CN112445955B - 商机信息管理方法、***及存储介质 - Google Patents
商机信息管理方法、***及存储介质 Download PDFInfo
- Publication number
- CN112445955B CN112445955B CN201910811929.5A CN201910811929A CN112445955B CN 112445955 B CN112445955 B CN 112445955B CN 201910811929 A CN201910811929 A CN 201910811929A CN 112445955 B CN112445955 B CN 112445955B
- Authority
- CN
- China
- Prior art keywords
- information
- business
- data
- key
- structured data
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000004891 communication Methods 0.000 claims description 16
- 230000009193 crawling Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- 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
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种商机信息管理方法、***及存储介质,方法包括:获得文本数据,对该文本数据进行信息提取,以得到包括客户信息和与该客户信息对应的业务员信息的关键信息,对关键信息进行结构化处理得到结构化数据,生成与结构化数据相匹配的商机信息,并将该商机信息添加至预设数据库,根据商机信息自动生成提醒信息,以使业务员信息所属的业务员能够根据该提醒信息对对应的客户信息所属的客户进行跟进,解决了现有技术中不能根据获取到的客户数据信息自动生成商机信息,并根据商机信息自动生成对应的提醒信息以提醒业务员对该商机信息对应的客户进行跟进的问题。
Description
技术领域
本发明涉及信息管理领域,具体而言,涉及一种商机信息管理方法、***及存储介质。
背景技术
客户是企业重要的资产,企业的业务员需要通过与客户的有效交流来开发新客户、保留老客户以及将已有的客户转化为忠实客户,从而开拓企业市场,为达到此目的,企业的业务员需要将客户数据信息录入至企业的客户管理***,根据客户数据信息人工填写与客户相关的商机信息,并定期或不定期地与客户管理***中的客户的联系;然而,企业的客户数据信息体量巨大,需要业务员整理客户数据信息并人工填写客户数据信息对应的商机信息,耗费时间长,消耗精力大,且不能兼顾与商机信息对应的客户的沟通,在现有技术中,不能根据获取到的客户数据信息自动生成商机信息,并根据商机信息自动生成对应的提醒信息以提醒业务员对该商机信息对应的客户进行跟进;因此,提供一种能够根据获取到的客户数据信息自动生成商机信息,以便于业务员对该商机信息对应的客户进行跟进的方法是亟待解决的技术问题。
发明内容
本发明提供一种商机信息管理方法、***及存储介质,解决了不能根据获取到的客户数据信息自动生成商机信息,并根据商机信息自动生成对应的提醒信息以提醒业务员对该商机信息对应的客户进行跟进的问题,达到能够根据获取到的客户数据信息自动生成商机信息,以便于业务员对该商机信息对应的客户进行跟进的目的。
为实现上述目的,本发明实施例采用如下技术方案:
一种商机信息管理方法,包括:
获得文本数据;
对所述文本数据进行信息提取,以得到关键信息,其中,所述关键信息包括客户信息和与所述客户信息对应的业务员信息;
对所述关键信息进行结构化处理得到结构化数据,并判断预设数据库中是否存在与所述结构化数据相匹配的商机信息;
若不存在,则根据所述结构化数据生成与所述结构化数据相匹配的商机信息,并将该商机信息添加至所述预设数据库;
根据所述商机信息生成提醒信息,以使所述业务员信息所属的业务员能够根据所述提醒信息对对应的客户信息所属的客户进行跟进。
在本发明实施例较佳的选择中,在上述商机信息管理方法中,获得文本数据的步骤包括:
对图像数据进行识别,以识别出所述图像数据对应的文字信息,并将所述文字信息保存为文本数据。
在本发明实施例较佳的选择中,在上述商机信息管理方法中,对所述文本数据进行信息提取,以得到关键信息的步骤包括:
采用文本关键词提取算法对所述文本数据进行语义分析,并按照语义分析结果对所述文本数据进行划分以得到划分后的文本数据,并从该划分后的文本数据中提取关键信息。
在本发明实施例较佳的选择中,在上述商机信息管理方法中,对所述关键信息进行结构化处理得到结构化数据的步骤包括:
按照预设顺序对所述关键信息中的客户信息和与所述客户信息对应的业务员信息进行排序,以生成结构化数据。
在本发明实施例较佳的选择中,在上述商机信息管理方法中,判断预设数据库中是否存在与所述结构化数据相匹配的商机信息的步骤包括:
将所述结构化数据中的客户信息作为索引,将该索引与所述预设数据库中存储的在先客户信息进行对比,并判断所述预设数据库中是否存在与所述索引对比一致的在先客户信息,其中,所述预设数据库中存储有多个在先客户信息和与所述在先客户信息对应的商机信息。
在本发明实施例较佳的选择中,在上述商机信息管理方法中,在判断预设数据库中是否存在与所述结构化数据相匹配的商机信息的步骤之后,所述方法还包括:
若存在,则将与所述结构化数据相匹配的商机信息替换为根据所述结构化数据生成的商机信息。
在本发明实施例较佳的选择中,在上述商机信息管理方法中,根据所述结构化数据生成与所述结构化数据相匹配的商机信息的步骤包括:
根据所述结构化数据从所述预设数据库中查找与所述结构化数据匹配的语料;
调取所述预设数据库中的商机信息模板,将与所述结构化数据匹配的语料添加至所述商机信息模板,以生成与所述结构化数据相匹配的商机信息。
在本发明实施例较佳的选择中,在上述商机信息管理方法中,根据所述商机信息生成提醒信息的步骤包括:
根据所述商机信息中包括的客户信息采用网络爬虫技术对网络信息进行定向爬取,以得到爬取数据;
对所述爬取数据进行处理,以得到重点数据;
对所述重点数据进行特征提取,以基于提取到的特征信息构建重点文本数据,采用文本关键词提取算法对所述重点文本数据进行语义分析,并按照语义将所述重点文本数据划分为多个重点关键信息;
按照预设顺序对多个所述重点关键信息进行排序,以生成重点结构化数据;
根据所述重点结构化数据从所述预设数据库中查找与所述重点结构化数据匹配的语料;
调取预设的提醒信息模板,将与所述重点结构化数据匹配的语料添加至所述提醒信息模板,以生成与所述重点结构化数据匹配的提醒信息。
本发明还提供了一种存储介质,该存储介质存储的计算机程序,可被一个或多个处理器执行,可用来实现上述任意一项中的商机信息管理方法。
本发明还提供了一种商机信息管理***,包括存储器、处理器及存储在该存储器上并可在其处理器上运行的计算机程序,该计算机程序被处理器执行时,可实现上述任意一项中的商机信息管理方法。
本发明提供的一种商机信息管理方法、***及存储介质,通过获得文本数据,对所述文本数据进行信息提取,以得到包括客户信息和与该客户信息对应的业务员信息的关键信息,对所述关键信息进行结构化处理得到结构化数据,生成与所述结构化数据相匹配的商机信息,并将该商机信息添加至所述预设数据库,根据所述商机信息自动生成提醒信息,以使所述业务员信息所属的业务员能够根据所述提醒信息对对应的客户信息所属的客户进行跟进,解决了现有技术中不能根据获取到的客户数据信息自动生成商机信息,并根据商机信息自动生成对应的提醒信息以提醒业务员对该商机信息对应的客户进行跟进的问题。
附图说明
通过结合附图阅读下文示例性实施例的详细描述可更好地理解本发明公开的范围。其中所包括的附图是:
图1为本发明实施例提供的一种商机信息管理方法流程图;
图2为本发明实施例提供的一种商机信息管理方法中生成商机信息的流程图;
图3为本发明实施例提供的一种商机信息管理方法中生成提醒信息的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
实施例一
请参阅图1,本发明实施例提供了一种商机信息管理方法,该方法包括步骤S110至步骤S150。
步骤S110,获得文本数据。
可以理解,在实际情景中,业务员获取到的客户意向单、业务员获取到的客户名片以及业务员的电子业务日志可以是电子文本格式的文本数据,也可以是图像格式的图像数据,因此,在本实施例中,当业务员获取到的客户意向单或业务员获取到的客户名片为图像数据时,需要对所述图像数据进行识别,从而将所述图像数据转换为文本数据。
在本实施例中,获得文本数据的步骤包括:对图像数据进行识别,以识别出所述图像数据对应的文字信息,并将所述文字信息保存为文本数据。
具体的,对图像数据进行识别的方式可以是通过OCR技术对图像数据进行识别。采用OCR技术对所述图像数据进行识别的步骤包括:对所述图像数据进行二值化、噪声去除、倾斜矫正等预处理,以得到预处理后的图像数据;对所述预处理后的图像数据进行版面分析,以得到分段的图像数据;对所述分段的图像数据进行字符切割,以得到分段的图像数据中的多个字符图像数据;对各所述字符图像数据进行特征提取以得到各所述字符图像数据对应的字符文本数据;将各所述字符文本数据按照其对应的字符图像数据在所述图像数据中的顺序进行排列,以得到排列后的多个字符文本数据,并将排列后的多个字符文本数据汇总后保存为所述文本数据,其中,所述字符文本数据即为所述文字信息。
可以理解,获得文本数据的步骤还包括对音频数据进行识别,以识别出所述音频数据对应的文字信息,并将所述文字信息保存为文本数据。
可以理解,所述文本数据包括但不限于:客户信息、业务员信息、客户与业务员的交流信息;所述客户信息包括但不限于:客户名称、客户公司所在地、客户主营项目以及客户联系方式;所述业务员信息包括但不限于:业务员姓名、业务员所属项目组以及业务员联系方式;所述客户与业务员的交流信息包括但不限于:客户与业务员交流的时间、客户与业务员交流的地点以及客户与业务员交流的业务内容。
步骤S120,对所述文本数据进行信息提取,以得到关键信息。
其中,所述关键信息包括客户信息和与所述客户信息对应的业务员信息。
在本实施例中,对所述文本数据进行信息提取,以得到关键信息的步骤包括:
采用文本关键词提取算法对所述文本数据进行语义分析,并按照语义分析结果对所述文本数据进行划分以得到划分后的文本数据,并从该划分后的文本数据中提取关键信息。
可以理解,所述文本关键词提取算法包括但不限于:TF-IDF算法、TextRank算法,优选的,本实施例中采用TextRank算法处理所述文本数据。
具体的,采用TextRank算法对所述文本数据进行信息提取,以得到关键信息的步骤包括步骤S121至步骤S125。
步骤S121,将所述文本数据分割成多个组成单元。
步骤S122,对每个组成单元进行分词和词性标注处理,并过滤掉停用词,保留指定词性的单词,并将保留的指定词性的单词作为候选关键词。
其中,指定词性的单词包括:名词、动词以及形容词,停用词为不能反映主题,且会对关键词的提取造成干扰的功能词,因此,在提取关键词之前,需要将所述文本数据中的停用词滤除,通常来说,停用词为所有虚词以及标点符号,常见的停用词包括:“的”、“地”、“得”等助词。
步骤S123,将所述候选关键词作为节点,并根据所述节点之间的相互作用构建候选关键词网络。
步骤S124,采用TextRank算法计算出所述候选关键词网络中各所述节点的权重值排序结果。
步骤S125,将所述候选关键词网络中各所述节点的权重值除以所有所述节点中最大的权重值,得到所有所述节点的归一化权重值,将所述归一化权重值大于预设权重值阈值的节点对应的词语定义为关键词,所有所述关键词构成所述关键信息。
步骤S130,对所述关键信息进行结构化处理得到结构化数据,并判断预设数据库中是否存在与所述结构化数据相匹配的商机信息。
在本实施例中,对所述关键信息进行结构化处理得到结构化数据的步骤包括:
按照预设顺序对所述关键信息中的客户信息和与所述客户信息对应的业务员信息进行排序,以生成结构化数据。
可以理解,结构化数据也称作行数据,是按照预设的顺序,通过二维表结构的逻辑来表达和实现的数据,严格地遵循数据格式与长度规范,便于数据库的存储和管理。
在本实施例中,判断预设数据库中是否存在与所述结构化数据相匹配的商机信息的步骤包括:将所述结构化数据中的客户信息作为索引,将该索引与所述预设数据库中存储的在先客户信息进行对比,并判断所述预设数据库中是否存在与所述索引对比一致的在先客户信息,其中,所述预设数据库中存储有多个在先客户信息和与所述在先客户信息对应的商机信息。
具体的,在判断预设数据库中是否存在与所述结构化数据相匹配的商机信息的步骤时,将所述结构化数据中的客户信息对应的客户编号作为索引,将该索引与所述预设数据库中存储的在先客户信息对应的在先客户编号进行对比,判断所述预设数据库中是否存在与所述索引一致的在先客户编号。
步骤S140,若不存在,则根据所述结构化数据生成与所述结构化数据相匹配的商机信息,并将该商机信息添加至所述预设数据库。
可以理解,若不存在与所述结构化数据相匹配的商机信息,则表示所述结构化数据中的客户信息对应的客户为新客户,应当根据该新客户对应的结构化数据生成与该结构化数据相匹配的商机信息,并将该商机信息和所述新客户对应的结构化数据添加至所述预设数据库。
在本实施例中,若存在与所述结构化数据相匹配的商机信息,则将与所述结构化数据相匹配的商机信息替换为根据所述结构化数据生成的商机信息。
可以理解,若存在与所述结构化数据相匹配的商机信息,则表示所述结构化数据中的客户信息对应的客户为老客户,所述结构化数据为在后结构化数据,与所述在后结构化数据相匹配的商机信息对应的结构化数据为在先结构化数据,所述在先结构化数据与所述在后结构化数据具有相同的客户信息,因此,当将所述在后结构化数据中的客户信息作为索引时,能够在所述预设数据库中查找到与所述在后结构化数据相匹配的所述在先结构化数据对应的商机信息,然而,所述在后结构化数据与所述在先结构化数据相比,更加接近目前的市场情况,所以应当根据所述在后结构化数据生成对应的商机信息,并将所述在先结构化数据对应的商机信息替换为所述在后结构化数据对应的商机信息。
请参阅图2,在本实施例中,根据所述结构化数据生成与所述结构化数据相匹配的商机信息的步骤包括步骤S142至步骤S144。
步骤S142,根据所述结构化数据从所述预设数据库中查找与所述结构化数据匹配的语料。
具体的,步骤S142包括:
将所述结构化数据转化为从原点出发的指向预定方向的结构化数据向量。
将所述预设数据库中每一条语料转化为从原点出发的指向预定方向的语料向量。
分别计算所述结构化数据向量和各所述语料向量之间的夹角。
若夹角为0°,则表示两个向量分别对应的所述结构化数据与所述预设数据库中的语料完全匹配;若夹角大于0°,则表示两个向量分别对应的所述结构化数据与所述预设数据库中的语料不完全匹配,且夹角角度值越大,两个向量分别对应的所述结构化数据与所述预设数据库中的语料的匹配度越低。
可以理解,所述语料向量的参数是根据设定的优化算法不断训练而得到的,所述结构化数据向量的参数也是按照与得到所述语料向量参数相同的优化算法训练而得到的,因此,计算出的所述结构化数据与所述语料的匹配度具有很高的可信度。
步骤S144,调取所述预设数据库中的商机信息模板,将与所述结构化数据匹配的语料添加至所述商机信息模板,以生成与所述结构化数据相匹配的商机信息。
可以理解,所述商机信息模板中包括描述性短语和句式,是生成商机信息的重要素材来源。
步骤S150,根据所述商机信息生成提醒信息,以使所述业务员信息所属的业务员能够根据所述提醒信息对对应的客户信息所属的客户进行跟进。
请参阅图3,在本实施例中,根据所述商机信息生成提醒信息的步骤包括步骤S151至步骤S156。
步骤S151,根据所述商机信息中包括的客户信息采用网络爬虫技术对网络信息进行定向爬取,以得到爬取数据。
可以理解,根据所述客户信息采用网络爬虫技术对网络信息进行定向爬取能够获得与所述客户相关的信息,其中,定向爬取的内容包括但不限于:客户所在区域的天气预报网页、客户所在区域的新闻网页以及客户所属领域的行业信息网页。
步骤S152,对所述爬取数据进行处理,以得到重点数据。
步骤S153,对所述重点数据进行特征提取,以基于提取到的特征信息构建重点文本数据,采用文本关键词提取算法对所述重点文本数据进行语义分析,并按照语义将所述重点文本数据划分为多个重点关键信息。
其中,所述重点关键信息的内容包括与客户相关的新闻要点或与客户相关的天气情况,以及客户所属领域的行业信息。
步骤S154,按照预设顺序对多个所述重点关键信息进行排序,以生成重点结构化数据。
步骤S155,根据所述重点结构化数据从所述预设数据库中查找与所述重点结构化数据匹配的语料。
步骤S156,调取预设的提醒信息模板,将与所述重点结构化数据匹配的语料添加至所述提醒信息模板,以生成与所述重点结构化数据匹配的提醒信息。
可以理解,在生成提醒信息之后,通过邮件、短信、弹窗等形式将所述提醒信息发送至所述商机信息对应的业务员,以使所述业务员根据所述提醒信息及时对对应的客户信息所属的客户进行电话跟进或实地跟进。
在本实施例中,以具体的文本数据为例进行说明,获得的文本数据包括:本公司机械臂项目组的业务员张三,于2119年7月19日带领XX公司的代表人员参观了本公司的机械臂生产线,XX公司的代表人员对本公司生产的机械臂进行了深入了解,XX公司联系方式:0XX-2256XXX,如有任何问题,请联系张三:1569756XXXX。
对所述文本数据进行信息提取,得到的关键信息包括:机械臂、业务员、张三、2119年、7月、19日、XX公司、参观、本公司、生产线、深入了解、联系方式、0XX-2256XXX、1569756XXXX。其中,所述关键信息包括的客户信息为:XX公司、0XX-2256XXX;所述关键信息包括的与所述客户信息对应的业务员信息为:张三、1569756XXXX。
对所述关键信息进行结构化处理,得到的结构化数据为:客户:XX公司;客户联系方式:0XX-2256XXX;业务员:张三;业务员联系方式:1569756XXXX;业务员所属项目组:机械臂项目组;与客户交流日期:2119年7月19日;与客户交流内容:参观本公司机械臂生产线;与客户交流成果:深入了解。
根据所述结构化数据生成与所述结构化数据相匹配的商机信息为:客户XX公司对本公司机械臂有购买意向,安排张三为业务负责人。
其中,根据所述结构化数据生成与所述结构化数据相匹配的商机信息的过程具体包括:
根据所述结构化数据从所述预设数据库中查找与所述结构化数据匹配的语料,比如,根据所述结构化数据中包括的与客户交流成果:深入了解,查找到的匹配的语料为“有购买意向”。
调取所述预设数据库中的商机信息模板为:客户…对本公司…,安排…为业务负责人。
由于所述结构化数据中的业务员为张三,且张三隶属于本公司的机械臂项目组,因此将与所述结构化数据匹配的语料添加至所述商机信息模板商机信息模板,生成的商机信息为:客户XX公司对本公司机械臂有购买意向,安排张三为业务负责人。
根据所述商机信息生成的提醒信息为:客户XX公司所在区域即将有暴雪,可能会导致高速公路关闭,请提醒客户关注。
其中,根据所述商机信息生成的提醒信息的过程具体包括:
所述商机信息对应的客户为XX公司,通过网络爬虫技术对XX公司的定向爬取,得到的爬取数据为:XX公司所在区域明天白天晴,明天夜间有暴雪,明天全天最高温度3℃,最低温度零下15℃,空气质量良,暴雪期间该区域将进行交通管制。
对所述爬取数据进行处理,得到的重点数据为:XX公司所在区域明天夜间有暴雪,暴雪期间该区域将进行交通管制。
对所述重点数据进行特征提取,得到的重点关键信息为:XX公司、明天夜间、暴雪、交通管制。
按照预设顺序对多个所述重点关键信息进行排序,生成的重点结构化数据为:客户:XX公司;客户联系方式:0XX-2256XXX;业务员:张三;业务员联系方式:1569756XXXX;业务员所属项目组:机械臂项目组;与客户交流日期:2119年7月19日;与客户交流内容:参观本公司机械臂生产线;与客户交流成果:深入了解;提醒事件:暴雪;事件后果:交通管制;提醒时间:XXXX年XX月XX日。
根据所述重点结构化数据从所述预设数据库中查找与所述重点结构化数据匹配的语料,比如,根据所述重点结构化数据中的事件后果从所述预设数据库中查找出的与所述重点结构化数据匹配的语料为:高速公路关闭。
调取预设的提醒信息模板为:客户…所在区域即将…,可能会导致…,请提醒客户关注。
将与所述重点结构化数据匹配的语料添加至所述提醒信息模板,生成的提醒信息为:客户XX公司所在区域即将有暴雪,可能会导致高速公路关闭,请提醒客户关注。
实施例二
本发明还提供了一种存储介质,该存储介质存储的计算机程序,可被一个或多个处理器执行,可用来实现上述商机信息管理方法。
实施例三
本发明还提供了一种商机信息管理***,包括存储器、处理器及存储在该存储器上并可在其处理器上运行的计算机程序,该计算机程序被处理器执行时,可实现上述商机信息管理方法。
综上所述,本发明所述一种商机信息管理方法、***及存储介质,通过获得文本数据,对该文本数据进行信息提取,以得到包括客户信息和与该客户信息对应的业务员信息的关键信息,对所述关键信息进行结构化处理得到结构化数据,生成与所述结构化数据相匹配的商机信息,并将该商机信息添加至所述预设数据库,根据所述商机信息自动生成提醒信息,以使所述业务员信息所属的业务员能够根据所述提醒信息对对应的客户信息所属的客户进行跟进,能够解决现有技术中不能根据获取到的客户数据信息自动生成商机信息,并根据商机信息自动生成对应的提醒信息以提醒业务员对该商机信息对应的客户进行跟进的问题。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (9)
1.一种商机信息管理方法,其特征在于,
获得文本数据,所述文本数据包括客户信息、业务员信息以及客户与业务员的交流信息,所述客户信息包括客户名称、客户公司所在地、客户主营项目以及客户联系方式,所述业务员信息包括业务员姓名、业务员所属项目组以及业务员联系方式,所述客户与业务员的交流信息包括客户与业务员交流的时间、客户与业务员交流的地点以及客户与业务员交流的业务内容;
对所述文本数据进行信息提取,以得到关键信息,其中,所述关键信息包括客户信息和与所述客户信息对应的业务员信息;
对所述关键信息进行结构化处理得到结构化数据,并判断预设数据库中是否存在与所述结构化数据相匹配的商机信息;
若不存在,则根据所述结构化数据生成与所述结构化数据相匹配的商机信息,并将该商机信息添加至所述预设数据库;
根据所述商机信息生成提醒信息,以使所述业务员信息所属的业务员能够根据所述提醒信息对对应的客户信息所属的客户进行跟进;
根据所述商机信息生成提醒信息的步骤包括:
根据所述商机信息中包括的客户信息采用网络爬虫技术对网络信息进行定向爬取,以得到爬取数据,定向爬取的内容包括客户所在区域的天气预报网页、客户所在区域的新闻网页以及客户所属领域的行业信息网页;
对所述爬取数据进行处理,以得到重点数据;
对所述重点数据进行特征提取,以基于提取到的特征信息构建重点文本数据,采用文本关键词提取算法对所述重点文本数据进行语义分析,并按照语义将所述重点文本数据划分为多个重点关键信息,所述重点关键信息的内容包括与客户相关的新闻要点、与客户相关的天气情况以及客户所属领域的行业信息;
按照预设顺序对多个所述重点关键信息进行排序,以生成重点结构化数据;
根据所述重点结构化数据从所述预设数据库中查找与所述重点结构化数据匹配的语料;
调取预设的提醒信息模板,将与所述重点结构化数据匹配的语料添加至所述提醒信息模板,以生成与所述重点结构化数据匹配的提醒信息。
2.根据权利要求1所述的商机信息管理方法,其特征在于,获得文本数据的步骤包括:
对图像数据进行识别,以识别出所述图像数据对应的文字信息,并将所述文字信息保存为文本数据。
3.根据权利要求1所述的商机信息管理方法,其特征在于,对所述文本数据进行信息提取,以得到关键信息的步骤包括:
采用文本关键词提取算法对所述文本数据进行语义分析,并按照语义分析结果对所述文本数据进行划分以得到划分后的文本数据,并从该划分后的文本数据中提取关键信息。
4.根据权利要求1所述的商机信息管理方法,其特征在于,对所述关键信息进行结构化处理得到结构化数据的步骤包括:
按照预设顺序对所述关键信息中的客户信息和与所述客户信息对应的业务员信息进行排序,以生成结构化数据。
5.根据权利要求1所述的商机信息管理方法,其特征在于,判断预设数据库中是否存在与所述结构化数据相匹配的商机信息的步骤包括:
将所述结构化数据中的客户信息作为索引,将该索引与所述预设数据库中存储的在先客户信息进行对比,并判断所述预设数据库中是否存在与所述索引对比一致的在先客户信息,其中,所述预设数据库中存储有多个在先客户信息和与所述在先客户信息对应的商机信息。
6.根据权利要求5所述的商机信息管理方法,其特征在于,在判断预设数据库中是否存在与所述结构化数据相匹配的商机信息的步骤之后,所述方法还包括:
若存在,则将与所述结构化数据相匹配的商机信息替换为根据所述结构化数据生成的商机信息。
7.根据权利要求1所述的商机信息管理方法,其特征在于,根据所述结构化数据生成与所述结构化数据相匹配的商机信息的步骤包括:
根据所述结构化数据从所述预设数据库中查找与所述结构化数据匹配的语料;
调取所述预设数据库中的商机信息模板,将与所述结构化数据匹配的语料添加至所述商机信息模板,以生成与所述结构化数据相匹配的商机信息。
8.一种存储介质,其特征在于,该存储介质存储的计算机程序,可被一个或多个处理器执行,可用来实现如权利要求1至7中任意一项中的商机信息管理方法。
9.一种商机信息管理***,其特征在于,包括存储器、处理器及存储在该存储器上并可在其处理器上运行的计算机程序,该计算机程序被处理器执行时,可实现如权利要求1至7中任意一项中的商机信息管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811929.5A CN112445955B (zh) | 2019-08-30 | 2019-08-30 | 商机信息管理方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811929.5A CN112445955B (zh) | 2019-08-30 | 2019-08-30 | 商机信息管理方法、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112445955A CN112445955A (zh) | 2021-03-05 |
CN112445955B true CN112445955B (zh) | 2023-10-13 |
Family
ID=74740828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910811929.5A Active CN112445955B (zh) | 2019-08-30 | 2019-08-30 | 商机信息管理方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112445955B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115841312B (zh) * | 2023-02-27 | 2023-05-02 | 武汉耳东信息科技有限公司 | 用于企业管理文件数据实时采集分析***及其采集终端 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570148A (zh) * | 2016-10-27 | 2017-04-19 | 浙江大学 | 一种基于卷积神经网络的属性抽取方法 |
CN107918658A (zh) * | 2017-11-20 | 2018-04-17 | 金蝶软件(中国)有限公司 | 一种商机生成方法及*** |
CN108470296A (zh) * | 2017-02-23 | 2018-08-31 | 阿里巴巴集团控股有限公司 | 一种业务对象信息处理方法及装置 |
CN109829810A (zh) * | 2018-12-13 | 2019-05-31 | 平安科技(深圳)有限公司 | 业务推荐方法、装置、计算机设备及存储介质 |
CN110070238A (zh) * | 2019-05-07 | 2019-07-30 | 北京光速斑马数据科技有限公司 | 一种汽车行业商机挖掘分析方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7003517B1 (en) * | 2000-05-24 | 2006-02-21 | Inetprofit, Inc. | Web-based system and method for archiving and searching participant-based internet text sources for customer lead data |
US7165036B2 (en) * | 2001-10-23 | 2007-01-16 | Electronic Data Systems Corporation | System and method for managing a procurement process |
-
2019
- 2019-08-30 CN CN201910811929.5A patent/CN112445955B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570148A (zh) * | 2016-10-27 | 2017-04-19 | 浙江大学 | 一种基于卷积神经网络的属性抽取方法 |
CN108470296A (zh) * | 2017-02-23 | 2018-08-31 | 阿里巴巴集团控股有限公司 | 一种业务对象信息处理方法及装置 |
CN107918658A (zh) * | 2017-11-20 | 2018-04-17 | 金蝶软件(中国)有限公司 | 一种商机生成方法及*** |
CN109829810A (zh) * | 2018-12-13 | 2019-05-31 | 平安科技(深圳)有限公司 | 业务推荐方法、装置、计算机设备及存储介质 |
CN110070238A (zh) * | 2019-05-07 | 2019-07-30 | 北京光速斑马数据科技有限公司 | 一种汽车行业商机挖掘分析方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112445955A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019214245A1 (zh) | 一种信息推送方法、装置、终端设备及存储介质 | |
AU2022201654A1 (en) | System and engine for seeded clustering of news events | |
CN107862070B (zh) | 基于文本聚类的线上课堂讨论短文本即时分组方法及*** | |
CN111767725B (zh) | 一种基于情感极性分析模型的数据处理方法及装置 | |
Li et al. | Two-view transductive support vector machines | |
CN102663022B (zh) | 一种基于url的分类识别方法 | |
CN108241867B (zh) | 一种分类方法及装置 | |
CA2956627A1 (en) | System and engine for seeded clustering of news events | |
Zhang et al. | Annotating needles in the haystack without looking: Product information extraction from emails | |
CN111985212A (zh) | 文本关键字识别方法、装置、计算机设备及可读存储介质 | |
CN111754208A (zh) | 一种招聘简历自动筛选方法 | |
CN112445955B (zh) | 商机信息管理方法、***及存储介质 | |
CN112487306B (zh) | 基于知识图谱的自动化事件标记与分类方法 | |
CN115210705A (zh) | 具有无效值或等效值的关系表的向量嵌入模型 | |
US9317871B2 (en) | Mobile classifieds search | |
Li et al. | Automatic classification algorithm for multisearch data association rules in wireless networks | |
CN114297472A (zh) | 智能行业政策推荐方法、***、电子设备及介质 | |
CN112434126B (zh) | 一种信息处理方法、装置、设备和存储介质 | |
CN114528378A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
Yoon et al. | Efficient implementation of associative classifiers for document classification | |
Jishag et al. | Automated review analyzing system using sentiment analysis | |
Shidaganti et al. | Analysis and exploitation of Twitter data using machine learning techniques | |
Ajeissh et al. | An adaptive distributed approach of a self organizing map model for document clustering using ring topology | |
Zhao et al. | Research on the opinion mining system for massive social media data | |
US20220309116A1 (en) | Determining Similarity Between Documents |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |