CN112507072A - 基于对话的销售考评方法、***及电子设备 - Google Patents

基于对话的销售考评方法、***及电子设备 Download PDF

Info

Publication number
CN112507072A
CN112507072A CN202011414368.4A CN202011414368A CN112507072A CN 112507072 A CN112507072 A CN 112507072A CN 202011414368 A CN202011414368 A CN 202011414368A CN 112507072 A CN112507072 A CN 112507072A
Authority
CN
China
Prior art keywords
sales
text data
conversation
dialogue
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.)
Pending
Application number
CN202011414368.4A
Other languages
English (en)
Inventor
周俊
陈伟
梁志婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Minglue Artificial Intelligence Group Co Ltd
Original Assignee
Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Minglue Artificial Intelligence Group Co Ltd filed Critical Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority to CN202011414368.4A priority Critical patent/CN112507072A/zh
Publication of CN112507072A publication Critical patent/CN112507072A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3343—Query execution using phonetics
    • 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
    • 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
    • G06F16/35—Clustering; Classification
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398—Performance of employee with respect to a job function

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提出一种基于对话的销售考评方法、***及电子设备，其方法技术方案包括对话获取步骤，获取销售员与客户之间的销售对话录音数据，并将所述销售对话录音数据转换为销售对话文本数据；对话分类步骤，将所述销售对话文本数据按照一预设标准进行分类，得到每一类别的所述销售对话文本数据的比重值；考评分析步骤，将分类后的所述销售对话文本数据通过一预先建立的销售服务模型进行分析，获取分析结果并进行销售绩效评价。本发明解决了现有销售绩效考评方法耗费人力且无法保证客观的问题。

Description

基于对话的销售考评方法、***及电子设备
技术领域
本发明属于语言处理领域，尤其涉及一种可适用于销售行业的基于对话的销售考评方法、***及电子设备。
背景技术
目前企业管理部门了解前端销售人员能力的方法主要有三种：(1)神秘客暗访并录音抽查；(2)根据销售业绩判断；(3)根据日常交流、同事的反馈来主观判断。采用录音方式时，只能抽查，样本量小，不能代表绝大部分的情况，且需要人工听录音进行分析，人力成本高，且带有一定的主观性。暂没有可以从具体的销售细节对销售人员的业务能力进行客户分析和综合判断的基于语言处理技术的自动化方法。
发明内容
本申请实施例提供了一种基于对话的销售考评方法、***及电子设备，以至少解决现有销售绩效考评方法耗费人力且无法保证客观的问题。
第一方面，本申请实施例提供了一种基于对话的销售考评方法，包括：对话获取步骤，获取销售员与客户之间的销售对话录音数据，并将所述销售对话录音数据转换为销售对话文本数据；对话分类步骤，将所述销售对话文本数据按照一预设标准进行分类，得到每一类别的所述销售对话文本数据的比重值；考评分析步骤，将分类后的所述销售对话文本数据通过一预先建立的销售服务模型进行分析，获取分析结果并进行销售绩效评价。
优选的，所述对话获取步骤包括：通过一语音识别算法，将所述销售对话录音数据转换为销售对话文本数据。
优选的，所述考评分析步骤还包括：样本获取步骤，获取样本对话录音数据，并将所述样本对话录音数据转换为样本对话文本数据；模型建立步骤，根据所述样本对话文本数据建立销售服务模型。
优选的，所述模型建立步骤还包括：将所述样本对话文本数据按照一预设标准进行分类，得到每一类别的所述样本对话文本数据的比重值，根据每一类别的所述样本对话文本数据的比重值建立销售服务模型。
优选的，所述销售对话文本数据和所述样本对话文本数据的比重值包括每一类别的文本数据量及对应时长。
优选的，所述考评分析步骤还包括：绩效评价步骤，将分类后的所述销售对话文本数据与所述销售服务模型比对，计算并获取差异度，根据所述差异度进行销售绩效评价。
优选的，所述差异度包括每一类别的所述销售对话文本数据和所述样本对话文本数据的比重值差异，所述差异度与所述销售绩效评价成反比。
优选的，还包括一智能建议步骤，建立一智能建议库，当一类别的所述差异度达到一阈值时，通过所述智能建议库自动匹配输出一建议。
第二方面，本申请实施例提供了一种基于对话的销售考评***，适用于上述一种基于对话的销售考评方法，包括：对话获取单元，获取销售员与客户之间的销售对话录音数据，并将所述销售对话录音数据转换为销售对话文本数据；对话分类单元，将所述销售对话文本数据按照一预设标准进行分类，得到每一类别的所述销售对话文本数据的比重值；考评分析单元，将分类后的所述销售对话文本数据通过一预先建立的销售服务模型进行分析，获取分析结果并进行销售绩效评价；智能建议单元，建立一智能建议库，根据所述分析结果通过所述智能建议库自动匹配输出一建议。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的一种基于对话的销售考评方法。
相比于相关技术，本申请实施例提供的一种基于对话的销售考评方法通过建立销售服务模型，将对销售服务对话的分析标准化、自动化，大大节省了人力，并增强了分析的客观性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明的基于对话的销售考评方法流程图；
图2为图1中步骤S2的分步骤流程图；
图3为本发明的基于对话的销售考评***的框架图；
图4为图3中考评分析单元的框架图；
图5为本发明的电子设备的框架图；
图6为图2中步骤S33的参照图；
以上图中：
1、对话获取单元；2、对话分类单元；3、考评分析单元；4、智能建议单元；31、样本获取模块；22、模型建立模块；23、绩效评价模块；60、总线；61、处理器；62、存储器；63、通信接口。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
语音识别是一门交叉学科。近二十年来，语音识别技术取得显著进步，开始从实验室走向市场。人们预计，未来10年内，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。语音识别听写机在一些领域的应用被美国新闻界评为1997年计算机发展十件大事之一。很多专家都认为语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一。语音识别技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。
自动语音识别技术(Automatic Speech Recognition)是一种将人的语音转换为文本的技术。语音识别是一个多学科交叉的领域，它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性，语音识别***只能在一定的限制条件下获得满意的性能，或者说只能应用于某些特定的场合。
基于语音学和声学的方法起步较早，在语音识别技术提出的开始，就有了这方面的研究，但由于其模型及语音知识过于复杂，现阶段没有达到实用的阶段。通常认为常用语言中有有限个不同的语音基元，而且可以通过其语音信号的频域或时域特性来区分。这样该方法分为两步实现：第一步，分段和标号，把语音信号按时间分成离散的段，每段对应一个或几个语音基元的声学特性。然后根据相应声学特性对每个分段给出相近的语音标号；第二步，得到词序列，根据第一步所得语音标号序列得到一个语音基元网格，从词典得到有效的词序列，也可结合句子的文法和语义同时进行。
本发明可应用于销售行业的销售绩效考评。
以下，结合附图详细介绍本发明的实施例：
图1为本发明的基于对话的销售考评方法流程图，请参见图1，本发明基于对话的销售考评方法包括如下步骤：
S1：获取销售员与客户之间的销售对话录音数据，并将所述销售对话录音数据转换为销售对话文本数据。
在具体实施中，可以通过录音设备采集销售员与客户之间的销售对话录音数据，进而从录音设备中获取到销售员与客户之间的销售对话录音数据，并对销售对话录音数据进行转换，将销售对话录音数据转换为对话文本数据；可选的，录音设备可以是录音工牌、、可录音的手环、手机等便携设备，或者固定在门店内的录音设施。
可选的，根据以下步骤将所述对话录音数据转换为对话文本数据：根据语音识别算法，将所述对话录音数据转换为对话文本数据。
在具体实施中，可以利用语音识别算法，将对话录音数据转换为对应的对话文本数据。这里，语音识别算法(Automatic Speech Recognition，ASR)用于识别语音数据，语音识别算法包括基于语言学和声学的方法、模板匹配的方法、利用人工神经网络的方法、概率语法分析。
S2：将所述销售对话文本数据按照一预设标准进行分类，得到每一类别的所述销售对话文本数据的比重值。
可选的，该比重值包括每一类别的文本数据量及对应时长。
在具体实施中，对ASR识别后的对话文本数据进行语义分析，进而对ASR识别后的对话文本数据按照沟通环节话术进行分类标记、时间标记和统计，沟通环节话术类别具体可以包括：迎宾、需求沟通、产品推荐、询价、异议解答、顾问推进、完成交易、送宾等；沟通环节话术的时间标记是指标记每个环节话术的文本数据对应的语音时长，例如，ASR识别文本中的“您好，欢迎光临”，属于“迎宾”环节话术，在语音数据中对应的时间为3s。
这里，上述的分类，以及每一类别的文本数据量及对应时长可按照下述形式进行展示：
迎宾：话术数据量5％、话术时长9s；
需求沟通：话术数据量25％、话术时长45s；
产品推荐：话术数据量45％、话术时长81s；
顾问推进：话术数据量20％、话术时长36s；
送客：话术数据量5％，话术时长9s。
S3：将分类后的所述销售对话文本数据通过一预先建立的销售服务模型进行分析，获取分析结果并进行销售绩效评价。
可选的，图2为图1中步骤S3的分步骤流程图，请参见图2，还包括：
S31：获取样本对话录音数据，并将所述样本对话录音数据转换为样本对话文本数据。
在具体实施中，可以根据销售方实际情况，基于销售成单数据划分成单数较高的人为样本销售员，找到样本销售员在过去一定时间内的销售服务录音数据，并利用语音识别算法，将样本对话录音数据转换为对应的样本对话文本数据；可选的，可以利用语音识别算法，将对话录音数据转换为对应的对话文本数据。
S32：根据所述样本对话文本数据建立销售服务模型；可选的，将所述样本对话文本数据按照一预设标准进行分类，得到每一类别的所述样本对话文本数据的比重值，根据每一类别的所述样本对话文本数据的比重值建立销售服务模型。
可选的，该比重值包括每一类别的文本数据量及对应时长。
在具体实施中，对ASR识别后的对话文本数据进行语义分析，进而对ASR识别后的对话文本数据按照沟通环节话术进行分类标记、时间标记和统计，沟通环节话术类别具体可以包括：迎宾、需求沟通、产品推荐、询价、异议解答、顾问推进、完成交易、送宾等；沟通环节话术的时间标记是指标记每个环节话术的文本数据对应的语音时长，例如，ASR识别文本中的“您好，欢迎光临”，属于“迎宾”环节话术，在语音数据中对应的时间为3s。
这里，上述的分类，以及每一类别的文本数据量及对应时长可按照下述形式进行展示：
迎宾：话术数据量5％、话术时长9s；
需求沟通：话术数据量40％、话术时长72s；
产品推荐：话术数据量20％、话术时长36s；
顾问推进：话术数据量30％、话术时长54s；
送客：话术数据量5％，话术时长9s。
S33：将分类后的所述销售对话文本数据与所述销售服务模型比对，计算并获取差异度，根据所述差异度进行销售绩效评价。
可选的，所述差异度包括每一类别的所述销售对话文本数据和所述样本对话文本数据的比重值差异，所述差异度与所述销售绩效评价成反比。
图6为图2中步骤S33的参照图，请参照图6，在具体实施中，分别比对销售员和样本销售员在迎宾、需求沟通、产品推荐、顾问推进、送客五个类别的数据量和时长差异，比对差异越大，则销售员与样本销售员的差异越大，对其绩效评价则越低。
S4：建立一智能建议库，当一类别的所述差异度达到一阈值时，通过所述智能建议库自动匹配输出一建议。
可选的，智能建议库包括类别、触发阈值、设定规则、建议四个字段。
在具体实施中，智能建议库“需求沟通”类别的触发阈值是10％，设定规则为当销售员的话术数据量比重低于样本销售员超过阈值时，建议为“加强对顾客需求的挖掘和理解”；在具体实施中，销售员相关数据如下：需求沟通：话术数据量25％、话术时长45s；样本销售员相关数据如下：需求沟通：话术数据量40％、话术时长72s；则智能建议库对该销售员输出“加强对顾客需求的挖掘和理解”。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例提供了一种基于对话的销售考评***，适用于上述的一种基于对话的销售考评方法。如以下所使用的，术语“单元”、“模块”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件、或者软件和硬件的组合的实现也是可能并被构想的。
图3为根据本发明的基于对话的销售考评***的框架图，请参见图3，包括：
对话获取单元1：获取销售员与客户之间的销售对话录音数据，并将所述销售对话录音数据转换为销售对话文本数据。
在具体实施中，可以通过录音设备采集销售员与客户之间的销售对话录音数据，进而从录音设备中获取到销售员与客户之间的销售对话录音数据，并对销售对话录音数据进行转换，将销售对话录音数据转换为对话文本数据；可选的，录音设备可以是录音工牌、、可录音的手环、手机等便携设备，或者固定在门店内的录音设施。
可选的，根据以下步骤将所述对话录音数据转换为对话文本数据：根据语音识别算法，将所述对话录音数据转换为对话文本数据。
在具体实施中，可以利用语音识别算法，将对话录音数据转换为对应的对话文本数据。这里，语音识别算法(Automatic Speech Recognition，ASR)用于识别语音数据，语音识别算法包括基于语言学和声学的方法、模板匹配的方法、利用人工神经网络的方法、概率语法分析。
对话分类单元2：将所述销售对话文本数据按照一预设标准进行分类，得到每一类别的所述销售对话文本数据的比重值。
可选的，该比重值包括每一类别的文本数据量及对应时长。
在具体实施中，对ASR识别后的对话文本数据进行语义分析，进而对ASR识别后的对话文本数据按照沟通环节话术进行分类标记、时间标记和统计，沟通环节话术类别具体可以包括：迎宾、需求沟通、产品推荐、询价、异议解答、顾问推进、完成交易、送宾等；沟通环节话术的时间标记是指标记每个环节话术的文本数据对应的语音时长，例如，ASR识别文本中的“您好，欢迎光临”，属于“迎宾”环节话术，在语音数据中对应的时间为3s。
这里，上述的分类，以及每一类别的文本数据量及对应时长可按照下述形式进行展示：
迎宾：话术数据量5％、话术时长9s；
需求沟通：话术数据量25％、话术时长45s；
产品推荐：话术数据量45％、话术时长81s；
顾问推进：话术数据量20％、话术时长36s；
送客：话术数据量5％，话术时长9s。
考评分析单元3：将分类后的所述销售对话文本数据通过一预先建立的销售服务模型进行分析，获取分析结果并进行销售绩效评价。
可选的，图4为图3中考评分析单元的框架图，请参见图4，还包括：
样本获取模块31：获取样本对话录音数据，并将所述样本对话录音数据转换为样本对话文本数据。
在具体实施中，可以根据销售方实际情况，基于销售成单数据划分成单数较高的人为样本销售员，找到样本销售员在过去一定时间内的销售服务录音数据，并利用语音识别算法，将样本对话录音数据转换为对应的样本对话文本数据；可选的，可以利用语音识别算法，将对话录音数据转换为对应的对话文本数据。
模型建立模块32：根据所述样本对话文本数据建立销售服务模型；可选的，将所述样本对话文本数据按照一预设标准进行分类，得到每一类别的所述样本对话文本数据的比重值，根据每一类别的所述样本对话文本数据的比重值建立销售服务模型。
可选的，该比重值包括每一类别的文本数据量及对应时长。
在具体实施中，对ASR识别后的对话文本数据进行语义分析，进而对ASR识别后的对话文本数据按照沟通环节话术进行分类标记、时间标记和统计，沟通环节话术类别具体可以包括：迎宾、需求沟通、产品推荐、询价、异议解答、顾问推进、完成交易、送宾等；沟通环节话术的时间标记是指标记每个环节话术的文本数据对应的语音时长，例如，ASR识别文本中的“您好，欢迎光临”，属于“迎宾”环节话术，在语音数据中对应的时间为3s。
这里，上述的分类，以及每一类别的文本数据量及对应时长可按照下述形式进行展示：
迎宾：话术数据量5％、话术时长9s；
需求沟通：话术数据量40％、话术时长72s；
产品推荐：话术数据量20％、话术时长36s；
顾问推进：话术数据量30％、话术时长54s；
送客：话术数据量5％，话术时长9s。
绩效评价模块33：将分类后的所述销售对话文本数据与所述销售服务模型比对，计算并获取差异度，根据所述差异度进行销售绩效评价。
可选的，所述差异度包括每一类别的所述销售对话文本数据和所述样本对话文本数据的比重值差异，所述差异度与所述销售绩效评价成反比。
在具体实施中，分别比对销售员和样本销售员在迎宾、需求沟通、产品推荐、顾问推进、送客五个类别的数据量和时长差异，比对差异越大，则销售员与样本销售员的差异越大，对其绩效评价则越低。
智能建议单元4：建立一智能建议库，当一类别的所述差异度达到一阈值时，通过所述智能建议库自动匹配输出一建议。
可选的，智能建议库包括类别、触发阈值、设定规则、建议四个字段。
在具体实施中，智能建议库“需求沟通”类别的触发阈值是10％，设定规则为当销售员的话术数据量比重低于样本销售员超过阈值时，建议为“加强对顾客需求的挖掘和理解”；在具体实施中，销售员相关数据如下：需求沟通：话术数据量25％、话术时长45s；样本销售员相关数据如下：需求沟通：话术数据量40％、话术时长72s；则智能建议库对该销售员输出“加强对顾客需求的挖掘和理解”。
另外，结合图1、图2描述的一种基于对话的销售考评方法可以由电子设备来实现。图5为本发明的电子设备的框架图。
电子设备可以包括处理器61以及存储有计算机程序指令的存储器62。
具体地，上述处理器61可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器62可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器62可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器62可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器62可在数据处理装置的内部或外部。在特定实施例中，存储器62是非易失性(Non-Volatile)存储器。在特定实施例中，存储器62包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(RandomAccess Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。
存储器62可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器61所执行的可能的计算机程序指令。
处理器61通过读取并执行存储器62中存储的计算机程序指令，以实现上述实施例中的任意一种基于对话的销售考评方法。
在其中一些实施例中，电子设备还可包括通信接口63和总线60。其中，如图4所示，处理器61、存储器62、通信接口63通过总线60连接并完成相互间的通信。
通信端口63可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线60包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。总线60包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线60可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(FrontSide Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、***组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线60可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该电子设备可以执行本申请实施例中的一种基于对话的销售考评方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于对话的销售考评方法，其特征在于，包括：
对话获取步骤，获取销售员与客户之间的销售对话录音数据，并将所述销售对话录音数据转换为销售对话文本数据；
对话分类步骤，将所述销售对话文本数据按照一预设标准进行分类，得到每一类别的所述销售对话文本数据的比重值；
考评分析步骤，将分类后的所述销售对话文本数据通过一预先建立的销售服务模型进行分析，获取分析结果并进行销售绩效评价。
2.如权利要求1所述的基于对话的销售考评方法，其特征在于，所述对话获取步骤包括：通过一语音识别算法，将所述销售对话录音数据转换为销售对话文本数据。
3.如权利要求1所述的基于对话的销售考评方法，其特征在于，所述考评分析步骤还包括：
样本获取步骤，获取样本对话录音数据，并将所述样本对话录音数据转换为样本对话文本数据；
模型建立步骤，根据所述样本对话文本数据建立销售服务模型。
4.如权利要求3所述的基于对话的销售考评方法，其特征在于，
所述模型建立步骤还包括：将所述样本对话文本数据按照一预设标准进行分类，得到每一类别的所述样本对话文本数据的比重值，根据每一类别的所述样本对话文本数据的比重值建立销售服务模型。
5.如权利要求4所述的基于对话的销售考评方法，其特征在于，所述销售对话文本数据和所述样本对话文本数据的比重值包括每一类别的文本数据量及对应时长。
6.如权利要求4或5所述的基于对话的销售考评方法，其特征在于，所述考评分析步骤还包括：
绩效评价步骤，将分类后的所述销售对话文本数据与所述销售服务模型比对，计算并获取差异度，根据所述差异度进行销售绩效评价。
7.如权利要求6所述的基于对话的销售考评方法，其特征在于，所述差异度包括每一类别的所述销售对话文本数据和所述样本对话文本数据的比重值差异，所述差异度与所述销售绩效评价成反比。
8.如权利要求7所述的基于对话的销售考评方法，其特征在于，还包括一智能建议步骤，建立一智能建议库，当一类别的所述差异度达到一阈值时，通过所述智能建议库自动匹配输出一建议。
9.一种基于对话的销售考评***，其特征在于，包括：
对话获取单元，获取销售员与客户之间的销售对话录音数据，并将所述销售对话录音数据转换为销售对话文本数据；
对话分类单元，将所述销售对话文本数据按照一预设标准进行分类，得到每一类别的所述销售对话文本数据的比重值；
考评分析单元，将分类后的所述销售对话文本数据通过一预先建立的销售服务模型进行分析，获取分析结果并进行销售绩效评价；
智能建议单元，建立一智能建议库，根据所述分析结果通过所述智能建议库自动匹配输出一建议。
10.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的基于对话的销售考评方法。
CN202011414368.4A 2020-12-07 2020-12-07 基于对话的销售考评方法、***及电子设备 Pending CN112507072A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011414368.4A CN112507072A (zh) 2020-12-07 2020-12-07 基于对话的销售考评方法、***及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011414368.4A CN112507072A (zh) 2020-12-07 2020-12-07 基于对话的销售考评方法、***及电子设备

Publications (1)

Publication Number Publication Date
CN112507072A true CN112507072A (zh) 2021-03-16

Family

ID=74970382

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011414368.4A Pending CN112507072A (zh) 2020-12-07 2020-12-07 基于对话的销售考评方法、***及电子设备

Country Status (1)

Country Link
CN (1) CN112507072A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113488051A (zh) * 2021-07-20 2021-10-08 北京明略昭辉科技有限公司 零售行业销售过程分析方法、***、计算机和存储介质
CN113626573A (zh) * 2021-08-11 2021-11-09 北京深维智信科技有限公司 一种销售会话异议及应对提取方法及***
CN113657927A (zh) * 2021-08-02 2021-11-16 上海明略人工智能(集团)有限公司 依据销售录音管理门店的方法及装置
CN113673218A (zh) * 2021-08-20 2021-11-19 北京明略昭辉科技有限公司 音频数据分析方法、***、存储介质及电子设备
CN114266488A (zh) * 2021-12-24 2022-04-01 适享智能科技(苏州)有限公司 一种基于问卷交互的销售员激励方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106847305A (zh) * 2015-12-04 2017-06-13 ***通信集团公司 一种处理客服电话的录音数据的方法及装置
CN108876406A (zh) * 2018-06-28 2018-11-23 中国建设银行股份有限公司 客服行为分析方法、装置、服务器及可读存储介质
CN109658132A (zh) * 2018-11-29 2019-04-19 深圳冠思大数据服务有限公司 一种销售成效人工智能分析方法及***
CN109885679A (zh) * 2019-01-11 2019-06-14 平安科技（深圳）有限公司 获取优选话术的方法、装置、计算机设备和存储介质
CN109933658A (zh) * 2019-03-21 2019-06-25 中国联合网络通信集团有限公司 客服通话分析方法及装置
CN111241357A (zh) * 2020-01-14 2020-06-05 中国平安人寿保险股份有限公司 对话训练方法、装置、***及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106847305A (zh) * 2015-12-04 2017-06-13 ***通信集团公司 一种处理客服电话的录音数据的方法及装置
CN108876406A (zh) * 2018-06-28 2018-11-23 中国建设银行股份有限公司 客服行为分析方法、装置、服务器及可读存储介质
CN109658132A (zh) * 2018-11-29 2019-04-19 深圳冠思大数据服务有限公司 一种销售成效人工智能分析方法及***
CN109885679A (zh) * 2019-01-11 2019-06-14 平安科技（深圳）有限公司 获取优选话术的方法、装置、计算机设备和存储介质
CN109933658A (zh) * 2019-03-21 2019-06-25 中国联合网络通信集团有限公司 客服通话分析方法及装置
CN111241357A (zh) * 2020-01-14 2020-06-05 中国平安人寿保险股份有限公司 对话训练方法、装置、***及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113488051A (zh) * 2021-07-20 2021-10-08 北京明略昭辉科技有限公司 零售行业销售过程分析方法、***、计算机和存储介质
CN113657927A (zh) * 2021-08-02 2021-11-16 上海明略人工智能(集团)有限公司 依据销售录音管理门店的方法及装置
CN113626573A (zh) * 2021-08-11 2021-11-09 北京深维智信科技有限公司 一种销售会话异议及应对提取方法及***
CN113626573B (zh) * 2021-08-11 2022-09-27 北京深维智信科技有限公司 一种销售会话异议及应对提取方法及***
CN113673218A (zh) * 2021-08-20 2021-11-19 北京明略昭辉科技有限公司 音频数据分析方法、***、存储介质及电子设备
CN114266488A (zh) * 2021-12-24 2022-04-01 适享智能科技(苏州)有限公司 一种基于问卷交互的销售员激励方法

Similar Documents

Publication Publication Date Title
CN112507072A (zh) 基于对话的销售考评方法、***及电子设备
CN110619568A (zh) 风险评估报告的生成方法、装置、设备及存储介质
CN109389971A (zh) 基于语音识别的保险录音质检方法、装置、设备和介质
CN110597952A (zh) 信息处理方法、服务器及计算机存储介质
CN111125354A (zh) 文本分类方法及装置
CN111539221B (zh) 一种数据处理方法及***
CN111177350A (zh) 智能语音机器人的话术形成方法、装置和***
CN103531198A (zh) 一种基于伪说话人聚类的语音情感特征规整化方法
CN111210842A (zh) 语音质检方法、装置、终端及计算机可读存储介质
CN111243595B (zh) 信息处理方法和装置
CN107862058B (zh) 用于生成信息的方法和装置
CN111314566A (zh) 一种语音质检方法、装置与***
CN110503956B (zh) 语音识别方法、装置、介质及电子设备
CN113407677B (zh) 评估咨询对话质量的方法、装置、设备和存储介质
CN112364622B (zh) 对话文本分析方法、装置、电子装置及存储介质
CN112235470B (zh) 基于语音识别的来电客户跟进方法、装置及设备
CN112784572A (zh) 一种营销场景话术分析方法和***
CN116187308A (zh) 意图识别方法、装置、电子设备和计算机可读存储介质
CN111695357A (zh) 文本标注方法及相关产品
CN112148837A (zh) 维修方案的获取方法、装置、设备及存储介质
CN112133308B (zh) 一种用于语音识别文本多标签分类的方法和装置
CN115391541A (zh) 智能合约代码自动审查方法、存储介质和电子设备
CN115733925A (zh) 业务语音意图呈现方法、装置、介质及电子设备
CN114049875A (zh) 一种tts播报方法、装置、设备以及存储介质
CN113590828A (zh) 一种通话关键信息的获取方法及装置

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