保险行业数据分析——用户画像精准营销

最新推荐文章于 2024-07-13 20:26:31 发布

Cara_Lee_

最新推荐文章于 2024-07-13 20:26:31 发布

阅读量1.5w

点赞数 3

分类专栏：数据分析

本文链接：https://blog.csdn.net/m0_45384958/article/details/100855289

版权

本文探讨了如何利用用户数据制作保险行业的用户画像，以实现65岁以上人群的医疗附加险精准营销。通过数据导入、探索、空值处理、变量编码和建模，发现购买比例最高的客户群体主要集中在医疗保险覆盖率低、居住年限较短的65-72岁老人，以及居住在高端小区的常住居民，建议针对这些群体进行定向推广。

摘要由CSDN通过智能技术生成

一、产品介绍
针对65岁以上的人群推出的医疗附加险，销售渠道为直邮。
二、商业目的
针对保险公司的健康险产品的用户数据，制作用户画像，找出最具有购买倾向的人群以进行精准保险营销。
三、分析流程
1 导入数据，观察数据
···了解数据样本和特征个数、数据类型、基本信息等

df.shape
df.dtypes
# 将ID转换成object
df['KBM_INDV_ID'] = df['KBM_INDV_ID'].astype('object')

···统计数据基本信息

df.describe().T

···统计空值数量

#  检查缺失列的数量
len(df.columns) - df.dropna(axis=1).shape[1]
# 统计各列中空值的数量
df_null_sum = df.isnull().sum()
# 将不为零的数据过滤出来
NA = df.isnull().sum()
NA = NA.reset_index()
NA
# 重置列名
NA.columns = ['Var','NA_count']
NA
# 过滤出大于0的数据
NA = NA[NA.NA_count>0].reset_index(drop=True)
NA
# 把空值个数，换算成比例
NA.NA_count/df.shape[0]

···查看数据中是否有重复值

df[df.duplicated()]

2 探索数据及数据可视化分析

import matplotlib.pyplot as plt
import seaborn as sns

plt.style.use('seaborn')
# 支持中文
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=F