基于电销转化率的承接线路分配方法、装置及电子设备制造方法及图纸

本发明专利技术公开了一种基于电销转化率的承接线路分配方法、装置及电子设备，所述方法包括：获取历史电销线索的用户特征、承接线路特征及电销转化率；通过所述历史电销线索的用户特征、承接线路特征及电销转化率对预设分类模型进行训练；将目标电销线索的用户特征和待分配承接线路特征输入训练好的分类模型中，得到线索承接线路匹配度；根据所述线索承接线路匹配度从所述待分配承接线路中确定目标承接线路；将所述目标电销线索分配给所述目标承接线路。本发明专利技术采用机器学习的方式预测线索与承接线路的匹配度，从而可以将目标电销线索分配给匹配度最高的承接线路，有效提高电销转化率。

【技术实现步骤摘要】
基于电销转化率的承接线路分配方法、装置及电子设备
本专利技术涉及计算机
，具体而言，涉及一种基于电销转化率的承接线路分配方法、装置、电子设备及计算机可读介质。
技术介绍
随着通信技术的发展，越来越多的企业选择电话销售、甚至是电销机器人的方式来推销产品。现有电销过程中，会将电销线索随机分配给承接线路，承接线路根据分配到的电销线索将产品销售成功后会得到相应的奖励作为激励。专利技术人发现：在实际中，每个承接线路的性别、年龄、行为信息等特征不同，不同特征的承接线路与电销线索的不同人群的匹配度也不同，承接线路会对匹配度高的电销线索的人群有较高的转化率。这种随机分配承接线路的方式显然无法保证将电销线索分配给匹配度最高的承接线路，导致电销线索的转化率比较低。
技术实现思路
本专利技术旨在解决随机分配承接线路导致电销线索转化率低的技术问题。为了解决上述技术问题，本专利技术第一方面提出一种基于电销转化率的承接线路分配方法，所述方法包括：获取历史电销线索的用户特征、承接线路特征及电销转化率；通过所述历史电销线索的用户特征、承接线路特征及电销转化率对预设分类模型进行训练；将目标电销线索的用户特征和待分配承接线路特征输入训练好的分类模型中，得到线索承接线路匹配度；根据所述线索承接线路匹配度从所述待分配承接线路中确定目标承接线路；将所述目标电销线索分配给所述目标承接线路。根据本专利技术一种较佳的实施方式，所述方法还包括：获取预设时间段内目标电销线索的用户特征、目标承接线路特征及目标电销线索的电销转化率；通过所述目标电销线索的用户特征、目标承接线路特征及目标电销线索的电销转化率对所述预设分类模型再次进行训练。根据本专利技术一种较佳的实施方式，所述方法还包括：分别获取不同时间段内目标承接线路的电销转化率；根据所述不同时间段内目标承接线路的电销转化率生成所述目标承接线路的激励策略。根据本专利技术一种较佳的实施方式，所述用户特征包括：性别、年龄、所在地域、职业、学历、家庭结构、对产品的行为信息中的至少一种。根据本专利技术一种较佳的实施方式，所述承接线路特征包括：性别、年龄、历史电销转化率、语音特征中的至少一种。根据本专利技术一种较佳的实施方式，所述预设分类模型为：贝叶斯分类器、K临近模型、决策树模型、神经网络模型中的任意一种。为了解决上述技术问题，本专利技术第二方面提供一种基于电销转化率的承接线路分配装置，所述装置包括：获取模块，用于获取历史电销线索的用户特征、承接线路特征及电销转化率；第一训练模块，用于通过所述历史电销线索的用户特征、承接线路特征及电销转化率对预设分类模型进行训练；模型处理模块，用于将目标电销线索的用户特征和待分配承接线路特征输入训练好的分类模型中，得到线索承接线路匹配度；确定模块，用于根据所述线索承接线路匹配度从所述待分配承接线路中确定目标承接线路；分配模块，用于将所述目标电销线索分配给所述目标承接线路。根据本专利技术一种较佳的实施方式，述装置还包括：第一子获取模块，用于获取预设时间段内目标电销线索的用户特征、目标承接线路特征及目标电销线索的电销转化率；第二训练模块，用于通过所述目标电销线索的用户特征、目标承接线路特征及目标电销线索的电销转化率对所述预设分类模型再次进行训练。根据本专利技术一种较佳的实施方式，所述装置还包括：第二子获取模块，用于分别获取不同时间段内目标承接线路的电销转化率；激励模块，用于根据所述不同时间段内目标承接线路的电销转化率生成所述目标承接线路的激励策略。根据本专利技术一种较佳的实施方式，所述用户特征包括：性别、年龄、所在地域、职业、学历、家庭结构、对产品的行为信息中的至少一种。根据本专利技术一种较佳的实施方式，所述承接线路特征包括：性别、年龄、历史电销转化率、语音特征中的至少一种。根据本专利技术一种较佳的实施方式，所述预设分类模型为：贝叶斯分类器、K临近模型、决策树模型、神经网络模型中的任意一种。为解决上述技术问题，本专利技术第三方面提供一种电子设备，包括：处理器；以及存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行上述的方法。为解决上述技术问题，本专利技术第四方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，当所述一个或多个程序被处理器执行时，实现上述方法。本专利技术基于不同特征的承接线路与电销线索的不同人群的匹配度不同，通过历史电销线索的用户特征、承接线路特征及电销转化率对预设分类模型进行训练；训练好的预设分类模型即可根据目标电销线索的用户特征和待分配承接线路特征得到线索承接线路匹配度，根据线索承接线路匹配度为目标显示分配目标承接线路。相较于随机分配承接线路的方式，本专利技术采用机器学习的方式预测线索与承接线路的匹配度，从而可以将目标电销线索分配给匹配度最高的承接线路，有效提高电销转化率。附图说明为了使本专利技术所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本专利技术的具体实施例。但需声明的是，下面描述的附图仅仅是本专利技术的示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。图1是本专利技术一种基于电销转化率的承接线路分配方法的流程示意图；图2是本发得到线索坐标匹配度的示意图；图3是本专利技术一种基于电销转化率的承接线路分配装置的结构框架示意图；图4是根据本专利技术的一种电子设备的示例性实施例的结构框图；图5是本专利技术一种计算机可读介质实施例的示意图。具体实施方式现在将参考附图来更加全面地描述本专利技术的示例性实施例，虽然各示例性实施例能够以多种具体的方式实施，但不应理解为本专利技术仅限于在此阐述的实施例。相反，提供这些示例性实施例是为了使本专利技术的内容更加完整，更加便于将专利技术构思全面地传达给本领域的技术人员。在符合本专利技术的技术构思的前提下，在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本专利技术。附图中的流程图仅是一种示例性的流程演示，不代表本专利技术的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/步骤可以合并或部分合并，等等，在不脱离本专利技术的专利技术主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。附图中的框图一般表示的是功能实体，并不一定必然与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体本文档来自技高网...

【技术保护点】
1.一种基于电销转化率的承接线路分配方法，其特征在于，所述方法包括：/n获取历史电销线索的用户特征、承接线路特征及电销转化率；/n通过所述历史电销线索的用户特征、承接线路特征及电销转化率对预设分类模型进行训练；/n将目标电销线索的用户特征和待分配承接线路特征输入训练好的分类模型中，得到线索承接线路匹配度；/n根据所述线索承接线路匹配度从所述待分配承接线路中确定目标承接线路；/n将所述目标电销线索分配给所述目标承接线路。/n

【技术特征摘要】
1.一种基于电销转化率的承接线路分配方法，其特征在于，所述方法包括：
获取历史电销线索的用户特征、承接线路特征及电销转化率；
通过所述历史电销线索的用户特征、承接线路特征及电销转化率对预设分类模型进行训练；
将目标电销线索的用户特征和待分配承接线路特征输入训练好的分类模型中，得到线索承接线路匹配度；
根据所述线索承接线路匹配度从所述待分配承接线路中确定目标承接线路；
将所述目标电销线索分配给所述目标承接线路。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取预设时间段内目标电销线索的用户特征、目标承接线路特征及目标电销线索的电销转化率；
通过所述目标电销线索的用户特征、目标承接线路特征及目标电销线索的电销转化率对所述预设分类模型再次进行训练。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
分别获取不同时间段内目标承接线路的电销转化率；
根据所述不同时间段内目标承接线路的电销转化率生成所述目标承接线路的激励策略。


4.根据权利要求1所述的方法，其特征在于，所述用户特征包括：性别、年龄、所在地域、职业、学历、家庭结构、对产品的行为信息中的至少一种。


5.根据权利要求1所述的方法，其特征在于，所述承接线路特征包括：性别、年龄、历史电销转化率、语音特征中的至少一种。


6.根据权利要求1所述的方法，其特征在于，所述预设分类模型为：贝叶斯分类器、K临近模型、决策树模型、神经网络模型中的任意一种。


7.一种基于电销转化率的承接线路分配装置，其特征在于，所述装置包括：
获取模块，用于获取历史电销线索的用户特征、承接线路特征及电销转化率；
第一训练模块，用于通过所述历史电销线索的用户特征、承接线路特征及电销转化率对预设分类模型进行训练；...

【专利技术属性】
技术研发人员：董静，
申请(专利权)人：北京淇瑀信息科技有限公司，
类型：发明
国别省市：北京;11