本发明涉及互联网技术领域，具体涉及一种应用于B2B企业服务的客户推荐实现方法。
背景技术：
随着越来越多的企业投入到市场中，企业服务需求方和供给方两方都面临 新的挑战和机遇。对于企业服务供给方，目的主要的获客方式包括主动式和被 动式，被动式是指企业服务供给方投放广告、媒体软文、朋友介绍或者企业服 务需求方进行引擎搜索，使得企业服务需求方与企业服务供给方主动联系。这 种方法的缺点在于：1.投放广告、媒体软文存在成本高、客户不精准、周期长； 2.朋友介绍存不稳定、无法规模增长3.企业服务需求方基于搜索引擎进行搜索， 这就需要需求方首先知道自己想要什么，然后再去海量的信息中去筛选，整个 过程时间长、效率低。主动式是指企业服务供给方的销售人员在基于搜索引擎 对潜在客户进行搜索，然后通过查询到的资料对潜在客户进行联系，主动式存 在的问题是：1.企业服务供给方提供的服务与企业服务需求方的需求不对等， 使得企业服务需求方经常被打扰，企业服务供给方白做无用功；2.多家企业服 务供给方皆频繁与企业服务需求方进行联系，使得企业服务需求方不胜其扰。
技术实现要素：
本发明目的在于提供一种应用于B2B企业服务的客户推荐系统及实现方法，具有能够对企业服务需求方和企业需求供给方进行高适合率的匹配，提高企业服务需求方和企业服务供给方相互寻找的效率。
为了实现上述目的，本发明采取的技术方案如下：
一种应用于B2B企业服务的客户推荐实现方法，包括以下过程：
（1）企业服务供给方创建供方模型、采集企业服务方的企业需求，采集企业服务需求方企业数据，生成企业服务需求方的需方价值；
（2）企业服务供给方和/或企业服务需求方发送搜索指令；
（3）采集企业服务供给方数据，生成企业服务供给方基本信息；
（4）根据企业需求，生成供给方筛选条件，判断企业服务供给方基本信息与筛选条件是否匹配，若匹配，则执行步骤（5），若不匹配，则结束流程；
（5）通过供方模型和需方价值，计算企业服务供给方和企业服务需求的匹配度；
（6）对匹配度进行排序，按照排序向企业服务供给方和需求方输出匹配度结果；
上述需方价值是指生成企业服务需求方的基本信息；
上述基本信息包括企业名称和与其关联的基础信息、行政许可信息、行政处罚信息、列入经营异常名录信息、列入严重违法失信企业名单、行业资质、行业资质的有效期；
上述供方模型为企业服务供给方针对其服务适用的目标创建的服务标识，服务标识包括以下一个或多个：服务种类、注册资金、成立时间、机构投资者数量、注册地点、有无上市。
作为一种优选技术方案,采集企业需求的方式包括方式T1、T2和/或T3，
T1：采集企业服务需求方创建的需求标签，提取企业需求；
T2：采集企业服务需求方的搜索记录，提取企业需求；
T3：采集在一定时间内与企业关联的项目，采集项目要求，提取企业需求；
上述项目包括企业承包的项目、企业在政府资金、资质、科技类项目中的立项。
作为一种优选技术方案,匹配度计算步骤：
（a1）将企业服务需求方的基本信息与企业服务供给方的服务标识进行配对，得到配对数量N；
（a2）按照公式N/M对匹配度进行计算，M为服务标识的数量。
作为一种优选技术方案,需求标签包括服务种类标签、地址标签、成立时间标签、注册资金标签。
本发明与现有技术相比，具备以下有益效果：
对企业服务需求方的需求和企业服务供给方提供的服务进行匹配，使得双方得到的搜索结果匹配高，减少双方的人工筛选工作，提高工作效率。
附图说明
图1为本发明的流程图。
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。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。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。
实施例1
本实施例的应用是基于以下原因的，在B2B的商业过程中，经常都会出现的问题是，海量的服务方与海量的需求方之间无法准确的匹配。比如甲公司需要的是专利代理服务，甲公司在搜索引擎进行搜索时，出现海量的专利代理服务发布的广告和相关网页，而这些发布广告和相关网页的公司并不一定具备代理资质或者说已经在黑名单上面，那么对于甲公司来说，搜索结果包含了一些不适合其公司的结果，分辨过程较为麻烦。
在B2B的商业过程中，对于企业服务供给方乙公司来说，需要通过搜索引擎寻找潜在客户，搜索引擎搜索的潜在客户大量，乙公司很难分辨哪些搜索结果指向的企业是需要他们服务的客户。比如乙公司是提供金融服务，而通过搜索引擎搜索到甲公司，花费精力时间与甲公司建立联系，而甲公司的需求却与乙公司并不匹配，同时在搜索引擎还可能有大量做其他服务的丙公司、丁公司搜索到甲公司，并皆花时间建立联系。这样一来降低了企业服务供给方寻找客户的效率，二来对企业服务需求方造成较多打扰。
因此，本实施例中，一种应用于B2B企业服务的客户推荐方法，包括以下过程：
S01:企业服务供给方创建供方模型，系统对互联网、授权接入的的其它信息化系统中的企业相关的数据进行采集，并将采集的数据生成企业需求、需方价值、供方基本信息。
供方模型是指企业服务供给方针对其服务适用的客户而创建的，比如X公司提供的金融服务适合注册资金1个亿以上的上市公司，那么X公司创建供方模型为金融服务、注册资金大于1亿、上市公司三个服务标识。
一个企业大多数情况下即是企业服务需求方又是企业服务供给方，因此，本实施例中实现应用于B2B企业服务的客户推荐方法的系统对于每个企业皆有两个入口，分别为作为需求方的入口和作为供给方的入口。本实施例中，可以利用爬虫系统来进行数据采集，采用分布式集群架构设计，有效保证各环节因服务器故障导致的数据丢失和程序终止，同时也可以灵活增加节点来保证大规模采集时的采集效率。数据采集模块采集的数据统一保存到原始企业数据库中，供后续环节使用。
上述企业需求可以由三个渠道得到：
第一个渠道是企业服务需求方登入系统后创建需求标签，自主表明本身需求，以实际为例，A公司创建标签需求为专利，当然，A公司还可以继续创建标签，标注其他需求的服务种类，比如贷款，A公司还可以分别在专利标签和贷款标签分别创建地址标签，专利标签与北京标签关联，贷款标签与北京标签关联。
第二个渠道是采集企业服务需求方的搜索记录，比如A公司曾在互联网上搜索“如何申请专利”、“贷款的利率”等，系统读取其语义生成专利标签和贷款标签。
第三个渠道是系统采集一定时间内（提取发出搜索指令的日期为初始日期）与企业关联的项目，采集项目要求，提取企业需求，比如企业于2018-5-16日发出搜索请求，系统设定采集三个月以内与企业关联的项目，即以2015-5-16日为初始日期进行采集。比如Z企业在三个月内得到了政府的科技项目，那么系统采集政府公布的科技项目的规定是两年内要进行研发内容的专利申请，那么就提取到了企业的潜在需求，系统为Z企业生成专利标签。
需方价值是指需方的企业服务需求方的基本信息，包括采集的企业基础信息（即营业执照上包含的内容）、企业的经营情况信息（比如在政府部门的一些异常名录、黑名单，银行发布的黑名单是否有所记录）以及其他和企业相关的基本信息。
供方基本信息是企业服务供给方的基本信息，包括采集的企业基础信息（即营业执照上包含的内容）、企业的经营情况信息（比如在政府部门的一些异常名录、黑名单，银行发布的黑名单是否有所记录）、行业资质（从事一个行业必须的资质，比如专利代理资质、建筑资质、金融方面的资质、医疗方面的资质等等）以及其他和企业相关的基本信息。
S02：企业服务供给方/企业服务需求方发送搜索指令；
S03：根据企业需求，生产供给方筛选条件，判断企业服务供给方基本信息与筛选条件是否匹配。
比如A企业的企业需求是服务为专利，地址为北京；服务为金融、地址为北京。
那么建立的筛选条件应该为两条，筛选条件应当和服务种类标签的数量相当，那么系统生成的A企业筛选条件有两条，一条筛选条件包括：服务种类为专利、公司注册地址为北京、公司行业资质为专利代理资质；另一条筛选条件包括：服务种类为金融、公司注册地址为北京、公司行业资质为金融资质（相关的）。
将企业服务供给方的基本信息与上述任一条筛选条件进行匹配，若Z公司的基本信息包括专利、注册地址为北京、具有专利代理资质，系统则判定Z公司于A企业匹配，执行下一个步骤，若企业服务供给公司的基本信息与生成的A企业筛选条件中任意少一项，则判定此企业不与A企业匹配，不向此公司输出包含A企业的搜索结果。比如：C公司的基本信息中服务种类为专利，公司注册地址为北京，但是没有专利代理资质，那么C公司与A企业不匹配，系统向C公司的服务端输出的搜索结果无A企业。
S04：通过供方模型和需方价值，计算企业服务供给方和企业服务需求的匹配度。
即对满足企业服务需求方的需求的企业服务供给方进行下一步匹配。比如企业服务供给方X公司的提供金融服务适合注册资金1个亿以上的上市公司， X公司创建供方模型包括了金融服务、注册资金大于1亿、上市公司三个项。企业服务供给方Y公司的提供金融服务适合注册资金1个亿以上的非上市公司，Y公司创建供方模型包括了金融服务、注册资金大于1亿、上市公司三个项。
X公司与系统生成的M公司的筛选条件匹配、N公司的筛选条件匹配，M公司的需方价值为金融服务、注册资金1亿，非上市公司、经营软件研发、注册地址北京、机构投资者有4家、成立时间为2013-04-05。那么X公司的供方模型与M公司的需方价值有金融服务、注册资金配对，进行匹配度计算，X公司于M公司的匹配度为66.6%。同理，Y公司于M公司的匹配度为100%。
N公司的需方价值为金融服务、注册资金2亿，上市公司、经营汽车生产、注册地址北京、机构投资者有2家、成立时间为2011-04-05。那么X公司的供方模型与N公司的需方价值有金融服务、注册资金、上市公司配对，进行匹配度计算，X公司于N公司的匹配度为100%，同理Y公司于N公司的匹配度为66.6%。
S05:对匹配度进行排序，按照降序向企业服务供给方和企业服务需求方所登入的服务端输出结果。
值得说明的是，基于上述结构设计的前提下，为解决同样的技术问题，即使在本发明上做出的一些无实质性的改动或润色，所采用的技术方案的实质仍然与本发明一样，故其也应当在本发明的保护范围内。