[发明专利]计算投保概率的方法、装置、计算机设备和存储介质

说明书

本申请揭示了一种计算投保概率的方法、装置、计算机设备和存储介质，其中方法包括：获取目标客户的基础数据，所述基础数据包括客户的保单信息、个人信息、访问服务器信息；将所述基础数据输入到预设的GBDT模型中，得出所述目标客户的投保预测向量；将所述投保预测向量输入到训练后的逻辑回归模型，输出所述目标客户的投保概率。本申请将购买保险的客户数据通过GBDT模型计算出购买保险的客户的共有特征，再将目标客户的客户数据输入到这个模型，得出目标客户的投保概率，更加准确而且具有客观性。GBDT的模型是在SPARK平台上计算，使得计算出来的数据更加迅速。计算出客户的投保概率后，进行排名，更精准的找出潜在的准客户，有利于提升销售额。

技术领域

本申请涉及到计算机技术领域，特别是涉及到一种计算投保概率的方法、装置、计算机设备和存储介质。

背景技术

目前市面上客户投保模型很大部分是基于Apriori(Apriori算法是一种挖掘关联规则的频繁项集算法)或者Logistic算法，在精准度、提升度上不高。其次，过去寿险常常使用SAS(统计分析软件)挖掘平台进行模型训练预测，在效率上不能保证，扩容性较差。再者，市面上算法研究数据量不大，用户指标不够全面，对于推荐后客户行为的反馈、业务员业绩跟踪没有详细分析。

所以提供一种新的计算投保概率的方法是亟需解决的问题。

发明内容

本申请的主要目的为提供一种准确计算客户的投保概率的计算投保概率的方法、装置、计算机设备和存储介质。

为了实现上述发明目的，本申请提出一种计算投保概率的方法，包括：

获取目标客户的基础数据，所述基础数据包括客户的保单信息、个人信息、访问服务器信息；

将所述基础数据输入到预设的GBDT模型中，得出所述目标客户的投保预测向量，所述GBDT模型根据所述基础数据的信息类型设置；

将所述投保预测向量输入到训练后的逻辑回归模型，输出所述目标客户的投保概率。

进一步地，所述输出所述目标客户的投保概率的步骤之后，包括：

对所述目标客户的投保概率进行排序，生成排行榜。

进一步地，所述对所述目标客户的投保概率进行排序，生成排行榜的步骤，包括：

将投保概率分配到符合概率区间要求的小组内，所述小组包括多个，每个所述小组对应一个概率区间，多个小组根据其对应的概率区间的大小，按照预设的排序规则进行排序，其中，多个所述小组对应的概率区间为概率大小连续且无重合的概率区间；

以多线程并行处理的方式分别将各小组内的投保概率按照所述排序规则进行排序，其中每个小组对应一个独立的线程；

将多个经过小组内投保概率排序后的所述小组按照所述排序规则进行合并，生成投保概率排序名单。

进一步地，所述以多线程并行处理的方式分别将各小组内的投保概率按照所述排序规则进行排序的步骤，包括：

将多个所述小组分别发送给各小组对应的子服务器，以通过所述子服务器对所述小组内的投保概率按照所述排序规则进行排序；

接收各子服务器的反馈，得到按照所述排序规则排序后的小组。

进一步地，所述输出所述目标客户的投保概率的步骤之后，包括：

对高于概率阈值的投保概率对应的目标客户发送保险产品信息。

进一步地，所述获取目标客户的基础数据的步骤，包括：

获取多个客户的基础数据，根据所述多个客户的基本数据筛选出符合购买条件的目标客户，并获取所述目标客户的基础数据