一种机器学习算法架构下的产品销售售后服务系统的制作方法

本发明涉及售后服务领域，特别涉及一种机器学习算法架构下的产品销售售后服务系统。

背景技术：

售后服务是售后最重要的环节，售后服务已经成为了企业保持或扩大市场份额的要件(如舒达、天猫、京东等)，售后服务的优劣能影响消费者的满意程度，在购买时，商品的保修、售后服务等有关规定可使顾客摆脱疑虑、摇摆的形态，下定决心购买商品，优质的售后服务可以算是品牌经济的产物，在市场激烈竞争的社会，随着消费者维权意识的提高和消费观念的变化，消费者们不再只关注产品本身，在同类产品的质量与性能都相似的情况下，更愿意选择这些拥有优质售后服务的公司，客观地讲，优质的售后服务是品牌经济的产物，名牌产品的售后服务往往优于杂牌产品，名牌产品的价格普遍高于杂牌，一方面是基于产品成本和质量，同时也因为名牌产品的销售策略中已经考虑到了售后服务成本。

现有的售后服务大多采用人工服务，这样的服务方式导致售后服务成本极高，且由于售后服务中故障原因不同，解决方式不同，导致售后服务时故障解决的效率较低，为此，我们提出一种机器学习算法架构下的产品销售售后服务系统。

技术实现要素：

本发明的主要目的在于提供一种机器学习算法架构下的产品销售售后服务系统，可以有效解决背景技术中的问题。

为实现上述目的，本发明采取的技术方案为：

一种机器学习算法架构下的产品销售售后服务系统，包括故障申报系统、故障判断系统、故障原因分析系统、故障解决方案制定系统、故障解决方案判断系统；

所述故障申报系统用于对客户的故障进行申报；

所述故障判断系统用于对申报的故障进行判断，判断故障是否属于新故障；

所述故障原因分析系统用于对故障原因进行分析，分析故障是否可以直接制定解决方案；

所述故障解决方案制定系统用于对故障制定解决方案，制定可以解决故障的有效方案；

所述故障解决方案判断系统对制定的故障进行分析判断，分析故障解决方案是否可以通过无线进行解决。

优选的，所述故障判断系统包括故障信息储存系统和客户资料储存系统，所述故障信息储存系统用于对故障的信息进行储存，所述客户资料储存系统用于对客户的资料进行储存。

优选的，所述故障解决方案制定系统对于可直接确定解决方案的自动制定解决方案，对于不可直接确定解决方案的，经过自动拨号专业人员并发送故障报告，根据专业人员反馈信息自动制定解决方案。

优选的，所述故障解决方案判断系统制定的故障进行分析判断，分析故障解决方案是否可以通过无线进行解决，对于可以进行无线解决的故障，自动拨号客户进行指导维护，对于不可以进行无线解决的故障，自动拨号客户，针对客户制定维护时间，自动拨号专业人员并发送故障报告和维护时间。

优选的，所述机器学习算法架构下的产品销售售后服务系统的具体流程为：

a、所述故障申报系统对客户的故障进行申报，并执行下一步；

b、故障判断系统用于对申报的故障进行判断，根据故障信息储存系统中存储的故障进行判断该故障是否属于新故障，若是新故障，即将该新故障储存在故障信息储存系统中，再执行下一步，若不是新故障，直接执行下一步；

c、故障原因分析系统用于对故障原因进行分析，分析故障是否可以直接制定解决方案，若可以直接制定解决方案，直接执行下一步，若不可以制定解决方案，则自动拨号专业人员并发送故障报告，并接收专业人员反馈信息，再执行下一步；

d、故障解决方案制定系统制定可以解决故障的有效方案；

e、故障解决方案判断系统对制定的故障进行分析判断，分析故障解决方案是否可以通过无线进行解决，若故障可以通过无线解决，自动联系客户进行指导维护，若故障不可以通过无线解决，自动联系客户，针对客户制定维护时间，再自动拨号专业人员并发送故障报告和维护时间；

f、故障解决。

与现有技术相比，本发明提供了一种机器学习算法架构下的产品销售售后服务系统，具有如下有益效果：

1、该机器学习算法架构下的产品销售售后服务系统通过故障判断系统可以根据故障信息储存系统中存储的故障进行判断该故障是否属于新故障，并且达到对新故障进行储存的效果，使该系统具备自动学习和备忘的功能，方便再次针对故障进行分析和解决，提升故障的解决效率；

2、该机器学习算法架构下的产品销售售后服务系统围绕故障解决方案制定系统可以针对不同的故障进行制定有效地解决方案，并根据制定的解决方案施以针对性的故障解决方法，这种方式可以有效提升故障的解决效率，且使得该系统所具备的智能化程度更高，同时使该销售售后服务系统的人工成本极低。

附图说明

图1为本发明一种机器学习算法架构下的产品销售售后服务系统的运行流程框图。

图2为本发明一种机器学习算法架构下的产品销售售后服务系统中故障解决方案制定系统的制定方案流程框图。

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。

在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例1

如图1-2所示，一种机器学习算法架构下的产品销售售后服务系统，包括故障申报系统、故障判断系统、故障原因分析系统、故障解决方案制定系统、故障解决方案判断系统；故障申报系统用于对客户的故障进行申报；

故障判断系统用于对申报的故障进行判断，判断故障是否属于新故障；故障原因分析系统用于对故障原因进行分析，分析故障是否可以直接制定解决方案；故障解决方案制定系统用于对故障制定解决方案，制定可以解决故障的有效方案；故障解决方案判断系统对制定的故障进行分析判断，分析故障解决方案是否可以通过无线进行解决。

实施例2

如图1-2所示，一种机器学习算法架构下的产品销售售后服务系统，包括故障申报系统、故障判断系统、故障原因分析系统、故障解决方案制定系统、故障解决方案判断系统。

故障判断系统包括故障信息储存系统和客户资料储存系统，故障信息储存系统用于对故障的信息进行储存，客户资料储存系统用于对客户的资料进行储存，故障解决方案制定系统对于可直接确定解决方案的自动制定解决方案，对于不可直接确定解决方案的，经过自动拨号专业人员并发送故障报告，根据专业人员反馈信息自动制定解决方案，故障解决方案判断系统制定的故障进行分析判断，分析故障解决方案是否可以通过无线进行解决，对于可以进行无线解决的故障，自动拨号客户进行指导维护，对于不可以进行无线解决的故障，自动拨号客户，针对客户制定维护时间，自动拨号专业人员并发送故障报告和维护时间。

实施例3

如图1-2所示，一种机器学习算法架构下的产品销售售后服务系统，包括故障申报系统、故障判断系统、故障原因分析系统、故障解决方案制定系统、故障解决方案判断系统。

机器学习算法架构下的产品销售售后服务系统的具体流程为：

a、故障申报系统对客户的故障进行申报，并执行下一步；

b、故障判断系统用于对申报的故障进行判断，根据故障信息储存系统中存储的故障进行判断该故障是否属于新故障，若是新故障，即将该新故障储存在故障信息储存系统中，再执行下一步，若不是新故障，直接执行下一步；

c、故障原因分析系统用于对故障原因进行分析，分析故障是否可以直接制定解决方案，若可以直接制定解决方案，直接执行下一步，若不可以制定解决方案，则自动拨号专业人员并发送故障报告，并接收专业人员反馈信息，再执行下一步；

d、故障解决方案制定系统制定可以解决故障的有效方案；

e、故障解决方案判断系统对制定的故障进行分析判断，分析故障解决方案是否可以通过无线进行解决，若故障可以通过无线解决，自动联系客户进行指导维护，若故障不可以通过无线解决，自动联系客户，针对客户制定维护时间，再自动拨号专业人员并发送故障报告和维护时间；

f、故障解决。

该机器学习算法架构下的产品销售售后服务系统通过故障判断系统可以根据故障信息储存系统中存储的故障进行判断该故障是否属于新故障，并且达到对新故障进行储存的效果，使该系统具备自动学习和备忘的功能，方便再次针对故障进行分析和解决，同时，该机器学习算法架构下的产品销售售后服务系统围绕故障解决方案制定系统可以针对不同的故障进行制定有效地解决方案，并根据制定的解决方案施以针对性的故障解决方法，这种方式可以有效提升故障的解决效率，且使得该系统所具备的智能化程度更高。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。