CN111401958A - 一种对房地产客户自动推荐置业顾问的方法及系统 - Google Patents
一种对房地产客户自动推荐置业顾问的方法及系统 Download PDFInfo
- Publication number
- CN111401958A CN111401958A CN202010187467.7A CN202010187467A CN111401958A CN 111401958 A CN111401958 A CN 111401958A CN 202010187467 A CN202010187467 A CN 202010187467A CN 111401958 A CN111401958 A CN 111401958A
- Authority
- CN
- China
- Prior art keywords
- client
- character type
- recommended
- employment
- score
- 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 48
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000013145 classification model Methods 0.000 claims description 12
- 230000036626 alertness Effects 0.000 claims description 9
- 238000009223 counseling Methods 0.000 claims description 6
- 230000006854 communication Effects 0.000 claims description 5
- 238000005034 decoration Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 208000019901 Anxiety disease Diseases 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000000556 factor analysis Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000036506 anxiety Effects 0.000 claims description 2
- 238000003066 decision tree Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 235000004936 Bromus mango Nutrition 0.000 description 1
- 240000007228 Mangifera indica Species 0.000 description 1
- 235000014826 Mangifera indica Nutrition 0.000 description 1
- 235000009184 Spondias indica Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 235000015096 spirit Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q50/16—Real estate
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种对房地产客户自动推荐置业顾问的方法及系统,该方法包括:在接收到待推荐客户的咨询请求时,获取待推荐客户的性格类型;根据客户性格类型与置业顾问性格类型之间的对应匹配关系,选择与待推荐客户的性格类型相匹配的置业顾问,作为目标置业顾问,以分配目标置业顾问来处理待推荐客户的咨询请求;本方案通过结合客户填写的个人信息和客户线上浏览行为数据,对客户进行偏好分析,然后对客户性格进行分类,分配其所对应最佳匹配的置业顾问,有利于置业顾问精准把握客户需求,并能与客户偏好相对应,提高客户满意度与成交率,减小客户流失率,实现了客户定制化接待。
Description
技术领域
本发明涉及房地产网络技术领域,尤其涉及一种对房地产客户自动推荐置业顾问的方法及系统。
背景技术
随着互联网的发展和网上购物的兴起,房地产行业也开始进入线上销售和线下传统销售相结合的销售模式,除了传统的线下接待之外,线上咨询也开始变得普遍起来。因此,优化线上接待方式,针对性地为顾客提供服务是提高客户成交率和客户满意度的重点。但是置业顾问对客户的性格、喜好偏向不够了解,就无法为顾客提供高体验度的咨询服务,还容易导致客户流失。
发明内容
本发明提供的对房地产客户自动推荐置业顾问的方法及系统,主要解决的技术问题是:如何有针对性地为顾客提供咨询服务,提高客户满意度。
为解决上述技术问题,本发明提供一种对房地产客户自动推荐置业顾问的方法,包括:
在接收到待推荐客户的咨询请求时,获取所述待推荐客户的性格类型;所述待推荐客户的性格类型通过如下方式确定:获取所述待推荐客户的个人基本信息,包括个人身份信息、兴趣偏好以及线上行为数据;将所述待推荐客户的个人基本信息输入到预先构建的性格分类模型,以输出得到所述待推荐客户的性格类型;
根据客户性格类型与置业顾问性格类型之间的对应匹配关系,选择与所述待推荐客户的性格类型相匹配的置业顾问,作为目标置业顾问,以分配所述目标置业顾问来处理所述待推荐客户的咨询请求;其中置业顾问的性格类型基于对问卷调查结果进行分析得到。
可选的,在所述置业顾问完成对所述待推荐客户的咨询请求后,还包括:
生成评分消息并发送给所述待推荐客户,以供所述待推荐客户对所述置业顾问所提供咨询服务的满意度进行评分。
可选的,所述置业顾问的性格类型基于对问卷调查结果进行分析得到包括:
在所述置业顾问首次被分配来处理客户的咨询请求之前,向所述置业顾问发送问卷调查;所述置业顾问基于自身实际情况填写并提交,得到所述置业顾问的问卷调查结果,通过计算得到如下16种人格因素的得分:乐群性(A)、聪慧性(B)、稳定性(C)、恃强性(E)、兴奋性(F)、有恒性(G)、敢为性(H)、敏感性(I)、怀疑性(L)、幻想性(M)、世故性(N)、忧虑性(O)、实验性(Q1)、独立性(Q2)、自律性(Q3)、紧张性(Q4);
基于上述16中人格因素的得分进行二阶因素分析,分别计算所述置业顾问在适应性、外向性、安详机警性与果敢性四种性格类型的得分值;
将得分值最高的性格类型作为所述置业顾问的第一性格类型,将得分值次之的性格类型作为所述置业顾问的第二性格类型;
所述置业顾问当前被选择匹配的性格类型,基于所述置业顾问提供咨询服务的次数与达到的满足度评分均值进行确定。
可选的,所述置业顾问当前被选择匹配的性格类型,基于所述置业顾问提供咨询服务的次数与达到的满足度评分均值进行确定包括:
判断所述置业顾问提供咨询服务的次数是否达到第一设定次数阈值,如否,选择所述第一性格类型,作为所述置业顾问被选择匹配的性格类型;如是,则获取所述置业顾问得到的第一满意度评分均值,在判定其第一满意度评分均值达到第一设定评分阈值时,后续均以其第一性格类型作为被选择匹配的性格类型;若判定其第一满意度评分均值未达到所述第一设定评分阈值,则后续第二设定次数阈值范围内均选择以其第二性格类型作为被选择匹配的性格类型;并计算在所述置业顾问在第二设定次数阈值范围内的第二满意度评分均值,判断所述第一满意度评分均值与所述第二满意度评分均值的大小关系,在所述第一满意度评分均值较高时,后续均以其第一性格类型作为被选择匹配的性格类型;在所述第二满意度评分均值较高时,后续均以其第二性格类型作为被选择匹配的性格类型。
可选的,所述分别计算所述置业顾问在适应性、外向性、安详机警性与果敢性四种性格类型的得分值包括:
适应性得分值P1按照如下公式(1)计算:
P1=(94+2C+2H+2Q2-2L-3O-4Q4)÷10; (1)
外向性得分值P2按照如下公式(2)计算:
P2=(2A+3E+4F+5H-2Q2-28)÷10; (2)
安详机警性得分值P3按照如下公式(3)计算:
P3=(102+2C+2E+2F+2N-4A-6I-2M)÷10; (3)
果敢性得分值P4按照如下公式(4)计算:
P4=(25+4E+3M+4Q1+4Q2-3A-2G)÷10。 (4)
可选的,所述个人身份信息包括性别与年龄;兴趣偏好包括运动、阅读、游戏、音乐;所述线上行为数据包括浏览装修风格、平均每日浏览时长、平均每日浏览次数、浏览户型总量。
可选的,待推荐客户的性格类型分为活泼型、兴奋型、安静型、敏感型四种。
可选的,所述客户性格类型与置业顾问性格类型之间的对应匹配关系包括:
活泼型客户对应匹配外向型置业顾问;兴奋型客户对应匹配果敢型置业顾问;安静型客户对应匹配机警型置业顾问;敏感型客户对应匹配友善型置业顾问。
可选的,所述方法还包括:
统计所述待推荐客户完成满意度评分的次数,在判定所述次数达到第三设定次数阈值时,计算所述待推荐客户给出的第三满意度评分均值,在判定所述第三满意度评分均值低于第三设定评分阈值时,以最近一次为所述待推荐客户提供咨询服务的置业顾问,完成对所述待推荐客户性格类型的重新评判,包括:
生成客户性格类型评分表,并发送给所述置业顾问;所述客户性格类型评分表包括不同性格类型各自的表现属性;
所述置业顾问基于与所述待推荐客户在咨询沟通过程中的实际感受,对各表现属性依次进行评分;将统一性格类型下的所有表现属性的得分进行相加求和,得到该性格类型的总分值;以总分值最高的性格类型,作为所述待推荐客户的真实性格类型;
将所述待推荐客户基于性格分类模型输出的性格类型更新为所述真实性格类型。
本发明还提供一种对房地产客户自动推荐置业顾问的系统,包括:
响应模块用于响应待推荐客户的咨询请求,并在接收到待推荐客户的咨询请求时,触发获取模块获取所述待推荐客户的性格类型;
第一性格类型确定模块用于获取所述待推荐客户的个人基本信息,包括个人身份信息、兴趣偏好以及线上行为数据;将所述待推荐客户的个人基本信息输入到预先构建的性格分类模型,以输出得到所述待推荐客户的性格类型;
控制模块用于根据客户性格类型与置业顾问性格类型之间的对应匹配关系,选择与所述待推荐客户的性格类型相匹配的置业顾问,作为目标置业顾问,以分配所述目标置业顾问来处理所述待推荐客户的咨询请求;
第二性格类型确定模块用于基于置业顾问各自的问卷调查结果进行分析得到其性格类型。
本发明的有益效果是:
根据本发明提供的对房地产客户自动推荐置业顾问的方法及系统,该方法包括:在接收到待推荐客户的咨询请求时,获取待推荐客户的性格类型;待推荐客户的性格类型通过如下方式确定:获取待推荐客户的个人基本信息,包括个人身份信息、兴趣偏好以及线上行为数据;将待推荐客户的个人基本信息输入到预先构建的性格分类模型,以输出得到待推荐客户的性格类型;根据客户性格类型与置业顾问性格类型之间的对应匹配关系,选择与待推荐客户的性格类型相匹配的置业顾问,作为目标置业顾问,以分配目标置业顾问来处理待推荐客户的咨询请求;其中置业顾问的性格类型基于对问卷调查结果进行分析得到。本发明通过结合客户填写的个人信息和客户线上浏览行为数据,对客户进行偏好分析,然后对客户性格进行分类,分配其所对应最佳匹配的置业顾问,有利于置业顾问精准把握客户需求,并能与客户偏好相对应,提高客户满意度与成交率,减小客户流失率,实现了客户定制化接待。
附图说明
图1为本发明实施例一的对房地产客户自动推荐置业顾问的方法流程示意图;
图2为本发明实施例二的对房地产客户自动推荐置业顾问的方法流程示意图;
图3为本发明实施例三的对房地产客户自动推荐置业顾问的系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面通过具体实施方式结合附图对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一:
为了更有针对性地为顾客提供咨询服务,提高客户满意度,本实施例提供一种对房地产客户自动推荐置业顾问的方法,通过设置问卷,将置业顾问按性格类型分为四种类型;同时获取客户自填信息:性别、兴趣爱好,以及客户线上浏览的行为轨迹,行为数据包括:浏览装修风格、平均每日浏览时长、平均每日浏览次数、浏览户型的总量,通过决策树模型将客户按性格分为四种类型。然后为不同类型的客户分配其所对应最佳匹配的置业顾问,让置业顾问精准把握客户需求并能与客户偏好相对应,进而提高客户成交率和客户满意度,减小客户流失率,实现了客户定制化接待。
请参见图1,该方法主要包括:
S101、在接收到待推荐客户的咨询请求时,获取待推荐客户的性格类型;其中待推荐客户的性格类型可预先通过如下方式确定:获取待推荐客户的个人基本信息,包括个人身份信息、兴趣偏好以及线上行为数据;将待推荐客户的个人基本信息输入到预先构建的性格分类模型,以输出得到待推荐客户的性格类型。
其中,个人身份信息包括性别与年龄;兴趣偏好包括运动、阅读、游戏、音乐;线上行为数据包括浏览装修风格、平均每日浏览时长、平均每日浏览次数、浏览户型总量。
本实施例中,考虑到不同性别对其他指标有所影响,故分男女分别构建不同性格类型的决策树模型。
决策树构建过程包括:
(1)指标的选择和量化:
指标A:兴趣爱好
取值:运动、阅读、游戏、音乐;
指标B:浏览装修风格
取值:欧式、北欧、田园、自然、中式、古典、简约、现代;
指标C:平均每日浏览次数
取值:L1,L2,L3,L4
L1:指客户平均每日浏览次数范围为0-30;
L2:指客户平均每日浏览次数范围为31-70;
L3:指客户平均每日浏览次数范围为71-100;
L4:指客户平均每日浏览次数范围为101-130;
指标D:平均每日浏览时长
取值:M1,M2,M3,M4
M1:指客户平均每日浏览次数时长为0-35;
M2:指客户平均每日浏览次数时长为36-81;
M3:指客户平均每日浏览次数时长为82-117;
M4:指客户平均每日浏览次数时长为118-155;
指标E:浏览户型总量
取值:S1,S2,S3,S4
S1:指客户浏览户型总量为1-10;
S2:指客户浏览户型总量为11-20;
S3:指客户浏览户型总量为21-35;
S4指客户浏览户型总量为36-50;
(2)确定训练数据集P中的对象的样本数量|P|,以及划分的性别类别Qj的样本数量|Qj|。
(3)按照每个指标的选取范围的个数n,构建对应该指标的n个子集,并根据每个训练数据集中的对象对应该指标的实际值或实际结果,将对象划分到相应的子集Pi中i=1,2,...,n,|Pi|为该子集的样本数量。
(4)确定属于性格类别Qj的子集Qij,|Qij|为该子集的样本数量,计算出不同性别的训练数据集,每个指标的信息熵以及该性别下的每个指标的条件熵,并根据信息熵和条件熵确定在该性别该指标的信息增益和信息增益比。
信息熵,X表示随机变量,与之相对应的是所有可能输出的集合,定义为符号集,随机变量的输出用x表示。P(X)表示输出概率函数。变量的不确定性越大,熵也就越大。
信息熵计算公式:
其中,P(X=xi)=pi,i=1,2,...,n;
条件熵,设随机变量(X,Y),其联合概率分布为P(X=xi,Y=yj)=pij,i=1,2,...,n;j=1,2,...,在随机变量X给定的条件下随机变量Y的条件熵H(Y|X)定义为:
信息增益,指标A对训练数据集P的信息增益g(A),定义为集合P的信息熵H(P)和条件熵H(P|A)之差,计算公式:
g(P,A)=H(P)-H(P|A);
信息增益比,指标A对训练数据集P的信息增益比gr(P,A),定义为其信息增益g(P,A)与训练数据集P的信息熵H(P)之比,计算公式:
例如:按照如下公式计算出性格类别Qj下的训练数据集的信息熵H(P)
按照如下公式计算出性格类别Qj下的指标A的条件熵H(P|A)
(5)根据不同性别下各个性格类型的每个指标信息增益比,按信息增益比大小逐层确定该性别下该性格类型对应的决策树的从根节点到叶子节点的生成顺序。
(6)从各个决策树根节点开始将待推荐客户指标进行判定,若该客户所有指标均符合判定,则认为该客户属于该性格类型。
根据性格分类模型,将待推荐客户的性格类型分为活泼型、兴奋型、安静型、敏感型四种。
应当理解,上述构建性格分类模型的描述,仅仅是本方案的一种示例,具体构建的模型类型与过程,并不限于此。
S102、根据客户性格类型与置业顾问性格类型之间的对应匹配关系,选择与待推荐客户的性格类型相匹配的置业顾问,作为目标置业顾问,以分配目标置业顾问来处理待推荐客户的咨询请求;其中置业顾问的性格类型基于对问卷调查结果进行分析得到。
在匹配最佳的置业顾问之前,本方案预先通过设置问卷调查,对置业顾问的性格类型进行了分类,具体包括:
在置业顾问首次被分配来处理客户的咨询请求之前,向置业顾问发送问卷调查;置业顾问基于自身实际情况填写并提交,得到置业顾问的问卷调查结果,通过计算得到如下16种人格因素的得分:乐群性(A)、聪慧性(B)、稳定性(C)、恃强性(E)、兴奋性(F)、有恒性(G)、敢为性(H)、敏感性(I)、怀疑性(L)、幻想性(M)、世故性(N)、忧虑性(O)、实验性(Q1)、独立性(Q2)、自律性(Q3)、紧张性(Q4)。
基于16中人格因素的得分进行二阶因素分析,分别计算置业顾问在适应性、外向性、安详机警性与果敢性四种性格类型的得分值。
计算置业顾问在适应性、外向性、安详机警性与果敢性四种性格类型的得分值包括:
适应性得分值P1按照如下公式(1)计算:
P1=(94+2C+2H+2Q2-2L-3O-4Q4)÷10; (1)
对应类型为友善型,求得分数即代表“适应”之强弱。高分者生活适应顺利,通常感觉心满意足。
外向性得分值P2按照如下公式(2)计算:
P2=(2A+3E+4F+5H-2Q2-28)÷10; (2)
对应类型为外向型,所得分数即代表安详机警性。高分者外倾,通常善于交际,开朗,不拘小节。
安详机警性得分值P3按照如下公式(3)计算:
P3=(102+2C+2E+2F+2N-4A-6I-2M)÷10; (3)
对应类型为机警型,所得分数即代表安详机警性。高分者安详警觉,果断刚毅,进取精神。
果敢性得分值P4按照如下公式(4)计算:
P4=(25+4E+3M+4Q1+4Q2-3A-2G)÷10。 (4)
对应类型为果敢型。高分者独立、果敢、锋芒毕露,有气魄,常常自动寻找可以施展所长的环境或机会。
将得分值最高的性格类型作为置业顾问的第一性格类型,将得分值次之的性格类型作为置业顾问的第二性格类型。
本实施例中,客户性格类型与置业顾问性格类型之间的对应匹配关系包括:
活泼型客户对应匹配外向型置业顾问;兴奋型客户对应匹配果敢型置业顾问;安静型客户对应匹配机警型置业顾问;敏感型客户对应匹配友善型置业顾问。使得客户性格与置业顾问性格相互弥补,在沟通咨询过程中更加顺畅舒心,提高咨询的有效性、高效性,从而提升客户满意度,促进成交。
其中,置业顾问当前被选择匹配的性格类型,基于该置业顾问提供咨询服务的次数与达到的满足度评分均值进行确定。
可选的,判断置业顾问提供咨询服务的次数是否达到第一设定次数阈值,如否,选择第一性格类型,作为置业顾问被选择匹配的性格类型;也即最初以问卷调查结果为准,选择得分值最高的性格类型(第一性格类型),来匹配客户。例如,第一设定次数阈值为100,则该置业顾问在前100次接待过程中,均以其第一性格类型来匹配相应性格的客户接待。
若置业顾问接待次数达到了第一设定次数阈值,则获取该置业顾问得到的第一满意度评分均值,在判定其第一满意度评分均值达到第一设定评分阈值时,后续均以其第一性格类型作为被选择匹配的性格类型;应当说明的是,在置业顾问完成对某客户的咨询服务后,客户会对该置业顾问的咨询服务进行满意度评分,系统通过统计每一次的评分情况,可以得到置业顾问的评分均值。可选的,在目标置业顾问完成对待推荐客户的咨询请求后,生成评分消息并发送给待推荐客户,以供待推荐客户对目标置业顾问所提供咨询服务的满意度进行评分。
如果判定置业顾问的第一满意度评分均值达到了第一设定评分阈值,表明客户满足度较高,与此同时也可以在一定程度上证明,以该置业顾问的第一性格类型进行匹配,是能够满足客户咨询要求的。故,后续接待过程,均以其第一性格类型来匹配需要咨询接待的客户。应当理解,第一设定评分阈值可以根据实际情况灵活设置,本实施例对此不做限制。例如满分为5分,第一设定评分阈值可以设定为4.5分。
相对的,如果该置业顾问的第一满意度评分均值未达到第一设定评分阈值,则表明客户对该置业顾问提供的咨询服务不是很满意,本方案考虑到可能是由于性格原因造成的,故后续在第二设定次数阈值范围内均选择以其第二性格类型作为被选择匹配的性格类型。例如,在前100次接待过程中,该置业顾问满意度评分均值为4分,低于第一设定评分阈值4.5,则在第101~200次接待过程中,选择该置业顾问的第二性格类型来匹配相应的客户进行接待。
进一步的,计算该置业顾问在第二设定次数阈值范围内的第二满意度评分均值,判断第一满意度评分均值与第二满意度评分均值的大小关系,在第一满意度评分均值较高时,后续均以其第一性格类型作为被选择匹配的性格类型;在第二满意度评分均值较高时,后续均以其第二性格类型作为被选择匹配的性格类型。
也即是将置业顾问的两种性格类型进行比较,选择客户满意度最高的性格类型,作为最终被选择匹配的性格类型。
客户满意度不高的原因,一方面可能是置业顾问的第一性格类型、第二性格类型与其真实性格类型有差异,另一方面是基于客户个人基本信息推测得到的性格类型,与其真实性格类型存在差异,因此本方案还包括对客户性格类型进行更新,以提高匹配的准确性。
可选的,统计待推荐客户完成满意度评分的次数,在判定次数达到第三设定次数阈值时,计算待推荐客户给出的第三满意度评分均值,在判定第三满意度评分均值低于第三设定评分阈值时,以最近一次为该待推荐客户提供咨询服务的置业顾问,完成对待推荐客户性格类型的重新评判。
第三设定次数阈值可以根据实际情况灵活设置,例如10次;当该待推荐客户累计完成10次对置业顾问的评分时,获取每一次给出的评分值,计算评分均值(为便于区分,这里称之为第三满意度评分均值),将第三满意度评分均值与第三设定评分阈值进行大小比较;如果第三满意度评分均值低于第三设定评分阈值,表明该客户对所有提供咨询服务的置业顾问整体都不是很满意,本方案提供一种反评价机制,也即是置业顾问对客户进行评价,以获取置业顾问对该客户的性格印象,从而帮助对该客户的性格类型进行更新,有利于提高匹配的准确性。
具体的,生成客户性格类型评分表,并发送给该置业顾问;其中客户性格类型评分表包括不同性格类型各自的表现属性;置业顾问基于与该待推荐客户在咨询沟通过程中的实际感受,对各表现属性依次进行评分;将统一性格类型下的所有表现属性的得分进行相加求和,得到该性格类型的总分值;以总分值最高的性格类型,作为该待推荐客户的真实性格类型;将该待推荐客户基于性格分类模型输出的性格类型更新为所真实性格类型。在后续咨询服务过程中,均以该客户的更新后的真是性格类型,来匹配接待的置业顾问。
为了更好地理解,请参见如下表1所示的客户性格类型评分表:
表1
例如,活泼型包括情绪兴奋性高、性情活跃、外部表现明显、反应敏捷、善于交际这5中表现属性,置业顾问基于与该客户沟通过程中的感受,如果认为客户“情绪兴奋性高”完全符合,则该表现属性对应将得到“4分”,基于每一个表现属性的得分,即可得到对应性格类型的分值。以总分值最高的性格类型,作为该待推荐客户的真实性格类型。
根据本实施例提供的对房地产客户自动推荐置业顾问的方法,通过结合客户填写的个人信息和客户线上浏览行为数据,对客户进行偏好分析,然后对客户性格进行分类,分配其所对应最佳匹配的置业顾问,有利于置业顾问精准把握客户需求,并能与客户偏好相对应,提高客户满意度与成交率,减小客户流失率,实现了客户定制化接待。
实施例二:
在上述实施例的基础上,本实施例提供另一种对房地产客户自动推荐置业顾问的方法,请参见图2,该方法主要包括如下步骤:
S201、获取置业顾问问卷调查结果;
S202、根据问卷调查结果确定置业顾问的第一性格类型和第二性格类型;
S203、获取客户个人基本信息;
S204、根据决策树模型对客户性格进行分类;
S205、取置业顾问第一性格类型为匹配类型;
S206、根据匹配规则为客户匹配置业顾问;
S207、咨询完成后,客户对置业顾问进行满意度评分;
S208、计算置业顾问的满意度评分均值;判断满意度评分均值是否达到4.5分;如是,转至步骤S209;如否,转至步骤S210;
S209、将第一性格类型作为置业顾问的真实性格类型;
S210、取置业顾问第二性格类型为匹配类型,进行后续客户匹配;
S211、计算置业顾问以第二性格类型接待过程中所得到的满意度评分均值;
S212、取满意度评分均值高的性格类型,作为该置业顾问的真实性格类型;
S213、计算客户给出的满意度评分均值;
S214、判断客户给出的满意度评分均值是否达到4分;如是,转至步骤S215;如否,转至步骤S216;
S215、将决策树分析得到的性格类型作为该客户的真实性格类型,以进行后续置业顾问匹配;
S216、置业顾问对客户进行性格评判;
S217、该置业顾问评判的性格类型作为该客户的真实性格类型,以进行后续置业顾问匹配。
实施例三:
本实施例在上述实施例一和/或实施例二的基础上,提供一种对房地产客户自动推荐置业顾问的系统,该系统可用于实现上述实施例一和/或实施例二中所述对房地产客户自动推荐置业顾问的方法的至少部分步骤,请参见图3,该系统包括响应模块31、获取模块32、第一性格类型确定模块33、控制模块34、第二性格类型确定模块35,其中:
响应模块31用于响应待推荐客户的咨询请求,并在接收到待推荐客户的咨询请求时,触发获取模块32获取待推荐客户的性格类型;
第一性格类型确定模块33用于获取待推荐客户的个人基本信息,包括个人身份信息、兴趣偏好以及线上行为数据;将待推荐客户的个人基本信息输入到预先构建的性格分类模型,以输出得到待推荐客户的性格类型;
控制模块34用于根据客户性格类型与置业顾问性格类型之间的对应匹配关系,选择与待推荐客户的性格类型相匹配的置业顾问,作为目标置业顾问,以分配该目标置业顾问来处理该待推荐客户的咨询请求;
第二性格类型确定模块35用于基于置业顾问各自的问卷调查结果进行分析得到其性格类型。
显然,本领域的技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种对房地产客户自动推荐置业顾问的方法,其特征在于,包括:
在接收到待推荐客户的咨询请求时,获取所述待推荐客户的性格类型;所述待推荐客户的性格类型通过如下方式确定:获取所述待推荐客户的个人基本信息,包括个人身份信息、兴趣偏好以及线上行为数据;将所述待推荐客户的个人基本信息输入到预先构建的性格分类模型,以输出得到所述待推荐客户的性格类型;
根据客户性格类型与置业顾问性格类型之间的对应匹配关系,选择与所述待推荐客户的性格类型相匹配的置业顾问,作为目标置业顾问,以分配所述目标置业顾问来处理所述待推荐客户的咨询请求;其中置业顾问的性格类型基于对问卷调查结果进行分析得到。
2.如权利要求1所述的对房地产客户自动推荐置业顾问的方法,其特征在于,在所述置业顾问完成对所述待推荐客户的咨询请求后,还包括:
生成评分消息并发送给所述待推荐客户,以供所述待推荐客户对所述置业顾问所提供咨询服务的满意度进行评分。
3.如权利要求2所述的对房地产客户自动推荐置业顾问的方法,其特征在于,所述置业顾问的性格类型基于对问卷调查结果进行分析得到包括:
在所述置业顾问首次被分配来处理客户的咨询请求之前,向所述置业顾问发送问卷调查;所述置业顾问基于自身实际情况填写并提交,得到所述置业顾问的问卷调查结果,通过计算得到如下16种人格因素的得分:乐群性(A)、聪慧性(B)、稳定性(C)、恃强性(E)、兴奋性(F)、有恒性(G)、敢为性(H)、敏感性(I)、怀疑性(L)、幻想性(M)、世故性(N)、忧虑性(O)、实验性(Q1)、独立性(Q2)、自律性(Q3)、紧张性(Q4);
基于上述16中人格因素的得分进行二阶因素分析,分别计算所述置业顾问在适应性、外向性、安详机警性与果敢性四种性格类型的得分值;
将得分值最高的性格类型作为所述置业顾问的第一性格类型,将得分值次之的性格类型作为所述置业顾问的第二性格类型;
所述置业顾问当前被选择匹配的性格类型,基于所述置业顾问提供咨询服务的次数与达到的满足度评分均值进行确定。
4.如权利要求3所述的对房地产客户自动推荐置业顾问的方法,其特征在于,所述置业顾问当前被选择匹配的性格类型,基于所述置业顾问提供咨询服务的次数与达到的满足度评分均值进行确定包括:
判断所述置业顾问提供咨询服务的次数是否达到第一设定次数阈值,如否,选择所述第一性格类型,作为所述置业顾问被选择匹配的性格类型;如是,则获取所述置业顾问得到的第一满意度评分均值,在判定其第一满意度评分均值达到第一设定评分阈值时,后续均以其第一性格类型作为被选择匹配的性格类型;若判定其第一满意度评分均值未达到所述第一设定评分阈值,则后续第二设定次数阈值范围内均选择以其第二性格类型作为被选择匹配的性格类型;并计算在所述置业顾问在第二设定次数阈值范围内的第二满意度评分均值,判断所述第一满意度评分均值与所述第二满意度评分均值的大小关系,在所述第一满意度评分均值较高时,后续均以其第一性格类型作为被选择匹配的性格类型;在所述第二满意度评分均值较高时,后续均以其第二性格类型作为被选择匹配的性格类型。
5.如权利要求3所述的对房地产客户自动推荐置业顾问的方法,其特征在于,所述分别计算所述置业顾问在适应性、外向性、安详机警性与果敢性四种性格类型的得分值包括:
适应性得分值P1按照如下公式(1)计算:
P1=(94+2C+2H+2Q2-2L-3O-4Q4)÷10; (1)
外向性得分值P2按照如下公式(2)计算:
P2=(2A+3E+4F+5H-2Q2-28)÷10; (2)
安详机警性得分值P3按照如下公式(3)计算:
P3=(102+2C+2E+2F+2N-4A-6I-2M)÷10; (3)
果敢性得分值P4按照如下公式(4)计算:
P4=(25+4E+3M+4Q1+4Q2-3A-2G)÷10 (4) 。
6.如权利要求1-5任一项所述的对房地产客户自动推荐置业顾问的方法,其特征在于,所述个人身份信息包括性别与年龄;兴趣偏好包括运动、阅读、游戏、音乐;所述线上行为数据包括浏览装修风格、平均每日浏览时长、平均每日浏览次数、浏览户型总量。
7.如权利要求1-5任一项所述的对房地产客户自动推荐置业顾问的方法,其特征在于,待推荐客户的性格类型分为活泼型、兴奋型、安静型、敏感型四种。
8.如权利要求7所述的对房地产客户自动推荐置业顾问的方法,其特征在于,所述客户性格类型与置业顾问性格类型之间的对应匹配关系包括:
活泼型客户对应匹配外向型置业顾问;兴奋型客户对应匹配果敢型置业顾问;安静型客户对应匹配机警型置业顾问;敏感型客户对应匹配友善型置业顾问。
9.如权利要求1-5任一项所述的对房地产客户自动推荐置业顾问的方法,其特征在于,所述方法还包括:
统计所述待推荐客户完成满意度评分的次数,在判定所述次数达到第三设定次数阈值时,计算所述待推荐客户给出的第三满意度评分均值,在判定所述第三满意度评分均值低于第三设定评分阈值时,以最近一次为所述待推荐客户提供咨询服务的置业顾问,完成对所述待推荐客户性格类型的重新评判,包括:
生成客户性格类型评分表,并发送给所述置业顾问;所述客户性格类型评分表包括不同性格类型各自的表现属性;
所述置业顾问基于与所述待推荐客户在咨询沟通过程中的实际感受,对各表现属性依次进行评分;将统一性格类型下的所有表现属性的得分进行相加求和,得到该性格类型的总分值;以总分值最高的性格类型,作为所述待推荐客户的真实性格类型;
将所述待推荐客户基于性格分类模型输出的性格类型更新为所述真实性格类型。
10.一种对房地产客户自动推荐置业顾问的系统,其特征在于,包括:
响应模块用于响应待推荐客户的咨询请求,并在接收到待推荐客户的咨询请求时,触发获取模块获取所述待推荐客户的性格类型;
第一性格类型确定模块用于获取所述待推荐客户的个人基本信息,包括个人身份信息、兴趣偏好以及线上行为数据;将所述待推荐客户的个人基本信息输入到预先构建的性格分类模型,以输出得到所述待推荐客户的性格类型;
控制模块用于根据客户性格类型与置业顾问性格类型之间的对应匹配关系,选择与所述待推荐客户的性格类型相匹配的置业顾问,作为目标置业顾问,以分配所述目标置业顾问来处理所述待推荐客户的咨询请求;
第二性格类型确定模块用于基于置业顾问各自的问卷调查结果进行分析得到其性格类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010187467.7A CN111401958A (zh) | 2020-03-17 | 2020-03-17 | 一种对房地产客户自动推荐置业顾问的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010187467.7A CN111401958A (zh) | 2020-03-17 | 2020-03-17 | 一种对房地产客户自动推荐置业顾问的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111401958A true CN111401958A (zh) | 2020-07-10 |
Family
ID=71413995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010187467.7A Pending CN111401958A (zh) | 2020-03-17 | 2020-03-17 | 一种对房地产客户自动推荐置业顾问的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111401958A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861514A (zh) * | 2020-07-30 | 2020-10-30 | 北京车薄荷科技有限公司 | 一种人员推荐方法及人员推荐系统 |
CN112132656A (zh) * | 2020-09-21 | 2020-12-25 | 深圳思为科技有限公司 | 判客方法及相关设备 |
CN112233265A (zh) * | 2020-09-29 | 2021-01-15 | 深圳思为科技有限公司 | 电子签到方法及相关装置 |
CN112561268A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市思为软件技术有限公司 | 行为评估方法及相关设备 |
CN112951378A (zh) * | 2021-03-05 | 2021-06-11 | 中国科学院心理研究所 | 一种为来访者自动推荐心理咨询师的方法 |
CN113673865A (zh) * | 2021-08-19 | 2021-11-19 | 重庆锐云科技有限公司 | 防止充客的客户分配方法、装置、计算机设备及存储介质 |
CN117114295A (zh) * | 2023-08-08 | 2023-11-24 | 深圳先锋居善科技有限公司 | 客户接待分配方法、装置、设备及计算机可读存储介质 |
CN117114295B (zh) * | 2023-08-08 | 2024-05-28 | 深圳先锋居善科技有限公司 | 客户接待分配方法、装置、设备及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572854A (zh) * | 2014-12-17 | 2015-04-29 | 语联网(武汉)信息技术有限公司 | 一种基于决策树的译员分类方法 |
CN108776846A (zh) * | 2018-05-15 | 2018-11-09 | 中国平安人寿保险股份有限公司 | 推荐方法、装置、计算机设备及存储介质 |
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 |
CN110766271A (zh) * | 2019-09-10 | 2020-02-07 | 中国平安财产保险股份有限公司 | 基于深度学习的客服坐席配置方法、装置及计算机设备 |
-
2020
- 2020-03-17 CN CN202010187467.7A patent/CN111401958A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572854A (zh) * | 2014-12-17 | 2015-04-29 | 语联网(武汉)信息技术有限公司 | 一种基于决策树的译员分类方法 |
CN108776846A (zh) * | 2018-05-15 | 2018-11-09 | 中国平安人寿保险股份有限公司 | 推荐方法、装置、计算机设备及存储介质 |
CN110766271A (zh) * | 2019-09-10 | 2020-02-07 | 中国平安财产保险股份有限公司 | 基于深度学习的客服坐席配置方法、装置及计算机设备 |
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 |
Non-Patent Citations (1)
Title |
---|
尹训红: "《人力资源管理视角下的大学生就业竞争力研究》", 30 September 2015, 西南交通大学出版社 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861514A (zh) * | 2020-07-30 | 2020-10-30 | 北京车薄荷科技有限公司 | 一种人员推荐方法及人员推荐系统 |
CN111861514B (zh) * | 2020-07-30 | 2023-09-12 | 北京车薄荷科技有限公司 | 一种人员推荐方法及人员推荐系统 |
CN112132656A (zh) * | 2020-09-21 | 2020-12-25 | 深圳思为科技有限公司 | 判客方法及相关设备 |
CN112132656B (zh) * | 2020-09-21 | 2024-05-14 | 深圳思为科技有限公司 | 判客方法及相关设备 |
CN112233265A (zh) * | 2020-09-29 | 2021-01-15 | 深圳思为科技有限公司 | 电子签到方法及相关装置 |
CN112561268A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市思为软件技术有限公司 | 行为评估方法及相关设备 |
CN112561268B (zh) * | 2020-12-07 | 2023-12-15 | 深圳市思为软件技术有限公司 | 行为评估方法及相关设备 |
CN112951378A (zh) * | 2021-03-05 | 2021-06-11 | 中国科学院心理研究所 | 一种为来访者自动推荐心理咨询师的方法 |
CN112951378B (zh) * | 2021-03-05 | 2023-11-21 | 中国科学院心理研究所 | 一种为来访者自动推荐心理咨询师的方法 |
CN113673865A (zh) * | 2021-08-19 | 2021-11-19 | 重庆锐云科技有限公司 | 防止充客的客户分配方法、装置、计算机设备及存储介质 |
CN117114295A (zh) * | 2023-08-08 | 2023-11-24 | 深圳先锋居善科技有限公司 | 客户接待分配方法、装置、设备及计算机可读存储介质 |
CN117114295B (zh) * | 2023-08-08 | 2024-05-28 | 深圳先锋居善科技有限公司 | 客户接待分配方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111401958A (zh) | 一种对房地产客户自动推荐置业顾问的方法及系统 | |
US20230133262A1 (en) | Relationship networks having link quality metrics with inference and concomitant digital value exchange | |
CN107123057A (zh) | 用户推荐方法及装置 | |
US8775332B1 (en) | Adaptive user interfaces | |
US11935029B2 (en) | Classification by natural language grammar slots across domains | |
US9838484B2 (en) | Relevance estimation and actions based thereon | |
US20140143332A1 (en) | Discovering signature of electronic social networks | |
CN109034960B (zh) | 一种基于用户节点嵌入的多属性推断的方法 | |
US20210406956A1 (en) | Communication system and communication control method | |
WO2020253109A1 (zh) | 基于语音识别的资源信息推荐方法、装置、终端及介质 | |
US11397757B2 (en) | Relevance estimation and actions based thereon | |
WO2013019972A2 (en) | Systems and methods of processing personality information | |
KR102128274B1 (ko) | 페르소나와 딥-러닝 모델을 이용한 소셜네트워크상의 콘텐츠 추천 방법 | |
JP2010067240A (ja) | アバター画像の自動生成並びに成長システム | |
CN103295148A (zh) | 数字消费者数据模型和客户分析记录 | |
Hegde et al. | Restaurant setup business analysis using yelp dataset | |
US8473586B2 (en) | Method for determining aesthetic preferences to define a style guide and transforming a presentation based thereon | |
Al-Otaibi et al. | Cosine similarity-based algorithm for social networking recommendation | |
CN109977979B (zh) | 定位种子用户的方法、装置、电子设备和存储介质 | |
CN111787042B (zh) | 用于推送信息的方法和装置 | |
CN110633410A (zh) | 信息处理方法及装置、存储介质、电子装置 | |
KR102223640B1 (ko) | 클라우드 기반 개인화 콘텐츠 구독 서비스 제공 시스템 및 방법 | |
CN110502639B (zh) | 基于问题贡献度的信息推荐方法、装置、及计算机设备 | |
US10684736B2 (en) | Method for defining a presentation format targetable to a demographic | |
KR101491986B1 (ko) | 개인화된 페르소나 그룹을 통한 소셜 질의응답 시스템 |
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: 20200710 |
|
RJ01 | Rejection of invention patent application after publication |