CN113256315B - 一种客户关系管理系统及方法 - Google Patents

Abstract

本发明公开了一种客户关系管理系统，涉及企业管理服务领域，包括用户登录认证模块、客户信息输入模块、客户关系管理知识库、客户关系管理系统修正模块、客户关系关联行为预测模块；并且提供应用于本系统的一种客户关系管理方法，本方法通过对客户信息大数据的深入分析及有效互动，不断调整数据模型，最终建立一个集客户信息收集、处理、监管、分析和利用的信息系统，同时以客户数据的管理为核心，提供创新式的个性化服务交互链支撑，从而有效的提高企业客户的核心竞争力，对企业申报项目行为的成功率进行预测，为后期的分析和决策提供有效帮助，极大提升企业客户在需求方心目中的地位，以此对比同行业竞争者时能有效的表现出巨大的优势。

Description

一种客户关系管理系统及方法

技术领域

本发明涉及企业管理服务领域，具体为一种客户关系管理系统及方法。

背景技术

客户关系管理是企业为提高核心竞争力，达到竞争制胜，快速成长的目的，树立客户为中心的发展战略，并在此基础上展开的包括判断、选择、争取、发展和保持客户所需的全部商业过程；是企业以客户关系为重点，通过开展系统化的客户研究，通过优化企业组织体系和业务流程，提高客户满意度和忠诚度，提高企业效率和利润水平的工作实践；也是企业在不断改进与客户关系的全部业务流程，最终实现电子化、自动化运营目标的过程中，所创造并使用的先进的信息技术、软硬件和优化管理方法、解决方案的总和。

在专利CN202011525988.5一种基于大数据的客户关系管理方法及系统中指出在客户关系管理中利用大数据资源建立对应的服务拓扑关系，并对每一条拓扑链进行赋值；然后对客户登录信息进行特征提取，得到对应的任务信息和客户信息；再将客户信息与服务拓扑关系进行对比，并在所有的客户信息均包含在服务拓扑关系之后，将任务信息和客户信息与服务拓扑关系进行相似度计算，生成对应的服务链路；基于所述服务链路，对所述任务信息的处理情况进行跟踪、记录和反馈，基于这样的方式或许可以对客户关系管理的效率进行改进，但是却无法对其精度进行调整，由于数据量逐渐增多，初始的服务拓扑关系很难在后期满足所有的任务信息和客户信息，因此就要不断建立新的服务拓扑关系以满足后续需要，可是由于前后发展不同，初始数据量不同，一味建立新的服务拓扑关系，会使客户关系管理的精度存在较大问题，在进行个性化客户服务的交互上容易产生误差；因此，人们需要一种能够在数据量不断增大的情况下，不改变基础架构，又同时对客户关系管理的精度进行进一步分析的系统及方法。

发明内容

本发明的目的在于提供一种客户关系管理系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：

一种客户关系管理系统，该系统包括用户登录认证模块、客户信息输入模块、客户关系管理知识库、客户关系管理系统修正模块、客户关系关联行为预测模块；

所述用户登录认证模块用于进行用户登录，并根据登录信息情况对用户身份进行认证，分配给其不同端口；所述客户信息输入模块用于客户对自己的企业基本信息进行输入；所述客户关系管理知识库用于存储客户企业的基本信息和公告系统各项事宜；所述客户关系管理系统修正模块用于根据不断的数据增长进行客户关系模型的不断修正，以达到最优的预测准确率；所述客户关系关联行为预测模块用于对客户关系关联行为的成功率进行预测；

所述用户登录认证模块的输出端与所述客户信息输入模块的输入端相连接；所述客户信息输入模块的输出端与所述客户关系管理知识库的输入端相连接；所述客户关系管理知识库的输出端与所述客户关系管理系统修正模块的输入端相连接；所述客户关系管理系统修正模块的输出端与所述客户关系关联行为预测模块的输入端相连接。

根据上述技术方案，所述用户登录认证模块包括用户登录单元、用户认证单元；

所述用户登录单元用于用户使用密钥进行登录系统；所述用户认证单元用于对用户身份进行认证，所述用户身份包括但不限于管理人员、运维人员、客户；

所述用户登录单元的输出端与所述用户认证单元的输入端相连接；所述用户认证单元的输出端与所述客户信息输入模块的输入端相连接。

根据上述技术方案，所述客户信息输入模块包括客户信息分类单元、客户信息输入单元；

所述客户信息分类单元用于按照不同分类方式将客户的基本信息进行分类，所述不同分类方式包括但不限于特征分类方式、属性分类方式；所述客户信息输入单元用于客户按照当前的分类方式将基本信息进行输入；

所述客户信息分类单元的输出端与所述客户信息输入单元的输入端相连接；所述客户信息输入单元的输出端与所述客户关系管理知识库的输入端相连接。

根据上述技术方案，所述客户关系管理知识库包括信息存储单元、信息公示单元；

所述信息存储单元用于对各类信息进行存储，以备后期查询调取；所述信息公示单元用于公示系统内部信息，由管理人员进行公示，可传输至各客户端；

所述信息存储单元的输出端与所述信息公示单元的输入端相连接；所述信息公示单元的输出端与所述客户关系管理系统修正模块的输入端相连接。

根据上述技术方案，所述客户关系管理系统修正模块包括编码单元、更新单元、评估单元、选择单元、演化单元；

所述编码单元用于根据客户资料元素进行编码；所述更新单元用于根据客户资料元素的子元素进行更新编码；所述评估单元用于评估客户资料元素对于客户关系关联行为的影响度；所述选择单元用于在进行迭代时对进入下一阶段的客户个体进行选择；所述演化单元用于进行系统模型的迭代与演化，提供最优模型；

所述编码单元的输出端与所述评估单元的输入端相连接；所述评估单元的输出端与所述选择单元的输入端相连接；所述选择单元的输出端与所述演化单元的输入端相连接；所述演化单元的输出端与所述更新单元的输入端相连接；所述更新单元的输出端与所述编码单元的输入端相连接。

根据上述技术方案，所述客户关系关联行为预测模块包括验证单元、预测单元；

所述验证单元用于进行验证当前待检测客户个体的客户基本资料子元素属于的迭代阶段；所述预测单元用于预测待检测客户在当前迭代阶段下的客户关系关联行为的成功率；

所述验证单元的输出端与所述预测单元的输入端相连接。

一种客户关系管理方法，该方法包括以下步骤：

S1、获取客户登录信息，建立多角色认证管理；

S2、获取客户基本资料信息，建立客户关系管理知识库；

S3、获取包含多项客户基本资料的客户关系关联行为，所述客户关系关联行为中设置有标签值，所述标签值为任一项或多项客户资料在客户关系关联行为中的影响度之和；

S4、获取客户关系关联行为中标签值的平均值，在低于阈值情况下，进行模型的修正，对影响客户关系关联行为的客户基本资料进行扩展和删减；

S5、基于修正后的模型对客户关系关联行为的标签值进行校正，重复步骤S3，最终对客户关系关联行为的成功率进行预测及判断。

根据上述技术方案，在步骤S1中，所述多角色包括管理人员、运维人员、客户；多角色各自拥有不同密钥进行认证登录。登录后进行认证，分配不同端口进入系统。

根据上述技术方案，在步骤S2到S5中，具体包括：

S9-1、调用客户关系管理知识库中的数据信息，对客户的基本情况进行分析；

S9-2、获取包含多项客户资料的客户关系关联行为，并将上述信息进行组合编码，记为[I₁、I₂、I₃、……、I_n]，每一编码对应一个客户个体，其中[I₁、I₂、I₃、……、I_n]分别代表多项客户资料中的一种；

S9-3、随机初始化一个种群，所述种群中至少包含N个优秀客户个体，所述优秀客户个体为客户关系关联行为已经成功的个体，并设置迭代次数G=1；

S9-4、根据编码中元素I₁、I₂、I₃、……、I_n及元素I₁、I₂、I₃、……、I_n的组合分别计算其在客户关系关联行为中的影响度，并最终得出标签值，计算如下：

其中，L_i代表客户个体i的标签值；P代表客户个体i编码中所有元素的组合方式的集合；x代表客户个体i编码中所有元素的组合方式中的任一种；S_x代表存在组合方式为x的客户个体中客户关系关联行为成功的个体数量；y代表客户个体编码中所有元素的组合方式中的任一种；S_y代表y=x时的客户个体数量，即存在组合方式为x的客户个体的总量；

在每一个客户中，都存在许多不同的元素，因此产生多组组合方式，而每种组合方式都会对客户关系关联行为造成影响，因此在计算一个客户个体的标签值时，以它所含有的所有元素的组合方式的影响度之和，来进行标记，而影响度是基于客户关系关联行为成功的前提下，即其是指对于客户关系关联行为成功的影响度，因此设置有公式S_x/S_y，按照一定概率计算影响度；

S9-5、对种群中所有客户个体的标签值进行求取平均值，并设置阈值H，若平均值高于阈值H，则进入步骤S9-7；若平均值低于阈值H，则进入步骤S9-6；

在此步骤中，对所有标签值进行一个平均值的求取，因为种群中客户个体数据逐渐增加，每个元素的影响度随之发生变化，在数据出现饱和的情况下，对客户关系关联行为的预测精度就会出现不足，因此设置一个阈值，在高于阈值时，则认定为当前该模型还可以进行预测；若低于阈值，则说明数据量已经出现饱和，需要进行进一步挖掘，提高预测精度，修正模型；

S9-6、以步骤S9-4的标签值作为客户个体的适应度，利用随机竞争选择的方式，即每次随机选择两个客户个体，适应度高的留下，如此循环往复，直至选择的个体数量达到N/M，其中M≥1，对选择的N/M个体进行元素的重新匹配，删除出现率低于a的元素，并挖掘剩余元素的子元素形成新的编码[I₁₁、I₁₂、I₂₁、……、I_k1]，所述元素与子元素之间存在包含关系，并设置迭代次数G=G+1，重复步骤S9-4；

S9-7、获取待检测客户个体的元素信息，根据其存在的子元素对应的迭代次数，选取修正的模型，进行客户关系关联行为的成功率进行预测及判断；

S9-8、计算得出待检测客户个体的标签值，根据公式：

其中，P为预测的客户关系关联行为的成功率；k₀为调节系数，若 L_待-L_平大于0，则k₀=k₁；若L_待-L_平小于0，则k₀=k₂；k₁、k₂分别为调节系数值；L_待为待检测客户个体的标签值；L_平为当前迭代次数下所有客户个体的标签值的平均值；F为迭代次数；m₁为修正系数。

在此步骤中，若L_待-L_平大于0，即代表待检测客户个体的标签值大于平均值，即说明待检测客户个体的客户关系关联行为的成功率较高，高于平均水平，则调节系数取k₀=k₁；反之，则取k₀=k₂；又因为根据迭代次数，每一次迭代都是对预测精度的压缩，因此乘以迭代次数，同时辅以一个修正系数，用以确保最终的预测值更加精准。

与现有技术相比，本发明所达到的有益效果是：

本发明能够提供一种客户关系管理系统，利用软件、硬件和网络技术，为企业建立一个客户信息收集、管理、分析和利用的信息系统，以客户数据的管理为核心，记录企业在市场营销及项目申报行为中和客户发生的各种交互行为，以及各类有关活动的状态，提供创新式的个性化服务和交互链支撑，同时提供数据模型，为后期的分析和决策提供支持，并且在数据不断充足的过程中，对数据模型进行修正，防止数据饱和，满足预测精度，提升客户体验，同时便于企业客户在后期发展中进行合理化的投融资、政府采购、对外宣传及市场营销等。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种客户关系管理系统的结构示意图；

图2是本发明一种客户关系管理方法的步骤示意图；

图3是本发明一种客户关系管理方法的流程示意图。

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。

请参阅图1、图2以及图3，本发明提供技术方案：在图1中，一种客户关系管理系统，该系统包括用户登录认证模块、客户信息输入模块、客户关系管理知识库、客户关系管理系统修正模块、客户关系关联行为预测模块；

所述用户登录认证模块用于进行用户登录，并根据登录信息情况对用户身份进行认证，分配给其不同端口；所述客户信息输入模块用于客户对自己的企业基本信息进行输入；所述客户关系管理知识库用于存储客户企业的基本信息和公告系统各项事宜；所述客户关系管理系统修正模块用于根据不断的数据增长进行客户关系模型的不断修正，以达到最优的预测准确率；所述客户关系关联行为预测模块用于对客户关系关联行为的成功率进行预测；

所述用户登录认证模块的输出端与所述客户信息输入模块的输入端相连接；所述客户信息输入模块的输出端与所述客户关系管理知识库的输入端相连接；所述客户关系管理知识库的输出端与所述客户关系管理系统修正模块的输入端相连接；所述客户关系管理系统修正模块的输出端与所述客户关系关联行为预测模块的输入端相连接。

所述用户登录认证模块包括用户登录单元、用户认证单元；

所述用户登录单元用于用户使用密钥进行登录系统；所述用户认证单元用于对用户身份进行认证，所述用户身份包括但不限于管理人员、运维人员、客户；

所述用户登录单元的输出端与所述用户认证单元的输入端相连接；所述用户认证单元的输出端与所述客户信息输入模块的输入端相连接。

所述客户信息输入模块包括客户信息分类单元、客户信息输入单元；

所述客户信息分类单元用于按照不同分类方式将客户的基本信息进行分类，所述不同分类方式包括但不限于特征分类方式、属性分类方式；所述客户信息输入单元用于客户按照当前的分类方式将基本信息进行输入；

所述客户信息分类单元的输出端与所述客户信息输入单元的输入端相连接；所述客户信息输入单元的输出端与所述客户关系管理知识库的输入端相连接。

所述客户关系管理知识库包括信息存储单元、信息公示单元；

所述信息存储单元用于对各类信息进行存储，以备后期查询调取；所述信息公示单元用于公示系统内部信息，由管理人员进行公示，可传输至可客户端；

所述信息存储单元的输出端与所述信息公示单元的输入端相连接；所述信息公示单元的输出端与所述客户关系管理系统修正模块的输入端相连接。

所述客户关系管理系统修正模块包括编码单元、更新单元、评估单元、选择单元、演化单元；

所述编码单元用于根据客户资料元素进行编码；所述更新单元用于根据客户资料元素的子元素进行更新编码；所述评估单元用于评估客户资料元素对于客户关系关联行为的影响度；所述选择单元用于在进行迭代时对进入下一阶段的客户个体进行选择；所述演化单元用于进行系统模型的迭代与演化，提供最优模型；

所述编码单元的输出端与所述评估单元的输入端相连接；所述评估单元的输出端与所述选择单元的输入端相连接；所述选择单元的输出端与所述演化单元的输入端相连接；所述演化单元的输出端与所述更新单元的输入端相连接；所述更新单元的输出端与所述编码单元的输入端相连接。

所述客户关系关联行为预测模块包括验证单元、预测单元；

所述验证单元用于进行验证当前待检测客户个体的客户基本资料子元素属于的迭代阶段；所述预测单元用于预测待检测客户在当前迭代阶段下的客户关系关联行为的成功率；

所述验证单元的输出端与所述预测单元的输入端相连接。

在图2中，一种客户关系管理方法，其特征在于：该方法包括以下步骤：

S1、获取客户登录信息，建立多角色认证管理；

S2、获取客户基本资料信息，建立客户关系管理知识库；

S3、获取包含多项客户基本资料的客户关系关联行为，所述客户关系关联行为中设置有标签值，所述标签值为任一项或多项客户资料在客户关系关联行为中的影响度之和；

S4、获取客户关系关联行为中标签值的平均值，在低于阈值情况下，进行模型的修正，对影响客户关系关联行为的客户基本资料进行扩展和删减；

S5、基于修正后的模型对客户关系关联行为的标签值进行校正，重复步骤S3，最终对客户关系关联行为的成功率进行预测及判断。

在步骤S1中，所述多角色包括管理人员、运维人员、客户；多角色各自拥有不同密钥进行认证登录。

在步骤S2到S5中，具体包括：

S9-1、调用客户关系管理知识库中的数据信息，对客户的基本情况进行分析；

S9-2、获取包含多项客户资料的客户关系关联行为，并将上述信息进行组合编码，记为[I₁、I₂、I₃、……、I_n]，每一编码对应一个客户个体，其中I₁、I₂、I₃、……、I_n分别代表多项客户资料中的一种；

S9-3、随机初始化一个种群，所述种群中至少包含N个优秀客户个体，所述优秀客户个体为客户关系关联行为已经成功的个体，并设置迭代次数G=1；

S9-4、根据编码中元素I₁、I₂、I₃、……、I_n及元素I₁、I₂、I₃、……、I_n的组合分别计算其在客户关系关联行为中的影响度，并最终得出标签值，计算如下：

其中，L_i代表客户个体i的标签值；P代表客户个体i编码中所有元素的组合方式的集合；x代表客户个体i编码中所有元素的组合方式中的任一种；S_x代表存在组合方式为x的客户个体中客户关系关联行为成功的个体数量；y代表客户个体编码中所有元素的组合方式中的任一种；S_y代表y=x时的客户个体数量，即存在组合方式为x的客户个体的总量；

S9-5、对种群中所有客户个体的标签值进行求取平均值，并设置阈值H，若平均值高于阈值H，则进入步骤S9-7；若平均值低于阈值H，则进入步骤S9-6；

S9-6、以步骤S9-4的标签值作为客户个体的适应度，利用随机竞争选择的方式，即每次随机选择两个客户个体，适应度高的留下，如此循环往复，直至选择的个体数量达到N/M，其中M≥1，对选择的N/M个体进行元素的重新匹配，删除出现率低于a的元素，其中a为出现率阈值，并挖掘剩余元素的子元素形成新的编码[I₁₁、I₁₂、I₂₁、……、I_k1]，所述元素与子元素之间存在包含关系，并设置迭代次数G=G+1，重复步骤S9-4；

S9-7、获取待检测客户个体的元素信息，根据其存在的子元素对应的迭代次数，选取修正的模型，进行客户关系关联行为的成功率进行预测及判断；

S9-8、计算得出待检测客户个体的标签值，根据公式：

其中，P为预测的客户关系关联行为的成功率；k₀为调节系数，若 L_待-L_平大于0，则k₀=k₁；若L_待-L_平小于0，则k₀=k₂；k₁、k₂分别为调节系数值；L_待为待检测客户个体的标签值；L_平为当前迭代次数下所有客户个体的标签值的平均值；F为迭代次数；m₁为修正系数。

在本实施例中：

客户关系关联行为为企业项目申报行为；

通过调用客户关系管理知识库中的数据信息，获取现有的历史客户的基本信息，进行元素编码，初始化种群；

在企业项目申报行为中，提取出多项客户资料，分别为：

是否有外聘人员、是否有产学研发协议、销售收入是否增加、社保在线人数是否超出20人；分别对应I₁、I₂、I₃、I₄；

基于上述信息，获取客户资料，进行编码后，共计8条；

客户1：[I₁]；

客户2：[I₁、I₂]；

客户3：[I₁、I₂、I₃]；

客户4：[I₂、I₃]；

客户5：[I₁、I₃]；

客户6：[I₁、I₂、I₃、I₄]；

客户7：[I₁、I₂、I₃]；

客户8：[I₁、I₂、I₃]；

其中，客户2、3、6、7、8五位客户进行企业项目申报行为，已经成功；

现有新客户9，获取其资料后，进行信息编码为客户9：[I₃、I4]；

设置迭代次数G=1

根据编码中元素I₁、I₂、I₃、I₄及元素I₁、I₂、I₃、I₄的组合，即[I₁]、[I₂]、[I₃]、[I₄]、[I₁、I₂]、[I₁、I₃]、[I₁、I₂、I₃]、[I₁、I₂、I₃、I₄]、[I₂、I₃]、[I₂、I₄]、[I₂、I₃、I₄]、[I₃、I₄]；

分别计算其在客户关系关联行为中的影响度，并最终得出标签值，计算如下：

其中，L_i代表客户个体i的标签值；P代表客户个体i编码中所有元素的组合方式的集合；x代表客户个体i编码中所有元素的组合方式中的任一种；S_x代表存在组合方式为x的客户个体中客户关系关联行为成功的个体数量；y代表客户个体编码中所有元素的组合方式中的任一种；S_y代表y=x时的客户个体数量，即存在组合方式为x的客户个体的总量；

则有[I₁]、[I₂]、[I₃]、[I₄]、[I₁、I₂]、[I₁、I₃]、[I₁、I₂、I₃]、[I₁、I₂、I₃、I₄]、[I₂、I₃]、[I₂、I₄]、[I₂、I₃、I₄]、[I₃、I₄]对应的影响度分别为0.714、0.833、0.666、1、0.8、1、0.8、1、1、0.2、1、1；

则有客户1-8的标签值分别为：0.714、2.547、4.813、2.3、2.18、10.013、4.813、4.813；

则有客户9对应的标签值为2.666；

计算种群中所有客户个体的标签值的平均值：4.024；

设置阈值为4；

因为平均值4.024高于4，因此以当前模型进行计算预测成功率；

其中，P为预测的客户关系关联行为的成功率；k₀为调节系数，若 L_待-L_平大于0，则k₀=k₁；若L_待-L_平小于0，则k₀=k₂；k₁、k₂分别为调节系数值；L_待为待检测客户个体的标签值；L_平为当前迭代次数下所有客户个体的标签值的平均值；F为迭代次数；m₁为修正系数。

设置k₂为0.4，修正系数m₁为0.6；

P=0.4*1.334*1*0.6=0.3216

因此，预测客户9项目申报成功率为32.016%；

客户9进行项目申报行为后，未成功；

在客户9的数据加入后，重新计算种群中所有客户个体的标签值的平均值，发现其为3.873；

该数据小于平均值阈值4；因此进行迭代G=G+1=2；

以标签值作为客户个体的适应度，设置M为1，利用随机竞争选择的方式，即每次随机选择两个客户个体，适应度高的留下，如此循环往复，直至选择的个体数量达到N/M，即5个；

经过随机竞争选择后，发现留下的分别为客户2、3、4、6、7；

对客户2、3、4、6、7，进行分析后发现，元素[I₄]低于出现率a，因此将其删除，并挖掘剩余元素子元素进行形成新的编码；

挖掘元素[I₁]，其子元素分别为拥有外聘人员2名、拥有外聘人员4名、拥有外聘人员10名及以上；

挖掘元素[I₂]，其子元素分别为拥有产学研发协议1年、拥有产学研发协议3年、拥有产学研发协议10年及以上；

挖掘元素[I₃]，其子元素分别为销售收入增加率为年10%、销售收入增加率为年20%、销售收入增加率为年20%以上；

根据新子元素对原有历史客户数据进行重新选取，对模型进行修正，在接待客户10时，则对客户10对应的子元素进行计算，以提高客户10进行项目申报行为的成功率预测精度。

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。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种客户关系管理方法，其特征在于：该方法包括以下步骤：

S1、获取客户登录信息，建立多角色认证管理；

S2、获取客户基本资料信息，建立客户关系管理知识库；

S3、获取包含多项客户基本资料的客户关系关联行为，所述客户关系关联行为中设置有标签值，所述标签值为任一项或多项客户资料在客户关系关联行为中的影响度之和；

S4、获取客户关系关联行为中标签值的平均值，在低于阈值情况下，进行模型的修正，对影响客户关系关联行为的客户基本资料进行扩展和删减；

S5、基于修正后的模型对客户关系关联行为的标签值进行校正，重复步骤S3，最终对客户关系关联行为的成功率进行预测及判断；

在步骤S2到S5中，具体包括：

S9-1、调用客户关系管理知识库中的数据信息，对客户的基本情况进行分析；

S9-2、获取包含多项客户资料的客户关系关联行为，并将上述信息进行组合编码，记为[I₁、I₂、I₃、……、I_n]，每一编码对应一个客户个体，其中I₁、I₂、I₃、……、I_n分别代表多项客户资料中的一种；

S9-3、随机初始化一个种群，所述种群中至少包含N个优秀客户个体，所述优秀客户个体为客户关系关联行为已经成功的个体，并设置迭代次数G=1；

S9-4、根据编码中元素I₁、I₂、I₃、……、I_n及元素I₁、I₂、I₃、……、I_n的组合分别计算其在客户关系关联行为中的影响度，并最终得出标签值，计算如下：

其中，L_i代表客户个体i的标签值；P代表客户个体i编码中所有元素的组合方式的集合；x代表客户个体i编码中所有元素的组合方式中的任一种；S_x代表存在组合方式为x的客户个体中客户关系关联行为成功的个体数量；y代表客户个体编码中所有元素的组合方式中的任一种；S_y代表y=x时的客户个体数量，即存在组合方式为x的客户个体的总量；

S9-5、对种群中所有客户个体的标签值进行求取平均值，并设置阈值H，若平均值高于阈值H，则进入步骤S9-7；若平均值低于阈值H，则进入步骤S9-6；

S9-6、以步骤S9-4的标签值作为客户个体的适应度，利用随机竞争选择的方式，即每次随机选择两个客户个体，适应度高的留下，如此循环往复，直至选择的个体数量达到N/M，其中M≥1，对选择的N/M个体进行元素的重新匹配，删除出现率低于a的元素，其中a为出现率阈值，并挖掘剩余元素的子元素形成新的编码[I₁₁、I₁₂、I₂₁、……、I_k1]，所述元素与子元素之间存在包含关系，并设置迭代次数G=G+1，重复步骤S9-4；

S9-7、获取待检测客户个体的元素信息，根据其存在的子元素对应的迭代次数，选取修正的模型，进行客户关系关联行为的成功率进行预测及判断；

S9-8、计算得出待检测客户个体的标签值，根据公式：

其中，P为预测的客户关系关联行为的成功率；k₀为调节系数，若 L_待-L_平大于0，则k₀=k₁；若L_待-L_平小于0，则k₀=k₂；k₁、k₂分别为调节系数值；L_待为待检测客户个体的标签值；L_平为当前迭代次数下所有客户个体的标签值的平均值；F为迭代次数；m₁为修正系数。

2.根据权利要求1所述的一种客户关系管理方法，其特征在于：在步骤S1中，所述多角色包括管理人员、运维人员、客户；多角色各自拥有不同密钥进行认证登录。

3.一种应用于权利要求1所述的客户关系管理方法的客户关系管理系统，其特征在于：该系统包括用户登录认证模块、客户信息输入模块、客户关系管理知识库、客户关系管理系统修正模块、客户关系关联行为预测模块；

所述用户登录认证模块用于进行用户登录，并根据登录信息情况对用户身份进行认证，分配给其不同端口；所述客户信息输入模块用于客户对自己的企业基本信息进行输入；所述客户关系管理知识库用于存储客户企业的基本信息和公告系统各项事宜；所述客户关系管理系统修正模块用于根据不断的数据增长进行客户关系模型的不断修正，以达到最优的预测准确率；所述客户关系关联行为预测模块用于对客户关系关联行为的成功率进行预测；

所述用户登录认证模块的输出端与所述客户信息输入模块的输入端相连接；所述客户信息输入模块的输出端与所述客户关系管理知识库的输入端相连接；所述客户关系管理知识库的输出端与所述客户关系管理系统修正模块的输入端相连接；所述客户关系管理系统修正模块的输出端与所述客户关系关联行为预测模块的输入端相连接。

4.根据权利要求3所述的一种客户关系管理系统，其特征在于：所述用户登录认证模块包括用户登录单元、用户认证单元；

所述用户登录单元用于用户使用密钥进行登录系统；所述用户认证单元用于对用户身份进行认证，所述用户身份包括但不限于管理人员、运维人员、客户；

所述用户登录单元的输出端与所述用户认证单元的输入端相连接；所述用户认证单元的输出端与所述客户信息输入模块的输入端相连接。

5.根据权利要求4所述的一种客户关系管理系统，其特征在于：所述客户信息输入模块包括客户信息分类单元、客户信息输入单元；

所述客户信息分类单元用于按照不同分类方式将客户的基本信息进行分类，所述不同分类方式包括但不限于特征分类方式、属性分类方式；所述客户信息输入单元用于客户按照当前的分类方式将基本信息进行输入；

所述客户信息分类单元的输出端与所述客户信息输入单元的输入端相连接；所述客户信息输入单元的输出端与所述客户关系管理知识库的输入端相连接。

6.根据权利要求5所述的一种客户关系管理系统，其特征在于：所述客户关系管理知识库包括信息存储单元、信息公示单元；

所述信息存储单元用于对各类信息进行存储，以备后期查询调取；所述信息公示单元用于公示系统内部信息，由管理人员进行公示，可传输至各客户端；

所述信息存储单元的输出端与所述信息公示单元的输入端相连接；所述信息公示单元的输出端与所述客户关系管理系统修正模块的输入端相连接。

7.根据权利要求3所述的一种客户关系管理系统，其特征在于：所述客户关系管理系统修正模块包括编码单元、更新单元、评估单元、选择单元、演化单元；

所述编码单元用于根据客户资料元素进行编码；所述更新单元用于根据客户资料元素的子元素进行更新编码；所述评估单元用于评估客户资料元素对于客户关系关联行为的影响度；所述选择单元用于在进行迭代时对进入下一阶段的客户个体进行选择；所述演化单元用于进行系统模型的迭代与演化，提供最优模型；

所述编码单元的输出端与所述评估单元的输入端相连接；所述评估单元的输出端与所述选择单元的输入端相连接；所述选择单元的输出端与所述演化单元的输入端相连接；所述演化单元的输出端与所述更新单元的输入端相连接；所述更新单元的输出端与所述编码单元的输入端相连接。

8.根据权利要求3所述的一种客户关系管理系统，其特征在于：所述客户关系关联行为预测模块包括验证单元、预测单元；

所述验证单元用于进行验证当前待检测客户个体的客户基本资料子元素属于的迭代阶段；所述预测单元用于预测待检测客户在当前迭代阶段下的客户关系关联行为的成功率；

所述验证单元的输出端与所述预测单元的输入端相连接。

Images