CN111242573A - 基于大数据和知识管理的客户关系管理系统 - Google Patents

基于大数据和知识管理的客户关系管理系统 Download PDF

Info

Publication number
CN111242573A
CN111242573A CN202010018143.0A CN202010018143A CN111242573A CN 111242573 A CN111242573 A CN 111242573A CN 202010018143 A CN202010018143 A CN 202010018143A CN 111242573 A CN111242573 A CN 111242573A
Authority
CN
China
Prior art keywords
data
unit
order
customer
input
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
Application number
CN202010018143.0A
Other languages
English (en)
Other versions
CN111242573B (zh
Inventor
张振威
周霓
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.)
Jiangsu Zhimou Technology Co ltd
Original Assignee
Jiangsu Zhimou Technology 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 Jiangsu Zhimou Technology Co ltd filed Critical Jiangsu Zhimou Technology Co ltd
Priority to CN202010018143.0A priority Critical patent/CN111242573B/zh
Publication of CN111242573A publication Critical patent/CN111242573A/zh
Application granted granted Critical
Publication of CN111242573B publication Critical patent/CN111242573B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/10—Office automation; Time management
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services
    • G06Q50/184—Intellectual property management

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Technology Law (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于大数据和知识管理技术领域，具体公开了基于大数据和知识管理的客户关系管理系统，该客户关系管理系统包括用于信息录入的数据输入模块、用于信息处理的数据处理模块、用于对数据处理之后进行显示的数据显示模块和用于接收客户反馈以及对客户进行相关描述的评价模块，本发明科学合理，使用安全方便，通过数据处理模块，根据客户的历史下单时间周期、历史下单数量和历史下单金额，对客户的忠诚度进行计算，并根据忠诚度的高低对客户进行排序，使得可以得知忠诚度最高的客户和忠诚度最低的客户，使得可以对企业与客户之间的关系进行及时地维护，可以有效的减少客户的流失，可以有效的维护企业与客户之间的关系。

Description

基于大数据和知识管理的客户关系管理系统
技术领域
本发明涉及大数据和知识管理技术领域，具体是基于大数据和知识管理的客户关系管理系统。
背景技术
随着社会的不断发展和科技的不断进步，企业的发展也逐渐走上了智能化的道路，客户是一个企业发展的重中之重，客户的多少关系到一个企业的存亡，所以，有效的对客户关系进行管理和发展，有助于企业不断的扩大自己的客户规模，进而不断扩大自己的企业规模；
现有的客户关系管理系统在使用时存在以下问题：
1、无法很好的对客户对于企业的重要程度进行排序，有时客户很热情的找企业订购生产商品，但是之后便没了下文，导致该客户的流失，并且，现有的客户关系管理系统无法告知企业哪些客户如果不及时维持将会流失；
2、当出现销售人员离职或者更换时，当新的销售人员接触到企业原有客户时，由于新的销售人员对客户不了解，导致客户对于销售人员的不信任和不满意，很容易导致客户的流失；
所以，急需一种基于大数据和知识管理的客户关系管理系统来解决上述问题。
发明内容
本发明的目的在于提供基于大数据和知识管理的客户关系管理系统，以解决现有技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：基于大数据和知识管理的客户关系管理系统，该客户关系管理系统包括用于信息录入的数据输入模块、用于信息处理的数据处理模块、用于对数据处理之后进行显示的数据显示模块和用于接收客户反馈以及对客户进行相关描述的评价模块；
所述数据输入模块的输出端电性连接数据处理模块的输入端，所述数据处理模块的输出端电性连接数据显示模块的输入端，所述评价模块的输出端电性连接数据输入模块和数据处理模块的输入端。
作为优选技术方案，所述数据输入模块包括标签添加单元和订单输入单元；
所述标签添加单元的输出端电性连接订单输入单元的输入端；
所述标签添加单元所添加的标签为客户名称，所述客户名称可以为企业名称、人名名称、单位名称，作为关于该客户的所有数据的数据包的标签，所述订单输入单元用于对客户下单的订单的相关数据进行输入，输入内容包括下单时间、发货时间、订单数量和订单金额，作为判断客户忠实度的判断依据。
作为优选技术方案，所述数据处理模块包括标签比对单元、数据调取单元、数据计算单元、数据库和数据排列单元；
所述标签添加单元的输出端电性连接标签比对单元的输入端，所述标签比对单元的输出端电性连接数据调取单元的输入端，所述数据调取单元的输出端电性连接数据计算单元的输入端，所述订单输入单元的输出端电性连接数据计算单元的输入端，所述数据计算单元的输出端电性连接数据库的输入端，所述数据库的输出端电性连接数据调取单元和数据排列单元的输入端；
所述标签比对单元用于根据标签添加单元所添加的客户标签，从数据库中寻找相同标签的数据包，所述数据调取单元用于对标签比对单元所寻找的相同标签的数据包进行调取，并读取数据包内部的数据，所述数据计算单元用于根据订单输入单元和数据调取单元所调取的相同标签的数据包对客户的忠实度进行计算，所述数据库用于对客户的数据包进行存储和记录，所述数据排列单元用于对数据库中所有客户的相同性质的数据进行降序排列，类似于所有客户的订单金额、订单数量数据进行降序排列。
作为优选技术方案，所述数据调取单元调取的客户数据包集合为Q＝{Q1,Q2,Q3,…,Qn}，其中，数据包Qi＝(Ti 1,Ti 2,Xi,Yi),其中，Ti 1表示该客户第i个数据包(即第i次下单)的下单时间，Ti 2表示该客户第i个数据包(即第i次下单)的发货时间，Xi表示该客户第i个数据包(即第i次下单)的订单数量，Yi表示该客户第i个数据包(即第i次下单)的订单金额，所述订单输入单元输入的本次客户下单的数据包为
Figure BDA0002359704200000041
客户下单的订单数量集合为X＝{X1，X2，X3，...，Xn，Xn+1}，客户下单的订单金额集合为Y＝{Y1，Y2，Y3，...，Yn，Yn+1}，客户相邻两次下单的周期为
Figure BDA0002359704200000042
组成下单周期的集合
Figure BDA0002359704200000043
根据公式：
Figure BDA0002359704200000044
Figure BDA0002359704200000045
Figure BDA0002359704200000046
其中，
Figure BDA0002359704200000047
表示平均每次的下单周期时长，
Figure BDA0002359704200000048
表示平均每次的下单数量，
Figure BDA0002359704200000049
表示平均每次的下单金额。
作为优选技术方案，所述忠诚度的总分值为Z，所述
Figure BDA00023597042000000410
和
Figure BDA00023597042000000411
作为影响客户忠诚度的因素，分别占忠诚度总分值Z的三分之一，即为
Figure BDA00023597042000000412
因为所有客户影响忠诚度的因素都是这三个，所以，分值的均分不会对最终结果造成影响；
所述数据排列单元排列的所有客户中平均每次下单周期时长最大值为
Figure BDA0002359704200000051
所述数据排列单元排列的所有客户中平均每次下单周期时长最小值为
Figure BDA0002359704200000052
根据公式：
Figure BDA0002359704200000053
其中，
Figure BDA0002359704200000054
表示客户平均每次的下单周期时长的忠诚度得分；
所述数据排列单元排列的所有客户中平均每次的下单数量最大值为
Figure BDA0002359704200000055
所述数据排列单元排列的所有客户中平均每次的下单数量最小值为
Figure BDA0002359704200000056
根据公式：
Figure BDA0002359704200000057
其中，
Figure BDA0002359704200000058
表示客户平均每次的下单数量的忠诚度得分；
所述数据排列单元排列的所有客户中平均每次的下单金额最大值为
Figure BDA0002359704200000059
所述数据排列单元排列的所有客户中平均每次的下单金额最小值为
Figure BDA00023597042000000510
根据公式：
Figure BDA00023597042000000511
其中，
Figure BDA00023597042000000512
表示客户平均每次的下单金额的忠诚度得分；
根据公式：
Figure BDA0002359704200000061
其中，Z总表示该客户的忠诚度得分。
作为优选技术方案，所述数据排列单元根据每一次客户通过订单输入单元输入订单信息时，对客户的忠诚度进行重新计算，并对所有客户的按照忠诚度由高至低进行降序排序。
作为优选技术方案，所述数据显示单元包括客户标记单元和数据显示单元；
所述数据排列单元的输出端电性连接客户标记单元和数据显示单元的输入端，所述客户标记单元的输出端电性连接数据显示单元的输入端；
所述客户标记单元用于根据数据排列单元对客户的忠诚度的排序，对忠诚度较低的客户进行标记，所述数据显示单元用于对数据排列单元排列的忠诚度数据和客户标记单元标记的客户进行显示，使得可以更加直观的对客户的忠诚度进行了解，便于根据客户的忠诚度对客户做出相应的措施来挽留客户。
作为优选技术方案，所述评价模块包括客户反馈单元和客户描述单元；
所述客户反馈单元的输出端电性连接数据库的输入端，所述客户描述单元的输出端电性连接标签添加单元的输入端；
所述客户反馈单元用于接收客户对于产品的反馈，并存储进入数据库中，有助于不断的对产品进行改进和完善，同时，可以通过对客户反馈次数的统计，确定是否为某一客户或者某几个客户多次反馈产品问题，有助于同客户进行相关产品问题的沟通，所述客户描述单元用于销售人员对客户的性别、年龄、性格、喜好进行描述，有助于后期更换销售人员时可以对客户更加的了解，避免出现更换销售人员，出现客户对新的销售人员不满意导致客户流失的现象。
与现有技术相比，本发明的有益效果是：
1、通过数据处理模块，根据客户的历史下单时间周期、历史下单数量和历史下单金额，对客户的忠诚度进行计算，并根据忠诚度的高低对客户进行排序，使得可以得知忠诚度最高的客户和忠诚度最低的客户，并对其进行显示，并对忠诚度较低的客户进行标记，根据企业实际情况，对企业与客户之间的关系进行及时地维护，可以有效的减少客户的流失，可以有效的维护企业与客户之间的关系。
2、设置有评价模块，评价模块可以接收客户对于企业生产产品的反馈评价，也可以对客户的各项信息进行描述和评价，使得可以根据客户反馈的次数以及客户集中反馈的时间，对产品的质量作出调整，使得可以不断的改进和完善产品质量，同时，通过对客户的特征信息描述，使得后来的销售人员可以准确的与之前的销售人员对接，避免新的销售人员不清楚客户的喜好等信号导致客户不满意，出现客户流失的现象，有助于不断的完善和巩固销售体系与客户之间的关系。
附图说明
图1为本发明基于大数据和知识管理的客户关系管理系统的模块组成示意图；
图2为本发明基于大数据和知识管理的客户关系管理系统的模块连接示意图；
图3为本发明基于大数据和知识管理的客户关系管理系统的订单输入单元输入的信息示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1-3所示，基于大数据和知识管理的客户关系管理系统，该客户关系管理系统包括用于信息录入的数据输入模块、用于信息处理的数据处理模块、用于对数据处理之后进行显示的数据显示模块和用于接收客户反馈以及对客户进行相关描述的评价模块；
数据输入模块的输出端电性连接数据处理模块的输入端，数据处理模块的输出端电性连接数据显示模块的输入端，评价模块的输出端电性连接数据输入模块和数据处理模块的输入端。
数据输入模块包括标签添加单元和订单输入单元；
标签添加单元的输出端电性连接订单输入单元的输入端；
标签添加单元：所添加的标签为客户名称，客户名称可以为企业名称、人名名称、单位名称，作为关于该客户的所有数据的数据包的标签；
订单输入单元：用于对客户下单的订单的相关数据进行输入，输入内容包括下单时间、发货时间、订单数量和订单金额，作为判断客户忠实度的判断依据。
数据处理模块包括标签比对单元、数据调取单元、数据计算单元、数据库和数据排列单元；
标签添加单元的输出端电性连接标签比对单元的输入端，标签比对单元的输出端电性连接数据调取单元的输入端，数据调取单元的输出端电性连接数据计算单元的输入端，订单输入单元的输出端电性连接数据计算单元的输入端，数据计算单元的输出端电性连接数据库的输入端，数据库的输出端电性连接数据调取单元和数据排列单元的输入端；
标签比对单元：用于根据标签添加单元所添加的客户标签，从数据库中寻找相同标签的数据包；
数据调取单元：用于对标签比对单元所寻找的相同标签的数据包进行调取，并读取数据包内部的数据；
数据计算单元：用于根据订单输入单元和数据调取单元所调取的相同标签的数据包对客户的忠实度进行计算；
数据库：用于对客户的数据包进行存储和记录；
数据排列单元：用于对数据库中所有客户的相同性质的数据进行降序排列，类似于所有客户的订单金额、订单数量数据进行降序排列。
数据调取单元调取的客户数据包集合为Q＝{Q1，Q2，Q3，…，Qn}，其中，数据包Qi＝(Ti 1，Ti 2，Xi，Yi)，其中，Ti 1表示该客户第i个数据包(即第i次下单)的下单时间，Ti 2表示该客户第i个数据包(即第i次下单)的发货时间，Xi表示该客户第i个数据包(即第i次下单)的订单数量，Yi表示该客户第i个数据包(即第i次下单)的订单金额，订单输入单元输入的本次客户下单的数据包为
Figure BDA0002359704200000101
客户下单的订单数量集合为X＝{X1，X2，X3，...，Xn，Xn+1}，客户下单的订单金额集合为Y＝{Y1，Y2，Y3，...，Yn，Yn+1}，客户相邻两次下单的周期为
Figure BDA0002359704200000102
组成下单周期的集合
Figure BDA0002359704200000103
根据公式：
Figure BDA0002359704200000104
Figure BDA0002359704200000105
Figure BDA0002359704200000111
其中，
Figure BDA0002359704200000112
表示平均每次的下单周期时长，
Figure BDA0002359704200000113
表示平均每次的下单数量，
Figure BDA0002359704200000114
表示平均每次的下单金额。
忠诚度的总分值为Z，
Figure BDA0002359704200000115
和
Figure BDA0002359704200000116
作为影响客户忠诚度的因素，分别占忠诚度总分值Z的三分之一，即为
Figure BDA0002359704200000117
因为所有客户影响忠诚度的因素都是这三个，所以，分值的均分不会对最终结果造成影响；
数据排列单元排列的所有客户中平均每次下单周期时长最大值为
Figure BDA0002359704200000118
数据排列单元排列的所有客户中平均每次下单周期时长最小值为
Figure BDA0002359704200000119
根据公式：
Figure BDA00023597042000001110
其中，
Figure BDA00023597042000001111
表示客户平均每次的下单周期时长的忠诚度得分；
数据排列单元排列的所有客户中平均每次的下单数量最大值为
Figure BDA00023597042000001112
数据排列单元排列的所有客户中平均每次的下单数量最小值为
Figure BDA00023597042000001113
根据公式：
Figure BDA00023597042000001114
其中，
Figure BDA0002359704200000121
表示客户平均每次的下单数量的忠诚度得分；
数据排列单元排列的所有客户中平均每次的下单金额最大值为
Figure BDA0002359704200000122
数据排列单元排列的所有客户中平均每次的下单金额最小值为
Figure BDA0002359704200000123
根据公式：
Figure BDA0002359704200000124
其中，
Figure BDA0002359704200000125
表示客户平均每次的下单金额的忠诚度得分；
根据公式：
Figure BDA0002359704200000126
其中，Z总表示该客户的忠诚度得分。
数据排列单元根据每一次客户通过订单输入单元输入订单信息时，对客户的忠诚度进行重新计算，并对所有客户的按照忠诚度由高至低进行降序排序。
作为优选技术方案，数据显示单元包括客户标记单元和数据显示单元；
数据排列单元的输出端电性连接客户标记单元和数据显示单元的输入端，客户标记单元的输出端电性连接数据显示单元的输入端；
客户标记单元：
用于根据数据排列单元对客户的忠诚度的排序，对忠诚度较低的客户进行标记；
数据显示单元：用于对数据排列单元排列的忠诚度数据和客户标记单元标记的客户进行显示，使得可以更加直观的对客户的忠诚度进行了解，便于根据客户的忠诚度对客户做出相应的措施来挽留客户。
评价模块包括客户反馈单元和客户描述单元；
客户反馈单元的输出端电性连接数据库的输入端，客户描述单元的输出端电性连接标签添加单元的输入端；
客户反馈单元：用于接收客户对于产品的反馈，并存储进入数据库中，有助于不断的对产品进行改进和完善，同时，可以通过对客户反馈次数的统计，确定是否为某一客户或者某几个客户多次反馈产品问题，有助于同客户进行相关产品问题的沟通；
客户描述单元：用于销售人员对客户的性别、年龄、性格、喜好进行描述，有助于后期更换销售人员时可以对客户更加的了解，避免出现更换销售人员，导致客户对新的销售人员不满意导致客户流失的现象。
实施例：
数据调取单元调取的客户数据包集合为Q＝{Q1,Q2,Q3,…,Qn}，其中，数据包Qi＝(Ti 1,Ti 2,Xi,Yi),其中，Ti 1表示该客户第i个数据包(即第i次下单)的下单时间，Ti 2表示该客户第i个数据包(即第i次下单)的发货时间，Xi表示该客户第i个数据包(即第i次下单)的订单数量，Yi表示该客户第i个数据包(即第i次下单)的订单金额，订单输入单元输入的本次客户下单的数据包为
Figure BDA0002359704200000141
客户下单的订单数量集合为X＝{50，80，60，60，100，80}，客户下单的订单金额集合为Y＝{5000，7500，5800，5800，9000，7500}，客户相邻两次下单的周期为
Figure BDA0002359704200000142
组成下单周期的集合P＝{32，45，38，40，68}，根据公式：
Figure BDA0002359704200000143
Figure BDA0002359704200000144
Figure BDA0002359704200000145
其中，
Figure BDA0002359704200000146
表示平均每次的下单周期时长，单位为天，
Figure BDA0002359704200000147
表示平均每次的下单数量，
Figure BDA0002359704200000148
表示平均每次的下单金额。
忠诚度的总分值为Z＝300，
Figure BDA0002359704200000149
和
Figure BDA00023597042000001410
作为影响客户忠诚度的因素，分别占忠诚度总分值Z＝300的三分之一，即为100，因为所有客户影响忠诚度的因素都是这三个，所以，分值的均分不会对最终结果造成影响；
数据排列单元排列的所有客户中平均每次下单周期时长最大值为
Figure BDA0002359704200000151
数据排列单元排列的所有客户中平均每次下单周期时长最小值为
Figure BDA0002359704200000152
根据公式：
Figure BDA0002359704200000153
其中，
Figure BDA0002359704200000154
表示客户平均每次的下单周期时长的忠诚度得分；
数据排列单元排列的所有客户中平均每次的下单数量最大值为
Figure BDA0002359704200000155
数据排列单元排列的所有客户中平均每次的下单数量最小值为
Figure BDA0002359704200000156
根据公式：
Figure BDA0002359704200000157
其中，
Figure BDA0002359704200000158
表示客户平均每次的下单数量的忠诚度得分；
数据排列单元排列的所有客户中平均每次的下单金额最大值为
Figure BDA0002359704200000161
数据排列单元排列的所有客户中平均每次的下单金额最小值为
Figure BDA0002359704200000162
根据公式：
Figure BDA0002359704200000163
其中，
Figure BDA0002359704200000164
表示客户平均每次的下单金额的忠诚度得分；
根据公式：
Figure BDA0002359704200000165
其中，Z总＝155.2775表示该客户的忠诚度得分。
通过对所有客户忠诚度的计算，然后利用数据排列单元对忠诚度由高至低进行降序排序，得到该名客户对于企业的忠诚度，有助于企业判断是否需要采取措施维护与该名客户的客户关系。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (8)

1.基于大数据和知识管理的客户关系管理系统，其特征在于：该客户关系管理系统包括用于信息录入的数据输入模块、用于信息处理的数据处理模块、用于对数据处理之后进行显示的数据显示模块和用于接收客户反馈以及对客户进行相关描述的评价模块；
所述数据输入模块的输出端电性连接数据处理模块的输入端，所述数据处理模块的输出端电性连接数据显示模块的输入端，所述评价模块的输出端电性连接数据输入模块和数据处理模块的输入端。
2.根据权利要求1所述的基于大数据和知识管理的客户关系管理系统，其特征在于：所述数据输入模块包括标签添加单元和订单输入单元；
所述标签添加单元的输出端电性连接订单输入单元的输入端；
所述标签添加单元所添加的标签为客户名称，作为关于该客户的所有数据的数据包的标签，所述订单输入单元用于对客户下单的订单的相关数据进行输入，作为判断客户忠实度的判断依据。
3.根据权利要求2所述的基于大数据和知识管理的客户关系管理系统，其特征在于：所述数据处理模块包括标签比对单元、数据调取单元、数据计算单元、数据库和数据排列单元；
所述标签添加单元的输出端电性连接标签比对单元的输入端，所述标签比对单元的输出端电性连接数据调取单元的输入端，所述数据调取单元的输出端电性连接数据计算单元的输入端，所述订单输入单元的输出端电性连接数据计算单元的输入端，所述数据计算单元的输出端电性连接数据库的输入端，所述数据库的输出端电性连接数据调取单元和数据排列单元的输入端；
所述标签比对单元用于根据标签添加单元所添加的客户标签，从数据库中寻找相同标签的数据包，所述数据调取单元用于对标签比对单元所寻找的相同标签的数据包进行调取，并读取数据包内部的数据，所述数据计算单元用于根据订单输入单元和数据调取单元所调取的相同标签的数据包对客户的忠实度进行计算，所述数据库用于对客户的数据包进行存储和记录，所述数据排列单元用于对数据库中所有客户的相同性质的数据进行降序排列。
4.根据权利要求3所述的基于大数据和知识管理的客户关系管理系统，其特征在于：所述数据调取单元调取的客户数据包集合为Q＝{Q1,Q2,Q3,…,Qn}，其中，数据包Qi＝(Ti 1，Ti 2，Xi，Xi)，其中，Ti 1表示该客户第i个数据包(即第i次下单)的下单时间，Ti 2表示该客户第i个数据包(即第i次下单)的发货时间，Xi表示该客户第i个数据包(即第i次下单)的订单数量，Yi表示该客户第i个数据包(即第i次下单)的订单金额，所述订单输入单元输入的本次客户下单的数据包为
Figure FDA0002359704190000031
客户下单的订单数量集合为X＝{X1，X2，X3，...，Xn，Xn+1}，客户下单的订单金额集合为Y＝{Y1，Y2，Y3，...，Yn，Yn+1}，客户相邻两次下单的周期为
Figure FDA0002359704190000032
组成下单周期的集合
Figure FDA0002359704190000033
根据公式：
Figure FDA0002359704190000034
Figure FDA0002359704190000035
Figure FDA0002359704190000036
其中，
Figure FDA0002359704190000037
表示平均每次的下单周期时长，
Figure FDA0002359704190000038
表示平均每次的下单数量，
Figure FDA0002359704190000039
表示平均每次的下单金额。
5.根据权利要求4所述的基于大数据和知识管理的客户关系管理系统，其特征在于：所述忠诚度的总分值为Z，所述
Figure FDA00023597041900000310
和
Figure FDA00023597041900000311
作为影响客户忠诚度的因素，分别占忠诚度总分值Z的三分之一，即为
Figure FDA00023597041900000312
所述数据排列单元排列的所有客户中平均每次下单周期时长最大值为
Figure FDA0002359704190000041
所述数据排列单元排列的所有客户中平均每次下单周期时长最小值为
Figure FDA0002359704190000042
根据公式：
Figure FDA0002359704190000043
其中，
Figure FDA0002359704190000044
表示客户平均每次的下单周期时长的忠诚度得分；
所述数据排列单元排列的所有客户中平均每次的下单数量最大值为
Figure FDA0002359704190000045
所述数据排列单元排列的所有客户中平均每次的下单数量最小值为
Figure FDA0002359704190000046
根据公式：
Figure FDA0002359704190000047
其中，
Figure FDA0002359704190000048
表示客户平均每次的下单数量的忠诚度得分；
所述数据排列单元排列的所有客户中平均每次的下单金额最大值为
Figure FDA0002359704190000049
所述数据排列单元排列的所有客户中平均每次的下单金额最小值为
Figure FDA00023597041900000410
根据公式：
Figure FDA00023597041900000411
其中，
Figure FDA00023597041900000412
表示客户平均每次的下单金额的忠诚度得分；
根据公式：
Figure FDA0002359704190000051
其中，Z总表示该客户的忠诚度得分。
6.根据权利要求5所述的基于大数据和知识管理的客户关系管理系统，其特征在于：所述数据排列单元根据每一次客户通过订单输入单元输入订单信息时，对客户的忠诚度进行重新计算，并对所有客户的按照忠诚度由高至低进行降序排序。
7.根据权利要求6所述的基于大数据和知识管理的客户关系管理系统，其特征在于：所述数据显示单元包括客户标记单元和数据显示单元；
所述数据排列单元的输出端电性连接客户标记单元和数据显示单元的输入端，所述客户标记单元的输出端电性连接数据显示单元的输入端；
所述客户标记单元用于根据数据排列单元对客户的忠诚度的排序，对忠诚度较低的客户进行标记，所述数据显示单元用于对数据排列单元排列的忠诚度数据和客户标记单元标记的客户进行显示。
8.根据权利要求7所述的基于大数据和知识管理的客户关系管理系统，其特征在于：所述评价模块包括客户反馈单元和客户描述单元；
所述客户反馈单元的输出端电性连接数据库的输入端，所述客户描述单元的输出端电性连接标签添加单元的输入端；
所述客户反馈单元用于接收客户对于产品的反馈，并存储进入数据库中，所述客户描述单元用于销售人员对客户的性别、年龄、性格、喜好进行描述。
CN202010018143.0A 2020-01-08 2020-01-08 基于大数据和知识管理的客户关系管理系统 Active CN111242573B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010018143.0A CN111242573B (zh) 2020-01-08 2020-01-08 基于大数据和知识管理的客户关系管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010018143.0A CN111242573B (zh) 2020-01-08 2020-01-08 基于大数据和知识管理的客户关系管理系统

Publications (2)

Publication Number Publication Date
CN111242573A true CN111242573A (zh) 2020-06-05
CN111242573B CN111242573B (zh) 2021-01-29

Family

ID=70874402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010018143.0A Active CN111242573B (zh) 2020-01-08 2020-01-08 基于大数据和知识管理的客户关系管理系统

Country Status (1)

Country Link
CN (1) CN111242573B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111833108A (zh) * 2020-07-17 2020-10-27 上海国际技贸联合有限公司 一种信息采集分析处理系统、方法以及存储介质
CN113642945A (zh) * 2021-10-15 2021-11-12 商运(江苏)科创发展有限公司 多源数据融合的客户管理数据处理系统及方法
CN114055089A (zh) * 2021-11-23 2022-02-18 镇江龙源铝业有限公司 一种动力电池盖板用铝带的制备方法
WO2022108542A1 (en) * 2020-11-23 2022-05-27 Ulak Ceren Customer relationship management system
CN114626870A (zh) * 2020-12-11 2022-06-14 上海永银软件科技有限公司 一种企业数据智能分析系统及其分析方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080065471A1 (en) * 2003-08-25 2008-03-13 Tom Reynolds Determining strategies for increasing loyalty of a population to an entity
CN107451748A (zh) * 2017-08-10 2017-12-08 北京奇鱼时代科技有限公司 一种客户关系管理系统中客户公海管理方法
CN107644369A (zh) * 2017-10-19 2018-01-30 深圳市国电科技通信有限公司 一种汽车租赁用户的信用评估方法及系统
CN108352018A (zh) * 2015-08-20 2018-07-31 万事达卡国际股份有限公司 用于社交网络中的信贷的方法和系统
CN108428155A (zh) * 2018-03-20 2018-08-21 南京邮电大学 一种基于业务特征模型的行为处理分析方法
CN108549674A (zh) * 2018-03-30 2018-09-18 咪咕文化科技有限公司 一种推荐方法、装置及存储介质
CN108776931A (zh) * 2018-04-13 2018-11-09 上海琢学科技有限公司 基于RFM和Canopy的金融客户价值忠诚度细分方法
CN109903080A (zh) * 2019-01-21 2019-06-18 深圳中利汇信息技术有限公司 一种用于电商平台的客户分析系统
US10360571B2 (en) * 2013-07-19 2019-07-23 Alpha Modus, Corp. Method for monitoring and analyzing behavior and uses thereof
CN110147965A (zh) * 2019-05-27 2019-08-20 安徽省鼎众金融信息咨询服务有限公司 一种基于大数据的客户分析系统
CN110245958A (zh) * 2019-01-14 2019-09-17 北京纷扬科技有限责任公司 一种基于crm系统的客户智能打分方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080065471A1 (en) * 2003-08-25 2008-03-13 Tom Reynolds Determining strategies for increasing loyalty of a population to an entity
US10360571B2 (en) * 2013-07-19 2019-07-23 Alpha Modus, Corp. Method for monitoring and analyzing behavior and uses thereof
CN108352018A (zh) * 2015-08-20 2018-07-31 万事达卡国际股份有限公司 用于社交网络中的信贷的方法和系统
CN107451748A (zh) * 2017-08-10 2017-12-08 北京奇鱼时代科技有限公司 一种客户关系管理系统中客户公海管理方法
CN107644369A (zh) * 2017-10-19 2018-01-30 深圳市国电科技通信有限公司 一种汽车租赁用户的信用评估方法及系统
CN108428155A (zh) * 2018-03-20 2018-08-21 南京邮电大学 一种基于业务特征模型的行为处理分析方法
CN108549674A (zh) * 2018-03-30 2018-09-18 咪咕文化科技有限公司 一种推荐方法、装置及存储介质
CN108776931A (zh) * 2018-04-13 2018-11-09 上海琢学科技有限公司 基于RFM和Canopy的金融客户价值忠诚度细分方法
CN110245958A (zh) * 2019-01-14 2019-09-17 北京纷扬科技有限责任公司 一种基于crm系统的客户智能打分方法及系统
CN109903080A (zh) * 2019-01-21 2019-06-18 深圳中利汇信息技术有限公司 一种用于电商平台的客户分析系统
CN110147965A (zh) * 2019-05-27 2019-08-20 安徽省鼎众金融信息咨询服务有限公司 一种基于大数据的客户分析系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李嘉彬 等: ""基于大数据平台的用户行为分析研究"", 《信息安全与通信保密》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111833108A (zh) * 2020-07-17 2020-10-27 上海国际技贸联合有限公司 一种信息采集分析处理系统、方法以及存储介质
WO2022108542A1 (en) * 2020-11-23 2022-05-27 Ulak Ceren Customer relationship management system
CN114626870A (zh) * 2020-12-11 2022-06-14 上海永银软件科技有限公司 一种企业数据智能分析系统及其分析方法
CN114626870B (zh) * 2020-12-11 2024-04-02 上海永银软件科技有限公司 一种企业数据智能分析系统及其分析方法
CN113642945A (zh) * 2021-10-15 2021-11-12 商运(江苏)科创发展有限公司 多源数据融合的客户管理数据处理系统及方法
CN113642945B (zh) * 2021-10-15 2022-02-25 商运(江苏)科创发展有限公司 多源数据融合的客户管理数据处理系统及方法
CN114055089A (zh) * 2021-11-23 2022-02-18 镇江龙源铝业有限公司 一种动力电池盖板用铝带的制备方法

Also Published As

Publication number Publication date
CN111242573B (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN111242573B (zh) 基于大数据和知识管理的客户关系管理系统
CN110751497B (zh) 一种商品补货方法和装置
Hawes et al. A taxonomy of competitive retailing strategies
CN108388955A (zh) 基于随机森林和逻辑回归的客户服务策略制定方法、装置
CN105045909B (zh) 从文本中识别商品名称的方法和装置
CN106651418A (zh) 针对电商满减活动的凑单商品推荐的方法
CN111489201A (zh) 一种客户价值分析的方法、设备、存储介质
CN112288374B (zh) 一种基于云计算的智慧供应链物流智能优化管理系统
CN113469722A (zh) 消费预测系统及消费预测方法
CN107832338A (zh) 一种识别核心产品词的方法和系统
CN107895299A (zh) 一种商品的曝光排序方法和装置
CN115496566B (zh) 基于大数据的地区特产推荐方法及系统
CN108932648A (zh) 一种预测商品属性数据及训练其模型的方法和装置
CN114782076A (zh) 一种线上商城消费平台奖券积分兑换智能管理方法、系统及计算机存储介质
CN109740036A (zh) Ota平台酒店排序方法及装置
CN116579804A (zh) 一种节假日商品销量预测方法、装置及计算机存储介质
CN108197825A (zh) 系统调度方法及装置
CN111339410A (zh) 一种基于大数据的网络安全产品销售系统
CN117217793A (zh) 一种餐食分析大数据平台
CN116012115A (zh) 一种基于商品图谱及供应链的人群兴趣动态标签方法
CN108038735A (zh) 数据生成方法及装置
CN114971805A (zh) 一种基于深度学习的电子商务平台商品智能分析推荐系统
CN107357847A (zh) 数据处理方法及其装置
CN111242674A (zh) 一种基于计算机软件分析消费习惯的方法
Wellens et al. Increased bullwhip in retail: A side effect of improving forecast accuracy with more data?

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