保险-健康风险及购买预测

传统健康风险判断及购买预测的问题:

  • 难以有效避免地区差异性
  • 数据维度大,变量筛选困难,建模时间长
  • 建模周期长,模型生命短

使用易明智能建模工具:

  • 对不同地域筛选变量,分别建模
  • 建模时间短,准确度高

潜在意义:显著提升了模型的预测能力和效率,及时有效地挖掘潜在客户,且模型更具有地区针对性和适应性

建模结果对比

目标:某保险机构希望通过建模来挖掘其潜在客户,并筛选出识别潜在客户价值的重要特征因素

易明智能建模工具针对不同区域特性分别建模,不同地域模型的前10% lift表现均比传统建模方式全国的前10% lift有明显提高

智能建模 传统建模
建模时间 50分钟/模型(数据预处理+建模) 1-2个月
建模数量 5 1
模型表现 不同地域模型的前10% lift表现均比传统建模方式全国的前10% lift提高50% 2.26
重要变量筛选 711->20
建模数据量 2800000+/ 2G+ 2800000+/ 2G+