销售预测和推荐系统的制作方法
【专利摘要】一种方法可以涉及访问销售周期信息的全局数据库。该全局数据库包括第一销售员的第一机密信息，其中第一信息的机密本质防止第一信息被第二销售员访问。然后，该方法基于全局数据库，具体而言，第一机密信息，生成指示第二销售员的线索的信息。该方法还可以生成指示该线索的基础的信息。在一个实施例中，第一销售员与第二销售员在不同的办公室工作。
【专利说明】销售预测和推荐系统
[0001]相关的申请
[0002]本申请根据美国法典§119 Ce)的标题35要求2010年9月17日提交的标题为“Method and Apparatus for Performing Sales Prediction Analysis fromEnterprise Data，，的以 Justin Wong, William Huang, Tarak Patel, Catherine You, RahimYaseen, Hetal J.Shah, Alex J.Pavlov, Jayashree Manjunath 以及 Manish Bhatia 为发明人的美国临时专利申请系列N0.61/384，197的优先权，在此引用该文的全部内容作为参考，好像完全地在此处阐述。
【技术领域】
[0003]本发明涉及计算，更具体而言，涉及在计算系统中生成销售预测。
【背景技术】
[0004]提高销售人员的生产率是一个挑战。通过标识销售成功和失败的模式，销售代表可以工作以复制或避免类似的努力，并由此避免浪费电话推销和正常的销售活动的周期。可以观察和标识销售模式。这些模式提供了洞察未来的购买行为的窗口。
[0005]但是，销售模式对销售和营销组织来说并不是容易地可识别的，因此，该组织难以采取行动来提高销售成功率。按照行业、地理位置、客户大小、安装基础等等，对影响购买的各种因素的典型的多维分析常常对于销售和营销组而言太费时而难以采取。
【发明内容】
[0006]公开了用于从企业数据生成销售预测的各种系统和方法。在某些实施例中，一种方法涉及访问销售周期信息的全局数据库。该全局数据库包括第一销售员的第一机密信息，其中，所述第一信 息的所述机密本质防止所述第一信息被第二销售员访问。然后，该方法基于全局数据库，具体而言，第一机密信息，生成指示第二销售员的线索的信息。该方法还可以生成指示该线索的基础的信息。在一个实施例中，第一销售员与第二销售员在不同的办公室工作。
[0007]系统可包括一个或多个处理器以及耦合到一个或多个处理器的存储器。存储器存储可执行以实现诸如上文所描述的方法的方法的程序指令。类似地，这样的程序指令可以存储在计算机可读存储介质上。
[0008]前面的内容是小结，如此，根据需要，包含简述、概括，省略了详细内容；因此，本领域技术人员将理解，小结只说明性的，不以任何方式作出限制。在下面阐述的非限制性详细描述中，只由权利要求定义的本发明的其他方面、发明的功能，以及优点将变得显而易见。
【专利附图】
【附图说明】
[0009]通过参考下列描述以及各个附图，可以获得对本发明的更完整的理解，其中，相似的附图标记表示相似特征。[0010]图1示出了根据一个实施例的用于生成销售预测和推荐的系统的框图。
[0011]图2A是根据一个实施例的生成销售预测的方法的流程图。
[0012]图2B是根据一个实施例的生成销售预测的另一方法的流程图。
[0013]图2C是根据一个实施例的生成销售预测的又一方法的流程图。
[0014]图3是根据一个实施例的用于执行销售预测并生成推荐的另一个系统的图。
[0015]图4是示出了根据一个实施例的在整个销售周期如何使用销售预测和推荐系统的框图。
[0016]图5是示出了根据一个实施例的可如何配置和使用销售预测和推荐系统。
[0017]图6示出了根据一个实施例的可以被销售预测和推荐系统使用的逻辑数据模型。
[0018]图7是计算系统的框图，示出了在至少一个实施例中如何以软件来实现销售预测和推荐模块。
[0019]尽管本发明可以具有各种修改和替代形式，但是，本发明的特定实施例是作为示例以附图和详细描述来提供的。应了解，图形和详细描述不打算将本发明只限于所公开的特定形式。相反，意图是涵盖如所附权利要求所定义的精神和范围内的所有修改、等效内容和替代方案。
【具体实施方式】
[0020]在企业对企业(B2B)销售过程中，营销通常通过向其他商业推销由一个企业所生产的产品和/或服务的营销活动产生销售线索(leads)。然后，将这些线索中的每一个指派给销售代表(例如，基于销售代表的分管区域、工作负荷，或专业知识)，销售代表又根据潜在企业客户的准备状态以及购买的能力来评定线索。如果线索通过了资格评定标准，那么，从线索创建联系方式、帐户，以及机会。在创建机会之后，销售代表追踪该机会，如果可能的话，为该机会创建报价。如果该机会的潜在客户决定购买产品或服务，那么，报价就被转换为订单。销售过程可以被视为漏斗，因为销售过程的每一阶段都减少可用的项的数量。换言之，通常线索比机会多得多，机会比报价多，报价比订单多。B2B销售过程与企业对消费者(B2C)的销售过程的不同之处在于，在B2C销售过程中没有线索、机会，或报价；相反，B2C过程只涉及订单。
[0021]可以使用预测分析来帮助B2B销售过程的各个阶段。传统上，线索是从贸易展示、直接邮件活动或广告生成的。预测分析可以成功地用来标识哪些企业更有可能积极地对营销活动作出响应。在某些情况下，可以构建预测模型，该预测模型使用有关现有的企业客户的信息来表征可能购买特定产品的企业。
[0022]除提高传统的营销活动的响应率之外，还可以使用预测分析来分析企业的现有的客户基础，来确定如何向现有的企业客户追加销售或交叉销售产品和/或服务。例如，预测模型可以评估有关客户以前购买了什么的信息。
[0023]评定线索会是复杂而精细的过程，越快地淘汰线索，所花的成本越低。预测分析可以有助于标识当试图评定线索时采取的正确步骤(或要询问的问题)。评定(或淘汰)线索还为预测系统呈现有价值的机会，以了解线索何时更有可能够格。可以使用预测模型来排序不合格的线索，以便销售代表专注于更加可能带来利润的线索。已知不合格的线索可能是合格的或是淘汰的提供了可使预测分析利用肯定和否定的信息的信息。换言之，相对于确定哪些线索会是合格的，合格的线索是肯定的信息，淘汰的线索是否定的信息。在数据挖掘方面，可以向包括肯定和否定信息的数据集应用监督算法。监督算法通常比只能利用肯定的信息的无监督算法更强大。
[0024]一旦线索被销售代表确定为合格，则该销售代表从线索创建机会(可能的话，还有帐户和/或联系方式)。此时，销售代表专注于向企业客户销售。机会作为开放的机会来开始此阶段，并可能继续各种阶段。当销售代表已经将机会变为订单或已经判断该机会丢失，则关闭机会。当追踪一个机会时，可以应用预测分析，以推荐销售代表可尝试作为机会的一部分包括的另外的产品。预测分析可能通过交叉销售、追加销售，或通过建议价格，在生成报价时确定地起作用。
[0025]可以使用预测分析，通过使用关于导致销售或未销售的过去的机会的历史信息来估计销售周期、购买的可能性，以及收入。还可以使用预测分析来排序可以被销售代表用来标识好的参考的类似的成功机会。最后，可以使用预测分析来排序销售宣传材料。销售代表可以基于其在追踪机会中的有效性来对销售宣传材料进行定级。
[0026]图1示出了用于执行销售预测并生成推荐的系统的框图。如图所示，系统包括存储历史数据110、预测规则112，以及销售环境参数114的一组一个或多个存储设备100。存储器100耦合到销售预测和推荐模块150，该模块150包括被配置成基于存储在存储器100中的信息来执行各种类型的预测以预测线索、机会、收入等等的销售预测引擎155。
[0027]销售预测和推荐模块150还可以耦合到显示设备180，该显示设备180可以显示销售预测窗口，该窗口包括由销售预测和推荐模块所生成的推荐，和/或该窗口可使用户(例如，销售代表、销售经理、销售分析师等等)与销售预测和推荐模块150进行交互。
[0028]历史数据110可包括来自多个不同的数据库(例如，由CRM系统维护的客户关系管理(CRM)数据库、由ERP系统维护的企业资源计划(ERP)数据库等等)的信息，数据库又可以存储横跨企业的数据(例如，跨国企业可包括许多不同的公司办公室，而所有这些办公室的数据都可以包括在历史数据110中)。随着生成和评定新的线索，生成新机会，产生新报价，作出新订单，可以将描述在销售过程中获得的每一个肯定的或否定的结果的信息添加到历史数据110中(例如，通过销售预测和推荐模块150或通过生成历史数据的另一个系统，诸如CRM或ERP系统)。
[0029]销售预测和推荐模块150包括被配置成基于销售预测引擎155的输出来生成推荐的推荐生成模块152。推荐可包括预测以及指示预测的基础和/或对预测的置信度的合理性的信息。
[0030]销售预测和推荐模块150还包括参数获取模块160。参数获取模块160被配置成从销售分析师请求描述销售环境的一组参数。这些参数可以被用来配置不是专门用于特定销售环境中而是被设计用于提供可用于各种销售环境中的通用功能的现成的销售预测和推荐模块，用于由参数所描述的特定销售环境中。
[0031]销售预测和推荐模块150包括销售预测引擎155，该引擎155又包括数据挖掘模块156、线性回归模块157，以及基于规则的预测模块158。在一个实施例中，数据挖掘模块156被配置成生成基于聚类的预测,是使用由位于美国加州Redwood Shores的OracleCorporation所提供的0racle?Data Mining(ODM)软件来实现的。类似地,在一个实施例中，线性回归模块157和基于规则的预测模块158可以使用由位于美国加州Redwood Shores的 Oracle Corporation 所提供的 Oracle?Real-Time Decision (RTD)软件来实现。
[0032]销售预测引擎155可以被配置成对客户以及他们的资产(例如，如在历史数据110中所标识的)执行空白分析。更具体而言，销售预测引擎155可以使用线性回归模块157和/或基于规则的预测模块158来基于客户的人口统计、他们的资产(或销售合同)、他们的服务概况，和/或他们的销售概况，对于特定客户和/或产品生成线索。销售预测引擎155可以返回指示客户相似度如何与拥有产品相互关联的信息，该信息指示客户购买产品的可能性。数据挖掘模块156可以被用来估计由线性回归模块157和/或基于规则的预测模块158所标识的特定线索的销售周期和收入。
[0033]销售预测引擎155还可以标识类似于现有的机会(例如，在历史数据110中所标识的)的机会。给定一个机会，销售预测引擎155标识类似于在该机会中指定的客户并且已经购买了在该机会中指定的产品的客户。
[0034]估计客户将购买产品的可能性可以被表征为数据挖掘中的回归问题，回归问题可以被用来基于一组历史观测值来预测连续的值。线性回归(回归的一种常见的特殊情况)使用取决于可观测的属性的线性组合的模型来预测目标属性。更正式地，如果Xl，X2,...Xn表示d维空间中的数据点，Y1, y2,...yn表示那些数据点的目标属性，那么，线性回归试图发现回归系数β β 2，...β d以及扰动项S1, ε 2，...ε η,以便:
【权利要求】
1.一种方法，包括: 访问销售周期信息的全局数据库，其中，所述全局数据库包括第一销售员的第一机密信息，其中，所述第一机密信息不能被第二销售员访问；以及 基于所述全局数据库生成指示所述第二销售员的线索的信息，其中，所述生成所述信息取决于所述第一机密信息，其中所述访问和所述生成是由实现销售预测引擎的计算设备执行的。
2.如权利要求1所述的方法，还包括生成指示所述线索的基础的信息。
3.如权利要求1所述的方法，其中，所述第一销售员与所述第二销售员在不同的办公室工作。
4.一种方法，包括: 为第一销售员生成第一销售周期预测，其中，所述第一销售周期预测是由线性回归模块所生成的； 为所述第一销售员生成第二销售周期预测，其中，所述第二销售周期预测是由聚类模块所生成的，并且其中，所述第二销售周期预测基于所述第一销售周期预测，其中，所述生成所述第一销售周期预测以及所述生成所述第二销售周期预测是由实现销售预测引擎的计算设备执行的，以及其中，所述销售预测引擎包括所述线性回归模块和所述聚类模块。
5.如权利要求4所述的方法，其中，所述第一销售周期预测是线索，以及其中，所述第二销售周期预测是对所述线索的收入估计以及销售周期估计中的至少一项。
6.如权利要求4所述的方法，其中，所述第一销售周期预测是在销售周期的第一阶段期间生成的，以及其中，所述第二销售周期预测是在所述销售周期的第二阶段期间生成的。
7.如权利要求6所述的方法，还包括生成描述所述销售周期的所述第一阶段的第一组信息，以及其中，所述第二销售周期预测是基于所述第一组信息的至少一部分的。
8.如权利要求4所述的方法，其中所述第一销售周期预测是基于一个或多个销售预测规则的，以及其中，所述第二销售周期预测是基于标识历史销售周期事件的数据的。
9.一种方法，包括: 向用户提示多个参数，其中所述多个参数定义特定销售环境； 在数据库中存储多个参数； 基于所述多个参数为所述特定销售环境中雇用的多个销售员生成多个销售周期预测，其中所述生成和所述提示是由实现预先配置的销售预测引擎的计算设备执行的。
【文档编号】G06Q10/00GK103430196SQ201180052118
【公开日】2013年12月4日 申请日期:2011年9月19日 优先权日:2010年9月17日
【发明者】R·亚瑟恩, H·J沙哈, A·帕罗维, J·曼朱纳斯, M·比哈蒂亚 申请人:甲骨文国际公司