[发明专利]基于用户画像的保险推送方法、装置及存储介质

说明书

本发明实施例提供了一种基于用户画像的保险推送方法、装置及存储介质。本发明实施例通过获取用户的历史交易数据，然后，利用机器学习算法与特征提取算法，对所述历史交易数据进行处理，得到所述用户的保险交易画像，所述保险交易画像用以表征所述用户针对各保险的交易倾向程度，从而，根据所述保险交易画像，向所述用户推送保险。因此，本发明实施例提供的技术方案能够解决现有技术中人工推送保险的方式存在推荐准确度较差且工作量大的问题。

【技术领域】

本发明涉及计算机技术领域，尤其涉及一种基于用户画像的保险推送方法、装置及存储介质。

【背景技术】

目前，当用户需要购买保险时，一般是通过保险销售人员根据用户的需求和工作经验，以主观判断的方式来判断用户更倾向交易的保险类型，并将这些保险类型对用户进行讲解介绍。基于此，现有技术中的保险介绍一般是通过保险销售人员来人工判断完成的。

但是，通过人工判断用户需求的保险方式主要以保险销售人员的主观判断为准，这较大的依赖于保险销售人员的经验与主观判断，工作量大的同时，由于对用户需求的保险的判断准确度较差，这就需要重复判断推荐，又进一步增加了工作量。

【发明内容】

有鉴于此，本发明实施例提供了一种基于用户画像的保险推送方法、装置及存储介质，用以解决现有技术中人工推送保险的方式存在推荐准确度较差且工作量大的问题。

第一方面，本发明实施例提供了一种基于用户画像的保险推送方法，包括：

获取用户的历史交易数据；

利用机器学习算法与特征提取算法，对所述历史交易数据进行处理，得到所述用户的保险交易画像，所述保险交易画像用以表征所述用户针对各保险的交易倾向程度；

根据所述保险交易画像，向所述用户推送保险。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，利用机器学习算法与特征提取算法，对所述历史交易数据进行处理，得到所述用户的保险交易画像，包括：

利用所述特征提取算法处理所述历史交易数据，得到所述历史交易数据的历史交易特征与交易倾向特征；

将所述历史交易特征作为输入，将所述交易倾向特征作为输出，利用神经网络机制进行深度学习，得到保险交易概率预测模型；

通过所述保险交易概率预测模型对各保险进行预测，得到所述用户针对各保险的交易倾向程度，以作为所述保险交易画像。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述将所述历史交易特征作为输入，将所述交易倾向特征作为输出，利用神经网络机制进行深度学习，得到保险交易概率预测模型，包括：

将所述历史交易特征作为输入，将所述交易倾向特征作为输出，利用随机森林算法与决策树机器算法中的至少一种进行深度学习，得到所述保险交易概率预测模型。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述保险交易画像，向所述用户推送保险，包括：

根据所述保险交易画像，确定目标保险；

将所述目标保险推送给所述用户。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述保险交易画像，确定目标保险，包括：

按照所述用户针对各保险的交易倾向程度由高至低的顺序，对各保险进行排序；

在所述排序中获取由前至后的指定数目个保险，以作为所述目标保险，所述指定数目为大于0的整数。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述将所述目标保险推送给所述用户，包括：