本发明专利技术公开了一种商机转化概率的预测方法、装置及计算机可读存储介质，所述方法包括：获取至少一个商机数据；对所述每个商机数据进行数据处理，得到每个商机数据对应的概率预测数据；将每个商机数据对应的概率预测数据输入至商机转化概率预测模型中，得到每个商机数据对应的商机转化概率，其中，所述商机转化概率用于表征商机数据对应客户的成交概率，且所述商机转化概率预测模型包括BERT网络以及文本分类输出层；本发明专利技术避免了传统经验判断所存在的判断不准确的问题，同时，销售人员也可根据预估出的成交概率，来优先拜访成交概率高的客户，从而避免无效拜访，不仅可提升销售人员的工作效率以及业绩，还可提高公司的整体营收。还可提高公司的整体营收。还可提高公司的整体营收。
【技术实现步骤摘要】
商机转化概率的预测方法、装置及计算机可读存储介质
[0001]本专利技术属于商机成交概率预测
，具体涉及一种商机转化概率的预测方法、装置及计算机可读存储介质。
技术介绍
[0002]商机是指市场上存在的尚未被满足或者尚未被充分满足的消费需求，在销售领域中，一个商机就是一个获取利润的机会；在现代销售管理体系里，客户是一切销售行为的基础，在挖掘到潜在的客户之后，逐步将潜在客户往实际下单客户进行转化，这一过程就是商机转换过程的体现。
[0003]目前，进行商机转换的主要方式为：销售人员在商机洽谈初期，对客户进行逐步沟通以及拜访，以在沟通和拜访过程中逐步将潜在客户转换为实际下单客户；然而，在传统的销售公司中，一个销售人员往往会被分配有多个商机，且销售人员为了签单成功率，通常会对商机进行评估，从而选择易成交的商机进行优先沟通和拜访，但是，销售人员在进行商机评估时，通常是基于个人主观经验判断商机的成交概率，其存在以下不足：经验复制成本高，且判断不准确，无法有效提高销售人员的签单率；因此，提供一种基于深度学习模型的商机转化概率的预测方法迫在眉睫。
技术实现思路
[0004]本专利技术的目的是提供一种商机转化概率的预测方法、装置及计算机可读存储介质，以解决现有商机成交概率采用经验判断所存在的判断不准确以及无法有效提高销售人员的签单率的问题。
[0005]为了实现上述目的，本专利技术采用以下技术方案：
[0006]第一方面，本专利技术提供了一种商机转化概率的预测方法，包括：
[0007]获取至少一个商机数据，其中，所述至少一个商机数据中的每个商机数据包括拜访记录；
[0008]对所述每个商机数据进行数据处理，得到每个商机数据对应的概率预测数据；
[0009]将每个商机数据对应的概率预测数据输入至商机转化概率预测模型中，得到每个商机数据对应的商机转化概率，其中，所述商机转化概率用于表征商机数据对应客户的成交概率，且所述商机转化概率预测模型包括BERT网络以及文本分类输出层；
[0010]所述BERT网络作为所述商机转化概率预测模型的主干特征提取网络，用于提取所述概率预测数据的特征信息；
[0011]所述文本分类输出层用于根据所述特征信息进行二分类预测，以输出所述概率预测数据对应的商机转化概率。
[0012]基于上述公开的内容，本专利技术通过构建基于深度学习网络的商机转化概率预测模型，来根据拜访记录进行商机转化概率的预测，即该模型可帮助销售人员预估出对应商机的成交概率，由此，该模型的使用，避免了传统经验判断所存在的判断不准确的问题，同时，
销售人员可根据预估出的成交概率，来优先拜访成交概率高的客户，从而避免无效拜访，不仅可提升销售人员的工作效率以及业绩，还可提高公司的整体营收。
[0013]在一个可能的设计中，在获取至少一个商机数据前，所述方法还包括：
[0014]获取多个历史商机数据，其中，所述多个历史商机数据中的每个历史商机数据包括历史拜访记录以及商机成交状态；
[0015]根据所述每个历史商机数据，构建概率预测训练数据集；
[0016]以所述概率预测训练数据集为输入，所述每个历史商机数据对应的商机成交状态为输出，训练所述BERT网络以及所述文本分类输出层，得到所述商机转化概率预测模型。
[0017]基于上述公开的内容，本专利技术公开了商机转化概率预测模型的具体训练方法，即利用多个历史商机数据中的历史拜访记录以及对应的成交状态生成概率预测训练数据集，从而以该训练数据集为输入(实质为以历史拜访记录为输入)，每个历史商机数据对应的成交状态为输出，进行BERT网络以及文本分类输出层的训练，从而在海量数据的训练下，得到商机转化概率预测模型。
[0018]在一个可能的设计中，所述历史拜访记录包括拜访信息以及客户反馈信息，且所述拜访信息包括商机编号以及客户拜访时间；
[0019]相应的，根据所述每个历史商机数据，构建概率预测训练数据集，包括:
[0020]将所述每个历史商机数据中的历史拜访记录按照时间顺序拼接为长文本数据，其中，所述时间顺序为所述历史拜访记录中的客户拜访时间的先后顺序；
[0021]将所述每个历史商机数据的商机编号，作为每个历史商机数据对应的长文本数据的标签，以得到每个历史商机数据对应的拜访反馈文本数据；
[0022]利用每个历史商机数据对应的拜访反馈文本数据以及对应的商机成交状态，组成所述概率预测训练数据集。
[0023]基于上述公开的内容，由于一个历史商机对应有至少一个历史拜访记录，由此，需要将一个历史商机中的所有历史拜访记录合并为一个文本数据，即进行数据拼接，得到长文本数据，然后再将长文本数据与该历史商机对应的商机编号进行一一对应，对应后即可得到该历史商机对应的拜访反馈文本数据，最后，利用多个拜访反馈文本数据以及历史商机对应商机成交状态即可组成概率预测训练数据集。
[0024]在一个可能的设计中，所述商机成交状态包括1和0，其中，1表示商机成交状态为已成交，0表示商机成交状态为失败。
[0025]在一个可能的设计中，在得到每个商机数据对应的商机转化概率后，所述方法还包括：
[0026]按照从高到低的顺序将每个商机数据对应的商机转化概率进行排序，并将排序顺序作为每个商机数据对应客户的拜访优先级，其中，商机转化概率越大，拜访优先级越高。
[0027]基于上述公开的内容，商机转化概率代表着商机对应客户的成交概率，因此，各个商机数据的商机转化概率的排序，也就代表着拜访优先级，即商机转化概率越大，拜访优先级越高；由此通过前述设计，销售人员可基于该排序，进行客户的优先拜访，从而提高签单率。
[0028]在一个可能的设计中，在得到每个商机数据对应的商机转化概率后，所述方法还包括：
[0029]获取所述每个商机数据对应的拜访次数；
[0030]根据所述每个商机数据对应的拜访次数以及商机转化概率，对每个商机数据对应的拜访记录进行拜访评估，得到拜访评估结果，其中，所述拜访评估结果包括虚假拜访和无效拜访。
[0031]基于上述公开的内容，可根据每个商机数据对应的拜访次数以及商机转化概率，来进行该商机的拜访评估，即当拜访次数很多而商机转化概率持续偏低时，可判定为该商机的拜访记录为虚假拜访和/或无效拜访；由此，可帮助公司督导人员由随机回访客户转变为重点回访拜访次数多且商机转化概率低的客户，从而提升督导工作效率以及客户体验。
[0032]第二方面，本专利技术提供了一商机转化概率的预测装置，包括：
[0033]获取单元，用于获取至少一个商机数据，其中，所述至少一个商机数据中的每个商机数据包括拜访记录；
[0034]数据处理单元，用于对所述每个商机数据进行数据处理，得到每个商机数据对应的概率预测数据；
[0035]转换概率预测单元，用于将每个商机数据对应的概率预测数据输入至商机转化概率预测模型中，得到每个商机数据对应的商机转化概率，其本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种商机转化概率的预测方法，其特征在于，包括：获取至少一个商机数据，其中，所述至少一个商机数据中的每个商机数据包括拜访记录；对所述每个商机数据进行数据处理，得到每个商机数据对应的概率预测数据；将每个商机数据对应的概率预测数据输入至商机转化概率预测模型中，得到每个商机数据对应的商机转化概率，其中，所述商机转化概率用于表征商机数据对应客户的成交概率，且所述商机转化概率预测模型包括BERT网络以及文本分类输出层；所述BERT网络作为所述商机转化概率预测模型的主干特征提取网络，用于提取所述概率预测数据的特征信息；所述文本分类输出层用于根据所述特征信息进行二分类预测，以输出所述概率预测数据对应的商机转化概率。2.如权利要求1所述的方法，其特征在于，在获取至少一个商机数据前，所述方法还包括：获取多个历史商机数据，其中，所述多个历史商机数据中的每个历史商机数据包括历史拜访记录以及商机成交状态；根据所述每个历史商机数据，构建概率预测训练数据集；以所述概率预测训练数据集为输入，所述每个历史商机数据对应的商机成交状态为输出，训练所述BERT网络以及所述文本分类输出层，得到所述商机转化概率预测模型。3.如权利要求2所述的方法，其特征在于，所述历史拜访记录包括拜访信息以及客户反馈信息，且所述拜访信息包括商机编号以及客户拜访时间；相应的，根据所述每个历史商机数据，构建概率预测训练数据集，包括:将所述每个历史商机数据中的历史拜访记录按照时间顺序拼接为长文本数据，其中，所述时间顺序为所述历史拜访记录中的客户拜访时间的先后顺序；将所述每个历史商机数据的商机编号，作为每个历史商机数据对应的长文本数据的标签，以得到每个历史商机数据对应的拜访反馈文本数据；利用每个历史商机数据对应的拜访反馈文本数据以及对应的商机成交状态，组成所述概率预测训练数据集。4.如权利要求2所述的方法，其特征在于，所述商机成交状态包括1和0，其中，1表示商机成交状态为已成交，0表示商机成交状态为失败。5.如权利要求1所述的方法，其特征在于，在得到每个商机数据对应的商机转化概率后，所述方法还包括：按照从高到低的顺序将每个商机数据对应的商机转化概率进行排序，并将排序顺序作为每个商机数据对应客户的拜...
【专利技术属性】
技术研发人员：石立娟，谢利堂，王胜利，
申请(专利权)人：成都新潮传媒集团有限公司，
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。