本发明属于信息技术领域，尤其涉及一种客户筛选方法及系统。
背景技术：
保险，是指投保人根据合同约定，向保险人支付保费，保险人对于合同约定的可能发生的事故因其发生所造成的财产损失承担赔偿保险金责任，或者被保险人死亡、伤残、疾病或者达到合同约定的年龄、期限等条件时承担给付保险金责任的商业保险行为。从经济角度看，保险是分摊意外事故损失的一种财务安排；从法律角度看，保险是一种合同行为，是一方同意补偿另一方损失的一种合同安排；从社会角度看，保险是社会经济保障制度的重要组成部分，是社会生产和社会生活“精巧的稳定器”；从风险管理角度看，保险是风险管理的一种方法。
汽车保险(即车险)是保险的一种，目前车险行业中，绝大多数保险公司在车险业务上收益为负数，其原因如下：
(1)保险公司甄别客户风险质量的能力不足，从而不能根据客户风险差异而精准定价，导致权利要求5所述的二类客户，即风险类别高的客户的保费收入不足，其理赔成本占保费收入比例过高；
(2)在车险行业中，存在骗保的情况，4S店、修理厂等帮助、怂恿客户骗保以从中获利。由于技术局限性，保险公司很难提前发现或阻止骗保的发生，从而提高了其理赔成本占保费收入的比例；
(3)市场上多家保险公司销售车险，其条款与价格完全相同，即产品高度同质化。除品牌外，保费折扣为保险公司竞争的关键，即价格战。由于市场竞争激励，获客成本(即销售成本)占保费收入比例过高；
(4)车险是一年期保险，到期后不会自动续约。由于各家保险公司的车险产品的同质性，客户趋利以及忠诚度低，客户流动性较大。保险公司为了争抢客户，每年都需要付出高额的获客成本使已有客户留存以及吸引新客户。导致其获客成本占保费收入比例每年都持续过高。
针对以上问题，亟需设计一种客户筛选方法及系统，将客户进行分类，针对不同类型的客户制定相应的投保方案，为风险类别低的客户，提供更便宜的保费投保方案，以提高其骗保成本，并提高其客户粘性以及续保率，从而提高保险公司的利润率。
技术实现要素：
本发明的目的是针对上述技术问题，提供了一种客户筛选方法及系统，其步骤合理，根据数据库中的客户信息整合，将客户进行分类，针对不同类别的用户制定相应的投保方案，提高客户的续保率，降低客户的流动性，避免骗保情况的发生，提高保险公司的收益率。
本发明的技术方案
为解决上述技术问题，本发明提供的一种客户筛选方法，其具体包括以下步骤：
S1，录入客户信息并上传数据库；
S2，数据库调出客户相关信息并下载，将下载的客户信息上传至大数据保险分析系统；
S3，大数据保险分析系统计算分析建议的保险种类及保障额度；
S4，客户选择保险种类及保障额度；
S5，将客户信息，客户选择的保险种类及保障额度录入客户筛选系统；
S6，客户筛选系统通过大数据精算模型、人工智能的区分客户风险类别。
进一步地，步骤S1中，录入的客户信息包括身份证和行驶证信息。
进一步地，步骤S2中，下载的客户信息包括但不限于客户的性别、年龄、车型、出险历史，并上传至大数据保险分析系统。
进一步地，步骤S3中，通过大数据保险分析系统计算分析出客户的最佳保险种类及保障额度选择方案并将其建议给客户。
进一步地，步骤S6中，所述大数据精算模型是多参数变量动态模型，所述客户类别包括一类客户及二类客户，所述一类客户为风险类别低、所售产品利润率高的客户，所述二类客户为风险类别高、所售产品利润率低的客户。
进一步地，所述多参数变量动态模型为：
t是自然数且t≥1，i是自然数且i≤t；
其中，Rt为客户在时间点t的风险评估结果；
A是影响风险评估的第一模块；
B是影响风险评估的第二模块；
C是影响风险评估的第三模块；
D是影响风险评估的第四模块；
E是大数据保险分析系统模块；
是在时间点t与大数据保险分析系统模块的偏差；
αt是在时间点t第一模块影响因子与大数据保险分析系统模块影响因子；
βt是在时间点t第二模块影响因子与大数据保险分析系统模块影响因子；
γt是在时间点t第三模块影响因子与大数据保险分析系统模块影响因子；
E和是在时间点t第四模块影响因子。
进一步地，所述影响风险评估的第一模块A与αt有关，其包括但不限于性别、年龄或驾龄，其与统计数据有关。
进一步地，所述影响风险评估的第二模块B与βt有关，其包括但不限于汽车品牌及型号、车龄或过去出险记录，其与统计数据有关。
进一步地，所述影响风险评估的第三模块C与γt有关，其包括但不限于客户主要所在行驶城市、区域或街道，其与统计数据有关。
进一步地，所述影响风险评估的第四模块D为大数据保险分析系统模块E分析结果及客户人为选择与大数据保险分析系统模块E分析结果的偏差所述影响大数据保险分析系统模块E与αt、βt以及γt有关，其与统计数据有关。
进一步地，所述客户筛选方法结果与之前时间点t-i的客户筛选方法结果Rt-i，其与统计数据有关。
本发明有益效果：
本发明提供的一种客户筛选方法及系统应用于保险业，其步骤合理，根据数据库中的客户信息整合，将客户进行分类，针对不同类别的用户制定相应的投保方案，提高客户的续保率，降低客户的流动性，避免骗保情况的发生，提高保险的收益率。
附图说明
通过结合以下附图所作的详细描述，本发明的上述优点将变得更清楚和更容易理解，这些附图只是示意性的，并不限制本发明，其中：
图1是本发明所述一种客户筛选方法的流程图。
具体实施方式
下面结合具体实施例和附图，对本发明的一种客户筛选方法及系统进行详细说明。
在此记载的实施例为本发明的特定的具体实施方式，用于说明本发明的构思，均是解释性和示例性的，不应解释为对本发明实施方式及本发明范围的限制。除在此记载的实施例外，本领域技术人员还能够基于本申请权利要求书和说明书所公开的内容采用显而易见的其它技术方案，这些技术方案包括采用对在此记载的实施例的做出任何显而易见的替换和修改的技术方案。
本说明书的附图为示意图，辅助说明本发明的构思，示意性地表示各部分的形状及其相互关系。请注意，为了便于清楚地表现出本发明实施例的各部件的结构，各附图之间并未按照相同的比例绘制。相同的参考标记用于表示相同的部分。
图1是本发明所述一种客户筛选方法的流程图，其具体包括以下步骤：
S1，录入客户信息并上传数据库；
具体地，步骤S1中，需要录入的客户信息包括身份证或驾驶证信息。客户可以录入身份证及驾驶证信息中的部分或全部，已进入数据库调取数据。本申请中所述的数据库包括自己建立的数据库、与保险公司合作的数据库及与其他企业合作的数据库。
S2，数据库调出客户相关信息并下载，将下载的客户信息上传至大数据保险分析系统；
具体地，步骤S2中，下载的客户信息包括但不限于客户的性别、年龄、车型、出险历史，并上传至大数据保险分析系统。
S3，大数据保险分析系统推送建议的保险种类及保障额度；
通过大数据保险分析系统计算分析出客户的最佳保险种类及保障额度选择方案并将其建议给客户。
具体地，大数据保险分析系统根据步骤S2中下载的客户信息展开分析，并根据自身系统设置推送建议的保险种类及保险额度。
S4，客户选择保险种类及保障额度；
步骤S4中，基于大数据保险分析系统的建议，客户可以结合自身的情况，人为选择保险种类及保障额度。
S5，将客户信息，客户选择的保险种类及保障额度录入客户筛选系统；
在步骤S5中，上传步骤S2及步骤S4的信息至客户筛选系统。
客户信息包括：与车相关的信息、与人相关的信息、与行车环境相关的信息、与客户选择的保险种类及保障额度相关的信息以及与过去的客户筛选方法结果相关的信息。
与车相关的信息包括但不限于车牌编号、车牌种类代码、车辆种类、排量、吨位、座位、车辆使用性质、发动机号等信息；与人相关的信息包括但不限于车主身份证信息、姓名、性别、年龄、驾龄等信息；与行车环境相关的信息包括汽车主要行驶城市、区域、街道等信息；与客户选择的保险种类及保障额度相关的信息包括但不限于机动车第三者责任保险及保额、机动车车上人员责任保险(司机/乘客)及保额、机动车全车盗抢保险等信息；与过去的客户筛选方法结果相关的信息包括但不限于过去几年的客户筛选方法结果等信息。
S6，客户筛选系统通过大数据精算模型、人工智能的区分客户风险类别。
在步骤S6中，所述大数据精算模型是多参数变量动态模型，其根据录入信息对客户进行筛选分类；所述客户类别包括一类客户及二类客户，所述一类客户为风险类别低、所售产品利润率高的客户，所述二类客户为风险类别高、所售产品利润率低的客户。
本申请中，一类客户的风险类别低，保险服务人员可以根据投保情况，为一类客户提供相应的保费优惠活动，以保持客户的忠诚度，保证一类客户的续保率；再者，一类客户的风险类别低，其出险的次数较少，对于一类客户，保险公司始终处于盈利状态；
与一类客户相比较，二类客户的风险类别高，不能得到像一类客户的保费优惠，其出险的次数多，对于二类客户，保险公司一般处于亏损状态。二类客户为了得到保费优惠，降低驾驶风险，主观变成一类客户。
当一类客户的群体增加时，一类客户带来的盈利额度大于二类客户的亏损额度时，整个保险业务处于盈利状态。现场保险服务人员根据客户筛选系统的分析结果，制定相应的保险服务方案。
在一些实施例中，所述多参数变量动态模型为：
i＝1,…,n n是自然数且n<＝t；
其中，Rt为客户在时间点t的风险评估结果；
A是影响风险评估的第一模块；
B是影响风险评估的第二模块；
C是影响风险评估的第三模块；
D是影响风险评估的第四模块；
E是大数据保险分析系统模块；
是在时间点t大数据保险分析系统模块的偏差；
αt是在时间点t第一模块影响因子；
βt是在时间点t第二模块影响因子；
γt是在时间点t第三模块影响因子；
E和是在时间点t时是第四模块影响因子。
本申请中，所述影响风险评估的第一模块A与αt有关，其包括但不限于性别、年龄或驾龄，其与统计数据有关；所述影响风险评估的第二模块B与βt有关，其包括但不限于汽车品牌及型号、车龄或过去出险记录，其与统计数据有关；所述影响风险评估的第三模块C与γt有关，其包括但不限于客户主要所在行驶城市、区域或街道，其与统计数据有关。
所述影响风险评估的第四模块D为大数据保险分析系统模块E分析结果及客户人为选择与大数据保险分析系统模块E分析结果的偏差所述影响大数据保险分析系统模块E与αt、βt以及γt有关，其与统计数据有关；进一步地，所述客户筛选方法结果与之前时间点t-i的客户筛选方法结果Rt-i，其与统计数据有关。
具体地，所述影响风险评估的第一模块A为与驾驶员有关，其包括但不限于性别、年龄或驾龄，其与统计数据有关；所述影响风险评估的第二模块B为与汽车有关，汽车品牌及型号、车龄、车辆种类，排量或过去出险记录，其与统计数据有关；所述影响风险评估的第三模块C与地域有关，其包括但不限于客户主要所在行驶城市、区域或街道，其与统计数据有关；所述影响风险评估的第四模块D与保险种类及保障额度有关，其包括但不限于机动车第三者责任保险及保额、机动车车上人员责任保险(司机/乘客)及保额、机动车全车盗抢保险，其与统计数据有关。
本申请中，客户在时间点t的风险评估结果与历史数据有关，风险评估结果可以通过大数据、人工智能及精算模型获得；E为大数据保险分析系统模块，其与第一模块影响因子αt、第二模块影响因子βt、第三模块影响因子γt及在时间点t大数据保险分析系统模块的偏差有关，大数据保险分析系统模块E可以通过大数据、人工智能及精算模型获得。
本申请中，所述的数据库为动态更新的数据库，其设置自动更新周期，自动的数据库进行更新。
相比于现有技术的缺点和不足，本发明提供的一种客户筛选方法及系统应用于保险业，其步骤合理，根据数据库中的客户信息整合，将客户进行分类，针对不同类别的用户制定相应的投保方案，以提高客户的续保率，降低客户的流动性，避免骗保情况的发生，提高保险公司的收益率。
本发明不局限于上述实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本申请相同或相近似的技术方案，均落在本发明的保护范围之内。