本技术涉及数字医疗,应用于结合数字化医疗平台向健康险客户进行业务通知过程中,尤其涉及一种业务通知方法、装置、设备及其存储介质。
背景技术:
1、随着数字医疗行业的发展,越来越多的医疗相关数据在跨多平台的医疗系统中极其重要,由于健康险业务的特殊性,其整个业务环节不仅仅只涉及到健康险业务系统的数据,可能还涉及到医疗业务系统以及银行业务系统,因此,其提醒通知系统,往往需要涉及到多个业务系统间的提醒通知,从而体现出一个完整性的健康险业务提醒通知流程。
2、目前,大多数提醒体系是基于人工筛选提醒或系统根据客户画像筛选对达到预设条件的客户进行提醒。但是,都存在一定的弊端,如人工提醒的筛选工作效率低下且工作量庞大复杂;即使是依赖系统的客户画像筛选方法,也存在系统不能实时根据业务规则的变化而及时调整提醒模式的问题。现有技术还缺乏一种既能提高通知效率,又能根据通知需求及时进行通知配置调整的业务通知方法。
技术实现思路
1、本技术实施例的目的在于提出一种业务通知方法、装置、设备及其存储介质,以解决现有技术还缺乏一种既能提高通知效率,又能根据通知需求及时进行通知配置调整的业务通知方法的问题。
2、为了解决上述技术问题,本技术实施例提供一种业务通知方法,采用了如下所述的技术方案:
3、一种业务通知方法,包括下述步骤:
4、获取历史客户集中所有客户的画像描述数据;
5、将所述历史客户集中所有客户的画像描述数据输入预设的条件筛选模型内,对所述条件筛选模型进行训练,获取训练完成的条件筛选模型以及所述训练完成的条件筛选模型的输出结果;
6、根据所述输出结果设置通知参数,并基于所述通知参数,生成初始通知模板;
7、获取待测客户集中所有客户的画像描述数据;
8、将所述待测客户集中所有客户的画像描述数据输入所述训练完成的条件筛选模型,根据所述训练完成的条件筛选模型对所述待测客户集中所有客户进行分类筛选,获取分类筛选结果;
9、根据所述初始通知模板以及所述分类筛选结果挑选目标初始通知模板,并根据所述目标初始通知模板配置完成所述待测客户集中所有客户分别对应的最终通知模板;
10、基于所述待测客户集中所有客户分别对应的最终通知模板,向所述待测客户集中所有客户分别发送业务通知。
11、进一步的,所述画像描述数据对应的描述特征包括客户的年龄、性别、职业、收入、教育背景、保险购买需求度、保险购买消费习惯、保险机构品牌偏好、保险购买时的购买渠道、付款方式、购买险种数量、投保总金额、对购买保险的心理接受度、价值等级,在执行所述获取历史客户集中所有客户的画像描述数据的步骤之后,所述方法还包括:
12、对所述历史客户集中所有客户的画像描述数据作数值化处理;
13、所述数据化处理的具体实时方式包括:
14、对于所述画像描述数据中的数值化表征数据,直接将所述数值化表征数据作为对应描述特征的数值化处理结果;
15、对于所述画像描述数据中的非数值化表征数据,获取预先根据所述非数值化表征数据的不同所设置的数值化区别编号,并将所述数值化区别编号作为对应描述特征的数值化处理结果。
16、进一步的,在执行所述将所述历史客户集中所有客户的画像描述数据输入预设的条件筛选模型内,对所述条件筛选模型进行训练的步骤之前,所述方法还包括:
17、构建与所述画像描述数据包括的描述特征等数量的初始分类器;
18、根据所述画像描述数据中目标描述特征的不同取值为对应的初始分类器设置分类节点;
19、直到所有描述特征对应的初始分类器都已设置完分类节点,将设置完分类节点的所有分类器整合为统一的条件筛选模型,获得所述预设的条件筛选模型;
20、所述将所述历史客户集中所有客户的画像描述数据输入预设的条件筛选模型内,对所述条件筛选模型进行训练的步骤,具体包括:
21、获取所述条件筛选模型对所述历史客户集的分类结果;
22、根据所述历史客户集的分类结果,统计每个分类器中不同分类节点处的历史客户数量,构建实际输出数量集;
23、根据预设的表单文件,计算每个分类器中不同分类节点处的预期客户数量,作为期望输出数量集;
24、采用预设的相似度算法计算所述实际输出数量集和所述期望输出数量集的相似度;
25、若所述相似度不满足预设的相似度阈值,则调整所述条件筛选模型的模型超参数,并重新进行分类训练,直到所述相似度满足预设的相似度阈值,则所述条件筛选模型训练完成。
26、进一步的,所述根据所述输出结果设置通知参数,并基于所述通知参数,生成初始通知模板的步骤,具体包括:
27、根据所述输出结果和预设的客户综合等级计算方法,预测所述历史客户集中每个客户的综合等级;
28、对相同综合等级的客户设置相同的通知参数,其中,所述通知参数包括通知频率、通知时段、通知方式、通知内容、通知优先级;
29、根据同一综合等级的客户对应的通知频率、通知时段、通知方式、通知内容、通知优先级,构建json类型格式数据模板;
30、将不同综合等级的客户分别对应的json类型格式数据模板作为对应综合等级的客户所对应的初始通知模板。
31、进一步的,在执行所述根据所述输出结果和预设的客户综合等级计算方法,预测所述历史客户集中每个客户的综合等级的步骤之前,所述方法还包括:
32、依次筛选不同的分类器作为目标分类器;
33、并根据预设的等级设置表单,设置所述目标分类器中不同分类节点的区别等级;
34、直到所有分类器中的所有分类节点都设置有对应的区别等级,则获取所有分类器中所有分类节点的区别等级;
35、所述根据所述输出结果和预设的客户综合等级计算方法,预测所述历史客户集中每个客户的综合等级的步骤,具体包括:
36、根据所述输出结果,识别出每个分类器中不同分类节点处所包含的历史客户;
37、并将当前分类节点的区别等级设置为对应历史客户在当前分类器对应的区别等级;
38、统计各个历史客户分别在不同分类器所对应的区别等级;
39、根据各个历史客户分别在不同分类器所对应的区别等级,以及所述客户综合等级计算方法,预测所述各个历史客户的综合等级。
40、进一步的,所述根据所述训练完成的条件筛选模型对所述待测客户集中所有客户进行分类筛选,获取分类筛选结果的步骤,具体包括:
41、获取所述训练完成的条件筛选模型对所述待测客户集的分类结果;
42、根据所述待测客户集的分类结果,统计每个分类器中不同分类节点处的待测客户数量;
43、根据所述每个分类器中不同分类节点处的待测客户数量和所述客户综合等级计算方法,预测所述待测客户集中每个客户的综合等级;
44、将所述待测客户集中每个客户的综合等级作为所述分类筛选结果。
45、进一步的,在执行所述根据所述初始通知模板以及所述分类筛选结果挑选目标初始通知模板,并根据所述目标初始通知模板配置完成所述待测客户集中所有客户分别对应的最终通知模板的步骤之前,所述方法还包括:
46、识别所述待测客户集中每个客户是否有区别于所述画像描述数据的特殊表征数据;
47、若所述待测客户集中存在客户有区别于所述画像描述数据的特殊表征数据且所述特殊表征数据对应有区别通知参数,则获取所述区别通知参数,其中,所述区别通知参数为不同于通知频率、通知时段、通知方式、通知内容、通知优先级的通知参数;
48、设置所述区别通知参数与对应客户间的关联关系,其中,所述对应客户为包含所述区别通知参数对应的特殊表征数据的客户;
49、所述根据所述初始通知模板以及所述分类筛选结果挑选目标初始通知模板,并根据所述目标初始通知模板配置完成所述待测客户集中所有客户分别对应的最终通知模板的步骤,具体包括:
50、根据所述待测客户集中每个客户的综合等级获取相应的json类型格式数据模板,作为所述待测客户集中每个客户分别对应的目标初始通知模板;
51、根据所述区别通知参数与对应客户间的关联关系,识别所述待测客户集中当前目标客户是否对应有区别通知参数;
52、若当前目标客户无对应的区别通知参数,则将所述当前目标客户对应的目标初始通知模板作为所述当前目标客户对应的最终通知模板;
53、若当前目标客户对应有区别通知参数,则将所述区别通知参数作为补充字段加入到所述当前目标客户对应的目标初始通知模板内,更新所述目标初始通知模板,将更新之后的目标初始通知模板作为所述当前目标客户对应的最终通知模板;
54、直到所述待测客户集中每个客户都匹配到对应的最终通知模板,则完成对所述待测客户集中所有客户的通知模板配置。
55、为了解决上述技术问题,本技术实施例还提供一种业务通知装置,采用了如下所述的技术方案:
56、一种业务通知装置,包括:
57、第一数据集获取模块,用于获取历史客户集中所有客户的画像描述数据;
58、模型训练模块,用于将所述历史客户集中所有客户的画像描述数据输入预设的条件筛选模型内,对所述条件筛选模型进行训练,获取训练完成的条件筛选模型以及所述训练完成的条件筛选模型的输出结果;
59、初始通知模板生成模块,用于根据所述输出结果设置通知参数,并基于所述通知参数,生成初始通知模板;
60、第二数据集获取模块,用于获取待测客户集中所有客户的画像描述数据;
61、模型分类模块,用于将所述待测客户集中所有客户的画像描述数据输入所述训练完成的条件筛选模型,根据所述训练完成的条件筛选模型对所述待测客户集中所有客户进行分类筛选,获取分类筛选结果;
62、最终通知模板配置模块,用于根据所述初始通知模板以及所述分类筛选结果挑选目标初始通知模板,并根据所述目标初始通知模板配置完成所述待测客户集中所有客户分别对应的最终通知模板;
63、业务通知模块,用于基于所述待测客户集中所有客户分别对应的最终通知模板,向所述待测客户集中所有客户分别发送业务通知。
64、为了解决上述技术问题,本技术实施例还提供一种计算机设备,采用了如下所述的技术方案:
65、一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现上述所述的业务通知方法的步骤。
66、为了解决上述技术问题,本技术实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
67、一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述所述的业务通知方法的步骤。
68、与现有技术相比,本技术实施例主要有以下有益效果:
69、本技术实施例所述业务通知方法,通过将历史客户集中所有客户的画像描述数据输入预设的条件筛选模型内,进行模型训练,获取训练完成的条件筛选模型以及输出结果;根据输出结果设置通知参数,并基于通知参数,生成初始通知模板;将待测客户集中所有客户的画像描述数据输入训练完成的条件筛选模型,根据条件筛选模型对待测客户集中所有客户进行分类筛选,获取分类筛选结果;根据分类筛选结果挑选目标初始通知模板,并根据目标初始通知模板配置完成待测客户集中所有客户分别对应的最终通知模板;基于待测客户集中所有客户分别对应的最终通知模板,向待测客户集中所有客户分别发送业务通知。实现了以模板整体为单位进行更新和以模板为单位整体设置当前目标客户对应的通知配置信息,既能提高通知效率,又能根据通知需求及时进行通知配置调整。尤其是在数字医疗业务系统,如果能够智能化进行通知模板配置,即提高通知效率的同时也能提高患者客户的体验感,且根据通知需求及时进行通知配置调整,保证了在丰富的数字医疗业务中,及时进行通知配置调整,避免造成客户体验感下降。