CN110689457A - 地产行业线上客户智能接待方法、服务器及存储介质 - Google Patents
地产行业线上客户智能接待方法、服务器及存储介质 Download PDFInfo
- Publication number
- CN110689457A CN110689457A CN201910952094.5A CN201910952094A CN110689457A CN 110689457 A CN110689457 A CN 110689457A CN 201910952094 A CN201910952094 A CN 201910952094A CN 110689457 A CN110689457 A CN 110689457A
- Authority
- CN
- China
- Prior art keywords
- transaction
- client
- recommended
- similarity calculation
- browsing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 90
- 238000004519 manufacturing process Methods 0.000 claims abstract description 4
- 230000002093 peripheral effect Effects 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 14
- 238000013139 quantization Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 abstract description 6
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008685 targeting Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种地产行业线上客户智能接待方法、服务器及存储介质,基于待推荐客户对各展示楼盘的浏览日志,获取待推荐客户的关注特征信息;获取平台内各置业顾问的成交特征信息,成交特征信息是基于置业顾问所成交的项目进行分析得到的;将待推荐客户的关注特征信息,与各置业顾问的成交特征信息进行相似度计算;根据相似度计算结果,确定作为推荐对象的目标置业顾问;生成推荐消息,以将目标置业顾问推荐给待推荐客户。通过研究客户线上浏览行为,分析客户关注点;通过研究置业顾问所成交信息,将客户关注点与置业顾问成交特性进行相似性匹配,将成交信息与客户关注点高度相似的置业顾问推荐给线上访问客户。从而达到针对性接待。
Description
技术领域
本发明涉及房地产网络技术领域,尤其涉及一种地产行业线上客户智能接待方法、服务器及存储介质。
背景技术
如今在线看房平台技术已相对成熟,并得到了广泛的应用,但是如何更好地服务客户,让客户能够针对性的接受置业顾问的接待,提高沟通效率,进而提升到访、成交转化成为目前线上营销的一个痛点。
发明内容
本发明提供的地产行业线上客户智能接待方法、服务器及存储介质,主要解决的技术问题是:如何更有针对性地为线上看房客户推荐置业顾问,更好地满足客户咨询、接待等看房需求。
为解决上述技术问题,本发明提供一种地产行业线上客户智能接待方法,包括:
基于待推荐客户对各展示楼盘的浏览日志,获取所述待推荐客户的关注特征信息;
获取平台内各置业顾问的成交特征信息,所述成交特征信息是基于置业顾问所成交的项目进行分析得到的;
将所述待推荐客户的关注特征信息,与所述各置业顾问的成交特征信息进行相似度计算;
根据相似度计算结果,确定作为推荐对象的目标置业顾问;
生成推荐消息,以将所述目标置业顾问推荐给所述待推荐客户。
可选的,所述关注特征信息包括关注项目位置类型、关注物业形态、关注周边配套、关注户型类型、关注户型面积、以及关注价格中的至少一种;
所述成交特征信息包括成交位置类型、成交物业形态、成交周边配套、成交户型类型、成交户型面积、以及成交价格中的至少一种。
可选的,所述获取所述待推荐客户的关注特征信息包括:
确定所述待推荐客户的浏览日志中,各浏览项目的位置类型,计算相同位置类型对应的浏览项目数量;选择浏览项目数量最大的位置类型,作为所述待推荐客户的关注项目位置类型;或者选择浏览项目数量达到第一设定阈值的位置类型,作为所述待推荐客户的关注项目位置类型;
确定所述待推荐客户的浏览日志中,各浏览项目的物业形态,计算相同物业形态对应的浏览项目数量;选择浏览项目数量最大的物业形态,作为所述待推荐客户的关注物业形态;或者选择浏览项目数量达到第二设定阈值的物业形态,作为所述待推荐客户的关注物业形态;
确定所述待推荐客户的浏览日志中,各浏览项目的周边配套,将所述各浏览项目的周边配套进行量化、均值处理后,作为所述待推荐客户的关注周边配套;
确定所述待推荐客户的浏览日志中,各浏览项目的户型类型,计算相同户型类型对应的浏览项目数量;选择浏览项目数量最大的户型类型,作为所述待推荐客户的关注户型类型;或者选择浏览项目数量达到第三设定阈值的户型类型,作为所述待推荐客户的关注户型类型;
确定所述待推荐客户的浏览日志中,各浏览项目的户型面积,计算各浏览项目的平均户型面积,作为所述待推荐客户的关注户型类型;
确定所述待推荐客户的浏览日志中,各浏览项目的价格,计算各浏览项目的平均价格,作为所述待推荐客户的关注价格。
可选的,所述成交特征信息是基于置业顾问所成交的项目进行分析得到的,包括:
获取所述置业顾问所成交的各项目信息,确定所述各项目的位置类型、物业形态、周边配套、户型类型、户型面积以及价格;
统计相同位置类型下的成交项目数量,选择成交项目数量最大的位置类型,作为所述置业顾问的成交位置类型,或者选择成交项目数量达到第四设定阈值的位置类型,作为所述置业顾问的成交位置类型;
统计相同物业形态下的成交项目数量,选择成交项目数量最大的物业形态,作为所述置业顾问的成交物业形态,或者选择成交项目数量达到第五设定阈值的物业形态,作为所述置业顾问的成交物业形态;
对所述置业顾问所成交的各项目的周边配套进行量化、均值处理后,作为所述置业顾问的成交周边配套;
统计相同户型类型下的成交项目数量,选择成交项目数量最大的户型类型,作为所述置业顾问的成交户型类型,或者选择成交项目数量达到第六设定阈值的户型类型,作为所述置业顾问的成交户型类型;
计算所述置业顾问所成交项目的平均户型面积,作为所述置业顾问的成交户型面积;
计算所述置业顾问所成交项目的平均成交价格,作为所述置业顾问的成交价格。
可选的,所述将所述待推荐客户的关注特征信息,与所述各置业顾问的成交特征信息进行相似度计算包括:
将所述关注位置类型与所述成交位置类型进行相似度计算,得到第一相似度计算结果;
将所述关注物业形态与所述成交物业形态进行相似度计算,得到第二相似度计算结果;
将所述关注周边配套与所述成交周边配套进行相似度计算,得到第三相似度计算结果;
将所述关注户型类型与所述成交户型类型进行相似度计算,得到第四相似度计算结果;
将所述关注户型面积与所述成交户型面积进行相似度计算,得到第五相似度计算结果;
将所述关注价格与所述成交价格进行相似度计算,得到第六相似度计算结果。
可选的,所述根据相似度计算结果,确定作为推荐对象的目标置业顾问包括:
将所述第一相似度计算结果、所述第二相似度计算结果、所述第三相似度计算结果、所述第四相似度计算结果、所述第五相似度计算结果、所述第六相似度计算结果进行均值处理,得到所述相似度计算结果;
将各所述相似度计算结果中,相似度数值较大的若干个置业顾问,作为所述目标置业顾问,以推荐给所述待推荐客户。
可选的,所述在生成推荐消息,以将所述目标置业顾问推荐给所述待推荐客户之前,还包括:确定所述待推荐客户当前处于非楼盘页面浏览状态。
可选的,所述方法还包括:当确定所述待推荐客户当前处于楼盘页面浏览状态时,从各所述相似度计算结果中,筛选出属于所述待推荐客户当前所浏览楼盘下对应的至少一个置业顾问,作为所述目标置业顾问。
本发明还提供一种服务器,所述服务器包括处理器、存储器及通信总线;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的一个或者多个程序,以实现如上任一项所述的地产行业线上客户智能接待方法的步骤。
本发明还提供一种存储介质,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任一项所述的地产行业线上客户智能接待方法的步骤。
本发明的有益效果是:
根据本发明提供的地产行业线上客户智能接待方法、服务器及存储介质,基于待推荐客户对各展示楼盘的浏览日志,获取待推荐客户的关注特征信息;获取平台内各置业顾问的成交特征信息,成交特征信息是基于置业顾问所成交的项目进行分析得到的;将待推荐客户的关注特征信息,与各置业顾问的成交特征信息进行相似度计算;根据相似度计算结果,确定作为推荐对象的目标置业顾问;生成推荐消息,以将目标置业顾问推荐给待推荐客户。通过研究客户线上浏览行为,分析客户关注点,刻画其画像;通过研究置业顾问所成交信息,刻画其成交房源画像;将客户关注点与置业顾问成交特性进行相似性匹配,将成交信息与客户关注点高度相似的置业顾问推荐给线上访问客户。从而达到针对性接待,做到有的放矢,提高接待沟通效率,预期促进转化率的提升。
附图说明
图1为本发明实施例一的地产行业线上客户智能接待方法流程示意图;
图2为本发明实施例二的服务器结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面通过具体实施方式结合附图对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一:
为了更有针对性地为线上看房客户推荐置业顾问,更好地满足客户咨询、接待等看房需求,本实施例提供一种地产行业线上客户智能接待方法,通过分析客户线上访问行为以及置业顾问成交项目特性,以进行相似度匹配,筛选出更适合客户需求的置业顾问,为线上看房客户提供更好的服务,提高接待沟通效率,进而提升客户使用体验,促进成交转化率的提升。
请参见图1,本实施例提供的地产行业线上客户智能接待方法,主要包括如下步骤:
S101、基于待推荐客户对各展示楼盘的浏览日志,获取待推荐客户的关注特征信息。
首先需要说明的是,客户以及置业顾问通过相应的客户端,以向服务器获取服务,客户线上对楼盘的浏览行为,将生成浏览日志存储于服务器中,置业顾问的成交信息也通常是存储服务器中,因此服务器均可以获取得到。对于客户线上浏览行为,服务器也可随时进行监控。
通过对待推荐客户的浏览日志进行分析,得到该待推荐客户的关注特征信息。
本实施例中,关注特征信息包括关注位置类型、关注物业形态、关注周边配套、关注户型类型、关注户型面积、以及关注价格中的至少一种。
对浏览日志进行分析得到关注特征信息包括:
确定待推荐客户的浏览日志中,各浏览项目的位置类型,计算相同位置类型对应的浏览项目数量;选择浏览项目数量最大的位置类型,作为待推荐客户的关注位置类型;或者选择浏览项目数量达到第一设定阈值的位置类型,作为待推荐客户的关注位置类型;其中第一设定阈值可以根据实际情况灵活设置。
确定待推荐客户的浏览日志中,各浏览项目的物业形态,计算相同物业形态对应的浏览项目数量;选择浏览项目数量最大的物业形态,作为待推荐客户的关注物业形态;或者选择浏览项目数量达到第二设定阈值的物业形态,作为待推荐客户的关注物业形态;其中第二设定阈值可以根据实际情况灵活设置。
确定待推荐客户的浏览日志中,各浏览项目的周边配套,将各浏览项目的周边配套进行量化、均值处理后,作为待推荐客户的关注周边配套。
确定待推荐客户的浏览日志中,各浏览项目的户型类型,计算相同户型类型对应的浏览项目数量;选择浏览项目数量最大的户型类型,作为待推荐客户的关注户型类型;或者选择浏览项目数量达到第三设定阈值的户型类型,作为待推荐客户的关注户型类型;其中第三设定阈值可以根据实际情况灵活设置。
确定待推荐客户的浏览日志中,各浏览项目的户型面积,计算各浏览项目的平均户型面积,作为待推荐客户的关注户型面积。
确定待推荐客户的浏览日志中,各浏览项目的价格,计算各浏览项目的平均价格,作为待推荐客户的关注价格。
在本发明的其他实施例中,对待推荐客户的浏览日志进行分析以获取关注特征信息的方式,可以采用现有其他任意方式,在此不做限制。
随着客户线上浏览项目时间的延长,浏览日志的数据量将越来越大,基于待推荐客户的浏览日志,分析客户的关注特征信息,计算量将逐渐增大,影响服务器的计算效率。为了减少计算量,可直接获取待推荐客户浏览日志中关于客户关注项目的信息,查找用户确认关注的项目,例如客户收藏的房源,基于客户收藏的所有房源,分析其关注特征信息,其中关注特征信息的类型以及分析过程可以采用上述示例的方式。
S102、获取平台内各置业顾问的成交特征信息,其中成交特征信息是基于置业顾问所成交的项目进行分析得到的。
本实施例中,成交特征信息包括成交位置类型、成交物业形态、成交周边配套、成交户型类型、成交户型面积、以及成交价格中的至少一种。
基于置业顾问所成交的项目进行分析,以获取成交特征信息包括:
获取置业顾问所成交的各项目信息,确定各项目的位置类型、物业形态、周边配套、户型类型、户型面积以及价格;其中项目的位置类型包括但不限于临江、临湖、商圈、临街、临公园等;物业形态包括包括但不限于高层、小高层、洋房、叠拼别墅、联排别墅以及独栋别墅等;周边配套包括附近公交线路条数、附近学校个数、附近地铁线路条数、附近医院个数、附近购物商场个数、附近餐饮场所个数、附近娱乐场所个数以及附近银行个数;类型类型包括但不限于五室两厅三卫、四室两厅两卫、三室两厅两卫、三室两厅一卫、二两二厅一卫、一室一厅一卫等;
统计相同位置类型下的成交项目数量,选择成交项目数量最大的位置类型,作为该置业顾问的成交位置类型,或者选择成交项目数量达到第四设定阈值的位置类型,作为该置业顾问的成交位置类型;例如该置业顾问当前已成交项目有10套房屋,其中位置类型为“临江”的占5条,为“商圈”的占3条,为“临公园”的占1条,为“临街”的占1条,选择成交项目数量最大的位置类型,作为成交位置类型,“临江”位置类型成交项目数量最大,故将“临江”位置类型,作为该置业顾问的成交位置类型;若选择成交项目数量达到3的位置类型,作为该置业顾问的成交位置类型,那么这里成交位置类型同时包括“临江”和“商圈”;应当理解的是,第四设定阈值可以根据实际情况灵活设置;
统计相同物业形态下的成交项目数量,选择成交项目数量最大的物业形态,作为该置业顾问的成交物业形态,或者选择成交项目数量达到第五设定阈值的物业形态,作为该置业顾问的成交物业形态;例如该置业顾问这10套成交房源中,其中有6套的物业形态为“高层”、3套为“洋房”、1套为“小高层”,那么根据选择成交项目数量最大的物业形态,作为该置业顾问的成交物业形态,则是将“高层”作为其成交物业形态,因为“高层”的成交项目数量最大,最能反映该置业顾问的接待优势;若第五设定阈值设置为3,则需要将“高层”和“洋房”,作为该置业顾问的成交物业形态;第五设定阈值可以根据实际情况灵活设置;
对该置业顾问所成交的各项目的周边配套进行量化、均值处理后,作为该置业顾问的成交周边配套;可选的,将该置业顾问所成交的各项目附近公交路线条数进行均值处理,作为成交周边配套的附近公交路线条数;将该置业顾问所成交的各项目附近学校个数进行均值处理,作为成交周边配套的附近学校个数;将该置业顾问所成交的各项目附近地铁线路条数进行均值处理,作为成交周边配套的附近地铁线路条数;将该置业顾问所成交的各项目附近医院个数进行均值处理,作为成交周边配套的附近医院个数;将该置业顾问所成交的各项目附近购物商场个数进行均值处理,作为成交周边配套的附近购物商场个数;将该置业顾问所成交的各项目附近餐饮场所个数进行均值处理,作为成交周边配套的附近餐饮场所个数;将该置业顾问所成交的各项目附近娱乐场所个数进行均值处理,作为成交周边配套的附近娱乐场所个数;将该置业顾问所成交的各项目附近银行个数进行均值处理,作为成交周边配套的附近银行个数;
统计相同户型类型下的成交项目数量,选择成交项目数量最大的户型类型,作为该置业顾问的成交户型类型,或者选择成交项目数量达到第六设定阈值的户型类型,作为该置业顾问的成交户型类型;例如该置业顾问这10套成交房源中,其中有4套的户型类型为“三室两厅两卫”、3套为“两室两厅两卫”、3套为“四室两厅两卫”,那么根据选择成交项目数量最大的户型类型,作为该置业顾问的成交户型类型,则是将“三室两厅两卫”作为其成交户型类型,因为“三室两厅两卫”的成交项目数量最大;若第六设定阈值设置为4,则也是将“三室两厅两卫”,作为该置业顾问的成交户型类型;第六设定阈值可以根据实际情况灵活设置;
计算该置业顾问所成交项目的平均户型面积,作为该置业顾问的成交户型面积;例如该置业顾问这10套成交房源,户型面积分别为s1、s2、s3、s4、s5、s6、s7、s8、s9、s10,则该置业顾问的成交户型面积为s=(s1+s2+s3+s4+s5+s6+s7+s8+s9+s10)/10;
计算该置业顾问所成交项目的平均成交价格,作为该置业顾问的成交价格;例如该置业顾问这10套成交房源,价格分别为p1、p2、p3、p4、p5、p6、p7、p8、p9、p10,则该置业顾问的成交价格为p=(p1+p2+p3+p4+p5+p6+p7+p8+p9+p10)/10。
应当理解的是,基于置业顾问成交房源,分析该置业顾问的成交特征信息,可以采用现有其他方式,在此不再赘述。
应当理解的是,步骤S101与步骤S102之间无特定先后执行顺序,可以灵活处理。
S103、将待推荐客户的关注特征信息,与各置业顾问的成交特征信息进行相似度计算。
可选的,将关注位置类型与成交位置类型进行相似度计算,得到第一相似度计算结果;包括但不限于使用如下规则计算相似度:
Instr(C,S)大于等于1时,相似度取1;否则,相似度取0;其中,C表示客户关注位置类型,S表示置业顾问成交位置类型。Instr表示参数中是否存在相互包含的关系。如Instr(‘临江’,‘临湖’)=0<1,取相似度为0;又如Instr(‘临江’,‘商圈’)=0<1,也表明位置类型不相似,相似度也取0。
将关注物业形态与成交物业形态进行相似度计算,得到第二相似度计算结果;如Instr(‘小高层’,‘高层’)=2≥1,则取相似度为1;如Instr(‘小高层’,‘别墅’)=0,则表明物业形态不相似,相似度取0。
将关注周边配套与成交周边配套进行相似度计算,得到第三相似度计算结果;周边配套和户型类型一般为一串数字字符,适用如下计算规则计算相似度:
其中V(Ci)表示客户关注特征第i位数值,V(Si)表示置业顾问成交特征第i位数值,wi表示第i位特征权重。
将关注户型类型与成交户型类型进行相似度计算,得到第四相似度计算结果;
将关注户型面积与成交户型面积进行相似度计算,得到第五相似度计算结果;
将关注价格与成交价格进行相似度计算,得到第六相似度计算结果。
户型面积与价格通常为单个数字,适用如下计算规则计算相似度:
S104、根据相似度计算结果,确定作为推荐对象的目标置业顾问。
可选的,将第一相似度计算结果、第二相似度计算结果、第三相似度计算结果、第四相似度计算结果、第五相似度计算结果、第六相似度计算结果进行均值处理,得到该相似度计算结果;将各相似度计算结果中,相似度数值较大的若干个置业顾问,作为目标置业顾问,以推荐给待推荐客户。例如,选择相似度数值较大的前3个置业顾问,作为目标置业顾问。
S105、生成推荐消息,以将目标置业顾问推荐给待推荐客户。
例如,生成弹窗消息,发送给待推荐客户的客户端,当客户需要在线咨询以及看房时,选择其中的一个目标置业顾问进行沟通,方便及时为客户解决问题,提升客户使用感受。
可选的,在生成推荐消息,以将目标置业顾问推荐给待推荐客户之前,还包括:确定待推荐客户当前处于非楼盘页面浏览状态。应当理解,在线看房APP浏览页面,包括登录页面、主页、楼盘列表页、引导页、客户个人信息页、消息页等,这些都属于非楼盘页面;当客户点击具体的楼盘或者房源时,才属于楼盘页面。
可选的,当检测到待推荐客户当前处于楼盘页面浏览状态时,从各相似度计算结果中,筛选出属于待推荐客户当前所浏览楼盘下对应的至少一个置业顾问,作为目标置业顾问。
可选的,若选择3个置业顾问,作为目标置业顾问;则可以首先按照相似度计算结果进行确定,判断前3名置业顾问中,是否存在待推荐客户当前所浏览楼盘下的置业顾问,如果存在,则还是以这3个置业顾问作为目标置业顾问;进一步地,可以将属于该待推荐客户所浏览楼盘的置业顾问置于第一位进行展示;若判断该前3名置业顾问中,没有属于该待推荐客户所浏览楼盘下的置业顾问,则从各置业顾问的相似度计算结果中,选择属于该待推荐客户当前所浏览楼盘下的、且相似度最高的置业顾问作为目标置业顾问,同时将相似度较高的前2名置业顾问也作为目标置业顾问。
在本发明的其他实施例中,还可提取待推荐客户所关注区域,在相似度计算结果中,优先选择该关注区域内的置业顾问作为目标置业顾问。例如至少选择一位属于该关注区域内的,相似度较高的置业顾问作为目标置业顾问。
为了更好的理解本发明,下面结合具体的示例,进行详细说明:
其中,待推荐客户的关注特征信息如下表1所示:
表1
各置业顾问的成交特征信息如下表2所示:
表2
置业顾问 | 项目位置 | 物业形态 | 周边配套 | 户型类型 | 户型面积 | 价格 |
Seller01 | 临江 | 小高层 | 63025479 | 221 | 80 | 12118 |
Seller02 | 临街 | 联排别墅 | 44139889 | 523 | 212 | 16712 |
Seller03 | 临江 | 高层 | 44352610 | 321 | 112 | 12943 |
Seller04 | 商圈 | 商铺 | 13313317 | 0 | 23 | 7978 |
Seller05 | 商圈 | 小高层 | 32221853 | 111 | 59 | 8838 |
Seller06 | 临江 | 独栋别墅 | 42411854 | 422 | 198 | 23555 |
Seller07 | 临街 | 高层 | 22531855 | 321 | 110 | 12411 |
计算customer01与seller01的特征相似度,详细过程如下:
(1)项目位置:Instr(‘临江’,‘临江’)=1≥1,取相似度为1;
(2)物业形态:Instr(‘小高层’,‘高层’)=2≥1,取相似度为1;
(3)周边配套:
待推荐客户Customer01关注周边配套32133562,表示公交线路3条,学校2个,地铁线路1条,医院3个,购物商场3个,餐饮场所5个,娱乐场所6个,银行2个;置业顾问Seller01成交周边配套63025479,表示公交线路6条,学校3个,地铁线路0条,医院2个,购物商场5个,餐饮场所4个,娱乐场所7个,银行9个;
周边配套相似度计算过程如下表3所示:
表3
(4)户型类型:权重分别为[室0.5,厅0.3,卫0.2]
权重选取原则,根据满足居住的重要等级,同时依据行业编排规范,室、厅、卫依次减弱,这里为了体现相对性与减少计算复杂度,此处以5:3:2进行设计算;
其中户型类型:211,表示2室1厅1卫;
户型类型相似度计算过程如下表4所示:
表4
特征 | 过程 |
室 | 1-abs(2-2)/(2+2)=1 |
厅 | 1-abs(1-2)/(1+2)=0.6667 |
卫 | 1-abs(1-1)/(1+1)=1 |
特征综合相似度 | [1*0.5+0.6667*0.3+1*0.2]=0.9000 |
(5)户型面积
1-abs(78-80)/(78+80)=0.9873;
(6)价格
1-abs(10111-12118)/(10111+12118)=0.9097;
(7)综合相似度
[(1)+(2)+(3)+(4)+(5)+(6)]/6=(1+1+0.649+0.9+0.9873+0.9097)/6=0.9077。
通过以上流程,分别计算待推荐客户Customer01与其他置业顾问(Seller02、Seller03、Seller04、Seller05、Seller06、Seller07)的特征相似度,具体如下表5所示:
表5
C01-S | 项目位置 | 物业形态 | 户型类型 | 户型面积 | 周边配套 | 价格 | 综合相似度 |
Seller01 | 1 | 1 | 0.9000 | 0.9873 | 0.6490 | 0.9097 | 0.9077 |
Seller02 | 0 | 0 | 0.5857 | 0.5379 | 0.7517 | 0.7539 | 0.4382 |
Seller03 | 1 | 1 | 0.8000 | 0.8211 | 0.5961 | 0.8772 | 0.8490 |
Seller04 | 0 | 0 | 0.0000 | 0.4554 | 0.5975 | 0.8821 | 0.3225 |
Seller05 | 0 | 1 | 0.8333 | 0.8613 | 0.8056 | 0.9328 | 0.7388 |
Seller06 | 1 | 0 | 0.6667 | 0.5652 | 0.7003 | 0.6007 | 0.5888 |
Seller07 | 0 | 1 | 0.8000 | 0.8298 | 0.7354 | 0.8979 | 0.7105 |
通过以上计算,选取综合相似度前3(这里有Seller01、Seller03、Seller05)置业顾问对待推荐客户Customer01进行在线推荐。
根据本发明提供的地产行业线上客户智能接待方法,包括基于待推荐客户对各展示楼盘的浏览日志,获取待推荐客户的关注特征信息;获取平台内各置业顾问的成交特征信息,成交特征信息是基于置业顾问所成交的项目进行分析得到的;将待推荐客户的关注特征信息,与各置业顾问的成交特征信息进行相似度计算;根据相似度计算结果,确定作为推荐对象的目标置业顾问;生成推荐消息,以将目标置业顾问推荐给待推荐客户。通过研究客户线上浏览行为,分析客户关注点,刻画其画像;通过研究置业顾问所成交信息,刻画其成交房源画像;将客户关注点与置业顾问成交特性进行相似性匹配,将成交信息与客户关注点高度相似的置业顾问推荐给线上访问客户。从而达到针对性接待,做到有的放矢,提高接待沟通效率,预期促进转化率的提升。
实施例二:
本实施例在上述实施例一的基础上,提供一种服务器,用于实现上述实施例一中所述的地产行业线上客户智能接待方法的步骤,请参见图2,该服务器包括处理器21、存储器22及通信总线23;
其中,通信总线23用于实现处理器21和存储器22之间的连接通信;
处理器21用于执行存储器22中存储的一个或者多个程序,以实现如实施例一中所述的地产行业线上客户智能接待方法的步骤。具体请参见上述实施例一中的描述,在此不再赘述。
本实施例还提供一种存储介质,该存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如实施例一中所述的地产行业线上客户智能接待方法的步骤。具体请参见上述实施例一中的描述,在此不再赘述。
显然,本领域的技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种地产行业线上客户智能接待方法,其特征在于,包括:
基于待推荐客户对各展示楼盘的浏览日志,获取所述待推荐客户的关注特征信息;
获取平台内各置业顾问的成交特征信息,所述成交特征信息是基于置业顾问所成交的项目进行分析得到的;
将所述待推荐客户的关注特征信息,与所述各置业顾问的成交特征信息进行相似度计算;
根据相似度计算结果,确定作为推荐对象的目标置业顾问;
生成推荐消息,以将所述目标置业顾问推荐给所述待推荐客户。
2.如权利要求1所述的地产行业线上客户智能接待方法,其特征在于,所述关注特征信息包括关注位置类型、关注物业形态、关注周边配套、关注户型类型、关注户型面积、以及关注价格中的至少一种;
所述成交特征信息包括成交位置类型、成交物业形态、成交周边配套、成交户型类型、成交户型面积、以及成交价格中的至少一种。
3.如权利要求2所述的地产行业线上客户智能接待方法,其特征在于,所述获取所述待推荐客户的关注特征信息包括:
确定所述待推荐客户的浏览日志中,各浏览项目的位置类型,计算相同位置类型对应的浏览项目数量;选择浏览项目数量最大的位置类型,作为所述待推荐客户的关注位置类型;或者选择浏览项目数量达到第一设定阈值的位置类型,作为所述待推荐客户的关注位置类型;
确定所述待推荐客户的浏览日志中,各浏览项目的物业形态,计算相同物业形态对应的浏览项目数量;选择浏览项目数量最大的物业形态,作为所述待推荐客户的关注物业形态;或者选择浏览项目数量达到第二设定阈值的物业形态,作为所述待推荐客户的关注物业形态;
确定所述待推荐客户的浏览日志中,各浏览项目的周边配套,将所述各浏览项目的周边配套进行量化、均值处理后,作为所述待推荐客户的关注周边配套;
确定所述待推荐客户的浏览日志中,各浏览项目的户型类型,计算相同户型类型对应的浏览项目数量;选择浏览项目数量最大的户型类型,作为所述待推荐客户的关注户型类型;或者选择浏览项目数量达到第三设定阈值的户型类型,作为所述待推荐客户的关注户型类型;
确定所述待推荐客户的浏览日志中,各浏览项目的户型面积,计算各浏览项目的平均户型面积,作为所述待推荐客户的关注户型类型;
确定所述待推荐客户的浏览日志中,各浏览项目的价格,计算各浏览项目的平均价格,作为所述待推荐客户的关注价格。
4.如权利要求3所述的地产行业线上客户智能接待方法,其特征在于,所述成交特征信息是基于置业顾问所成交的项目进行分析得到的,包括:
获取所述置业顾问所成交的各项目信息,确定所述各项目的位置类型、物业形态、周边配套、户型类型、户型面积以及价格;
统计相同位置类型下的成交项目数量,选择成交项目数量最大的位置类型,作为所述置业顾问的成交位置类型,或者选择成交项目数量达到第四设定阈值的位置类型,作为所述置业顾问的成交位置类型;
统计相同物业形态下的成交项目数量,选择成交项目数量最大的物业形态,作为所述置业顾问的成交物业形态,或者选择成交项目数量达到第五设定阈值的物业形态,作为所述置业顾问的成交物业形态;
对所述置业顾问所成交的各项目的周边配套进行量化、均值处理后,作为所述置业顾问的成交周边配套;
统计相同户型类型下的成交项目数量,选择成交项目数量最大的户型类型,作为所述置业顾问的成交户型类型,或者选择成交项目数量达到第六设定阈值的户型类型,作为所述置业顾问的成交户型类型;
计算所述置业顾问所成交项目的平均户型面积,作为所述置业顾问的成交户型面积;
计算所述置业顾问所成交项目的平均成交价格,作为所述置业顾问的成交价格。
5.如权利要求4所述的地产行业线上客户智能接待方法,其特征在于,所述将所述待推荐客户的关注特征信息,与所述各置业顾问的成交特征信息进行相似度计算包括:
将所述关注位置类型与所述成交位置类型进行相似度计算,得到第一相似度计算结果;
将所述关注物业形态与所述成交物业形态进行相似度计算,得到第二相似度计算结果;
将所述关注周边配套与所述成交周边配套进行相似度计算,得到第三相似度计算结果;
将所述关注户型类型与所述成交户型类型进行相似度计算,得到第四相似度计算结果;
将所述关注户型面积与所述成交户型面积进行相似度计算,得到第五相似度计算结果;
将所述关注价格与所述成交价格进行相似度计算,得到第六相似度计算结果。
6.如权利要求5所述的地产行业线上客户智能接待方法,其特征在于,所述根据相似度计算结果,确定作为推荐对象的目标置业顾问包括:
将所述第一相似度计算结果、所述第二相似度计算结果、所述第三相似度计算结果、所述第四相似度计算结果、所述第五相似度计算结果、所述第六相似度计算结果进行均值处理,得到所述相似度计算结果;
将各所述相似度计算结果中,相似度数值较大的若干个置业顾问,作为所述目标置业顾问,以推荐给所述待推荐客户。
7.如权利要求1-6任一项所述的地产行业线上客户智能接待方法,其特征在于,所述在生成推荐消息,以将所述目标置业顾问推荐给所述待推荐客户之前,还包括:确定所述待推荐客户当前处于非楼盘页面浏览状态。
8.如权利要求7所述的地产行业线上客户智能接待方法,其特征在于,所述方法还包括:当确定所述待推荐客户当前处于楼盘页面浏览状态时,从各所述相似度计算结果中,筛选出属于所述待推荐客户当前所浏览楼盘下对应的至少一个置业顾问,作为所述目标置业顾问。
9.一种服务器,其特征在于,所述服务器包括处理器、存储器及通信总线;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的一个或者多个程序,以实现如权利要求1至8中任一项所述的地产行业线上客户智能接待方法的步骤。
10.一种存储介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至8中任一项所述的地产行业线上客户智能接待方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910952094.5A CN110689457A (zh) | 2019-10-09 | 2019-10-09 | 地产行业线上客户智能接待方法、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910952094.5A CN110689457A (zh) | 2019-10-09 | 2019-10-09 | 地产行业线上客户智能接待方法、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110689457A true CN110689457A (zh) | 2020-01-14 |
Family
ID=69111644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910952094.5A Pending CN110689457A (zh) | 2019-10-09 | 2019-10-09 | 地产行业线上客户智能接待方法、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110689457A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292170A (zh) * | 2020-02-18 | 2020-06-16 | 重庆锐云科技有限公司 | 针对指定楼盘进行意向客户推荐的方法、装置及存储介质 |
CN111292140A (zh) * | 2020-03-19 | 2020-06-16 | 重庆锐云科技有限公司 | 一种线上客户智能分配方法 |
CN111401958A (zh) * | 2020-03-17 | 2020-07-10 | 重庆锐云科技有限公司 | 一种对房地产客户自动推荐置业顾问的方法及*** |
CN111612474A (zh) * | 2020-03-30 | 2020-09-01 | 北京瑞卓喜创科技发展有限公司 | 一种开拓管理购房客户的方法、装置、终端及计算机可读存储介质 |
CN112132657A (zh) * | 2020-09-21 | 2020-12-25 | 深圳思为科技有限公司 | 消息提醒方法及相关设备 |
CN112330387A (zh) * | 2020-09-29 | 2021-02-05 | 重庆锐云科技有限公司 | 一种应用于看房软件的虚拟经纪人 |
CN112348531A (zh) * | 2020-10-19 | 2021-02-09 | 前海飞算科技(深圳)有限公司 | 客户关系管理***和推荐信息的生成方法 |
CN112561269A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市思为软件技术有限公司 | 顾问推荐方法及装置 |
CN112561571A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市思为软件技术有限公司 | 购房意向评估方法及相关设备 |
CN112613838A (zh) * | 2020-12-18 | 2021-04-06 | 深圳市思为软件技术有限公司 | 客户管理方法及相关装置 |
CN112633901A (zh) * | 2020-12-18 | 2021-04-09 | 深圳市思为软件技术有限公司 | 判客方法及相关设备 |
CN113554532A (zh) * | 2021-06-16 | 2021-10-26 | 北京房江湖科技有限公司 | 经纪人列表页排序方法、存储介质及程序产品 |
CN113763029A (zh) * | 2021-07-20 | 2021-12-07 | 北京房江湖科技有限公司 | 客户信息推荐方法及装置 |
CN117114295A (zh) * | 2023-08-08 | 2023-11-24 | 深圳先锋居善科技有限公司 | 客户接待分配方法、装置、设备及计算机可读存储介质 |
CN113763029B (zh) * | 2021-07-20 | 2024-07-16 | 贝壳找房(北京)科技有限公司 | 客户信息推荐方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8468143B1 (en) * | 2010-04-07 | 2013-06-18 | Google Inc. | System and method for directing questions to consultants through profile matching |
CN106776716A (zh) * | 2016-11-21 | 2017-05-31 | 北京齐尔布莱特科技有限公司 | 一种智能匹配销售顾问和用户的方法及设备 |
CN109636258A (zh) * | 2019-02-12 | 2019-04-16 | 重庆锐云科技有限公司 | 一种房地产客户到访管理*** |
CN109657952A (zh) * | 2018-12-07 | 2019-04-19 | 万翼科技有限公司 | 客户的分配方法、装置和存储介质 |
CN109872258A (zh) * | 2019-01-17 | 2019-06-11 | 平安城市建设科技(深圳)有限公司 | 楼盘户型与推荐者的匹配方法、装置、设备及存储介质 |
-
2019
- 2019-10-09 CN CN201910952094.5A patent/CN110689457A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8468143B1 (en) * | 2010-04-07 | 2013-06-18 | Google Inc. | System and method for directing questions to consultants through profile matching |
CN106776716A (zh) * | 2016-11-21 | 2017-05-31 | 北京齐尔布莱特科技有限公司 | 一种智能匹配销售顾问和用户的方法及设备 |
CN109657952A (zh) * | 2018-12-07 | 2019-04-19 | 万翼科技有限公司 | 客户的分配方法、装置和存储介质 |
CN109872258A (zh) * | 2019-01-17 | 2019-06-11 | 平安城市建设科技(深圳)有限公司 | 楼盘户型与推荐者的匹配方法、装置、设备及存储介质 |
CN109636258A (zh) * | 2019-02-12 | 2019-04-16 | 重庆锐云科技有限公司 | 一种房地产客户到访管理*** |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292170A (zh) * | 2020-02-18 | 2020-06-16 | 重庆锐云科技有限公司 | 针对指定楼盘进行意向客户推荐的方法、装置及存储介质 |
CN111401958A (zh) * | 2020-03-17 | 2020-07-10 | 重庆锐云科技有限公司 | 一种对房地产客户自动推荐置业顾问的方法及*** |
CN111292140A (zh) * | 2020-03-19 | 2020-06-16 | 重庆锐云科技有限公司 | 一种线上客户智能分配方法 |
CN111612474A (zh) * | 2020-03-30 | 2020-09-01 | 北京瑞卓喜创科技发展有限公司 | 一种开拓管理购房客户的方法、装置、终端及计算机可读存储介质 |
CN112132657A (zh) * | 2020-09-21 | 2020-12-25 | 深圳思为科技有限公司 | 消息提醒方法及相关设备 |
CN112330387A (zh) * | 2020-09-29 | 2021-02-05 | 重庆锐云科技有限公司 | 一种应用于看房软件的虚拟经纪人 |
CN112330387B (zh) * | 2020-09-29 | 2023-07-18 | 重庆锐云科技有限公司 | 一种应用于看房软件的虚拟经纪人 |
CN112348531A (zh) * | 2020-10-19 | 2021-02-09 | 前海飞算科技(深圳)有限公司 | 客户关系管理***和推荐信息的生成方法 |
CN112561571A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市思为软件技术有限公司 | 购房意向评估方法及相关设备 |
CN112561269A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市思为软件技术有限公司 | 顾问推荐方法及装置 |
CN112613838A (zh) * | 2020-12-18 | 2021-04-06 | 深圳市思为软件技术有限公司 | 客户管理方法及相关装置 |
CN112633901A (zh) * | 2020-12-18 | 2021-04-09 | 深圳市思为软件技术有限公司 | 判客方法及相关设备 |
CN113554532A (zh) * | 2021-06-16 | 2021-10-26 | 北京房江湖科技有限公司 | 经纪人列表页排序方法、存储介质及程序产品 |
CN113554532B (zh) * | 2021-06-16 | 2024-06-07 | 贝壳找房(北京)科技有限公司 | 经纪人列表页排序方法、存储介质及程序产品 |
CN113763029A (zh) * | 2021-07-20 | 2021-12-07 | 北京房江湖科技有限公司 | 客户信息推荐方法及装置 |
CN113763029B (zh) * | 2021-07-20 | 2024-07-16 | 贝壳找房(北京)科技有限公司 | 客户信息推荐方法及装置 |
CN117114295A (zh) * | 2023-08-08 | 2023-11-24 | 深圳先锋居善科技有限公司 | 客户接待分配方法、装置、设备及计算机可读存储介质 |
CN117114295B (zh) * | 2023-08-08 | 2024-05-28 | 深圳先锋居善科技有限公司 | 客户接待分配方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689457A (zh) | 地产行业线上客户智能接待方法、服务器及存储介质 | |
US20220114623A1 (en) | Automatically determining a current value for a home | |
Anselin et al. | Interpolation of air quality measures in hedonic house price models: spatial aspects | |
Koh et al. | Multihoming users’ preferences for two-sided exchange networks | |
Tang et al. | Factors affecting effectiveness and efficiency of analyzing stakeholders' needs at the briefing stage of public private partnership projects | |
Yin et al. | Does e-commerce narrow the urban–rural income gap? Evidence from Chinese provinces | |
CN110910282B (zh) | 房地产电子商务多角色拓客赚佣***、方法及存储介质 | |
US20030033195A1 (en) | Retail site location void analysis system and method | |
US9411860B2 (en) | Capturing intentions within online text | |
CN111723292A (zh) | 基于图神经网络的推荐方法、***、电子设备及存储介质 | |
WO2021175302A1 (zh) | 一种数据采集方法和*** | |
KR20190143791A (ko) | 조달입찰정보 매칭방법, 장치 및 프로그램 | |
O’Brien et al. | Effects of economic incentives in the American film industry: An ecological approach | |
KR102633546B1 (ko) | 부동산 시세 추정 장치 및 그 방법 | |
Xia et al. | Leveraging employee online reviews for improving hotel competitiveness in the great resignation | |
TW200844881A (en) | System for matching transaction of intellectual property with self-searching, self-enlarge and amending classification characters and method of the same | |
US20140222700A1 (en) | Predictive pairing and/or matching systems, apparatus, and methods | |
CN111008871A (zh) | 一种房地产复购客户跟进数量计算方法、装置及存储介质 | |
CN111292170A (zh) | 针对指定楼盘进行意向客户推荐的方法、装置及存储介质 | |
CN113706173B (zh) | 一种信息管理方法、装置、电子设备及存储介质 | |
CN113032694B (zh) | 基于场景的查询方法及装置、存储介质、计算机设备 | |
JPWO2005020115A1 (ja) | 不動産売買システム | |
CN112434140B (zh) | 一种答复信息处理方法及*** | |
CN114155004A (zh) | 客户管理方法及装置 | |
US20160019297A1 (en) | Method and apparatus for cloning a target list |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200114 |
|
RJ01 | Rejection of invention patent application after publication |