(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211161818.2 (22)申请日 2022.09.23 (71)申请人 平安健康保险股份有限公司 地址 200000 上海市徐汇区凯滨路16 6号B 座16楼 (72)发明人 张景莲　 (74)专利代理 机构 深圳国新 南方知识产权代理 有限公司 4 4374 专利代理师 赵旭芳 (51)Int.Cl. G06Q 40/08(2012.01) G06Q 30/02(2012.01) G06K 9/62(2022.01) G06N 20/20(2019.01) (54)发明名称 保险行业潜在客户挖掘方法、 装置、 及存储 介质 (57)摘要 本申请公开了一种保险行业潜在客户挖掘 方法， 应用于数据挖掘技术领域。 本申请提供的 方法包括： 从预设客户获取渠道获取待分析的目 标客户的客户信息集合； 根据所述客户信息进行 分析得到目标客户的用户画 像标签； 根据第一筛 选规则处理所述目标客户的用户画像标签得到 待训练目标客户数据； 通过Spark计算平台使用 所述待训练目标客户数据进行机器学习训练得 到潜在客户预测模型， 将所述待训练目标客户数 据输入所述客户预测模型， 得到第一潜在客户数 据； 根据第二筛选规则处理所述目标客户的用户 画像标签得到第二潜在客户数据； 推送所述第一 潜在客户数据和所述第二潜在客户数据至运营 平台， 追踪所述第一潜在客户数据和所述第二潜 在客户数据的变化。 权利要求书3页 说明书9页 附图2页 CN 115423637 A 2022.12.02 CN 115423637 A 1.一种保险行业潜在客户挖掘方法， 其特 征在于， 包括： 获取待分析的目标客户的客户信息集合， 其中， 所述客户信息是根据预设客户筛选规 则从预设客户获取渠道得到的； 获取所述目标客户的用户画像标签， 其中， 所述用户画像标签是根据所述客户信息进 行分析得到的； 获取待训练目标客户数据， 其中， 所述待训练目标客户数据是根据第一筛选规则处理 所述目标客户的用户画像标签得到的； 将所述待训练目标客户数据输入Spark计算平台， 得到第一潜在客户数据， 其中， 所述 第一潜在客户数据是潜在客户预测模型输出的， 所述潜在客户预测模型是所述Spark计算 平台使用所述待训练目标客户数据进行机器学习训练得到的； 获取第二潜在客户数据， 其中， 所述第二潜在客户数据是根据第二筛选规则处理所述 目标客户的用户画像标签得到的； 推送所述第 一潜在客户数据和所述第 二潜在客户数据至对应的运营平台， 使用预设报 表系统追踪以及展示所述第一潜在客户数据和所述第二潜在客户数据的变化。 2.根据权利要求1所述的保险行业潜在客户挖掘方法， 其特征在于， 所述根据第 一筛选 规则处理所述目标客户的用户画像标签包括： 计算所述用户画像标签的标签饱和度， 移除所述标签饱和度不在预设标签饱和度 范围 内的所述用户画像标签； 计算所述用户画像标签的信 息量值， 移除所述信 息量值不在预设信 息量值范围内的所 述用户画像标签； 输入所述用户画像标签至预设的特征重要性筛选模型， 输出特征重要性评分在预设重 要性评分范围内的所述用户画像标签； 计算所述用户画像标签的相似度值和相关性值， 保留相关性值在预设相关性值范围的 所述用户画像标签和与目标用户画像标签相似度最高的所述用户画像标签。 3.根据权利要求1所述的保险行业潜在客户挖掘方法， 其特征在于， 所述将所述待训练 目标客户数据输入Spark计算平台， 得到第一潜在客户数据之前还 包括： 使用欠采样方式处理所述待训练目标客户数据， 以使所述待训练目标客户数据的正例 数据数量与负例数据数量的比例在预设比例范围内。 4.根据权利要求1所述的保险行业潜在客户挖掘方法， 其特征在于， 所述将所述待训练 目标客户数据输入Spark计算平台， 得到第一潜在客户数据包括： 合并LightBGM集成树模型至所述Spark计算平台的SparkML管道中； 使用所述待训练目标客户数据训练所述LightBGM集成树模型， 得到训练完成的所述潜 在客户预测模型； 将所述目标客户的用户画像标签输入所述潜在客户预测模型， 输出所述第 一潜在客户 数据。 5.根据权利要求1所述的保险行业潜在客户挖掘方法， 其特征在于， 所述根据第 二筛选 规则处理所述目标客户的用户画像标签包括： 获取所述待训练目标客户数据的正例数据对应的所述目标客户的用户画像标签作为 待计算标签；权　利　要　求　书 1/3 页 2 CN 115423637 A 2接收所述待计算标签的待处理标签组合， 计算所述待处理标签组合对应的所述目标客 户的转化率； 获取所述转化率在预设转化率范围的所述目标客户的客户信息作为所述第二潜在客 户数据。 6.根据权利要求1所述的保险行业潜在客户挖掘方法， 其特征在于， 所述使用预设报表 系统追踪以及展示所述第一潜在客户数据和所述第二潜在客户数据的变化包括： 使用预设的Fi neBI报表系统追踪所述第一潜在客户数据和所述第二潜在客户数据； 传输所述第一潜在客户数据在 所述FineBI报表系统中对应的监控数据至所述Spark计 算平台以优化所述潜在客户预测模型； 使用所述第二潜在客户数据在所述FineBI报表系统中对应的监控数据优化所述第二 筛选规则。 7.一种保险行业潜在客户挖掘装置， 其特 征在于， 包括： 客户信息集合模块， 用于获取待分析的目标客户的客户信 息集合， 其中， 所述客户信 息 是根据预设客户筛 选规则从预设客户获取渠道得到的； 用户画像标签模块， 用于获取所述目标客户的用户画像标签， 其中， 所述用户画像标签 是根据所述 客户信息进行分析 得到的； 目标客户数据模块， 用于获取待训练目标客户数据， 其中， 所述待训练目标客户数据 是 根据第一筛 选条件处 理所述目标客户的用户画像标签得到的； 第一潜在客户数据模块， 用于将所述待训练 目标客户数据输入Spark计算平台， 得到第 一潜在客户数据， 其中， 所述第一潜在客户数据是潜在客户预测模型输出的， 所述潜在客户 预测模型 是所述Spark计算平台使用所述待训练目标客户数据进行机器学习训练得到的； 第二潜在客户数据模块， 用于获取第 二潜在客户数据， 其中， 所述第 二潜在客户数据 是 根据第二筛 选条件处 理所述目标客户的用户画像标签得到的； 报表系统追踪模块， 用于推送所述第 一潜在客户数据和所述第 二潜在客户数据至对应 的运营平台， 使用预设报表系统追踪以及展示所述第一潜在客户数据和所述第二潜在客户 数据的变化。 8.根据权利要求7 所述的保险行业潜在客户挖掘装置， 其特 征在于， 所述模块还 包括 标签饱和度子模块， 用于计算所述用户画像标签的标签饱和度， 移除所述标签饱和度 不在预设标签饱和度范围内的所述用户画像标签； 标签信息量子模块， 用于计算所述用户画像标签的信息量值， 移除所述信息量值不在 预设信息量 值范围内的所述用户画像标签； 重要性评分子模块， 用于输入所述用户画像标签至预设的特征重要性筛选模型， 输出 特征重要性评分在预设重要性评分范围内的所述用户画像标签； 相似度及相关性子模块， 用于计算所述用户画像标签的相似度值和相关性值， 保留相 关性值在预设相关性值范围的所述用户画像标签和与目标用户画像标签相似度最高的所 述用户画像标签。 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 7中任一项所述保险行业潜在客户挖掘方法的步骤。权　利　要　求　书 2/3 页 3 CN 115423637 A 3