CN111639299A - 置业顾问客户跟进绩效评估方法、系统及存储介质 - Google Patents
置业顾问客户跟进绩效评估方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111639299A CN111639299A CN202010429011.7A CN202010429011A CN111639299A CN 111639299 A CN111639299 A CN 111639299A CN 202010429011 A CN202010429011 A CN 202010429011A CN 111639299 A CN111639299 A CN 111639299A
- Authority
- CN
- China
- Prior art keywords
- follow
- client
- deal
- transaction
- level
- 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 28
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 238000012360 testing method Methods 0.000 claims description 16
- 230000006403 short-term memory Effects 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 6
- 230000007787 long-term memory Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Pure & Applied Mathematics (AREA)
- Marketing (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Computational Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
Abstract
本发明提供一种置业顾问客户跟进绩效评估方法、系统及存储介质,通过获取置业顾问对接待客户的跟进数据,基于预先建立的回归模型,得到跟进数据中各指标的权重系数,从而计算得到对该接待客户的一次跟进绩效得分;将客户按照成交意向分为不同的等级,通过计算不同成交意向等级下的客户成交概率,以及结合置业顾问对所有所接待客户的一次跟进绩效得分,计算得到最终绩效得分。本方案以跟进数据为核心,按照成交意向将客户分为不同的等级,以不同成交意向等级的客户的成交情况为主要参考因子,使得最终计算得出的最终绩效得分,可以更能准确评估置业顾问对接待客户的绩效跟进情况。
Description
技术领域
本发明涉及房地产互联网数据处理技术领域,尤其涉及一种置业顾问客户跟进绩效评估方法、系统及存储介质。
背景技术
置业顾问是在售楼处通过现场服务引导客户购买,促进楼盘销售,为客户提供投资置业的专业化、顾问式服务的综合性人才。置业顾问的能力是开发商和销售行业最为看重的一点,因此对置业顾问的能力绩效评估也十分严格和重要。由于每次接待的客户成交意愿不一致,成交意愿高的人可能当场成交不需要过多跟进,成交意愿较低的客户,对于置业顾问来说跟进需要一定的技巧,因此在置业顾问绩效考核中跟进的能力也很重要。
当前房地产行业中置业顾问的绩效一般是通过销售额和工作年限来进行评估或者销售经理人工审核,这样的评估方式存在的主观性较强、人力成本较高、忽略了置业顾问跟进的过程。因此,急需一种便捷、公平的方式实现对置业顾问跟进绩效的评估。
发明内容
本发明提供的置业顾问客户跟进绩效评估方法、系统及存储介质,主要解决的技术问题是:如何便捷、公平地实现置业顾问对接待客户跟进绩效的评估。
为解决上述技术问题,本发明提供一种置业顾问客户跟进绩效评估方法,包括:
获取待评估置业顾问在设定时间段内对所接待客户的跟进数据;当所述所接待客户属于已成交客户时,所述跟进数据包括如下指标:客户当前成交意向等级、等级更新次数、跟进文本内容有效性、跟进次数、电话回访次数、首次来访与首次跟进的时间间隔、首次来访与成交的时间间隔、最后一次跟进与成交的时间间隔、客户已成交;
当所述所接待客户属于未成交客户时,所述跟进数据包括如下指标:客户当前成交意向等级、等级更新次数、跟进文本内容有效性、跟进次数、电话回访次数、首次来访与首次跟进的时间间隔、首次来访与当前时刻的时间间隔、最后一次跟进与当前时刻的时间间隔、客户未成交;
获取预先建立的回归模型,以获取各指标对应的权重系数;
根据所述跟进数据与所述各指标对应的权重系数,分别计算所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分;
获取所述所接待客户中当前成交意向等级相同的总客户数量,以及该成交意向等级中的成交客户数量,计算相应成交意向等级下的客户成交概率;
基于所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分,与所述相应成交意向等级下的客户成交概率,计算所述待评估置业顾问的最终绩效得分;以对所述待评估置业顾问在该设定时间段内的客户跟进情况完成评估。
可选的,其中获取跟进文本内容有效性包括:
判断所述跟进文本内容是否属于如下情形之一:文本为空;只包含符号和/或字符串;只包含数字和/或字母;中文字数未达到设定数值;
如是,判断所述跟进文本内容属于无效文本,判定有效性为0;
如否,利用长短期记忆模型(Long Short Term Memory,简称LSTM)对所述跟进文本内容进行正负分类,基于分类结果得到有效性数值。
可选的,所述回归模型的建立过程包括:
将跟进数据中的相应指标作为自变量,将销售经理对置业顾问的跟进数据做出的评分值作为因变量,初步设定回归方程;
基于训练样本求出回归方程各指标对应的回归系数及常数;
根据各指标的显著性数值进行相关性检验,确定回归模型的自变量和对应的回归系数,从而得到回归模型;
利用测试数据计算所得回归模型预测值的拟合优度,使得拟合优度满足模型设定需求,否则,重新训练直至满足模型设定需求。
可选的,所述根据各指标的显著性数值进行相关性检验,确定回归模型的自变量和对应的回归系数包括:
将各指标的显著性数值与设定数值进行比较,将显著性数值大于所述设定数值的指标予以删除,保留显著性数值小于等于设定数值的指标,以得到回归模型的自变量和对应的回归系数。
可选的,所述基于所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分,与所述相应成交意向等级下的客户成交概率,计算所述待评估置业顾问的最终绩效得分包括:
计算所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分的平均值,将所述一次跟进绩效得分的平均值与所述相应成交意向等级下的客户成交概率进行加权求和,得到所述待评估置业顾问的最终绩效得分。
本发明还提供一种置业顾问客户跟进绩效评估系统,包括:
第一获取模块,用于获取待评估置业顾问在设定时间段内对所接待客户的跟进数据;当所述所接待客户属于已成交客户时,所述跟进数据包括如下指标:客户当前成交意向等级、等级更新次数、跟进文本内容有效性、跟进次数、电话回访次数、首次来访与首次跟进的时间间隔、首次来访与成交的时间间隔、最后一次跟进与成交的时间间隔、客户已成交;
当所述所接待客户属于未成交客户时,所述跟进数据包括如下指标:客户当前成交意向等级、等级更新次数、跟进文本内容有效性、跟进次数、电话回访次数、首次来访与首次跟进的时间间隔、首次来访与当前时刻的时间间隔、最后一次跟进与当前时刻的时间间隔、客户未成交;
第二获取模块,用于获取预先建立的回归模型,以获取各指标对应的权重系数;
第一计算模块,用于根据所述跟进数据与所述各指标对应的权重系数,分别计算所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分;
第二计算模块,用于获取所述所接待客户中当前成交意向等级相同的总客户数量,以及该成交意向等级中的成交客户数量,计算相应成交意向等级下的客户成交概率;
第三计算模块,用于基于所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分,与所述相应成交意向等级下的客户成交概率,计算所述待评估置业顾问的最终绩效得分;以对所述待评估置业顾问在该设定时间段内的客户跟进情况完成评估。
可选的,第一获取模块还包括处理子模块,用于判断所述跟进文本内容是否属于如下情形之一:文本为空;只包含符号和/或字符串;只包含数字和/或字母;中文字数未达到设定数值;
如是,判断所述跟进文本内容属于无效文本,判定有效性为0;
如否,利用长短期记忆模型对所述跟进文本内容进行正负分类,基于分类结果得到有效性数值。
可选的,所述系统还包括:
模型建立模块,用于将跟进数据中的相应指标作为自变量,将销售经理对置业顾问的跟进数据做出的评分值作为因变量,初步设定回归方程;基于训练样本求出回归方程各指标对应的回归系数及常数;根据各指标的显著性数值进行相关性检验,确定回归模型的自变量和对应的回归系数,从而得到回归模型;利用测试数据计算所得回归模型预测值的拟合优度,使得拟合优度满足模型设定需求,否则,重新训练直至满足模型设定需求。
可选的,所述第三计算模块用于计算所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分的平均值,将所述一次跟进绩效得分的平均值与所述相应成交意向等级下的客户成交概率进行加权求和,得到所述待评估置业顾问的最终绩效得分。
本发明还提供一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任一项所述的置业顾问客户跟进绩效评估方法的步骤。
本发明的有益效果是:
根据本发明提供的置业顾问客户跟进绩效评估方法、系统及存储介质,通过获取置业顾问对接待客户的跟进数据,基于预先建立的回归模型,得到跟进数据中各指标的权重系数,从而计算得到对该接待客户的一次跟进绩效得分;将客户按照成交意向分为不同的等级,通过计算不同成交意向等级下的客户成交概率,以及结合置业顾问对所有所接待客户的一次跟进绩效得分,计算得到最终绩效得分。本方案以跟进数据为核心,按照成交意向将客户分为不同的等级,以不同成交意向等级的客户的成交情况为主要参考因子,使得最终计算得出的最终绩效得分,可以更能准确评估置业顾问对接待客户的绩效跟进情况。便捷、公平、准确地实现了对置业顾问跟进绩效的智能化评估,避免人工审核所导致的主观性强、工作量大的问题;同时有利于地产商销售案场人员管理的标准化流程;进一步地,将跟进绩效加入置业顾问的总体绩效评估中,可完善绩效考核内容,使管理者对销售人员更加了解。
附图说明
图1为本发明实施例一的置业顾问客户跟进绩效评估方法流程示意图;
图2为本发明实施例一的长短期记忆模型图;
图3为本发明实施例二的置业顾问客户跟进绩效评估系统结构示意图。
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:
本实施例提供一种置业顾问客户跟进绩效评估方法,请参见图1,主要包括如下步骤:
S101、获取待评估置业顾问在设定时间段内对所接待客户的跟进数据。
当所接待客户属于已成交客户时,跟进数据包括如下指标:客户当前成交意向等级、等级更新次数、跟进文本内容有效性、跟进次数、电话回访次数、首次来访与首次跟进的时间间隔、首次来访与成交的时间间隔、最后一次跟进与成交的时间间隔、客户已成交;
当所接待客户属于未成交客户时,跟进数据包括如下指标:客户当前成交意向等级、等级更新次数、跟进文本内容有效性、跟进次数、电话回访次数、首次来访与首次跟进的时间间隔、首次来访与当前时刻的时间间隔、最后一次跟进与当前时刻的时间间隔、客户未成交。
客户在到访后置业顾问对客户进行初步判断,根据预判成交意愿将客户分为A、B、C、D、E类。其中,A代表成交意愿极强、B代表成交意愿强、C代表成交意愿一般、D代表成交意愿弱、E代表毫无成交意愿。置业顾问在后期跟进中可以对客户的成交意向等级进行更新,客户属于A、B、C、D四种类型时,置业顾问需进行跟进,当置业顾问预判或者今后判断客户无置业意向将客户划分为E等级,暂时无需对客户进行跟进。
对置业顾问跟进的客户文本数据处理和判断,以此判别跟进内容是否有效。其中获取跟进文本内容有效性包括:判断跟进文本内容是否属于如下情形之一:文本为空;只包含符号和/或字符串;只包含数字和/或字母;中文字数小于5个字;如是,判断跟进文本内容属于无效文本,判定有效性为0;如否,利用长短期记忆模型对跟进文本内容进行正负分类,基于分类结果得到有效性数值。
长短期记忆模型图请参见图2所示,首先对文本进行向量化转化,将词向量输入到长短期记忆模型中,长短期记忆模型主要是根据文本前后词语关系,对文本语义提取,根据提取的语义对文本进行区分,实现正负分类;根据分类结果计算跟进文本内容的有效性数值。例如,正分类中词向量占比80%,负分类中词向量占比20%,那么得到该跟进文本内容的有效性为80%。
S102、获取预先建立的回归模型,以获取各指标对应的权重系数。
回归模型的建立过程包括:
将跟进数据中的相应指标作为自变量,将销售经理对置业顾问的跟进数据做出的评分值作为因变量,初步设定回归方程。假设为Score=a1*k1+a2*k2+a3*k3+a4*k4+a5*k5+a6*k6+a7*k7+a8*k8+a9*k9+D;其中,k1对应客户当前成交意向等级,k2对应等级更新次数,k3对应跟进文本内容有效性,k4对应跟进次数,k5对应电话回访次数,k6对应首次来访与首次跟进的时间间隔,k7对应首次来访与当前时刻的时间间隔,或首次来访与成交的时间间隔,k8对应最后一次跟进与当前时刻的时间间隔,或最后一次跟进与成交的时间间隔、k9对应客户是否成交(包括客户已成交为1,客户未成交为0)。
基于训练样本求出回归方程各指标对应的回归系数及常数。这里,回归系数包括a1、a2、a3、a4、a5、a6、a7、a8和a9,常数为D。
根据各指标的显著性数值进行相关性检验,确定回归模型的自变量和对应的回归系数,从而得到回归模型。可选的,根据各指标的显著性数值进行相关性检验,确定回归模型的自变量和对应的回归系数包括:将各指标的显著性数值与设定数值进行比较,将显著性数值大于设定数值的指标予以删除,保留显著性数值小于等于设定数值的指标,以得到回归模型的自变量和对应的回归系数。
具体回归模型请参见如下表1所示:
表1模型参数表
上述指标的显著性P值均小于设定值0.05,表明这些指标均显著。得到的回归模型如下所示:
Score=23.42*k1+12.32*k2+34.81*k3-14.21*k4+7.42*k5+-11*k6+-0.29*k7-0.51*k8+32.04*k9+24.47;
利用测试数据计算所得回归模型预测值的拟合优度,使得拟合优度满足模型设定需求,否则,重新训练直至满足模型设定需求。经实际测试数据检测,上述回归模型评价指标Adj_score=0.92,表明模型的拟合效果较好,符合设定需求。
S103、根据跟进数据与各指标对应的权重系数,分别计算待评估置业顾问对各所接待客户的一次跟进绩效得分。
S104、获取所接待客户中当前成交意向等级相同的总客户数量,以及该成交意向等级中的成交客户数量,计算相应成交意向等级下的客户成交概率。
S105、基于待评估置业顾问对各所接待客户的一次跟进绩效得分,与相应成交意向等级下的客户成交概率,计算待评估置业顾问的最终绩效得分;以对待评估置业顾问在该设定时间段内的客户跟进情况完成评估。
可选的,计算待评估置业顾问对各所接待客户的一次跟进绩效得分的平均值,将一次跟进绩效得分的平均值与相应成交意向等级下的客户成交概率进行加权求和,得到待评估置业顾问的最终绩效得分。
为了更好地理解本发明,下面结合具体示例进行简单说明:
客户李某在2019年6月1日开始进行线上浏览,2019年6月12日在A楼盘下进行建档,当天将李某分配给了B置业顾问;建档两天后B对其来访内容跟进,跟进文本内容为“该客户意愿一般,考虑一下周边环境,对楼盘的价格和面积还比较喜欢,后期有意愿再联系”,并且给定客户的成交意愿等级为C。在2019年6月30日对客户进行电call回访邀请客户到案场看房,并在当日对客户跟进,更改成交等级为B。2019年7月14日再次来到案场看房,B继续跟进。直到2019年8月25日该客户成交,得到如下表2所示的跟进数据。
表2根据数据表
基于此,可以得到该置业顾问B对客户李某的一次跟进绩效得分:
Score=23.42*3+12.32*2+34.81*100%-14.21*3+7.42*1-11*2-0.29*75-0.51*41+32.04*1+24.47=86.35;
同理,可以计算得到该置业顾问B对接待的其他客户的一次跟进绩效得分进行计算;然后计算待评估置业顾问对各所接待客户的一次跟进绩效得分的平均值,将一次跟进绩效得分的平均值与相应成交意向等级下的客户成交概率进行加权求和,得到待评估置业顾问的最终绩效得分。
假设,经统计该客户设定时间段(例如为一个月、一季度、半年、一年等)共接待421位客户,其中成交意向等级判定为A、B类的客户共145人,成交38人,得到AB类客户的成交概率为38/145;CDE类客户共276人,成交32人,得到CDE类客户的成交概率为32/276。假设其中跟进客户数量为380人。
该置业顾问的最终绩效得分计算如下:
其中j表示置业顾问所接待的第几个客户;n表示接待客户的数量;Sj表示置业顾问对接待的第j个客户的一次跟进绩效得分;m表示A、B类客户的数量;a表示A、B类客户中成交的数量;p为C、D、E类客户数量、c为C、D、E类客户中成交的数量。
假设,权重w1、w2、w3分别为0.4、0.2、0.4,则可计算得到该置业顾问的最终绩效得分为:
本发明提供的置业顾问客户跟进绩效评估方法,通过获取置业顾问对接待客户的跟进数据,基于预先建立的回归模型,得到跟进数据中各指标的权重系数,从而计算得到对该接待客户的一次跟进绩效得分;将客户按照成交意向分为不同的等级,通过计算不同成交意向等级下的客户成交概率,以及结合置业顾问对所有所接待客户的一次跟进绩效得分,计算得到最终绩效得分。本方案以跟进数据为核心,按照成交意向将客户分为不同的等级,以不同成交意向等级的客户的成交情况为主要参考因子,使得最终计算得出的最终绩效得分,可以更能准确评估置业顾问对接待客户的绩效跟进情况。便捷、公平、准确地实现了对置业顾问跟进绩效的智能化评估,避免人工审核所导致的主观性强、工作量大的问题;同时有利于地产商销售案场人员管理的标准化流程;进一步地,将跟进绩效加入置业顾问的总体绩效评估中,可完善绩效考核内容,使管理者对销售人员更加了解。
实施例二:
本实施例在上述实施例一的基础上,提供一种置业顾问客户跟进绩效评估系统,用于实现上述实施例一中所述的置业顾问客户跟进绩效评估方法的至少部分步骤。请参见图3,该系统主要包括第一获取模块31、第二获取模块32、第一计算模块33、第二计算模块34以及第三计算模块35,其中:
第一获取模块31用于获取待评估置业顾问在设定时间段内对所接待客户的跟进数据;当所接待客户属于已成交客户时,跟进数据包括如下指标:客户当前成交意向等级、等级更新次数、跟进文本内容有效性、跟进次数、电话回访次数、首次来访与首次跟进的时间间隔、首次来访与成交的时间间隔、最后一次跟进与成交的时间间隔、客户已成交;
当所接待客户属于未成交客户时,跟进数据包括如下指标:客户当前成交意向等级、等级更新次数、跟进文本内容有效性、跟进次数、电话回访次数、首次来访与首次跟进的时间间隔、首次来访与当前时刻的时间间隔、最后一次跟进与当前时刻的时间间隔、客户未成交;
第二获取模块32用于获取预先建立的回归模型,以获取各指标对应的权重系数;
第一计算模块33用于根据跟进数据与所述各指标对应的权重系数,分别计算待评估置业顾问对各所接待客户的一次跟进绩效得分;
第二计算模块34用于获取所接待客户中当前成交意向等级相同的总客户数量,以及该成交意向等级中的成交客户数量,计算相应成交意向等级下的客户成交概率;
第三计算模块35用于基于待评估置业顾问对各所接待客户的一次跟进绩效得分,与相应成交意向等级下的客户成交概率,计算待评估置业顾问的最终绩效得分;以对待评估置业顾问在该设定时间段内的客户跟进情况完成评估。
可选的,第一获取模块31还包括处理子模块311,用于判断跟进文本内容是否属于如下情形之一:文本为空;只包含符号和/或字符串;只包含数字和/或字母;中文字数未达到设定数值;如是,判断跟进文本内容属于无效文本,判定有效性为0;如否,利用长短期记忆模型对跟进文本内容进行正负分类,基于分类结果得到有效性数值。
可选的,系统还包括模型建立模块36,用于将跟进数据中的相应指标作为自变量,将销售经理对置业顾问的跟进数据做出的评分值作为因变量,初步设定回归方程;基于训练样本求出回归方程各指标对应的回归系数及常数;根据各指标的显著性数值进行相关性检验,确定回归模型的自变量和对应的回归系数,从而得到回归模型;利用测试数据计算所得回归模型预测值的拟合优度,使得拟合优度满足模型设定需求,否则,重新训练直至满足模型设定需求。
可选的,第三计算模块35用于计算待评估置业顾问对各所接待客户的一次跟进绩效得分的平均值,将一次跟进绩效得分的平均值与相应成交意向等级下的客户成交概率进行加权求和,得到待评估置业顾问的最终绩效得分。
具体请参见上述实施例一中的描述,在此不再赘述。
本实施例还提供一种存储介质,该存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如实施例一中所述的置业顾问客户跟进绩效评估方法的至少部分步骤。
具体请参见上述实施例一中的描述,在此不再赘述。
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)
1.一种置业顾问客户跟进绩效评估方法,其特征在于,包括:
获取待评估置业顾问在设定时间段内对所接待客户的跟进数据;当所述所接待客户属于已成交客户时,所述跟进数据包括如下指标:客户当前成交意向等级、等级更新次数、跟进文本内容有效性、跟进次数、电话回访次数、首次来访与首次跟进的时间间隔、首次来访与成交的时间间隔、最后一次跟进与成交的时间间隔、客户已成交;
当所述所接待客户属于未成交客户时,所述跟进数据包括如下指标:客户当前成交意向等级、等级更新次数、跟进文本内容有效性、跟进次数、电话回访次数、首次来访与首次跟进的时间间隔、首次来访与当前时刻的时间间隔、最后一次跟进与当前时刻的时间间隔、客户未成交;
获取预先建立的回归模型,以获取各指标对应的权重系数;
根据所述跟进数据与所述各指标对应的权重系数,分别计算所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分;
获取所述所接待客户中当前成交意向等级相同的总客户数量,以及该成交意向等级中的成交客户数量,计算相应成交意向等级下的客户成交概率;
基于所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分,与所述相应成交意向等级下的客户成交概率,计算所述待评估置业顾问的最终绩效得分;以对所述待评估置业顾问在该设定时间段内的客户跟进情况完成评估。
2.如权利要求1所述的置业顾问客户跟进绩效评估方法,其特征在于,其中获取跟进文本内容有效性包括:
判断所述跟进文本内容是否属于如下情形之一:文本为空;只包含符号和/或字符串;只包含数字和/或字母;中文字数未达到设定数值;
如是,判断所述跟进文本内容属于无效文本,判定有效性为0;
如否,利用长短期记忆模型对所述跟进文本内容进行正负分类,基于分类结果得到有效性数值。
3.如权利要求1所述的置业顾问客户跟进绩效评估方法,其特征在于,所述回归模型的建立过程包括:
将跟进数据中的相应指标作为自变量,将销售经理对置业顾问的跟进数据做出的评分值作为因变量,初步设定回归方程;
基于训练样本求出回归方程各指标对应的回归系数及常数;
根据各指标的显著性数值进行相关性检验,确定回归模型的自变量和对应的回归系数,从而得到回归模型;
利用测试数据计算所得回归模型预测值的拟合优度,使得拟合优度满足模型设定需求,否则,重新训练直至满足模型设定需求。
4.如权利要求3所述的置业顾问客户跟进绩效评估方法,其特征在于,所述根据各指标的显著性数值进行相关性检验,确定回归模型的自变量和对应的回归系数包括:
将各指标的显著性数值与设定数值进行比较,将显著性数值大于所述设定数值的指标予以删除,保留显著性数值小于等于设定数值的指标,以得到回归模型的自变量和对应的回归系数。
5.如权利要求1-4任一项所述的置业顾问客户跟进绩效评估方法,其特征在于,所述基于所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分,与所述相应成交意向等级下的客户成交概率,计算所述待评估置业顾问的最终绩效得分包括:
计算所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分的平均值,将所述一次跟进绩效得分的平均值与所述相应成交意向等级下的客户成交概率进行加权求和,得到所述待评估置业顾问的最终绩效得分。
6.一种置业顾问客户跟进绩效评估系统,其特征在于,包括:
第一获取模块,用于获取待评估置业顾问在设定时间段内对所接待客户的跟进数据;当所述所接待客户属于已成交客户时,所述跟进数据包括如下指标:客户当前成交意向等级、等级更新次数、跟进文本内容有效性、跟进次数、电话回访次数、首次来访与首次跟进的时间间隔、首次来访与成交的时间间隔、最后一次跟进与成交的时间间隔、客户已成交;
当所述所接待客户属于未成交客户时,所述跟进数据包括如下指标:客户当前成交意向等级、等级更新次数、跟进文本内容有效性、跟进次数、电话回访次数、首次来访与首次跟进的时间间隔、首次来访与当前时刻的时间间隔、最后一次跟进与当前时刻的时间间隔、客户未成交;
第二获取模块,用于获取预先建立的回归模型,以获取各指标对应的权重系数;
第一计算模块,用于根据所述跟进数据与所述各指标对应的权重系数,分别计算所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分;
第二计算模块,用于获取所述所接待客户中当前成交意向等级相同的总客户数量,以及该成交意向等级中的成交客户数量,计算相应成交意向等级下的客户成交概率;
第三计算模块,用于基于所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分,与所述相应成交意向等级下的客户成交概率,计算所述待评估置业顾问的最终绩效得分;以对所述待评估置业顾问在该设定时间段内的客户跟进情况完成评估。
7.如权利要求6所述的置业顾问客户跟进绩效评估系统,其特征在于,所述第一获取模块还包括处理子模块,用于判断所述跟进文本内容是否属于如下情形之一:文本为空;只包含符号和/或字符串;只包含数字和/或字母;中文字数未达到设定数值;
如是,判断所述跟进文本内容属于无效文本,判定有效性为0;
如否,利用长短期记忆模型对所述跟进文本内容进行正负分类,基于分类结果得到有效性数值。
8.如权利要求6所述的置业顾问客户跟进绩效评估系统,其特征在于,所述系统还包括:
模型建立模块,用于将跟进数据中的相应指标作为自变量,将销售经理对置业顾问的跟进数据做出的评分值作为因变量,初步设定回归方程;基于训练样本求出回归方程各指标对应的回归系数及常数;根据各指标的显著性数值进行相关性检验,确定回归模型的自变量和对应的回归系数,从而得到回归模型;利用测试数据计算所得回归模型预测值的拟合优度,使得拟合优度满足模型设定需求,否则,重新训练直至满足模型设定需求。
9.如权利要求6-8任一项所述的置业顾问客户跟进绩效评估系统,其特征在于,所述第三计算模块用于计算所述待评估置业顾问对各所述所接待客户的一次跟进绩效得分的平均值,将所述一次跟进绩效得分的平均值与所述相应成交意向等级下的客户成交概率进行加权求和,得到所述待评估置业顾问的最终绩效得分。
10.一种存储介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至5中任一项所述的置业顾问客户跟进绩效评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010429011.7A CN111639299A (zh) | 2020-05-20 | 2020-05-20 | 置业顾问客户跟进绩效评估方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010429011.7A CN111639299A (zh) | 2020-05-20 | 2020-05-20 | 置业顾问客户跟进绩效评估方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111639299A true CN111639299A (zh) | 2020-09-08 |
Family
ID=72332069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010429011.7A Pending CN111639299A (zh) | 2020-05-20 | 2020-05-20 | 置业顾问客户跟进绩效评估方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111639299A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766762A (zh) * | 2021-01-25 | 2021-05-07 | 深圳思为科技有限公司 | 一种分配客户的方法及装置 |
CN113435746A (zh) * | 2021-06-28 | 2021-09-24 | 平安银行股份有限公司 | 用户工作量的评分方法、装置、电子设备及存储介质 |
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 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203818A (zh) * | 2016-07-06 | 2016-12-07 | 佛山市恒南微科技有限公司 | 一种电商经理绩效考核系统 |
CN108053320A (zh) * | 2017-11-07 | 2018-05-18 | 深圳市崇广科技有限公司 | 理财同业撮合交易方法、设备和计算机可读存储介质 |
CN108876145A (zh) * | 2018-06-13 | 2018-11-23 | 广西电网有限责任公司电力科学研究院 | 一种95598客服工单处理质量评级方法及装置 |
CN108960467A (zh) * | 2018-07-09 | 2018-12-07 | 重庆锐云科技有限公司 | 房地产信息管理与数据分析系统 |
CN108960587A (zh) * | 2018-06-14 | 2018-12-07 | 万翼科技有限公司 | 置业顾问服务质量的评价方法、装置及可读存储介质 |
CA3037743A1 (en) * | 2018-03-21 | 2019-09-21 | Federation Des Caisses Desjardins Du Quebec | Method and system for assisting a purchasing transaction with mobile device |
CN110489556A (zh) * | 2019-08-22 | 2019-11-22 | 重庆锐云科技有限公司 | 关于跟进记录的质量评价方法、装置、服务器及存储介质 |
CN110675069A (zh) * | 2019-09-26 | 2020-01-10 | 重庆锐云科技有限公司 | 地产行业客户签约风险预警方法、服务器及存储介质 |
CN110909910A (zh) * | 2019-09-18 | 2020-03-24 | 浙江大学 | 一种基于pbr的新型偏差电量考核机制优化设计方法 |
CN111080125A (zh) * | 2019-12-16 | 2020-04-28 | 重庆锐云科技有限公司 | 置业顾问能力评价方法 |
-
2020
- 2020-05-20 CN CN202010429011.7A patent/CN111639299A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203818A (zh) * | 2016-07-06 | 2016-12-07 | 佛山市恒南微科技有限公司 | 一种电商经理绩效考核系统 |
CN108053320A (zh) * | 2017-11-07 | 2018-05-18 | 深圳市崇广科技有限公司 | 理财同业撮合交易方法、设备和计算机可读存储介质 |
CA3037743A1 (en) * | 2018-03-21 | 2019-09-21 | Federation Des Caisses Desjardins Du Quebec | Method and system for assisting a purchasing transaction with mobile device |
CN108876145A (zh) * | 2018-06-13 | 2018-11-23 | 广西电网有限责任公司电力科学研究院 | 一种95598客服工单处理质量评级方法及装置 |
CN108960587A (zh) * | 2018-06-14 | 2018-12-07 | 万翼科技有限公司 | 置业顾问服务质量的评价方法、装置及可读存储介质 |
CN108960467A (zh) * | 2018-07-09 | 2018-12-07 | 重庆锐云科技有限公司 | 房地产信息管理与数据分析系统 |
CN110489556A (zh) * | 2019-08-22 | 2019-11-22 | 重庆锐云科技有限公司 | 关于跟进记录的质量评价方法、装置、服务器及存储介质 |
CN110909910A (zh) * | 2019-09-18 | 2020-03-24 | 浙江大学 | 一种基于pbr的新型偏差电量考核机制优化设计方法 |
CN110675069A (zh) * | 2019-09-26 | 2020-01-10 | 重庆锐云科技有限公司 | 地产行业客户签约风险预警方法、服务器及存储介质 |
CN111080125A (zh) * | 2019-12-16 | 2020-04-28 | 重庆锐云科技有限公司 | 置业顾问能力评价方法 |
Non-Patent Citations (1)
Title |
---|
刘川: "上汽大众汽车营销策略研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766762A (zh) * | 2021-01-25 | 2021-05-07 | 深圳思为科技有限公司 | 一种分配客户的方法及装置 |
CN113435746A (zh) * | 2021-06-28 | 2021-09-24 | 平安银行股份有限公司 | 用户工作量的评分方法、装置、电子设备及存储介质 |
CN113435746B (zh) * | 2021-06-28 | 2022-09-27 | 平安银行股份有限公司 | 用户工作量的评分方法、装置、电子设备及存储介质 |
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 |
---|---|---|
CN110032641B (zh) | 计算机执行的、利用神经网络进行事件抽取的方法及装置 | |
WO2019196546A1 (zh) | 确定业务请求事件的风险概率的方法及装置 | |
CN111639299A (zh) | 置业顾问客户跟进绩效评估方法、系统及存储介质 | |
US20140214404A1 (en) | Identifying tasks and commitments | |
CN109087163A (zh) | 信用评估的方法及装置 | |
US20220138770A1 (en) | Method and apparatus for analyzing sales conversation based on voice recognition | |
CN111181757B (zh) | 信息安全风险预测方法、装置以及计算设备、存储介质 | |
CN113449046A (zh) | 基于企业知识图谱的模型训练方法、系统及相关装置 | |
CN110503564A (zh) | 基于大数据的保全案件处理方法、系统、设备及存储介质 | |
CN110610431A (zh) | 基于大数据的智能理赔方法及智能理赔系统 | |
CN117114514B (zh) | 一种基于大数据的人才信息分析管理方法、系统及装置 | |
CN110489691A (zh) | 页面组件显示方法及终端设备 | |
CN110135684A (zh) | 一种能力测评方法、能力测评装置及终端设备 | |
CN113918703A (zh) | 一种智能客服问答方法、装置、服务器和存储介质 | |
CN112053245B (zh) | 信息评估方法及系统 | |
CN107977825A (zh) | 一种分发服务事件的方法及装置 | |
CN110706122A (zh) | 基于大数据分析提升社保代理效率方法、设备及可读介质 | |
CN112712270B (zh) | 信息处理方法、装置、设备及存储介质 | |
CN113496005B (zh) | 一种信息管理方法、装置、电子设备及存储介质 | |
CN110826823A (zh) | 定价策略的评价方法和系统 | |
CN114298825A (zh) | 还款积极度评估方法及装置 | |
CN114581130A (zh) | 基于客户画像的银行网点派号方法及装置、存储介质 | |
WO2023272833A1 (zh) | 一种数据检测方法、装置、设备及可读存储介质 | |
CN113849731A (zh) | 基于自然语言处理的信息推送方法、装置、设备及介质 | |
CN114066513A (zh) | 一种用户分类的方法和装置 |
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: 20200908 |
|
RJ01 | Rejection of invention patent application after publication |