客户数据质量识别及自动分单系统的制作方法

文档序号:12748714阅读:629来源:国知局
客户数据质量识别及自动分单系统的制作方法与工艺

本发明涉及信息资源利用技术领域,尤其涉及一种客户数据质量识别及自动分单系统。



背景技术:

市面上很多客户关系维护系统;但是管理颗粒度不够精细、不够灵活,场景缺少领域和背景针对性,没有灵活的控制模块,以及欠缺对于数据利用率相关的一些数据监控产品的辅助;使得系统不能最大程度上帮助业务部门对数据、人员、部门上的管理。

目前市面上未发现类似的辅助性系统;因为传统CRM系统的管理方式;是数据的私有化每个客服独占自己的数据,其最终对数据利用率取决于客服个人的独有能力;较为零散;对于客服积极与否完全取决于客服自身;或依赖一些现场管理手段。

将数据以自动分配的形式去呈现给客服,使其只关注已分配的资源,明确数据利用率的优先目的;同时设定了数据回收机制来加大数据利用率,同一个数据经过一个客服的转化;和经过多个客服转化,会提升数据转化的可能性;其数据的利用率取决的是一个团队的整体能力;而非个人能力;且不需要管理人员的过多介入,取代了部分现场管理手段。

市面上存在与本系统相近的或类似的系统;但是缺少针对二手车线上交易体系相对成熟的管理方法或系统;以及欠缺对于数据利用率相关的一些数据监控产品的辅助;使得数据信息资源不能得到最大程度上的整合利用。



技术实现要素:

基于背景技术存在的技术问题,本发明提出了客户数据质量识别及自动分单系统。

本发明提出的客户数据质量识别及自动分单系统,包括数据来源识别模块、过滤模块、用户画像模块、客服定级模块和服务分组模块,所述数据来源识别模块的输出端与过滤模块的输入端连接,且过滤模块的输出端与用户画像模块的输入端连接,所述服务分组模块的输出端与客服定级模块的输入端连接,且客服定级模块的输出端与用户画像模块的输入端连接。

优选地,所述客服定级模块用于对客服人员进行等级的评定,且服务分组模块用于优先从地区角度对客服人员进行分组,其次依据客服人员经验的深浅和交易能力的综合评定进行分组。

优选地,所述数据来源识别模块用于对车主和车源信息的来源进行识别,且过滤模块用于进行数据来源的分类,以识别优质数据。

优选地,所述用户画像模块用于对车主的卖车意愿进行优先级识别,最高卖车优先级意愿的自动绑定配给高级客服人员。

本发明中,所述客户数据质量识别及自动分单系统丰富了CRM系统中的线上化管理,提升团队整体的积极性和对客户数据的利用率,从而促进提升团队凝聚力、平台的高效性以及市场交易流动,数据进入平台后由用户画像判断用户卖车意向,通过一系列逻辑方法识别出客户的分类,优质的客户对应高级客服分类,卖车意向不明的则由初级客服接触客户了解进一步意愿,能够对客户数据进行分类,自定义分配规则,自动分配给适合的客服处理,提供了辅助管理功能,作用是及时的进行分配,提升客户数据的利用率,提升工作效率,本发明能够有效达到优质客户高成交率的目的,从而使有限的资源实现高效、合理的调动利用,且能够提升数据利用率和客服工作主动性,使得客服之间避免恶性的行为,促使提高客服工作的自主性、积极性,同时设定了数据回收机制来加大数据利用率,提升数据转化的可能性。

附图说明

图1为本发明提出的客户数据质量识别及自动分单系统的系统结构示意图;

图2为本发明提出的客户数据质量识别及自动分单系统的自动分单流程图;

图3为本发明提出的客户数据质量识别及自动分单系统的客服找用户流程图;

图4为本发明提出的客户数据质量识别及自动分单系统的用户找客服流程图。

具体实施方式

下面结合具体实施例对本发明作进一步解说。

实施例

参考图1-4,本实施例提出了客户数据质量识别及自动分单系统,包括数据来源识别模块、过滤模块、用户画像模块、客服定级模块和服务分组模块,数据来源识别模块的输出端与过滤模块的输入端连接,且过滤模块的输出端与用户画像模块的输入端连接,服务分组模块的输出端与客服定级模块的输入端连接,且客服定级模块的输出端与用户画像模块的输入端连接,客户数据质量识别及自动分单系统丰富了CRM系统中的线上化管理,提升团队整体的积极性和对客户数据的利用率,从而促进提升团队凝聚力、平台的高效性以及市场交易流动,数据进入平台后由用户画像判断用户卖车意向,通过一系列逻辑方法识别出客户的分类,优质的客户对应高级客服分类,卖车意向不明的则由初级客服接触客户了解进一步意愿,能够对客户数据进行分类,自定义分配规则,自动分配给适合的客服处理,提供了辅助管理功能,作用是及时的进行分配,提升客户数据的利用率,提升工作效率,本发明能够有效达到优质客户高成交率的目的,从而使有限的资源实现高效、合理的调动利用,且能够提升数据利用率和客服工作主动性,使得客服之间避免恶性的行为,促使提高客服工作的自主性、积极性,同时设定了数据回收机制来加大数据利用率,提升数据转化的可能。

本实施例中,客服定级模块用于对客服人员进行等级的评定,尽可能消除或降低客服人员存在经验上的差异以及专业性的水平等直接影响服务质量和交易结果效率的因素,且服务分组模块用于优先从地区角度对客服人员进行分组,发挥客服人员对不同地区的擅长度表现,其次依据客服人员经验的深浅和交易能力的综合评定进行分组,数据来源识别模块用于对车主和车源信息的来源进行识别,且过滤模块用于进行数据来源的分类,以识别优质数据,用户画像模块用于对车主的卖车意愿进行优先级识别,最高卖车优先级意愿的自动绑定配给高级客服人员,客户数据质量识别及自动分单系统丰富了CRM系统中的线上化管理,提升团队整体的积极性和对客户数据的利用率,从而促进提升团队凝聚力、平台的高效性以及市场交易流动,数据进入平台后由用户画像判断用户卖车意向,通过一系列逻辑方法识别出客户的分类,优质的客户对应高级客服分类,卖车意向不明的则由初级客服接触客户了解进一步意愿,能够对客户数据进行分类,自定义分配规则,自动分配给适合的客服处理,提供了辅助管理功能,作用是及时的进行分配,提升客户数据的利用率,提升工作效率,本发明能够有效达到优质客户高成交率的目的,从而使有限的资源实现高效、合理的调动利用,且能够提升数据利用率和客服工作主动性,使得客服之间避免恶性的行为,促使提高客服工作的自主性、积极性,同时设定了数据回收机制来加大数据利用率,提升数据转化的可能。

本实施例中,客户数据质量识别和自动分单方法为:1、对各种渠道收集来的客户数据进行收集分类,将客户分为若干等级,根据客户的卖车意愿进行分级;2、自动分单配置,包括三种设置:(1)设置地区范围,可以是全国、省或者市,表示启用该配置的客服,可以从这些地区接单;(2)设置数据来源渠道范围,以此控制优质数据只分给高级客服人员;(3)设置规则配对的客服组,以及最大接单量上限防止客服人员恶意囤单;3、客服管理:(1)从组织机系统获取职位为客服的所有在职人员信息(工号、姓名、入职司龄、岗位年限、手机号码、历史成交车辆数、个人车系占比比例等信息)同步到分单系统;(2)选择需要分组的客服进行管辖地分配,该步骤为手动主观性的操作;(3)对全部客服人员进行等级评定操作,按照“入职司龄、岗位年限、历史成交车辆数、个人成交车系比例”进行逻辑计算最终评定得出该客服人员当月的评级;(4)其中个人成交车系比例为该客服人员历史成交车辆中,德系、日系、美系、国产等国别车的比例,以此来判断得出该名客服人员所擅长了解的车系;4、启动定时任务或通过事件方法自动完成数据的自动分配。

本实施中,本发明分单流程及算法规则:

1、分单时间:每10分钟一次,每次最多条数待定(初步设想根据:各城市接单客服最大接单量之和/每日分单次数*控制参数,控制参数为可配如0.8至1.5之间);

2、待定分单数据按照数据来源分类的优先级进行获取,既每次分单根据优先级高低依次获取,直到达到单次分单条数。

数据来源分类算法:

1、未联系,跟进次数0次(确定老数据是否有),倒序;

2、下次跟进时间,倒序;

3、创建时间,倒序;

4、除未联系以外客户状态数据,客户意向;

5、渠道级别;

6、未联系,跟进次数>0次,客户意向,倒序;

7、逾期回收数据不分配给原客服;

分单算法规则:

用户权限:城市经理可管理本城市客服,客服主管可管理全部客服;

单日最大分单数:可由城市经理或主管单独设置;

在线状态:获取后台登录状态;

已分单数量:包括所有的自动分单;

总成交量,总成交金额、平均卖车时间、高于市场价等4项数值为了M站前台显示所用,规则为:

(1)总成交量:该客服的历史成交小于50的,为50台,大于50的取实际成交数量。

(2)总成交金额:小于50台的,成交量*已成交的平均价格,大于50台的取实际成交金额。

(3)平均卖车时间:1.25天至2.35天的随机数,两位小数。

(4)高于市场价:4.5%至11.5%的随机数,1位小数。

数据更新频率:

(1)每日更新一次;

(2)总成交量,总成交金额根据以上规则重新取值;

(3)平均卖车时间、高于市场价,如果成交量变化则每天更新时随机浮动-5%至+5%,如成交量不变则数值也不变;

关于本发明数据的分类和评级:

自动识别数据质量根据数据来源与数据的历史处理效果,对数据进行分类和评级。

数据匹配规则设置:

遵循优势数据优先分配给优质客服的规则,首先按照客服服务城市、客服数据继续对客服进行评级和分类,然后设定数据分配规则,最终实现数据的实时分配。

以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1