一种基于CRM系统的客户智能打分方法及系统与流程

本发明涉及企业智能管理及办公相关技术领域，尤其，涉及一种基于crm系统的客户智能打分方法及系统。

背景技术：

crm系统，是指客户关系管理系统(customerrelationshipmanagement,crm)是以客户数据的管理为核心，利用信息科学技术，实现市场营销、销售、服务等活动自动化，并建立一个客户信息的收集、管理、分析、利用的系统，帮助企业实现以客户为中心的管理模式。客户关系管理既是一种管理理念，又是一种软件技术。

crm(customerrelationshipmanagement)--客户关系管理，是一种以"客户关系一对一理论"为基础，旨在改善企业与客户之间关系的新型管理机制。客户关系管理的定义是：企业为提高核心竞争力，利用相应的信息技术以及互联网技术来协调企业与顾客间在销售、营销和服务上的交互，从而提升其管理方式，向客户提供创新式的个性化的客户交互和服务的过程。其最终目标是吸引新客户、保留老客户以及将已有客户转为忠实客户，增加市场份额。

最早发展客户关系管理的国家是美国，这个概念最初由gartnergroup提出来，在1980年初便有所谓的“接触管理”(contactmanagement)，即专门收集客户与公司联系的所有信息，到1990年则演变成包括电话服务中心支持资料分析的客户关怀(customercare)。开始在企业电子商务中流行。

crm系统的宗旨是：为了满足每个客户的特殊需求，同每个客户建立联系，通过同客户的联系来了解客户的不同需求，并在此基础上进行"一对一"个性化服务。通常crm包括销售管理、市场营销管理、客户服务系统以及呼叫中心等方面。

“以客户为中心”，提高客户满意度，培养、维持客户忠诚度，在今天这个电子商务时代显得日益重要。客户关系管理正是改善企业与客户之间关系的新型管理机制，越来越多的企业运用crm来增加收入、优化赢利性、提高客户满意度。

crm系统主要包含传统crm系统和在线crm系统。

企业对客户管理存在的核心问题是：存在大量低质量的、无效的或者无法有效识别客户或者商机，影响销售人员的工作效率，丧失了对有效客户的跟进时机。多以销售人员为了区分有效客户，只能通过人为排序或者人工校验。

销售管理人员管理的销售人员较多，需要尽量准确客观的评判每个销售的能力，然后分配适合的客户给他，但是人工鉴别客户工作量巨大，错失最佳跟进时机。

另，每个销售对于自己手上的客户花费的精力是一样的，直接导致可能浪费很多的时间在无效客户上；而那些真正有价值的客户却因为没有花费更多的时间做重点跟进，导致客户转化不理想；

目前市面上大部分的crm产品不具备客户量化评分功能，或者支持单一固化的评分，例如按照时间先后等硬性指标进行打分，维度单一，打分结果需人为排序，大大降低了销售人员的工作效率。

为了解决当前市面上大部分的产品打分维度单一的问题，本发明提供了基于crm系统中全部相关的业务数据、行为数据、营销相关的大数据(例如企业工商信息等)以及结合ai获取的已成交客户的数据分析，这些多类型的维度对客户进行量化评分，帮助企业利用多方面的维度信息对客户进行评分，保证了打分的科学性和灵活性。

技术实现要素：

基于现有技术中存在的上述问题，本发明提供一种基于crm系统的客户智能打分方法，完全避免了上述缺点。具体而言，本发明提供一种基于crm系统的客户智能打分方法，其特征在于包括以下步骤：

s200：获取客户数据；

s400：对客户数据在数据处理中心中进行处理；

s600：在规则引擎中确定客户评分规则；

s800：基于客户数据以及客户评分规则，对客户进行评分；

s1000：输出客户评分供后续操作使用。

进一步地，步骤s200中的客户数据包括crm系统数据和来自于第三方数据平台的社会化数据。

进一步地，所述crm系统数据包括基础数据以及通过行为分析模型获取的客户画像数据。

进一步地，所述基础数据包括客户名称信息、客户来源信息以及客户规模信息。

进一步地，所述社会化数据包括客户产品信息、客户负面风险信息、客户经营行为信息、境外同行业客户信息、客户人员关联信息。

进一步地，所述客户画像数据是通过将包括客户下单频率、商业智能点击量以及客户拜访点击量在内的客户行为信息输入行为分析模型计算得到。

进一步地，在步骤s400之前，还包括以下步骤：

s300：对crm系统数据进行实时监控，并与第三方数据平台的社会化数据共同以数据id或者data形式输入到数据处理中心。

进一步地，步骤s400中的对客户数据在数据处理中心中进行处理包括对客户数据进行转换和/或清洗，并形成一种元数据类型。

进一步地，步骤s600包括以下子步骤：

s610：确定评分规则表达式；

s620：结合对数据的所设加权、聚合函数以及算法进行计算操作。

本发明还提供一种基于crm系统的客户智能评分装置，其特征在于包括以下单元：

200：数据采集单元，用于获取客户数据；

400：数据处理单元，用于对客户数据在数据处理中心中进行处理；

600：规则引擎单元，用于在规则引擎中确定客户评分规则；

800：评分单元，用于基于客户数据以及客户评分规则，对客户进行评分；

1000：数据输出单元，用于输出客户评分供后续操作使用。

进一步地，数据采集单元200所采集的客户数据包括crm系统数据和来自于第三方数据平台的社会化数据。

进一步地，所述crm系统数据包括基础数据以及通过行为分析模型获取的客户画像数据。

进一步地，所述基础数据包括客户名称信息、客户来源信息以及客户规模信息。

进一步地，所述社会化数据包括客户产品信息、客户负面风险信息、客户经营行为信息、境外同行业客户信息、客户人员关联信息。

进一步地，所述客户画像数据是通过将包括客户下单频率、商业智能点击量以及客户拜访点击量在内地的客户行为信息输入行为分析模型计算得到。

进一步地，还包括数据预处理单元300，用于对crm系统数据进行实时监控，并与第三方数据平台的社会化数据共同以数据id或者data形式输入到数据处理单元。

进一步地，对客户数据在数据处理单元中进行处理包括对客户数据进行转换和/或清洗，并形成一种元数据类型。

进一步地，规则引擎单元600包括以下子单元：

610：规则表达式确定单元，用于确定评分规则表达式；

620：计算单元，用于结合对数据的所设加权、聚合函数以及算法进行计算操作。

附图说明

图1是一种基于crm系统的客户智能打分方法的流程图；

图2确定客户评分规则的流程图；

图3是一种基于crm系统的客户智能打分装置的组成图；

图4是引擎单元的组成图；

具体实施方式

为了使本技术领域人员更好的理解本发明，下面结合附图和实施方法对本发明作进一步的详细描述。

本发明是基于企业的成交客户的数据分析，以及结合大数据的自动打分器，可以帮助销售人员聚焦高质量客户，并将不同质量的客户自动分配给不同能力的销售人员，实现人效最大化，准确评估商机赢率。

如图1和图2所示为本发明一种基于crm系统的客户智能打分方法的流程图。该方法包括以下步骤：s200：获取客户数据，客户数据主要来源有手动录入系统的业务的基础数据、通过第三方数据平台获取的社会化大数据以及通过系统内的行为分析模型获取到的客户画像信息。其中，基础数据包括客户名称信息、客户来源信息以及客户规模信息等，而社会化数据则包括客户产品信息、客户负面风险信息、客户经营行为信息、境外同行业客户信息、客户人员关联信息等信息。客户画像数据是通过将包括客户下单频率、商业智能点击量以及客户拜访点击量在内的客户行为信息输入行为分析模型计算得到的数据。

s300：对crm系统数据进行实时监控，并与第三方数据平台的社会化数据共同以数据id或者data形式输入到数据处理中心。所谓“数据id”是指一条数据的唯一性标识，本专利中主要是当数据源来自于crm系统中数据时，可以通过数据的id从数据库中唯一识别出相应的数据，从而可得到整个数据的所有信息。而“data形式”是指通过第三方平台获取的第三方数据的形式，不管数据是什么结构，它包含了一条数据的所有信息。在此过程中主要是对步骤s200内获得的客户数据进行预处理，形成适宜在数据处理中心处理的数据形式。因此需要对crm系统数据进行实时监控，并与第三方数据平台的社会化数据共同以数据id或者data形式输入到数据处理中心。

s400：对客户数据在数据处理中心中进行处理；此处的对客户数据在数据处理中心中进行处理包括对客户数据进行转换和/或清洗，并形成一种元数据类型。因为数据的来源不同，就有可能导致数据格式不同或者有重复的数据，这时就需要将数据送入数据处理中心对这些不同类型的数据进行转换，并通过数据id从crm系统中识别数据，然后进行清洗，即去重、去除无效数据以及无法识别的数据等，最后将这些清洗后的数据统一转换成系统可识别的元数据类型。所谓的“元数据类型”是关于数据的数据或者叫做用来描述数据的数据或者叫做信息的信息，这是开发层面处理的一种数据类型。

s600：在规则引擎中确定客户评分规则；在此步骤中进一步可以分为两个子步骤：s610：确定评分规则表达式；s620：结合对数据的所设加权、聚合函数以及算法进行计算操作。

s800：基于客户数据以及客户评分规则，对客户进行评分；

s1000：输出客户评分供后续操作使用。获得客户评分后，根据客户评分向销售人员分配客户，以控制在每一客户身上付出的时间和精力。

如图3和图4所示为本发明一种基于crm系统的客户智能打分系统的组成图。该系统包括以下单元：数据采集单元200，用于获取客户数据，客户数据主要来源有手动录入系统的业务的基础数据、通过第三方数据平台获取的社会化大数据以及通过系统内的行为分析模型获取到的客户画像信息。其中，基础数据包括客户名称信息、客户来源信息以及客户规模信息等，而社会化数据则包括客户产品信息、客户负面风险信息、客户经营行为信息、境外同行业客户信息、客户人员关联信息等信息。客户画像数据是通过将包括客户下单频率、商业智能点击量以及客户拜访点击量在内的客户行为信息输入行为分析模型计算得到的数据。

数据预处理单元300，用于对crm系统数据进行实时监控，并与第三方数据平台的社会化数据共同以数据id或者data形式输入到数据处理中心。在此过程中主要是对步骤数据采集单元200获得的客户数据进行预处理，形成适宜在数据处理中心处理的数据形式。因此需要对crm系统数据进行实时监控，并与第三方数据平台的社会化数据共同以数据id或者data形式输入到数据处理中心。

数据处理单元400，主要用于对客户数据在数据处理中心中进行处理；此处的对客户数据在数据处理中心中进行处理包括对客户数据进行转换和/或清洗，并形成一种元数据类型。

规则引擎单元600，在规则引擎单元中确定客户评分规则；此单元进一步包括两个子单元规则表达式确定单元610，用于确定评分规则表达式和计算单元620，用于结合对数据的所设加权、聚合函数以及算法进行计算操作。

评分单元800，用于基于客户数据以及客户评分规则，对客户进行评分。

数据输出单元1000，用于输出客户评分供后续操作使用。获得客户评分后，根据客户评分向销售人员分配客户，以控制在每一客户身上付出的时间和精力。

本发明可以达到的有益效果是，第一，可基于大数据多维度进行评分；第二，评分数据来源多样化和全面性；第三，支持实时触发：业务的指标数据更新会实时触发规则重新打分。第四，打分结果自动化的驱动业务决策。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。此外，尽管本说明书中使用了一些特定的术语，但这些术语仅仅是为了方便说明，并不对本发明构成任何限制。