CN112511705A - 一种高效客户分配算法机制 - Google Patents

Abstract

本发明涉及客户分配算法机制技术领域，具体是一种高效客户分配算法机制，包括以下步骤：S1.导入客户；S2.分配表；S3.分配规则；S4.二次分配规则。本发明能帮助企业针对销售人员的专长进行客户分配，同时能有效地促进销售人员的竞争意识提高转化率，分配规则含有前置的预测算法，用于调控分配数量的合理性，也有后置的限制机制，能灵活地进行针对性的调整，也有释放机制，增强自动化水平，减少由于人惰性而导致的分配失效问题，全面提升客户分配的有效性。

Description

一种高效客户分配算法机制

技术领域

本发明涉及客户分配算法机制技术领域，具体是一种高效客户分配算法机制。

背景技术

目前主流的客户分配算法机制主要围绕呼叫中心建设，目标都是为了减少客户在呼入过程的等待时间，有效分配客服资源为主要目的，并没有很好的针对销售行为的客户分配算法机制。

企业的商机信息都有多个不同的渠道导入，如果只是将商机信息汇集到客户关系管理系统中，没有及时安排销售人员跟进将错过交易窗口，白白浪费了商机。只有将商机信息迅速有效地分配销售人员进行跟进处理，才能将商机信息最大化地转化为企业业绩。本发明围绕如何将商机信息迅速有效地分配给销售人员，使企业的商机信息价值最大化。

发明内容

本发明的目的在于提供一种高效客户分配算法机制，解决上述背景技术中提出主流的客户分配算法机制主要围绕呼叫中心建设，目标都是为了减少客户在呼入过程的等待时间，有效分配客服资源为主要目的，并没有很好的针对销售行为的客户分配算法，以提升客户转化率，使商机价值最大化的问题。

本发明的技术方案是：一种高效客户分配算法机制，包括以下步骤：

S1.导入客户；

S2.分配表；

S3.分配规则；

S4.二次分配规则。

进一步地，所述导入客户：首先将各个渠道的商机信息整理为标准化的内容，赋予对应的信息标签，实时导入到客户关系管理系统，作为分配客户，具体包括以下步骤：

a.将多个推广渠道进行接入，如不同的广告渠道、网站、数据源，实时将商机信息同步接入到客户关系管理系统，并为每个商机自动建立客户信息；

b.判断商机信息，并区分类型，并对该客户信息赋予分组标签，如商机信息模糊，需求不明确，则为非标组；商机有具体的需求和目标价格，则为标准组；有具体的地区限制，则为对应地区的标签，如广州、深圳等等。

进一步地，所述步骤a具体包括以下步骤：

a1.接入时需依据客户名称、手机号码、公司名称、联系地址等等字段信息和系统已有客户进行校对清洗；

a2.客户信息已存在：补充商机信息到客户信息中；客户信息不存在：新增一个客户记录。

进一步地，所述分配表：不同的人员组成不同的组，每个组对应客户的分组标签，每个组依据分配分数排序，并为每个账号设置待分配客户数量，构成分配表，具体包括以下步骤；

c.将不同的人员归类为对应的组别，具体组别类型就是客户的分组标签,在分配前，明确当天分组中接受分配的人员的数量；

d.在每天开始分配前，预测当天该组可分配的客户数量；

e.为每个分组内的每个人员计算分配分数，将分组内的人员依据分配分数从高到低排序，构建为“分配表”的顺序,分配分数依据运营需求进行计算配置，建议由努力水平和转化水平构成；

f.依据预测的可分配客户数量，分别为不同类型的人员设置待分配客户数量，待分配客户数量可以依据组内人员进行均分。

进一步地，所述步骤d具体包括以下步骤：

d1.使用ARIMA模型整合移动平均自回归模型预测每个分组当天的分配客户数量，如分组数据平稳简单，使用过去时间段的平均数等其它方法也可以，具体依据分组情况进行配置；

d2.也可提供手动设置分组预测分配数量的入口，方便灵活调节。

进一步地，所述步骤e具体包括以下步骤：

e1.努力水平，衡量销售人员工作的努力程度，考虑过去时间段内有效跟进客户深度和跟进客户的广度，具体指标如平均每个负责客户的跟进次数、平均单位时间段内跟进的客户数量等；

e2.转化水平，衡量销售人员对于分配的客户的转化情况,具体指标如平均单位段内转化的客户数量、平均单位时间内的转化的销售金额等；

e3.努力水平和转化水平，两者使用统一的标准化方式，配置不同的权重进行求和后得出分配得分。

进一步地，所述步骤f这里提供一种方法：

f1.每个分组有合格线，区分人员为合格和不合格，依据以下公式设置两类人员具体的待分配客户数量：

公式：S*M*y+(1-S)*Mx＝A，

S：及格线的人数占比

M：每个销售职能分组中的账号总数

y：及格线账号每天最低可分配的新客户数量

x：非及格线账号每天最低可分配的新客户数量

A：当天组内预测可分配客户数量

由于每个人当天工作时间是固定的，跟进客户数上限也是稳定，设定S，依据运营需要可固定y或x，固定其中一个参数后可依据公式推断出另一个参数的数量，y和x就是对应类型人员的待分配客户数量；可使用决策树或其它算法确定y或x，也可人为手工设置具体的数值。

f2.可以应用其它机器学习算法针对及格线和非及格线的区分、或者直接针对每一个人员，分别计算出每一个人员最优的待分配客户数量。

进一步地，所述分配规则：依据每组的分配表向人员分配客户，具体包括以下步骤：

g.优先机制：默认使用优先机制，依据分配表顺序，优先向顶部的人员分配等于该人员的“待分配客户数量”的客户，每个人员依次顺序分配；

h.均分机制：当天实际分配客户数超出“当天组内预测可分配客户数量”，则实行均分机制，向每个账号顺序分配一个客户；

i.每天每人分配数量限制：每名人员每天的工作量是固定的，过多的客户并不能有效的处理，限制一天中每人可分配的客户数量，当预测的“每天最低可分配的新客户数量”高于“每天每人分配数量限制”时，账号的“待分配客户数量”等于“每天每人分配数量限制”可使用其它机器学习算法预测“每天最低可分配的新客户数量”进行自动设置，以避免待分配客户数量过多不合适；

j.每人每月分配数量限制：每名人员每个自然月的工作量是固定的，过多的客户并不能有效地处理，限制一个自然月中每人可分配的客户数量，当该账号在本月中累计已分配的客户数量高于“每人每月分配数量限制”时，剩余的日期中将该人员从分配表中排除，预测“每天最低可分配的新客户数量”不计算该人员，也不再向其分配新客户，当组内每名人员累计的分配客户数量都超过了“每人每月分配数量限制”后，依据分配分数的顺序，应用均分机制，可使用其它机器学习算法提高“每天最低可分配的新客户数量”的预测准确度，以避免待分配客户数量过多不合适；

k.i和j分别限定了每日和每月的分配数量限制，为较有效的时间限定范围，依据经验可以依据分组的特征调节限制的单位时间，可以有效地改进分配效果，在分组冷启动阶段效果明显，如将每月改为过去的30天。

进一步地，所述二次分配规则：除了以上分配规则确保首次分配的合理性外，为了商机能及时转化，所以有二次分配规则，二次分配规则具体包括以下步骤：

k.在规定的时间内分配人员没有跟进商机时，排除原分配人员，依据分配表在原组内将客户重新分配.

l.在规定的时间内分配人员没有转化分配的商机时，排除原分配人员，将客户分配到指定的组中。

本发明通过改进在此提供一种高效客户分配算法机制，与现有技术相比，具有如下改进及优点：

(1)本发明客户分配算法机制有导入机制和分类，帮助企业针对销售人员的专长进行客户分配，同时有效的分配机制能有效地促进销售人员的竞争意识提高转化率，分配规则含有前置的预测算法，用于调控分配数量的合理性，也有后置的限制机制，能灵活地进行针对性的调整，也有释放机制，增强自动化水平，减少由于人惰性而导致的分配失效问题，全面提升客户分配的有效性。

(2)本发明将商机信息自动导入销售人员的个人客户池，避免一般的客户关系管理系统需要人工从公海客户池中争抢客户的弊端，全面提升了客户跟进的时效性，降低了人工认领的盲目性，同时减低了组织内部的内耗摩擦。

(3)本发明避免了一般的客户关系管理系统基于忙闲状态或积累客户数量多少，简单地按顺序分配或随机分配，而导致的工作量分配不均匀。透明公平的能力评判方法成为激励机制，让销售人员更加积极主动；同时考虑了个人能力的因素，为有能力的人员增加工作产出，为不同能力的人员提供不同的商机信息，人员能力发挥得到最大化，提高了整体的商机转化率；还能反向指导推广投放，使推广工作更有针对性。

附图说明

下面结合附图和实施例对本发明作进一步解释:

图1是本发明的结构示意图；

图2是本发明的优先机制分配客户结构示意图；

图3是本发明的均分机制分配客户结构示意图。

具体实施方式

下面将结合附图1至图3对本发明进行详细说明，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。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

本发明通过改进在此提供一种高效客户分配算法机制，如图1-图3所示，包括以下步骤：

S1.导入客户；

S2.分配表；

S3.分配规则；

S4.二次分配规则。

进一步地，导入客户：首先将各个渠道的商机信息整理为标准化的内容，赋予对应的信息标签，实时导入到客户关系管理系统，作为分配客户，具体包括以下步骤：

a.将多个推广渠道进行接入，如不同的广告渠道、网站、数据源，实时将商机信息同步接入到客户关系管理系统，并为每个商机自动建立客户信息；

b.判断商机信息，并区分类型，并对该客户信息赋予分组标签，如商机信息模糊，需求不明确，则为非标组；商机有具体的需求和目标价格，则为标准组；有具体的地区限制，则为对应地区的标签，如广州、深圳等等。

进一步地，步骤a具体包括以下步骤：

a1.接入时需依据客户名称、手机号码、公司名称、联系地址等等字段信息和系统已有客户进行校对清洗；

a2.客户信息已存在：补充商机信息到客户信息中；客户信息不存在：新增一个客户记录。

进一步地，分配表：不同的人员组成不同的组，每个组对应客户的分组标签，每个组依据分配分数排序，并为每个账号设置待分配客户数量，构成分配表，具体包括以下步骤；

c.将不同的人员归类为对应的组别，具体组别类型就是客户的分组标签,在分配前，明确当天分组中接受分配的人员的数量；

d.在每天开始分配前，预测当天该组可分配的客户数量；

e.为每个分组内的每个人员计算分配分数，将分组内的人员依据分配分数从高到低排序，构建为“分配表”的顺序,分配分数依据运营需求进行计算配置，建议由努力水平和转化水平构成；

f.依据预测的可分配客户数量，分别为不同类型的人员设置待分配客户数量，待分配客户数量可以依据组内人员进行均分。

进一步地，步骤d具体包括以下步骤：

d1.使用ARIMA模型整合移动平均自回归模型预测每个分组当天的分配客户数量，如分组数据平稳简单，使用过去时间段的平均数等其它方法也可以，具体依据分组情况进行配置；

d2.也可提供手动设置分组预测分配数量的入口，方便灵活调节。

进一步地，步骤e具体包括以下步骤：

e1.努力水平，衡量销售人员工作的努力程度，考虑过去时间段内有效跟进客户深度和跟进客户的广度，具体指标如平均每个负责客户的跟进次数、平均单位时间段内跟进的客户数量等，技巧：注意排除没有推进销售进度的无效跟进信息；调整不同指标的统计时间段和单位时间段，不同的单位时间会使数值变化的幅度产生变化；不同指标数值之间相差过大时，可针对每个组别计算组内对不同指标求标准差，再归一化求和，或者分别计算标准分再求平均值，也可设置不同的权重再进行求和，以使数据能真实评判销售人员的努力；

e2.转化水平，衡量销售人员对于分配的客户的转化情况,具体指标如平均单位段内转化的客户数量、平均单位时间内的转化的销售金额等，技巧：调整不同指标的统计时间段和单位时间段，不同的单位时间会使数值变化的幅度产生变化，转化的客户数量和销售金额的单位时间应该相同；不同指标数值之间相差过大时，可针对每个组别计算组内对不同指标求标准差，再归一化求和，或者分别计算标准分再求平均值，也可设置不同的权重再进行求和，以使数据能真实评判销售人员的转化水平；

e3.努力水平和转化水平，两者使用统一的标准化方式，配置不同的权重进行求和后得出分配得分。

进一步地，步骤f这里提供一种方法：

f1.每个分组有合格线，区分人员为合格和不合格，依据以下公式设置两类人员具体的待分配客户数量：

公式：S*M*y+(1-S)*Mx＝A，

S：及格线的人数占比

M：每个销售职能分组中的账号总数

y：及格线账号每天最低可分配的新客户数量

x：非及格线账号每天最低可分配的新客户数量

A：当天组内预测可分配客户数量

由于每个人当天工作时间是固定的，跟进客户数上限也是稳定，设定S，依据运营需要可固定y或x，固定其中一个参数后可依据公式推断出另一个参数的数量，y和x就是对应类型人员的待分配客户数量；可使用决策树或其它算法确定y或x，也可人为手工设置具体的数值。

f2.可以应用其它机器学习算法针对及格线和非及格线的区分、或者直接针对每一个人员，分别计算出每一个人员最优的待分配客户数量。

进一步地，分配规则：依据每组的分配表向人员分配客户，具体包括以下步骤：

g.优先机制：默认使用优先机制，依据分配表顺序，优先向顶部的人员分配等于该人员的“待分配客户数量”的客户，每个人员依次顺序分配，例子：分配人员5名，合格线60％，及格线账号每天最低可分配的新客户数量3名，非及格线账号每天最低可分配的新客户数量2名，分配客户13名顺序；

h.均分机制：当天实际分配客户数超出“当天组内预测可分配客户数量”，则实行均分机制，向每个账号顺序分配一个客户，例子：分配人员5名，合格线60％，及格线账号每天最低可分配的新客户数量3名，非及格线账号每天最低可分配的新客户数量2名，分配客户20名顺序；

i.每天每人分配数量限制：每名人员每天的工作量是固定的，过多的客户并不能有效的处理，限制一天中每人可分配的客户数量，当预测的“每天最低可分配的新客户数量”高于“每天每人分配数量限制”时，账号的“待分配客户数量”等于“每天每人分配数量限制”可使用其它机器学习算法预测“每天最低可分配的新客户数量”进行自动设置，以避免待分配客户数量过多不合适；

j.每人每月分配数量限制：每名人员每个自然月的工作量是固定的，过多的客户并不能有效地处理，限制一个自然月中每人可分配的客户数量，当该账号在本月中累计已分配的客户数量高于“每人每月分配数量限制”时，剩余的日期中将该人员从分配表中排除，预测“每天最低可分配的新客户数量”不计算该人员，也不再向其分配新客户，当组内每名人员累计的分配客户数量都超过了“每人每月分配数量限制”后，依据分配分数的顺序，应用均分机制，可使用其它机器学习算法提高“每天最低可分配的新客户数量”的预测准确度，以避免待分配客户数量过多不合适；

k.i和j分别限定了每日和每月的分配数量限制，为较有效的时间限定范围，依据经验可以依据分组的特征调节限制的单位时间，可以有效地改进分配效果，在分组冷启动阶段效果明显，如将每月改为过去的30天

进一步地，二次分配规则：除了以上分配规则确保首次分配的合理性外，为了商机能及时转化，所以有二次分配规则，二次分配规则具体包括以下步骤：

k.在规定的时间内分配人员没有跟进商机时，排除原分配人员，依据分配表在原组内将客户重新分配.

l.在规定的时间内分配人员没有转化分配的商机时，排除原分配人员，将客户分配到指定的组中。

实施例一

优先机制如图2：默认使用优先机制，依据分配表顺序，优先向顶部的人员分配等于该人员的“待分配客户数量”的客户，每个人员依次顺序分配，例子：分配人员5名，合格线60％，及格线账号每天最低可分配的新客户数量3名，非及格线账号每天最低可分配的新客户数量2名，分配客户13名顺序。

实施例二

均分机制如图3：当天实际分配客户数超出“当天组内预测可分配客户数量”，则实行均分机制，向每个账号顺序分配一个客户，例子：分配人员5名，合格线60％，及格线账号每天最低可分配的新客户数量3名，非及格线账号每天最低可分配的新客户数量2名，分配客户20名顺序。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种高效客户分配算法机制，其特征在于：包括以下步骤：

S1.导入客户；

S2.分配表；

S3.分配规则；

S4.二次分配规则。

2.根据权利要求1所述的一种高效客户分配算法机制，其特征在于：所述导入客户：首先将各个渠道的商机信息整理为标准化的内容，赋予对应的信息标签，实时导入到客户关系管理系统，作为分配客户，具体包括以下步骤：

a.将多个推广渠道进行接入，如不同的广告渠道、网站、数据源，实时将商机信息同步接入到客户关系管理系统，并为每个商机自动建立客户信息；

b.判断商机信息，并区分类型，并对该客户信息赋予分组标签，如商机信息模糊，需求不明确，则为非标组；商机有具体的需求和目标价格，则为标准组；有具体的地区限制，则为对应地区的标签，如广州、深圳等等。

3.根据权利要求2所述的一种高效客户分配算法机制，其特征在于：

所述步骤a具体包括以下步骤：

a1.接入时需依据客户名称、手机号码、公司名称、联系地址等等字段信息和系统已有客户进行校对清洗；

a2.客户信息已存在：补充商机信息到客户信息中；客户信息不存在：新增一个客户记录。

4.根据权利要求1所述的一种高效客户分配算法机制，其特征在于：所述分配表：不同的人员组成不同的组，每个组对应客户的分组标签，每个组依据分配分数排序，并为每个账号设置待分配客户数量，构成分配表，具体包括以下步骤；

c.将不同的人员归类为对应的组别，具体组别类型就是客户的分组标签,在分配前，明确当天分组中接受分配的人员的数量；

d.在每天开始分配前，预测当天该组可分配的客户数量；

e.为每个分组内的每个人员计算分配分数，将分组内的人员依据分配分数从高到低排序，构建为“分配表”的顺序,分配分数依据运营需求进行计算配置，建议由努力水平和转化水平构成；

f.依据预测的可分配客户数量，分别为不同类型的人员设置待分配客户数量。待分配客户数量可以依据组内人员进行均分。

5.根据权利要求4所述的一种高效客户分配算法机制，其特征在于：所述步骤d具体包括以下步骤：

d1.使用ARIMA模型整合移动平均自回归模型预测每个分组当天的分配客户数量，如分组数据平稳简单，使用过去时间段的平均数等其它方法也可以，具体依据分组情况进行配置；

d2.也可提供手动设置分组预测分配数量的入口，方便灵活调节。

6.根据权利要求4所述的一种高效客户分配算法机制，其特征在于：所述步骤e具体包括以下步骤：

e1.努力水平，衡量销售人员工作的努力程度，考虑过去时间段内有效跟进客户深度和跟进客户的广度，具体指标如平均每个负责客户的跟进次数、平均单位时间段内跟进的客户数量等；

e2.转化水平，衡量销售人员对于分配的客户的转化情况,具体指标如平均单位段内转化的客户数量、平均单位时间内的转化的销售金额等；

e3.努力水平和转化水平，两者使用统一的标准化方式，配置不同的权重进行求和后得出分配得分。

7.根据权利要求4所述的一种高效客户分配算法机制，其特征在于：所述步骤f这里提供一种方法：

f1.每个分组有合格线，区分人员为合格和不合格，依据以下公式设置两类人员具体的待分配客户数量：

公式：S*M*y+(1-S)*Mx＝A，

S：及格线的人数占比

M：每个销售职能分组中的账号总数

y：及格线账号每天最低可分配的新客户数量

x：非及格线账号每天最低可分配的新客户数量

A：当天组内预测可分配客户数量

由于每个人当天工作时间是固定的，跟进客户数上限也是稳定，设定S，依据运营需要可固定y或x，固定其中一个参数后可依据公式推断出另一个参数的数量，y和x就是对应类型人员的待分配客户数量；可使用决策树或其它算法确定y或x，也可人为手工设置具体的数值。

f2.可以应用其它机器学习算法针对及格线和非及格线的区分S、或者直接针对每一个人员，分别计算出每一个人员最优的待分配客户数量。

8.根据权利要求1所述的一种高效客户分配算法机制，其特征在于：所述分配规则：依据每组的分配表向人员分配客户，具体包括以下步骤：

g.优先机制：默认使用优先机制，依据分配表顺序，优先向顶部的人员分配等于该人员的“待分配客户数量”的客户，每个人员依次顺序分配；

h.均分机制：当天实际分配客户数超出“当天组内预测可分配客户数量”，则实行均分机制，向每个账号顺序分配一个客户；

i.每天每人分配数量限制：每名人员每天的工作量是固定的，过多的客户并不能有效的处理，限制一天中每人可分配的客户数量，当预测的“每天最低可分配的新客户数量”高于“每天每人分配数量限制”时，设置账号的“待分配客户数量”小于等于“每天每人分配数量限制”，也可以使用其它机器学习算法预测“每天最低可分配的新客户数量”进行自动设置，以避免待分配客户数量过多不合适；

j.每人每月分配数量限制：每名人员每个自然月的工作量是固定的，过多的客户并不能有效地处理，限制一个自然月中每人可分配的客户数量，当该账号在本月中累计已分配的客户数量高于“每人每月分配数量限制”时，剩余的日期中将该人员从分配表中排除，预测“每天最低可分配的新客户数量”不计算该人员，也不再向其分配新客户，当组内每名人员累计的分配客户数量都超过了“每人每月分配数量限制”后，依据分配分数的顺序，应用均分机制，也可使用其它机器学习算法提高“每天最低可分配的新客户数量”的预测准确度，以避免待分配客户数量过多不合适。

k.i和j分别限定了每日和每月的分配数量限制，为较有效的时间限定范围，依据经验可以依据分组的特征调节限制的单位时间，可以有效地改进分配效果，在分组冷启动阶段效果明显，如将每月改为过去的30天。

9.根据权利要求1所述的一种高效客户分配算法机制，其特征在于：所述二次分配规则：除了以上分配规则确保首次分配的合理性外，为了商机能及时转化，所以有二次分配规则，二次分配规则具体包括以下步骤：

l.在规定的时间内分配人员没有跟进商机时，排除原分配人员，依据分配表在原组内将客户重新分配。

m.在规定的时间内分配人员没有转化分配的商机时，排除原分配人员，将客户分配到指定的组中。

n.l和m均为二次分配规则，可依据分组客户的特性执行对应，如新客户应用l方法，具备复购性质的客户，使用m方法。

Images