一种用户价值预测方法和装置与流程

1.本技术涉及信息处理技术领域，特别是涉及一种用户价值预测方法和装置。


背景技术：

2.一直以来，流量是互联网企业生长的根基。但如今，流量红利殆尽，导致企业营销费用的增长速度常低于营收的增长速度，但高于用户的增长速度，企业获客越来越难。如何将流量变成留量，如何识别用户价值并对高价值人群进行转化，是企业面临的难题。
3.在保险行业里，用户的价值可以理解为用户的所有家庭成员的保险需求能够为公司带来的总成交保额。目前，主要通过人工方式记录用户的总成交保额，即保险销售顾问在跟进用户的过程中，根据自身经验预测用户的总成交保额并进行记录。
4.由于保险销售顾问的经验不足，导致保险销售顾问不愿意记录或者不记录或者不知道怎么记录用户的总成交保额的情况频繁发生。并且，由于不同保险销售顾问的经验水平不一致，导致保险销售顾问记录用户的总成交保额时的衡量标准不一致，从而可能出现保险销售顾问记录的总成交保额不准确的情况。
5.综上，目前急需一种对用户的总成交保额进行预测的方法，即急需一种对用户价值进行预测的方法。


技术实现要素：

6.有鉴于此，本技术提供了一种用户价值预测方法和装置，以提高预测出的用户价值的准确性，其技术方案如下：
7.一种用户价值预测方法，包括：
8.根据投保意向信息确定用户的画像标签信息，其中，投保意向信息为用户的投保意向相关的信息，用户的画像标签信息包括：至少一个投被保角色，以及，至少一个投被保角色分别对应的意向险种和基本信息；
9.根据画像标签信息，确定各投被保角色分别对应的缴费信息众数；
10.根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定用户的预计总成交保额，其中，预计总成交保额用于表征用户价值。
11.可选的，投保意向信息包括沟通记录表、基本信息表和用户行为表中的至少一个，其中，沟通记录表为与用户沟通过程中对用户的投保意向进行记录得到的表，用户行为表为对用户的投保意向行为进行统计得到的表，基本信息表包括投被保角色对应的意向险种和/或基本信息。
12.可选的，投保意向信息为沟通记录表，沟通记录表中记录有沟通文本，根据投保意向信息确定用户的画像标签信息，包括：
13.将沟通文本输入预先建立的序列标注模型，以得到序列标注模型输出的实体识别结果，其中，实体识别结果包括沟通文本所包含的实体，以及，实体对应的实体类型，实体包括用于描述角色的词、用于描述基本信息的词、用于描述意向险种的词和用于描述意向产
品的词，一实体对应的实体类型用于指示该实体所描述的内容，序列标注模型采用标注有实体以及实体类型的训练样本训练得到，训练样本为设定的沟通训练文本；
14.确定沟通文本包含的意向词，其中，意向词为用于描述用户投保意向的动词；
15.根据实体识别结果和意向词，确定用户的画像标签信息。
16.可选的，沟通文本所包含的实体包括用于描述投被保角色的词和其他词，其他词为沟通文本所包含的实体中除用于描述投被保角色的词外的词；根据实体识别结果和关键词，确定用户的画像标签信息，包括：
17.对实体识别结果和关键词进行解析，得到三元组集合，其中三元组集合包括至少一个三元组，每个三元组由用于描述投被保角色的词、设定信息和其他词组成，设定信息为实体对应的实体类型或者意向词；
18.对三元组集合进行角色对齐转化和推理，得到各投被保角色分别对应的意向险种和基本信息；以得到用户的画像标签信息。
19.可选的，根据画像标签信息，确定各投被保角色分别对应的缴费信息众数，包括：
20.根据画像标签信息，以及，预先存储的各已投保角色分别对应的基本信息、投保险种和投保缴费信息，确定各投被保角色分别对应的缴费信息众数。
21.可选的，根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定用户的预计总成交保额，包括：
22.根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定各投被保角色分别对应的成交保额众数；
23.根据各投被保角色分别对应的成交保额众数，确定用户的预计总成交保额。
24.一种用户价值预测装置，包括：画像标签信息确定模块、缴费信息众数确定模块和总成交保额预测模块；
25.画像标签信息确定模块，用于根据投保意向信息确定用户的画像标签信息，其中，投保意向信息为用户的投保意向相关的信息，用户的画像标签信息包括：至少一个投被保角色，以及，至少一个投被保角色分别对应的意向险种和基本信息；
26.缴费信息众数确定模块，用于根据画像标签信息，确定各投被保角色分别对应的缴费信息众数；
27.总成交保额预测模块，用于根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定用户的预计总成交保额，其中，预计总成交保额用于表征用户价值。
28.可选的，投保意向信息为沟通记录表，沟通记录表为与用户沟通过程中对用户的投保意向进行记录得到的表，沟通记录表中记录有沟通文本；
29.画像标签信息确定模块，包括：实体识别结果确定模块、意向词确定模块和画像标签信息确定子模块；
30.实体识别结果确定模块，用于将沟通文本输入预先建立的序列标注模型，以得到序列标注模型输出的实体识别结果，其中，实体识别结果包括沟通文本所包含的实体，以及，实体对应的实体类型，实体包括用于描述角色的词、用于描述基本信息的词、用于描述意向险种的词和用于描述意向产品的词，一实体对应的实体类型用于指示该实体所描述的内容，序列标注模型采用标注有实体以及实体类型的训练样本训练得到，训练样本为设定的沟通训练文本；
31.意向词确定模块，用于确定沟通文本包含的意向词，其中，意向词为用于描述用户投保意向的动词；
32.画像标签信息确定子模块，用于根据实体识别结果和意向词，确定用户的画像标签信息。
33.可选的，缴费信息众数确定模块，具体用于根据画像标签信息，以及，预先存储的各已投保角色分别对应的基本信息、投保险种和投保缴费信息，确定各投被保角色分别对应的缴费信息众数。
34.可选的，总成交保额预测模块，包括：成交保额众数确定模块和成交保额众数计算模块；
35.成交保额众数确定模块，用于根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定各投被保角色分别对应的成交保额众数；
36.成交保额众数计算模块，用于根据各投被保角色分别对应的成交保额众数，确定用户的预计总成交保额。
37.经由上述的技术方案可知，本技术提供的用户价值预测方法，首先根据投保意向信息确定用户的画像标签信息，然后根据画像标签信息，确定各投被保角色分别对应的缴费信息众数，最后根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定用户的预计总成交保额，该预计总成交保额可以用于表征用户价值。可见，本技术能够确定出预计总成交保额，确定出的预计总成交保额可用于对用户价值进行预测，并且，在对用户价值进行预测的过程中无需依赖人为经验，提高了预测出的用户价值的准确性。
附图说明
38.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
39.图1为本技术实施例提供的一种用户价值预测方法的流程示意图；
40.图2为本技术实施例提供的用户价值预测装置的结构示意图；
41.图3为本技术实施例提供的用户价值预测设备的硬件结构框图。
具体实施方式
42.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
43.可以理解的是，保险行业是低频、长周期、高客单价的行业，用户重决策，用户的购买过程需要保险销售顾问的辅助。通过实际调研发现，保险销售顾问在跟进用户过程中，只会记录用户成交意向可能性的高、中、低，缺少记录用户的预计总成交保额，或者在记录用户的预计总成交保额时仅能依赖于自身经验，而没有统一的衡量标准。这会导致企业或平台或保险销售顾问自身难以预估用户带来的总成交保额(即难以预估用户价值)，可能造成
顾问成交率很高，但是总成交保额低的情况，而且采用人工方式也存在顾问不愿意记录或者不记录或者不知道怎么记录用户的总成交保额的问题，以及，记录的总成交保额不准确的问题。
44.鉴于现有技术存在的问题，本案发明人进行了深入研究，最终提出了一种用户价值预测方法，接下来通过下述实施例对本技术提供的用户价值预测方法进行详细介绍。
45.请参阅图1，示出了本技术实施例提供的用户价值预测方法的流程示意图，该用户价值预测方法可以包括：
46.步骤s101、根据投保意向信息确定用户的画像标签信息。
47.其中，投保意向信息为用户的投保意向相关的信息，其能够反映用户的投保意向。用户的画像标签信息包括：至少一个投被保角色，以及，至少一个投被保角色分别对应的意向险种和基本信息。
48.这里，投被保角色包括用户相关的投保人角色和被保人角色，例如，若用户a想要为女儿购买某保险，则投被保角色为女儿(即被保人角色)，若用户a想要为本人购买某保险，则投被保角色为本人(即投保人角色)。
49.可选的，上述投被保角色对应的意向险种包括但不限于：重疾险、医疗险、寿险险、意外险和年金险。
50.在本步骤中，上述投被保角色对应的基本信息可以为性别和年龄。当然，投被保角色对应的基本信息还可以为其他，例如，生日等，本技术对此不进行限定。
51.步骤s102、根据画像标签信息，确定各投被保角色分别对应的缴费信息众数。
52.在本步骤中，根据用户的画像标签信息，即可确定出各投被保角色分别对应的缴费信息众数，也即，根据每个投被保角色对应的意向险种和基本信息，即可以确定出该投被保角色对应的缴费信息众数。这里，一投被保角色对应的缴费信息众数是指该投被保角色对应的意向险种和基本信息所对应的已投保角色中，多数已投保角色对应的缴费信息。
53.可选的，本实施例中，缴费信息包括缴费类型、缴费期限和基本保额。
54.可以理解的是，已投保角色在保险公司投保后，该保险公司会存储已投保角色对应的基本信息、投保险种和投保缴费信息，那么可选的，本步骤在“根据用户的画像标签信息，确定各投被保角色分别对应的缴费信息众数”时可以以预先存储的各已投保角色分别对应的基本信息、投保险种和投保缴费信息为依据，确定各投被保角色分别对应的缴费信息众数，也即，本步骤可以根据画像标签信息，以及，预先存储的各已投保角色分别对应的基本信息、投保险种和投保缴费信息，确定各投被保角色分别对应的缴费信息众数。
55.例如，一投被保角色对应的意向险种为意外险，年龄为17岁(属于0～18岁年龄段)，性别为男，而保险公司存储的信息中，年龄段为0～18岁、性别为男性且投保险种为意外险的已投保角色共计100人，其中，64人对应的投保缴费信息中，缴费类型为年缴，缴费期限为60年，基本保额为30万，则本步骤确定出的该投被保角色对应的缴费信息众数为：缴费类型为年缴，缴费期限为60年，基本保额为30万。
56.需要说明的是，上述保险公司存储的已投保角色对应的基本信息、投保险种和投保缴费信息通常在保单表中记录，也即，本步骤可根据用户的画像标签信息，从保单表中统计其对应的缴费信息众数。
57.在一可选实施例中，可将上述投被保角色、投被保角色对应的意向险种、基本信息
以及缴费信息众数存储在设定好的表格中，以便于后续查看和进行相关计算。以一投被保角色对应的意向险种为意外险，年龄为17岁(属于0～18岁年龄段)，性别为男，缴费类型为年缴，缴费期限为60年，基本保额为30万为例，得到的表格如下表1所示。
58.表1投被保角色、基本信息、意向险种和缴费信息的示意表
59.投被保角色本人性别男年龄段(小于18岁时，记为1)1意向险种意外险缴费类型年缴缴费期限60年基本保额30万
60.步骤s103、根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定用户的预计总成交保额。
61.在本步骤中，预计总成交保额能够用于表征用户价值，其中，预计总成交保额越高，用户价值越高；预计总成交保额越低，用户价值越低。
62.可选的，本步骤“根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定用户的预计总成交保额”的过程包括步骤s1031～步骤s1032：
63.步骤s1031、根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定各投被保角色分别对应的成交保额众数。
64.在本步骤中，保险公司除存储已投保角色对应的基本信息、投保险种和投保缴费信息外，还会存储该已投保角色对应的成交保额，那么可选的，本步骤在“根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定各投被保角色分别对应的成交保额众数”时可以以预先存储的各已投保角色分别对应的基本信息、投保险种、投保缴费信息和成交保额为依据，确定各投被保角色分别对应的成交保额众数，也即本步骤可以根据各投被保角色分别对应的缴费信息众数和画像标签信息，以及，预先存储的各已投保角色分别对应的基本信息、投保险种、投保缴费信息和成交保额，确定各投被保角色分别对应的成交保额众数。
65.例如，一投被保角色对应的意向险种为意外险，年龄为17岁(属于0～18岁年龄段)，性别为男，缴费类型为年缴，缴费期限为60年，基本保额为30万，则本步骤确定出的该投被保角色对应的成交保额众数为1508元。
66.需要说明的是，上述保险公司存储的已投保角色对应的基本信息、投保险种、投保缴费信息以及成交保额通常在保单表中记录，也即，本步骤可根据一投被保角色分别对应的缴费信息众数和画像标签信息，从保单表中统计其对应的缴费信息众数。
67.还需要说明的是，在本步骤中，一投被保角色对应的成交保额众数可以理解为该投被保角色对应的预计成交保额，也即，未来用户可能会为该投被保角色投入的保费金额。
68.进一步可选的，本步骤还可以对投被保角色对应的成交保额众数进行四舍五入，例如，对投被保角色对应的成交保额众数四舍五入到千位，则若投被保角色对应的成交保额众数为1508元，四舍五入到千位的结果变为2000元。
69.在一可选实施例中，本步骤还可以将上述投被保角色、投被保角色对应的意向险
种、基本信息、缴费信息众数以及成交保额众数(即预计成交保额)及其四舍五入结果存储在设定好的表格中，以便于后续查看和进行相关计算。
70.以在表1示出的投被保角色、基本信息、意向险种和缴费信息的基础上，增加预计成交保额为1508元，预计成交保额四舍五入到千位的结果为2000元为例，得到的表格如下表2所示。
71.表2投被保角色、基本信息、意向险种、缴费信息和预计成交保额的示意表
72.投被保角色本人性别男年龄段(小于18岁时，记为1)1意向险种意外险缴费类型年缴缴费期限60年基本保额30万预计成交保额1508元预计成交保额四舍五入到千位2000元
73.在一可选实施例中，还可以在表2的基础上增加“创建时间”信息，例如在表2下方增加一行“创建时间”，以用于记录该表2的创建时间，从而后续根据该创建时间，即可以知道确定出该投被保角色对应的成交保额众数的时间。
74.步骤s1032、根据各投被保角色分别对应的成交保额众数，确定用户的预计总成交保额。
75.可以理解的是，用户可能会为多个家庭成员(投被保角色)投保，从而上一步骤中可确定出各投被保角色分别对应的成交保额众数，此时，本步骤可对各投被保角色分别对应的成交保额众数进行求和计算，以得到用户的预计总成交保额，也即，用户价值。例如，用户a想要为本人和女儿投保，若本人对应的成交保额众数为2800元，女儿对应的成交保额众数为1508元，则该用户a的预计总成交保额为4308，即用户a未来可能会为保险公司带来4308元的保费收入。
76.在本步骤确定出用户的预计总成交保额后，还可以根据用户的预计总成交保额确定该用户是否为高价值用户。
77.本技术提供的用户价值预测方法，首先根据投保意向信息确定用户的画像标签信息，然后根据画像标签信息，确定各投被保角色分别对应的缴费信息众数，最后根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定用户的预计总成交保额，该预计总成交保额可以用于表征用户价值。可见，本技术能够确定出预计总成交保额，确定出的预计总成交保额可用于对用户价值进行预测，并且，在对用户价值进行预测的过程中无需依赖人为经验，提高了预测出的用户价值的准确性。
78.并且，本技术实施例通过对用户的保险需求(即投保意向)进行挖掘和预测，可以帮助保险公司大致预测出平台上的用户会带来的保费收入量级，并通过相关信息提供给保险销售顾问或通过精准活动营销，把用户的保险需求尽可能的进行转化，从而实现提升用户带来的保费收入的目的，同时也提升了整体销售保额。
79.在本技术的一个实施例中，对上述步骤s101中的投保意向信息以及上述步骤s101
进行说明。
80.可选的，上述步骤s101中的投保意向信息可以包括沟通记录表、基本信息表和用户行为表中的至少一个，其中，沟通记录表为与用户沟通过程中对用户的投保意向进行记录得到的表，用户行为表为对用户的投保意向行为进行统计得到的表，基本信息表中包括投被保角色对应的意向险种和/或基本信息。
81.可选的，上述基本信息表包括但不限于：用户对应的商机表和注册表，上述用户行为表中包含的投保意向行为包括但不限于：针对保险的浏览、搜索、加购、收藏、试算行为。
82.接下来，以投保意向信息分别为沟通记录表、基本信息表和用户行为表为例，对上述“步骤s101、根据投保意向信息确定用户的画像标签信息”的过程进行说明。
83.其中，若投保意向信息为沟通记录表，则上述“步骤s101、根据投保意向信息确定用户的画像标签信息”的过程可以包括以下步骤s1011～步骤s1013：
84.步骤s1011、将沟通文本输入预先建立的序列标注模型，以得到序列标注模型输出的实体识别结果。
85.在本步骤中，可以预先建立一个基于自我注意力机制的序列标注模型(例如，bert crf模型)并进行训练。其中，序列标注模型的训练过程可以包括：通过人工方式对设定的沟通训练文本进行实体和实体类型标注，然后将标注有实体和实体类型的沟通训练文本(即序列标注模型对应的训练样本)输入至序列标注模型进行训练，以得到训练好的序列标注模型。
86.当训练好序列标注模型后，即可将沟通记录表中记录的沟通文本输入至序列标注模型，以得到模型输出的实体识别结果。这里，实体识别结果包括沟通文本所包含的实体，以及，实体对应的实体类型。在本步骤中，实体包括用于描述角色的词、用于描述基本信息的词、用于描述意向险种的词和用于描述意向产品的词，一实体对应的实体类型用于指示该实体所描述的内容。
87.举例来说，假设沟通文本为“我女儿今年10岁。我想给她咨询一下重疾险，例如妈咪宝贝”，则将该沟通文本输入至序列标注模型后，得到的模型输出结果可以参见下表3。
88.表3序列标注模型标注结果的示意表
89.沟通文本实体识别结果我b
‑
role女i
‑
role儿e
‑
role今0年01b
‑
age0i
‑
age岁e
‑
age。0我s
‑
role想0给0
她0咨0询0一0下0重b
‑
intentionrisktype疾i
‑
intentionrisktype险e
‑
intentionrisktype，0例0如0妈b
‑
intentionproduct咪i
‑
intentionproduct宝i
‑
intentionproduct贝e
‑
intentionproduct
90.上表3中，“b”代表实体开始，“i”代表实体内部，“e”代表实体结束，“s”代表单一实体，“0”代表非实体，“role”代表实体类型为角色，“age”代表实体类型为年龄，“intentionrisktype”代表实体类型为意向险种，“intentionproduct”代表实体类型为意向产品。基于表3示出的实体识别结果，该沟通文本包含的命名实体包括“我女儿”、“10岁”、“我”、“重疾险”和“妈咪宝贝”，其中，“我女儿”和“我”的实体类型为角色，“10岁”的实体类型为年龄，“重疾险”的实体类型为意向险种，“妈咪宝贝”的实体类型为意向产品。
91.需要说明的是，本实施例中，由意向产品可以推断出意向险种，例如，“妈咪宝贝”对应的险种为“重疾险”，因此，在序列标注模型中需要对意向产品进行标注。
92.步骤s1012、确定沟通文本包含的意向词。
93.可以理解的是，沟通文本中可能包含不属于用户投保意向的产品或险种，例如，沟通文本为“我知道小蜜蜂，但是我想咨询一下妈咪宝贝”，该沟通文本中的实体“小蜜蜂”不是用户的意向产品，若基于该“小蜜蜂”确定用户的画像标签信息，可能出现确定错误的情况，例如，若“小蜜蜂”对应的险种为意外险，“妈咪宝贝”对应的险种为重疾险，则基于该“小蜜蜂”确定出的画像标签信息将出现错误。
94.基于此，在本步骤中，可以确定沟通文本中所包含的意向词，以基于该意向词确定某个产品或险种是否为用户意向投保的产品或险种。这里，该意向词是指用于描述用户投保意向的动词，例如，“咨询”、“了解”等动词。
95.可选的，本步骤可通过将沟通文本输入至预先建立的意向词标注模型中，以基于意向词标注模型确定出沟通文本包含的意向词，这里意向词标注模型的训练过程可参考上述步骤s1011中的介绍，在此不进行赘述。
96.需要说明的是，本实施例可以将上述步骤s1011中提供的序列标注模型和本步骤提供的意向词标注模型合并为一个标注模型，通过将沟通文本输入至合并的标注模型中，即可一次性得到沟通文本包含的实体、实体类型和意向词，从而节省了时间。
97.步骤s1013、根据实体识别结果和意向词，确定用户的画像标签信息。
98.可以理解的是，沟通文本所包含的实体中必然包括用于描述投被保角色的词和其他词，该其他词为沟通文本所包含的实体中除用于描述投被保角色的词外的词。基于此，可选的，本步骤“根据实体识别结果和意向词，确定用户的画像标签信息”的过程包括以下a1～a2：
99.a1、对实体识别结果和意向词进行解析，得到三元组集合，其中三元组集合包括至少一个三元组，每个三元组由用于描述投被保角色的词、设定信息和其他词组成，设定信息为实体对应的实体类型或者意向词。
100.举例来说，对上表3所示的实体识别结果和意向词“咨询”进行解析，得到的三元组包括但不限于：“我女儿，年龄，10岁”、“我，咨询，重疾险”、“我，咨询，妈咪宝贝”。
101.a2、对三元组集合进行角色对齐转化和推理，得到各投被保角色分别对应的意向险种和基本信息；以得到用户的画像标签信息。
102.可选的，可通过角色对其字典对至少一个三元组集合进行角色对齐转换。
103.举例来说，对基于上表3得到的三元组集合进行角色对齐转换和推理，可以得到结果：“女儿，年龄，10”、“女儿，性别，女”、“本人，为谁咨询，女儿”、“女儿，意向险种，重疾险”和“女儿，意向产品，妈咪宝贝”。
104.可选的，本步骤对上述结果补充用户的标识信息(例如id信息)后，即可以得到下表4。
105.表4用户标识、投被保角色、实体类型和实体的示意表
106.用户标识投被保角色实体类型实体cid001女儿年龄10cid001女儿性别女cid001本人为谁咨询女儿cid001女儿意向险种重疾险cid001女儿意向产品妈咪宝贝
107.在本步骤中，根据上表4即可确定出投被保角色及其对应的意向险种和基本信息，从而得到用户的画像标签信息。
108.若投保意向信息为基本信息表，则上述“步骤s101、根据投保意向信息确定用户的画像标签信息”的过程包括：根据基本信息表获取意向险种和/或基本信息。
109.举例来说，从商机表获取到的意向险种可参见下表5。
110.表5从商机表获取到的意向险种的示意表
111.商机表标识用户标识留资页面意向险种bd001cid001妈咪宝贝重疾险bd002cid002守卫者重疾险
112.由上表5可以看到，商机表中记录有各用户对应的留资页面，该留资页面中包括用户浏览意向产品时的页面，根据该留资页面可知用户cid001想要了解妈咪宝贝，用户cid002想要了解守卫者，而妈咪宝贝和守卫者对应的险种均为重疾险，也即用户cid001和用户cid002的意向险种均为重疾险。
113.若投保意向信息为用户行为表，则上述“步骤s101、根据投保意向信息确定用户的画像标签信息”的过程包括：根据用户行为表获取意向险种。
114.举例来说，从用户行为表获取到的意向险种可参见下表6。
115.表6从用户行为表获取到的意向险种的示意表
116.用户标识行为名称意向产品意向险种cid001浏览妈咪宝贝重疾险cid001收藏晴天宝宝重疾险cid001加购小蜜蜂意外险cid002试算达尔文5号荣耀版重疾险
117.由上表6可以看到，用户行为表中包括各用户的行为分别对应的意向产品和意向险种，从而根据用户行为表可以获取到用户cid001的意向险种为重疾险和意外险，用户cid002的意向险种为重疾险。
118.当然，一种优选的情况下，上述步骤s101中的投保意向信息可以包括沟通记录表、基本信息表和用户行为表中的任意两个或三个，此时可以对获取到的意向险种和基本信息进行汇总，以得到各投被保角色分别对应的意向险种和基本信息。
119.本技术实施例还提供了一种用户价值预测装置，下面对本技术实施例提供的用户价值预测装置进行描述，下文描述的用户价值预测装置与上文描述的用户价值预测方法可相互对应参照。
120.请参阅图2，示出了本技术实施例提供的用户价值预测装置的结构示意图，如图2所示，该用户价值预测装置可以包括：画像标签信息确定模块201、缴费信息众数确定模块202和总成交保额预测模块203。
121.画像标签信息确定模块201，用于根据投保意向信息确定用户的画像标签信息，其中，投保意向信息为用户的投保意向相关的信息，用户的画像标签信息包括：至少一个投被保角色，以及，至少一个投被保角色分别对应的意向险种和基本信息。
122.缴费信息众数确定模块202，用于根据画像标签信息，确定各投被保角色分别对应的缴费信息众数。
123.总成交保额预测模块203，用于根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定用户的预计总成交保额，其中，预计总成交保额用于表征用户价值。
124.本技术提供的用户价值预测装置，首先根据投保意向信息确定用户的画像标签信息，然后根据画像标签信息，确定各投被保角色分别对应的缴费信息众数，最后根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定用户的预计总成交保额，该预计总成交保额可以用于表征用户价值。可见，本技术能够确定出预计总成交保额，确定出的预计总成交保额可用于对用户价值进行预测，并且，在对用户价值进行预测的过程中无需依赖人为经验，提高了预测出的用户价值的准确性。
125.在一种可能的实现方式中，上述投保意向信息包括沟通记录表、基本信息表和用户行为表中的至少一个，其中，沟通记录表为与用户沟通过程中对用户的投保意向进行记录得到的表，用户行为表为对用户的投保意向行为进行统计得到的表，基本信息表包括投被保角色对应的意向险种和/或基本信息。
126.在一种可能的实现方式中，上述投保意向信息为沟通记录表，该沟通记录表中记录有沟通文本。
127.基于此，上述画像标签信息确定模块可以包括：实体识别结果确定模块、意向词确
定模块和画像标签信息确定子模块。
128.其中，实体识别结果确定模块，用于将沟通文本输入预先建立的序列标注模型，以得到序列标注模型输出的实体识别结果，其中，实体识别结果包括沟通文本所包含的实体，以及，实体对应的实体类型，实体包括用于描述角色的词、用于描述基本信息的词、用于描述意向险种的词和用于描述意向产品的词，一实体对应的实体类型用于指示该实体所描述的内容，序列标注模型采用标注有实体以及实体类型的训练样本训练得到，训练样本为设定的沟通训练文本。
129.意向词确定模块，用于确定沟通文本包含的意向词，其中，意向词为用于描述用户投保意向的动词。
130.画像标签信息确定子模块，用于根据实体识别结果和意向词，确定用户的画像标签信息。
131.在一种可能的实现方式中，上述沟通文本所包含的实体包括用于描述投被保角色的词和其他词，该其他词为沟通文本所包含的实体中除用于描述投被保角色的词外的词。
132.基于此，上述画像标签信息确定子模块可以包括：三元组集合确定子模块和转化推理子模块。
133.其中，三元组集合确定子模块，用于对实体识别结果和关键词进行解析，得到三元组集合，其中三元组集合包括至少一个三元组，每个三元组由用于描述投被保角色的词、设定信息和其他词组成，设定信息为实体对应的实体类型或者意向词。
134.转化推理子模块，用于对三元组集合进行角色对齐转化和推理，得到各投被保角色分别对应的意向险种和基本信息；以得到用户的画像标签信息。
135.在一种可能的实现方式中，上述缴费信息众数确定模块，具体可以用于根据画像标签信息，以及，预先存储的各已投保角色分别对应的基本信息、投保险种和投保缴费信息，确定各投被保角色分别对应的缴费信息众数。
136.在一种可能的实现方式中，上述总成交保额预测模块可以包括：成交保额众数确定模块和成交保额众数计算模块。
137.其中，成交保额众数确定模块，用于根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定各投被保角色分别对应的成交保额众数。
138.成交保额众数计算模块，用于根据各投被保角色分别对应的成交保额众数，确定用户的预计总成交保额。
139.本技术实施例还提供了一种用户价值预测设备。可选的，图3示出了用户价值预测设备的硬件结构框图，参照图3，该用户价值预测设备的硬件结构可以包括：至少一个处理器301，至少一个通信接口302，至少一个存储器303和至少一个通信总线304；
140.在本技术实施例中，处理器301、通信接口302、存储器303、通信总线304的数量为至少一个，且处理器301、通信接口302、存储器303通过通信总线304完成相互间的通信；
141.处理器301可能是一个中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
142.存储器303可能包含高速ram存储器，也可能还包括非易失性存储器(non
‑
volatile memory)等，例如至少一个磁盘存储器；
143.其中，存储器303存储有程序，处理器301可调用存储器303存储的程序，所述程序用于：
144.根据投保意向信息确定用户的画像标签信息，其中，投保意向信息为用户的投保意向相关的信息，用户的画像标签信息包括：至少一个投被保角色，以及，至少一个投被保角色分别对应的意向险种和基本信息；
145.根据画像标签信息，确定各投被保角色分别对应的缴费信息众数；
146.根据各投被保角色分别对应的缴费信息众数和画像标签信息，确定用户的预计总成交保额，其中，预计总成交保额用于表征用户价值。
147.可选的，所述程序的细化功能和扩展功能可参照上文描述。
148.本技术实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述用户价值预测方法。
149.可选的，所述程序的细化功能和扩展功能可参照上文描述。
150.最后，还需要说明的是，在本文中，诸如和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
151.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
152.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。