CN114331572A - 一种潜在客户的确定方法、装置、电子设备及存储介质 - Google Patents
一种潜在客户的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114331572A CN114331572A CN202210244125.3A CN202210244125A CN114331572A CN 114331572 A CN114331572 A CN 114331572A CN 202210244125 A CN202210244125 A CN 202210244125A CN 114331572 A CN114331572 A CN 114331572A
- Authority
- CN
- China
- Prior art keywords
- information
- candidate
- interaction
- determining
- score
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种潜在客户的确定方法、装置、电子设备及存储介质,获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息;针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分;基于各个候选客户的线索评分,从所述多个候选客户中筛选出继续跟进的潜在客户,通过对业务人员与客户之前互动对话信息的分析,根据客户与业务人员的互动情况,以及业务人员本身的业务能力来准确确定出客户的线索评分,进而筛选出可以继续跟进的潜在客户,通过上述方式,可以提高筛选潜在客户的准确性。
Description
技术领域
本申请涉及数据处理技术领域,尤其是涉及一种潜在客户的确定方法、装置、电子设备及存储介质。
背景技术
在业务开展前期,需要根据业务的开展需求,从大量的客户中,确定出可能会对目标产品或者目标服务感兴趣的潜在客户,进而通过对潜在客户的跟进,获得更高的成单率。
现阶段,对于潜在客户的确定,主要是从客户的角度出发,根据客户本身的属性信息以及客户参与活动等线索行为信息来筛选潜在客户,但是,客户本身的属性信息以及活动参与等线索行为信息,在实质上并不会存在太大的差别,对于不同的客户来说,仅从上述两个维度来考虑客户的线索评分,对于资质接近、活动参与度相近的不同客户来说,不同客户之间的线索评分差距并不会产生比较大的差异,并不能真实地反应出客户的较为准确的线索评分,对于后续成单的参考也是没有价值的,进而导致挖掘潜在客户的准确性也比较低。
进一步的,现有公开文件1(公开号:WO2019080425A1)公开了一种客户评分方法和***,在公开文件1中公开了计算客户分数的方法,具体方式为客户基础分数、客户情感关系分数和客户行为分数中的多个相关因素的分数,进而得到客户的分数,但是同样的,在公开文件1中也仅是从客户的角度出发,对于客户基础相近、客户情感关系存在大面积交叉以及行为相近的客户来说,不同客户之间的评分差距并不会产生比较大的差异,不能准确地得出客户分数;
现有公开文件2(公开号:CN107330706A)公开了一种基于人工智能的电营客服***及商业运营模式,并具体公开了需要根据平台中各个客服和历史客户的录音,基于情感识别***生成每个客服和每个历史客户的性格模型,再通过人工智能分析技术对每个客服、每个任务和每个客户进行多维度分析,生成每个客服、每个任务和每个客户的智能画像,根据预设规则对每个客服的智能画像、每个任务的智能画像和每个客户的智能画像进行智能匹配,生成多个订单,同样的,在公开文件2中也是从客户角度出发考虑了客户的性格、并生成客户智能画像,进而对客户本身进行评价,但是对于一份订单的生成来说,不仅需要考虑客户本身的因素,还要考虑影响客户抉择的因素,仅从客户的角度分析,生成的订单在一定程度上也并不准确符合客户的全部需求;
现有公开文件3(公开号:CN113362102A)公开了一种客户线索分发方法、***及存储介质,并具体公开了根据业务人员评级以及客户线索评级确定客户线索的方法,但是在公开文件3中客户线索评级也是根据客户本身的领域、规模等属性信息以及咨询等参与信息来确定的,对于客户所处领域相同、规模相近、咨询参与信息相近的不同客户来说,不同客户之间的线索等级也并不会产生比较大的差异,也并不能准确地反应客户的线索等级,对后续客户线索确定的准确性还是较低。
综上所述,如何准确地确定出客户的线索评分成为了亟待解决的问题。
发明内容
有鉴于此,本申请的目的在于提供一种潜在客户的确定方法、装置、电子设备及存储介质,对业务人员与客户之前互动对话信息的分析,根据客户与业务人员的互动情况,以及业务人员本身的互动能力来准确确定出客户的线索评分,进而筛选出可以继续跟进的潜在客户,通过上述方式,可以提高筛选潜在客户的准确性。
第一方面,本申请实施例提供了一种潜在客户的确定方法,所述确定方法包括:
获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息;
针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分;
基于各个候选客户的线索评分,从所述多个候选客户中筛选出继续跟进的潜在客户。
在一种可能的实施方式中,所述针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分,包括:
基于业务人员与该候选客户的互动对话信息,确定该候选客户的互动评估分数;
基于所述业务人员的业务评估等级,确定对所述互动评估分数的调整权重系数;
基于所述互动评估分数以及所述调整权重系数,确定该候选客户的线索评分。
在一种可能的实施方式中,所述基于业务人员与该候选客户的互动对话信息,确定该候选客户的互动评估分数,包括:
根据互动时间信息,确定互动频次,并确定该互动频次对应的互动频次分数;
根据所述互动对话信息中包括的互动轮次以及所述互动对话信息中的有效对话文本数量,确定该候选客户的对话数量分数;
根据所述互动对话信息中与业务相关的互动对话信息包括的互动类别以及每个互动类别对应的类别权重系数,确定该候选客户的对话质量分数;
根据所述互动频次分数以及对应的评估权重系数,所述对话数量分数以及对应的评估权重系数,所述对话质量分数以及对应的评估权重系数,进行加权计算,确定该候选客户的互动评估分数。
在一种可能的实施方式中,所述根据所述互动对话信息中与业务相关的互动对话信息包括的互动类别以及每个互动类别对应的类别权重系数,确定该候选客户的对话质量分数,包括:
将所述互动对话信息输入至预先训练好的文本分类识别模型中,输出所述互动对话信息被划分后的多个子互动对话信息;每个子互动对话信息属于一个互动类别;
根据各个互动类别对应的互动权重系数以及每个互动类别对应的子互动对话信息的数量,确定该候选客户的对话质量分数。
在一种可能的实施方式中,通过以下步骤确定所述业务人员的业务评估等级:
获取所述业务人员的工作基本信息、历史成单信息以及历史互动行为信息;
将所述工作基本信息、所述历史成单信息以及所述历史互动行为信息,输入至预先训练好的业务互动评估模型中,输出所述业务人员的业务评估等级。
在一种可能的实施方式中,所述确定方法还包括:
针对于每一个候选客户,获取该候选客户与所述业务人员之间的更新互动对话信息;
基于所述更新互动对话信息,更新该候选客户的线索评分。
在一种可能的实施方式中,针对于每一个候选客户,通过以下步骤获取所述互动对话信息:
获取该候选客户与所述业务人员之间的对话信息以及所述对话信息的来源标识以及时间标签;
根据所述来源标识,确定所述对话信息的来源类型;
基于所述来源类型,对所述对话信息进行预处理后,得到有效文本信息;
将带有时间标签的有效文本信息,确定为所述互动对话信息。
在一种可能的实施方式中,所述基于所述来源类型,对所述对话信息进行预处理后,得到有效文本信息,包括:
若所述对话信息的来源类型为音频类型,从所述对话信息中提取出有效音频信息,将所述有效音频信息转化为文本信息,并将所述文本信息作为所述有效文本信息;
若所述对话信息的来源类型为视频类型,从所述对话信息中提出音频信息,将所述音频信息中的有效音频信息转化为文本信息,并将所述文本信息作为所述有效文本信息;
若所述对话信息的来源类型为文本类型,则直接将所述对话信息作为所述有效文本信息。
在一种可能的实施方式中,在所述获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息之后,所述确定方法还包括:
获取每一个候选客户的画像信息以及线索行为信息;
所述针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分,还包括:
针对于每一个候选客户,基于该候选客户的画像信息、线索行为信息、所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分;
基于各个候选客户的线索评分,从所述多个候选客户中筛选出继续跟进的潜在客户。
在一种可能的实施方式中,所述针对于每一个候选客户,基于该候选客户的画像信息、线索行为信息、所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分,包括:
在至少一个预设画像评估指标下,根据该候选客户的画像信息确定该候选客户的画像评估分数;
在至少一个预设线索行为评估指标下,根据所述线索行为信息确定该候选客户的行为评估分数;
根据所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的互动评估分数;
基于所述画像评估分数以及预设的客户画像权重系数、所述行为评估分数以及预设的行为评估权重系数、所述互动评估分数以及预设的互动权重系数,确定该候选客户的线索评分。
第二方面,本申请实施例还提供了一种潜在客户的确定装置,所述确定装置包括:
互动信息获取模块,用于获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息;
评分确定模块,用于针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分;
潜在客户确定模块,用于基于各个候选客户的线索评分,从所述多个候选客户中筛选出继续跟进的潜在客户。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的潜在客户的确定方法的步骤。
第四方面,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的潜在客户的确定方法的步骤。
本申请实施例提供的潜在客户的确定方法、装置、电子设备及存储介质,获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息,针对于每一个候选客户,根据该候选客户的互动对话信息以及业务人员的业务评估等级,确定出该候选客户的线索评分,在确定出各个候选客户的线索评分后,从多个候选客户中筛选出可以继续跟进的潜在客户。在本申请实施例中,通过对业务人员与客户之前互动对话信息的分析,根据客户与业务人员的互动情况,以及业务人员本身的互动能力来准确确定出客户的线索评分,进而筛选出可以继续跟进的潜在客户,以提高筛选潜在客户的准确性。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种潜在客户的确定方法的流程图;
图2为本申请实施例所提供的另一种潜在客户的确定方法的流程图;
图3为本申请实施例所提供的线索评分的***示意图之一;
图4为本申请实施例所提供的线索评分的***示意图之二;
图5为本申请实施例所提供的一种潜在客户的确定装置的结构示意图之一;
图6为本申请实施例所提供的一种潜在客户的确定装置的结构示意图之二;
图7为本申请实施例所提供的一种潜在客户的确定装置的结构示意图之三;
图8为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
首先,对本申请可适用的应用场景进行介绍。本申请可应用于数据处理技术领域,在销售或者营销等场景,销售人员、营销人员通常需要面对一个问题,如何筛选潜在客户。通过有效线索评分方案对潜在客户进行筛选,可以初步判断出哪些客户更有可能出现商机,哪些客户更值得投入更多的沟通、交流资源,从而便于销售人员、营销人员对潜在客户进行分类,并设置跟进的优先级;现有技术中对潜在客户进行线索评分的方案主要是从两个维度设置打分规则,一个维度是分析客户的属性信息,即分析客户的公司规模、营业收入、服务领域、行业产品、融资情况等基础信息;另一个维度是分析客户的活动参与信息或者线索兴趣信息,即跟踪并分析客户关注或查看官网、下载***、关注企业服务号、参加线下会议等线索行为信息。按照这两个维度分别设置相应的评分项以及打分规则,可以获得一个较为客观的潜在客户评分。但这种方法只针对客户单方面的表现情况进行评分,然而,大多的潜在客户所能够实施的线索行为差别不大,因此,相近规模的潜在客户所获得的分值也基本相同,难以作出更加有效的区分;在潜在客户整体数量级较大且同等规模的潜在客户较多的情况下,这种评分方案所得到的打分结果,对于进行客户分类而言,难以提供有价值的参考,进而导致挖掘潜在客户的准确性也比较低。
基于此,本申请实施例提供了一种潜在客户的确定方法,以提高筛选潜在客户的准确性。
请参阅图1,图1为本申请实施例所提供的一种潜在客户的确定方法的流程图。如图1中所示,本申请实施例提供的潜在客户的确定方法,包括:
S101、获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息。
S102、针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分。
S103、基于各个候选客户的线索评分,从所述多个候选客户中筛选出继续跟进的潜在客户。
本申请实施例所提供的一种潜在客户的确定方法,通过对业务人员与客户之前互动对话信息的分析,根据客户与业务人员的互动情况,以及业务人员本身的互动能力来准确确定出客户的线索评分,进而筛选出可以继续跟进的潜在客户,以提高筛选潜在客户的准确性。
下面对本申请实施例示例性的各步骤进行说明:
S101、获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息。
在本申请实施例中,是针对于开始建立商业合作之前对潜在客户挖掘的过程,在潜在客户的挖掘过程中,业务人员可以主动去和客户进行沟通,或者,也可以是客户主动从官网等渠道向业务人员发起沟通,只要是与业务人员沟通过的客户,均可以认为是确定潜在客户过程中的候选客户。这里的业务人员,可以是客服人员、销售人员,或者其他服务人员等。
在一种可能的实施方式中,业务人员与各个候选客户之间进行互动时,可以是通过线上的沟通社交软件进行线上互动沟通,还可能是通过线下进行面对面的沟通;在业务人员与各个候选客户进行线上互动沟通时,可以是通过文字或者是视频进行沟通,在线下进行面对面沟通时,可以是通过业务人员佩戴的语音采集设备采集业务人员与客户之间的对话信息,以此来采集互动对话信息。
那么,对于获取到的互动对话信息就会存在不同的类型,针对于不同类型的信息类型,会有不同的处理方式来得到可被分析使用的互动对话信息,下面将具体分析获取互动对话信息的步骤:
具体地,通过以下步骤获取所述互动对话信息:
a1:获取该候选客户与所述业务人员之间的对话信息以及所述对话信息的来源标识以及时间标签。
a2:根据所述来源标识,确定所述对话信息的来源类型。
a3:基于所述来源类型,对所述对话信息进行预处理后,得到有效文本信息。
a4:将带有时间标签的有效文本信息,确定为所述互动对话信息。
在本申请实施例中,候选客户与所述业务人员之间的对话信息可以是通过候选客户与业务人员之间的进行线上沟通的软件进行获取,还可以是通过候选客户与业务人员之间进行线下沟通时,业务人员佩戴的语音采集设备来进行获取。
值得注意的是,在获取候选客户与业务人员之间的对话信息时,还需要同时获取对话信息的来源标识以及时间标签。
其中,对话信息的来源标识表征了对话信息的获取来源,可以通过来源标识,确定出对话信息的来源类型,或者,可以对话信息的数据类型参数,确定出对话信息的来源类型,从而可以确定进一步对互动对话信息的处理方式,具体地,对于来源标识可以是通过文字信息来表示,也可以是通过对应的编码信息或者编号信息来表示。
举例来说,业务人员与候选客户是通过手机或电话的通话方式进行互动的,即来源标识为通话标识,对话信息为通话音频信息;业务人员与候选客户是通过企业微信等即时通讯工具进行互动的,即来源标识为即时通讯标识,对话信息包括通话视频信息、通话音频信息、对话文本信息。业务人员与候选客户是通过会面进行互动的,可通过业务人员所携带的便携录音设备对互动过程进行录音,从而将获取到的对话录音数据作为对话信息。
具体地,候选客户与业务人员之间的对话信息的来源类型可以为音频类型、视频类型、文本类型以及图片类型等,为了便于后续处理,获取到的对话信息均需要转换为文本信息,因此,针对于不同类型的对话信息可以进行不同的处理方式,下面将分别进行说明:
在一种可能的实施方式中,步骤“基于所述来源类型,对所述对话信息进行预处理后,得到有效文本信息”,包括:
b1:若所述对话信息的来源类型为音频类型,从所述对话信息中提取出有效音频信息,将所述有效音频信息转化为文本信息,并将所述文本信息作为所述有效文本信息。
在本申请实施例中,在获取到音频数据后,对音频数据去除杂音、空白音频段等数据清洗与处理操作,得到有效音频数据,同时将有效音频数据通过语音识别和自然语言处理技术转化为文本信息后,得到有效文本信息。
b2:若所述对话信息的来源类型为视频类型,从所述对话信息中提取出音频信息,将所述音频信息中的有效音频信息转化为文本信息,并将所述文本信息作为所述有效文本信息。
在一种可能的实施方式中,若是对话信息的来源类型为视频类型,需要先从视频信息中提取出音频信息,再从音频信息中提取出有效音频信息,对音频数据去除杂音、空白音频段等数据清洗与处理操作,得到有效音频信息,将有效音频信息通过语音识别和自然语言处理技术转化为文本信息后,得到有效文本信息。
b3:若所述对话信息的来源类型为文本类型,则直接将所述对话信息作为所述有效文本信息。
在一种可能的实施方式中,如果获取到的对话信息本身就是文本类型,则直接将对话信息作为有效文本信息,进行后续处理。
若所述对话信息的来源类型包括图片类型,则采用图像识别技术提取出图片类型中的文本信息,作为所述有效文本信息。
在本申请实施例中,在获取到有效文本信息后,结合获取到的时间标签,将有效文本信息与时间标签对应后,得到可以进行后续分析的互动对话信息。在该实施例中,有效文本信息对应的时间标签可以是互动对话的发生时间,具体地,例如,通过企业微信这一即时通讯工具进行的互动对话,即客户与业务人员之间的聊天记录,在经过上述处理后得到互动对话信息,该互动对话信息中,每一个聊天会话都有一个发出时间作为时间标签。
S102、针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分。
在本申请实施例中,针对于已经获取到互动对话信息的每一个候选客户,根据与该候选客户沟通的业务人员的业务评估等级以及该候选客户的互动对话信息共同确定出该候选客户的线索评分。
在本申请实施例中,线索评分是在针对于产品销售或者是服务销售之前对客户进行评估的模型,线索评分是一个有效的模型,可帮助销售和营销部门确定哪些客户对公司最具价值,线索评分模型会对不同的客户事件分配相应的得分。当一个销售线索达到一个特定的分值时,他们被认为是一个Hot的线索,可以继续进行跟进,以推进后续的销售流程。
具体地,对于每一个候选客户来说对该候选客户的线索评分不光与该候选客户的互动对话信息有关,还应该参考与该候选客户进行沟通的业务人员的业务评估等级,这样可以提升对候选客户的线索评分的准确性。
在一种可能的实施方式中,步骤“针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分”,包括:
c1:基于业务人员与该候选客户的互动对话信息,确定该候选客户的互动评估分数。
在本申请实施例中,根据业务人员与候选客户之间的互动对话信息来评估该候选客户的互动评估分数可以从互动频次、互动质量以及互动数量几方面来评估,以此综合得出候选客户的互动评估分数。
具体地,步骤“基于业务人员与该候选客户的互动对话信息,确定该候选客户的互动评估分数”,包括:
d1:根据互动时间信息,确定互动频次,并确定该互动频次对应的互动频次分数。
在本申请实施例中,根据互动对话信息中的互动时间信息,确定出候选客户与业务人员之间的互动频次,并根据相应的互动频次来确定出对应的互动频次分数。
值得注意的是,在统计候选客户与业务人员之间的互动频次时,只要是发出互动信息,无论是业务人员还是候选客户发出的互动信息,都会被算作一次互动,统计到互动次数中。
在一种可能的实施方式中,统计候选客户与业务人员之间的互动频次需要在规定的一个统计时间段内进行统计,这个统计时间段可以根据互动业务的实施周期进行确定,可以是一个星期,一个月等,本申请实施例中对此不作具体限定。
具体地,可以以沟通次数来表征互动频次,沟通次数可以是将预设时段内发生的一系列对话作为一次沟通,从而可统计在一段时间内发生的沟通次数。例如,预设时段为4h,要统计过去一个月内的沟通次数,则将间隔时长小于4h的互动消息作为一次沟通进行计数,以确定出在过去一个月的具体互动频次。
在一种可能的实施方式中,对于互动频次与互动频次分数的对应关系,可以是通过频次区间来进行划分,举例来说,对于不同的互动频次进行区间划分,每个区间根据需求设定不同的互动频次分数,确定出该候选客户的互动频次所属的区间后,即可确定出该候选客户的互动频次分数。
d2:根据所述互动对话信息中包括的互动轮次以及所述互动对话信息中的有效对话文本数量,确定该候选客户的对话数量分数。
在本申请实施例中,根据获取到的互动对话信息中的互动轮次以及互动对话信息中的有效文本数量,确定出该候选客户对应的对话数量分数。
具体地,对话信息中的有效文本数量指的是文本总字数。
在一种可能的实施方式中,对话数量分数的确定方式可以与互动频次分数的确定方式一致,可以是通过对话数量区间来进行划分,举例来说,对于不同的对话数量进行区间划分,每个区间根据需求设定不同的对话数量分数,确定出该候选客户的对话数量所属的区间后,即可确定出该候选客户的对话数量分数。
d3:根据所述互动对话信息中与业务相关的互动对话信息包括的互动类别以及每个互动类别对应的类别权重系数,确定该候选客户的对话质量分数。
在本申请实施例中,需要从互动对话信息中确定出与业务相关的互动对话信息,并通过相关的互动对话信息中包括的互动类别以及每个互动类别的类别权重系数,进行加权后,得到候选客户的对话质量分数。
具体地,可以通过文本分类模型来对互动对话信息进行分类,进而计算出对话质量分数。
在一种可能的实施方式中,步骤“根据所述互动对话信息中与业务相关的互动对话信息包括的互动类别以及每个互动类别对应的类别权重系数,确定该候选客户的对话质量分数”,包括:
e1:将所述互动对话信息输入至预先训练好的文本分类识别模型中,输出所述互动对话信息被划分后的多个子互动对话信息;每个子互动对话信息属于一个互动类别。
在本申请实施例中,将提取出的与业务相关的互动对话信息输入至预先训练好的文本分类模型中,通过文本分类模型输出互动对话信息被划分后的多个子互动对话信息,子互动对话信息与互动类型是一一对应的。
具体地,文本分类模型是自然语言处理(Natural Language Processing,NLP)模型,具体可以是文本相关性识别模型、文本相关性计算模型,或者文本分类模型、文本匹配模型。
这里,对于互动对话信息的分类是根据对话信息中不同句式的语义进行划分的。
举例来说,识别出“你好,最近忙吗,想了解一下我们的新产品吗”这类文本,并被分类为招呼互动类;识别出“这款产品的优势是可以帮你有效管理数据权限,便于与同事的任务协作……”这类文本,并被分类为产品介绍类等。
e2:根据各个互动类别对应的互动权重系数以及每个互动类别对应的子互动对话信息的数量,确定该候选客户的对话质量分数。
在本申请实施例中,根据各个互动类别对应的互动权重系数以及每个互动类别对应的子互动对话信息的数量,确定出该候选客户的对话质量分数。
在一种可能的实施方式中,对不同类别根据重要性设置相应的类别权重系数(系数的具体赋值,可以是主观赋值,即自定义;也可以是客观赋值,即根据数学量化指标间的关系或离散程度来圈定权重),例如,针对于上述示例,通过客户进行自定义,将上述的招呼互动类设置较低的类别权重系数,将产品介绍类设置较高的类别权重系数,其中,关于产品介绍类还可以针对产品不同内容设置更加细化的类别权重系数,例如,可以将与产品销售信息关联度高的文本设置更高的类别权重系数、而将产品的功能介绍性信息关联度高的文本设置较低的类别权重系数。
d4:根据所述互动频次分数以及对应的评估权重系数,所述对话数量分数以及对应的评估权重系数,所述对话质量分数以及对应的评估权重系数,进行加权计算,确定该候选客户的互动评估分数。
在本申请实施例中,根据确定出的互动频次以及对应的评估权重系数,对话数量分数以及对应的评估权重系数,对话质量分数以及对应的评估权重系数进行加权计算,得到该候选客户的互动评估分数。
具体地,对于各个不同维度对应的评估权重系数,可以根据评价需求以及互动业务的评估需求设置不同的权重系数,不同的互动业务对应的互动维度的评估权重系数可以相同也可以不同。
c2:基于所述业务人员的业务评估等级,确定对所述互动评估分数的调整权重系数。
在本申请实施例中,需要根据确定出的业务人员的业务评估等级,确定出根据业务人员的等级对互动评估分数进行调整的调整权重系数。
在本申请实施例中,对于沟通过程中业务人员等级的不同,对于候选客户的线索评分也是会存在一定影响,在计算各个候选客户的线索评分时参考业务人员的业务评估等级,有助于提高对业务人员的线索评分的准确性。
在一种可能的实施方式中,通过以下步骤确定所述业务人员的业务评估等级:
f1:获取所述业务人员的工作基本信息、历史成单信息以及历史互动行为信息。
在本申请实施例中,对于业务人员的业务评估需要从不同的业务角度来进行,因此需要获取业务人员的工作基本信息,历史成单信息以及历史互动行为信息。
举例来说,获取业务人员的工作基本信息可以包括就业年限、形成的商机量、商机转化率、成单量、成单率、成单交易额、与客户进行沟通的沟通频次、沟通量等。
f2:将所述工作基本信息、所述历史成单信息以及所述历史互动行为信息,输入至预先训练好的业务互动评估模型中,输出所述业务人员的业务评估等级。
在本申请实施例中,将获取到的工作基本信息、所述历史成单信息以及所述历史互动行为信息,输入至预先训练好的业务互动评估模型中,通过业务互动评估模型输出业务人员的业务评估等级。
在本申请实施例中,业务人员的历史互动行为信息指的是业务人员在预设时间段内与不同候选客户或者是同一候选用户进行互动的信息,包括但不限于业务人员与候选客户之间关于待销售的产品之间的沟通信息(沟通次数、沟通频率以及沟通过程中对话与待销售的产品的相关程度等)、业务人员参与的待销售的产品的宣传参与度、宣传频次等。
在一种可能的实施方式中,业务互动评估模型可以是基于深度学习神经网路模型训练得到,在对业务互动评估模型的训练过程中,通过不同业务评估等级的样本员工的样本工作基本信息、样本成单信息以及样本互动行为信息对深度学习神经网路模型进行训练,以使深度学习神经网路模型学习样本工作基本信息、样本成单信息以及样本互动行为信息对业务人员的业务评估等级的影响,以使训练好的业务互动评估模型可以基于业务人员的工作基本信息、历史成单信息以及历史互动行为信息,输出业务人员的业务评估等级。
c3:基于所述互动评估分数以及所述调整权重系数,确定该候选客户的线索评分。
在本申请实施例中,根据确定出的调整权重系数调整互动评估分数,确定出该候选客户的线索评分。
举例来说,根据互动对话信息确定出互动评估分数为90分,而根据业务人员的业务评估等级确定出调整权重系数为0.9,那么该候选客户的线索评分最终确定为81分。
在本申请实施例中,还可以划分业务领域,对于业务人员进行业务评估,从而获取到对应业务领域的调整权重系数。例如,一位擅长房产销售的业务人员,在进行业务评估后确定出其在房产销售领域的调整权重系数为0.8,而在美妆销售领域的调整权重系数为0.5;当该业务人员与候选客户A之间发生属于房产销售领域的互动对话信息时,根据互动对话信息确定出互动评估分数为90分,而根据业务人员在房产销售领域的调整权重系数为0.8,那么该候选客户A的线索评分最终确定为72分;当该业务人员与候选客户B之间发生属于美妆销售领域的互动对话信息时,根据互动对话信息确定出互动评估分数为90分,而根据业务人员在美妆销售领域的调整权重系数为0.5,那么该候选客户B的线索评分最终确定为45分。其中,互动对话信息的业务领域可以是通过自然语言处理中的语义理解技术来确定的。
S103、基于各个候选客户的线索评分,从所述多个候选客户中筛选出继续跟进的潜在客户。
在本申请实施例中,根据确定出的各个候选客户的线索评分,从多个候选客户中筛选出可以继续跟进的潜在客户。
在一种可能的实施方式中,可以根据历史成单信息设定一个评分阈值,将线索评分大于该评分阈值的候选客户均确定成为可以继续跟进的潜在客户。
在一种可能的实施方式中,可以对各个候选客户利用线索评分进行降序排列,并设置一个需要继续跟进的潜在客户数值,例如,该数值设置为10,则将按照线索评分进行降序排列的候选客户列表中的前10个客户作为继续跟进的潜在客户。
在一种可能的实施方式中,对于线索评分来说,随着候选客户与业务人员之间的互动对话信息的改变,也会实时发生变化,因此,需要实时对线索评分进行更新。
具体地,所述确定方法还包括:
g1:针对于每一个候选客户,获取该候选客户与所述业务人员之间的更新互动对话信息。
g2:基于所述更新互动对话信息,更新该候选客户的线索评分。
在本申请实施例中,在确定出候选客户与业务人员之间的更新互动对话信息后,可以确定出更新互动对话信息的更新维度,可能是互动频次、对话数量以及对话质量某一个某两个或者是全部维度都进行更新,在更新后,重新计算互动评估分数,进而更新候选客户的线索评分。
值得注意的是,各个候选客户的线索评分均不是一成不变的,都是随着时间的变化或是候选客户与业务人员之间的互动对话信息的更新进行更新的,因此,对于各个候选客户来说是否是潜在客户的判断也是可以进行更新的。
在另一种可能的实施方式中,在计算候选客户的线索评分时,可以不仅只参考候选客户与业务人员之间的互动对话信息,还可以参考其他维度进行更为准确的计算。
具体地,请参阅图2,图2为本申请实施例所提供的另一种潜在客户的确定方法的流程图。如图2中所示,本申请实施例提供的潜在客户的确定方法,包括:
S201、获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息。
S202、获取每一个候选客户的画像信息以及线索行为信息。
在本申请实施例中,每个候选客户的画像信息表征了该候选客户的基本属性信息包括但不限于候选客户的公司规模、营业收入、服务领域、行业产品、融资情况等基础信息;每个候选客户的线索行为信息表征了候选客户的活动参与信息,包括但不限于客户关注或查看官网、下载***、关注企业服务号、参加线下会议等信息。
S203、针对于每一个候选客户,基于该候选客户的画像信息、线索行为信息、所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分。
在本申请实施例中,针对于每一个候选客户,根据候选客户的画像信息、线索行为信息以及互动对话信息,以及对应的系数进行加权计算,确定出该候选客户的线索评分。
具体地,步骤“针对于每一个候选客户,基于该候选客户的画像信息、线索行为信息以及所述互动对话信息,确定该候选客户的线索评分”,包括:
h1:在至少一个预设画像评估指标下,根据该候选客户的画像信息确定该候选客户的画像评估分数。
在本申请实施例中,针对于候选客户的画像信息,根据至少一个预设画像评估指标,对候选客户的画像信息进行评估,得到候选客户的画像评估分数。
其中,对于预设画像评估指标可以是根据对客户的画像评估需求以及历史画像评估维度进行设置,预设画像评估指标的数量以及维度可以根据评估需求随时进行更新。
h2:在至少一个预设线索行为评估指标下,根据所述线索行为信息确定该候选客户的行为评估分数。
在本申请实施例中,针对于候选客户的线索行为信息,根据至少一个预设线索行为评估指标,对候选客户的线索行为信息进行评估,得到候选客户的行为评估分数。
其中,同样的,对于预设线索行为评估指标可以是根据对客户的行为评估需求以及历史线索行为评估维度进行设置,预设线索行为评估指标的数量以及维度可以根据评估需求随时进行更新。
h3:根据所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的互动评估分数。
h4:基于所述画像评估分数以及预设的客户画像权重系数、所述行为评估分数以及预设的行为评估权重系数、所述互动评估分数以及预设的互动权重系数,确定该候选客户的线索评分。
在本申请实施例中,针对于每一个候选客户,确定出该候选客户的画像评估分数、行为评估分数以及互动评估分数后,再结合客户画像权重系数、行为评估权重系数以及互动权重系数,进行加权计算,得到该候选客户的线索评分。
在一种可能的实施方式中,客户画像权重系数、行为评估权重系数以及互动权重系数的设置可以是根据评估侧重需求进行设置,针对于不同的待推销产品或是服务可以设置不同的权重系数。
S204、基于各个候选客户的线索评分,从所述多个候选客户中筛选出继续跟进的潜在客户。
其中,S201以及S204的描述可以参照S101以及S103的描述,并且能达到相同的技术效果,对此不做赘述。
下面将结合图示阐述上述两种确定线索评分的方法,请参阅图3以及图4,图3为本申请实施例所提供的线索评分的***示意图之一,图4为本申请实施例所提供的线索评分的***示意图之二。
如图3中所示,整个线索评分的***包括信息获取模块、数据处理模块、绩效评估模块以及线索评估模块,信息获取模块获取的是待评估的候选客户与业务人员的互动对话信息,在线索评估模块中通过互动频次评估模块、对话数量评估模块以及对话质量评估模块对候选客户的互动对话信息进行评估,得到候选客户的互动评估分数,再结合绩效评估模块中包括的业务互动评估模型对业务人员的业务评估结果,得到针对于候选客户的线索评分。这里的绩效评估模块,具体是将业务人员的工作基本信息、历史成单信息以及历史互动行为信息,输入至预先训练好的业务互动评估模型中,通过业务互动评估模型输出业务人员的业务评估等级。
如图4中所示,整个线索评分的***也是包括信息获取模块、数据处理模块、绩效评估模块以及线索评估模块,信息获取模块获取的是待评估的候选客户的画像信息、线索行为信息以及候选客户与业务人员的互动对话信息,在线索评估模块中通过客户画像矩阵评估模块、兴趣行为信息评估模块、互动行为信息评估模块对候选客户的各维度信息进行评估,得到候选客户的评估分数,再结合绩效评估模块中包括的业务互动评估模型对业务人员的业务评估结果,得到针对于候选客户的线索评分。同样的,这里,绩效评估模块,具体是将业务人员的工作基本信息、历史成单信息以及历史互动行为信息,输入至预先训练好的业务互动评估模型中,通过业务互动评估模型输出业务人员的业务评估等级。
本申请实施例提供的潜在客户的确定方法,获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息,针对于每一个候选客户,根据该候选客户的互动对话信息以及业务人员的业务评估等级,确定出该候选客户的线索评分,在确定出各个候选客户的线索评分后,从多个候选客户中筛选出可以继续跟进的潜在客户。在本申请实施例中,通过对业务人员与客户之前互动对话信息的分析,根据客户与业务人员的互动情况,以及业务人员本身的互动能力来准确确定出客户的线索评分,进而筛选出可以继续跟进的潜在客户,以提高筛选潜在客户的准确性。
基于同一发明构思,本申请实施例中还提供了与潜在客户的确定方法对应的潜在客户的确定装置,由于本申请实施例中的装置解决问题的原理与本申请实施例上述潜在客户的确定方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图5至图7,图5为本申请实施例所提供的一种潜在客户的确定装置的结构示意图之一,图6为本申请实施例所提供的一种潜在客户的确定装置的结构示意图之二,图7为本申请实施例所提供的一种潜在客户的确定装置的结构示意图之三。如图5中所示,所述确定装置500包括:
互动信息获取模块510,用于获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息;
评分确定模块520,用于针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分;
潜在客户确定模块530,用于基于各个候选客户的线索评分,从所述多个候选客户中筛选出继续跟进的潜在客户。
在一种可能的实施例中,如图6所示,所述确定装置500还包括评分更新模块540,所述评分更新模块540用于:
针对于每一个候选客户,获取该候选客户与所述业务人员之间的更新互动对话信息;
基于所述更新互动对话信息,更新该候选客户的线索评分。
在一种可能的实施例中,所述评分确定模块520在用于针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分时,所述评分确定模块520用于:
基于业务人员与该候选客户的互动对话信息,确定该候选客户的互动评估分数;
基于所述业务人员的业务评估等级,确定对所述互动评估分数的调整权重系数;
基于所述互动评估分数以及所述调整权重系数,确定该候选客户的线索评分。
在一种可能的实施例中,所述评分确定模块520在用于基于该候选客户的互动对话信息,确定该候选客户的互动评估分数时,所述评分确定模块520用于:
根据互动时间信息,确定互动频次,并确定该互动频次对应的互动频次分数;
根据所述互动对话信息中包括的互动轮次以及所述互动对话信息中的有效对话文本数量,确定该候选客户的对话数量分数;
根据所述互动对话信息中与业务相关的互动对话信息包括的互动类别以及每个互动类别对应的类别权重系数,确定该候选客户的对话质量分数;
根据所述互动频次分数以及对应的评估权重系数,所述对话数量分数以及对应的评估权重系数,所述对话质量分数以及对应的评估权重系数,进行加权计算,确定该候选客户的互动评估分数。
在一种可能的实施例中,所述评分确定模块520在用于根据所述互动对话信息中与业务相关的互动对话信息包括的互动类别以及每个互动类别对应的类别权重系数,确定该候选客户的对话质量分数时,所述评分确定模块520用于:
将所述互动对话信息输入至预先训练好的文本分类识别模型中,输出所述互动对话信息被划分后的多个子互动对话信息;每个子互动对话信息属于一个互动类别;
根据各个互动类别对应的互动权重系数以及每个互动类别对应的子互动对话信息的数量,确定该候选客户的对话质量分数。
在一种可能的实施例中,所述评分确定模块520用于通过以下步骤确定所述业务人员的业务评估等级:
获取所述业务人员的工作基本信息、历史成单信息以及历史互动行为信息;
将所述工作基本信息、所述历史成单信息以及所述历史互动行为信息,输入至预先训练好的业务互动评估模型中,输出所述业务人员的业务评估等级。
在一种可能的实施例中,针对于每一个候选客户,所述互动信息获取模块510用于通过以下步骤获取所述互动对话信息:
获取该候选客户与所述业务人员之间的对话信息以及所述对话信息的来源标识以及时间标签;
根据所述来源标识,确定所述对话信息的来源类型;
基于所述来源类型,对所述对话信息进行预处理后,得到有效文本信息;
将带有时间标签的有效文本信息,确定为所述互动对话信息。
在一种可能的实施例中,所述互动信息获取模块510在用于基于所述来源类型,对所述对话信息进行预处理后,得到有效文本信息时,所述互动信息获取模块510用于:
若所述对话信息的来源类型为音频类型,从所述对话信息中提取出有效音频信息,将所述有效音频信息转化为文本信息,并将所述文本信息作为所述有效文本信息;
若所述对话信息的来源类型为视频类型,从所述对话信息中提出音频信息,将所述音频信息中的有效音频信息转化为文本信息,并将所述文本信息作为所述有效文本信息;
若所述对话信息的来源类型为文本类型,则直接将所述对话信息作为所述有效文本信息。
在一种可能的实施例中,如图7所示,所述确定装置500还包括客户信息获取模块550,所述客户信息获取模块550用于:
获取每一个候选客户的画像信息以及线索行为信息。
所述评分确定模块520在用于针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分时,所述评分确定模块520用于:
针对于每一个候选客户,基于该候选客户的画像信息、线索行为信息、所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分。
在一种可能的实施例中,所述评分确定模块520在用于针对于每一个候选客户,基于该候选客户的画像信息、线索行为信息、所述及所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分时,所述评分计算模块560用于:
在至少一个预设画像评估指标下,根据该候选客户的画像信息确定该候选客户的画像评估分数;
在至少一个预设线索行为评估指标下,根据所述线索行为信息确定该候选客户的行为评估分数;
根据所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的互动评估分数;
基于所述画像评估分数以及预设的客户画像权重系数、所述行为评估分数以及预设的行为评估权重系数、所述互动评估分数以及预设的互动权重系数,确定该候选客户的线索评分。
本申请实施例提供的潜在客户的确定装置,获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息,针对于每一个候选客户,根据该候选客户的互动对话信息以及业务人员的业务评估等级,确定出该候选客户的线索评分,在确定出各个候选客户的线索评分后,从多个候选客户中筛选出可以继续跟进的潜在客户。在本申请实施例中,通过对业务人员与客户之前互动对话信息的分析,根据客户与业务人员的互动情况,以及业务人员本身的互动能力来准确确定出客户的线索评分,进而筛选出可以继续跟进的潜在客户,以提高筛选潜在客户的准确性。
请参阅图8,图8为本申请实施例所提供的一种电子设备的结构示意图。如图8中所示,所述电子设备800包括处理器810、存储器820和总线830。
所述存储器820存储有所述处理器810可执行的机器可读指令,当电子设备800运行时,所述处理器810与所述存储器820之间通过总线830通信,所述机器可读指令被所述处理器810执行时,可以执行如上述图1以及图2所示方法实施例中的潜在客户的确定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1以及图2所示方法实施例中的潜在客户的确定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (13)
1.一种潜在客户的确定方法,其特征在于,所述确定方法包括:
获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息;
针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分;
基于各个候选客户的线索评分,从所述多个候选客户中筛选出继续跟进的潜在客户。
2.根据权利要求1所述的确定方法,其特征在于,所述针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分,包括:
基于业务人员与该候选客户的互动对话信息,确定该候选客户的互动评估分数;
基于所述业务人员的业务评估等级,确定对所述互动评估分数的调整权重系数;
基于所述互动评估分数以及所述调整权重系数,确定该候选客户的线索评分。
3.根据权利要求2所述的确定方法,其特征在于,所述基于业务人员与该候选客户的互动对话信息,确定该候选客户的互动评估分数,包括:
根据互动时间信息,确定互动频次,并确定该互动频次对应的互动频次分数;
根据所述互动对话信息中包括的互动轮次以及所述互动对话信息中的有效对话文本数量,确定该候选客户的对话数量分数;
根据所述互动对话信息中与业务相关的互动对话信息包括的互动类别以及每个互动类别对应的类别权重系数,确定该候选客户的对话质量分数;
根据所述互动频次分数以及对应的评估权重系数,所述对话数量分数以及对应的评估权重系数,所述对话质量分数以及对应的评估权重系数,进行加权计算,确定该候选客户的互动评估分数。
4.根据权利要求3所述的确定方法,其特征在于,所述根据所述互动对话信息中与业务相关的互动对话信息包括的互动类别以及每个互动类别对应的类别权重系数,确定该候选客户的对话质量分数,包括:
将所述互动对话信息输入至预先训练好的文本分类识别模型中,输出所述互动对话信息被划分后的多个子互动对话信息;每个子互动对话信息属于一个互动类别;
根据各个互动类别对应的互动权重系数以及每个互动类别对应的子互动对话信息的数量,确定该候选客户的对话质量分数。
5.根据权利要求1-4任一项所述的确定方法,其特征在于,通过以下步骤确定所述业务人员的业务评估等级:
获取所述业务人员的工作基本信息、历史成单信息以及历史互动行为信息;
将所述工作基本信息、所述历史成单信息以及所述历史互动行为信息,输入至预先训练好的业务互动评估模型中,输出所述业务人员的业务评估等级。
6.根据权利要求1-4任一项所述的确定方法,其特征在于,所述确定方法还包括:
针对于每一个候选客户,获取该候选客户与所述业务人员之间的更新互动对话信息;
基于所述更新互动对话信息,更新该候选客户的线索评分。
7.根据权利要求1-4任一项所述的确定方法,其特征在于,针对于每一个候选客户,通过以下步骤获取所述互动对话信息:
获取该候选客户与所述业务人员之间的对话信息以及所述对话信息的来源标识以及时间标签;
根据所述来源标识,确定所述对话信息的来源类型;
基于所述来源类型,对所述对话信息进行预处理后,得到有效文本信息;
将带有时间标签的有效文本信息,确定为所述互动对话信息。
8.根据权利要求7所述的确定方法,其特征在于,所述基于所述来源类型,对所述对话信息进行预处理后,得到有效文本信息,包括:
若所述对话信息的来源类型为音频类型,从所述对话信息中提取出有效音频信息,将所述有效音频信息转化为文本信息,并将所述文本信息作为所述有效文本信息;
若所述对话信息的来源类型为视频类型,从所述对话信息中提出音频信息,将所述音频信息中的有效音频信息转化为文本信息,并将所述文本信息作为所述有效文本信息;
若所述对话信息的来源类型为文本类型,则直接将所述对话信息作为所述有效文本信息。
9.根据权利要求1所述的确定方法,其特征在于,在所述获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息之后,所述确定方法还包括:
获取每一个候选客户的画像信息以及线索行为信息;
所述针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分,还包括:
针对于每一个候选客户,根据该候选客户的画像信息、线索行为信息、所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分。
10.根据权利要求9所述的确定方法,其特征在于,所述针对于每一个候选客户,基于该候选客户的画像信息、线索行为信息、所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分,包括:
在至少一个预设画像评估指标下,根据该候选客户的画像信息确定该候选客户的画像评估分数;
在至少一个预设线索行为评估指标下,根据所述线索行为信息确定该候选客户的行为评估分数;
根据所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的互动评估分数;
基于所述画像评估分数以及预设的客户画像权重系数、所述行为评估分数以及预设的行为评估权重系数、所述互动评估分数以及预设的互动权重系数,确定该候选客户的线索评分。
11.一种潜在客户的确定装置,其特征在于,所述确定装置包括:
互动信息获取模块,用于获取多个候选客户中每一个候选客户与业务人员之间的互动对话信息;
评分确定模块,用于针对于每一个候选客户,基于所述业务人员的业务评估等级以及所述互动对话信息,确定该候选客户的线索评分;
潜在客户确定模块,用于基于各个候选客户的线索评分,从所述多个候选客户中筛选出继续跟进的潜在客户。
12.一种电子设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至10中任一项所述的潜在客户的确定方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至10中任一项所述的潜在客户的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210244125.3A CN114331572A (zh) | 2022-03-14 | 2022-03-14 | 一种潜在客户的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210244125.3A CN114331572A (zh) | 2022-03-14 | 2022-03-14 | 一种潜在客户的确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114331572A true CN114331572A (zh) | 2022-04-12 |
Family
ID=81033784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210244125.3A Pending CN114331572A (zh) | 2022-03-14 | 2022-03-14 | 一种潜在客户的确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114331572A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116308467A (zh) * | 2023-05-17 | 2023-06-23 | 南京航空航天大学 | 一种基于人工智能的智慧交易平台信息监管***及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110196716A1 (en) * | 2010-02-10 | 2011-08-11 | Microsoft Corporation | Lead qualification based on contact relationships and customer experience |
CN111091832A (zh) * | 2019-11-28 | 2020-05-01 | 秒针信息技术有限公司 | 一种基于语音识别的意向评估方法和*** |
CN113420204A (zh) * | 2021-05-21 | 2021-09-21 | 北京达佳互联信息技术有限公司 | 目标用户确定方法、装置、电子设备及存储介质 |
-
2022
- 2022-03-14 CN CN202210244125.3A patent/CN114331572A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110196716A1 (en) * | 2010-02-10 | 2011-08-11 | Microsoft Corporation | Lead qualification based on contact relationships and customer experience |
CN111091832A (zh) * | 2019-11-28 | 2020-05-01 | 秒针信息技术有限公司 | 一种基于语音识别的意向评估方法和*** |
CN113420204A (zh) * | 2021-05-21 | 2021-09-21 | 北京达佳互联信息技术有限公司 | 目标用户确定方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116308467A (zh) * | 2023-05-17 | 2023-06-23 | 南京航空航天大学 | 一种基于人工智能的智慧交易平台信息监管***及方法 |
CN116308467B (zh) * | 2023-05-17 | 2023-08-22 | 南京航空航天大学 | 一种基于人工智能的智慧交易平台信息监管***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070391B (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
Sun et al. | Deep Learning and the Future of Auditing: How an Evolving Technology Could Transform Analysis and Improve Judgment. | |
US20190034881A1 (en) | Automatic interview question recommendation and analysis | |
CN112418956A (zh) | 一种金融产品的推荐方法及装置 | |
Hosseini et al. | Identifying multi-channel value co-creator groups in the banking industry | |
Kretinin et al. | When the going gets tough, the tweets get going! An exploratory analysis of tweets sentiments in the stock market | |
WO2019242453A1 (zh) | 信息处理方法及装置、存储介质、电子装置 | |
CN106997371B (zh) | 单用户智慧图谱的构建方法 | |
CN115063035A (zh) | 基于神经网络的客户评估方法、***、设备及存储介质 | |
CN114331572A (zh) | 一种潜在客户的确定方法、装置、电子设备及存储介质 | |
CN112464106B (zh) | 对象推荐方法及装置 | |
CN117172795A (zh) | 一种智能化的技术服务费的在线咨询*** | |
Teixeira et al. | Data extraction and preparation to perform a sentiment analysis using open source tools: The example of a Facebook fashion brand page | |
Keenan et al. | Introduction to analytics | |
CN116934372A (zh) | 一种门店运营客户数据管理方法和*** | |
Castillo et al. | Using employee‐generated content from digital platforms to understand the luxury culture | |
CN110889716A (zh) | 识别潜在注册用户的方法及装置 | |
Küpper et al. | Measuring social CRM performance: a preliminary measurement model | |
CN112734142B (zh) | 基于深度学习的资源学习路径规划方法及装置 | |
CN114626940A (zh) | 数据分析方法、装置及电子设备 | |
Zhang et al. | Can Large Language Models Assess Personality from Asynchronous Video Interviews? A Comprehensive Evaluation of Validity, Reliability, Fairness, and Rating Patterns | |
KR102078541B1 (ko) | 이슈 관심도 기반의 뉴스 가치 평가 장치 및 방법, 이를 기록한 기록매체 | |
CN113554472A (zh) | 一种广告推广方法及*** | |
Sowinska et al. | A tweet-based dataset for company-level stock return prediction | |
CN110929144A (zh) | 一种业务数据管理方法、***和可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220412 |