CN113379257A - 一种销售线索自动智能分配的方法 - Google Patents

一种销售线索自动智能分配的方法 Download PDF

Info

Publication number
CN113379257A
CN113379257A CN202110670490.6A CN202110670490A CN113379257A CN 113379257 A CN113379257 A CN 113379257A CN 202110670490 A CN202110670490 A CN 202110670490A CN 113379257 A CN113379257 A CN 113379257A
Authority
CN
China
Prior art keywords
sales
determining
distribution
province
customer
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.)
Granted
Application number
CN202110670490.6A
Other languages
English (en)
Other versions
CN113379257B (zh
Inventor
蔡朱奎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sunke Sungoin Technology Jiangsu Co ltd
Original Assignee
Sunke Sungoin Technology Jiangsu Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sunke Sungoin Technology Jiangsu Co ltd filed Critical Sunke Sungoin Technology Jiangsu Co ltd
Priority to CN202110670490.6A priority Critical patent/CN113379257B/zh
Priority claimed from CN202110670490.6A external-priority patent/CN113379257B/zh
Publication of CN113379257A publication Critical patent/CN113379257A/zh
Application granted granted Critical
Publication of CN113379257B publication Critical patent/CN113379257B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation 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
    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种销售线索自动智能分配的方法，包括：获取销售线索，并判断所述销售线索的线索内容中是否存在可标记信息，在具有可标记信息时，进行省市标记；其中，所述可标记信息至少包括公司名称标记和联系方式标记；根据所述省市标记，确定省市对应的销售分公司，并进行销售线索分配；确定销售分公司区域下对应的客户经理名单，针对客户经理名单中的客户经理，计算权重；根据所述分配列表，对每个客户经理进行销售线索划分，并判断分配权重是否满额，将满额分配的客户经理从分配列表删除,本技术方案通过一种销售线索自动智能分配的方法，最大化销售线索转化为客户的成功率，通过实现系统自动分配销售线索，提高销售线索转化为客户的成功率。

Description

一种销售线索自动智能分配的方法
技术领域
本发明涉及销售、自动智能分配技术领域，特别涉及一种销售线索自动智能分配的方法。
背景技术
目前，公司通过各种推广手段收集过来的销售线索，需要分配给各个部门的客户经理去跟进。现在这个分配工作都是人工处理，只能按大致平均的方案来进行分配，效率低下，并且容易受到分配人的主观影响，无法最大化销售线索转化为客户的成功率。
发明内容
本发明提供一种销售线索自动智能分配的方法，以解决上述问题。
本发明提供一种销售线索自动智能分配的方法，其特征在于，包括：
获取销售线索，并判断所述销售线索的线索内容中是否存在可标记信息，在具有可标记信息时，进行省市标记；其中，
所述可标记信息至少包括公司名称标记和联系方式标记；
根据所述省市标记，确定省市对应的销售分公司，并进行销售线索分配；
确定销售分公司区域下对应的客户经理名单，针对客户经理名单中的客户经理，计算权重；
根据所述分配列表，对每个客户经理进行销售线索划分，并判断分配权重是否满额，将满额分配的客户经理从分配列表删除。
作为本技术方案的一种实施例，所述获取销售线索之前还包括：
获取销售节点，建立销售模型；
通过对所述销售模型量化分析，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型；
将所述损耗模型投影在销售模型上，确定仿真销售结果；
可视化所述销售结果，生成销售线索。
作为本技术方案的一种实施例，所述通过对所述销售模型量化分析，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型，包括：
步骤S1：对所述销售模型T量化分析，生成差值矩阵：
Figure BDA0003119017880000021
其中，Δij(T)代表销售模型的差值矩阵，T为销售模型的表示符号，y代表关于销售模型的观测数据，i＝1,2,…n，其中，n为采集到的观测数据的总项数，j＝1,2,…m，其中，j为采集到的观测数据的时刻，m代表采集到的最后一项观测数据的时刻，yi，j代表第j时刻采集到的第i项观测数据，x代表关于各项观测数据的影响因素的扰动差值，xi，j代表第j时刻采集到的第i项观测数据的扰动差值；
步骤S2：通过所述差值矩阵，计算观测数据之间的关联系数：
Figure BDA0003119017880000022
其中，Gij代表在第j个时刻的第i项采集到的观测数据和对应的扰动差值之间的关联系数，Δmin和Δmax分别代表差值矩阵的两级极差的最小值和最大值；
步骤S3：通过所述关联系数，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型。
作为本技术方案的一种实施例，所述步骤S3，包括：
步骤S301：通过所述关联系数，计算销售模型的加权值：
Figure BDA0003119017880000031
其中，W(T)代表销售模型的加权值，Gij代表在第j个时刻的第i项采集到的观测数据和对应的扰动差值之间的关联系数，fj，i(k)代表对第j个时刻针第i项观测数据的优先等级矩阵，，k＝1,2....t，t代表一共设置的优先等级数，i＝1,2,…n，其中，n为采集到的观测数据的总项数，j＝1,2,…m，其中，j为采集到的观测数据的时刻，m代表采集到的最后一项观测数据的时刻；
步骤S302：通过损耗变量和人力成本指标，计算回归方程：
Figure BDA0003119017880000032
其中，W(T)为销售模型的加权值，yij代表W(T)的回归系数，μ1代表本公司内的损耗变量，μ2代表公司的人力成本指标，Xij代表公司的销售模型的解释变量，C代表差值矩阵的扰动系数；
步骤S303：根据所述回归方程，确定回归模型，并对所述回归模型进行风险预估，确定损耗模型。
作为本技术方案的一种实施例，所述获取销售线索，并判断所述销售线索的线索内容中是否存在可标记信息，在具有可标记信息时，进行省市标记，包括：
获取销售线索，并查找所述销售线索中是否包括公司名称，确定第一查找结果；
当所述第一查找结果为销售线索中包括公司名称，根据所述公司名称，查询公司注册地址，根据所述公司注册地址，确定第一标记省市；
当所述第一查找结果为销售线索中不包括公司名称，获取销售线索中的联系方式，根据所述联系方式，进行第二标记省市；其中，
所述联系方式至少包括手机号、座机、QQ号和微信号的一种；
根据第一标记省市和第二标记省市，确定标记省市。
作为本技术方案的一种实施例，所述根据所述联系方式，进行第二标记省市，包括：
识别所述联系方式；
当所述联系方式为手机号或座机时，查找所述手机号或座机的归属地，确定第二标记省市；
当所述联系方式为QQ号或微信号时，不进行省市标记。
作为本技术方案的一种实施例，所述根据所述省市标记，确定省市对应的销售分公司，并进行销售线索分配，包括：
根据所述省市标记，查找标记省市下是否存在对应的销售分公司，确定第二查找结果；
当所述第二查找结果为标记省市下存在对应的销售分公司，将标记省市对应的销售线索发送至销售分公司，确定第一区域分配结果；
当所述第二查找结果为标记省市下不存在对应的销售分公司，将标记省市对应的销售线索发送至就近省市的销售分公司，确定第二区域分配结果；
根据所述第一区域分配结果和第二区域分配结果，确定区域分配结果。
作为本技术方案的一种实施例，所述获取所述分公司的历史业绩，并确定每个客户经理的分配权重，建立分配列表，包括：
确定销售分公司区域下对应的客户经理名单；
获取所述分公司的历史业绩，针对客户经理名单中的客户经理，获取客户经理的利润率和线索转换率，计算平均值；
获取销售分公司区域下对应的客户经理名单，根据所述平均值，对客户经理名单中的客户经理进行排名，确定排名序号；
根据所述排名序号，设置权重。
作为本技术方案的一种实施例，所述获取所述分公司的历史业绩，针对客户经理名单中的客户经理，获取客户经理的利润率和线索转换率，计算平均值，包括以下步骤：
步骤1：获取销售分公司的历史线索成本r，获取客户经理的历史成交利润b、历史成交客户数v和历史分配线索数h；
步骤2：根据历史线索成本和历史成交利润数，计算客户经理的利润率；
Figure BDA0003119017880000051
其中，ρ代表客户经理的利润率；
步骤3：根据历史成交客户数和历史分配线索数，计算客户经理的线索转换率；
Figure BDA0003119017880000052
其中，τ代表客户经理的线索转换率；
步骤4：根据所述客户经理的利润率和线索转换率，计算平均值；
Figure BDA0003119017880000061
其中，δ代表平均值。
作为本技术方案的一种实施例，所述根据所述分配列表，对每个客户经理进行销售线索划分，并判断分配权重是否满额，将满额分配的客户经理从分配列表删除，包括以下步骤：
步骤A1：基于预设的智能分配机制，获取分配列表；
步骤A2：根据客户经理中的权值，选择可分配客户经理，对可分配客户经理进行一一分配所述销售线索，并确定剩余销售线索；
步骤A3：判断可分配客户经理的分配权重是否已满，当所述任一可分配客户经理的权重已满，将满额分配的客户经理从分配列表删除，重新进行随机分配；
步骤A4：当所有可分配客户经理的权重已满，则重置当天已分配数据，重新随机分配；
步骤A5：根据步骤3和步骤4，确定人员分配结果。
本发明的有益效果如下：
本技术方案通过一种销售线索自动智能分配的方法，最大化销售线索转化为客户的成功率，通过对实现系统自动分配销售线索，提高销售线索转化为客户的成功率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
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为本发明实施例中一种销售线索自动智能分配的方法流程图；
图2为本发明实施例中一种销售线索自动智能分配的方法流程图；
图3为本发明实施例中一种销售线索自动智能分配的方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
需说明的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例1：
根据图1所示，本发明提供一种销售线索自动智能分配的方法，其特征在于，包括：
获取销售线索，并判断所述销售线索的线索内容中是否存在可标记信息，在具有可标记信息时，进行省市标记；其中，
所述可标记信息至少包括公司名称标记和联系方式标记；
根据所述省市标记，确定省市对应的销售分公司，并进行销售线索分配；
确定销售分公司区域下对应的客户经理名单，针对客户经理名单中的客户经理，计算权重；
根据所述分配列表，对每个客户经理进行销售线索划分，并判断分配权重是否满额，将满额分配的客户经理从分配列表删除。
上述技术方案的工作原理为：
本发明实施例通过获取销售线索，根据所述销售线索，进行省市标记，确定标记省市，其中，所述省市标记至少包括公司名称标记和联系方式标记；标记省市首先看销售线索里有没有公司名称，若有，根据公司名称查询到公司的注册地，作为标记的省市；若没有，再根据联系方式获取手机号或座机的归属地，作为标记的省市；若联系方式只有邮箱或者QQ号、微信号，则暂不标记省市；根据所属省市将销售线索分配到相应大区的分公司，方便当地的客户经理来跟进，让上门拜访等后续活动更方便展开；设置权重(资源向历史业绩好的客户经理倾斜)分配系统实时统计每个客户经理前一个月的利润率(成交利润/线索成本)和线索转化率(成交客户数/分配线索数)，分别根据利润率和线索转换率进行排名，取这两个排名的平均值，确定销售分公司区域下对应的客户经理名单，针对客户经理名单中的客户经理，计算权重，根据这个最终排名大小来决定权重，排名越靠前的客户经理权重越高；基于预设的分配机制，根据所述权重，对客户经理进行分配，人员分配(带权重的随机平均分配)在可分配客户经理中随机选择一个分配线索，分配之后此客户经理暂时退出分配队列，待剩余客户经理全部分到线索之后，再重新随机。若某个客户经理分配权重已满，则退出后续分配。若所有组员分配权重全部满额，则重置当天已分配数据，重新随机分配。
上述技术方案的有益效果为：
本技术方案设计了一种销售线索自动智能分配的方法，最大化销售线索转化为客户的成功率，通过对实现系统自动分配销售线索，提高销售线索转化为客户的成功率。
实施例2：
本技术方案提供了一种实施例，所述获取销售线索之前还包括：
根据所述销售线索，建立销售模型；
通过对所述销售模型量化分析，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型；
将所述损耗模型投影在销售模型上，确定损耗数值，并对比所述损耗结果和预设的损耗阈值，确定对比结果；
当所述损耗结果大于预设的损耗阈值，将所述销售线索过滤并更换；
当所述损耗结果等于并小于预设的损耗阈值，将所述销售线索保留，并传输至销售公司的智能终端。
上述技术方案的工作原理和有益效果为：
本技术方案通过对所述销售模型量化分析，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型；将所述损耗模型投影在销售模型上，确定仿真销售结果；可视化所述销售结果，生成销售线索，将所有获取的销售信息进行统计，从而生成一条销售线索，便于去挖掘更多的可用信息，从而对销售点进行归类统计，同时，对接收到的销售线索进行成本的计算，然后进行一个淘汰，保留下来没有超过公司预算的销售线索，并进行风险预估，从而保证信息来源的可靠，准确。
实施例3：
本技术方案提供了一种实施例，所述通过对所述销售模型量化分析，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型，包括：
步骤S1：对所述销售模型T量化分析，生成差值矩阵：
Figure BDA0003119017880000101
其中，Δij(T)代表销售模型的差值矩阵，T为销售模型的表示符号，y代表关于销售模型的观测数据，i＝1,2,…n，其中，n为采集到的观测数据的总项数，j＝1,2,…m，其中，j为采集到的观测数据的时刻，m代表采集到的最后一项观测数据的时刻，yi，j代表第j时刻采集到的第i项观测数据，x代表关于各项观测数据的影响因素的扰动差值，xi，j代表第j时刻采集到的第i项观测数据的扰动差值；
步骤S2：通过所述差值矩阵，计算观测数据之间的关联系数：
Figure BDA0003119017880000102
其中，Gij代表在第j个时刻的第i项采集到的观测数据和对应的扰动差值之间的关联系数，Δmin和Δmax分别代表差值矩阵的两级极差的最小值和最大值；
步骤S3：通过所述关联系数，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型。
上述技术方案的工作原理和有益效果为：
本技术方案通过对所述销售模型T量化分析，因为影响销售模型的因素有很多，然后生成差值矩阵Δij(T)，差值通过所述差值矩阵，计算观测数据之间的关联系数Gij，通过所述关联系数，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型，损耗模型是针对销售模型来说，由于不同因素影响，以及风险成本的计算，从而获取到模型，使得获取的销售线索可以供销售公司加以选择，减少风险和成本，提高销售利润。
实施例4：
本技术方案提供了一种实施例，所述步骤S3，包括：
步骤S301：通过所述关联系数，计算销售模型的加权值：
Figure BDA0003119017880000111
其中，W(T)代表销售模型的加权值，Gij代表在第j个时刻的第i项采集到的观测数据和对应的扰动差值之间的关联系数，fj,i(k)代表对第j个时刻针第i项观测数据的优先等级矩阵，，k＝1,2....t，t代表一共设置的优先等级数，i＝1,2,…n，其中，n为采集到的观测数据的总项数，j＝1,2,…m，其中，j为采集到的观测数据的时刻，m代表采集到的最后一项观测数据的时刻；
步骤S302：通过损耗变量和人力成本指标，计算回归方程：
Figure BDA0003119017880000112
其中，W(T)为销售模型的加权值，yij代表W(T)的回归系数，μ1代表本公司内的损耗变量，μ2代表公司的人力成本指标，Xij代表公司的销售模型的解释变量，C代表差值矩阵的扰动系数；
步骤S303：根据所述回归方程，确定回归模型，并对所述回归模型进行风险预估，确定损耗模型。
上述技术方案的工作原理和有益效果为：
通过所述关联系数，计算销售模型的加权值W(T)，通过损耗变量和人力成本指标，计算回归方程Y，根据所述回归方程，确定回归模型，并对所述回归模型进行风险预估，确定损耗模型，针对不同公司的损耗变量和人力成本指标，对公司的损耗模型加以区别去计算，从而生成更适合公司的，更加灵活和个性化的方案。
实施例5：
根据图2所示，本技术方案提供了一种实施例，所述获取销售线索，并判断所述销售线索的线索内容中是否存在可标记信息，在具有可标记信息时，进行省市标记，包括：
获取销售线索，并查找所述销售线索中是否包括公司名称，确定第一查找结果；
当所述第一查找结果为销售线索中包括公司名称，根据所述公司名称，查询公司注册地址，根据所述公司注册地址，确定第一标记省市；
当所述第一查找结果为销售线索中不包括公司名称，获取销售线索中的联系方式，根据所述联系方式，进行第二标记省市；其中，
所述联系方式至少包括手机号、座机、QQ号和微信号的一种；
根据第一标记省市和第二标记省市，确定标记省市。
上述技术方案的工作原理和有益效果为：
本技术方案提供根据所述联系方式，进行第二标记省市，识别所述联系方式；当所述联系方式为手机号或座机时，查找所述手机号或座机的归属地，确定第二标记省市；当所述联系方式为QQ号或微信号时，不进行省市标记，每个省份的电话并不相同，根据电话自带的属性，查找公司地址，通过查找功能自动实现对隐形信息的提炼，不仅加快了销售步伐，减轻了人力成本，提高了销售工作效率，对于销售负责者和被销售用户都提供了极大的便利，提高了用户体验。
实施例6：
本技术方案提供了一种实施例，所述根据所述联系方式，进行第二标记省市，包括：
识别所述联系方式；
当所述联系方式为手机号或座机时，查找所述手机号或座机的归属地，确定第二标记省市；
当所述联系方式为QQ号或微信号时，不进行省市标记。
上述技术方案的工作原理为：
本技术方案通过获取销售线索，根据所述销售线索，进行省市标记，确定标记省市，首先看销售线索里有没有公司名称，获取销售线索，并查找所述销售线索中是否包括公司名称，确定第一查找结果；若有，根据公司名称查询到公司的注册地，作为标记的省市，当所述第一查找结果为销售线索中包括公司名称，根据所述公司名称，查询公司注册地址，根据所述公司注册地址，确定第一标记省市；若没有，再根据联系方式获取手机号或座机的归属地，作为标记的省市，当所述第一查找结果为销售线索中不包括公司名称，获取销售线索中的联系方式，根据所述联系方式，进行第二标记省市；若联系方式只有邮箱或者QQ号、微信号，则暂不标记省市，根据第一标记省市和第二标记省市，确定标记省市。
上述技术方案的有益效果为：
通过对销售线索进行自动化识别，对里面的特征信息进行提取，获取到针对销售公司中的省市标记点，从而省去大量人工的查找，也可以在第一遍智能化过滤后，人工在剩下识别失败的中进行查找，提高识别效率，减少人工成本。
实施例7：
本技术方案提供了一种实施例，所述根据所述省市标记，确定省市对应的销售分公司，并进行销售线索分配，包括：
根据所述省市标记，查找标记省市下是否存在对应的销售分公司，确定第二查找结果；
当所述第二查找结果为标记省市下存在对应的销售分公司，将标记省市对应的销售线索发送至销售分公司，确定第一区域分配结果；
当所述第二查找结果为标记省市下不存在对应的销售分公司，将标记省市对应的销售线索发送至就近省市的销售分公司，确定第二区域分配结果；
根据所述第一区域分配结果和第二区域分配结果，确定区域分配结果。
上述技术方案的工作原理和有益效果为：
本技术方案通过获取销售分公司区域，根据标记省市，对销售线索进行区域分配，并确定分配结果，将同样省份的销售分公司和销售线索中需要标记省市的公司进行匹配，方便销售公司的销售人员进行跟进，获取销售分公司区域，查找标记省市下是否存在对应的销售分公司，确定第二查找结果，当所述第二查找结果为标记省市下存在对应的销售分公司，将标记省市对应的销售线索发送至销售分公司，确定第一分配结果，当所述第二查找结果为标记省市下不存在对应的销售分公司，将标记省市对应的销售线索发送至就近省市的销售分公司，确定第二分配结果；根据所述第一分配结果和第二分配结果，确定分配结果，通过就近分配使销售人员的距离更近，避免更远的距离，增加便利。
实施例8：
本技术方案提供了一种实施例，所述获取所述分公司的历史业绩，并确定每个客户经理的分配权重，建立分配列表，包括：
确定销售分公司区域下对应的客户经理名单；
获取所述分公司的历史业绩，针对客户经理名单中的客户经理，获取客户经理的利润率和线索转换率，计算平均值；
获取销售分公司区域下对应的客户经理名单，根据所述平均值，对客户经理名单中的客户经理进行排名，确定排名序号；
根据所述排名序号，设置权重。
上述技术方案的工作原理为：
本技术方案通过确定销售分公司区域下对应的客户经理名单，针对客户经理名单中的客户经理，计算权重，根据权重确定每个销售人排名，货物销售分公司区域下对应的客户经理名单；针对客户经理名单中的客户经理，获取客户经理的利润率和线索转换率，计算平均值；获取销售分公司区域下对应的客户经理名单，根据所述平均值，对客户经理名单中的客户经理进行排名，确定排名序号；根据所述排名序号，设置权重。
上述技术方案的有益效果为：
通过对销售人的权重计算，对不同能力的客户经理分配不同等级不同数量的用户，提高用户的满意度和服务体验。
实施例9：
本技术方案提供了一种实施例，所述获取所述分公司的历史业绩，针对客户经理名单中的客户经理，获取客户经理的利润率和线索转换率，计算平均值，包括以下步骤：
步骤1：获取销售分公司的历史线索成本r，获取客户经理的历史成交利润b、历史成交客户数v和历史分配线索数h；
步骤2：根据历史线索成本和历史成交利润数，计算客户经理的利润率；
Figure BDA0003119017880000161
其中，ρ代表客户经理的利润率；
步骤3：根据历史成交客户数和历史分配线索数，计算客户经理的线索转换率；
Figure BDA0003119017880000162
其中，τ代表客户经理的线索转换率；
步骤4：根据所述客户经理的利润率和线索转换率，计算平均值；
Figure BDA0003119017880000163
其中，δ代表平均值。
上述技术方案的工作原理和有益效果为：
本技术方案分配系统实时统计每个客户经理前一个月的利润率(成交利润/线索成本)和线索转化率(成交客户数/分配线索数)，分别根据利润率和线索转换率进行排名，取这两个排名的平均值，根据这个最终排名大小来决定权重，排名越靠前的客户经理权重越高。
实施例10：
本技术方案提供了一种实施例，所述根据所述分配列表，对每个客户经理进行销售线索划分，并判断分配权重是否满额，将满额分配的客户经理从分配列表删除，包括以下步骤：
步骤A1：基于预设的智能分配机制，获取分配列表；
步骤A2：根据客户经理中的权值，选择可分配客户经理，对可分配客户经理进行一一分配所述销售线索，并确定剩余销售线索；
步骤A3：判断可分配客户经理的分配权重是否已满，当所述任一可分配客户经理的权重已满，将满额分配的客户经理从分配列表删除，重新进行随机分配；
步骤A4：当所有可分配客户经理的权重已满，则重置当天已分配数据，重新随机分配；
步骤A5：根据步骤3和步骤4，确定人员分配结果。
上述技术方案的工作原理和有益效果为：
本技术方案根据客户经理中的权值，选择可分配客户经理；基于预设的智能分配机制，根据客户经理中的权值，对可分配客户经理进行一一分配所述销售线索，并确定剩余销售线索；判断可分配客户经理的权重是否已满，当所述任一可分配客户经理的权重已满，将所述客户经理推出分配列表，重新进行随机分配；当所有可分配客户经理的权重已满，则重置当天已分配数据，重新随机分配。选择可分配客户经理；通过分配机制方案对智能分配销售人员。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种销售线索自动智能分配的方法，其特征在于，包括：
获取销售线索，并判断所述销售线索的线索内容中是否存在可标记信息，在具有可标记信息时，进行省市标记；其中，
所述可标记信息至少包括公司名称标记和联系方式标记；
根据所述省市标记，确定省市对应的销售分公司，并进行销售线索分配；
确定销售分公司区域下对应的客户经理名单，针对客户经理名单中的客户经理，计算权重；
根据所述分配列表，对每个客户经理进行销售线索划分，并判断分配权重是否满额，将满额分配的客户经理从分配列表删除。
2.如权利要求1所述的一种销售线索自动智能分配的方法，其特征在于，所述获取销售线索之前还包括：
根据所述销售线索，建立销售模型；
通过对所述销售模型量化分析，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型；
将所述损耗模型投影在销售模型上，确定损耗数值，并对比所述损耗结果和预设的损耗阈值，确定对比结果；
当对比结果为损耗结果大于预设的损耗阈值，将所述销售线索过滤并更换；
当对比结果为损耗结果等于并小于预设的损耗阈值，将所述销售线索保留，并传输至销售公司的智能终端。
3.如权利要求2所述的一种销售线索自动智能分配的方法，其特征在于，所述通过对所述销售模型量化分析，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型，包括：
步骤S1：对所述销售模型T量化分析，生成差值矩阵：
Figure FDA0003119017870000021
其中，Δij(T)代表销售模型的差值矩阵，T为销售模型的表示符号，y代表关于销售模型的观测数据，i＝1，2，…n，其中，n为采集到的观测数据的总项数，j＝1,2,…m，其中，j为采集到的观测数据的时刻，m代表采集到的最后一项观测数据的时刻，yi，j代表第j时刻采集到的第i项观测数据，x代表关于各项观测数据的影响因素的扰动差值，xi,j代表第j时刻采集到的第i项观测数据的扰动差值；
步骤S2：通过所述差值矩阵，计算观测数据之间的关联系数：
Figure FDA0003119017870000022
其中，Gij代表在第j个时刻的第i项采集到的观测数据和对应的扰动差值之间的关联系数，Δmin和Δmax分别代表差值矩阵的两级极差的最小值和最大值；
步骤S3：通过所述关联系数，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型。
4.如权利要求3所述的一种销售线索自动智能分配的方法，其特征在于，所述步骤S3，包括：
步骤S301：通过所述关联系数，计算销售模型的加权值：
Figure FDA0003119017870000023
其中，W(T)代表销售模型的加权值，Gij代表在第j个时刻的第i项采集到的观测数据和对应的扰动差值之间的关联系数，fj,i(k)代表对第j个时刻针第i项观测数据的优先等级矩阵，，k＝1,2....t，t代表一共设置的优先等级数，i＝1,2,…n，其中，n为采集到的观测数据的总项数，j＝1,2,…m，其中，j为采集到的观测数据的时刻，m代表采集到的最后一项观测数据的时刻；
步骤S302：通过损耗变量和人力成本指标，计算回归方程：
Figure FDA0003119017870000031
其中，W(T)为销售模型的加权值，yij代表W(T)的回归系数，μ1代表本公司内的损耗变量，μ2代表公司的人力成本指标，Xij代表公司的销售模型的解释变量，C代表差值矩阵的扰动系数；
步骤S303：根据所述回归方程，确定回归模型，并对所述回归模型进行风险预估，确定损耗模型。
5.如权利要求1所述的一种销售线索自动智能分配的方法，其特征在于，所述获取销售线索，并判断所述销售线索的线索内容中是否存在可标记信息，在具有可标记信息时，进行省市标记，包括：
获取销售线索，并查找所述销售线索中是否包括公司名称，确定第一查找结果；
当所述第一查找结果为销售线索中包括公司名称，根据所述公司名称，查询公司注册地址，根据所述公司注册地址，确定第一标记省市；
当所述第一查找结果为销售线索中不包括公司名称，获取销售线索中的联系方式，根据所述联系方式，进行第二标记省市；其中，
所述联系方式至少包括手机号、座机、QQ号和微信号的一种；
根据第一标记省市和第二标记省市，确定标记省市。
6.如权利要求5所述的一种销售线索自动智能分配的方法，其特征在于，所述根据所述联系方式，进行第二标记省市，包括：
识别所述联系方式；
当所述联系方式为手机号或座机时，查找所述手机号或座机的归属地，确定第二标记省市；
当所述联系方式为QQ号或微信号时，不进行省市标记。
7.如权利要求1所述的一种销售线索自动智能分配的方法，其特征在于，所述根据所述省市标记，确定省市对应的销售分公司，并进行销售线索分配，包括：
根据所述省市标记，查找标记省市下是否存在对应的销售分公司，确定第二查找结果；
当所述第二查找结果为标记省市下存在对应的销售分公司，将标记省市对应的销售线索发送至销售分公司，确定第一区域分配结果；
当所述第二查找结果为标记省市下不存在对应的销售分公司，将标记省市对应的销售线索发送至就近省市的销售分公司，确定第二区域分配结果；
根据所述第一区域分配结果和第二区域分配结果，确定区域分配结果。
8.如权利要求1所述的一种销售线索自动智能分配的方法，其特征在于，所述获取所述分公司的历史业绩，并确定每个客户经理的分配权重，建立分配列表，包括：
确定销售分公司区域下对应的客户经理名单；
获取所述分公司的历史业绩，针对客户经理名单中的客户经理，获取客户经理的利润率和线索转换率，计算平均值；
获取销售分公司区域下对应的客户经理名单，根据所述平均值，对客户经理名单中的客户经理进行排名，确定排名序号；
根据所述排名序号，设置权重。
9.如权利要求8所述的一种销售线索自动智能分配的方法，其特征在于，所述获取所述分公司的历史业绩，针对客户经理名单中的客户经理，获取客户经理的利润率和线索转换率，计算平均值，包括以下步骤：
步骤1：获取销售分公司的历史线索成本r，获取客户经理的历史成交利润b、历史成交客户数v和历史分配线索数h；
步骤2：根据历史线索成本和历史成交利润数，计算客户经理的利润率；
Figure FDA0003119017870000051
其中，ρ代表客户经理的利润率；
步骤3：根据历史成交客户数和历史分配线索数，计算客户经理的线索转换率；
Figure FDA0003119017870000052
其中，τ代表客户经理的线索转换率；
步骤4：根据所述客户经理的利润率和线索转换率，计算平均值；
Figure FDA0003119017870000053
其中，δ代表平均值。
10.如权利要求1所述的一种销售线索自动智能分配的方法，其特征在于，所述根据所述分配列表，对每个客户经理进行销售线索划分，并判断分配权重是否满额，将满额分配的客户经理从分配列表删除，包括以下步骤：
步骤A1：基于预设的智能分配机制，获取分配列表；
步骤A2：根据客户经理中的权值，选择可分配客户经理，对可分配客户经理进行一一分配所述销售线索，并确定剩余销售线索；
步骤A3：判断可分配客户经理的分配权重是否已满，当所述任一可分配客户经理的权重已满，将满额分配的客户经理从分配列表删除，重新进行随机分配；
步骤A4：当所有可分配客户经理的权重已满，则重置当天已分配数据，重新随机分配；
步骤A5：根据步骤3和步骤4，确定人员分配结果。
CN202110670490.6A 2021-06-17 一种销售线索自动智能分配的方法 Active CN113379257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110670490.6A CN113379257B (zh) 2021-06-17 一种销售线索自动智能分配的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110670490.6A CN113379257B (zh) 2021-06-17 一种销售线索自动智能分配的方法

Publications (2)

Publication Number Publication Date
CN113379257A true CN113379257A (zh) 2021-09-10
CN113379257B CN113379257B (zh) 2024-10-22

Family

ID=

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114154830A (zh) * 2021-11-26 2022-03-08 泰康保险集团股份有限公司 一种活动名额分配方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007079945A (ja) * 2005-09-14 2007-03-29 Hellosystem Ltd 地域指定による情報配信システム
CN110020759A (zh) * 2018-01-09 2019-07-16 优信拍（北京）信息科技有限公司 一种订单分配方法、装置及系统
CN110119466A (zh) * 2019-03-29 2019-08-13 五渡(杭州)科技有限责任公司 一种大数据智能营销系统及其方法
CN112232612A (zh) * 2019-06-28 2021-01-15 百度在线网络技术（北京）有限公司 客户资料智能分发方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007079945A (ja) * 2005-09-14 2007-03-29 Hellosystem Ltd 地域指定による情報配信システム
CN110020759A (zh) * 2018-01-09 2019-07-16 优信拍（北京）信息科技有限公司 一种订单分配方法、装置及系统
CN110119466A (zh) * 2019-03-29 2019-08-13 五渡(杭州)科技有限责任公司 一种大数据智能营销系统及其方法
CN112232612A (zh) * 2019-06-28 2021-01-15 百度在线网络技术（北京）有限公司 客户资料智能分发方法和装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114154830A (zh) * 2021-11-26 2022-03-08 泰康保险集团股份有限公司 一种活动名额分配方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN110070391B (zh) 数据处理方法、装置、计算机可读介质及电子设备
JP5245211B2 (ja) 監視システム
CN110472910B (zh) 确定目标配送任务节点的方法、装置及存储介质、电子设备
CN108205766A (zh) 信息推送方法、装置及系统
CN108985347A (zh) 分类模型的训练方法、店铺分类的方法及装置
JP2002092305A (ja) スコア算出方法及びスコア提供方法
US20110117537A1 (en) Usage estimation device
CN114091960A (zh) 业务智能派单匹配方法、装置、服务器及存储介质
CN109903076A (zh) 一种广告数据生成方法、系统、电子设备及存储介质
CN111008859A (zh) 虚拟店铺中信息呈现方法、装置、电子设备及存储介质
CN110276677A (zh) 基于大数据平台的还款预测方法、装置、设备及存储介质
CN109559152A (zh) 一种网络营销方法、系统及计算机存储介质
CN113065447A (zh) 一种图像集中自动识别商品的方法和设备
Gattermann-Itschert et al. Using machine learning to include planners’ preferences in railway crew scheduling optimization
CN111159241A (zh) 一种点击转化预估方法及装置
CN109544271A (zh) 一种交易管理系统
CN113379257A (zh) 一种销售线索自动智能分配的方法
CN113379257B (zh) 一种销售线索自动智能分配的方法
CN111222923A (zh) 一种判断潜在客户的方法及装置、电子设备和存储介质
CN115935076A (zh) 基于人工智能的旅游服务信息推送方法及系统
CN115953080A (zh) 工程师服务等级确定方法、设备和存储介质
CN112884328B (zh) 揽件业务员推荐方法、装置、设备及存储介质
JP2020004161A (ja) 審査支援装置、審査支援方法、およびサービス提供方法
CN115062676A (zh) 数据处理方法、装置及计算机可读存储介质
CN112084408B (zh) 名单数据筛选方法、装置、计算机设备及存储介质

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
GR01 Patent grant