健康管理产品组合及定价方法及介质

技术领域

本发明涉及计算机领域，具体涉及了一种健康管理产品组合及定价方法及介质。

背景技术

健康管理服务主要包括健康评估、健康教育、营养及胆固醇水平干预、高血压管理、体重管理、运动管理、生活行为矫正、工作压力管理、控制物质滥用等，一般为护士、健康教育工作者、心理学家、营养师和运动生理学家共同实施。该项健康服务具有健康管理产品无形性、健康管理师与服务购买者不可分割性、健康管理服务质量评价不稳定性、健康指标的易逝性、客户的满意标准不同、客户的参与程度不同等特性，该类特性都使得健康管理产品的制定在标准化和量化的过程中呈现极大的挑战与困难，确定健康管理服务实现过程主要包括以下步骤：确定目标客户、分析评价需求、选择和利用资源、确定个性化健康管理服务产品组合、确定产品价值、促进客户购买、调整产品资源与健康管理实现方式以及实现客户价值。其中康管理服务产品组合的确定是健康管理个性化实现的核心，该组合主要包括以下要素：产品、价格、渠道、促销、有形展示、过程和人员。其中产品在此处主要指健康维护产品、健康服务及健康管理仪器。

现有技术无法解决健康管理服务各步骤量化难、标准化难的问题。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供了一种健康管理产品组合及定价方法及介质，通过大数据采集及量化，实现健康管理产品的组合及定价，解决健康管理服务各步骤量化难、标准化难的技术问题。

本发明的技术方案包括一种健康管理产品组合及定价方法，其特征在于，该方法包括：S100，构建样本数据库，所述样本数据包括指定人群的多维度样本数据；S200，对所述样本数据库的维度数据进行量化及标准化处理，进而进行目标用户筛选和分类；S300，构建目标用户分类的深度学习模型，通过所述深度学习模型对所述样本数据进行训练；S400，根据目标用户对应的量化数据及评价指标，生成目标用户的评分表，根据所述评分表确定用户需求；S500，根据用户需求，以及，根据用于健康管理的产品价格、设备价格及服务价格，进行对应的定价计算，并向目标用户进行推送。

根据所述的健康管理产品组合及定价方法，其中S100包括：从若干不同数据库获取指定人群的不同维度的数据，数据库存储的数据包括健康档案数据、病例数据、收入数据、受教育程度数据，以及涉及健康管理的一项或多项数据。

根据所述的健康管理产品组合及定价方法，其中S200包括：其中所述样本数据的所述量化包括：对样本数据划分至[0,1]范围内，其中0表示不存在样本行为，大于0且小于等于1表示样本行为程度低高；其中所述样本数据的所述标准化包括：通过z-score、min-max、log函数转换、atan函数转换、Decimal scaling小数定标标准化、Logistic/Softmax变换、模糊量化模式的其中一种或多种对样本数据进行标准化处理。

根据所述的健康管理产品组合及定价方法，其中S200中的目标用户筛选和分类包括：根据所述样本数据的所述量化及所述标准化，通过信息熵的方法实现健康管理评价指标的统计计算，其计算方式如下，

d

C

其中x′ij为正则化的样本数据，P

根据所述的健康管理产品组合及定价方法，其中S200包括：样本数据目标用户筛选主要包括设置阈值

根据所述的健康管理产品组合及定价方法，其中S300包括：所述深度学习模型包括样本数据训练及验证，包括将样本数据以设定比例随机抽取，作为训练数据和验证数据集输入到所述深度学习模型中，自动选取准确率最高且损失值最低的一组参数。

根据所述的健康管理产品组合及定价方法，其中该方法还包括：对所述深度学习模型进行评价及优话，包括将样本数据重新随机抽取设定比例数据作为测试数据，计算测试数据集准确率、混淆矩阵、精确率、召回率、平均精度、IoU、ROC、非极大值抑制等指标，循环增加样本数据，训练数据集并重新选择参数组合，进行模型优化。

根据所述的健康管理产品组合及定价方法，其中S400包括：分析评价需求，根据已确定的目标用户，创建细分评价表，细分评分表包括有健康问题总和的健康风险指数，将健康风险指数超过设定值的目标用户作为推送对象，确定需求结果；根据现有的用于健康管理的产品、设备及服务的数据表进行匹配和定价计算，得到定价结果；根据目标用户、需求结果及定价结果采用需求导向定价法，进行组合定价，得到根据目标用户分类的制定价格方案。

根据所述的健康管理产品组合及定价方法，其中S500还包括对所述制定价格方案进行评判，包括可通过问卷、爬取社会媒体网络对制定价格方案的评价信息做以情感分析得出分数调用情感分析接口对文本数据进行情感分数统计，得到顾客满意度，并进行产品价值分数的计算，计算方式为

根据所述的健康管理产品组合及定价方法，其中S500包括：对用户反馈的信息进行情感分析，并根据情感分析进行推送，包括：调用sklearn情感分析API，对反馈文字数据进行情感分数统计，处理结果为[0,1]，0为消极情感，1为积极情感；对推送的健康产品的组合采用one-hot进行标记，将浏览项目时间采用z-score、min-max、log函数转换、atan函数转换、Decimal scaling小数定标标准化、Logistic/Softmax变换及模糊量化模式的一项或者多项，对其进行标准化处理，处理结果为[0,1]，其中1表示时间最长；采用以下公式求得推送质量评价分数：推送质量评价各项分数＝标准化浏览时间*情感分数，

根据所述的健康管理产品组合及定价方法，其中S500还包括：One-hot编码，采用但不仅限于Apriori算法，计算各项产品服务与健康干预效果评估的相关性，将行为按照Apriori相关性结果大小负向排序。

根据所述的健康管理产品组合及定价方法，其中S500还包括：阶段性从数据库搜集顾客评价反馈文本，采用但不仅限于调用sklearn情感分析API，对顾客评价文本数据进行情感分数统计，0为消极情感，1为积极情感；将各项组合产品中顾客的行为改变采用One-hot编码，采用但不仅限于Apriori算法，计算顾客自身行为改变与顾客阶段性自评的相关性，将行为按照Apriori相关性结果大小正向排序。

本发明的技术方案还包括一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现任一所述的方法步骤。

本发明的有益效果为：通过大数据采集及量化，实现健康管理产品的组合及定价，解决健康管理服务各步骤量化难、标准化难的技术问题。

附图说明

下面结合附图和实施例对本发明进一步地说明；

图1所示为根据本发明实施方式的总体流程图；

图2所示为根据本发明实施方式的目标用户分类深度学习系统结构图；

图3所示为根据本发明实施方式的健康管理服务产品组合布局图；

图4所示为根据本发明实施方式的产品组合定价流程图；

图5所示为根据本发明实施方式的介质框图。

具体实施方式

本部分将详细描述本发明的具体实施例，本发明之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案，但其不能理解为对本发明保护范围的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。

在本发明的描述中，对方法步骤的连续标号是为了方便审查和理解，结合本发明的整体技术方案以及各个步骤之间的逻辑关系，调整步骤之间的实施顺序并不会影响本发明技术方案所达到的技术效果。

本发明的描述中，除非另有明确的限定，设置等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

图1所示为根据本发明实施方式的总体流程图。该流程包括：S100，构建样本数据库，样本数据包括指定人群的多维度样本数据；S200，对样本数据库的维度数据进行量化及标准化处理，进而进行目标用户筛选和分类；S300，构建目标用户分类的深度学习模型，通过深度学习模型对样本数据进行训练；S400，根据目标用户对应的量化数据及评价指标，生成目标用户的评分表，根据评分表确定用户需求；S500，根据用户需求，以及，根据用于健康管理的产品价格、设备价格及服务价格，进行对应的定价计算，并向目标用户进行推送。

康复评定过程为，建立样本数据、样本数据量化及标准化、计算样本数据健康管理接受程度分数、样本数据目标用户筛选、样本数据目标用户分类、建立目标用户分类深度学习模型、深度学习模型样本数据训练及验证、评价及优化目标用户分类深度学习模型。

图1目标用户分类深度学习系统结构图，参考图1，图2提出了详细的实施方式，具体包括：

建立样本数据库主要包括：选取某些场景及场景下的特定人群，该场景包括：工作场所、社区、学校等，其中工作场所为健康管理服务效果最优也是必要和首选场景。通过调取人员健康管理档案、医院就诊及现病记录、志愿者抽样调查、访谈、问卷等形式，搜集该人群的健康管理档案数据、医院就诊及现病记录数据、经济收入数据、教育程度数据、健康管理专业知识、个性分类(理智型、非理智型)、历史健康管理行为发生时间(发生健康问题前、中、后)、是否有固定健康管理师/机构/健康管理相关咨询者、时长及地点(健康管理服务场所、非健康管理服务场所)、健康管理评价相关指标数据(例如：对健康管理的评价数据)、健康管理产品消费月均值等目标确定因素数据。

样本数据量化及标准化主要包括，将上述数据进行量化及标准化处理，及将数据量化到[0，1]范围内，其中0表示程度最低，1表示程度最高。其中量化标准包括但不限于one-hot法则，例如是否有糖尿病，是则为1，不是则为0。有关性格数据采用但不仅限于九型人格评判表，对人员性格进行衡量，其中理智型记为1，其他记为0。有关历史健康管理行为发生时间(发生健康问题前、中、后)，发生健康问题前存在健康管理行为记为1，发生健康问题时存在健康管理行为记为0.5，发生健康问题后存在健康管理行为记为0。有关“是否有固定健康管理师/机构/健康管理相关咨询者”，是则记为1，否则记为0，有时会咨询则酌情记分在[0,1]。有关对健康管理的评价数据主要处理方式为采用但不仅限于调用sklearn情感分析API，对文本数据进行情感分数统计，0为消极情感，1为积极情感。标准化方法采用但不仅限于z-score、min-max、log函数转换、atan函数转换、Decimal scaling小数定标标准化、Logistic/Softmax变换、模糊量化模式。

计算样本数据健康管理接受程度分数主要包括，基于上述量化及标准化样本数据，采用信息熵的方法实现健康管理评价相关指标的统计计算。计算公式如下，其中x′

d

C

样本数据目标用户筛选主要包括设置阈值

样本数据目标用户分类主要包括，将非目标用户标记为0，针对上述目标用户U，按照以下表格方法，对样本数据库n个指标数据设置n个阈值，

表1目标用户分类规则表

建立目标用户分类深度学习模型主要包括采用但不仅限于Python编程语言的keras分类模型，例如VGG、Inception、ResNet，建立深度学习分类模型。

深度学习模型样本数据训练及验证主要包括将样本数据以一定比例随机抽取，作为训练数据和验证数据集输入到该模型中，自动选取准确率最高、损失值最低的一组参数。

评价及优化目标用户分类深度学习模型主要包括将样本数据重新随机抽取一定比例数据作为测试数据，计算测试数据集准确率、混淆矩阵、精确率、召回率、平均精度、IoU、ROC、非极大值抑制(NMS)等指标，在此基础上不断收集增加样本数据，训练数据集并重新选择参数组合，实现模型优化。

分析评价需求

针对上述的确定目标用户，结合健康管理学、医学及统计学的相关理论知识，基于上述中建立数据库中用户的健康管理档案数据、医院就诊数据及其他相关数据，设置健康管理需求细分评价表，例如现有慢病(高血压、高血糖等)为1，则需要慢病(高血压、高血糖等)专项管理。细分评分表上各健康问题总和为健康风险指数。或者输入到现有的健康风险评估软件，进行评价，将健康风险较高的若干专项作为目标用户健康管理需求的重点，风险指数较高的人群作为重点干预对象。

选择和利用资源

将健康管理服务单位现有的资源制作资源库，将资源容纳人数与时间段与上述细分需求评价表，做匹配，例如：针对慢病(糖尿病、高血压疾病患者)的健康服务资源配套，服务单位现有资源：定期健康体检的资源、开具健康处方的权威软件、检测运动耗能的工具、检测血压、血糖的家庭专用仪器、能够及时获取患者健康数据的通讯资源、有效的营养干预产品等，与目标管理人群在特定时间内进行匹配并提供到位。

确定个性化健康管理服务产品组合，具体参考图3。

如图3所示确定个性化健康管理服务产品组合共分为7个方面，分别为产品、价格、渠道、促销、有形展示、过程和人员。

1)产品在此处主要指健康维护产品、健康服务及健康管理仪器。

其中，健康维护产品主要分为保健食品、保健用品、健身产品和医疗器械。

其中，健康服务主要分为：中医药医疗保健服务、健康养老服务、健康保险服务、健康咨询服务、健康体检服务、体育健身服务、健康旅游服务、就以绿色通道服务、慢病管理服务和母婴健康管理服务。其中，健康咨询服务主要分为集体咨询、一对一指导和电话咨询和随访。

其中，健康管理仪器设备主要包括健康监测设备、健康评估设备、干预设备和智慧医疗平台。其中，健康检测设备主要包括一般检查检测设备(体温计、BMI检测仪等)、实验室检查设备(全自动生化分析仪、TCT检测仪等)、辅助检查设备(X线成像仪、脑电图仪等)、中医检查设备(中医体质辨识仪、中医四诊仪等)、特殊检查设备(亚健康测定仪、动脉硬化测定仪等)；智慧医疗平台主要包括智慧医院系统(医院信息系统、实验室信息管理系统等)、区域卫生系统(社区医疗信息系统、科研机构管理系统等)、移动医疗平台(医联、就医160等)

产品定价的标准如下：1.产品使用资源为现有资源；2.最大限度的利用资源；3.最大限度的满足评价需求

2)价格主要基于成本导向定价法、竞争导向定价法和需求导向定价法求取定价P，此外，选取需求导向定价中得出的产品服务时间成本、顾客感受成本和心理成本作为该组合相关方面的非货币成本和利益参考：

成本导向定价法公式如下，该项定价方法以整套产品组合为单位予以定价，决定不含税价格P

P

竞争导向定价法公式如下，该项定价法至少选取3家较优秀其他公司的同质化服务产品价格,即(n≥3),求取不含税价格P

调整计算P

根据目标用户类型、分析评价需求结果、选择和利用资源、结合上述定价结果，采用需求导向定价法，实现组合定价，步骤如下：

1、计算产品组合的资源利用率P

2、计算产品组合的需求覆盖度P

3、根据目标用户类型制定价格方案，结合目标用户类型及上述结果，计算产品定价，计算公式为：P＝P

表1目标客户分类需求定价表

参考图4的产品组合定价步骤图，具体如下：

3)渠道，表示健康管理产品及服务的提供方式，分为：直销(门店等固定场所直接面向客户提供服务)、分销(通过社区卫生服务机构和医院体检中心等为客户间接提供服务)、网络营销(通过网络电子设备对顾客提供咨询、健康提醒等服务)。

渠道的选择由产品类型及顾客意愿决定。

4)促销，是推动健康管理产品及服务产业的最主要核心手段，在健康产品组合中，促销代表：该顾客是否能够成为本产品的促销核心代言人及典型案例，若是，则可酌情调整定价及产品的组合设定。

该指标主要决定于顾客的意愿与健康管理结果预期。

5)有形展示，主要包括服务流程、健康监测工具、健康监测工具、服务终点和收益评价，该指标在健康产品组合中主要判定，该顾客是否能够实现在服务流程、健康监测工具、健康监测工具、服务终点和收益评价方面，成为该产品服务有形展示的代言人。

该指标主要决定于顾客的意愿与各项指标的预期结果。

6)过程，主要包括发散式服务和集中式服务。

该指标主要决定于顾客的意愿、健康管理服务机构的资源条件，以及健康管理结果预期。

7)人员，主要包括医护人员、健康管理人员和其他人员。

该指标主要决定于顾客的意愿、健康管理服务机构的资源条件，以及健康管理结果预期。

确定产品价值

产品价值分数P

促进客户购买

促进客户购买是推动该健康管理产品及服务行业发展及促进健康管理理念发展的最重要的步骤之一。该过程主要包括两种：促进初次购买和再购买。

促进初次购买主要针对人群为非目标用户，再购买主要针对目标用户。

促进方法主要包括，通过推送健康管理服务单位的资源信息、产品服务组合信息(产品、价格、渠道、促销、有形展示、过程和人员)、预期产品价值(P

具体调整方式主要包括，采用方法不仅限于调用sklearn情感分析API，对反馈文字数据进行情感分数统计，0为消极情感，1为积极情感。推动项目采用one-hot进行标记，将浏览项目时间采用但不仅限于z-score、min-max、log函数转换、atan函数转换、Decimalscaling小数定标标准化、Logistic/Softmax变换、模糊量化模式，对其进行标准化处理，处理结果为[0,1]，其中1表示时间最长，采用以下公式求得推送质量评价分数：

推送质量评价各项分数＝标准化浏览时间*情感分数；

选取各项分数最大的作为该顾客二次推荐的组合，以此类推。

最终当推荐结果数据足够多时，采用但不仅限于Apriori算法，计算各项子项目与推送质量评价总分数的相关性，设定阈值，并确定正向影响推送质量评价总分数大于阈值的几项推送产品，按照其Apriori支持率大小正向排序，实现下次的推送。

调整产品资源与健康管理实现方式

整产品资源与健康管理实现方式主要包括阶段性提供健康干预结果、分析原因及调整产品资源与健康管理实现方式。

健康干预结果主要来源于分析评价需求中有关顾客健康问题各项指标的改善情况，采用“析评价需求”步骤中同款健康风险评估软件对顾客进行阶段性健康干预效果评估。

将各项产品服务采用One-hot编码，采用但不仅限于Apriori算法，计算各项产品服务与健康干预效果评估的相关性，将行为按照Apriori相关性结果大小负向排序，重点对负向促进结果所对应的产品服务项目进行调整产品资源与健康管理实现方式。

在顾客购买健康管理产品后，阶段性搜集顾客评价反馈文本，采用但不仅限于调用sklearn情感分析API，对顾客评价文本数据进行情感分数统计，0为消极情感，1为积极情感，该情感分数作为顾客对自身健康管理服务后的阶段性自评。此外，将各项产品服务中顾客的行为改变采用One-hot编码，采用但不仅限于Apriori算法，计算顾客自身行为改变与顾客阶段性自评的相关性，将行为按照Apriori相关性结果大小正向排序，相关性排序最大所对应的顾客行为表示最能够实现客户价值，以此形成报告与顾客分享。

图4所示为根据本发明实施方式的介质框图。装置包括存储器100及处理器200，其中处理器200存储有计算机程序，计算机程序用于执行：构建样本数据库，样本数据包括指定人群的多维度样本数据；对样本数据库的维度数据进行量化及标准化处理，进而进行目标用户筛选和分类；构建目标用户分类的深度学习模型，通过深度学习模型对样本数据进行训练；根据目标用户对应的量化数据及评价指标，生成目标用户的评分表，根据评分表确定用户需求；根据用户需求，以及，根据用于健康管理的产品价格、设备价格及服务价格，进行对应的定价计算，并向目标用户进行推送。其中，存储器100用于存储数据。

上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。