本发明专利技术提供了一种潜客满意度的测量方法及装置，其中方法包括：收集销售顾问与潜在客户现场沟通的语音；提取与潜在客户满意度相关的内容；根据重要指标整理与潜在客户满意度相关的内容构建数据库；将数据库分成训练集和测试集，训练神经网络模型；筛选训练集准确率大于第一预设值，和测试集准确率大于第二预设值的神经网络模型及其对应参数；计算组样本均值预测误差率，根据组样本均值预测误差率确定误差超标率；获取验证集，利用验证集确定样本量小于预设个数和误差超标率小于预设阈值的模型及参数为最终神经网络模型及参数；获取预测数据，利用最终神经网络模型对预测数据进行预测，得到预测结果。得到预测结果。得到预测结果。
【技术实现步骤摘要】
一种潜客满意度的测量方法及装置
[0001]本专利技术涉及计算机
，尤其涉及一种潜客满意度的测量方法及装置。
技术介绍
[0002]潜在客户满意度是指潜在消费者在购买商品前对所接受的各方面服务的满意程度的测量结果。各方面服务，包括但不限于服务言语和服务行为，也包括服务环境和设施，但不包含品牌、产品和价格等方面。
[0003]潜在客户满意度与品牌、产品、价格等因素，一同影响消费者最终购买选择和行为，是消费者购买商品前的重要考量因素之一。因此，了解掌握潜在客户满意度水平，变化趋势和影响因素，对商家促进和实现销售有着重要意义。
[0004]目前，潜在客户满意度获取方法，以事后询问了解及评判为主，具体获取和分析方法及步骤如下：
[0005]a)编制调查问卷
[0006]根据商品的基本销售流程，制定潜在客户满意度评价问卷，问卷通常包含整体满意度和流程满意度两个部分：
[0007]一、整体满意度，为潜在客户对整体服务过程的满意度评价，通常需要潜在客户对评价结果进行原因说明；
[0008]二、流程满意度，为潜在客户对各具体流程进行满意度评价，如欢迎接待、需求沟通、商品说明和体验、价格沟通等，通常也需要潜在客户对评价结果进行原因说明；
[0009]此外，部分行业会根据管理需要，制定专项评价题目，如人员专业性和服务态度等评价内容，需潜在客户对具体题目进行评价，并给出具体原因。
[0010]b)实施潜在客户满意度调查
[0011]基于制定的调查问卷，通过多种方式，如网络调查、门店拦访、电话回访等，对接受过销售服务还未正式购买商品的客户，开展潜在客户满意度调查，并获得评价结果。
[0012]c)调查结果分析和输出
[0013]根据获取的潜在客户满意度调查问卷结果，整理结果并输出定量和定性结果，从而达到掌握潜在客户满意度水平和变化趋势，了解主要问题和需改进的工作方面，并对管理工作提供改进建议。
[0014]上述潜在客户满意度获取方式具有广泛的应用，适用于各类快速消费品、大宗商品和服务类商品领域。
[0015]然而，上述潜在客户满意度获取方式的缺点有以下几点：
[0016]a)模式为事后回顾，非实时评价，调研和结果输出滞后，且评价结果存在不准确情况。
[0017]b)方式依赖潜在客户意愿，且容易受其他因素如销售拜托或利益影响，导致评价结果失真。
[0018]c)问卷内容固化较多，限制潜在客户的表达范围，容易造成评价随意性强和内容
不完整。
[0019]d)以上潜在客户满意度结果，对后续管理指导弱，不能有效支持能力提升工作。
技术实现思路
[0020]本专利技术旨在提供一种克服上述问题或者至少部分地解决上述问题的潜客满意度的测量方法及装置。
[0021]为达到上述目的，本专利技术的技术方案具体是这样实现的：
[0022]本专利技术的一个方面提供了一种潜客满意度的测量方法，包括：收集销售顾问与潜在客户现场沟通的语音；对所述语音进行识别和转化，提取与潜在客户满意度相关的内容；获取重要指标；根据所述重要指标整理所述与潜在客户满意度相关的内容构建数据库，所述数据库包括潜在客户满意度和重要指标达成与否的数值；将所述数据库分成训练集和测试集，训练神经网络模型，其中，所述神经网络模型的输入层为所述重要指标的达成与否的数值，输出层为所述潜在客户满意度；筛选所述训练集准确率大于第一预设值，和所述测试集准确率大于第二预设值的神经网络模型及其对应参数；计算组样本均值预测误差率，根据所述组样本均值预测误差率确定误差超标率；获取验证集，利用所述验证集确定样本量小于预设个数和误差超标率小于预设阈值的模型及参数为最终神经网络模型及参数；获取预测数据，利用所述最终神经网络模型对所述预测数据进行预测，得到预测结果。
[0023]其中，所述第一预设值和所述第二预设值通过准确性评价指标获得，所述训练集的准确性等于训练集的真实值的样本量/总样本量；所述测试集的准确性等于测试集的真实值的样本量/总样本量。
[0024]其中，所述销售顾问与潜在客户现场沟通的语音包括但不限于以下环节：到店接待、需求沟通、产品介绍、试乘试驾、报价议价、送别跟进。
[0025]其中，所述获取重要指标包括：根据各指标做到与否条件下的潜在客户满意度评价均值结果差异水平和潜在客户满意度评价差异相同条件下的指标做到与否比率差异水平，筛选所述重点指标。
[0026]其中，所述训练所述神经网络模型包括：通过随机抽取方式不断更换训练集和测试集训练所述神经网络模型。
[0027]本专利技术另一方面提供了一种潜客满意度的测量装置，包括：收集模块，用于收集销售顾问与潜在客户现场沟通的语音；提取模块，用于对所述语音进行识别和转化，提取与潜在客户满意度相关的内容；获取模块，用于获取重要指标；构建模块，用于根据所述重要指标整理所述与潜在客户满意度相关的内容构建数据库，所述数据库包括潜在客户满意度和重要指标达成与否的数值；训练模块，用于将所述数据库分成训练集和测试集，训练神经网络模型，其中，所述神经网络模型的输入层为所述重要指标的达成与否的数值，输出层为所述潜在客户满意度；筛选模块，用于筛选所述训练集准确率大于第一预设值，和所述测试集准确率大于第二预设值的神经网络模型及参数；计算模块，用于计算组样本均值预测误差率，根据所述组样本均值预测误差率确定误差超标率；确定模块，用于获取验证集，利用所述验证集确定样本量小于预设个数和误差超标率小于预设阈值的模型及参数为最终神经网络模型及参数；预测模块，用于获取预测数据，利用所述最终神经网络模型对所述预测数据进行预测，得到预测结果。
[0028]其中，所述第一预设值和所述第二预设值通过准确性评价指标获得，所述训练集的准确性等于训练集的真实值的样本量/总样本量；所述测试集的准确性等于测试集的真实值的样本量/总样本量。
[0029]其中，所述销售顾问与潜在客户现场沟通的语音包括但不限于以下环节：到店接待、需求沟通、产品介绍、试乘试驾、报价议价、送别跟进。
[0030]其中，所述获取模块通过如下方式获取重要指标：所述获取模块，具体用于根据各指标做到与否条件下的潜在客户满意度评价均值结果差异水平和潜在客户满意度评价差异相同条件下的指标做到与否比率差异水平，筛选所述重点指标。
[0031]其中，所述训练模块通过如下方式训练神经网络模型：所述训练模块，具体用于通过随机抽取方式不断更换训练集和测试集训练所述神经网络模型。
[0032]由此可见，通过本专利技术提供的潜客满意度的测量方法及装置，以语言智能分析技术为基础，神经网络算法为核心，通过构建销售服务沟通与潜在客户满意度关系的模型，实现通过服务过程的常态化监控，预判潜在客户满意度水平和变化趋势，帮助管理者发现并改善销售人员能力，提升销量和业绩的目标。
附图说明
[0033]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种潜客满意度的测量方法，其特征在于，包括：收集销售顾问与潜在客户现场沟通的语音；对所述语音进行识别和转化，提取与潜在客户满意度相关的内容；获取重要指标；根据所述重要指标整理所述与潜在客户满意度相关的内容构建数据库，所述数据库包括潜在客户满意度和重要指标达成与否的数值；将所述数据库分成训练集和测试集，训练神经网络模型，其中，所述神经网络模型的输入层为所述重要指标的达成与否的数值，输出层为所述潜在客户满意度；筛选所述训练集准确率大于第一预设值，和所述测试集准确率大于第二预设值的神经网络模型及其对应参数；计算组样本均值预测误差率，根据所述组样本均值预测误差率确定误差超标率；获取验证集，利用所述验证集确定样本量小于预设个数和误差超标率小于预设阈值的模型及参数为最终神经网络模型及参数；获取预测数据，利用所述最终神经网络模型对所述预测数据进行预测，得到预测结果。2.根据权利要求1所述的方法，其特征在于，所述第一预设值和所述第二预设值通过准确性评价指标获得，所述训练集的准确性等于训练集的真实值的样本量/总样本量；所述测试集的准确性等于测试集的真实值的样本量/总样本量。3.根据权利要求1所述的方法，其特征在于，所述销售顾问与潜在客户现场沟通的语音包括但不限于以下环节：到店接待、需求沟通、产品介绍、试乘试驾、报价议价、送别跟进。4.根据权利要求3所述的方法，其特征在于，所述获取重要指标包括：根据各指标做到与否条件下的潜在客户满意度评价均值结果差异水平和潜在客户满意度评价差异相同条件下的指标做到与否比率差异水平，筛选所述重点指标。5.根据权利要求1所述的方法，其特征在于，所述训练所述神经网络模型包括：通过随机抽取方式不断更换训练集和测试集训练所述神经网络模型。6.一种潜客满意度的测量装置，其特征在于，包括：收集模块，用于收集销售顾问与潜在客户现场沟通的语音；提取模块...
【专利技术属性】
技术研发人员：邱琰，许青江，李洋，
申请(专利权)人：北京卓思天成咨询有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。