'특허문헌 1'에는 설계관리자를 위한 보험약관 기반의 통합 보험 설계 서비스 제공 시스템이 개시되어 있는데, 타겟 고객에 대한 각 보험의 보장분석 결과, 타겟 고객에 대한 보험의 비교설계 결과, 타겟 고객에 대한 보험추천 결과, 타겟 고객에 대한 부가서비스 추천 결과 중 하나 이상을 타겟 관리자에게 제공함으로써, 보험약관을 기반으로 해당 고객에게 보험상품이나 금융상품에 대해 최적화된 맞춤 설계를 안내하고 있다.
아울러, '특허문헌 1'은 고객이 월소득 및 월 납입 납부 보험료에 대응하는 란을 기입하면 그에 따라 가입 년수에 따른 예상수령액을 클라이언트 단말의 화면에 표시해주고, 해당 보험약관으로부터 타겟 고객의 제반 정보에 대응하는 텍스트 마이닝을 실행시킴으로써 타겟 고객에 대응하는 하나 이상의 보험 서비스 항목을 획득하도록 구성하고 있다.
그러나, 특허문헌 1에 개시된 발명에서는 여전히 보험 설계 서비스를 제공함에 있어서 고객에 관한 정보를 반영하기 위한 세그먼트가 부족한 편이고, 정보 획득 수단 또한 미흡하며, 고객정보에 대한 통합적 분석이 더욱 요구된다.
(특허문헌 0001) 대한민국 등록특허 제10-2155567호
본 발명은 종래의 문제를 해결하기 위해 안출한 것으로서, 본 발명은 다양한 세그먼트를 기반으로 분류한 고객유형 및 발병 가능한 질병을 포함하는 고객 위험성 예측을 기반으로 가입보험정보에 대한 보장정보를 분석하여, 고객유형의 기준에 부합하면서 고객 위험성을 보완 가능한 최적의 보험상품을 추천하는 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치를 제공하고자 한다.
본 발명의 일 실시예에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 방법은, 고객의 건강정보, 가입보험정보를 포함하는 마이데이터 및 개인정보를 포함하는 고객정보를 수집하는 단계; 상기 고객정보에 포함되는 각 세그먼트별 분석을 기반으로 고객유형을 결정하는 단계; 상기 고객의 건강정보를 기반으로 발병 가능한 질병을 포함하는 고객 위험성을 예측하는 단계; 상기 고객유형 및 고객 위험성을 고려하여 상기 가입보험정보에 대한 보장정보를 분석하는 단계; 및 상기 분석 결과를 기반으로 상기 고객유형에 대해 미리 설정된 적정 보장 기준에 부합하면서 상기 고객 위험성을 보완 가능한 보장항목을 포함하는 보험 상품을 검출하여 고객에게 추천하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 장치는 고객의 건강정보, 가입보험정보를 포함하는 마이데이터 및 개인정보를 포함하는 고객정보를 수집하는 고객정보 수집부; 상기 고객정보에 포함되는 각 세그먼트별 분석을 기반으로 고객유형을 결정하고, 상기 고객의 건강정보를 기반으로 발병 가능한 질병을 포함하는 고객 위험성을 예측하며, 상기 고객유형 및 고객 위험성을 고려하여 상기 가입보험정보에 대한 보장정보를 분석하는 고객정보 분석부; 및 상기 분석 결과를 기반으로 상기 고객유형에 대해 미리 설정된 적정 보장 기준에 부합하면서 상기 고객 위험성을 보완 가능한 보장항목을 포함하는 보험 상품을 검출하여 고객에게 추천하는 보험상품 추천부를 포함할 수 있다.
상기와 같은 본 발명의 일 실시예에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치에 의하면, 다양한 세그먼트를 포함하는 고객정보를 통합적으로 분석하고, 유사한 고객유형 정보를 기반으로 인공지능 알고리즘을 이용한 분석을 통해 고객에게 적합한 보장항목, 보장금액 및 납부 보험료를 산출하여 최적의 보험상품을 추천해줄 수 있다.
아울러, 본 발명의 일 실시예에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치에 의하면, 고객의 건강상태에 따라 차후 발병 가능한 질병을 포함하는 고객 위험성을 예측하고, 예측된 고객 위험성을 보완하여 대비 가능하면서도 고객의 현재 보험가입상태와 제반 수준에 적합한 보험 상품을 추천해줌으로써 경제적인 관점에서도 최적화된 보험 설계를 구현해줄 수 있다.
도 1은 본 발명에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 시스템의 구성을 도시하는 블록도이다.
도 2는 본 발명에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 장치의 구성을 도시하는 블록도이다.
도 3은 고객정보 세그먼트에 마이데이터를 도입하기 전 후 간의 보험 보장핏팅 서비스 비교 과정을 도시한다.
도 4는 본 발명의 실시예에 따라 보험 상품을 산출된 종합 점수를 기반으로 순위에 따라 사용자 단말로 출력하는 일 예를 도시한다.
도 5는 본 발명의 실시예에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 방법을 설명하기 위한 순서도이다.
이하에서 본 발명의 기술적 사상을 명확화하기 위하여 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하도록 한다. 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성요소에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략할 것이다. 도면들 중 실질적으로 동일한 기능구성을 갖는 구성요소들에 대하여는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 참조번호들 및 부호들을 부여하였다. 설명의 편의를 위하여 필요한 경우에는 장치와 방법을 함께 서술하도록 한다.
도 1은 본 발명에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 시스템의 구성을 도시하는 블록도이다.
도 1에 도시된 바와 같이, 본 발명에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 시스템은 고객의 건강 정보를 제공하는 건강 정보제공 서버(100), 고객의 보험 가입 정보를 제공하는 보험 가입 정보제공 서버(200), 고객의 마이데이터 정보를 제공하는 마이데이터 제공 서버(300), 고객정보 통합분석기반 보험 보장핏팅 서비스 장치(400) 및 사용자 단말(500)을 포함한다.
건강 정보제공 서버(100)는 고객의 건강 정보를 고객정보 통합분석기반 보험 보장핏팅 서비스 장치(400)로 제공하는 서버로서, 제휴 병원 관리 서버, 제휴 피트니스 센터 서버 및 국민건강보험관리공단 서버가 될 수 있다. 이외에도, 고객의 건강 정보를 수집하고, 고객정보 통합분석기반 보험 보장핏팅 서비스 장치(400)에 제공할 수 있는 어떠한 서버도 될 수 있다.
보험 가입 정보제공 서버(200)는 보험 증권 정보, 고객이 가입한 보험 증권 정보, 현재 보험 관계가 유지 중인 보험 증권 정보나 보험 상품 정보를 고객정보 통합분석기반 보험 보장핏팅 서비스 장치(400)로 제공하는 서버로서, 제휴 보험사 관리 서버일 수 있다. 이외에도, 고객의 보험 가입 정보를 수집하고, 고객정보 통합분석기반 보험 보장핏팅 서비스 장치(400)에 제공할 수 있는 어떠한 서버도 될 수 있다.
마이데이터 제공 서버(300)는 정보 주체의 권리에 근거하여 해당 데이터의 개방이 허가된 개인의 마이데이터(My Data)를 고객정보 통합분석기반 보험 보장핏팅 서비스 장치(400)로 제공하는 서버이다.
여기서, 마이데이터는 개인의 소득, 자산, 재무 및 금융 정보를 포함하는 신용 정보를 포함할 수 있다. 마이데이터 제공 서버(300)는 마이데이터 사업을 기반으로 금융소비자의 금융자산 정보, 신용 정보 등의 데이터가 금융사에 산재해 있어 관리가 힘들었던 것을 개선시켜 개인이 관리주체가 될 수 있게 하여, 이러한 정보를 적극적으로 활용해 자산관리뿐만 아니라 보험 관리에 적용할 수 있다.
즉, 예금/대출 관련 정보, 신용카드/지급결제 관련정보, 보험/금융투자상품/통신 관련 정보, 공공정보 등 다양한 개인 신용정보가 마이데이터를 통해 수집 및 관리되어 자산관리 등 맞춤형 서비스에 활용될 수 있다.
한편, 본 발명의 실시예에서는 설명과 이해의 편의를 위해 건강 정보제공 서버(100) 및 보험 가입 정보제공 서버(200)를 마이데이터 제공 서버(300)와 분류하여 개시하였지만, 실제로 가입 보험 정보의 경우도 신용정보법상 마이데이터 사업자가 전송받을 수 있는 마이데이터에 해당되며, 의료분야에서도 자신의 건강정보를 모아서 마이데이터 사업자에게 제공하고 직접 활용할 수 있는 바, 본 발명의 건강 정보 및 가입 보험 정보는 마이데이터 범주에 포함될 수 있고, 따라서 건강 정보 및 가입 보험 정보도 마이데이터 제공 서버(300)로부터 수집할 수도 있다.
고객정보 통합분석기반 보험 보장핏팅 서비스 장치(400)는 다양한 세그먼트를 기반으로 분류한 고객유형 및 발병 가능한 질병을 포함하는 고객 위험성 예측에 기초하여 가입보험정보에 대한 보장정보를 분석하여, 고객유형의 기준에 부합하면서 고객 위험성을 보완 가능한 최적의 보험상품을 추천할 수 있다.
이를 위해 도 2에 도시된 바와 같이 고객정보 통합분석기반 보험 보장핏팅 서비스 장치(400)는 고객 정보 수집부(410), 고객정보 분석부(420) 및 보험상품 추천부(430)를 포함한다.
고객 정보 수집부(410)는 고객의 개인정보, 건강정보, 가입보험정보 및 마이데이터를 수집할 수 있다. 전술한 바와 같이, 고객의 건강정보는 건강 정보제공 서버(100)로부터, 가입보험정보는 보험 가입 정보제공 서버(200)로부터, 마이데이터는 마이데이터 제공 서버(300)로부터 수집될 수 있으며, 고객의 개인정보는 고객이 사용자 단말(500)을 통해 고객정보 통합분석기반 보험 보장핏팅 서비스 앱을 통해 회원가입 할 때 등록된 정보 및 질의를 통한 설문 등에 의해 획득할 수 있다. 아울러, 건강 정보 및 가입 보험 정보는 마이데이터 범주에 포함될 수 있는 바, 건강 정보 및 가입 보험 정보를 마이데이터 제공 서버(300)로부터 수집할 수도 있다.
고객정보 분석부(420)는 고객유형을 결정하기 위해서 고객정보에 포함되는 각 세그먼트와 각 세그먼트별로 매핑되는 레벨정보를 분류하고, 상기 분류된 레벨정보를 이용하여 유사도를 기반으로 복수의 고객유형 중 하나로 상기 고객을 할당할 수 있다.
일 실시예로, 각 세그먼트의 레벨 별 가중치에 따라 상기 고객의 레벨 분류 벡터를 계산하고, 상기 고객의 레벨 분류 벡터를 이용하여 상기 복수의 고객그룹 중 해당하는 그룹으로 상기 고객을 할당할 수 있다.
이를 위해, 고객정보 분석부(420)는 개인정보에 해당하는 제1 세그먼트 별로 기 설정된 레벨 별 가중치를 반영하고, 건강정보에 해당하는 제2 세그먼트 별로 기 설정된 레벨 별 가중치를 반영하며, 마이데이터에 해당하는 제3 세그먼트 별로 기 설정된 레벨 별 가중치를 반영하여 각 세그먼트별 상기 고객의 레벨 분류 벡터를 계산할 수 있다.
일 실시예로, 개인정보에 포함되는 적어도 하나 이상의 제1 세그먼트로서, 성, 연령, 결혼유무 및 자녀유무 등에 따라 각각 레벨이 미리 설정되어 있을 수 있고, 각 세그먼트의 중요도에 따라 가중치가 미리 설정되어 있을 수 있다.
일 실시예로, 건강정보에 포함되는 적어도 하나 이상의 제2 세그먼트로서, BMI 지수, 체지방, 혈압, 질병 등에 따라 각각 레벨이 미리 설정되어 있을 수 있고, 각 세그먼트의 중요도에 따라 가중치가 미리 설정되어 있을 수 있다.
일 실시예로, 마이데이터에 해당하는 적어도 하나 이상의 제3 세그먼트로서, 자산 규모, 소득 수준, 투자 정보, 소비패턴, 보유보험약관에 따라 각각 레벨이 미리 설정되어 있을 수 있고, 각 세그먼트의 중요도에 따라 가중치가 미리 설정되어 있을 수 있다. 여기서, 제3 세그먼트는 보험가입정보, 보험계약대출정보, 카드결제정보, 카드대출정보, 은행의 대출, 예금 및 투자 정보를 더 포함할 수 있으며, 이에 한정하지 않는다.
이와 같이 고객정보 분석부(420)는 각 세그먼트별 고객의 레벨 분류 벡터를 계산한 다음, 임의의 N(단, N은 자연수)개의 고객유형 중 하나로 고객을 할당할 수 있다.
이를 위해 먼저, 레벨 분류 벡터에 기반하여 고객들의 클러스터링이 구축되어 있을 수 있다. 고객들의 클러스터링 방법은 복수의 고객들을 각각의 레벨 분류 벡터에 따라 임의의 N개의 클러스터로 할당하고, N개의 클러스터 각각의 중심점에 기초하여 각각의 레벨 분류 벡터를 N개의 클러스터 중 어느 하나로 재할당하며, 레벨 분류 벡터가 재할당된 N개의 클러스터 각각의 중심점들을 다시 계산하고, 레벨 분류 벡터의 재할당의 반복 여부를 결정하는 과정을 포함할 수 있다.
그리고, 고객정보 분석부(420)는 고객의 건강정보를 기반으로 발병 가능한 질병을 포함하는 고객 위험성을 예측할 수 있다.
일 예로, 고객정보 분석부(420)는 건강보험공단으로부터 수집된 건강검진내역, 문진표에 기록된 기록정보로부터 수집된 생활변수 및 가족력, 병원으로부터 수집된 건강검진결과, 건강검진분석정보, 유전자 정보 및 의학생체 나이정보 중 적어도 하나를 고려하여 고객에게 차후 발생 가능한 질병의 종류 및 발생확률을 예측할 수 있다. 더불어, 상기 예측된 발생 가능한 질병에 따라 필요한 질병별 예상 치료비, 예상 간병비 및 평균 생활비 등에 관한 정보를 더 예측할 수 있다.
아울러, 고객정보 분석부(420)는 이와 같이 결정된 고객유형과 예측된 고객 위험성을 고려하여 고객의 가입보험정보에 대한 보장정보를 분석할 수 있다.
이를 위해, 고객정보 분석부(420)는 복수의 고객유형 및 복수의 고객 위험성에 관한 정보를 빅데이터로 저장한 다음 미리 학습된 인공지능 알고리즘을 통해 상기 고객이 할당된 고객유형 및 상기 예측된 고객 위험성에 대해 임계치 이상의 상관계수를 갖는 케이스를 검출할 수 있다. 그리고, 상기 검출된 케이스에 매핑된 보장 항목, 보장 금액 및 납부 보험료 정보를 적정 보장 기준으로서 검출할 수 있다.
이때, 고객정보 분석부(420)는 상기 검출된 보장항목, 보장금액 및 납부 보험료 정보를 포함하는 적정 보장 기준에 기초하여 상기 고객의 납입 가능 예상 납부 보험료, 담보별 필요 보장 금액을 산출하고, 각 보험의 보장항목, 보장금액 및 월납 납부 보험료가 상기 고객에게 적절한지 여부를 점수화하여 종합 점수를 산출할 수 있다.
보험상품 추천부(430)는 고객정보 분석부(420)에서 실행된 분석 결과를 기반으로 상기 고객유형에 대해 미리 설정된 적정 보장 기준에 부합하면서 상기 고객 위험성을 보완 가능한 보장항목을 포함하는 보험 상품을 검출하여 고객에게 추천해줄 수 있다. 이때, 고객정보 분석부(420)에서 산출된 종합 점수를 기반으로 순위별로 해당 보험 상품을 상기 고객에게 노출할 수 있다.
도 4는 본 발명의 실시예에 따라 보험 상품을 산출된 종합 점수를 기반으로 순위에 따라 사용자 단말로 출력하는 일 예를 도시한다.
이를 위해 보험상품 추천부(430)는 미리 하나 이상의 보험사에 대응하는 보험약관들과 보험상품들을 읽어 들이고 데이터베이스화 한다. 예컨대, 국내 보험상품은 7만여건이 넘는 것으로 알려져 있는데, 이에 대응하는 보험약관들을 수집하여 DB화함에 따라 이후 보험상품 추천부(430)로부터 그 DB에 대한 조회 요청이 있는 경우, 해당 정보를 제공할 수 있다.
도 3은 고객정보 세그먼트에 마이데이터를 도입하기 전 후 간의 보험 보장핏팅 서비스 비교 과정을 도시한다. 즉, 고객정보 통합분석기반 보험 보장핏팅 서비스는 고객정보의 세그먼트로서 마이데이터를 도입하여 도 3에 도시된 바와 같이 고객의 질병별 예상 치료비, 담보별 합산 보장금액, 권장 보장금액에 관한 분석뿐만 아니라, 보험약관분석, 소비패턴분석 및 고객활동분석이 가능하고, 이를 통해 보장별 보장금액을 산출하고, 가처분 소득파악 및 보유자산을 파악함으로써 고객 보험 보장핏팅 서비스를 제공할 수 있다. 다만, 마이데이터에 해당하는 세그먼트는 도 5에 도시된 요소에 한정하지 않고 전술한 세그먼트들을 채용할 수 있다.
사용자 단말(500)은 고객정보 통합분석기반 보험 보장핏팅 서비스를 받고자 하는 고객의 단말일 수 있다.
이러한 사용자 단말(500)은 본 발명의 고객정보 통합분석기반 보험 보장핏팅 서비스 시스템을 지원하기 위한 서비스 기능을 수행하는 어플리케이션을 메모리에 저장하고, 프로세서를 통해서 상기 어플리케이션을 로드하여 실행할 수 있다.
사용자 단말(500)은 메모리 및 프로세서를 포함하여 통신망에 접속하여 데이터를 송수신하기 위한 통신 기능 및 데이터를 등록하고 분석하는 기능을 포함하는 사용자 장치라면 어떠한 장치라도 가능하다. 예를 들어, 사용자 단말(500)은 네트워크(N)를 통해 원격지의 서버에 접속하거나, 타 단말 및 서버와 연결 가능한 컴퓨터나 휴대용 단말기, 웨어러블 디바이스(Wearable Device) 등으로 구현될 수 있다. 여기서, 컴퓨터는 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop)등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 스마트폰 (Smart Phone), 모바일 WiMAX(Mobile Worldwide Interoperability for Microwave Access) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
도 5는 본 발명의 실시예에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 방법을 설명하기 위한 순서도이다.
도 5를 참조하면, 본 발명의 실시예에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 방법은 보험 보장핏팅 서비스 장치가 고객의 건강정보, 가입보험정보를 포함하는 마이데이터 및 개인정보를 포함하는 고객정보를 수집할 수 있다(S510).
이때, 고객의 건강 정보는 건강 정보제공 서버로부터, 가입 보험 정보는 보험 가입 정보제공 서버로부터, 마이데이터는 마이데이터 제공 서버로부터 수집될 수 있으며, 개인정보는 고객이 사용자 단말을 통해 고객정보 통합분석기반 보험 보장핏팅 서비스 앱을 통해 회원가입 할 때 등록된 정보 및 질의를 통한 설문 등에 의해 획득할 수 있다.
여기서, 본 발명의 실시예에서는 설명과 이해의 편의를 위해 건강 정보제공 서버 및 보험 가입 정보제공 서버를 마이데이터 제공 서버와 분류하여 개시하였지만, 실제로 가입 보험 정보의 경우도 신용정보법상 마이데이터 사업자가 전송받을 수 있는 마이데이터에 해당되며, 의료분야에서도 자신의 건강정보를 모아서 마이데이터 사업자에게 제공하고 직접 활용할 수 있는 바, 본 발명의 건강 정보 및 가입 보험 정보는 마이데이터 범주에 포함될 수 있고, 따라서 건강 정보 및 가입 보험 정보도 마이데이터 제공 서버로부터 수집할 수도 있다.
S510단계에서 수집된 고객정보에 포함되는 각 세그먼트별 분석을 기반으로 고객유형을 결정할 수 있다(S520). 이와 같이 고객유형을 결정하기 위해서 고객정보 통합분석기반 보험 보장핏팅 서비스 장치는 고객정보에 포함되는 각 세그먼트와 각 세그먼트별로 매핑되는 레벨정보를 분류하고, 상기 분류된 레벨정보를 이용하여 유사도를 기반으로 복수의 고객유형 중 하나로 상기 고객을 할당할 수 있다.
일 실시예로, 각 세그먼트의 레벨 별 가중치에 따라 상기 고객의 레벨 분류 벡터를 계산하고, 상기 고객의 레벨 분류 벡터를 이용하여 상기 복수의 고객그룹 중 해당하는 그룹으로 상기 고객을 할당할 수 있다.
이를 위해, 개인정보에 해당하는 제1 세그먼트 별로 기 설정된 레벨 별 가중치를 반영하고, 건강정보에 해당하는 제2 세그먼트 별로 기 설정된 레벨 별 가중치를 반영하며, 마이데이터에 해당하는 제3 세그먼트 별로 기 설정된 레벨 별 가중치를 반영하여 각 세그먼트별 상기 고객의 레벨 분류 벡터를 계산할 수 있다.
일 실시예로, 개인정보에 포함되는 적어도 하나 이상의 제1 세그먼트로서, 성, 연령, 결혼유무 및 자녀유무 등에 따라 각각 레벨이 미리 설정되어 있을 수 있고, 각 세그먼트의 중요도에 따라 가중치가 미리 설정되어 있을 수 있다.
일 실시예로, 건강정보에 포함되는 적어도 하나 이상의 제2 세그먼트로서, BMI 지수, 체지방, 혈압, 질병 등에 따라 각각 레벨이 미리 설정되어 있을 수 있고, 각 세그먼트의 중요도에 따라 가중치가 미리 설정되어 있을 수 있다.
일 실시예로, 마이데이터에 해당하는 적어도 하나 이상의 제3 세그먼트로서, 자산 규모, 소득 수준, 투자 정보, 소비패턴, 보유보험약관에 따라 각각 레벨이 미리 설정되어 있을 수 있고, 각 세그먼트의 중요도에 따라 가중치가 미리 설정되어 있을 수 있다. 여기서, 제3 세그먼트는 보험가입정보, 보험계약대출정보, 카드결제정보, 카드대출정보, 은행의 대출, 예금 및 투자 정보를 더 포함할 수 있으며, 이에 한정하지 않는다.
이와 같이 고객정보 통합분석기반 보험 보장핏팅 서비스 장치는 각 세그먼트별 고객의 레벨 분류 벡터를 계산한 다음, 임의의 N(단, N은 자연수)개의 고객유형 중 하나로 고객을 할당할 수 있다.
이를 위해 먼저, 레벨 분류 벡터에 기반하여 고객들의 클러스터링이 구축되어 있을 수 있다. 고객들의 클러스터링 방법은 복수의 고객들을 각각의 레벨 분류 벡터에 따라 임의의 N개의 클러스터로 할당하고, N개의 클러스터 각각의 중심점에 기초하여 각각의 레벨 분류 벡터를 N개의 클러스터 중 어느 하나로 재할당하며, 레벨 분류 벡터가 재할당된 N개의 클러스터 각각의 중심점들을 다시 계산하고, 레벨 분류 벡터의 재할당의 반복 여부를 결정하는 과정을 포함할 수 있다. 이와 같은 클러스터링 방법은 보편적인 기술이기 때문에 상세한 설명은 생략하기로 한다.
다음으로, 고객의 건강정보를 기반으로 발병 가능한 질병을 포함하는 고객 위험성을 예측할 수 있다(S530). 이를 위해 고객정보 통합분석기반 보험 보장핏팅 서비스 장치는 건강보험공단으로부터 수집된 건강검진내역, 문진표에 기록된 기록정보로부터 수집된 생활변수 및 가족력, 병원으로부터 수집된 건강검진결과, 건강검진분석정보, 유전자 정보 및 의학생체 나이정보 중 적어도 하나를 고려하여 고객에게 차후 발생 가능한 질병의 종류 및 발생확률을 예측할 수 있다. 더불어, 상기 예측된 발생 가능한 질병에 따라 필요한 질병별 예상 치료비, 예상 간병비 및 평균 생활비 등에 관한 정보를 더 예측할 수 있다.
S510단계에서 결정된 고객유형 및 S530 단계에서 예측된 고객 위험성을 고려하여 고객의 가입보험정보에 대한 보장정보를 분석할 수 있다(S540).
이를 위해, 고객정보 통합분석기반 보험 보장핏팅 서비스 장치는 복수의 고객유형 및 복수의 고객 위험성에 관한 정보를 빅데이터로 저장한 다음 미리 학습된 인공지능 알고리즘을 통해 상기 고객이 할당된 고객유형 및 상기 예측된 고객 위험성에 대해 임계치 이상의 상관계수를 갖는 케이스를 검출할 수 있다. 그리고, 상기 검출된 케이스에 매핑된 보장 항목, 보장 금액 및 납부 보험료 정보를 적정 보장 기준으로서 검출할 수 있다.
이때, 고객정보 통합분석기반 보험 보장핏팅 서비스 장치는 상기 검출된 보장항목, 보장금액 및 납부 보험료 정보를 포함하는 적정 보장 기준에 기초하여 상기 고객의 납입 가능 예상 납부 보험료, 담보별 필요 보장 금액을 산출하고, 각 보험의 보장항목, 보장금액 및 월납 납부 보험료가 상기 고객에게 적절한지 여부를 점수화하여 종합 점수를 산출할 수 있다.
S540 단계의 분석 결과를 기반으로 상기 고객유형에 대해 미리 설정된 적정 보장 기준에 부합하면서 상기 고객 위험성을 보완 가능한 보장항목을 포함하는 고객 맞춤형 보험 상품을 검출하여 고객에게 추천할 수 있다(S550).
이를 위해 보험 보장핏팅 서비스 장치가 미리 하나 이상의 보험사에 대응하는 보험약관들과 보험상품들을 읽어 들이고 데이터베이스화 한다. 예컨대, 국내 보험상품은 7만여건이 넘는 것으로 알려져 있는데, 이에 대응하는 보험약관들을 수집하여 DB화함에 따라 이후 그 DB에 대한 조회 요청이 있는 경우, 해당 정보를 제공할 수 있다.
아울러, S530 단계에서 산출된 종합 점수를 기반으로 순위별로 해당 보험 상품을 상기 고객에게 노출할 수 있다. 이와 같이, 추천하는 보험상품 정보를 고객의 보험가입상태와 제반 수준을 고려하여 적합도가 높은 순위로 출력함으로써, 고객이 자신의 상황에 최적화된 보험상품을 직관적으로 확인할 수 있도록 할 수 있다.
상기와 같은 본 발명의 일 실시예에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치에 의하면, 다양한 세그먼트를 포함하는 고객정보를 통합적으로 분석하고, 유사한 고객유형 정보를 기반으로 인공지능 알고리즘을 이용한 분석을 통해 고객에게 적합한 보장항목, 보장금액 및 납부 보험료를 산출하여 최적의 보험상품을 추천해줄 수 있다.
아울러, 본 발명의 일 실시예에 따른 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치에 의하면, 고객의 건강상태에 따라 차후 발병 가능한 질병을 포함하는 고객 위험성을 예측하고, 예측된 고객 위험성을 보완하여 대비 가능하면서도 고객의 현재 보험가입상태와 제반 수준에 적합한 보험 상품을 추천해줌으로써 경제적인 관점에서도 최적화된 보험 설계를 구현해줄 수 있다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 건강 정보제공 서버
200: 보험 가입 정보제공 서버
300: 마이데이터 제공 서버
400: 고객정보 통합분석기반 보험 보장핏팅 서비스 장치
500: 사용자 단말

Claims (10)

  1. 고객의 건강정보, 가입보험정보를 포함하는 마이데이터 및 개인정보를 포함하는 고객정보를 수집하는 단계;
    상기 고객정보에 포함되는 각 세그먼트별 분석을 기반으로 고객유형을 결정하는 단계;
    상기 고객의 건강정보를 기반으로 발병 가능한 질병을 포함하는 고객 위험성을 예측하는 단계;
    상기 고객유형 및 고객 위험성을 고려하여 상기 가입보험정보에 대한 보장정보를 분석하는 단계; 및
    상기 분석 결과를 기반으로 상기 고객유형에 대해 미리 설정된 적정 보장 기준에 부합하면서 상기 고객 위험성을 보완 가능한 보장항목을 포함하는 보험 상품을 검출하여 고객에게 추천하는 단계를 포함하는 것을 특징으로 하는 고객정보 통합분석기반 보험 보장핏팅 서비스 방법.
  2. 제 1 항에 있어서,
    상기 고객유형을 결정하는 단계는,
    상기 고객정보에 포함되는 각 세그먼트와 각 세그먼트별로 매핑되는 레벨정보를 분류하는 단계; 및
    상기 분류된 레벨정보를 이용하여 유사도를 기반으로 복수의 고객유형 중 하나로 상기 고객을 할당하는 단계를 포함하는 것을 특징으로 하는 고객정보 통합분석기반 보험 보장핏팅 서비스 방법.
  3. 제 1 항에 있어서,
    상기 고객유형 및 고객 위험성을 고려하여 상기 가입보험정보에 대한 보장정보를 분석하는 단계는,
    복수의 고객유형 및 복수의 고객 위험성에 관한 정보를 빅데이터로 저장한 다음 미리 학습된 인공지능 알고리즘을 통해 상기 고객이 할당된 고객유형 및 상기 예측된 고객 위험성에 대해 임계치 이상의 상관계수를 갖는 케이스를 검출하는 단계; 및
    상기 검출된 케이스에 매핑된 보장 항목, 보장 금액 및 납부 보험료 정보를 상기 적정 보장 기준으로서 검출하는 단계를 포함하는 것을 특징으로 하는 고객정보 통합분석기반 보험 보장핏팅 서비스 방법.
  4. 제 3 항에 있어서,
    상기 검출된 보장항목, 보장금액 및 납부 보험료 정보에 기초하여 상기 고객의 납입 가능 예상 납부 보험료, 담보별 필요 보장 금액을 산출하는 단계; 및
    각 보험의 보장항목, 보장금액 및 월납 납부 보험료가 상기 고객에게 적절한지 여부를 점수화하여 종합 점수를 산출하는 단계를 더 포함하는 것을 특징으로 하는 고객정보 통합분석기반 보험 보장핏팅 서비스 방법.
  5. 제 4 항에 있어서,
    상기 보험상품을 검출하여 고객에게 추천하는 단계는,
    상기 산출된 종합 점수를 기반으로 순위별로 해당 보험 상품을 상기 고객에게 노출하는 것을 특징으로 하는 고객정보 통합분석기반 보험 보장핏팅 서비스 방법.
  6. 고객의 건강정보, 가입보험정보를 포함하는 마이데이터 및 개인정보를 포함하는 고객정보를 수집하는 고객정보 수집부;
    상기 고객정보에 포함되는 각 세그먼트별 분석을 기반으로 고객유형을 결정하고, 상기 고객의 건강정보를 기반으로 발병 가능한 질병을 포함하는 고객 위험성을 예측하며, 상기 고객유형 및 고객 위험성을 고려하여 상기 가입보험정보에 대한 보장정보를 분석하는 고객정보 분석부; 및
    상기 분석 결과를 기반으로 상기 고객유형에 대해 미리 설정된 적정 보장 기준에 부합하면서 상기 고객 위험성을 보완 가능한 보장항목을 포함하는 보험 상품을 검출하여 고객에게 추천하는 보험상품 추천부를 포함하는 것을 특징으로 하는 고객정보 통합분석기반 보험 보장핏팅 서비스 장치.
  7. 제 6 항에 있어서,
    상기 고객정보 분석부는,
    상기 고객유형을 결정하기 위해서 상기 고객정보에 포함되는 각 세그먼트와 각 세그먼트별로 매핑되는 레벨정보를 분류하고, 상기 분류된 레벨정보를 이용하여 유사도를 기반으로 복수의 고객유형 중 하나로 상기 고객을 할당하는 것을 특징으로 하는 고객정보 통합분석기반 보험 보장핏팅 서비스 장치.
  8. 제 6 항에 있어서,
    상기 고객정보 분석부는,
    상기 고객유형 및 고객 위험성을 고려하여 상기 가입보험정보에 대한 보장정보를 분석하고,
    복수의 고객유형 및 복수의 고객 위험성에 관한 정보를 빅데이터로 저장한 다음 미리 학습된 인공지능 알고리즘을 통해 상기 고객이 할당된 고객유형 및 상기 예측된 고객 위험성에 대해 임계치 이상의 상관계수를 갖는 케이스를 검출하며,
    상기 검출된 케이스에 매핑된 보장 항목, 보장 금액 및 납부 보험료 정보를 상기 적정 보장 기준으로서 검출하는 것을 특징으로 하는 고객정보 통합분석기반 보험 보장핏팅 서비스 장치.
  9. 제 8 항에 있어서,
    상기 고객정보 분석부는,
    상기 검출된 보장항목, 보장금액 및 납부 보험료 정보에 기초하여 상기 고객의 납입 가능 예상 납부 보험료, 담보별 필요 보장 금액을 산출하고,
    각 보험의 보장항목, 보장금액 및 월납 납부 보험료가 상기 고객에게 적절한지 여부를 점수화하여 종합 점수를 산출하는 것을 특징으로 하는 고객정보 통합분석기반 보험 보장핏팅 서비스 장치.
  10. 제 9 항에 있어서,
    상기 보험상품 추천부는,
    상기 산출된 종합 점수를 기반으로 순위별로 해당 보험 상품을 상기 고객에게 노출하는 것을 특징으로 하는 고객정보 통합분석기반 보험 보장핏팅 서비스 장치.
KR1020210084265A 2021-06-28 2021-06-28 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치 KR20230001435A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210084265A KR20230001435A (ko) 2021-06-28 2021-06-28 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210084265A KR20230001435A (ko) 2021-06-28 2021-06-28 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20230001435A true KR20230001435A (ko) 2023-01-04

Family

ID=84925185

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210084265A KR20230001435A (ko) 2021-06-28 2021-06-28 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20230001435A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102613344B1 (ko) * 2023-05-16 2023-12-13 주식회사 아이지넷 3d 뷰잉을 통한 맞춤형 보험 진단 및 설계서비스 시스템
KR102641871B1 (ko) * 2023-05-15 2024-02-28 주식회사 아이지넷 질환 및 상해 예측에 기반한 맞춤형 보험설계서비스 시스템
KR102646104B1 (ko) * 2023-07-19 2024-03-12 디비손해보험 주식회사 온라인 사전 인수심사 기능을 탑재한 ai 비서 시스템 및 그 방법
KR102663001B1 (ko) * 2023-09-15 2024-05-10 삼성화재해상보험 주식회사 보험사 고객의 건강 리스크 예측 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102155567B1 (ko) 2018-11-30 2020-09-14 이승엽 설계관리자를 위한 보험약관 기반의 통합 보험 설계 서비스 제공 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102155567B1 (ko) 2018-11-30 2020-09-14 이승엽 설계관리자를 위한 보험약관 기반의 통합 보험 설계 서비스 제공 시스템 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102641871B1 (ko) * 2023-05-15 2024-02-28 주식회사 아이지넷 질환 및 상해 예측에 기반한 맞춤형 보험설계서비스 시스템
KR102613344B1 (ko) * 2023-05-16 2023-12-13 주식회사 아이지넷 3d 뷰잉을 통한 맞춤형 보험 진단 및 설계서비스 시스템
KR102646104B1 (ko) * 2023-07-19 2024-03-12 디비손해보험 주식회사 온라인 사전 인수심사 기능을 탑재한 ai 비서 시스템 및 그 방법
KR102663001B1 (ko) * 2023-09-15 2024-05-10 삼성화재해상보험 주식회사 보험사 고객의 건강 리스크 예측 장치

Similar Documents

Publication Publication Date Title
US11600390B2 (en) Machine learning clinical decision support system for risk categorization
US10943302B2 (en) Systems, methods, and computer program products for risk and insurance determination
US20190214113A1 (en) Dynamic analysis of health and medical data applied to clinical trials
Eibner et al. Current and projected characteristics and unique health care needs of the patient population served by the Department of Veterans Affairs
DiGaetano Sample frame and related sample design issues for surveys of physicians and physician practices
KR20230001435A (ko) 고객정보 통합분석기반 보험 보장핏팅 서비스 방법 및 장치
KR102152827B1 (ko) 건강사고의 발생확률을 예측하는 건강등급 평가 시스템 및 방법
Garofolo et al. Utilization and impact of social media in hand surgeon practices
US20140108029A1 (en) Matching Mobile Device Enabled Electronic Medical Consultations with Relevant Advertisements and Messages
Arize et al. Acceptability and willingness to pay for telemedicine services in Enugu state, southeast Nigeria
Ogunsanya et al. Incremental health care services and expenditures associated with depression among individuals with cutaneous lupus erythematosus (CLE)
KR20170125631A (ko) 우대금리 기반 금융상품 추천 서비스 제공 방법 및 시스템
US9524371B2 (en) System and method for facilitating the collection, analysis, use and management of clinical analytics results to improve healthcare
KR20210084231A (ko) 질환별 발생예측값 분포를 활용한 보험 설계 상담 서비스 시스템
CN109948638B (zh) 对象匹配方法、装置、设备及计算机可读存储介质
US20200027100A1 (en) Systems and methods for quantifying customer engagement
Eijkenaar et al. Performance profiling in primary care: does the choice of statistical model matter?
Basu et al. Financial burdens of out-of-pocket spending among Medicare fee-for-service beneficiaries: role of the “big four” chronic health conditions
Blake et al. Hospital compare and hospital choice: public reporting and hospital choice by hip replacement patients in texas
CN115907850A (zh) 用户分类的方法、装置、电子设备及存储介质
KR102323153B1 (ko) 고객의 무의식 영역에 기반하여 의사결정 지원자료를 제공하는 의사결정 지원서버 및 그 의사결정 지원방법
US11068999B1 (en) Social media data aggregation to optimize underwriting
Karim et al. Does controlling for scale heterogeneity better explain respondents’ preference segmentation in discrete choice experiments? A case study of us health insurance demand
Meadows et al. Distributing mental health care resources: strategic implications from the National Survey of Mental Health and Wellbeing
Chaitoff et al. Estimating new eligibility and maximum costs of expanded Medicare coverage of semaglutide for cardiovascular risk prevention

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application