CN111292140A - 一种线上客户智能分配方法 - Google Patents
一种线上客户智能分配方法 Download PDFInfo
- Publication number
- CN111292140A CN111292140A CN202010195734.5A CN202010195734A CN111292140A CN 111292140 A CN111292140 A CN 111292140A CN 202010195734 A CN202010195734 A CN 202010195734A CN 111292140 A CN111292140 A CN 111292140A
- Authority
- CN
- China
- Prior art keywords
- client
- customer
- clients
- business
- judging
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000003203 everyday effect Effects 0.000 claims abstract description 6
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
- 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
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于房产销售技术领域,具体公开了一种线上客户智能分配方法,包括以下步骤:步骤一:新客的判断,根据该客户是否在线上售房平台上是否建档来判断;步骤二:有效客户的判断,根据该客户是否在线上售房平台是否产生有效的浏览数据来判断;步骤三:客户成交概率的计算,根据客户的行为数据来判断客户的成交概率;步骤四:心仪楼盘和心仪户型的确定,根据客户的浏览行为来判断客户的心仪楼盘;步骤五:客户的分配,根据当前楼盘的置业顾问个数和置业顾问每天最大服务客户量,依次选取客户进行分配。上述方法,能够解决现有技术中由于客户量大、置业顾问量少导致的服务不到位、以及由于未对购房意向进行判断带来的浪费人力的问题。
Description
技术领域
本发明属于房产销售技术领域,尤其涉及一种线上客户智能分配方法。
背景技术
随着互联网的发展,很多开发商都有自己的线上售房平台,客户也能足不出户看房、买房。随着线上看房买房的兴起,线上的客户也越来越多。客户的成交不仅与房价、房子的自身结构等客观因素有关,还与置业顾问的服务态度和质量的态度等主观因素有关。目前客户的分配需要管理人员判断该客户建档楼盘,然后手动分配给对应楼盘的置业顾问。由于线上客户量非常多,进气平均每天一个楼盘的新客访问量在200组左右,若每个楼盘的置业顾问数为10个,那么每天一个置业顾问将会负责20个客户,置业顾问需要对分配的客户进行建档和持续跟进,由于客户量大极有可能导致置业顾问的服务不到位。并且并不是所有的来访客户都是有购房意向的,比如有的是误点进入,并无有效的浏览,对这种客户进行分配和建档只是徒劳。
发明内容
本发明的目的在于提供一种线上客户智能分配方法,以解决现有技术中由于客户量大、置业顾问量少导致的服务不到位、以及由于未对购房意向进行判断带来的浪费人力的问题。
为了达到上述目的,本发明的技术方案为:一种线上客户智能分配方法,包括以下步骤:
步骤一:新客的判断,根据该客户是否在线上售房平台上是否建档来判断;
步骤二:有效客户的判断,根据该客户是否在线上售房平台是否产生有效的浏览数据来判断;
步骤三:客户成交概率的计算,根据客户的行为数据来判断客户的成交概率;
步骤四:心仪楼盘和心仪户型的确定,根据客户的浏览行为来判断客户的心仪楼盘;
步骤五:客户的分配,对客户成交概率进行降序排列,根据当前楼盘的置业顾问个数和置业顾问每天最大服务客户量,依次选取客户进行分配。
进一步,在步骤一中,线上售房平台根据每日客户的浏览数据建立客户行为数据表,将客户行为数据表中的客户ID与客户建档表中的客户ID建立关联;若关联不成功,则表示客户未建档,即认为该客户是新客;反之,若关联成功,则该客户不是新客。
进一步,在步骤二中,有效的浏览数据包括客户进入某个楼盘,产生了浏览户型详情的行为。
进一步,在步骤三中,所述成交概率与客户在线上售房平台的浏览天数呈正相关。
进一步,在步骤四中,根据客户对每个楼盘的点击次数以及浏览时长来判断客户的心仪楼盘和心仪户型。
进一步,在步骤五中,根据步骤四中确定的客户的心仪楼盘和心仪户型进行置业顾问的分配,优先分配销售该心仪户型排名靠前且剩余服务量最多的置业顾问,置业顾问对分配的客户进行建档和跟进。
进一步,在步骤五中,若销售该心仪户型的置业顾问的服务量达到最大值,则分配给当前剩余服务量最多的置业顾问。
进一步,在步骤五中,若当日的新客来访量大于置业顾问总的服务量,则暂时舍弃成交概率低的客户。
进一步,当暂时被舍弃的客户再次产生步骤二中的浏览数据时,则根据步骤三重新计算该客户的成交概率。
进一步,在步骤三中,使用机器学习算法XGBoost来计算客户成交概率。
本技术方案的有益效果在于:①本技术方案通过对当日新客进行是否为有效客户的判断,直接排除了无效客户,再根据客户的成交概率,直接排除了成交概率低的客户,从而对来访新客进行了大致的筛选,有效降低了置业顾问需要接待的客户量,使置业顾问能够把时间花在有效客户和成交概率高的客户身上,做到了人力资源的合理利用。②本技术方案根据客户的心仪楼盘和心仪户型,为其优先分配销售该心仪户型排名靠前且剩余服务量最多的置业顾问,从而从一定程度上保证了服务质量,提高成交率。
附图说明
图1为本发明一种线上客户智能分配方法的流程图;
图2为客户分配的具体流程图。
具体实施方式
下面通过具体实施方式进一步详细说明:
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。
实施例基本如附图1-2所示:一种线上客户智能分配方法,包括以下步骤:
步骤一:新客的判断,根据该客户是否在线上售房平台上是否建档来判断;未建档客户包括没有行为数据以及有行为数据但未达到该线上售房平台规定的建档要求的客户。线上售房平台根据每日客户的浏览数据建立客户行为数据表,将客户行为数据表中的客户ID与客户建档表中的客户ID建立关联;若关联不成功,则表示客户未建档,即认为该客户是新客;反之,若关联成功,则该客户不是新客。
步骤二:有效客户的判断,根据该客户是否在线上售房平台是否产生有效的浏览数据来判断,也即是该客户是否进入某个楼盘,是否产生了浏览户型详情的行为来判断;若该客户没有有效的浏览数据,则不对其分配置业顾问;
步骤三:客户成交概率的计算,根据客户的行为数据来判断客户的成交概率;这里使用机器学习算法XGBoost来计算客户成交概率,涉及到的模型字段为:客户ID、访问楼盘ID、访问天数、总访问页面数、总浏览时长、总浏览次数、访问楼盘数量、是否访问户型、是否夜间访问、平均每日访问时长、平均每日点击次数、平均每日访问页面数量、单日最大点击次数、单日最大浏览时长、距今未访问天数、房贷计算器使用次数。根据模型字段计算得到概率模型,可输入新的特征数据。
步骤四:心仪楼盘和心仪户型的确定,根据客户对各个楼盘的点击次数以及浏览时长来判断客户的心仪楼盘和心仪户型;通过在建档楼盘的各个特征作为训练数据,将客户分为建档已成交、来访未成交、电话咨询、微聊咨询、并无任何交流5类客户,假设这些客户与楼盘的匹配指数值分布在(0.85-1]、(0.5-0.85]、(0.25-0.5]、(0-0.25]、0这5个区间上。对训练数据的指数值在特定区域做随机分配,训练回归方程,最终得到的方程如下:y=0.472*x1+0.633*x2-0.145,其中x1是对楼盘的浏览时长,x2是楼盘的点击次数,均为归一化处理后的值。该模型的相关系数平方R2=0.9572,系数值越接近1,代表线性相关性越强,模型的准确度越高。
步骤五:客户的分配,对客户成交概率进行降序排列,根据当前楼盘的置业顾问个数和置业顾问每天最大服务客户量,依次选取客户进行分配,若当日的新客来访量大于置业顾问总的服务量,则暂时舍弃成交概率低的客户;当暂时被舍弃的客户再次产生步骤二中的浏览数据时,则根据步骤三重新计算该客户的成交概率,成交概率与在线上售房平台的浏览天数呈正相关;根据步骤四中确定的客户的心仪楼盘和心仪户型进行置业顾问的分配,优先分配销售该心仪户型排名靠前且剩余服务量最多的置业顾问,置业顾问对分配的客户进行建档和跟进;本实施例中,按照客户浏览最多的户型与销售最多该户型的销售顾问相对应,并且对置业顾问的剩余服务量进行降序排序,选择剩余服务量最多的置业顾问进行服务。若销售该心仪户型的置业顾问的服务量达到最大值,则分配给当前剩余服务量最多的置业顾问,若当前置业顾问的剩余服务量相同,则随机分配给其中一个。
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。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.一种线上客户智能分配方法,其特征在于:包括以下步骤:
步骤一:新客的判断,根据该客户是否在线上售房平台上是否建档来判断;
步骤二:有效客户的判断,根据该客户是否在线上售房平台是否产生有效的浏览数据来判断;
步骤三:客户成交概率的计算,根据客户的行为数据来判断客户的成交概率;
步骤四:心仪楼盘和心仪户型的确定,根据客户的浏览行为来判断客户的心仪楼盘;
步骤五:客户的分配,对客户成交概率进行降序排列,根据当前楼盘的置业顾问个数和置业顾问每天最大服务客户量,依次选取客户进行分配。
2.根据权利要求1所述的一种线上客户智能分配方法,其特征在于:在步骤一中,线上售房平台根据每日客户的浏览数据建立客户行为数据表,将客户行为数据表中的客户ID与客户建档表中的客户ID建立关联;若关联不成功,则表示客户未建档,即认为该客户是新客;反之,若关联成功,则该客户不是新客。
3.根据权利要求1所述的一种线上客户智能分配方法,其特征在于:在步骤二中,有效的浏览数据包括客户进入某个楼盘,产生了浏览户型详情的行为。
4.根据权利要求1所述的一种线上客户智能分配方法,其特征在于:在步骤三中,所述成交概率与客户在线上售房平台的浏览天数呈正相关。
5.根据权利要求1所述的一种线上客户智能分配方法,其特征在于:在步骤四中,根据客户对每个楼盘的点击次数以及浏览时长来判断客户的心仪楼盘和心仪户型。
6.根据权利要求1所述的一种线上客户智能分配方法,其特征在于:在步骤五中,根据步骤四中确定的客户的心仪楼盘和心仪户型进行置业顾问的分配,优先分配销售该心仪户型排名靠前且剩余服务量最多的置业顾问,置业顾问对分配的客户进行建档和跟进。
7.根据权利要求1所述的一种线上客户智能分配方法,其特征在于:在步骤五中,若销售该心仪户型的置业顾问的服务量达到最大值,则分配给当前剩余服务量最多的置业顾问。
8.根据权利要求1所述的一种线上客户智能分配方法,其特征在于:在步骤五中,若当日的新客来访量大于置业顾问总的服务量,则暂时舍弃成交概率低的客户。
9.根据权利要求8所述的一种线上客户智能分配方法,其特征在于:当暂时被舍弃的客户再次产生步骤二中的浏览数据时,则根据步骤三重新计算该客户的成交概率。
10.根据权利要求1所述的一种线上客户智能分配方法,其特征在于:在步骤三中,使用机器学习算法XGBoost来计算客户成交概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010195734.5A CN111292140A (zh) | 2020-03-19 | 2020-03-19 | 一种线上客户智能分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010195734.5A CN111292140A (zh) | 2020-03-19 | 2020-03-19 | 一种线上客户智能分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111292140A true CN111292140A (zh) | 2020-06-16 |
Family
ID=71023871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010195734.5A Pending CN111292140A (zh) | 2020-03-19 | 2020-03-19 | 一种线上客户智能分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111292140A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132657A (zh) * | 2020-09-21 | 2020-12-25 | 深圳思为科技有限公司 | 消息提醒方法及相关设备 |
CN113205364A (zh) * | 2021-05-06 | 2021-08-03 | 深圳掌酷软件有限公司 | 一种基于特定场景诉求的用户管理系统及方法 |
CN115239400A (zh) * | 2022-09-21 | 2022-10-25 | 广州越创智数信息科技有限公司 | 一种购房用户意向度计算方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091297A (zh) * | 2014-06-16 | 2014-10-08 | 海南相得不动产信息咨询有限公司 | 一种房屋销售管理系统 |
CN108256757A (zh) * | 2018-01-10 | 2018-07-06 | 链家网(北京)科技有限公司 | 一种基于xgboost的房源成交预估方法及预估平台 |
CN108694626A (zh) * | 2018-07-09 | 2018-10-23 | 重庆锐云科技有限公司 | 客户档案建立方法及装置 |
CN109615128A (zh) * | 2018-12-05 | 2019-04-12 | 重庆锐云科技有限公司 | 房地产客户成交概率预测方法、装置及服务器 |
CN110689457A (zh) * | 2019-10-09 | 2020-01-14 | 重庆锐云科技有限公司 | 地产行业线上客户智能接待方法、服务器及存储介质 |
CN110716979A (zh) * | 2019-10-18 | 2020-01-21 | 重庆锐云科技有限公司 | 一种购房意向客户挖掘方法、装置及服务器 |
-
2020
- 2020-03-19 CN CN202010195734.5A patent/CN111292140A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091297A (zh) * | 2014-06-16 | 2014-10-08 | 海南相得不动产信息咨询有限公司 | 一种房屋销售管理系统 |
CN108256757A (zh) * | 2018-01-10 | 2018-07-06 | 链家网(北京)科技有限公司 | 一种基于xgboost的房源成交预估方法及预估平台 |
CN108694626A (zh) * | 2018-07-09 | 2018-10-23 | 重庆锐云科技有限公司 | 客户档案建立方法及装置 |
CN109615128A (zh) * | 2018-12-05 | 2019-04-12 | 重庆锐云科技有限公司 | 房地产客户成交概率预测方法、装置及服务器 |
CN110689457A (zh) * | 2019-10-09 | 2020-01-14 | 重庆锐云科技有限公司 | 地产行业线上客户智能接待方法、服务器及存储介质 |
CN110716979A (zh) * | 2019-10-18 | 2020-01-21 | 重庆锐云科技有限公司 | 一种购房意向客户挖掘方法、装置及服务器 |
Non-Patent Citations (2)
Title |
---|
武三林等: "《基于技术融合的图书馆数字资源利用服务机制研究》", 31 March 2017, 科学技术文献出版社 * |
肖佐刚等: "《图书馆科普阅读推广》", 29 February 2020, 朝华出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132657A (zh) * | 2020-09-21 | 2020-12-25 | 深圳思为科技有限公司 | 消息提醒方法及相关设备 |
CN113205364A (zh) * | 2021-05-06 | 2021-08-03 | 深圳掌酷软件有限公司 | 一种基于特定场景诉求的用户管理系统及方法 |
CN113205364B (zh) * | 2021-05-06 | 2022-01-11 | 深圳掌酷软件有限公司 | 一种基于特定场景诉求的用户管理系统及方法 |
CN115239400A (zh) * | 2022-09-21 | 2022-10-25 | 广州越创智数信息科技有限公司 | 一种购房用户意向度计算方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220014454A1 (en) | Method and system for scoring quality of traffic to network sites | |
CN111292140A (zh) | 一种线上客户智能分配方法 | |
US5918014A (en) | Automated collaborative filtering in world wide web advertising | |
Kolko | The death of cities? The death of distance? Evidence from the geography of commercial Internet usage | |
Zhang et al. | Public attitudes toward urban trees and supporting urban tree programs | |
US6901406B2 (en) | Methods and systems for accessing multi-dimensional customer data | |
Böheim et al. | Residential mobility, housing tenure and the labour market in Britain | |
CN110689457A (zh) | 地产行业线上客户智能接待方法、服务器及存储介质 | |
US20070198937A1 (en) | Method for determining a profile of a user of a communication network | |
CA2541763A1 (en) | Retail deployment model | |
US20090043603A1 (en) | Systems and methods for commercial real estate investment services | |
Rizov et al. | The UK national minimum wage's impact on productivity | |
Yager | Intelligent agents for World Wide Web advertising decisions | |
Crocker | On the value of the condition of a forest stock | |
US20070282904A1 (en) | Online referral system and method of use | |
CN112348659A (zh) | 用户风险识别策略的分配方法、装置及电子设备 | |
US20140180794A1 (en) | Methods and apparatus for generating an online marketing campaign | |
Chung | Estimation of sequential search models | |
AU2014204120A1 (en) | Priority-weighted quota cell selection to match a panelist to a market research project | |
Maia et al. | The main criteria for lead generation | |
CN108074133A (zh) | 数据驱动的复杂模糊型商品品牌线索分派方法 | |
JP2005115584A (ja) | 行政サービス評価システム | |
CN107330732B (zh) | 一种电子产品定价方法及一种服务器集群 | |
CN106453447A (zh) | 信息展示方法及装置 | |
KR20010110888A (ko) | 인터넷을 이용한 보험가입 및 관리 서비스방법 |
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 |
Application publication date: 20200616 |
|
RJ01 | Rejection of invention patent application after publication |