CN110363323A - 一种周期性客户拜访路线的智能规划方法、系统及设备 - Google Patents
一种周期性客户拜访路线的智能规划方法、系统及设备 Download PDFInfo
- Publication number
- CN110363323A CN110363323A CN201811382362.6A CN201811382362A CN110363323A CN 110363323 A CN110363323 A CN 110363323A CN 201811382362 A CN201811382362 A CN 201811382362A CN 110363323 A CN110363323 A CN 110363323A
- Authority
- CN
- China
- Prior art keywords
- client
- visit
- customer
- period
- route
- 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.)
- Granted
Links
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种周期性客户拜访路线的智能规划方法,包括对需要拜访的客户进行筛选调整形成拜访客户集合,再根据客户优先级选取当天需要拜访的客户子集,对当天的拜访客户子集按照各个客户的拜访要求与客户位置规划最短路径拜访路线,在当日拜访执行完毕后标记失访客户。最后通过设定最大周期的每日拜访计划来评估拜访计划的合理性。本发明有效的解决了客户拜访中的不同周期性要求以及临访客户与失访客户的情况,通过准确的规划每日的拜访路线,从而能够灵活的安排拜访任务并精确评估拜访任务的合理性。
Description
技术领域
本发明属于企业应用中客户拜访路线规划技术领域,特别涉及一种周期性客户拜访路线的智能规划方法、系统及设备。
背景技术
随着移动互联网的发展,CRM软件在移动设备上得到了广泛的应用,使得业务的精细化管理成为可能。SFA(销售能力自动化)是CRM客户关系管理系统的一个重要业务组件。SFA通过拜访目标制定、路线规划、设置执行规范、任务执行、执行结果分析等一系列功能对业务人员在外行为进行规范和引导,帮助业务人员正确高效的完成拜访规定步骤。
客户拜访路线规划作为客户拜访的基础功能,长久以来都是业务人员根据经验来设定。业务人员负责的客户几十个到几百个,甚至上千个,而且每个客户的要求拜访周期不同和拜访要求不同,例如A客户要求一周拜访一次,每次拜访10分钟;B客户要求两周拜访一次,每次拜访二十分钟;C客户要求一个月拜访一次,每次拜访半个小时;而且存在临访客户和失访客户,临访客户是拜访计划外临时加入拜访计划的客户,失访客户是按照计划去拜访但由于各种原因没能完成拜访的客户。
由于以上种种因素,导致业务人员根据经验来设定拜访路线计划存在制定计划复杂且工作量大,拜访计划不清晰没有长期的安排,不能很好适应计划临时改变,拜访路线的规划不能做到代价最小,而且最终的拜访工作量无法精确评估,无法衡量业务人员的拜访工作量是否匹配等问题。
发明内容
提供一种周期性客户拜访路线的智能规划方法、系统及设备,能够解决上述的拜访路线制定困难,拜访计划不清晰而且无法精确评估等问题,本发明能够精确灵活的为业务人员规划每天的拜访路线,从而能够高效的指导业务人员的拜访工作并进行评估,提升企业管理效率。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种周期性客户拜访路线的智能规划方法,包括以下步骤:
步骤(1),筛选当天需要拜访的客户并生成候选拜访客户集V:
步骤(2),根据客户优先级进行排序;
步骤(3),为候选拜访客户集V生成当天拜访路线计划:
步骤(4),更新客户优先级;
当日客户拜访执行后,更新客户状态,已拜访客户更新最近拜访日期,并更新客户优先级;
步骤(5),模拟拜访路线运行;
遍历业务人员的所有客户,获取客户中最大拜访周期,规划最大拜访周期内每天的拜访路线,根据生成的周期内的拜访线路来评估业务人员的拜访客户分配是否适当。
步骤(1)具体包括以下步骤:
业务人员的所有客户集C={C1,C2...Ci...Cn},Ci表示第i个客户,如果Cm为无效客户,或者已经拜访过且下一次拜访周期未到则不加入拜访候选集V,m=1,2……q,q为所有客户数;前一日该拜访而没有拜访的客户加入候选集V;当日临时需要拜访的客户加入候选集V;
客户属性包括:客户地址、要求拜访时长t、要求拜访周期和上次拜访日期。
步骤(2)具体包括以下步骤:
依据客户优先级从高到低排序,当前周期拜访的客户优先级取值为[0~1],优先级1最大,临访客户的优先级为1,当前周期拜访的客户优先级计算公式为:当前周期拜访的客户优先级=当天过去的周期天数/拜访周期天数;
拜访周期已过而仍未完成拜访的客户,拜访周期已过的客户优先级=当天过去的周期天数/拜访周期天数,优先级超过1,逾期未访的时间越长优先级越高。
步骤(3)具体包括以下步骤:
(301),从候选拜访客户集V中选取优先级最高的一位客户加入当日拜访客户集S;
(302)根据客户的位置,用路径动态规划算法规划拜访路线,使得拜访客户的路径最短;
(303)根据客户的拜访时长t,以及拜访路线从上一个客户到达此客户的路径时长T,判断所有客户的整体用时(t+T)是否达到当日工作时长,如果没有达到当日工作时长,则转步骤(301),否则当日拜访客户集S建立完成;当日拜访客户集S中遍历所有客户的整体路径最短,且整体拜访时长与路径时长最接近但不超过业务人员的工作时长;
(304)当日拜访客户集S包括N位客户,基于路径动态规划算法选择拜访起始客户,优先选择优先级最高的客户,或者选择距离业务人员指定位置最近的客户,拜访路线规划指定最后回到起始位置或者不指定最后的拜访位置。
路径动态规划算法具体包括以下步骤:
当日拜访客户集S={S1,S2...Si...Sj...Sp}是客户拜访集中的p位客户,客户Si到Sj的距离为Dij,计算从S1出发,拜访各客户一次且仅一次的最短路径,如果指定最后回到起始位置,则求从S1出发,拜访各客户一次且仅一次并返回S1的最短路径;客户之间的距离Dij根据业务人员设定的交通方式(公交,驾车等)来计算道路距离,Tij为从客户Si到客户Sj的路径时长;
L表示从S1到Si中间所可能经过的客户集合,L中的客户个数随动态规划的阶段数改变,L是包含除S1和Si两个客户之外的其余客户的集合;
指标函数Dk(i,L)表示从S1出发,经过L集合中所有客户一次最后到达Si的最短路径,k为L集合中客户个数;
路径动态规划的顺序递推关系为:
Dk(i,L)=min{Dk-1(j,L-{j})+Dij};
更新k,直到k=p-1,求得最短路径距离并得到拜访路径。
步骤(5)还包括以下步骤:如果周期内没有客户可以安排进拜访路线,则拜访客户安排不够;如果周期内有客户不能加入拜访线路,则拜访客户安排过多,根据模拟路线计划的运行结果调整业务人员分配的客户数。
一种周期性客户拜访路线的智能规划系统,包括拜访客户集生成单元、客户优先级排序单元、当天拜访路线规划单元、更新客户优先级单元和模拟单元;
拜访客户集生成单元筛选当天需要拜访的客户并生成候选拜访客户集V:
业务人员的所有客户集C={C1,C2...Ci...Cn},Ci表示第i个客户,如果Cm为无效客户,或者已经拜访过且下一次拜访周期未到则不加入拜访候选集V,m=1,2……q,q为所有客户数;前一日该拜访而没有拜访的客户加入候选集V;当日临时需要拜访的客户加入候选集V;
客户属性包括:客户地址、要求拜访时长t、要求拜访周期和上次拜访日期;
客户优先级排序单元根据客户优先级进行排序:
依据客户优先级从高到低排序,当前周期拜访的客户优先级取值为[0~1],优先级1最大,临访客户的优先级为1,当前周期拜访的客户优先级计算公式为:
当前周期拜访的客户优先级=当天过去的周期天数/拜访周期天数;
拜访周期已过而仍未完成拜访的客户,拜访周期已过的客户优先级=当天过去的周期天数/拜访周期天数,优先级超过1,逾期未访的时间越长优先级越高;
当天拜访路线规划单元为候选拜访客户集V生成当天拜访路线计划:
(301),从候选拜访客户集V中选取优先级最高的一位客户加入当日拜访客户集S;
(302)根据客户的位置,用路径动态规划算法规划拜访路线,要求满足拜访客户的路径最短;
(303)根据客户的拜访时长t,以及拜访路线从上一个客户到达此客户的路径时长T,判断所有客户的整体用时(t+T)是否达到当日工作时长,如果没有达到当日工作时长,则转步骤(301),否则当日拜访客户集S建立完成;当日拜访客户集S中遍历所有客户的整体路径最短,且整体拜访时长与路径时长最接近但不超过业务人员的工作时长;
(304)当日拜访客户集S包括N位客户,基于路径动态规划算法选择拜访起始客户,优先选择优先级最高的客户,或者选择距离业务人员指定位置(家或者业务人员所属工作单位)最近的客户,拜访路线规划指定最后回到起始位置或者不指定最后的拜访位置;
路径动态规划算法具体包括以下步骤:
当日拜访客户集S={S1,S2...Si...Sj...Sp}是客户拜访集中的p位客户,客户Si到Sj的距离为Dij,计算从S1出发,拜访各客户一次且仅一次的最短路径,如果指定最后回到起始位置,则计算从S1出发,拜访各客户一次且仅一次并返回S1的最短路径;客户之间的距离Dij不是地图上的直线距离,而是根据业务人员设定的交通方式(公交,驾车等)来计算道路距离,Tij为从客户Si到客户Sj的路径时长;
L表示从S1到Si中间所可能经过的客户集合,L中的个数随动态规划的阶段数改变,L是包含除S1和Si两个客户之外的其余客户的集合;
指标函数Dk(i,L)表示为从S1出发,经过L集合中所有客户一次最后到达Si的最短路径,k为L集合中客户个数;
动态规划的顺序递推关系为:
Dk(i,L)=min{Dk-1(j,L-{j})+Dij};
计算k=0,k=1,直到k=p-1,即可求得最短路径距离并得到拜访路径;
更新客户优先级单元更新客户优先级;
当日客户拜访执行后,更新客户状态,已拜访客户更新最近拜访日期,并更新客户优先级;
模拟单元模拟拜访路线运行;
遍历一个业务人员的所有客户,找出客户中最大拜访周期,规划这个周期内每天的拜访路线,根据生成的周期内的拜访线路来评估该业务人员的拜访客户分配是否适当;如果周期内没有客户可以安排进拜访路线,则拜访客户安排不够;如果周期内有客户不能加入拜访线路,则拜访客户安排过多;根据模拟路线计划的运行结果调整业务人员分配的客户数。
一种计算设备,包括:一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行一种周期性客户拜访路线的智能规划方法的指令。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行一种周期性客户拜访路线的智能规划方法。
与现有技术相比,本发明具有以下优点:
本发明针对业务人员需要拜访客户众多且拜访要求不同,基于动态规划的方法,为每天需要拜访的客户生成最短拜访路径,从而提高业务人员的拜访效率,客户的距离使用道路路径并加入交通时间,使得规划路径更符合实际工作情况;本发明通过模拟制定长期拜访计划,能够评估业务人员的工作内容并做出适当调整,从而合理安排业务人员的工作内容,提升企业管理效率。
具体实施方式
以下实施例只是描述性的,不是限定性的,不能以此限定本发明的保护范围。
为了使本发明的技术手段、创作特征、工作流程、使用方法达成目的与功效,且为了使该评价方法易于明白了解,下面结合具体实施例,进一步阐述本发明。
一种周期性客户拜访路线的智能规划方法,包括以下步骤:
步骤(1),筛选当天需要拜访的客户并生成候选拜访客户集V:
业务人员的所有客户集C={C1,C2...Ci...Cn},Ci表示第i个客户,如果Cm为无效客户,或者已经拜访过且下一次拜访周期未到则不加入拜访候选集V,m=1,2……q,q为所有客户数;前一日该拜访而没有拜访的客户加入候选集V;当日临时需要拜访的客户加入候选集V;客户属性包括:客户地址、要求拜访时长t、要求拜访周期和上次拜访日期;
步骤(2),根据客户优先级进行排序:
依据客户优先级从高到低排序,当前周期拜访的客户优先级取值为[0~1],优先级1最大,临访客户的优先级为1,当前周期拜访的客户优先级计算公式为:
当前周期拜访的客户优先级=当天过去的周期天数/拜访周期天数;例如客户C2要求五天拜访一次,则第一天的拜访优先级为1/5,即0.25,周五的拜访优先级为5/5,即达到最大1;
拜访周期已过而仍未完成拜访的客户,拜访周期已过的客户优先级=当天过去的周期天数/拜访周期天数,优先级超过1,逾期未访的时间越长优先级越高;
步骤(3),为候选拜访客户集V生成当天拜访路线计划:
(301),从候选拜访客户集V中选取优先级最高的一位客户加入当日拜访客户集S;
(302)根据客户的位置,用路径动态规划算法规划拜访路线,要求满足拜访客户的路径最短;
(303)根据客户的拜访时长t,以及拜访路线从上一个客户到达此客户的路径时长T,判断所有客户的整体用时(t+T)是否达到当日工作时长,如果没有达到当日工作时长,则转步骤(301),否则当日拜访客户集S建立完成;当日拜访客户集S中遍历所有客户的整体路径最短,且整体拜访时长与路径时长最接近但不超过业务人员的工作时长;
(304)当日拜访客户集S包括N位客户,基于路径动态规划算法选择拜访起始客户,优先选择优先级最高的客户,或者选择距离业务人员指定位置(家或者业务人员所属工作单位)最近的客户,拜访路线规划指定最后回到起始位置或者不指定最后的拜访位置;
路径动态规划算法具体包括以下步骤:
当日拜访客户集S={S1,S2...Si...Sj...Sp}是客户拜访集中的p位客户,客户Si到Sj的距离为Dij,计算从S1出发,拜访各客户一次且仅一次的最短路径,如果指定最后回到起始位置,则求从S1出发,拜访各客户一次且仅一次并返回S1的最短路径;客户之间的距离Dij不是地图上的直线距离,而是根据业务人员设定的交通方式(公交,驾车等)来计算道路距离,Tij为从客户Si到客户Sj的路径时长。
L表示从S1到Si中间所可能经过的客户集合,L中的个数随动态规划的阶段数改变,L是包含除S1和Si两个客户之外的其余客户的集合。
指标函数Dk(i,L)表示为从S1出发,经过L集合中所有客户一次最后到达Si的最短路径,k为L集合中客户个数。
动态规划的顺序递推关系为:
Dk(i,L)=min{Dk-1(j,L-{j})+Dij};
计算k=0,k=1,直到k=p-1,即可求得最短路径距离并得到拜访路径。
步骤(4),更新客户优先级;
当日客户拜访执行后,更新客户状态,已拜访客户更新最近拜访日期,并更新客户优先级;
步骤(5),模拟拜访路线运行;
遍历一个业务人员的所有客户,找出客户中最大拜访周期,规划这个周期内每天的拜访路线,根据生成的周期内的拜访线路来评估该业务人员的拜访客户分配是否适当。如果周期内没有客户可以安排进拜访路线,则拜访客户安排不够;如果周期内有客户不能加入拜访线路,则拜访客户安排过多。根据模拟路线计划的运行结果适当调整业务人员分配的客户数。
一种周期性客户拜访路线的智能规划系统,包括拜访客户集生成单元、客户优先级排序单元、当天拜访路线规划单元、更新客户优先级单元和模拟单元;
拜访客户集生成单元筛选当天需要拜访的客户并生成候选拜访客户集V:
业务人员的所有客户集C={C1,C2...Ci...Cn},Ci表示第i个客户,如果Cm为无效客户,或者已经拜访过且下一次拜访周期未到则不加入拜访候选集V,m=1,2……q,q为所有客户数;前一日该拜访而没有拜访的客户加入候选集V;当日临时需要拜访的客户加入候选集V;
客户属性包括:客户地址、要求拜访时长t、要求拜访周期和上次拜访日期;
客户优先级排序单元根据客户优先级进行排序:
依据客户优先级从高到低排序,当前周期拜访的客户优先级取值为[0~1],优先级1最大,临访客户的优先级为1,当前周期拜访的客户优先级计算公式为:
当前周期拜访的客户优先级=当天过去的周期天数/拜访周期天数;例如客户C2要求五天拜访一次,则第一天的拜访优先级为1/5,即0.25,周五的拜访优先级为5/5,即达到最大1;
拜访周期已过而仍未完成拜访的客户,拜访周期已过的客户优先级=当天过去的周期天数/拜访周期天数,优先级超过1,逾期未访的时间越长优先级越高;
当天拜访路线规划单元为候选拜访客户集V生成当天拜访路线计划:
(301),从候选拜访客户集V中选取优先级最高的一位客户加入当日拜访客户集S;
(302)根据客户的位置,用路径动态规划算法规划拜访路线,要求满足拜访客户的路径最短;
(303)根据客户的拜访时长t,以及拜访路线从上一个客户到达此客户的路径时长T,判断所有客户的整体用时(t+T)是否达到当日工作时长,如果没有达到当日工作时长,则转步骤(301),否则当日拜访客户集S建立完成;当日拜访客户集S中遍历所有客户的整体路径最短,且整体拜访时长与路径时长最接近但不超过业务人员的工作时长;
(304)当日拜访客户集S包括N位客户,基于路径动态规划算法选择拜访起始客户,优先选择优先级最高的客户,或者选择距离业务人员指定位置(家或者业务人员所属工作单位)最近的客户,拜访路线规划指定最后回到起始位置或者不指定最后的拜访位置;
路径动态规划算法具体包括以下步骤:
当日拜访客户集S={S1,S2...Si...Sj...Sp}是客户拜访集中的p位客户,客户Si到Sj的距离为Dij,计算从S1出发,拜访各客户一次且仅一次的最短路径,如果指定最后回到起始位置,则计算从S1出发,拜访各客户一次且仅一次并返回S1的最短路径;客户之间的距离Dij不是地图上的直线距离,而是根据业务人员设定的交通方式(公交,驾车等)来计算道路距离,Tij为从客户Si到客户Sj的路径时长;
L表示从S1到Si中间所可能经过的客户集合,L中的个数随动态规划的阶段数改变,L是包含除S1和Si两个客户之外的其余客户的集合;
指标函数Dk(i,L)表示为从S1出发,经过L集合中所有客户一次最后到达Si的最短路径,k为L集合中客户个数;
动态规划的顺序递推关系为:
Dk(i,L)=min{Dk-1(j,L-{j})+Dij};
D0(i,空集)=Di(k=1,2,…,p-1;i=2,3,…p);
计算k=0,k=1,直到k=p-1,即可求得最短路径距离并得到拜访路径;
更新客户优先级单元更新客户优先级;
当日客户拜访执行后,更新客户状态,已拜访客户更新最近拜访日期,并更新客户优先级;
模拟单元模拟拜访路线运行;
遍历一个业务人员的所有客户,找出客户中最大拜访周期,规划这个周期内每天的拜访路线,根据生成的周期内的拜访线路来评估该业务人员的拜访客户分配是否适当;如果周期内没有客户可以安排进拜访路线,则拜访客户安排不够;如果周期内有客户不能加入拜访线路,则拜访客户安排过多;根据模拟路线计划的运行结果调整业务人员分配的客户数。
一种计算设备,包括:一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行一种周期性客户拜访路线的智能规划方法的指令。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行一种周期性客户拜访路线的智能规划方法。
本领域内的技术人员可以对本发明进行改动或变型的设计但不脱离本发明的思想和范围。因此,如果本发明的这些修改和变型属于本发明权利要求及其等同的技术范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种周期性客户拜访路线的智能规划方法,其特征在于,包括以下步骤:
步骤(1),筛选当天需要拜访的客户并生成候选拜访客户集V:
步骤(2),根据客户优先级进行排序;
步骤(3),为候选拜访客户集V生成当天拜访路线计划:
步骤(4),更新客户优先级;
当日客户拜访执行后,更新客户状态,已拜访客户更新最近拜访日期,并更新客户优先级;
步骤(5),模拟拜访路线运行;
遍历业务人员的所有客户,获取客户中最大拜访周期,规划最大拜访周期内每天的拜访路线,根据生成的周期内的拜访线路来评估业务人员的拜访客户分配是否适当。
2.根据权利要求1所述的一种周期性客户拜访路线的智能规划方法,其特征在于,
步骤(1)具体包括以下步骤:
业务人员的所有客户集C={C1,C2...Ci...Cn},Ci表示第i个客户,如果Cm为无效客户,或者已经拜访过且下一次拜访周期未到则不加入拜访候选集V,m=1,2……q,q为所有客户数;前一日该拜访而没有拜访的客户加入候选集V;当日临时需要拜访的客户加入候选集V;
客户属性包括:客户地址、要求拜访时长t、要求拜访周期和上次拜访日期。
3.根据权利要求1所述的一种周期性客户拜访路线的智能规划方法,其特征在于,
步骤(2)具体包括以下步骤:
依据客户优先级从高到低排序,当前周期拜访的客户优先级取值为[0~1],优先级1最大,临访客户的优先级为1,当前周期拜访的客户优先级计算公式为:当前周期拜访的客户优先级=当天过去的周期天数/拜访周期天数;
拜访周期已过而仍未完成拜访的客户,拜访周期已过的客户优先级=当天过去的周期天数/拜访周期天数,优先级超过1,逾期未访的时间越长优先级越高。
4.根据权利要求1所述的一种周期性客户拜访路线的智能规划方法,其特征在于,
步骤(3)具体包括以下步骤:
(301),从候选拜访客户集V中选取优先级最高的一位客户加入当日拜访客户集S;
(302)根据客户的位置,用路径动态规划算法规划拜访路线,使得拜访客户的路径最短;
(303)根据客户的拜访时长t,以及拜访路线从上一个客户到达此客户的路径时长T,判断所有客户的整体用时(t+T)是否达到当日工作时长,如果没有达到当日工作时长,则转步骤(301),否则当日拜访客户集S建立完成;当日拜访客户集S中遍历所有客户的整体路径最短,且整体拜访时长与路径时长最接近但不超过业务人员的工作时长;
(304)当日拜访客户集S包括N位客户,基于路径动态规划算法选择拜访起始客户,优先选择优先级最高的客户,或者选择距离业务人员指定位置最近的客户,拜访路线规划指定最后回到起始位置或者不指定最后的拜访位置。
5.根据权利要求4所述的一种周期性客户拜访路线的智能规划方法,其特征在于,
路径动态规划算法具体包括以下步骤:
当日拜访客户集S={S1,S2...Si...Sj...Sp}是客户拜访集中的p位客户,客户Si到Sj的距离为Dij,计算从S1出发,拜访各客户一次且仅一次的最短路径,如果指定最后回到起始位置,则求从S1出发,拜访各客户一次且仅一次并返回S1的最短路径;客户之间的距离Dij根据业务人员设定的交通方式(公交,驾车等)来计算道路距离,Tij为从客户Si到客户Sj的路径时长;
L表示从S1到Si中间所可能经过的客户集合,L中的客户个数随动态规划的阶段数改变,L是包含除S1和Si两个客户之外的其余客户的集合;
指标函数Dk(i,L)表示从S1出发,经过L集合中所有客户一次最后到达Si的最短路径,k为L集合中客户个数;
路径动态规划的顺序递推关系为:
Dk(i,L)=min{Dk-1(j,L-{j})+Dij};
更新k,直到k=p-1,求得最短路径距离并得到拜访路径。
6.根据权利要求1所述的一种周期性客户拜访路线的智能规划方法,其特征在于,
步骤(5)还包括以下步骤:如果周期内没有客户可以安排进拜访路线,则拜访客户安排不够;如果周期内有客户不能加入拜访线路,则拜访客户安排过多,根据模拟路线计划的运行结果调整业务人员分配的客户数。
7.一种周期性客户拜访路线的智能规划系统,其特征在于,包括拜访客户集生成单元、客户优先级排序单元、当天拜访路线规划单元、更新客户优先级单元和模拟单元;
拜访客户集生成单元筛选当天需要拜访的客户并生成候选拜访客户集V:
业务人员的所有客户集C={C1,C2...Ci...Cn},Ci表示第i个客户,如果Cm为无效客户,或者已经拜访过且下一次拜访周期未到则不加入拜访候选集V,m=1,2……q,q为所有客户数;前一日该拜访而没有拜访的客户加入候选集V;当日临时需要拜访的客户加入候选集V;
客户属性包括:客户地址、要求拜访时长t、要求拜访周期和上次拜访日期;
客户优先级排序单元根据客户优先级进行排序:
依据客户优先级从高到低排序,当前周期拜访的客户优先级取值为[0~1],优先级1最大,临访客户的优先级为1,当前周期拜访的客户优先级计算公式为:
当前周期拜访的客户优先级=当天过去的周期天数/拜访周期天数;
拜访周期已过而仍未完成拜访的客户,拜访周期已过的客户优先级=当天过去的周期天数/拜访周期天数,优先级超过1,逾期未访的时间越长优先级越高;
当天拜访路线规划单元为候选拜访客户集V生成当天拜访路线计划:
(301),从候选拜访客户集V中选取优先级最高的一位客户加入当日拜访客户集S;
(302)根据客户的位置,用路径动态规划算法规划拜访路线,要求满足拜访客户的路径最短;
(303)根据客户的拜访时长t,以及拜访路线从上一个客户到达此客户的路径时长T,判断所有客户的整体用时(t+T)是否达到当日工作时长,如果没有达到当日工作时长,则转步骤(301),否则当日拜访客户集S建立完成;当日拜访客户集S中遍历所有客户的整体路径最短,且整体拜访时长与路径时长最接近但不超过业务人员的工作时长;
(304)当日拜访客户集S包括N位客户,基于路径动态规划算法选择拜访起始客户,优先选择优先级最高的客户,或者选择距离业务人员指定位置(家或者业务人员所属工作单位)最近的客户,拜访路线规划指定最后回到起始位置或者不指定最后的拜访位置;
路径动态规划算法具体包括以下步骤:
当日拜访客户集S={S1,S2...Si...Sj...Sp}是客户拜访集中的p位客户,客户Si到Sj的距离为Dij,计算从S1出发,拜访各客户一次且仅一次的最短路径,如果指定最后回到起始位置,则计算从S1出发,拜访各客户一次且仅一次并返回S1的最短路径;客户之间的距离Dij不是地图上的直线距离,而是根据业务人员设定的交通方式(公交,驾车等)来计算道路距离,Tij为从客户Si到客户Sj的路径时长;
L表示从S1到Si中间所可能经过的客户集合,L中的个数随动态规划的阶段数改变,L是包含除S1和Si两个客户之外的其余客户的集合;
指标函数Dk(i,L)表示为从S1出发,经过L集合中所有客户一次最后到达Si的最短路径,k为L集合中客户个数;
动态规划的顺序递推关系为:
Dk(i,L)=min{Dk-1(j,L-{j})+Dij};
计算k=0,k=1,直到k=p-1,即可求得最短路径距离并得到拜访路径;
更新客户优先级单元更新客户优先级;
当日客户拜访执行后,更新客户状态,已拜访客户更新最近拜访日期,并更新客户优先级;
模拟单元模拟拜访路线运行;
遍历一个业务人员的所有客户,找出客户中最大拜访周期,规划这个周期内每天的拜访路线,根据生成的周期内的拜访线路来评估该业务人员的拜访客户分配是否适当;如果周期内没有客户可以安排进拜访路线,则拜访客户安排不够;如果周期内有客户不能加入拜访线路,则拜访客户安排过多;根据模拟路线计划的运行结果调整业务人员分配的客户数。
8.一种计算设备,其特征在于,包括:
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至6所述的方法中的任一方法的指令。
9.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至6所述的方法中的任一方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811382362.6A CN110363323B (zh) | 2018-11-20 | 2018-11-20 | 一种周期性客户拜访路线的智能规划方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811382362.6A CN110363323B (zh) | 2018-11-20 | 2018-11-20 | 一种周期性客户拜访路线的智能规划方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110363323A true CN110363323A (zh) | 2019-10-22 |
CN110363323B CN110363323B (zh) | 2023-04-07 |
Family
ID=68214827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811382362.6A Active CN110363323B (zh) | 2018-11-20 | 2018-11-20 | 一种周期性客户拜访路线的智能规划方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110363323B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861397A (zh) * | 2020-07-22 | 2020-10-30 | 亿景智联(北京)科技有限公司 | 一种针对客户探访的智能排班平台 |
CN112132547A (zh) * | 2020-09-27 | 2020-12-25 | 杭州核盛网络科技有限公司 | 一种拜访计划生成方法、装置、计算机设备和存储介质 |
CN112213113A (zh) * | 2020-09-02 | 2021-01-12 | 中国第一汽车股份有限公司 | 智能驾驶移动装置的现实道路测试场景选择及规划方法 |
CN113203427A (zh) * | 2021-05-14 | 2021-08-03 | 杉数科技(北京)有限公司 | 一种路径规划方法、装置及服务器 |
CN113807582A (zh) * | 2021-09-17 | 2021-12-17 | 云程科技股份有限公司 | 一种基于机器学习最优化排程算法的药企新零售管理平台 |
CN116433245A (zh) * | 2023-06-09 | 2023-07-14 | 南京掌控网络科技有限公司 | 一种客户拜访计划生成方法及系统 |
CN117433557A (zh) * | 2023-12-21 | 2024-01-23 | 青岛智简尚达信息科技有限公司 | 一种客户拜访路线规划及导航方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107871232A (zh) * | 2017-10-19 | 2018-04-03 | 中国平安人寿保险股份有限公司 | 一种客户拜访计划的生成方法及其终端 |
CN108491964A (zh) * | 2018-03-13 | 2018-09-04 | 上海靖盈物联网科技有限公司 | 一种按照gps位置自动优化拜访路线的方法 |
-
2018
- 2018-11-20 CN CN201811382362.6A patent/CN110363323B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107871232A (zh) * | 2017-10-19 | 2018-04-03 | 中国平安人寿保险股份有限公司 | 一种客户拜访计划的生成方法及其终端 |
CN108491964A (zh) * | 2018-03-13 | 2018-09-04 | 上海靖盈物联网科技有限公司 | 一种按照gps位置自动优化拜访路线的方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861397A (zh) * | 2020-07-22 | 2020-10-30 | 亿景智联(北京)科技有限公司 | 一种针对客户探访的智能排班平台 |
CN112213113A (zh) * | 2020-09-02 | 2021-01-12 | 中国第一汽车股份有限公司 | 智能驾驶移动装置的现实道路测试场景选择及规划方法 |
CN112132547A (zh) * | 2020-09-27 | 2020-12-25 | 杭州核盛网络科技有限公司 | 一种拜访计划生成方法、装置、计算机设备和存储介质 |
CN113203427A (zh) * | 2021-05-14 | 2021-08-03 | 杉数科技(北京)有限公司 | 一种路径规划方法、装置及服务器 |
CN113807582A (zh) * | 2021-09-17 | 2021-12-17 | 云程科技股份有限公司 | 一种基于机器学习最优化排程算法的药企新零售管理平台 |
CN116433245A (zh) * | 2023-06-09 | 2023-07-14 | 南京掌控网络科技有限公司 | 一种客户拜访计划生成方法及系统 |
CN116433245B (zh) * | 2023-06-09 | 2023-09-15 | 南京掌控网络科技有限公司 | 一种客户拜访计划生成方法及系统 |
CN117433557A (zh) * | 2023-12-21 | 2024-01-23 | 青岛智简尚达信息科技有限公司 | 一种客户拜访路线规划及导航方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110363323B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363323A (zh) | 一种周期性客户拜访路线的智能规划方法、系统及设备 | |
Yahya et al. | Construction site layout planning using multi-objective artificial bee colony algorithm with Levy flights | |
Khatib | Integrating project risk management and value engineering in tendering processes | |
Pfeiffer et al. | Stability-oriented evaluation of rescheduling strategies, by using simulation | |
US20120246193A1 (en) | Depth-first search for target value problems | |
CN106203773A (zh) | 一种自动管理员工的方法及装置 | |
Liu et al. | A complete multiagent framework for robust and adaptable dynamic job shop scheduling | |
CN114971356A (zh) | 一种电力工程项目进度预测系统及方法 | |
US20140350984A1 (en) | Project management system and method | |
Reinschmidt et al. | Construction cash flow management system | |
Iizuka et al. | Satisfaction Structure of the Implementation Effect of Enterprise Resource Planning (ERP): An Analysis from the Management Style Perspective of Japanese Firms. | |
Marzouk et al. | Measuring sensitivity of procurement decisions using superiority and inferiority ranking | |
CN115423305A (zh) | It服务管理方法、装置及服务器 | |
Jagtap et al. | Planning, Scheduling, Budgeting and Tracking of a Multi-Storey Building Using Primavera P6 | |
CN111967751A (zh) | 工厂用工单派发方法、装置、计算机设备及存储介质 | |
RU2609092C1 (ru) | Способ и система для контроля обслуживания промышленных объектов | |
Aminbakhsh | Hybrid particle swarm optimization algorithm for obtaining pareto front of discrete time cost trade-off problem | |
Xie | Decision support for crew rostering in public transit: web-based optimization system for cyclic and non-cyclic rostering | |
RU2614512C2 (ru) | Способ и устройство для формирования рабочих заданий по обслуживанию промышленных объектов | |
Korb et al. | Evaluating multiskilling in residential construction projects using regional industry simulation | |
Ibrahim et al. | A systematic review for the implementation of risk management within construction of mega housing projects | |
Kletzander et al. | Hyper-heuristics for personnel scheduling domains | |
RU2609091C1 (ru) | Способ и система для формирования рабочих заданий по обслуживанию промышленных объектов | |
Grachev et al. | Incentive schemes in development of socio-economic systems | |
Pfeiffer et al. | Stability-oriented evaluation of hybrid rescheduling methods in a job-shop with machine breakdowns |
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 |