基于大数据的用户分类方法、装置、服务器及存储介质与流程

本发明涉及大数据技术领域，尤其涉及一种基于大数据的用户分类方法、装置、服务器及存储介质。

背景技术：

目前，随着保险公司业务的不断发展，越来越多的用户购买了特定险种的保险服务，比如，用户a购买了险种a1与险种a2。为了对已经购买了特定险种的用户进行其他险种的推销，需要针对用户需求确定待推销的险种类型，以提高推销成功的概率。

而传统的“推测用户需求以确定待推销的险种类型”的技术手段为，先对用户进行分群操作，分群的依据多采用一些较为明显的特征，比如，年龄、性别以及职业等，在完成用户的分群操作后，为不同群体的用户推介对应的险种类型。

但是，明显地，上述传统的分群依据既简单又未对用户的需求进行深度挖掘，最终确定的可推介险种类型在很大概率上与用户需求不符，因此，传统手段确定的待推销产品与用户需求的匹配度不高。

技术实现要素：

本发明的主要目的在于提出一种基于大数据的用户分类方法、装置、服务器及存储介质，旨在解决现有技术中待推销产品与用户需求的匹配度不高的技术问题。

为实现上述目的，本发明提供一种基于大数据的用户分类方法，所述基于大数据的用户分类方法包括以下步骤：

获取当前用户的保险购买信息，所述保险购买信息包括险种类型信息与险种额度信息；

提取险种类型信息中的保障信息，根据所述保障信息与险种额度信息确定当前用户的用户类别；

根据所述用户类别确定推荐的目标险种，并将所述目标险种进行推送。

优选地，所述提取险种类型信息中的保障信息，根据所述保障信息与险种额度信息确定当前用户的用户类别，具体包括：

提取险种类型信息中的保障信息，根据所述保障信息确定占用预设保障信息中的保障份额，根据所述保障份额确定用户类别。

优选地，所述提取险种类型信息中的保障信息，根据所述保障信息与险种额度信息确定当前用户的用户类别，具体包括：

根据所述保障信息进行整合，计算出险种类型的覆盖范围，并根据覆盖范围在预设映射表中查找对应的用户类别。

优选地，所述提取险种类型信息中的保障信息，根据所述保障信息与险种额度信息确定当前用户的用户类别，具体包括：

根据保障信息进行整合，计算出险种类型的覆盖范围，并根据覆盖范围在预设映射表中查找对应的用户类别。

优选地，所述根据保障信息进行整合，计算出险种类型的覆盖范围，并根据覆盖范围在预设映射表中查找对应的用户类别之前，所述方法还包括：

根据机器学习获取历史用户的保险购买信息，根据所述保险购买信息确定保障信息与险种额度的权重。

优选地，所述根据所述用户类别确定推荐的目标险种，并将所述目标险种进行推送之前，所述方法还包括：

将所述保障信息与预设保障信息进行对比，根据对比结果获取未购买保障信息；

相应的，所述根据所述用户类别确定推荐的目标险种，并将所述目标险种进行推送，具体包括：

根据所述用户类别在未购买保障信息中查找目标保障信息，并将所述目标保障信息对应的目标险种进行推送。

优选地，所述获取当前用户的保险购买信息，所述保险购买信息包括险种类型信息与险种额度信息之前，所述方法还包括：

获取当前用户的标签信息，根据所述标签信息在预设区域查找对应的保险购买信息。

此外，为实现上述目的，本发明还提出一种基于大数据的用户分类装置，所述基于大数据的用户分类装置包括：

获取模块，用于获取当前用户的保险购买信息，所述保险购买信息包括险种类型信息与险种额度信息；

确定类别模块，用于提取险种类型信息中的保障信息，根据所述保障信息与险种额度信息确定当前用户的用户类别；

推送模块，用于根据所述用户类别确定推荐的目标险种，并将所述目标险种进行推送。

此外，为实现上述目的，本发明还提出一种服务器，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于大数据的用户分类程序，所述基于大数据的用户分类程序配置为实现如上所述的基于大数据的用户分类方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于大数据的用户分类程序，所述基于大数据的用户分类程序被处理器执行时实现如上文所述的基于大数据的用户分类方法的步骤。

本发明提出的基于大数据的用户分类方法，通过用户的保险购买信息中获取用户的已购买的险种类型以及险种额度信息，并将险种类型更细化为险种对应的保障信息，从保障信息中更细化学习到用户的类别，根据类别对用户进行更细化的区分，从而根据类别进行适应性的险种推荐，从而使推荐的险种更符合用户的需求，提高用户体验。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的服务器结构示意图；

图2为本发明基于大数据的用户分类方法第一实施例的流程示意图；

图3为本发明基于大数据的用户分类方法第二实施例的流程示意图；

图4为本发明基于大数据的用户分类方法第三实施例的流程示意图；

图5为本发明基于大数据的用户分类装置第一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的服务器结构示意图。

如图1所示，该服务器可以包括：处理器1001，例如cpu，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如按键，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于大数据的用户分类程序。

在图1所示的服务器中，网络接口1004主要用于连接外网，与其他网络设备进行数据通信；用户接口1003主要用于连接用户终端，与终端进行数据通信；本发明服务器通过处理器1001调用存储器1005中存储的基于大数据的用户分类程序，并执行本发明实施例提供的基于工作流的流程实施方法。

基于上述硬件结构，提出本发明基于大数据的用户分类方法实施例。

参照图2，图2为本发明基于大数据的用户分类方法第一实施例的流程示意图。

在第一实施例中，所述基于大数据的用户分类方法包括以下步骤：

步骤s10，获取当前用户的保险购买信息，所述保险购买信息包括险种类型信息与险种额度信息。

需要说明的是，所述保险购买信息可为用户购买保险的订单信息，其中订单信息可从保存用户的数据库中获取，还可通过其他可实现相同或相似功能的方式获取，本实施例对此不作限制，在本实施例中，为通过用户数据库中获取用户的购买保险的订单信息。

在本实施例中，所述险种类型信息为人身保险、意外险等，还可包括其他险种类型，本实施例对此不作限制，在用户购买人身险或者意外险或者两者都有购买的情况下，由于保额的不同，购买的险种的额度信息也会不同，例如们购买意外险中的用户，有的用户可能会经常面临出差的问题，在这种情况下，针对这种用户一般购买意外险较多，并且购买意外险的保额也较高，一般意外险的保额在30万时，这类用户一般会选择购买50万以上的保额，从而可从用户购买的险种类型信息以及险种额度信息确定用户的实际需求，使推荐的保险更符合用户，提高保险的购买率。

步骤s20，提取险种类型信息中的保障信息，根据所述保障信息与险种额度信息确定当前用户的用户类别。

需要说明的是，每个保险类别对应多个保障信息，例如用户a在中国平安保险购买了险种a1，则用户a的保险购买信息中将记录有“险种a1”以及险种a1的保额信息，险种a1可能同时提供了多个角度的用户保障，比如，常见的用户保障包括身故保障、残疾保障、重疾保障及医疗保障四大类，不同的险种可能同时存在一种乃至多种的保障类别，从而可对用户购买信息进行具体分析，深入挖掘出用户的购买趋势。

在本实施例中，可对保险类别进行进一步的细分，比如，身故保障可细分为“交通意外身故保障、疾病身故保障等”，重疾保障可以细分为“轻度重疾保障、特定重疾保障等”，医疗保险可细分为“中老年医疗保障、女性癌症医疗保障”等，可见，各保险险种之间不只存在着险种类型的不同，保障类别的不同，还存在着险种保障额度的不同，从而可更具更细化保障信息以及保障信息对应的保额信息确定当前用户的用户类别。

在具体实现中，根据用户购买的保障信息进行整合，计算出险种类型的覆盖范围，并根据覆盖范围在预设映射表中查找对应的用户类别。

在获取用户b的保险购买信息后，根据该用户b已购买了险种b1、险种b2以及险种b3，而且，在险种的分类规则中险种b1、险种b2以及险种b3均为不同大类的险种，则可先基于险种类型信息“险种b1、险种b2以及险种b3”确定这三个险种分别对应的各保障类别，并整合这三种险种对应的保障类别，以确定用户b已购买险种的险种覆盖范围，即四种险种的保障类别占据全部保障类别的百分比，例如用户b已购买险种的险种覆盖范围为3/4，在计算完险种覆盖范围后，可再统计“险种b1、险种b2以及险种b3”的平均额度，比如，险种b1的保额为10万、险种b2的保额为20万以及险种b3的保额为30万，则可计算出用户b已购保险的平均额度为20万，然后，可根据用户b已购买险种的险种覆盖范围“3/4”与平均额度“20万”在预设映射关系中查询对应的用户类别。其中，预设映射关系中包括险种覆盖范围、平均额度以及用户类别的对应关系。

可以理解的是，所述用户类别可为保险公司对不同客户进行的区别性客户定位，比如，用户类别包括高净值用户，用户有稳定购买保险且购买大额保单的记录以及保守型用户，表现为有稳定购买保险的习惯但是购买额度不高等，从而分析出用户类别，更使推荐的保险符合用户的实际需求，还可为更细化的用户类别，本实施例对此不作限制。

步骤s30，根据所述用户类别确定推荐的目标险种，并将所述目标险种进行推送。

在本实施例中，将目标险种类型进行推送可通过短信的方式进行推送，还可通过其他的方式进行推送，本实施例对此不作限制。

在具体实现中，获取待推送的目标险种类型，将所述目标险种类型进行展示，在目标险种为多个情况时，根据额度信息对目标险种进行排序，将额度较低的目标险种进行推送，从而使推送的险种更有针对性。

本实施例通过上述方案，通过用户的保险购买信息中获取用户的已购买的险种类型以及险种额度信息，并将险种类型更细化为险种对应的保障信息，从保障信息中学习到用户的类别，根据类别对用户进行细化的区分，从而根据类别进行适应性的险种推荐，从而使推荐的险种更符合用户的需求，提高用户体验。

进一步地，如图3所示，基于第一实施例提出本发明基于大数据的用户分类方法第二实施例，在本实施例中，所述步骤s20，具体包括：

步骤s201，提取险种类型信息中的保障信息，根据所述保障信息确定占用预设保障信息中的保障份额，根据所述保障份额确定用户类别。

在本实施例中，例如用户b已购买了险种b1、险种b2以及险种b3，保险险种b1，b2以及b3包括的保障信息为b1包含10个，b2包含10个，b3包含10个，将保障信息进行整合，将整合后的保障信息，例如获取当前用户b的保障信息为30个，可知，并根据保险的保障信息为100，可知当前用户b购买的保障占整个保障信息的30％。

在具体实现中，将用户购买的保障信息与预设阈值进行比较，根据比较结果以及险种额度信息对当前用户进行分类，例如将阈值设为60％，将大于60％的用于设为高净值用户，将低于60％的用于设为保守型用户，通过计算获取用户b购买的保障比例为30％，获取用户b的保障信息还获取对应的额度信息，例如用户b的额度信息为10万，与预设额度阈值50万进行比较，则综合分析出用户b属于保守型用户，从而可将用户分为保守型用户，实现对用户进行分类，学习用户的购买行为。

进一步地，所述步骤s201，具体包括：

步骤s202，根据保障信息进行整合，计算出险种类型的覆盖范围，并根据覆盖范围在预设映射表中查找对应的用户类别。

在本实施例中，通过对保险中的保障信息对用户进行分析，确定保障信息的比例，并根据保障信息的比例信息确定对应的险种覆盖范围，例如获取当前用户b购买的保障占整个保障信息的30％，则可知，用户b的保险覆盖范围为30％，可根据保险的覆盖范围在映射关系映射表中查找对应的用户类别。

在具体实现中，可根据学习的历史用户的购买保障信息，确定预设覆盖比例的人群信息，从而通过保险覆盖范围获取用户感兴趣的保险类型，通过用户感兴趣的保险类型对用户群体进行分类。

进一步地，所述步骤s20，具体包括：

步骤s203，提取险种类型信息中的保障信息，根据保障信息与险种额度的权重确定当前用户的用户类别。

在本实施例中，在面对用户保障信息占比不是高的情况下，例如低于60％的情况，但是险种额度比较高，例如高于50万，在这种情况下，设置险种额度与保障信息的权重，将险种额度的权重高于保证保障信息的权重，从而提高基于大数据的用户分类的准确性。

进一步地，所述步骤s203，具体包括：

步骤s204，根据机器学习获取历史用户的保险购买信息，根据所述保险购买信息确定保障信息与险种额度的权重。

在本实施例中，所述机器学习可为神经网络模型，还可为其他建立用户标签的模型，本实施例对此不作限制，通过机器学习对预设时间段内的用户购买的保险信息进行分析统计，获取保障信息与险种份额的权重。

本实施例提供的方案，通过提取险种类型信息中的保障信息，根据所述保障信息与险种额度信息确定当前用户的用户类别，并通过将保障信息与险种份额设有相应的权重，从而提高基于大数据的用户分类的准确性。

进一步地，如图4所示，基于第一实施例或第二实施例提出本发明基于大数据的用户分类方法第三实施例，在本实施例中，基于第一实施例进行说明，所述步骤s30之前，所述方法还包括：

步骤s301，将所述保障信息与预设保障信息进行对比，根据对比结果获取未购买保障信息。

需要说明的是，所述预设保障信息可为目前市面上可购买的保障信息，将用户已购买的保障信息与市面上已有的保障信息进行比较，获取未购买的保障信息，从而获取用户的实际需求，使推荐的保险险种更贴近用户需求。

进一步地，所述步骤s30，具体包括：

步骤s302，根据所述用户类别在未购买保障信息中查找目标保障信息，并将所述目标保障信息对应的目标险种进行推送。

在本实施例中，根据用户类别在未购买保障信息中查找与用户类别符合的目标保障信息，并将目标保障信息对应的目标险种进行推送，例如，确定用户为保守型用户，在未购买保障信息中查找比较稳定的并且额度较低的保障信息，并将保障信息符合的险种进行推送。

在具体实现中，建立用户类别与保障信息的关系映射表，获取保障信息的标签信息，例如保障信息a属于稳健性，从而建立保障信息a与保守型用户的关系映射表，从而快速通过用户类别查找对应的未购买的保障信息。

进一步地，所述步骤s10之前，所述方法还包括：

步骤s101，获取当前用户的标签信息，根据所述标签信息在预设区域查找对应的保险购买信息。

在具体实现中，为了获取各个用户的购买保险信息，可用户购买保险时对用户标上预设标签，所述预设标签可为身份标识号码(identity，id)，还可为其他标签形式，用于与其他用户进行区别，从而根据用户的标签信息，从数据库查找与用户对应的保险购买信息，提高用户识别的正确性。

进一步地，所述步骤s101之前，所述方法还包括：

获取历史用户的保险购买信息，对所述历史用户标上标签信息，并将标签信息与保险购买信息的对应关系存储在所述预设区域。

本实施例提供的方案，根据用户类别在未购买保障信息中查找对应的险种信息，并将险种信息进行推送，从而提高保险推送的精度。

本发明进一步提供一种基于大数据的用户分类装置。

参照图5，图5为本发明基于大数据的用户分类装置第一实施例的功能模块示意图。

本发明基于大数据的用户分类装置第一实施例中，该基于大数据的用户分类装置包括：

获取模块10，用于获取当前用户的保险购买信息，所述保险购买信息包括险种类型信息与险种额度信息。

需要说明的是，所述保险购买信息可为用户购买保险的订单信息，其中订单信息可从保存用户的数据库中获取，还可通过其他可实现相同或相似功能的方式获取，本实施例对此不作限制，在本实施例中，为通过用户数据库中获取用户的购买保险的订单信息。

在本实施例中，所述险种类型信息为人身保险、意外险等，还可包括其他险种类型，本实施例对此不作限制，在用户购买人身险或者意外险或者两者都有购买的情况下，由于保额的不同，购买的险种的额度信息也会不同，例如们购买意外险中的用户，有的用户可能会经常面临出差的问题，在这种情况下，针对这种用户一般购买意外险较多，并且购买意外险的保额也较高，一般意外险的保额在30万时，这类用户一般会选择购买50万以上的保额，从而可从用户购买的险种类型信息以及险种额度信息确定用户的实际需求，使推荐的保险更符合用户，提高保险的购买率。

确定类别模块20，用于提取险种类型信息中的保障信息，根据所述保障信息与险种额度信息确定当前用户的用户类别。

需要说明的是，每个保险类别对应多个保障信息，例如用户a在中国平安保险购买了险种a1，则用户a的保险购买信息中将记录有“险种a1”以及险种a1的保额信息，险种a1可能同时提供了多个角度的用户保障，比如，常见的用户保障包括身故保障、残疾保障、重疾保障及医疗保障四大类，不同的险种可能同时存在一种乃至多种的保障类别，从而可对用户购买信息进行具体分析，深入挖掘出用户的购买趋势。

在本实施例中，可对保险类别进行进一步的细分，比如，身故保障可细分为“交通意外身故保障、疾病身故保障等”，重疾保障可以细分为“轻度重疾保障、特定重疾保障等”，医疗保险可细分为“中老年医疗保障、女性癌症医疗保障”等，可见，各保险险种之间不只存在着险种类型的不同，保障类别的不同，还存在着险种保障额度的不同，从而可更具更细化保障信息以及保障信息对应的保额信息确定当前用户的用户类别。

在具体实现中，根据用户购买的保障信息进行整合，计算出险种类型的覆盖范围，并根据覆盖范围在预设映射表中查找对应的用户类别。

在获取用户b的保险购买信息后，根据该用户b已购买了险种b1、险种b2以及险种b3，而且，在险种的分类规则中险种b1、险种b2以及险种b3均为不同大类的险种，则可先基于险种类型信息“险种b1、险种b2以及险种b3”确定这三个险种分别对应的各保障类别，并整合这三种险种对应的保障类别，以确定用户b已购买险种的险种覆盖范围，即四种险种的保障类别占据全部保障类别的百分比，例如用户b已购买险种的险种覆盖范围为3/4，在计算完险种覆盖范围后，可再统计“险种b1、险种b2以及险种b3”的平均额度，比如，险种b1的保额为10万、险种b2的保额为20万以及险种b3的保额为30万，则可计算出用户b已购保险的平均额度为20万，然后，可根据用户b已购买险种的险种覆盖范围“3/4”与平均额度“20万”在预设映射关系中查询对应的用户类别。其中，预设映射关系中包括险种覆盖范围、平均额度以及用户类别的对应关系。

可以理解的是，所述用户类别可为保险公司对不同客户进行的区别性客户定位，比如，用户类别包括高净值用户，用户有稳定购买保险且购买大额保单的记录以及保守型用户，表现为有稳定购买保险的习惯但是购买额度不高等，从而分析出用户类别，更使推荐的保险符合用户的实际需求，还可为更细化的用户类别，本实施例对此不作限制。

推送模块30，用于根据所述用户类别确定推荐的目标险种，并将所述目标险种进行推送。

在本实施例中，将目标险种类型进行推送可通过短信的方式进行推送，还可通过其他的方式进行推送，本实施例对此不作限制。

在具体实现中，获取待推送的目标险种类型，将所述目标险种类型进行展示，在目标险种为多个情况时，根据额度信息对目标险种进行排序，将额度较低的目标险种进行推送，从而使推送的险种更有针对性。

本实施例通过上述方案，通过用户的保险购买信息中获取用户的已购买的险种类型以及险种额度信息，并将险种类型更细化为险种对应的保障信息，从保障信息中学习到用户的类别，根据类别对用户进行细化的区分，从而根据类别进行适应性的险种推荐，从而使推荐的险种更符合用户的需求，提高用户体验。

此外，为实现上述目的，本发明还提出一种服务器，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于大数据的用户分类程序，所述基于大数据的用户分类程序配置为实现如上文所述的基于大数据的用户分类方法的步骤。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于大数据的用户分类程序，所述基于大数据的用户分类程序被处理器执行如上文所述的基于大数据的用户分类方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个计算机可读存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台智能终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。