CN101599164A - 对潜在网络客户进行评判的方法和系统 - Google Patents

Abstract

本申请公开了一种对潜在网络客户进行评判的方法和系统，所述方法包括：客户信息采集服务器收集潜在网络客户的信息建立客户数据仓库；数据服务器根据所述客户数据仓库中的客户信息建立客户数据属性评分列表；所述方法还包括：评分服务器从所述客户数据仓库获取客户信息，根据业务属性评分列表对所述客户信息进行评分，获得该客户信息的基本分值；调整服务器按照预设规则对所述基本分值进行调整；评判服务器获得所述客户信息的最终分值，根据所述最终分值对所述客户信息进行评判。应用本申请，可以对客户信息进行自动评分，提高了评判效率。而且，每天可以定时加载、评定数据，且不会受到时间推移的影响，维护成本低。

Description

对潜在网络客户进行评判的方法和系统

技术领域

本申请涉及数据处理技术领域，特别涉及一种对潜在网络客户进行评判的方法和系统。

背景技术

电子商务通常是指在全球各地广泛的商业贸易活动中，在因特网开放的网络环境下，基于浏览器/服务器应用方式，买卖双方不谋面地进行各种商贸活动的一种新型的商业运营模式。以企业间电子商务网站阿里巴巴(www.alibaba.com)为例，其提供一网络贸易平台，供网络客户展示、推广其企业信息和产品信息，进而获得贸易商机和订单。由于网络贸易双方互不谋面，为保障网络贸易平台上的诚信交易，因此，电子商务服务提供者通常会做初步筛选，只针对可信度较高或符合电子商务服务者一定要求的潜在网络客户才向其发出邀请，使其能够受惠于电子商务服务平台。然而，如何从海量的客户信息中挑选出潜在的网络客户成为亟待解决的问题。

现有的一种评判潜在网络客户的方法是完全根据评判人员的经验对客户信息进行评价，从中筛选出可信度较高或符合电子商务服务者一定要求的潜在网络客户。可见，用人工筛选网络客户的方式只能靠肉眼凭经验进行判断，效率非常低下。

现有的另外一种评判潜在网络客户的方法是使用预测评分模型对客户信息进行评价，具体的，其是以事物的历史数据预测未来事物的结果，一般是以事物12个月的历史行为预测未来6个月的结果。可见，使用该预测评分模型存在着不能每天加载数据、评定数据的局限性，且随着时间的推移评价效果会下降，因而经受不住时间的考验，通常在3个月以后，预测评分模型的预测效果会大打折扣，所以需要不断人为手工修正，维护成本极高。

发明内容

本申请在于提供一种对潜在网络客户进行评判的方法和系统，以提高评判效率，避免评判的局限性，使评判结果不会随着时间的推移受影响，维护成本低。

本申请实施例提供了一种对潜在网络客户进行评判的方法，包括：

数据服务器根据数据仓库中的客户信息建立客户数据属性评分列表；

评分服务器从所述客户数据仓库获取客户信息，根据客户数据属性评分列表对所述客户信息进行评分，获得该客户信息的基本分值；

调整服务器按照预设规则对所述基本分值进行调整；

评判服务器获得所述客户信息的最终分值，根据所述最终分值对所述客户信息进行评判。

其中，在所述数据服务器根据数据仓库中的客户信息建立客户数据属性评分列表之前还包括：客户信息采集服务器收集潜在网络客户的信息。

其中，所述客户信息采集服务器收集潜在网络客户的信息包括：

通过网络客户主动注册信息收集或通过线下客户来源收集，或通过以上方式的组合收集。

其中，所述数据服务器建立客户数据属性评分列表的步骤包括：

将各个客户数据拆分为不同属性类别的至少一个属性；

将不同属性类别的至少一个属性进行组合，获得由所述属性所构成的多个属性组合；

对各个属性组合进行评分，采用数理分析的方法对所述各个属性组合的评分进行分析，获得每个属性的权重分值，建立客户数据属性评分列表；

所述客户数据属性评分列表中包括各个属性所属的类别，以及该属性的权重分值。

其中，所述属性类别包括：基本属性、辅助属性和行为属性之一或其组合。

其中，评分服务器根据客户数据属性评分列表对客户信息进行评分，获取该客户信息的基本分值的步骤包括：

评分服务器对所获取客户信息的客户数据进行拆分，获取该客户信息所包含的属性；

查询客户数据属性评分列表，获得该客户信息所包含的属性所对应的各个属性的权重分值；

综合各个属性的权重分值，获得该客户信息的基本分值。

其中，所述调整服务器按照预设规则对所述基本分值进行调整的步骤包括：

根据所述客户信息获得所述客户的位置，如果所述客户位于第一类地区，则令该客户信息的基本分值为第一预设分值；

如果所述客户信息为预先设置的过滤词库外的非目标客户，则令该客户信息的基本分值为第二预设分值；

根据所述客户信息获得所述客户的联系方式，如果所述客户的手机号码为空，则令该客户信息的基本分值减去第一分值。

其中，评判服务器根据所述最终分值对所述客户信息进行评判的步骤包括：

按照预设周期对客户数据仓库中的客户信息进行评分，依据所述客户信息在预设时间段内的平均最终得分，对所述客户信息的质量进行分类，从而实现对客户信息进行评判。

其中，所述客户数据仓库至少包括：客户名称、所属地区、联系方式、是否为中国站的出口会员、客户信息来源之一或其组合。

本申请实施例还提供了一种对潜在网络客户进行评判的系统，包括：

数据服务器，用于根据客户数据仓库中的客户信息建立客户数据属性评分列表；

评分服务器，用于从所述客户数据仓库获取客户信息，根据客户数据属性评分列表对所述客户信息进行评分，获得该客户信息的基本分值；

调整服务器，用于按照预设规则对所述基本分值进行调整；

评判服务器，用于获得所述客户信息的最终分值，根据所述最终分值对所述客户信息进行评判。

其中，还包括：客户信息采集服务器，用于收集潜在网络客户的信息建立客户数据仓库。

其中，所述评分服务器包括：

拆分模块，用于对所获取客户信息的客户数据进行拆分，获取该客户信息所包含的属性；

查询模块，用于查询客户数据属性评分列表，获得该客户信息所包含的属性所对应的各个属性的权重分值；

计算模块，用于综合各个属性的权重分值，获得该客户信息的基本分值。

其中，所述调整服务器包括：

第一调整子模块，用于根据所述客户信息获得所述客户的位置，如果所述客户属于第一类客户，则令该客户信息的基本分值为第一预设分值；

第二调整子模块，用于在所述客户信息为预先设置的过滤词库外的非目标客户时，令该客户信息的基本分值为第二预设分值；

第三调整子模块，用于根据所述客户信息获得所述客户的联系方式，如果所述客户的手机号码为空时，令该客户信息的基本分值减去第一分值。

其中，所述评判服务器包括：

周期评分模块，用于按照预设周期对客户数据仓库中的客户信息进行评分；

质量评判模块，用于依据所述客户信息在预设时间段内的平均最终得分，对所述客户信息的质量进行分类，从而实现对客户信息进行评判。

应用本申请可以对潜在网络客户进行自动评分，直接评判出潜在网络客户的好坏，提高了评判效率，解放了人力资源，保证电子商务服务提供者对客户信息的需求量，避免客户信息被搁置浪费的情况。而且，应用本申请的方法，不受数据量的影响，每天可以定时加载、评定数据，且不会受到时间推移的影响，维护成本低。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。

图1是根据本申请实施例的对潜在网络客户进行评判的网络构架示意图；

图2是根据本申请实施例的对潜在网络客户进行评判的方法流程图；

图3是根据本申请实施例的对基本分值进行调整的流程图；

图4是根据本申请实施例的对潜在网络客户进行评判的系统。

具体实施方式

下面将结合本申请实施例中的附图，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。基于本申请中的实施例，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，都属于本申请保护的范围。

参见图1，其是本申请实施例的对潜在网络客户进行评判的网络构架示意图。客户信息采集服务器101收集潜在网络客户的信息，将所收集到的信息进行填充、更新数据仓库的数据抽取、转换及装载(ETL，Extract-Transform-Load)处理后保存在客户数据仓库102中；该客户数据仓库中包括与客户相关的所有信息。数据服务器103根据客户数据仓库102中的客户信息建立业务属性评分列表。评分服务器104从数据服务器102的客户数据仓库获取客户信息，根据业务属性评分列表对所述客户信息进行评分，获得该客户信息的基本分值。之后，调整服务器105按照预设规则对基本分值进行调整，评判服务器106获得所述客户信息的最终分值，根据所述最终分值对所述客户信息进行评判。其中，上述各种服务器可以是物理上相互独立的多台服务器，也可以是设置在同一台服务器内具有不同功能的模块。下面对上述过程进行详细描述。

参见图2，其是本申请实施例的对客户信息进行评判的方法流程图，具体包括：

步骤201，客户信息采集服务器收集潜在网络客户的信息建立客户数据仓库；具体的，客户信息采集服务器将所收集到的信息进行ETL处理后保存在客户数据仓库中；所述客户数据仓库中包括与客户相关的所有信息；

这里，客户信息采集服务器收集潜在网络客户信息的方式包括但不限于以下几种或其任意组合：1)通过网络客户主动注册信息收集；2)通过线下客户来源收集等。本申请文件中，将非客户主动提交的客户信息的来源，称之为线下客户来源，例如：通过外抓网站数据、获取工商局注册出口企业信息等方式获得的客户信息等等。

建立客户数据仓库的目的，是把客户数据进行有效的集成，以供企业的各层决策、分析人员使用，利于企业决策者进行全面分析和查询。通过建立数据仓库，可以积累企业的数据资源，更好的体现数据的价值。因而，该数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，具体的，该客户数据仓库至少包括：客户名称、所属地区、联系方式、是否为中国站的出口会员、客户信息来源，当然，根据需要还可以包括其他信息。

步骤202，由于客户信息由客户数据组成，因而数据服务器根据客户数据仓库中的客户信息，建立针对客户信息的客户数据属性评分列表；具体包括：

i)将各个客户数据拆分为不同属性类别的至少一个属性；例如，属性类别可以包括基本属性、辅助属性、行为属性等等，表1是一个属性类别的具体实例。

表1

从表1可知，base类和assist类分别包括8个属性，action类包括5个属性。

对于表1，一种可能的例子如表2所示：

表2

ii)将不同属性类别的至少一个属性进行组合，获得由不同属性所构成的属性组合，对各个属性组合进行评分，具体的评分规则可根据实际应用的需要来决定，可以是根据专家的经验决定，也可以是根据预设的规则决定，只要能根据同一个规则获得不同属性组合的分值即可，具体规则在此并不做限定，如表3是一个属性组合的实例：

表3

RN	属性排列组合	分值
			1	属性组合一	90
2	属性组合二	60
			3	属性组合三	85
4	属性组合四	47
			5	属性组合五	78
6	属性组合六	92

其中，属性组合一可以是base的属性1、assist的属性2以及action的属性3的组合，属性组合二可以是base的属性1、assist的属性1和action的属性3及属性4的组合，属性组合三可以是base的属性2、assist的属性1和属性2以及action的属性3和属性4的组合，其余类似。

对于表3，一个可能的例子如表4所示；

表4

iii)采用数理分析的方法对所述各个属性组合的评分进行分析，获得每个属性的权重分值，建立客户数据属性评分列表，该客户数据属性评分列表中可以包括各个属性所属的类别，以及该属性的权重分值。

上述数理分析的方法可以采用“间断线性模型”方法对各个属性组合的评分进行分析，该“间断线性模型”方法可通过下面的公式(1)来实现：

$U\left(j\right)=\underset{p=1}{\overset{t}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{\mathrm{\α}}_{\mathrm{ij}}---\left(1\right)$

其中：U(j)表示属性j的权重值，X_ij表示属性类别i中的第j个属性在所有属性中的排序值，α_ij表示属性类别i的第j个属性的分值贡献率，其相当于一个系数，p表示组合的种类，t表示组合的个数。

例如，表5是一个包括属性权重分值的客户数据属性评分列表；

表5

至此，完成了客户数据属性评分列表的建立。

步骤203，评分服务器从客户数据仓库获取客户信息，根据客户数据属性评分列表对所述客户信息进行评分，获得该客户信息的基本分值；具体的，包括以下步骤：

评判服务器对所获取客户信息的客户数据依据属性进行拆分，获取该客户信息所包含的属性，例如，获得某个客户信息包含如下属性：base的属性2、属性4和属性5、assist的属性1、属性2和属性3，以及action的属性3和属性4。

查询客户数据属性评分列表，获得该客户信息所包含的属性所对应的各个属性的权重分值；例如，通过查询表3所示客户数据属性评分列表获得该客户信息的各个属性的权重分值。

综合各个属性的权重分值，获得该客户信息的基本分值。例如，将表3中各个属性的权重分值相加，获得该客户信息的基本分值为6+3+11+14+9+4+3+5＝55分。

步骤204，调整服务器按照预设规则对基本分值进行调整。具体调整方法参见图3，包括以下步骤：

步骤301，根据客户信息获得所述客户的位置，如果客户属于第一类客户，则令该客户信息的基本分值为第一预设分值，这里设定第一类客户是位于第一地区的客户，该第一地区是诚信度较差的地理区域，第一预设分值为0；

步骤302，如果客户信息为预先设置的过滤词库外的非目标客户，则令该客户信息的基本分值为第二预设分值，这里设定第二预设分值为25；

上述过滤词库是根据经验预先设定的基本词库，该词库用于保存较为明显的非目标客户的客户名称，以及位于黑名单中的客户名称。

本步骤中所涉及的过滤词库外的非目标客户主要是指过滤词库外的非目标客户，即从公司名称中不能直接判断出是较为明显的非目标客户，需要电话回访了解客户情况决定，因而，给这类客户的基本分值设置为较低的第二预设分值。

步骤303，根据客户信息获得所述客户的联系方式，如果客户的手机号码为空，则令该客户信息的基本分值减去第一分值，这里设定第一分值为7；

需要说明的是，对于图3所示实施例，其各个步骤之间没有严格的先后顺序，只要全部执行完毕即可，例如，可以先执行步骤302，再执行步骤301，之后执行步骤303，等等。

至此，完成了对基本分值的调整。

步骤205，评判服务器获得所述客户信息的最终分值，根据所述最终分值对所述客户信息进行评判。

具体的，按照预设周期对客户数据仓库中的客户信息进行评分，依据所述客户信息在预设时间段内的平均最终得分，对所述客户信息的质量进行分类，从而实现对客户信息进行评判。

例如，对于每月评定的平均为65-100分的客户信息，可认定为是质量较高的潜在网络客户。对于每月评定的平均为0-20分的客户信息，可认定为是质量较差的潜在网络客户。

应用本申请实施例提供的对潜在网络客户进行评判的方法，可以对潜在网络客户进行自动评分，直接评判出潜在网络客户的好坏，提高了评判效率，解放了人力资源，保证了电子商务服务平台对客户信息的需求量，避免客户信息被搁置浪费的情况。而且，应用本申请的方法，不受数据量的影响，每天可以定时加载、评定数据，且不会受到时间推移的影响，维护成本低。

例如，按最低标准计算，能节省4000条/天的处理时间，相当于节省20电话审核人力/天，可增加400条/天的审核备注量，根据当季度0.23％的转化率，平均每月可新增20个签单客户数；而每天约搁置的900条客户信息可及时分发，根据当季度0.23％的转化率，平均每月可新增45个签单客户数。按最低标准计算，每月可新增65个客户信息，即新增130万的潜在网络客户签单额。

本申请实施例还提供了一种对潜在网络客户进行评判的系统，参见图4，具体包括：

客户信息采集服务器401，用于收集潜在网络客户的信息建立客户数据仓库；

数据服务器402，用于根据所述客户数据仓库中的客户信息建立客户数据属性评分列表；所述装置还包括：

评分服务器403，用于从所述客户数据仓库获取客户信息，根据客户数据属性评分列表对所述客户信息进行评分，获得该客户信息的基本分值；

调整服务器404，用于按照预设规则对所述基本分值进行调整；

评判服务器405，用于获得所述客户信息的最终分值，根据所述最终分值对所述客户信息进行评判。

上述评分服务器403可以具体包括：

拆分模块，用于对所获取客户信息的客户数据进行拆分，获取该客户信息所包含的属性；

查询模块，用于查询客户数据属性评分列表，获得该客户信息所包含的属性所对应的各个属性的权重分值；

计算模块，用于综合各个属性的权重分值，获得该客户信息的基本分值。

上述调整服务器404可以包括：

第一调整子模块，用于根据所述客户信息获得所述客户的位置，如果所述客户属于第一类客户，则令该客户信息的基本分值为第一预设分值；

第二调整子模块，用于在所述客户信息为预先设置的过滤词库外的非目标客户时，令该客户信息的基本分值为第二预设分值；

第三调整子模块，用于根据所述客户信息获得所述客户的联系方式，如果所述客户的手机号码为空时，令该客户信息的基本分值减去第一分值。

上述评判服务器405可以包括：

周期评分模块，用于按照预设周期对客户数据仓库中的客户信息进行评分；

质量评判模块，用于依据所述客户信息在预设时间段内的平均最终得分，对所述客户信息的质量进行分类，从而实现对客户信息进行评判。

应用本申请实施例提供的对潜在网络客户进行评判的装置，可以对潜在网络客户进行自动评分，直接评判出潜在网络客户的好坏，提高了评判效率，解放了人力资源，保证电子商务服务平台对客户信息的需求量，避免客户信息被搁置浪费的情况。而且，应用本申请的方法，不受数据量的影响，每天可以定时加载、评定数据，且不会受到时间推移的影响，维护成本低。

需要说明的是，在本文所述所有实施例中，数据服务器、评分服务器、调整服务器和评判服务器为逻辑服务器，其可以在一个物理实体上，也可以在不同的物理实体上，还可以是其中的一个或多个在一个或多个物理实体上。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，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或者实施例的某些部分所述的方法。

对于本说明书中的系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请可用于众多通用或专用的计算系统环境或配置中。例如：服务器计算机、平板型设备、多处理器系统、基于微处理器的系统、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。

Claims (14)

1、一种对潜在网络客户进行评判的方法，其特征在于，包括：

数据服务器根据数据仓库中的客户信息建立客户数据属性评分列表；

评分服务器从所述客户数据仓库获取客户信息，根据客户数据属性评分列表对所述客户信息进行评分，获得该客户信息的基本分值；

调整服务器按照预设规则对所述基本分值进行调整；

评判服务器获得所述客户信息的最终分值，根据所述最终分值对所述客户信息进行评判。

2、根据权利要求1所述的方法，其特征在于，在所述数据服务器根据数据仓库中的客户信息建立客户数据属性评分列表之前还包括：客户信息采集服务器收集潜在网络客户的信息。

3、根据权利要求2所述的方法，其特征在于，所述客户信息采集服务器收集潜在网络客户的信息包括：

通过网络客户主动注册信息收集或通过线下客户来源收集，或通过以上方式的组合收集。

4、根据权利要求1所述的方法，其特征在于，所述数据服务器建立客户数据属性评分列表的步骤包括：

将各个客户数据拆分为不同属性类别的至少一个属性；

将不同属性类别的至少一个属性进行组合，获得由所述属性所构成的多个属性组合；

对各个属性组合进行评分，采用数理分析的方法对所述各个属性组合的评分进行分析，获得每个属性的权重分值，建立客户数据属性评分列表；

所述客户数据属性评分列表中包括各个属性所属的类别，以及该属性的权重分值。

5、根据权利要求4所述的方法，其特征在于，所述属性类别包括：基本属性、辅助属性和行为属性之一或其组合。

6、根据权利要求1所述的方法，其特征在于，评分服务器根据客户数据属性评分列表对客户信息进行评分，获取该客户信息的基本分值的步骤包括：

评分服务器对所获取客户信息的客户数据进行拆分，获取该客户信息所包含的属性；

查询客户数据属性评分列表，获得该客户信息所包含的属性所对应的各个属性的权重分值；

综合各个属性的权重分值，获得该客户信息的基本分值。

7、根据权利要求1所述的方法，其特征在于，所述调整服务器按照预设规则对所述基本分值进行调整的步骤包括：

根据所述客户信息获得所述客户的位置，如果所述客户位于第一类地区，则令该客户信息的基本分值为第一预设分值；

如果所述客户信息为预先设置的过滤词库外的非目标客户，则令该客户信息的基本分值为第二预设分值；

根据所述客户信息获得所述客户的联系方式，如果所述客户的手机号码为空，则令该客户信息的基本分值减去第一分值。

8、根据权利要求1所述的方法，其特征在于，评判服务器根据所述最终分值对所述客户信息进行评判的步骤包括：

按照预设周期对客户数据仓库中的客户信息进行评分，依据所述客户信息在预设时间段内的平均最终得分，对所述客户信息的质量进行分类，从而实现对客户信息进行评判。

9、根据权利要求1所述的方法，其特征在于，所述客户数据仓库至少包括：客户名称、所属地区、联系方式、是否为中国站的出口会员、客户信息来源之一或其组合。

10、一种对潜在网络客户进行评判的系统，其特征在于，包括：

数据服务器，用于根据客户数据仓库中的客户信息建立客户数据属性评分列表；

评分服务器，用于从所述客户数据仓库获取客户信息，根据客户数据属性评分列表对所述客户信息进行评分，获得该客户信息的基本分值；

调整服务器，用于按照预设规则对所述基本分值进行调整；

评判服务器，用于获得所述客户信息的最终分值，根据所述最终分值对所述客户信息进行评判。

11、根据权利要求10所述的系统，其特征在于，还包括：

客户信息采集服务器，用于收集潜在网络客户的信息建立客户数据仓库。

12、根据权利要求10所述的系统，其特征在于，所述评分服务器包括：

拆分模块，用于对所获取客户信息的客户数据进行拆分，获取该客户信息所包含的属性；

查询模块，用于查询客户数据属性评分列表，获得该客户信息所包含的属性所对应的各个属性的权重分值；

计算模块，用于综合各个属性的权重分值，获得该客户信息的基本分值。

13、根据权利要求10所述的系统，其特征在于，所述调整服务器包括：

第一调整子模块，用于根据所述客户信息获得所述客户的位置，如果所述客户属于第一类客户，则令该客户信息的基本分值为第一预设分值；

第二调整子模块，用于在所述客户信息为预先设置的过滤词库外的非目标客户时，令该客户信息的基本分值为第二预设分值；

第三调整子模块，用于根据所述客户信息获得所述客户的联系方式，如果所述客户的手机号码为空时，令该客户信息的基本分值减去第一分值。

14、根据权利要求10所述的系统，其特征在于，所述评判服务器包括：

周期评分模块，用于按照预设周期对客户数据仓库中的客户信息进行评分；

质量评判模块，用于依据所述客户信息在预设时间段内的平均最终得分，对所述客户信息的质量进行分类，从而实现对客户信息进行评判。

Images