CN114549023B - 一种汽车销售客户跟进管理系统 - Google Patents

一种汽车销售客户跟进管理系统 Download PDF

Info

Publication number
CN114549023B
CN114549023B CN202210192197.8A CN202210192197A CN114549023B CN 114549023 B CN114549023 B CN 114549023B CN 202210192197 A CN202210192197 A CN 202210192197A CN 114549023 B CN114549023 B CN 114549023B
Authority
CN
China
Prior art keywords
follow
image
car
data
preset
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.)
Active
Application number
CN202210192197.8A
Other languages
English (en)
Other versions
CN114549023A (zh
Inventor
马春欣
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.)
Today Automotive Information Technology Co ltd
Original Assignee
Today Automotive Information Technology 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 Today Automotive Information Technology Co ltd filed Critical Today Automotive Information Technology Co ltd
Priority to CN202210192197.8A priority Critical patent/CN114549023B/zh
Publication of CN114549023A publication Critical patent/CN114549023A/zh
Application granted granted Critical
Publication of CN114549023B publication Critical patent/CN114549023B/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
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services
    • 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)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种汽车销售客户跟进管理系统，包括存储模块、提醒模块和用户端模块；存储模块包括存储单元和跟进间隔天数计算单元；存储单元用于存储购车客户的跟进资料和每个购车客户对应的跟进间隔天数；间隔计算单元用于根据跟进资料和预设的计算模型计算跟进间隔天数；提醒模块用于根据跟进间隔天数获取待跟进的购车客户的名单，以及用于根据名单将对应的跟进资料发送至用户端模块；用户端模块用于向通过身份识别的汽车销售顾问展示待跟进的购车客户的跟进资料，以及用于通过身份识别的汽车销售顾问对跟进资料进行更新。本发明实现了根据购车客户的重要程度来获取跟进间隔天数，使得汽车销售顾问能够取得更好的跟进效果。

Description

一种汽车销售客户跟进管理系统
技术领域
本发明涉及客户管理领域，尤其涉及一种汽车销售客户跟进管理系统。
背景技术
随着汽车行业的发展，市场竞争也越来越激烈，销售顾问对客户进行及时的跟进就显得很重要。及时跟进能够在一定程度上有效地避免客户丢失。跟进的类型一般是初次开发，少部分是二次开发。现有的客户跟进管理系统的提醒功能不够完善，一般是通过固定的时间间隔来提醒销售顾问对客户进行跟进。这样的提醒方式，未能根据客户的重要程度来确定跟进的时间间隔，不利于提高销售顾问的跟进效果。
发明内容
本发明的目的在于公开一种汽车销售客户跟进管理系统，解决现有技术中的客户跟进管理系统未能根据客户的重要程度来确定跟进的时间间隔，不利于提高销售顾问的跟进效果的问题。
为了达到上述目的，本发明采用如下技术方案：
一种汽车销售客户跟进管理系统，包括存储模块、提醒模块和用户端模块；
存储模块包括存储单元和跟进间隔天数计算单元；
存储单元用于存储购车客户的跟进资料和每个购车客户对应的跟进间隔天数；
间隔计算单元用于根据跟进资料和预设的计算模型计算跟进间隔天数；
提醒模块用于根据跟进间隔天数获取待跟进的购车客户的名单，以及用于根据名单将对应的跟进资料发送至用户端模块；
用户端模块用于向通过身份识别的汽车销售顾问展示待跟进的购车客户的跟进资料，以及用于通过身份识别的汽车销售顾问对跟进资料进行更新。
优选地，所述跟进资料包括客户编号、客户名称、跟进类型、意向车型、意向车型价格、意向级别、跟进时间、跟进销售顾问名称和跟进情况记录。
优选地，所述跟进类型包括新开发客户跟进和老客户跟进。
优选地，所述意向级别包括非常具有意向、一般意向和低意向。
优选地，所述根据跟进资料和预设的计算模型计算跟进间隔天数，包括：
采用如下计算模型计算跟进间隔天数：
Figure GDA0003946427920000021
其中，Tlag表示跟进间隔天数，Tma表示跟进间隔天数的上限值，w1、w2、w3表示预设的权重参数，w1+w2+w3＝1，futsco表示跟进类型得分，stsco1表示预设的跟进类型得分最大值，price表示意向车型价格，stprice表示车型价格上限值，lvsco表示意向级别得分，stsco2表示预设意向级别得分最大值，Tpr表示预设的整数参数，Tpr≥10。
优选地，所述根据跟进间隔天数获取待跟进的购车客户的名单，包括：
分别计算每个购车客户的跟进资料中的跟进时间flpT和当前时间crT之间相差的天数nfT；
若nfT小于购车客户对应的跟进间隔天数，则将购车客户的客户名称添加到待跟进的购车客户的名单中。
优选地，所述用户端模块包括身份识别子模块、显示子模块、输入子模块和发送子模块；
身份识别子模块用于通过人脸识别的方式对汽车销售顾问进行身份识别；
显示子模块用于向通过身份识别的汽车销售顾问展示待跟进的购车客户的跟进资料；
输入子模块用于通过身份识别的汽车销售顾问对跟进资料进行更新；
发送子模块用于将更新后的跟进资料发送至存储模块。
优选地，所述身份识别子模块包括获取单元、权限库单元和计算单元；
获取单元用于获取汽车销售顾问的脸部图像的第一特征数据；
权限库单元用于存储具有跟进资料管理权限的人员的脸部图像的第二特征数据；
计算单元用于计算第一特征数据和第二特征数据之间的相似度；
若相似度大于预设的相似度门槛值，则表示汽车销售顾问通过身份识别；若相似度小于等于预设的相似度门槛值，则表示汽车销售顾问没有通过身份识别。
优选地，所述获取单元包括拍照子单元和图像处理子单元；
拍照子单元用于获取汽车销售顾问的脸部图像；
图像处理子单元用于获取汽车销售顾问脸部图像的第一特征数据。
优选地，所述获取汽车销售顾问脸部图像的第一特征数据，包括：
对脸部图像进行优化处理，获得优化图像；
对优化图像进行色彩通道合并处理，获得合并图像；
对合并图像进行分块处理，获得分块图像；
对分块图像进行降噪处理，获得降噪图像；
使用预设的特征数据获取模型获取降噪图像中包含的第一特征数据。
本发明通过根据跟进资料和预设的计算模型来计算跟进间隔天数，从而实现了根据购车客户的重要程度来获取跟进间隔天数，越重要的购车客户，跟进的间隔天数小。通过模型来实现了对购车客户的重要程度的判定，同时也节约了汽车销售顾问的精力，使得汽车销售顾问能够取得更好的跟进效果。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1，为本发明一种汽车销售客户跟进管理系统的一种示例性实施例图。
图2，为本发明用户端模块的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1所示的一种实施例，本发明提供了一种汽车销售客户跟进管理系统，包括存储模块、提醒模块和用户端模块；
存储模块包括存储单元和跟进间隔天数计算单元；
存储单元用于存储购车客户的跟进资料和每个购车客户对应的跟进间隔天数；
间隔计算单元用于根据跟进资料和预设的计算模型计算跟进间隔天数；
提醒模块用于根据跟进间隔天数获取待跟进的购车客户的名单，以及用于根据名单将对应的跟进资料发送至用户端模块；
用户端模块用于向通过身份识别的汽车销售顾问展示待跟进的购车客户的跟进资料，以及用于通过身份识别的汽车销售顾问对跟进资料进行更新。
本发明通过根据跟进资料和预设的计算模型来计算跟进间隔天数，从而实现了根据购车客户的重要程度来获取跟进间隔天数，越重要的购车客户，跟进的间隔天数小。通过模型来实现了对购车客户的重要程度的判定，同时也节约了汽车销售顾问的精力，使得汽车销售顾问能够取得更好的跟进效果。
优选地，所述跟进资料包括客户编号、客户名称、跟进类型、意向车型、意向车型价格、意向级别、跟进时间、跟进销售顾问名称和跟进情况记录。
具体的，跟进情况记录可以包括对跟进情况的简单总结，也可以包括一些备忘的内容。例如客户对意向车型的偏好颜色等。
优选地，所述跟进类型包括新开发客户跟进和老客户跟进。
优选地，所述意向级别包括非常具有意向、一般意向和低意向。
具体的，意向级别这个可以根据购车客户的行为来进行确定，例如，若购车客户已经下了购车意向金，那表示这个客户非常具有意向，或者，如购车客户多次咨询同一车型，那也表示这个客户非常具有意向。而一般意向则是那些在犹豫不决的购车客户，这种购车客户需要销售顾问进行积极的沟通交流。而对于低意向，如仅咨询了价格的购车客户，这种就属于低意向。当然，这里仅为举例说明，并不是说意向级别仅包括上述类型的客户。
优选地，所述根据跟进资料和预设的计算模型计算跟进间隔天数，包括：
采用如下计算模型计算跟进间隔天数：
Figure GDA0003946427920000041
其中，Tlag表示跟进间隔天数，Tma表示跟进间隔天数的上限值，w1、w2、w3表示预设的权重参数，w1+w2+w3＝1，futsco表示跟进类型得分，stsco1表示预设的跟进类型得分最大值，price表示意向车型价格，stprice表示车型价格上限值，lvsco表示意向级别得分，stsco2表示预设意向级别得分最大值，Tpr表示预设的整数参数，Tpr≥10。
本发明上述实施例，从跟进类型得分、意向车型价格，意向级别得分等方面进行加权，获得自适应的跟进间隔天数，跟进类型得分、意向车型价格，意向级别得分等越高，则跟进间隔天数会自适应地减少，从而使得高价值的客户更能及时跟进。使得销售顾问取得更好的业绩效果。
优选地，跟进类型得分可以通过如下方式确定：
对于新开发客户跟进，赋予10分，对于老客户跟进则赋予8分，这时，跟进类型得分最大值便是10分。但是这里列举的跟进类型仅为两种，若跟进类型为多种，则跟进类型得分最大值也随之改变。
优选地，意向级别得分可以通过如下方式确定：
对于非常具有意向的购车客户，将意向级别得分设置为10分；对于一般意向的购车客户，将意向级别得分设置为6分；对于低意向的购车客户，将意向级别得分设置为3分。
上述的分数设置作为其中一种实施例，本领域技术人员可以根据实际需要灵活设置相应的得分。
优选地，所述根据跟进间隔天数获取待跟进的购车客户的名单，包括：
分别计算每个购车客户的跟进资料中的跟进时间flpT和当前时间crT之间相差的天数nfT；
若nfT小于购车客户对应的跟进间隔天数，则将购车客户的客户名称添加到待跟进的购车客户的名单中。
具体的，当前时间crT指的是计算nfT时的时间。
优选地，如图2所示，所述用户端模块包括身份识别子模块、显示子模块、输入子模块和发送子模块；
身份识别子模块用于通过人脸识别的方式对汽车销售顾问进行身份识别；
显示子模块用于向通过身份识别的汽车销售顾问展示待跟进的购车客户的跟进资料；
输入子模块用于通过身份识别的汽车销售顾问对跟进资料进行更新；
发送子模块用于将更新后的跟进资料发送至存储模块。
具体的，由于跟进资料属于商业机密，因此，需要对使用用户终端的汽车销售顾问进行身份识别验证，避免资料泄露。
汽车销售顾问可以根据跟进资料对客户进行跟进，并根据跟进的结果对跟进资料进行更新。例如意向级别改变时，则需要对购车客户对应的意向级别进行更新。
优选地，所述身份识别子模块包括获取单元、权限库单元和计算单元；
获取单元用于获取汽车销售顾问的脸部图像的第一特征数据；
权限库单元用于存储具有跟进资料管理权限的人员的脸部图像的第二特征数据；
计算单元用于计算第一特征数据和第二特征数据之间的相似度；
若相似度大于预设的相似度门槛值，则表示汽车销售顾问通过身份识别；若相似度小于等于预设的相似度门槛值，则表示汽车销售顾问没有通过身份识别。
具有跟进资料管理权限的人员的脸部图像的特征数据可以事先获取，然后存储到权限库单元用。
优选地，所述获取单元包括拍照子单元和图像处理子单元；
拍照子单元用于获取汽车销售顾问的脸部图像；
图像处理子单元用于获取汽车销售顾问脸部图像的第一特征数据。
优选地，所述获取汽车销售顾问脸部图像的第一特征数据，包括：
对脸部图像进行优化处理，获得优化图像；
对优化图像进行色彩通道合并处理，获得合并图像；
对合并图像进行分块处理，获得分块图像；
对分块图像进行降噪处理，获得降噪图像；
使用预设的特征数据获取模型获取降噪图像中包含的第一特征数据。
对脸部图像进行优化处理，能够使得优化图像中的像素点之间的亮度分布更为均衡，从而能够提高获取的特征数据的准确性。色彩通道合并处理能够降低参与后续运算的数据量，有效地提高了进行特征数据获取过程的速度。
优选地，所述对脸部图像进行优化处理，获得优化图像，包括：
将脸部图像转换到Lab颜色模型；
在Lab颜色模型的亮度分量图像L中进行如下优化处理：
若
Figure GDA0003946427920000061
则使用如下公式对亮度分量图像L进行优化处理：
afL(a)＝Lthrone
若
Figure GDA0003946427920000062
则使用如下公式对亮度分量图像L进行优化处理：
Figure GDA0003946427920000063
若
Figure GDA0003946427920000064
则使用如下公式对亮度分量图像L进行优化处理：
Figure GDA0003946427920000065
其中，L(a)和afL(a)分别表示优化处理前的亮度分量图像L和优化处理后的亮度分量图像afL中像素点a的像素值，maL表示亮度分量图像L中的像素值的最大值，Lthrone和Lthrtwo分别表示预设的第一阈值和第二阈值，9≤Lthrone≤18，79≤Lthrtwo≤83；avL表示亮度分量图像L中像素点的像素值的平均值，Lma表示亮度分量图像L的理论亮度上限值；micmp和macmp分别表示取括号内的较小值和较大值；
将afL转换回红绿蓝颜色模型中，获得优化图像。
在上述实施例中，通过以亮度分量图像L中的像素值的最大值为基准，通过与设置的系数进行配合，有效地为不同像素值情况下的像素点选择了不同的优化处理函数进行处理，这样的处理方式，使得优化处理函数和像素点的实际像素值情况更为匹配，从而提高了优化处理结果的准确性。
优选地，所述对优化图像进行色彩通道合并处理，获得合并图像，包括：
使用如下公式对优化图像进行色彩通道合并处理，获得合并图像：
csnfl(u)＝α×[v1×R(u)+v2×G(u)+v3×B(u)]+(1-α)×L(u)
其中，csnfl表示合并图像，csnfl(u)表示像素点u在csnfl中的像素值，α表示预设的比例系数，v1、v2、v3表示预设的权重系数，R(u)、G(u)、B(u)分别表示像素点u在优化图像对应的红绿蓝颜色模型中的红色分量图像、绿色分量图像、蓝色分量图像中的像素值，L(u)表示像素点u在优化图像对应的Lab颜色模型中亮度分量图像中的像素值。
上述获取合并图像的过程，将原来的3种颜色通道合并到一个颜色通道，通过加权的方式，有效地降低了后续参与图像特征获取过程的数据量，从而提高处理速度。
优选地，所述对合并图像进行分块处理，获得分块图像，包括：
使用如下方式对合并图像进行分块处理，获得分块图像：
第1次分块处理：
将合并图像分成Q个面积相同的子块；
将本次划分得到的字块存入集合S1中；
分别计算集合S1中的每个子块的分割系数，将分割系数大于预设的分割系数阈值的子块存入集合N1中，将分割系数小于等于预设的分割系数阈值的子块存入集合fU中；
第n次分块处理：
分别将集合Nn-1中的每个子块分成Q个面积相同的子块；
将本次划分得到的字块存入集合Sn中；
分别计算集合Sn中的每个子块的分割系数，将分割系数大于预设的分割系数阈值的子块存入集合Nn中，将分割系数小于等于预设的分割系数阈值的子块存入集合fU中；
判断集合Nn中包含的元素的数量是否大于预设的数量阈值，若否，则结束对合并图像进行分块处理，将fU中包含的每个子块作为一个分块图像，若是，则进行第n+1次分块处理；
其中，分割系数通过如下方式进行计算：
Figure GDA0003946427920000081
式中，sctidx表示分割系数，g1、g2、g3表示比例系数，nfblk表示子块中包含的像素点的数量，stnf表示预设的像素点数量对照值，hg表示子块中的像素点的梯度幅值的方差，shg表示预设的梯度幅值方差对照值，maq表示子块中的像素值最大值，cthre表示使用大津法对子块进行运算获得的图像分割阈值。
优选地，对分块图像进行降噪处理，获得降噪图像，包括：
使用图像区域生长算法分别对每个分块图像进行图像分割处理，获取每个分块图像中的前景像素点；
分别对每个分块图像中的前景像素点组成的图像进行降噪处理，获得降噪处理后的分块图像；
将降噪处理后的所有分块图像进行合并，得到降噪图像。
通过先分块获取分块图像，然后分别对分块图像进行降噪处理，这样的处理方式，能够有效地降低参与图像降噪过程的像素点的数量，也能减少进入特征提取步骤的像素点的数量，进一步缩短特征提取过程的所需要的时间。
另外，本发明的分块过程不是将图像分成像素点数量相同的分块图像，因为这样的分块图像很容易整一块都不包含前景像素点，显然，对这样的分块图像进行图像分割，获得的是错误的结果。因此本发明通过分割系数来判断是否需要继续进行分块处理，梯度幅值的方差越大，则表示分块图像中的像素值之间的差异越大，分割系数越大，可以进一步进行分块处理，不会造成分块图像中仅包含前景像素点。
优选地，所述预设的特征数据获取模型包括方向梯度直方图特征数据获取模型、局部二值特征数据获取模型、Haar-like特征数据获取模型中的一种。
具体的，第一特征数据和第二特征数据的获取方式相同，这里不再重复叙述。
尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。
需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。
实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

Claims (6)

1.一种汽车销售客户跟进管理系统，其特征在于，包括存储模块、提醒模块和用户端模块；
存储模块包括存储单元和跟进间隔天数计算单元；
存储单元用于存储购车客户的跟进资料和每个购车客户对应的跟进间隔天数；
间隔计算单元用于根据跟进资料和预设的计算模型计算跟进间隔天数；
提醒模块用于根据跟进间隔天数获取待跟进的购车客户的名单，以及用于根据名单将对应的跟进资料发送至用户端模块；
用户端模块用于向通过身份识别的汽车销售顾问展示待跟进的购车客户的跟进资料，以及用于通过身份识别的汽车销售顾问对跟进资料进行更新；
所述用户端模块包括身份识别子模块、显示子模块、输入子模块和发送子模块；
身份识别子模块用于通过人脸识别的方式对汽车销售顾问进行身份识别；
显示子模块用于向通过身份识别的汽车销售顾问展示待跟进的购车客户的跟进资料；
输入子模块用于通过身份识别的汽车销售顾问对跟进资料进行更新；
发送子模块用于将更新后的跟进资料发送至存储模块；
所述身份识别子模块包括获取单元、权限库单元和计算单元；
获取单元用于获取汽车销售顾问的脸部图像的第一特征数据；
权限库单元用于存储具有跟进资料管理权限的人员的脸部图像的第二特征数据；
计算单元用于计算第一特征数据和第二特征数据之间的相似度；
若相似度大于预设的相似度门槛值，则表示汽车销售顾问通过身份识别；若相似度小于等于预设的相似度门槛值，则表示汽车销售顾问没有通过身份识别；
所述获取单元包括拍照子单元和图像处理子单元；
拍照子单元用于获取汽车销售顾问的脸部图像；
图像处理子单元用于获取汽车销售顾问脸部图像的第一特征数据；
所述获取汽车销售顾问脸部图像的第一特征数据，包括：
对脸部图像进行优化处理，获得优化图像；
对优化图像进行色彩通道合并处理，获得合并图像；
对合并图像进行分块处理，获得分块图像；
对分块图像进行降噪处理，获得降噪图像；
使用预设的特征数据获取模型获取降噪图像中包含的第一特征数据；
所述对脸部图像进行优化处理，获得优化图像，包括：
将脸部图像转换到Lab颜色模型；
在Lab颜色模型的亮度分量图像L中进行如下优化处理：
若
Figure FDA0003946427910000021
则使用如下公式对亮度分量图像L进行优化处理：
afL(a)＝Lthrone
若
Figure FDA0003946427910000022
则使用如下公式对亮度分量图像L进行优化处理：
Figure FDA0003946427910000023
若
Figure FDA0003946427910000024
则使用如下公式对亮度分量图像L进行优化处理：
Figure FDA0003946427910000025
其中，L(a)和afL(a)分别表示优化处理前的亮度分量图像L和优化处理后的亮度分量图像afL中像素点a的像素值，maL表示亮度分量图像L中的像素值的最大值，Lthrone和Lthrtwo分别表示预设的第一阈值和第二阈值，9≤Lthrone≤18，79≤Lthrtwo≤83；avL表示亮度分量图像L中像素点的像素值的平均值，Lma表示亮度分量图像L的理论亮度上限值；micmp和macmp分别表示取括号内的较小值和较大值；
将afL转换回红绿蓝颜色模型中，获得优化图像。
2.根据权利要求1所述的一种汽车销售客户跟进管理系统，其特征在于，所述跟进资料包括客户编号、客户名称、跟进类型、意向车型、意向车型价格、意向级别、跟进时间、跟进销售顾问名称和跟进情况记录。
3.根据权利要求2所述的一种汽车销售客户跟进管理系统，其特征在于，所述跟进类型包括新开发客户跟进和老客户跟进。
4.根据权利要求3所述的一种汽车销售客户跟进管理系统，其特征在于，所述意向级别包括非常具有意向、一般意向和低意向。
5.根据权利要求4所述的一种汽车销售客户跟进管理系统，其特征在于，所述根据跟进资料和预设的计算模型计算跟进间隔天数，包括：
采用如下计算模型计算跟进间隔天数：
Figure FDA0003946427910000031
其中，Tlag表示跟进间隔天数，Tma表示跟进间隔天数的上限值，w1、w2、w3表示预设的权重参数，w1+w2+w3＝1，futsco表示跟进类型得分，stsco1表示预设的跟进类型得分最大值，price表示意向车型价格，stprice表示车型价格上限值，lvsco表示意向级别得分，stsco2表示预设意向级别得分最大值，Tpr表示预设的整数参数，Tpr≥10。
6.根据权利要求2所述的一种汽车销售客户跟进管理系统，其特征在于，所述根据跟进间隔天数获取待跟进的购车客户的名单，包括：
分别计算每个购车客户的跟进资料中的跟进时间flpT和当前时间crT之间相差的天数nfT；
若nfT小于购车客户对应的跟进间隔天数，则将购车客户的客户名称添加到待跟进的购车客户的名单中。
CN202210192197.8A 2022-02-28 2022-02-28 一种汽车销售客户跟进管理系统 Active CN114549023B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210192197.8A CN114549023B (zh) 2022-02-28 2022-02-28 一种汽车销售客户跟进管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210192197.8A CN114549023B (zh) 2022-02-28 2022-02-28 一种汽车销售客户跟进管理系统

Publications (2)

Publication Number Publication Date
CN114549023A CN114549023A (zh) 2022-05-27
CN114549023B true CN114549023B (zh) 2023-01-24

Family

ID=81660862

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210192197.8A Active CN114549023B (zh) 2022-02-28 2022-02-28 一种汽车销售客户跟进管理系统

Country Status (1)

Country Link
CN (1) CN114549023B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115952354B (zh) * 2022-12-28 2024-04-12 海南星捷安科技集团股份有限公司 一种药械销售代表工作台管理系统
CN116993133B (zh) * 2023-09-27 2024-01-26 尚云(广州)信息科技有限公司 一种基于人脸识别的智能工单系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107451748A (zh) * 2017-08-10 2017-12-08 北京奇鱼时代科技有限公司 一种客户关系管理系统中客户公海管理方法
CN108416596A (zh) * 2017-08-04 2018-08-17 平安科技（深圳）有限公司 基于优先级的客户跟进方法、电子装置及可读存储介质
CN111160935A (zh) * 2018-11-07 2020-05-15 广汽菲亚特克莱斯勒汽车销售有限公司 一种汽车销售管理系统
CN113988991A (zh) * 2021-11-16 2022-01-28 张雨钊 基于云计算的数字化电子商务平台

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7844076B2 (en) * 2003-06-26 2010-11-30 Fotonation Vision Limited Digital image processing using face detection and skin tone information
CN111008871A (zh) * 2019-12-10 2020-04-14 重庆锐云科技有限公司 一种房地产复购客户跟进数量计算方法、装置及存储介质
CN112184581B (zh) * 2020-09-27 2023-09-05 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机设备及介质
CN112784239B (zh) * 2021-01-22 2022-05-27 南京汇智互娱网络科技有限公司 一种基于人工智能的电子竞技运营信息管理系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108416596A (zh) * 2017-08-04 2018-08-17 平安科技（深圳）有限公司 基于优先级的客户跟进方法、电子装置及可读存储介质
CN107451748A (zh) * 2017-08-10 2017-12-08 北京奇鱼时代科技有限公司 一种客户关系管理系统中客户公海管理方法
CN111160935A (zh) * 2018-11-07 2020-05-15 广汽菲亚特克莱斯勒汽车销售有限公司 一种汽车销售管理系统
CN113988991A (zh) * 2021-11-16 2022-01-28 张雨钊 基于云计算的数字化电子商务平台

Also Published As

Publication number Publication date
CN114549023A (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
CN114549023B (zh) 一种汽车销售客户跟进管理系统
CN110969046B (zh) 人脸识别方法、设备及计算机可读存储介质
CN110390643B (zh) 一种车牌增强方法、装置及电子设备
CN109740721B (zh) 麦穗计数方法及装置
CN110969170A (zh) 一种图像主题色提取方法、装置及电子设备
CN111696029A (zh) 虚拟形象视频生成方法、装置、计算机设备及存储介质
CN110929836B (zh) 神经网络训练及图像处理方法和装置、电子设备、介质
CN111696080A (zh) 一种基于静态纹理的人脸欺诈检测方法、系统及存储介质
CN112329586A (zh) 基于情绪识别的客户回访方法、装置及计算机设备
CN112085596A (zh) 用户风险等级信息的确定方法及装置
CN111798047A (zh) 风控预测方法、装置、电子设备及存储介质
CN114329405A (zh) 一种线上运营营销推广系统
CN109102468B (zh) 图像增强方法、装置、终端设备及存储介质
CN112614110B (zh) 评估图像质量的方法、装置及终端设备
CN108564633B (zh) 灰度图像压缩方法、装置及计算机设备
CN111784699A (zh) 一种对三维点云数据进行目标分割方法、装置及终端设备
CN113222856A (zh) 一种逆半色调图像处理方法、终端设备及可读存储介质
CN113392702A (zh) 一种基于自适应图像增强的弱光照环境下目标识别方法
CN112215768A (zh) 图像清晰度提升方法、装置、电子设备及可读存储介质
CN117079309A (zh) 一种ReID模型训练方法、ReID行人识别方法、设备及介质
CN115984786A (zh) 车辆损伤检测方法及装置、终端、存储介质
CN114648467A (zh) 图像的去雾方法、装置、终端设备及计算机可读存储介质
CN112288748B (zh) 一种语义分割网络训练、图像语义分割方法及装置
CN104636495B (zh) 一种基于内容的视频检索方法
CN113762016A (zh) 关键帧选取方法和装置

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
GR01 Patent grant
GR01 Patent grant