适用于销售线索评级和分配的机器学习系统、方法及介质与流程

文档序号:20782655发布日期:2020-05-19 21:23阅读:来源:国知局

技术特征:

1.一种适用于销售线索评级和分配的机器学习系统,其特征在于,包括:

外部数据调用模块:调用评级所需的所有外部数据,将调用的外部数据和销售线索拼接在一起,传输至变量池处理模块;

变量池处理模块:对评级所需的所有变量进行标准化及衍生工作;

模型评级模块:根据经过标准化及衍生的变量完成变量分析、聚合及分箱,通过变量的多次筛选,参数的遍历,冻结最佳模型,实现部署时多模型同时工作,然后筛选出效果、性价比最佳的模型;

分配模块:根据模型对销售线索的评级,结合员工的个人能力信息,将销售线索分配给员工对应的账号。

2.根据权利要求1所述的适用于销售线索评级和分配的机器学习系统,其特征在于,所述外部数据调用模块包括:

调用跟进店意向、购车意向相关的外部数据;

调用的外部数据采用网络传输加密技术,接收时使用对应的的key进行解密;

将调用的外部数据和销售线索拼接在一起。

3.根据权利要求1所述的适用于销售线索评级和分配的机器学习系统,其特征在于,所述变量池处理模块包括:变量规范配置子模块和变量处理子模块;

所述变量规范配置子模块包括:

定义原始留资数据输入的标准字段名称、数据格式;

定义原始留资数据输入的标准字段值域,超过值域的邮件报警;

所述变量处理子模块包括:

变量的衍生、聚合及分箱,针对同一变量输入规范化处理,将变量处理成后续输入训练的统一格式;

针对处理后的变量的层级,如果里面对应的正负样本个数少于30个数量以内,统一根据证据权重向上自动合并。

4.根据权利要求1所述的适用于销售线索评级和分配的机器学习系统,其特征在于,所述模型评级模块包括:模型训练子模块和模型部署子模块;

所述模型训练子模块包括:

将样本数据按照7:2:1的比例切分为,其中70%用于模型训练,20%用于模型测试,10%用于模型验证;

根据所述变量池处理模块的变量,计算所有的变量价值信息;

剩余的变量构建机器学习随机森林模型,计算变量的重要性,对变量进行初次筛选;

设计对应的模型变量框架,包括:a)框架输出模板:模型版本号-模型使用变量-头部提升度-头部召回-尾部提升度-尾部召回-模型洛伦兹曲线值-模型曲线下面积,其中提升度、召回又分为训练集、测试集、验证集;b)支持的算法包括逻辑回归、朴素贝叶斯、决策树、随机森林、xgboost、神经网络,最终综合训练集和验证集的结果,二次筛选出当前最优的变量和效果最好的模型;c)基于二次筛选的结果,通过网格搜索,确认最后的入模变量和模型参数;d)模型池构建:针对训练出来的结果,从外部数据类型、内部数据是否有留资地址、是否有留资渠道分别选择不同的最佳模型,形成包含多个模型的模型池;

所述模型部署子模块包括:

针对内部数据的情况设置不同的触发条件,根据不同外部数据部署4套模型;

每个主机厂/4s店调用时有4套不同的外部数据模型同时启动,按照25%:25%:25%:25%的比例同时运行

将最终的输出概率切换成对应的业务描述性语言;

运行一段时间后根据实际表现切换至效果、性价比最佳的模型。

5.根据权利要求1所述的适用于销售线索评级和分配的机器学习系统,其特征在于,所述分配模块包括:

智能分配:将评级结果较好的销售线索分配给高效员工,将评级结果较差的销售线索分配给低效员工;

平均分配:使各员工获取的各评级结果的销售线索的量一致;

随机分配:按照销售线索的到来时间先后顺序对员工进行循环分配。

6.根据权利要求1所述的适用于销售线索评级和分配的机器学习系统,其特征在于,所述适用于汽车销售线索评级和分配的机器学习系统还包括黑名单清洗模块,所述黑名单清洗模块包括:

企业内部黑名单子模块:过滤主机厂、经销商已收集的黑名单;

线上线索黑名单子模块:过滤线上虚假留资的黑名单;

外部黑名单子模块:过滤命中外部数据黑名单的销售线索。

7.根据权利要求1所述的适用于销售线索评级和分配的机器学习系统,其特征在于,所述适用于汽车销售线索评级和分配的机器学习系统还包括自主优化模块,所述自主优化模块获取销售线索的反馈信息,基于模型构建逻辑和评估指标,优化迭代所述模型。

8.根据权利要求1所述的适用于销售线索评级和分配的机器学习系统,其特征在于,所述适用于汽车销售线索评级和分配的机器学习系统还包括模型监控模块,所述模型监控模块包括:

模型入参变量监控:监控入参的变量是否值域超过模型训练的范围,监控模型应用实施时的输入数据的稳定性,以及实时根据反馈监控模型的效果和实验是否有差距。

9.一种适用于销售线索评级和分配的机器学习方法,其特征在于,包括:

外部数据调用步骤:调用评级所需的所有外部数据,将调用的外部数据和销售线索拼接在一起,传输至变量池处理步骤;

变量池处理步骤:对评级所需的所有变量进行标准化及衍生工作;

模型评级步骤:根据经过标准化及衍生的变量完成变量分析、聚合及分箱,通过变量的多次筛选,参数的遍历,冻结最佳模型,实现部署时多模型同时工作,然后筛选出效果、性价比最佳的模型;

分配步骤:根据模型对销售线索的评级,结合员工的个人能力信息,将销售线索分配给员工对应的账号。

10.一种存储有计算机程序的计算机可读存储介质,其特征在于,所述计算机程序被处理器执行时实现权利要求9所述的方法的步骤。


技术总结
本发明提供了一种适用于销售线索评级和分配的机器学习系统、方法及介质,包括:外部数据调用模块:调用评级所需的所有外部数据,将调用的外部数据和销售线索拼接在一起,传输至变量池处理模块;变量池处理模块:对评级所需的所有变量进行标准化及衍生工作;模型评级模块:根据经过标准化及衍生的变量完成变量分析、聚合及分箱,通过变量的多次筛选,参数的遍历,冻结最佳模型,实现部署时多模型同时工作,筛选出效果、性价比最佳的模型;分配模块:根据模型对销售线索的评级,结合员工的个人能力信息,将销售线索分配给员工。本发明能够构建机器学习的大数据模型,得出每条线索的意向评级分数;在线索评级之后可结合人员的能力智能分配。

技术研发人员:宋永涛;陈杰;王海;邬凯乐;张椿琳;顾恩君
受保护的技术使用者:上海数策软件股份有限公司
技术研发日:2019.12.20
技术公布日:2020.05.19
当前第2页1 2 
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