KR20220085699A - System for sales activity guide providing and method thereof - Google Patents
System for sales activity guide providing and method thereof Download PDFInfo
- Publication number
- KR20220085699A KR20220085699A KR1020210110385A KR20210110385A KR20220085699A KR 20220085699 A KR20220085699 A KR 20220085699A KR 1020210110385 A KR1020210110385 A KR 1020210110385A KR 20210110385 A KR20210110385 A KR 20210110385A KR 20220085699 A KR20220085699 A KR 20220085699A
- Authority
- KR
- South Korea
- Prior art keywords
- sales
- information
- customer
- needs
- activity
- Prior art date
Links
- 230000000694 effects Effects 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims description 65
- 238000012549 training Methods 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 claims description 7
- 230000009193 crawling Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000002860 competitive effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/063114—Status monitoring or status determination 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 영업활동 가이드 제공 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는 영업활동 전반에 걸쳐 발생되는 정보를 실시간으로 기록하고, 상기 기록된 영업정보를 기반으로 영업활동 피드백을 제공하는 영업활동 가이드 제공 시스템 및 그 방법를 제공한다.
상기한 바에 따르면, 본 발명의 일 실시예에 따라 영업현장의 영업업무와 관련된 영업일지 데이터를 분석하여 고객 니즈를 예상할 수 있도록 하는 것을 제공할 수 있으며, 예상된 고객 니즈에 기반하여 영업사원의 향후 영업업무에 대한 영업활동 가이드 정보를 제공할 수 있도록 하는 것을 제공할 수 있다.The present invention relates to a system for providing a business activity guide and a method therefor, and more particularly, a business activity guide that records information generated throughout business activities in real time and provides feedback on business activities based on the recorded business information A providing system and method are provided.
According to the above, according to an embodiment of the present invention, it is possible to provide a way to predict customer needs by analyzing business diary data related to sales work at the sales site, and based on the expected customer needs, It may provide a way to provide business activity guide information for future business operations.
Description
본 발명은 영업활동 가이드 제공 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는 영업활동 전반에 걸쳐 발생되는 정보를 실시간으로 기록하고, 상기 기록된 영업정보를 기반으로 영업활동 피드백을 제공하는 영업활동 가이드 제공 시스템 및 그 방법에 관한 것이다.The present invention relates to a business activity guide providing system and method, and more particularly, a business activity guide that records information generated throughout business activities in real time and provides sales activity feedback based on the recorded business information It relates to a provision system and a method therefor.
이 부분에 기술된 내용은 단순히 본 발명의 일 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.The content described in this section merely provides background information on an embodiment of the present invention and does not constitute the prior art.
최근 기업들은 영업활동 관리시스템(SFE; Sales Force Effectiveness)을 도입하여 영업사원들이 고객 관리를 효율적으로 하고 이를 매출에 연동시키기 위해 영업 활동을 지원 또는 관리하고 있다.Recently, companies have introduced a Sales Force Effectiveness (SFE) system to support or manage sales activities in order for salespeople to efficiently manage customers and link them to sales.
그러나, 대부분의 시스템이 통계적 차원에서 영업 활동의 성과만을 단순히 관리하거나 영업사원의 스케쥴 등을 관리하는 수준이며, 영업 활동 이력 관리를 지원하는 시스템의 경우도 영업사원이 영업 활동을 통해 수집하여 직접 입력한 고객에 대해서만 해당 기능을 제공할 수 있다는 한계성의 문제점이 있었다.However, most systems are at the level of simply managing the performance of sales activities in a statistical dimension or managing the schedules of salespeople, and in the case of systems that support sales activity history management, salespeople collect them through sales activities and directly input them. There was a problem of limitations in that the function could be provided for only one customer.
즉, 현재의 영업지원 또는 관리 시스템은 영업사원의 영업 활동이 이루어진 전제하에 지원 또는 관리를 하는 시스템일 뿐, 영업사원의 영업 활동이 이루어지기 전 단계에서 최적의 영업 대상 고객에 대한 니즈 정보를 제공하고 있지 못하므로 영업 활동의 효율성을 높일 수 있는 기능을 갖추고 있지는 못하다. In other words, the current sales support or management system is only a system that supports or manages salespersons on the premise that sales activities are made, and provides information on the needs of optimal sales target customers before the salespersons' sales activities are performed. It does not have the functions to increase the efficiency of sales activities.
따라서, 영업사원은 현재 기업의 고객화 되지 않은 모든 기업 또는 개인을 대상으로 영업 활동을 수행하거나, 영업 활동을 위한 적절한 대상을 찾기 위해 방대한 자료를 수집하여 분석하는 작업을 개별적으로 진행해야 하는 번거로움의 문제점이 있었다.Therefore, it is inconvenient for salespeople to individually collect and analyze vast amounts of data to conduct sales activities for all companies or individuals that are not currently customerized by the company or to find suitable targets for sales activities. There was a problem of
무엇보다도, 대부분의 영업활동 관리 시스템은 목표 정보와 달성 정보를 기입하여 실적 차이를 제공하여 실적을 올리는 것에 중점을 두고 있고, 영업사원이 영업활동의 결과를 팀장 또는 임원에 보고한 후 보고 결과를 결재받는 단순 피드백 기능만 있었다. 따라서, 영업 사원은 영업 현장에서 단순 조사와 관찰 정보, 품질, 가격, 납기, 기술설명 이외에 고객의 다양한 니즈를 확인할 수 없었고, 팀장 또는 임원으로부터의 영업활동에 대한 가이드 정보를 제공받는 것이 어렵다는 문제점이 있었다. Above all, most sales activity management systems focus on improving performance by providing the difference in performance by entering goal information and achievement information, and after the salesperson reports the results of sales activities to the team leader or executives, the report results are There was only a simple feedback function to receive approval. Therefore, the salesperson could not confirm the various needs of customers other than simple investigation and observation information, quality, price, delivery date, and technical explanation at the sales site, and it was difficult to receive guide information on sales activities from the team leader or executive. there was.
따라서, 이러한 문제점을 해결할 수 있는 새로운 방법이 필요하게 되었다.Therefore, there is a need for a new method to solve these problems.
본 발명은 상기와 같은 종래기술의 문제점을 해결하기 위해 창안된 것으로, 더욱 상세하게는 본 발명의 일 실시예에 따라 영업현장의 영업업무와 관련된 영업일지 데이터를 분석하여 고객 니즈를 예상할 수 있도록 하는 것을 목적으로 한다.The present invention has been devised to solve the problems of the prior art as described above, and more specifically, according to an embodiment of the present invention, by analyzing the business log data related to the sales work at the sales site to anticipate customer needs aim to do
또한, 예상된 고객 니즈에 기반하여 영업사원의 향후 영업업무에 대한 영업활동 가이드 정보를 제공할 수 있도록 하는 것을 목적으로 한다.In addition, it aims to provide sales activity guide information for salespersons' future sales tasks based on expected customer needs.
본 발명의 바람직한 일실시예에 따르면, 영업 활동을 지원 또는 관리하는 영업 활동 가이드 제공 시스템에 있어서, 기 설정된 판매 제품에 대해 영업 활동을 수행한 결과를 영업자 정보, 고객 정보, 가격 정보, 판매 정보 또는 고객 요청 정보를 포함하는 영업 일지 데이터를 제공하는 적어도 하나 이상의 영업자 단말; 및 상기 영업자 단말에서 제공되는 영업 일지 데이터를 인공지능 기반의 영업활동 분석모델을 통해 분석하여 고객 니즈(needs) 유형을 분류하고, 분류된 고객 니즈 유형에 따라 해당 고객에 대한 영업 활동 가이드 정보를 제공하며, 고객별 영업 활동의 연속성이 유지되도록 영업자별 영업활동 이력 정보를 관리하는 영업 분석 서버를 포함하여 구성되는 것을 특징으로 한다.According to a preferred embodiment of the present invention, in a system for providing a sales activity guide for supporting or managing sales activities, the result of performing sales activities for a preset sales product is displayed as business operator information, customer information, price information, sales information, or At least one or more business operator terminals for providing business log data including customer request information; And by analyzing the sales log data provided from the salesperson terminal through an artificial intelligence-based sales activity analysis model to classify customer needs types, and provide sales activity guide information for the corresponding customers according to the classified customer needs types and a sales analysis server that manages sales activity history information for each salesperson so that continuity of sales activities for each customer is maintained.
본 발명의 다른 일실시예에 따르면, 상기 영영활동 분석모델은, 영업 활동과 고객 니즈에 관련된 단어들을 웹 크롤링(web crawling)을 통해 수집하여 학습 데이터(Training Data)로 이용하여 사전학습(pre-training)을 수행하는 것을 특징으로 한다.According to another embodiment of the present invention, the Young-Young activity analysis model collects words related to sales activities and customer needs through web crawling and uses them as training data to pre-train. It is characterized by performing training).
본 발명의 다른 일실시예에 따르면, 상기 고객 니즈 유형은, 전략 니즈, 운영 니즈, 제품 니즈 및 개인 니즈로 구분하는 것을 특징으로 한다.According to another embodiment of the present invention, the customer needs type is characterized in that it is divided into strategic needs, operational needs, product needs and personal needs.
본 발명의 다른 일실시예에 따르면, 상기 영업활동 분석 모델은, 상기 군집 알고리즘을 통해 사업 전략, 고객 관계, 경쟁 전략을 포함한 전략 관련 단어들을 군집화하여 전략 니즈 유형으로 분류하고, 재무관리, 물류관리, 컨설팅을 포함한 운영 관련 단어들을 군집화하여 운영 니즈 유형으로 분류하고, 품질 관리, 원가회계, 서비스 창출을 포함한 제품 관련 단어들을 군집화하여 제품 니즈 유형으로 분류하고, 커뮤니케이션, 목표설정, 고객 지원을 포함한 개인 관련 단어들을 군집화하여 개인 니즈 유형으로 분류하는 것을 특징으로 한다.According to another embodiment of the present invention, the business activity analysis model clusters strategy-related words including business strategy, customer relationship, and competitive strategy through the clustering algorithm to classify them into strategic needs types, financial management, logistics management Group operation related words, including consulting, consulting, and classify them into operational needs types, group product related words including quality control, cost accounting, and service creation into product need types, and classify them into product needs types, including communication, goal setting, and customer support. It is characterized in that related words are clustered and classified into individual needs types.
본 발명의 또 다른 일실시예에 따르면, 상기 군집 알고리즘은, 대상 집단을 거리의 평균값을 기준으로 K개의 군집으로 반복 세분화하는 K-means 클러스터링 알고리즘, 인공신경망을 기반으로 훈련 집합의 입력 패턴을 가중치로 학습하여 군집화하는 SOM(Self-Orgnizing Maps) 알고리즘, 주어진 초기값으로 가능성이 최대인 것부터 반복 과정을 통해 파라미터 값을 갱신해 군집화하는 EM & Canopy 알고리즘 중 어느 하나의 알고리즘을 사용하는 것을 특징으로 한다.According to another embodiment of the present invention, the clustering algorithm weights the input pattern of the training set based on a K-means clustering algorithm that iteratively subdivides the target group into K clusters based on the average value of the distance, and an artificial neural network. It is characterized by using any one of the SOM (Self-Orgnizing Maps) algorithm that learns and clusters with a given initial value and the EM & Canopy algorithm that clusters by updating the parameter values through an iterative process from the maximum possible with a given initial value. .
본 발명의 또 다른 일실시예에 따르면, 영업 활동을 지원 또는 관리하는 영업 분석 서버에 의해 수행되는 영업 활동 가이드 제공 방법에 있어서, a) 적어도 하나 이상의 영업자 단말로부터 기 설정된 판매 제품에 대해 영업 활동을 수행한 결과를 영업자 정보, 고객 정보, 가격 정보, 판매 정보 또는 고객 요청 정보를 포함하는 영업 일지 데이터를 수신하는 단계; b) 상기 영업 일지 데이터를 수신하여 저장하고, 인공지능 기반의 영업활동 분석모델을 통해 상기 영업 일지 데이터를 분석하여 고객 니즈(needs) 유형을 분류하는 단계; 및 c) 분류된 고객 니즈 유형에 따라 해당 고객에 대한 영업 활동 가이드 정보를 제공하는 단계를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, in a sales activity guide providing method performed by a sales analysis server that supports or manages sales activities, a) sales activities are performed for pre-set sales products from at least one salesperson terminal Receiving a result of the sales log data including business owner information, customer information, price information, sales information or customer request information; b) receiving and storing the sales log data, and analyzing the sales log data through an artificial intelligence-based sales activity analysis model to classify customer needs; and c) providing sales activity guide information for the corresponding customer according to the classified customer needs type.
본 발명의 또 다른 일실시예에 따르면, d) 고객별 영업 활동의 연속성이 유지되도록 영업자별 영업활동 이력 정보를 저장 및 관리하는 단계를 더 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, it characterized in that it further comprises the step of d) storing and managing the sales activity history information for each business operator so that the continuity of the sales activity for each customer is maintained.
본 발명의 또 다른 일실시예에 따르면, 상기 d) 단계는, 상기 영업자별 영업활동 이력 정보에 기초하여 영업사원의 퇴사 원인을 분석하고, 분석한 결과를 이용하여 영업 사원을 관리하는 관리자의 단말로 업무 개선 데이터를 제공하는 것을 특징으로 한다.According to another embodiment of the present invention, in step d), the reason for the resignation of the salesperson is analyzed based on the sales activity history information for each salesperson, and the manager's terminal manages the salesperson using the analyzed result It is characterized in that it provides work improvement data.
본 발명의 또 다른 일실시예에 따르면, 상기 영업활동 분석모델은, 상기 영업 일지 데이터에서 핵심 단어들을 추출하고, 상기 추출된 핵심 단어의 빈도수에 기반하여 고객 니즈 유형별 단어 군집화를 수행하는 군집 알고리즘을 통해 고객 니즈 유형을 분류하는 것을 특징으로 한다.According to another embodiment of the present invention, the business activity analysis model extracts key words from the sales log data, and based on the frequency of the extracted key words, a clustering algorithm for performing word clustering for each customer need type. It is characterized by classifying the types of customer needs through
한편 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 함으로써 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다.On the other hand, the present invention is not limited to the embodiments disclosed below, but may be implemented in various different forms, and only these embodiments provide common knowledge in the technical field to which the present invention pertains by allowing the disclosure of the present invention to be complete. It is provided to fully inform the possessor of the scope of the invention, and the present invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout.
본 발명은 본 발명의 일 실시예에 따라 영업현장의 영업업무와 관련된 영업일지 데이터를 분석하여 고객 니즈를 예상할 수 있도록 하는 것을 제공할 수 있다.According to an embodiment of the present invention, it is possible to provide a method for predicting customer needs by analyzing business diary data related to sales work at a sales site.
또한, 예상된 고객 니즈에 기반하여 영업사원의 향후 영업업무에 대한 영업활동 가이드 정보를 제공할 수 있도록 하는 것을 제공할 수 있다.In addition, based on the expected customer needs, it is possible to provide a way to provide sales activity guide information for the salesperson's future sales work.
도 1은 본 발명의 일 실시예에 따른 영업 활동 가이드 제공 시스템의 구성을 설명하는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 영업 분석 서버의 구성을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 영업활동 분석 모델의 분석 결과를 도출하는 과정을 설명하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 영업활동 분석 모델의 텍스트 마이닝 과정을 설명하는 도면이다.
도 5는 본 발명의 일 실시예에 따른 영업활동 가이드 제공 방법을 설명하는 순서도이다.
도 6은 도 5에 의한 영업활동 가이드 정보가 출력된 화면을 보여주는 예시도이다. 1 is a block diagram illustrating the configuration of a sales activity guide providing system according to an embodiment of the present invention.
2 is a diagram showing the configuration of a sales analysis server according to an embodiment of the present invention.
3 is a view for explaining a process of deriving an analysis result of a business activity analysis model according to an embodiment of the present invention.
4 is a view for explaining a text mining process of a business activity analysis model according to an embodiment of the present invention.
5 is a flowchart illustrating a method of providing a business activity guide according to an embodiment of the present invention.
6 is an exemplary view showing a screen on which business activity guide information according to FIG. 5 is output.
이하에서는 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
본 명세서에서 ‘단말’은 휴대성 및 이동성이 보장된 무선 통신 장치일 수 있으며, 예를 들어 스마트 폰, 태블릿 PC 또는 노트북 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치일 수 있다. 또한, ‘단말’은 네트워크를 통해 다른 단말 또는 서버 등에 접속할 수 있는 PC 등의 유선 통신 장치인 것도 가능하다. 또한, 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. In the present specification, a 'terminal' may be a wireless communication device with guaranteed portability and mobility, for example, any type of handheld-based wireless communication device such as a smart phone, tablet PC, or notebook computer. In addition, the 'terminal' may be a wired communication device such as a PC that can connect to another terminal or server through a network. In addition, the network refers to a connection structure capable of exchanging information between each node, such as terminals and servers, and includes a local area network (LAN), a wide area network (WAN), and the Internet (WWW). : World Wide Web), wired and wireless data networks, telephone networks, and wired and wireless television networks.
무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.Examples of wireless data communication networks include 3G, 4G, 5G, 3rd Generation Partnership Project (3GPP), Long Term Evolution (LTE), World Interoperability for Microwave Access (WIMAX), Wi-Fi, Bluetooth communication, infrared communication, ultrasound Communication, Visible Light Communication (VLC), LiFi, and the like are included, but are not limited thereto.
이하의 실시예는 본 발명의 이해를 돕기 위한 상세한 설명이며, 본 발명의 권리 범위를 제한하는 것이 아니다. 따라서 본 발명과 동일한 기능을 수행하는 동일 범위의 발명 역시 본 발명의 권리 범위에 속할 것이다.The following examples are detailed descriptions to help the understanding of the present invention, and do not limit the scope of the present invention. Accordingly, an invention of the same scope performing the same function as the present invention will also fall within the scope of the present invention.
또한, 본 발명의 각 실시예에 포함된 각 구성, 과정, 공정 또는 방법 등은 기술적으로 상호간 모순되지 않는 범위 내에서 공유될 수 있다.In addition, each configuration, process, process or method included in each embodiment of the present invention may be shared within a range that does not technically contradict each other.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다. 도 1은 본 발명의 일 실시예에 따른 영업 활동 가이드 제공 시스템의 구성을 설명하는 블록도이다. Hereinafter, an embodiment of the present invention will be described in detail with reference to the accompanying drawings. 1 is a block diagram illustrating the configuration of a sales activity guide providing system according to an embodiment of the present invention.
도 1을 참조하면, 영업 활동 가이드 제공 시스템은 적어도 하나 이상의 영업자 단말(100) 및 영업 분석 서버(200)를 포함하지만, 경우에 따라 기업의 경영 관리에 필요한 고객 단말, 관리자 단말, ERP(Enterprise Resource Planning, 전사적자원관리) 시스템, 거래처리시스템, 제조실행시스템, 지식관리시스템 등을 더 포함할 수 있다. Referring to FIG. 1 , the sales activity guide providing system includes at least one
영업자 단말(100)은 기 설정된 판매 제품에 대해 영업 활동을 수행한 결과를 영업자 정보, 고객 정보, 가격 정보, 판매 정보 또는 고객 요청 정보를 포함하는 영업 일지 데이터를 음성 또는 텍스트 형태로 제공한다. The
영업 분석 서버(200)는 영업자 단말(100)과 네트워크를 통해 연결되어, 각 영업자 단말(100)에서 제공되는 영업 일지 데이터들을 수신하여 저장하고, 인공지능 기반의 영업활동 분석모델을 통해 영업 일지 데이터를 분석하여 고객 니즈(needs) 유형을 분류한 후 분류된 고객 니즈 유형에 따라 해당 고객에 대한 영업 활동 가이드 정보를 제공한다. 또한, 영업 분석 서버(200)는 고객별 영업 활동의 연속성이 유지되도록 영업자별 영업활동 이력 정보를 고객, 제품, 프로젝트 별로 저장하여 관리한다. The
또한, 영업 분석 서버(200)는 영업활동 이력 정보를 분석하여 고객의 구매 가능성을 분석하여 잠재고객정보를 산출하고, 잠재고객정보 중에서 구매 가능성이 가장 높은 고객을 추천 고객 정보로 산출하여 영업자 단말(100)에 제공할 수 있다. 이때, 영업 분석 서버(200)는 고객의 구매 이력 정보, 영업활동 분석 모델을 통해 분석된 고객 니즈를 통해 미리 설정된 구매 조건(신사업전략, 물류관리, 대체제품 요구, 가격 조정 등)에 해당하는 정보들을 이용하여 구매 가능성을 분석할 수 있다. In addition, the
이러한 영업 분석 서버(200)는 일반적인 의미의 서버용 컴퓨터 본체일 수 있고, 그 외에 서버 역할을 수행할 수 있는 다양한 형태의 장치로 구현될 수 있다. 구체적으로, 조명 모니터링 서버(200)는 통신 모듈(미도시), 메모리(미도시), 프로세서(미도시) 및 데이터베이스(미도시)를 포함하는 컴퓨팅 장치에 구현될 수 있는데, 스마트폰이나 TV, PDA, 태블릿 PC, PC, 노트북 PC 및 기타 사용자 단말 장치 등으로 구현될 수 있다. The
도 2는 본 발명의 일 실시예에 따른 영업 분석 서버의 구성을 나타낸 도면이다. 도 2를 참조하면, 영업 분석 서버(200)는 통신 모듈(210), 메모리(220), 프로세서(230) 및 데이터베이스(240)를 포함하지만 이에 한정되지는 않는다.2 is a diagram showing the configuration of a sales analysis server according to an embodiment of the present invention. Referring to FIG. 2 , the
통신 모듈(210)은 네트워크와 연동하여 영업자 단말(100)과의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공한다. 나아가, 통신 모듈(210)은 영업자 단말(100)을 포함한 클라이언트 단말로부터 데이터 요청을 수신하고, 이에 대한 응답으로서 데이터를 송신하는 역할을 수행할 수 있다.The
여기서, 통신 모듈(210)은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.Here, the
메모리(220)는 영업 분석 서버(200)가 영업 활동을 지원 및 관리하기 위한 각종 프로그램이 기록된다. 또한, 프로세서(230)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 여기서, 메모리(220)는 휘발성 저장 매체(volatile storage media) 또는 비휘발성 저장 매체(non-volatile storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.The
프로세서(230)는 영업 분석 서버(200)가 영업 활동을 지원 및 관리하기 위한 전체 과정을 제어한다. 프로세서(230)가 수행하는 각각의 동작에 대해서는 도 3 내지 도 5를 참조하여 상세히 살펴보기로 한다.The
여기서, 프로세서(230)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.Here, the
데이터베이스(240)는 프로세서(230)가 영업 활동을 지원 및 관리하기 위한 과정을 수행하면서 누적되는 데이터가 저장된다. 일례로 데이터베이스(240)에는 기업 정보, 고객 정보, 영업자 정보, 영업활동 가이드 정보, 영업활동 이력 정보 등이 저장될 수 있다.The
도 3은 본 발명의 일 실시예에 따른 영업활동 분석 모델의 분석 결과를 도출하는 과정을 설명하는 도면이고, 도 4는 본 발명의 일 실시예에 따른 영업활동 분석 모델의 텍스트 마이닝 과정을 설명하는 도면이다. 3 is a diagram for explaining a process of deriving an analysis result of a business activity analysis model according to an embodiment of the present invention, and FIG. 4 is a view for explaining a text mining process of a business activity analysis model according to an embodiment of the present invention It is a drawing.
영업 분석 서버(200)는 영업활동 분석 모델을 학습시키고, 학습된 영업활동 분석 모델을 이용하여 영업 일지 데이터에서 핵심 단어들을 추출하고, 추출된 핵심 단어의 빈도수에 기반하여 고객 니즈 유형별 단어 군집화를 수행하는 군집 알고리즘을 통해 고객 니즈 유형을 분류할 수 있다. The
영엉활동 분석 모델은 음성 인식, 텍스트 분류 등의 자연어 처리에 많이 사용하는 딥러닝 신경망 구조를 이용하고, 그 중 CNN(Convolutional Neural Network), RNN(Recurrent Neural Network), LSTM(Long Short-Term Memory) 등을 사용하여 모델을 구성한 후 학습 데이터 집합을 이용해 모델을 학습시키는 방식으로 텍스트나 음성 처리를 수행한다.The Youngong activity analysis model uses a deep learning neural network structure that is often used for natural language processing such as speech recognition and text classification, among which CNN (Convolutional Neural Network), RNN (Recurrent Neural Network), LSTM (Long Short-Term Memory) After constructing a model using such as, text or voice processing is performed by training the model using the training data set.
이때, 영영활동 분석모델은 영업 활동과 고객 니즈에 관련된 단어들을 웹 크롤링(web crawling)을 통해 수집하여 학습 데이터(Training Data) 집합을 구축하여 학습용 데이터베이스에 저장하고, 학습 데이터 집합을 이용하여 사전학습(pre-training)을 수행할 수 있다. 학습용 데이터베이스를 구축하기 위해, 비정형 문서 또는 음성에 포함된 텍스트, 음성 데이터 등의 학습 데이터를 수집하고, 형태소 분석기를 이용하여 키워드들을 추출하고, 추출된 키워드 중 가중치를 이용하여 핵심 단어를 선별한 후 영업활동과 고객 니즈에 따른 단어들의 연관정도를 딥러닝을 적용하여 학습용 데이터베이스를 생성할 수 있다. At this time, the Young-Young activity analysis model collects words related to sales activities and customer needs through web crawling, builds a training data set, stores it in a learning database, and uses the training data set to learn in advance. (pre-training) can be performed. To build a learning database, learning data such as text and voice data included in unstructured documents or voices are collected, keywords are extracted using a morpheme analyzer, and key words are selected using weights among the extracted keywords. A database for learning can be created by applying deep learning to the degree of association of words according to sales activities and customer needs.
또한, 영업 일지 데이터를 기반으로 의미 연관성을 식별하기 위한 군집 알고리즘은 학습 데이터의 특징점을 찾고, 유사한 군집화를 수행한다. 이러한 군집 알고리즘은 대상 집단을 거리의 평균값을 기준으로 K개의 군집으로 반복 세분화하는 K-means 클러스터링 알고리즘, 인공신경망을 기반으로 훈련 집합의 입력 패턴을 가중치로 학습하여 군집화하는 SOM(Self-Orgnizing Maps) 알고리즘, 주어진 초기값으로 가능성이 최대인 것부터 반복 과정을 통해 파라미터 값을 갱신해 군집화하는 EM & Canopy 알고리즘 중 어느 하나의 알고리즘을 사용할 수 있다. In addition, the clustering algorithm for identifying semantic associations based on the sales log data finds the feature points of the learning data and performs similar clustering. This clustering algorithm is a K-means clustering algorithm that repeatedly subdivides the target group into K clusters based on the average value of the distance, and SOM (Self-Orgnizing Maps) that clusters by learning the input pattern of the training set as a weight based on an artificial neural network. Algorithm Any one of the EM & Canopy algorithms that clusters by updating parameter values through an iterative process from the one with the greatest probability with a given initial value can be used.
도 4에 도시된 바와 같이, 영업 일지 데이터에서 단어, 문장 문단을 분석하여 유의미한 정보를 추출하는 과정은 텍스트 마이닝 기법 중 단어간 빈도 분석 및 연관 관계 분석을 적용하고, 텍스트 데이터 검색 및 추출, 텍스트 전처리 및 정규화를 통해 데이터의 일관성을 높여주고, 텍스트 분석을 통해 비정형 데이터를 구조화된 정형 데이터로 변환하여 저장한다. 텍스트 전처리 및 정규화 과정은 대/소문자 변경, 특수문자 삭제 등의 클렌징 작업. 단어(Word) 등의 토큰화 작업, 의미 없는 단어(Stop word) 제거 작업, 어근 추출(Stemming/Lemmatization) 등을 수행하는 것이다. As shown in FIG. 4 , the process of extracting meaningful information by analyzing words and sentence paragraphs from business log data is by applying inter-word frequency analysis and correlation analysis among text mining techniques, text data search and extraction, and text preprocessing. And it improves data consistency through normalization, and converts unstructured data into structured structured data through text analysis and stores it. The text pre-processing and normalization process is a cleansing operation such as changing case and deleting special characters. Tokenization of words, etc., removal of stop words, and stemming/lemmatization are performed.
이때, 영업 분석 서버(200)는 방대한 규모의 텍스트를 학습한 버트(BERT) 등의 텍스트 분석 모델을 활용하여 문장 분류, 자연어 추론, 개체명 인식, 텍스트 유사도 등의 자연어 처리 태스크를 수행할 수 있다. In this case, the
이와 같이, 영업 분석 서버(200)는 인공지능 기반의 영업활동 분석 모델을 통해 고객니즈 유형을 분류하고, 분류된 고객 니즈 유형에 기초하여 고객의 예상 니즈, 영업사원의 추가 영업 항목들을 포함한 영업활동 가이드 정보를 제공할 수 있다.As such, the
이때, 영업 분석 서버(200)는 고객 니즈 유형을 전략 니즈, 운영 니즈, 제품 니즈 및 개인 니즈로 구분할 수 있다. 따라서, 영업활동 분석 모델은 군집 알고리즘을 통해 사업 전략, 고객 관계, 경쟁 전략을 포함한 전략 관련 단어들을 군집화하여 전략 니즈 유형으로 분류하고, 재무관리, 물류관리, 컨설팅을 포함한 운영 관련 단어들을 군집화하여 운영 니즈 유형으로 분류하고, 품질 관리, 원가회계, 서비스 창출을 포함한 제품 관련 단어들을 군집화하여 제품 니즈 유형으로 분류하고, 커뮤니케이션, 목표설정, 고객 지원을 포함한 개인 관련 단어들을 군집화하여 개인 니즈 유형으로 분류할 수 있다. 즉 영업활동 분석 모델은 군집 알고리즘을 통해 영업 일지 데이터에서 추출된 핵심 단어가 고객 니즈 유형 중 어느 유형에 해당하는지를 분류하게 된다. In this case, the
도 5는 본 발명의 일 실시예에 따른 영업활동 가이드 제공 방법을 설명하는 순서도이고, 도 6은 도 5에 의한 영업활동 가이드 정보가 출력된 화면을 보여주는 예시도이다. 5 is a flowchart illustrating a method of providing a business activity guide according to an embodiment of the present invention, and FIG. 6 is an exemplary view showing a screen on which the business activity guide information according to FIG. 5 is output.
도 5를 참조하면, 영업 분석 서버(200)는 각 영업자 단말(100)로부터 영업일지 데이터를 음성 또는 텍스트 형태로 수신하여 데이터베이스(240)에 저장한다(S1). 이때, 영업일지 데이터는 영업자 정보, 고객 정보, 가격 정보, 판매 정보 또는 고객 요청 정보 등을 포함할 수 있다. 이때, 영업 일지 데이터는 고객과 송수신한 이메일, 메시지, 이미지 정보 등을 포함할 수 있다. Referring to FIG. 5 , the
영업 분석 서버(200)는 허가된 영업자 단말(100)에 영업활동 가이드 제공 방법을 수행할 수 있는 어플리케이션을 제공하고, 영업 사원은 자신의 영업자 단말(100)에 어플리케이션을 설치하여 영업 분석 서버(200)와 연동할 수 있다. 이때, 영업 분석 서버(200)는 어플리케이션을 통해 영업일지 데이터를 작성하고, 영업활동 가이드 정보를 확인할 수 있는 웹페이지가 영업자 단말에 로딩되도록 할 수 있다. The
따라서, 영업사원은 영업 현장에서 조사 및 관찰한 현황들을 자신의 영업자 단말(100)에 음성 또는 텍스트 형태로 입력한 후, 영업 분석 서버(200)로 전송할 수 있다. 일례로, 영업 일지 데이터가 텍스트 형태인 경우에, "OO고객이 1주전 제시한 자사의 견적이 타 외주업체에 비해 높다고 함. 생각하고 있는 가격이 얼마인지 문의함. 변경 자사의 영업정책을 알려줌" 등을 입력될 수 있다. Accordingly, the salesperson may input the current conditions investigated and observed at the sales site in the form of voice or text in his/her
따라서, 영업 분석 서버(200)는 각 영업자 단말(100)로부터 수신한 영업일지 데이터를 통해 영업자 정보, 데이터 수신 시간 정보, 고객 정보, 가격 정보, 판매 정보, 고객 요청 정보 등을 확인할 수 있다. Accordingly, the
영업 분석 서버(200)는 인공지능 기반의 영업활동 분석 모델을 이용하여 영어일지 데이터를 분석하여 고객 니즈 유형을 분류하고(S2, S3), 분류된 고객 니즈에 기초하여 고객의 예상 니즈, 영업 사원의 추가 영업 활동 항목 등을 포함한 영업활동 가이드 정보를 영업자 단말(100)에 제공한다(S4). The
영업활동 분석 모델은 영업 일지 데이터에서 4가지의 고객 니즈에 해당하는 핵심 단어들과 사용 빈도수가 높은 주요사용단어들을 도출하고, 각 고객 니즈 유형별 핵심 단어의 빈도수를 확인하여, 단어의 빈도수가 가장 높은 고객 니즈 유형을 순서대로 나열한다. 예를 들어, 전략 관련 단어의 빈도수가 25개, 운영 관련 단어의 빈도수가 9개, 제품 관련 단어의 빈도수가 20개인 경우에, 전략 니즈 > 제품 니즈 > 운영 니즈의 순으로 고객 니즈 유형을 분류할 수 있다. The sales activity analysis model derives key words that correspond to the four customer needs and key words with high frequency from the sales log data, and checks the frequency of key words for each type of customer need, with the highest frequency of words List the customer needs types in order. For example, if the frequency of strategy related words is 25, the frequency of operation related words is 9, and the frequency of product related words is 20. can
따라서, 도 6에 도시된 바와 같이, 영업 분석 서버(200)는 고객 니즈의 순서대로 전략 니즈 가이드 정보, 제품 니즈 가이드 정보, 운영 니즈 가이드 정보(현황예시, 고객 예상 니즈 등)를 제공하게 된다. Accordingly, as shown in FIG. 6 , the
한편, 영업 분석 서버(200)는 고객별 영업 활동의 연속성이 유지되도록 영업자별 영업활동 이력 정보를 데이터베이스(240)에 저장하여 관리한다. 따라서, 영업 분석 서버(200)는 영업 사원이 퇴사한 경우에, 해당 영업 사원의 영업 업무를 다른 영업 사원이 인계하여 영업활동 이력을 확인할 수 있도록 한다. 또한, 영업 분석 서버(200)는 고객, 제품 또는 프로젝트별로 저장된 영업활동 이력 정보를 통해 맞춤형 고객 관리가 가능해질 수 있다. Meanwhile, the
또한, 영업 분석 서버(200)는 영업자별 영업활동 이력 정보에 기초하여 영업사원의 퇴사 원인을 분석하고, 분석한 결과를 이용하여 영업 사원을 관리하는 관리자의 단말로 업무 개선 데이터를 제공할 수 있다. 예를 들어, 영업 분석 서버(200)는 퇴사 원인이 자금 부족, 과다한 업무량 등으로 분석되면, 관리자의 단말로 자금 지원 계획, 업무 단순화 조정 계획 등을 업무 개선 데이터로 제공할 수 있다. In addition, the
한편, 영업 분석 서버(200)는 관리자의 단말로부터 수신한 영업일지 데이터를 분석한 관리자 영업 분석 결과와 영업자 단말(100)로부터 수신한 영업 일지 데이터를 분석한 분석한 영업사원 영업 분석 결과를 비교하여, 관리자와 영업 사원간에 차이가 많이 나는 고객 니즈 유형별 고객 예상 니즈에 대한 학습 정보, 주요사용단어들의 빈도 차이를 통해 주요사용단어의 단어사용 학습 정보를 도출할 수 있다. On the other hand, the
영업자 단말(100)은 고객 니즈 유형별 고객 예상 니즈에 대한 학습 정보와 단어사용 학습 정보를 통해 고객니즈 기반의 영업활동 업무에 대한 계획을 수립할 수 있다. The
한편, 도 5의 단계 S1 내지 S4은 본 발명의 구현예에 따라서 추가적인 단계들로 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계간의 순서가 변경될 수도 있다.Meanwhile, steps S1 to S4 of FIG. 5 may be divided into additional steps or combined into fewer steps according to an embodiment of the present invention. In addition, some steps may be omitted if necessary, and the order between steps may be changed.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.As described above, although the present invention has been described with reference to limited embodiments and drawings, the present invention is not limited to the above-described embodiments, which are various modifications and variations from these descriptions by those skilled in the art to which the present invention pertains. Transformation is possible. Accordingly, the spirit of the present invention should be understood only by the claims described below, and all equivalents or equivalent modifications thereof will fall within the scope of the spirit of the present invention.
한편 본 명세서에 개시된 기술에 관한 설명은 단지 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 개시된 기술의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 개시된 기술의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 개시된 기술에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.On the other hand, since the description of the technology disclosed in this specification is merely an embodiment for structural or functional description, the scope of the disclosed technology should not be construed as being limited by the embodiment described in the text. That is, since the embodiment may have various changes and may have various forms, it should be understood that the scope of the disclosed technology includes equivalents capable of realizing the technical idea. In addition, since the object or effect presented in the disclosed technology does not mean that a specific embodiment should include all of them or only such effects, it should not be understood that the scope of the disclosed technology is limited thereby.
또한 본 발명에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다. “제1”, “제2” 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소로 제1 구성요소로 명명될 수 있다.In addition, the meaning of the terms described in the present invention should be understood as follows. Terms such as “first” and “second” are for distinguishing one component from other components, and the scope of rights should not be limited by these terms. For example, a first component may be termed a second component, and similarly a second component may be termed a first component.
나아가 어떤 구성요소가 다른 구성요소에 “연결되어”있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 “직접 연결되어”있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 “~사이에”와 “~사이에” 또는 “~에 이웃하는”과 “~에 직접 이웃하는” 등도 마찬가지로 해석되어야 한다.Furthermore, when it is mentioned that a certain element is "connected" to another element, it may be directly connected to the other element, but it should be understood that another element may exist in the middle. On the other hand, when it is mentioned that a certain element is "directly connected" to another element, it should be understood that the other element does not exist in the middle. On the other hand, other expressions describing the relationship between elements, that is, “between” and “between” or “neighboring to” and “directly adjacent to”, etc., should be interpreted similarly.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, “포함하다”또는 “가지다” 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The singular expression is to be understood as including the plural expression unless the context clearly dictates otherwise, and terms such as “comprises” or “have” refer to the specified feature, number, step, action, component, part or these It is intended to indicate that a combination exists, and it should be understood that it does not preclude the possibility of the existence or addition of one or more other features or numbers, steps, operations, components, parts, or combinations thereof.
100 : 영업자 단말
200 : 영업 분석 서버
210 : 통신 모듈
220 : 메모리
230 : 프로세서
240 : 데이터베이스100: salesperson terminal 200: sales analysis server
210: communication module 220: memory
230: processor 240: database
Claims (5)
기 설정된 판매 제품에 대해 영업 활동을 수행한 결과를 영업자 정보, 고객 정보, 가격 정보, 판매 정보 또는 고객 요청 정보를 포함하는 영업 일지 데이터를 제공하는 적어도 하나 이상의 영업자 단말; 및
상기 영업자 단말에서 제공되는 영업 일지 데이터를 인공지능 기반의 영업활동 분석모델을 통해 분석하여 고객 니즈(needs) 유형을 분류하고, 분류된 고객 니즈 유형에 따라 해당 고객에 대한 영업 활동 가이드 정보를 제공하며, 고객별 영업 활동의 연속성이 유지되도록 영업자별 영업활동 이력 정보를 관리하는 영업 분석 서버를 포함하여 구성되는 것을 특징으로 하는 영업활동 가이드 제공 시스템.
In the sales activity guide providing system that supports or manages sales activities,
at least one salesperson terminal providing sales log data including salesperson information, customer information, price information, sales information, or customer request information for a result of performing a sales activity on a preset sales product; and
The sales log data provided from the salesperson terminal is analyzed through an artificial intelligence-based sales activity analysis model to classify customer needs types, and according to the classified customer needs types, sales activity guide information for the customer is provided. , Sales activity guide providing system, characterized in that it comprises a sales analysis server that manages sales activity history information for each salesperson so that the continuity of sales activities for each customer is maintained.
상기 영영활동 분석모델은,
영업 활동과 고객 니즈에 관련된 단어들을 웹 크롤링(web crawling)을 통해 수집하여 학습 데이터(Training Data)로 이용하여 사전학습(pre-training)을 수행하는 것을 특징으로 하는 영업활동 가이드 제공 시스템.
The method of claim 1,
The young and young activity analysis model is,
A sales activity guide providing system, characterized in that words related to sales activities and customer needs are collected through web crawling and used as training data to perform pre-training.
상기 고객 니즈 유형은,
전략 니즈, 운영 니즈, 제품 니즈 및 개인 니즈로 구분하는 것을 특징으로 하는 영업활동 가이드 제공 시스템.
The method of claim 1,
The customer needs are:
A sales activity guide providing system, characterized in that it is divided into strategic needs, operational needs, product needs, and individual needs.
a) 적어도 하나 이상의 영업자 단말로부터 기 설정된 판매 제품에 대해 영업 활동을 수행한 결과를 영업자 정보, 고객 정보, 가격 정보, 판매 정보 또는 고객 요청 정보를 포함하는 영업 일지 데이터를 수신하는 단계;
b) 상기 영업 일지 데이터를 수신하여 저장하고, 인공지능 기반의 영업활동 분석모델을 통해 상기 영업 일지 데이터를 분석하여 고객 니즈(needs) 유형을 분류하는 단계; 및
c) 분류된 고객 니즈 유형에 따라 해당 고객에 대한 영업 활동 가이드 정보를 제공하는 단계를 포함하는 것을 특징으로 하는 영업활동 가이드 제공 방법.
In the method of providing a sales activity guide performed by a sales analysis server that supports or manages sales activities,
a) receiving, from at least one or more salesperson terminals, sales log data including salesperson information, customer information, price information, sales information, or customer request information as a result of performing a sales activity for a preset sales product;
b) receiving and storing the sales log data, and analyzing the sales log data through an artificial intelligence-based sales activity analysis model to classify customer needs; and
c) A method of providing a sales activity guide comprising the step of providing sales activity guide information for a corresponding customer according to the classified customer needs type.
d) 고객별 영업 활동의 연속성이 유지되도록 영업자별 영업활동 이력 정보를 저장 및 관리하는 단계를 더 포함하는 것을 특징으로 하는 영업활동 가이드 제공 방법.
5. The method of claim 4,
d) The method of providing a sales activity guide, characterized in that it further comprises the step of storing and managing the sales activity history information for each business operator so that the continuity of the sales activity for each customer is maintained.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20200175898 | 2020-12-15 | ||
| KR1020200175898 | 2020-12-15 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220085699A true KR20220085699A (en) | 2022-06-22 |
Family
ID=82216206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210110385A KR20220085699A (en) | 2020-12-15 | 2021-08-20 | System for sales activity guide providing and method thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220085699A (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100031170A (en) | 2008-09-12 | 2010-03-22 | 오비맥주 주식회사 | The system which supports dashboard which synthesis analyzes a business job condition |
-
2021
- 2021-08-20 KR KR1020210110385A patent/KR20220085699A/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100031170A (en) | 2008-09-12 | 2010-03-22 | 오비맥주 주식회사 | The system which supports dashboard which synthesis analyzes a business job condition |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Battle et al. | Characterizing exploratory visual analysis: A literature review and evaluation of analytic provenance in tableau | |
| AU2019204285B2 (en) | Artificial intelligence (ai) based chatbot creation and communication system | |
| Kühl et al. | Supporting customer-oriented marketing with artificial intelligence: automatically quantifying customer needs from social media | |
| US20200293564A1 (en) | Automated process collaboration platform in domains | |
| US20200162312A1 (en) | System And Method For Recommending Automation Solutions For Technology Infrastructure Issues | |
| US20190347282A1 (en) | Technology incident management platform | |
| US20210089624A1 (en) | Determining context and intent in omnichannel communications using machine learning based artificial intelligence (ai) techniques | |
| US11551105B2 (en) | Knowledge management using machine learning model trained on incident-knowledge relationship fingerprints | |
| US9459950B2 (en) | Leveraging user-to-tool interactions to automatically analyze defects in IT services delivery | |
| US9646077B2 (en) | Time-series analysis based on world event derived from unstructured content | |
| US20170109676A1 (en) | Generation of Candidate Sequences Using Links Between Nonconsecutively Performed Steps of a Business Process | |
| US20180046956A1 (en) | Warning About Steps That Lead to an Unsuccessful Execution of a Business Process | |
| US20170109667A1 (en) | Automaton-Based Identification of Executions of a Business Process | |
| US20110106801A1 (en) | Systems and methods for organizing documented processes | |
| US20190251487A1 (en) | Method and system for ai-driven & ai-optimized decisions, actions, & workflows in process operations | |
| US20170109639A1 (en) | General Model for Linking Between Nonconsecutively Performed Steps in Business Processes | |
| CN110111083A (en) | A kind of system based on deep learning building occupational planning | |
| US20220291966A1 (en) | Systems and methods for process mining using unsupervised learning and for automating orchestration of workflows | |
| US20200043026A1 (en) | Decision support system and methods associated with same | |
| US20220318681A1 (en) | System and method for scalable, interactive, collaborative topic identification and tracking | |
| US10896034B2 (en) | Methods and systems for automated screen display generation and configuration | |
| US11551187B2 (en) | Machine-learning creation of job posting content | |
| US11314488B2 (en) | Methods and systems for automated screen display generation and configuration | |
| US20170109670A1 (en) | Crowd-Based Patterns for Identifying Executions of Business Processes | |
| Lo et al. | An emperical study on application of big data analytics to automate service desk business process |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |