一种用于销售人员学习的数据处理方法、装置及设备制造方法及图纸

本发明专利技术公开了一种用于销售人员学习的数据处理方法、装置及设备，属于人工智能及大数据技术领域。所述方法包括：获取客户行为数据，所述客户行为数据包括客户等级信息、客户行业信息、客户发货潜力信息、客户出发收入信息中的至少一个；分析计算所述客户行为数据，获取客户特征数据；将所述客户特征数据与符合预设匹配条件的学习素材进行匹配操作，获取匹配结果。本发明专利技术实现了满足客户开发需求以及人员学习需求的学习素材数据的高效匹配，形成一套可实时更新的学习素材数据体系，不仅提高了学习素材分配效率，还能够根据客户行为数据的不同匹配相应需求的学习素材，对客户的行为进行精准分析达到精准推送。

【技术实现步骤摘要】
一种用于销售人员学习的数据处理方法、装置及设备
本专利技术涉及人工智能及大数据
，特别涉及一种用于销售人员学习的数据处理方法、装置及设备。
技术介绍
随着云时代的来临，大数据(Bigdata)也吸引了越来越多的关注。分析师团队认为，大数据(Bigdata)通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理(MPP)数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。自然语言处理(NLP)是计算机科学，人工智能，语言学关注计算机和人类(自然)语言之间的相互作用的领域。因此，自然语言处理是与人机交互的领域有关的。在自然语言处理面临很多挑战，包括自然语言理解，因此，自然语言处理涉及人机交互的面积。在NLP诸多挑战涉及自然语言理解，即计算机源于人为或自然语言输入的意思，和其他涉及到自然语言生成。深度学习(deeplearning，以下简称DL)，换种说法，可以说是基于人工神经网络的机器学习。区别于传统的机器学习，DL需要更多样本，换来更少的人工标注和更高的准确率。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。对于如快递物流企业等的人员密集型行业，以重点客户和营业部经理这两类为代表的销售人员岗位缺少学习平台以及不能根据他们所负责的客户来精准推送一些案例来学习，导致重点客户和营业部经理的销售技巧以自己的经验为主没有成套的学习素材数据体系，无法更精准的服务于客户，而通过传统的线下学习培训效率又太低。
技术实现思路
为了解决现有技术的问题，本专利技术实施例提供了一种用于销售人员学习的数据处理方法、装置及设备，实现了满足客户开发需求以及人员学习需求的学习素材数据的高效匹配，形成一套可实时更新的学习素材数据体系，不仅提高了学习素材分配效率，还能够根据客户行为数据的不同匹配相应需求的学习素材，对客户的行为进行精准分析达到精准推送。所述技术方案如下：一方面，提供了一种用于销售人员学习的数据处理方法，所述方法包括：获取客户行为数据，所述客户行为数据包括客户等级信息、客户行业信息、客户发货潜力信息、客户出发收入信息中的至少一个；分析计算所述客户行为数据，获取客户特征数据；将所述客户特征数据与符合预设匹配条件的学习素材进行匹配操作，获取匹配结果。优选地，获取客户行为数据，包括：根据预设分类规则对客户进行等级分类，获取所述客户等级信息；其中，所述预设分类规则包括：当满足出发收入>1万元的条件，确定为大客户等级；当满足5千元≤出发收入≤1万元的条件，确定为中等客户等级；当满足出发收入≤5千元的条件，确定为小客户等级。优选地，分析计算所述客户行为数据，获取客户特征数据，包括：利用深度学习算法或自然语言处理方法对所述客户行为数据进行分析计算，得到客户的特征关键词作为客户特征数据。优选地，利用深度学习算法或自然语言处理方法对所述客户行为数据进行分析计算，得到客户的特征关键词作为客户特征数据，包括：将满足预设筛选条件的客户标签对应数据确定为客户的特征关键词，所述预设筛选条件包括筛选权重系数排名靠前的客户标签对应数据或筛选具有重要星级标识的客户标签对应数据，所述客户标签包括客户等级、客户行业、重要星级标识中的至少一个。优选地，将所述客户特征数据与符合预设匹配条件的学习素材进行匹配操作，获取匹配结果，包括：上传学习素材数据，并对所述学习素材进行所述客户标签的分类标记，获取所述学习素材数据的客户标签结果；将所述客户特征数据与所述学习素材数据进行匹配度验证，将通过匹配度验证的数据组合进行关联设置。优选地，所述关联设置包括：根据所述数据组合，将相应学习素材数据推送至相应客户特征数据的对应数据端口；和/或，根据所述数据组合，进行相应客户特征数据与相应学习素材数据的关联查询设置。另一方面，提供了一种用于销售人员学习的数据处理装置，包括：第一获取模块，用于：获取客户行为数据，所述客户行为数据包括客户等级信息、客户行业信息、客户发货潜力信息、客户出发收入信息中的至少一个；第二获取模块，用于：分析计算所述客户行为数据，获取客户特征数据；匹配操作模块，用于：将所述客户特征数据与符合预设匹配条件的学习素材进行匹配操作，获取匹配结果。优选地，所述第一获取模块用于：根据预设分类规则对客户进行等级分类，获取所述客户等级信息；其中，所述预设分类规则包括：当满足出发收入>1万元的条件，确定为大客户等级；当满足5千元≤出发收入≤1万元的条件，确定为中等客户等级；当满足出发收入≤5千元的条件，确定为小客户等级。优选地，所述第二获取模块包括分析计算子模块，所述分析计算子模块用于：利用深度学习算法或自然语言处理方法对所述客户行为数据进行分析计算，得到客户的特征关键词作为客户特征数据。优选地，所述第二获取模块包括分析计算子模块，所述分析计算子模块用于：利用深度学习算法或自然语言处理方法对所述客户行为数据进行分析计算，得到客户的特征关键词作为客户特征数据，具体包括：将满足预设筛选条件的客户标签对应数据确定为客户的特征关键词，所述预设筛选条件包括筛选权重系数排名靠前的客户标签对应数据或筛选具有重要星级标识的客户标签对应数据，所述客户标签包括客户等级、客户行业、重要星级标识中的至少一个。优选地，所述匹配操作模块包括素材分类子模块和关联设置子模块，所述素材分类子模块用于：上传学习素材数据，并对所述学习素材进行所述客户标签的分类标记，获取所述学习素材数据的客户标签结果；所述关联设置子模块用于：将所述客户特征数据与所述学习素材数据进行匹配度验证，将通过匹配度验证的数据组合进行关联设置。优选地，所述关联设置包括：根据所述数据组合，将相应学习素材数据推送至相应客户特征数据的对本文档来自技高网...

【技术保护点】
1.一种用于销售人员学习的数据处理方法，其特征在于，所述方法包括：/n获取客户行为数据，所述客户行为数据包括客户等级信息、客户行业信息、客户发货潜力信息、客户出发收入信息中的至少一个；/n分析计算所述客户行为数据，获取客户特征数据；/n将所述客户特征数据与符合预设匹配条件的学习素材进行匹配操作，获取匹配结果。/n

【技术特征摘要】
1.一种用于销售人员学习的数据处理方法，其特征在于，所述方法包括：
获取客户行为数据，所述客户行为数据包括客户等级信息、客户行业信息、客户发货潜力信息、客户出发收入信息中的至少一个；
分析计算所述客户行为数据，获取客户特征数据；
将所述客户特征数据与符合预设匹配条件的学习素材进行匹配操作，获取匹配结果。


2.根据权利要求1所述的方法，其特征在于，获取客户行为数据，包括：
根据预设分类规则对客户进行等级分类，获取所述客户等级信息；
其中，所述预设分类规则包括：
当满足出发收入>1万元的条件，确定为大客户等级；
当满足5千元≤出发收入≤1万元的条件，确定为中等客户等级；
当满足出发收入≤5千元的条件，确定为小客户等级。


3.根据权利要求1所述的方法，其特征在于，分析计算所述客户行为数据，获取客户特征数据，包括：
利用深度学习算法或自然语言处理方法对所述客户行为数据进行分析计算，得到客户的特征关键词作为客户特征数据。


4.根据权利要求3所述的方法，其特征在于，利用深度学习算法或自然语言处理方法对所述客户行为数据进行分析计算，得到客户的特征关键词作为客户特征数据，包括：
将满足预设筛选条件的客户标签对应数据确定为客户的特征关键词，所述预设筛选条件包括筛选权重系数排名靠前的客户标签对应数据或筛选具有重要星级标识的客户标签对应数据，所述客户标签包括客户等级、客户行业、重要星级标识中的至少一个。


5.根据权利要求4所述的方法，其特征在于，将所述客户特征数据与符合预设匹配条件的学习素材进行匹配操作，获取匹配结果，包括：
上传学习素材数据，并对所述学习素材进行所述客户标签的分类标记，获取所述学习素材数据的客户标签结果；
将所述客户特征数据与所述学习素材数据进行匹配度验证，将通过匹配度验证的数据组合进行关联设置。


6....

【专利技术属性】
技术研发人员：杜定安，
申请(专利权)人：上海燕汐软件信息科技有限公司，
类型：发明
国别省市：上海;31