CN102754110A - 基于联系关系和客户经验的潜在客户鉴定 - Google Patents

Abstract

一种潜在客户鉴定系统从潜在顾客接收包括该潜在顾客的标识的潜在客户信息。该潜在客户鉴定系统然后标识潜在顾客的属性。为了鉴定潜在客户，潜在客户鉴定系统可基于经验分数和联系分数来生成潜在客户分数。为了生成经验分数，潜在客户鉴定系统可分析具有类似于潜在顾客的属性的顾客的销售历史和其他信息。为了生成联系分数，潜在客户鉴定系统可分析销售机构和潜在顾客的人员之间的商业关系。潜在客户鉴定系统可通过组合联系分数和经验分数来生成潜在客户分数。

Description

基于联系关系和客户经验的潜在客户鉴定

背景

企业资源计划（“ERP”）软件是一种由许多机构使用的用于计划并管理各种商业功能的软件类型，各种商业功能诸如预算、会计、人力资源、存货、客户关系、销售等。ERP软件通常提供对于数据库的访问，从该数据库，用户和应用可检索涉及各种商业功能的信息。数据库包括有关机构和其客户的大量信息。例如，数据库可包括客户表，该客户表包括所有客户以及各个客户的详细信息的综合列表。该详细信息可包括联系信息、客户地址、客户行业代码、客户的负责人的姓名等。作为另一个例子，数据库可包括销售历史表格，该销售历史表格提供对客户做出的各个销售的记录以及销售详情，诸如产品标识符、数量、价格、销售日期等。

销售机构，诸如卖产品的公司，能通过对其当前的客户做出额外的销售或扩展其客户基础到新的客户来增加其销量。传统上，销售机构以各种方式标识潜在顾客，也称为“潜在客户”。例如，销售机构在贸易展上赞助一个摊位，并且基于与参加者的讨论或由参加者提供的商业名片来开发潜在客户。作为另一个例子，销售机构能使用广告来开发潜在客户，该广告描述他们的产品并提供电话号码，潜在顾客能拨打该电话号码以获取额外信息。万维网已经提供给销售机构其他机会来扩展他们的客户基础。销售机构能提供网站，通过该网站，潜在顾客能访问关于正被提供用于销售的产品的信息。网站可提供关于产品的非常详细的信息，包括产品说明、视频教程、客户提供的产品推荐等。这样的销售网站通常提供信息请求网页，通过该网页，潜在顾客能注册以接收关于产品的其他信息。信息请求网页可提示用户提供他们的姓名、头衔、他们代表的公司、电子邮件地址、电话号码等，并允许用户请求其他产品信息、和销售人员对话等。

许多销售机构都力争确定哪些潜在客户很有可能是有益的（例如，产生足以回报销售努力的大量销售）以及哪些潜在客户不大可能是有益的。大型销售机构一天可以接收到数百个潜在客户，但仅仅很小比例很有可能是有益的。尽管销售机构能够跟踪每一个潜在客户，但销售机构仅跟踪很有可能是有益的潜在客户将会是更高效的。为了帮助标识哪些潜在客户是有益的，销售机构通常尝试“鉴定”潜在客户。例如，如果潜在顾客访问信息请求网页并用被列为Mickey Mouse的个人姓名或者用联系电话号码111-111-1111来提交信息请求，则该潜在客户不大可能是有益的。鉴定潜在客户的过程可具有一些自动方面以及一些手动方面。例如，潜在客户可以在电话号码不是有效的或者在公司名称无法在公司目录中找到的情况下被自动鉴定为不合格。销售人员还可以在潜在客户包含看上去不一致的信息（诸如一个人不具有关于几百万美元的产品的公司附属请求信息）时手动将潜在客户鉴定为不合格。

尽管用于自动鉴定潜在客户的现有技术有助于将明显不大可能是有益的潜在客户鉴定为不合格，但存在许多被鉴定为合格的但最终被证明并非有益的潜在客户。随着潜在客户的数量的增加（尤其是因为经由web的广告），跟踪被鉴定为合格的但最终被证明并非有益的潜在客户所花费的资源的量显著增加。类似地，不跟踪被不正确地鉴定为不合格的潜在客户可导致丢失大量机会。结果，销售机构的有效性低于期望。

概述

提供了一种用于基于联系关系和客户经验来鉴定商业潜在客户的方法和系统。一种潜在客户鉴定系统从潜在顾客接收包括该潜在顾客的标识的潜在客户信息。该潜在客户鉴定系统然后标识潜在客户的属性。为了鉴定潜在客户，潜在客户鉴定系统可以为潜在客户生成潜在客户分数。潜在客户鉴定系统可将具有高于合格潜在客户阈值的潜在客户分数的潜在客户认为是合格的。为了生成潜在客户分数，潜在客户鉴定系统可分析具有类似于潜在顾客的属性的顾客的销售历史和其他信息，以生成经验分数。如果具有类似属性的顾客倾向于是高度有利可图的，则潜在客户鉴定系统提高潜在客户分数。潜在客户鉴定系统还可访问描述与各种机构相关联的人员之间的商业关系的商业网络存储，以生成联系分数。当销售机构和潜在顾客的人员之间的商业关系看上去是强关系时，潜在客户鉴定系统可提高潜在客户分数。潜在客户鉴定系统还可分析其中潜在顾客输入潜在客户信息的会话的交互以生成行为分数。当潜在顾客花费大量时间浏览企业的网页时，潜在客户鉴定系统可提高潜在客户分数。潜在客户鉴定系统可通过组合诸如联系分数、经验分数和行为分数等各种构成分数来生成潜在客户分数。

提供本概述以便以简化形式介绍将在以下详细描述中进一步描述的一些概念。本概述并非旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。

附图简述

图1示出了一些实施例中的用于从潜在顾客收集潜在客户信息的显示页面。

图2是示出一些实施例中的潜在客户鉴定系统的各组件的框图。

图3是示出一些实施例中的潜在客户表中的信息的逻辑组织的框图。

图4是示出一些实施例中的ERP数据库的客户表的逻辑组织的框图。

图5示出了一些实施例中的用于设置构成分数的权重的显示页面。

图6示出了一些实施例中的用于为生成评级分数的评级公司的评级设置权重的显示页面。

图7是示出一些实施例中的潜在客户鉴定系统的潜在客户评分组件的处理的流程图。

图8是示出一些实施例中的潜在客户鉴定系统的经验分数生成组件的处理的流程图。

图9是示出一些实施例中的潜在客户鉴定系统的评级分数生成组件的处理的流程图。

图10是示出一些实施例中的潜在客户鉴定系统的联系分数生成组件的处理的流程图。

图11是示出一些实施例中的潜在客户鉴定系统的组合分数生成组件的处理的流程图。

图12是示出一些实施例中的潜在客户鉴定系统的潜在客户经验分类器训练组件的处理的流程图。

详细描述

提供了一种用于基于联系关系和客户经验来鉴定商业潜在客户的方法和系统。在一些实施例中，一种潜在客户鉴定系统从潜在顾客接收包括该潜在顾客的标识的潜在客户信息。例如，潜在顾客（实际上通常是潜在顾客的代表）可经由用来向销售机构请求产品信息的网页来提供信息。该潜在客户鉴定系统然后标识潜在顾客的属性。例如，属性可以从潜在客户信息本身中标识出，诸如与潜在客户信息包括在一起的行业类型或预期购买数量。作为另一示例，属性可以从各种其他数据源标识出，诸如第三方报告服务提供的公司报告。为了鉴定潜在客户，潜在客户鉴定系统可以为潜在客户生成潜在客户分数（例如，在0和1.0之间）。潜在客户鉴定系统可将具有高于合格潜在客户阈值的潜在客户分数的潜在客户认为是合格的。为了生成潜在客户分数，潜在客户鉴定系统可分析具有类似于潜在顾客的属性的顾客的销售历史和其他信息。例如，潜在客户鉴定系统可基于行业类型、雇员数量、地理位置等来确定相似性。如果具有类似属性的顾客倾向于是高度有利可图的，则潜在客户鉴定系统提高潜在客户分数。潜在客户鉴定系统还可访问描述与各种机构相关联的人员之间的商业关系的商业网络存储。当销售机构和潜在顾客的人员之间的商业关系看上去是强关系时，潜在客户鉴定系统可提高潜在客户分数。例如，销售经理可以与潜在客户的采购经理具有商业关系。商业关系可以从销售经理的电子邮件联系人列表中导出。潜在客户鉴定系统可通过组合诸如联系分数和经验分数等各种构成分数来生成潜在客户分数。以此方式，潜在客户鉴定系统基于与潜在顾客的商业联系的强度以及与具有类似于潜在顾客的属性的顾客的过往经验的组合来鉴定潜在客户。

在一些实施例中，潜在客户鉴定系统还可考虑在其中代表与信息请求网页交互的会话期间从潜在顾客的交互中导出的潜在客户分数“分析要素（analytics）”。在该会话期间，代表可提供信息请求网页所请求的信息，并且可浏览关于销售机构及其产品的附加信息。例如，代表可观看关于产品的各种指南并且可观看顾客推荐。潜在客户鉴定系统跟踪并记录潜在顾客执行的动作。例如，潜在客户鉴定系统可记录所选择的每一个按钮和访问的每一个网页以及动作的时间。直接涉及在会话期间提供所请求的信息的动作被称为主要动作，而其他动作被称为次要动作。鉴定系统开发的分析要素可包括查看每一个网页所花费的时间、是否完整地观看产品视频、是否播放音频顾客推荐，等等。基于对这些分析要素的分析，潜在客户鉴定系统可提高或降低潜在客户分数。例如，如果代表访问了若干网页并且观看了对应的指南，则潜在客户鉴定系统可提高潜在客户分数。相反，如果代表仅访问了信息请求网页且没有访问其他网页，则潜在客户鉴定系统可降低潜在客户分数。作为另一示例，潜在客户鉴定系统可提高回头客的潜在客户分数，这可考虑访问的频率和持续时间。潜在客户鉴定系统还可以随着自从提交潜在客户以来的时间的增加而降低潜在客户分数。

在一些实施例中，潜在客户鉴定系统还可考虑关于潜在顾客的潜在客户分数评级信息。例如，评级信息可由第三方机构（例如，Dun&Bradstreet或Moody’s）提供。潜在客户鉴定系统可提高具有高评级的潜在顾客的潜在客户分数并降低具有低评级的潜在顾客的潜在客户分数。

在一些实施例中，潜在客户鉴定系统可基于分析要素来生成分析分数，基于与具有类似属性的顾客的销售经验来生成经验分数，基于销售机构和该潜在顾客之间的商业关系来生成联系分数，以及基于潜在顾客的评级来生成评级分数。潜在客户鉴定系统然后可将这些构成分数中的某一些或全部合计成潜在客户分数。潜在客户鉴定系统可使用可由销售机构指定的加权合计。例如，销售机构可指定分别将分析分数、经验分数、联系分数和评级分数加权为20%、30%、40%和20%。如果这些构成分数中的每一个的范围都在0和1.0之间，而对应于分析分数、经验分数、联系分数和评级分数的分数分别为.5、.7、.5和.2，则将产生潜在客户分数.50（即，.5*.1+.7*.3+.5*.4+.2*.2），而分数.4、.8、.7和.1将产生潜在客户分数.58（即，.4*.1+.8*.3+.7*.4+.1*.2）。潜在客户鉴定系统还可对下文描述的其他分数的构成分数应用非线性加权。

在一些实施例中，当潜在客户的潜在客户分数超过合格潜在客户阈值时，潜在客户鉴定系统可将该潜在客户指定为是合格的。潜在客户鉴定系统可允许销售机构指定合格潜在客户阈值。或者，潜在客户鉴定系统可基于对最终被证明有益的潜在客户以及最终被证明并非有益的潜在客户的分析来学习合格潜在客户阈值。潜在客户鉴定系统可应用诸如线性回归等各种统计分析技术来学习合格潜在客户阈值。类似地，潜在客户鉴定系统可基于对最终被证明有益和无益的潜在客户的分析从分析分数、经验分数、联系分数和评级分数中导出潜在客户分数。例如，潜在客户鉴定系统可应用诸如神经网络等机器学习算法来学习不同分数的适当权重。

在一些实施例中，潜在客户鉴定系统可训练潜在客户经验分类器以便基于鉴定来对潜在客户进行分类。分类可产生0和1.0之间的连续潜在客户分数或者产生诸如高度合格、合格、勉强合格和不合格等离散类别。为了训练潜在客户经验分类器，潜在客户鉴定系统可输入训练数据，对于销售机构的每一个顾客，该训练数据包括该顾客的属性以及经验分数，经验分数的范围可以在0和1.0之间且1.0指示最有利的经验。例如，曾经对于销售机构是最有利可图的顾客可被给予经验分数1.0，而只具有一个小销售额的顾客可被给予经验分数.05。经验分数可由销售人员手动提供或者可基于对该顾客的销售历史的分析来自动导出。潜在客户鉴定系统然后训练潜在客户经验分类器以便基于这些顾客的属性来对潜在顾客进行分类。可使用各种公知训练技术，诸如支持向量机、决策树、神经网络、回归分析等。一旦训练出潜在客户经验分类器，潜在客户鉴定系统就通过标识潜在顾客的属性并将潜在客户经验分类器应用于这些属性以便为该潜在顾客生成经验分数，以对潜在顾客进行分类。

在一些实施例中，潜在客户鉴定系统可基于顾客属性的多维向量空间中的距离来生成从潜在顾客和其他顾客之间的相似性中所导出的经验分数。潜在客户鉴定系统最初可使用诸如k最近邻居算法等聚类技术来对销售机构的顾客进行聚类。每一聚类都可被分配表示该聚类的矩心特征向量和聚类经验分数。为了生成潜在顾客的经验分数，潜在客户鉴定系统标识具有该潜在顾客的特征向量与矩心特征向量之间的最短距离的聚类，并将该聚类的聚类经验分数用作该潜在顾客的经验分数。

在一些实施例中，潜在客户鉴定系统可访问包含人员及其商业关系的网络表示的商业网络存储。商业网络可包含表示每一个人的节点以及节点之间的表示人员之间的直接商业关系的链接。例如，表示机构的主席和副主席的节点之间的链接指示他们具有直接商业关系。商业网络还可以用节点所表示的人员之间的关系的强度的指示来注释链接。例如，同一机构的主席和副主席之间的关系的强度可以是高的，而主席和邮件室中的雇员之间的关系的强度可以是低的。另外，商业网络中表示的人员可跨越多个机构。例如，商业网络可包括对应于机构的每一个雇员的节点以及对应于该机构的雇员的联系人列表中列出的每一个人的节点。关系的强度可基于对与相关人员相关联的属性的分析来计算。例如，属性可包括机构的分层结构中的层次、机构中的人员的头衔、去年人员之间的通信（例如，电话呼叫和电子邮件消息）的数量，等等。另外，商业网络可表示不具有直接关系的人员之间的间接关系的强度。例如，如果一个机构的五个副主席与另一机构的五个副主席具有强直接关系，但这些机构的主席不具有直接关系，则这些主席可被认为具有强间接关系。这一商业网络的生成以及对关系强度的计算在以下文献中描述：题为“IDENTIFYINGINTERMEDIARIES AND POTENTIAL CONTACTS BETWEENORGANIZATIONS（标识机构之间的中介和潜在联系）”的美国专利申请No.12/703740（代理人案号41826.8523），该申请被同时提交并通过引用结合于此。

图1示出了一些实施例中的用于从潜在顾客收集潜在客户信息的显示页面。显示页面100可包括数据输入区域101、产品描述按钮102、产品定价按钮103和提交请求按钮104。数据输入区域包括用于输入关于潜在顾客的信息的各个字段，诸如姓名、头衔等，以及关于感兴趣的产品的信息，诸如产品标识符、需要购买的数量等。潜在顾客的代表选择产品描述按钮来访问提供关于销售机构所供应的产品的详细信息的网页。该代表选择产品定价按钮来访问提供产品定价信息的网页。该代表选择提交请求按钮来提交信息请求，从数据输入区域收集潜在客户信息。主要动作被认为是在数据输入区域内输入数据的动作，而次要动作被认为是与查看产品描述和产品定价网页相关联的动作。

图2是示出一些实施例中的潜在客户鉴定系统的各组件的框图。潜在客户鉴定系统200可包括信息请求服务组件201、潜在客户评分组件202、经验分数生成组件203、联系分数生成组件204、评级分数生成组件205、组合分数生成组件206以及潜在客户经验分类器训练组件207。潜在客户鉴定系统还可包括潜在客户表208、潜在客户分数权重存储209和ERP数据库210。信息请求服务组件为诸如图1所示的信息请求网页服务，以便从潜在顾客收集潜在客户信息。信息请求服务组件将收集到的潜在客户信息存储在潜在客户表中。潜在客户评分组件通过调用以下操作来生成潜在客户的分数：调用经验分数生成组件、联系分数生成组件、评级分数生成组件和组合分数生成组件来生成各构成分数和组合分数。构成分数可使用潜在客户分数权重存储中的权重来组合。潜在客户鉴定系统调用潜在客户经验分类器训练组件来输入训练数据并训练潜在客户经验分类器。

其上可以实现潜在客户鉴定系统的计算设备可以包括中央处理单元、存储器、输入设备（例如，键盘和定点设备）、输出设备（例如，显示设备）和存储设备（例如，盘驱动器）。存储器和存储设备是可包含实现潜在客户鉴定系统的指令的计算机可读存储介质。此外，数据结构和消息结构可经由诸如通信链路上的信号之类的数据传送介质发送。可以使用各种通信链路，如因特网、局域网、广域网或点对点拨号连接。

潜在客户鉴定系统可以在各种操作环境中实现和/或由各种操作环境使用。在此描述的操作环境只是合适的操作环境的一个示例，并不旨在对潜在客户鉴定系统的使用范围或功能提出任何限制。适合使用的其他公知的计算系统、环境和配置包括个人计算机、服务器计算机、手持式或膝上型设备、多处理器系统、基于微处理器的系统、可编程消费电子产品、网络PC、微型计算机、大型计算机、包括任何以上系统或设备的分布式计算环境等等。

潜在客户鉴定系统可以在存储在存储设备并由一个或多个计算机或其它设备执行的诸如程序模块等计算机可执行指令的一般上下文中描述。一般而言，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。通常，程序模块的功能可在各个实施例中按需进行组合或分布。

图3是示出一些实施例中的潜在客户表中的信息的逻辑组织的框图。潜在客户表300包括对应于收集到的每一个潜在客户的条目。每一个条目都包括潜在客户标识符以及对应于每一种类型的收集到的潜在客户信息的字段。每一个条目都可包括对动作表301的引用。动作表包含代表在其中收集潜在客户信息的会话期间的次要动作的日志。动作表的每一个条目指定一动作以及该动作的时间。例如，动作可以是选择图1的产品描述按钮102。潜在客户鉴定系统可以从动作表中确定代表花费在访问每一个网页上的时长。花费更多的时间查看网页可指示更感兴趣的潜在顾客，其潜在客户分数应被提高。

图4是示出一些实施例中的ERP数据库的客户表的逻辑组织的框图。客户表400可包括对应于销售机构的每一个顾客的条目。每一个条目包含对应于顾客的各种属性的字段，诸如顾客姓名、顾客行业、顾客地址等。每一个条目还可包括对销售历史表401的引用。对应于一顾客的销售历史表包含对应于针对该顾客的每一次销售的条目。每一个条目可标识已销售的产品、已销售的数量、价格、销售日期等。如果销售是基于潜在客户发起的，则每一个条目还可包括潜在客户标识符。潜在客户鉴定系统可使用潜在客户标识符来帮助标识导致销售的潜在客户类型，以供在鉴定将来的潜在客户时使用。

图5示出了一些实施例中的用于设置构成分数的权重的显示页面。显示页面500包括当前权重字段501、新权重字段502和提交按钮503。销售人员可查看当前权重并输入新权重，然后选择提交按钮来提交新权重。如该显示页面所示，销售人员可以为分析分数、数据质量分数、经验分数、联系分数和评级分数指定权重。数据质量分数指的是对可包括是否提供电子邮件地址或电话号码是否有效的信息的质量的评分。

图6示出了一些实施例中的用于为生成评级分数的评级公司的评级设置权重的显示页面。显示页面600包括当前权重字段601、新权重字段602和提交按钮603。销售人员可查看当前权重并输入新权重，然后选择提交按钮来提交新权重。这些权重在生成评级分数时使用。例如，S&P评级的新权重是.25，这意味着它占到评级分数的25%，而Moody’s评级的新权重是0，这意味着它不被纳入评级分数。内部评级可对应于由销售机构在内部开发的评级。其他构成分数中的每一个都可以类似地具有用户指定的权重。例如，分析分数可以从花费在查看特定网页上的时间和花费在查看特定指南上的时间导出。销售人员可指定每一个网页和每一个指南的权重。

图7是示出一些实施例中的潜在客户鉴定系统的潜在客户评分组件的处理的流程图。潜在客户评分组件被传递潜在客户表中的潜在客户的标识符并返回潜在客户分数。在框701中，该组件生成分析分数。在框702中，该组件生成数据质量分数。在框703中，该组件调用经验分数生成组件来生成经验分数。在框704中，该组件调用联系分数生成组件来生成联系分数。在框705中，该组件调用评级分数生成组件来生成评级分数。在框706中，该组件调用组合分数生成组件来从分析分数、数据质量分数、经验分数、联系分数和评级分数中生成组合分数。该组件然后返回组合的分数作为潜在客户分数。

图8是示出一些实施例中的潜在客户鉴定系统的经验分数生成组件的处理的流程图。该组件被传递潜在客户标识符并返回对应于该潜在客户的经验分数。在框801中，该组件基于如存储在潜在客户表中的潜在客户的属性来生成潜在客户特征向量。在框802中，该组件将潜在客户经验分类器应用于潜在客户特征向量以生成经验分数。该组件然后返回经验分数。

图9是示出一些实施例中的潜在客户鉴定系统的评级分数生成组件的处理的流程图。该组件被传递潜在客户标识符并返回对应于该潜在客户的评级分数。在框901中，该组件初始化评级分数在框902~906中，该组件循环将来自各种评级机构的分数考虑到评级分数中。在框902中，该组件选择下一个评级机构。在判定框903中，如果所有的评级机构都已经被选择，则该组件返回评级分数，否则该组件在框904处继续。在框904中，该组件取得评级机构的权重。在框905中，该组件从评级机构取得评级。潜在客户鉴定系统可具有到每一个评级机构的电子接口，通过该电子接口该系统提交潜在顾客的标识并取得评级分数作为回报。在框906中，该组件将评级合计到评级分数中，将权重考虑在内。该组件然后循环至框902以选择下一个评级机构。

图10是示出一些实施例中的潜在客户鉴定系统的联系分数生成组件的处理的流程图。该组件被传递潜在客户标识符并返回对应于该潜在客户的联系分数。该组件可以对销售机构的雇员和潜在顾客的雇员之间的所有的直接和间接关系的强度进行合计。该组件还可基于关系有助于销售的可能性来调整关系的强度。例如，销售机构的销售经理和潜在顾客的采购经理之间的关系可以比销售机构的律师和潜在顾客的助理律师之间的关系更有价值。对应于关系强度的经调整的分数的范围可以在0和1.0之间。在框1001中，该组件初始化联系分数。在框1002~1005中，该组件循环将经调整的分数合计成联系分数以使得联系分数在0和1.0之间。在框1002中，该组件选择从经调整的最高分数开始的下一个经调整的分数。在判定框1003中，如果所有经调整的分数都已经被选择，则该组件返回联系分数，否则该组件在框1004处继续。在框1004中，该组件计算1和联系分数之间的增量。对增量的使用确保经调整的分数的合计将不会超过1.0.在框1005中，该组件将增量与经调整的分数的乘积加到联系分数并且然后循环至框1002以选择下一个经调整的分数。

图11是示出一些实施例中的潜在客户鉴定系统的组合分数生成组件的处理的流程图。该组件被传递各构成分数并返回组合分数作为潜在客户分数。该组件可生成组合分数的加权组合。在框1101中，该组件初始化组合分数。在框1102~1105中，该组件循环将每一个构成分数合计到组合分数中。在框1102中，该组件选择下一个构成分数。在判定框1103中，如果所有构成分数都已经被选择，则该组件返回组合分数，否则该组件在框1104处继续。在框1104中，该组件取得所选构成分数的权重。在框1105中，该组件将加权的构成分数加到组合分数并且然后循环至框1102以选择下一个构成分数。

图12是示出一些实施例中的潜在客户鉴定系统的潜在客户经验分类器训练组件的处理的流程图。该组件被提供潜在客户并确定该潜在客户的经验分数。潜在客户和经验分数表示用于训练潜在客户经验分类器的训练数据。在框1201，该组件选择下一个潜在客户。在判定框1202，如果所有潜在客户都已被选择，则该组件在框1205处继续，否则该组件在框1203处继续。在框1203中，该组件基于潜在客户的属性来生成潜在客户特征向量。在框1204中，该组件确定潜在客户的经验分数。该经验分数可以根据潜在客户以及关于该潜在客户的销售历史信息来自动计算，或者可以由销售人员来手动输入。该组件然后循环至框1201以选择下一个潜在客户。在框1205处，该组件使用训练数据来生成分类器并且然后完成。

尽管用结构特征和/或方法动作专用的语言描述了本主题，但可以理解，所附权利要求书中定义的主题不必限于上述具体特征或动作。更确切而言，上述具体特征和动作是作为实现权利要求的示例形式公开的。因此，本发明只受所附权利要求限制。

Claims (15)

1.一种用于为销售机构鉴定商业潜在客户的方法，所述方法由具有处理器和存储器的计算设备执行，所述方法包括：

提供商业网络存储，所述商业网络存储描述与各种机构相关联的人员之间的商业关系；

从潜在顾客接收包括所述潜在顾客的标识的潜在客户信息；

标识所述潜在顾客的属性；以及

基于以下内容来为所述潜在顾客生成潜在客户分数：对具有与所述潜在顾客的属性相似的属性的顾客的分析以及如由所述商业网络存储指示的所述销售机构和所述潜在顾客的人员之间的商业关系。

2.如权利要求1所述的方法，其特征在于，基于对具有与所述潜在顾客的属性相似的属性的顾客的分析来为所述潜在顾客生成潜在客户分数包括：

提供训练数据，对于多个顾客中的每一个，所述训练数据包括顾客属性和经验分数，所述经验分数是所述顾客对于所述销售机构的价值的评定；

训练潜在客户经验分类器，以便通过基于所述潜在顾客的顾客属性生成潜在客户经验分数，来对所述潜在顾客进行分类；以及

将所述潜在客户经验分类器应用于所述潜在顾客的顾客属性以便为所述潜在顾客生成潜在客户经验分数。

3.如权利要求2所述的方法，其特征在于，所述经验分数是从对潜在客户和所述顾客的销售历史信息的分析中导出的。

4.如权利要求1所述的方法，其特征在于，所述属性的标识包括从接收自所述潜在顾客的潜在客户信息中提取属性。

5.如权利要求1所述的方法，其特征在于，所述潜在客户分数的生成还基于公司评级信息。

6.如权利要求1所述的方法，其特征在于，所述潜在客户分数的生成还基于分析要素，所述分析要素从所述潜在顾客的代表在其中所述代表提供所述潜在客户信息的会话期间的次要动作中导出，当一动作直接涉及潜在客户信息的输入时，该动作是主要的，当一动作并非直接涉及所述潜在客户信息的输入时，该动作是次要的。

7.如权利要求1所述的方法，其特征在于，所述潜在客户分数的生成包括生成经验分数和联系分数。

8.如权利要求7所述的方法，其特征在于，所述经验分数和所述联系分数基于用户指定的权重来组合以生成所述潜在客户分数。

9.如权利要求1所述的方法，其特征在于，所述商业网络存储指定每一个人的属性以及从两个人的属性以及他们与其他人的关系中导出的这两个人之间的关系的强度。

10.如权利要求9所述的方法，其特征在于，基于如由所述商业网络存储指示的所述销售机构和所述潜在顾客的人员之间的商业关系的所述潜在客户分数的生成基于所述人员之间的关系的强度。

11.一种包含计算机可执行指令的计算机可读存储介质，所述指令用于控制具有处理器和存储器的计算设备通过一种方法来为销售机构鉴定商业潜在客户，所述方法包括：

从潜在顾客接收包括所述潜在顾客的标识的潜在客户信息；

标识所述潜在顾客的属性；以及

通过以下动作来为所述潜在顾客生成潜在客户分数：

基于分析要素来生成分析分数，所述分析要素从所述潜在顾客在其中所述潜在顾客提供所述潜在客户信息的会话期间的次要动作中导出，当一动作直接涉及潜在客户信息的输入时，该动作是主要的，当一动作并非直接涉及所述潜在客户信息的输入时，该动作是次要的；

基于对具有与所述潜在顾客的属性相似的属性的顾客的顾客信息的分析来生成经验分数，所述顾客信息包括所述顾客的销售历史信息；

基于如由商业网络存储指示的所述销售机构和所述潜在顾客的人员之间的商业关系来生成联系分数，所述商业网络存储描述与各种机构相关联的人员之间的商业关系；以及

将所述潜在客户分数计算成所述分析分数、所述经验分数和所述联系分数的加权组合。

12.如权利要求11所述的计算机可读存储介质，其特征在于，所述经验分数的生成包括应用聚类算法来标识具有相似属性的顾客。

13.如权利要求11所述的计算机可读存储介质，其特征在于，所述潜在客户分数的生成包括生成评级分数，所述评级分数是从除了所述销售机构之外的机构对所述潜在顾客的一个或多个评级中导出的。

14.如权利要求11所述的计算机可读存储介质，其特征在于，所述商业网络存储指定每一个人的属性以及从两个人的属性以及他们与其他人的关系中导出的这两个人之间的关系的强度。

15.一种用于为销售机构鉴定商业潜在客户的计算机系统，包括：

存储商业网络存储和计算机可执行指令的存储器，所述商业网络存储描述与各种机构相关联的人员之间的商业关系，所述计算机可执行指令：

从潜在顾客接收包括所述潜在顾客的标识的潜在客户信息；

标识所述潜在顾客的属性；以及

基于以下内容来为所述潜在顾客生成潜在客户分数：

经验分数，所述经验分数是从对具有与所述潜在顾客的属性相似的属性的顾客的顾客信息的分析中导出的，所述顾客信息包括所述顾客的销售历史信息；以及

联系分数，所述联系分数基于如由所述商业网络存储指示的所述销售机构和所述潜在顾客的人员之间的商业关系，所述商业网络存储描述与各种机构相关联的人员之间的商业关系；以及

处理器，所述处理器用于执行存储在所述存储器中的所述计算机可执行指令。

Images