一种基于客户依存度的客户关系评价系统技术方案

本发明专利技术公开了一种基于客户依存度的客户关系评价系统，属于数据处理系统技术领域，包括：构建模块、评分获取模块、问卷获取模块、样本获取模块、特征向量计算模块、模型构建模块、输入模块、目标函数确定模块和评价结果输出模块；构建模块，用于获取基于客户依存度的客户关系评价体系；模型构建模块，用于通过支持向量机构建客户关系评价模型；所述样本获取模块，用于获取待评价样本；评价结果输出模块，用于根据客户关系评价模型的最优超平面，将待评价样本分类到客户关系良好类别或者客户关系差类别中，并输出客户关系评价结果。通过支持向量机，自动化地在较短的时间内给出待评价样本的客户关系良好或者客户关系差的客户关系评价结果。评价结果。评价结果。

【技术实现步骤摘要】
一种基于客户依存度的客户关系评价系统


[0001]本专利技术属于数据处理系统
，具体涉及一种基于客户依存度的客户关系评价系统。

技术介绍

[0002]客户关系管理是企业为提高核心竞争力，达到竞争制胜，快速成长的目的，树立客户为中心的发展战略，并在此基础上展开的包括判断、选择、争取、发展和保持客户所需的全部商业过程。同时，企业以客户关系为重点，通过开展系统化的客户研究，通过优化企业组织体系和业务流程，可以提高客户满意度和忠诚度，提高企业效率和利润水平的工作实践。
[0003]现有的客户关系评价方法主要有客户满意度评价以及客户净推荐值评价两种。然而，客户满意度评价是一个态度类的指标，是客户对过去一系列的回忆，无法很好地与客户实际行为挂钩，不能能给企业带来直接的业务提升建议，导致客户关系评价的准确性低。客户净推荐值评价虽然本身是一个行为倾向指标，也能从客户口碑角度了解企业服务水平，但缺乏框架系统，客户通过开放题回答的问题比较随意，需要经过长期间建模和稳定标签的过程，所需时间长，客户关系评价的准确性低，此外客户净推荐值评价也缺乏直接的业务倾向指标，如续办倾向和新办倾向等，难以直接指导企业的运行。

技术实现思路

[0004]为了解决现有技术存在的客户关系评价的准确性低，需要经过长期间建模和稳定标签的过程，所需时间长，缺乏直接的业务倾向指标，难以直接指导企业的运行的技术问题，本专利技术提供一种基于客户依存度的客户关系评价系统。
[0005]第一方面
[0006]本专利技术提供了一种基于客户依存度的客户关系评价系统，包括：
[0007]构建模块，用于获取基于客户依存度的客户关系评价体系，客户关系评价体系包括七个一级评价指标，一级评价指标包括：品牌、产品、服务、人员、续办业务、新办业务、推荐，品牌指标包括四个二级评价指标，分别为品牌熟知度、品牌信赖度、综合性形象认同度、数字化形象认同度，产品指标包括三个二级评价指标，分别为需求满足度、产品性价比、产品独特性，服务指标包括五个二级评价指标，分别为服务及时性、服务简洁性、服务人性化、服务信息透明性、服务达成度，人员指标包括五个二级评价指标，分别为服务形象、行为素质、亲切度、业务知识熟练度、解决问题能力，续办业务指标仅包括一个二级评价指标，为续办业务意愿，新办业务仅包括一个二级评价指标，为新办业务意愿，推荐指标仅包括一个二级评价指标，为推荐意愿；
[0008]评分获取模块，用于获取一级评价指标的重要程度评分，通过层次分析法确定各个一级评价指标的权重参数；
[0009]问卷获取模块，用于获取二级评价指标的权重调查问卷，通过权重调查问卷中的
重要程度评分确定各个二级评价指标的权重参数；
[0010]样本获取模块，用于获取样本数据集，样本数据集中包括多个训练样本，每个训练样本包括各个二级评价指标的评分值以及客户关系评价结果，客户关系评价结果包括：客户关系良好和客户关系差；
[0011]特征向量计算模块，用于根据各个二级评价指标的评分值、二级评价指标的权重参数以及所属的一级评价指标的权重参数计算训练样本的客户关系特征向量；
[0012]模型构建模块，用于通过支持向量机构建客户关系评价模型；
[0013]输入模块，用于将训练样本的客户关系特征向量与客户关系评价结果输入至客户关系评价模型中；
[0014]目标函数确定模块，用于确定客户关系评价模型的目标函数，以目标函数的函数值最小为目标选定最优超平面，以使各类训练样本可被最优超平面分割为两类，且两类训练样本之间的样本分类间隔最大；
[0015]所述样本获取模块，还用于获取待评价样本；
[0016]评价结果输出模块，用于根据客户关系评价模型的最优超平面，将待评价样本分类到客户关系良好类别或者客户关系差类别中，并输出客户关系评价结果。
[0017]与现有技术相比，本专利技术至少具有以下有益技术效果：
[0018](1)在本专利技术中，依据客户依存度构建客户关系评价体系，综合了客户满意度以及行为倾向，在行为倾向中增设直接的业务倾向指标，同时考虑续办业务意愿、新办业务意愿以及推荐意愿，使得通过客户关系评价系统自动化得到的客户关系评价结果可以直接指导企业的运行。
[0019](2)在本专利技术中，通过支持向量机，自动化地根据待评价样本中各个二级指标的评分值，在较短的时间内给出待评价样本的客户关系良好或者客户关系差的客户关系评价结果，减少主观因素的干扰，提升客户关系评价的准确性、客观性和一致性，有助于提升客户关系管理的效果。
附图说明
[0020]下面将以明确易懂的方式，结合附图说明优选实施方式，对本专利技术的上述特性、技术特征、优点及其实现方式予以进一步说明。
[0021]图1是本专利技术提供的一种基于客户依存度的客户关系评价系统的结构示意图；
[0022]图2是本专利技术提供的一种基于客户依存度的客户关系评价体系的结构示意图。
具体实施方式
[0023]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对照附图说明本专利技术的具体实施方式。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
[0024]为使图面简洁，各图中只示意性地表示出了与专利技术相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅
此一个”，也可以表示“多于一个”的情形。
[0025]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0026]在本文中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。可以是机械连接，也可以是电连接。可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0027]另外，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0028]在一个实施例中，参考说明书附图1，示出了本专利技术提供的基于客户依存度的客户关系评价系统的结构示意图。
[0029]本专利技术提供的一种基于客户依存度的客户关系评价系统10，包括：构建模块101、评分获取模块102、问卷获取模块103、样本获取模块104、特征向量计算模块105、模型构建模块106、输入模块107、目标函数确定模块108和评价结果输出模块109。
[0030]构建模块101，用于获取基于客户依存度的客户关系评价体系。
[0031]参考说明书本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于客户依存度的客户关系评价系统，其特征在于，包括：构建模块，用于构建基于客户依存度的客户关系评价体系，所述客户关系评价体系包括七个一级评价指标，所述一级评价指标包括：品牌、产品、服务、人员、续办业务、新办业务、推荐，品牌指标包括四个二级评价指标，分别为品牌熟知度、品牌信赖度、综合性形象认同度、数字化形象认同度，产品指标包括三个二级评价指标，分别为需求满足度、产品性价比、产品独特性，服务指标包括五个二级评价指标，分别为服务及时性、服务简洁性、服务人性化、服务信息透明性、服务达成度，人员指标包括五个二级评价指标，分别为服务形象、行为素质、亲切度、业务知识熟练度、解决问题能力，续办业务指标仅包括一个二级评价指标，为续办业务意愿，新办业务仅包括一个二级评价指标，为新办业务意愿，推荐指标仅包括一个二级评价指标，为推荐意愿；评分获取模块，用于获取所述一级评价指标的重要程度评分，通过层次分析法确定各个所述一级评价指标的权重参数；问卷获取模块，用于获取所述二级评价指标的权重调查问卷，通过所述权重调查问卷中的重要程度评分确定各个所述二级评价指标的权重参数；样本获取模块，用于获取样本数据集，所述样本数据集中包括多个训练样本，每个所述训练样本包括各个二级评价指标的评分值以及客户关系评价结果，所述客户关系评价结果包括：客户关系良好和客户关系差；特征向量计算模块，用于根据各个二级评价指标的评分值、二级评价指标的权重参数以及所属的一级评价指标的权重参数计算所述训练样本的客户关系特征向量；模型构建模块，用于通过支持向量机构建客户关系评价模型；输入模块，用于将所述训练样本的客户关系特征向量与客户关系评价结果输入至所述客户关系评价模型中；目标函数确定模块，用于确定所述客户关系评价模型的目标函数，以所述目标函数的函数值最小为目标选定最优超平面，以使各类训练样本可被所述最优超平面分割为两类，且两类训练样本之间的样本分类间隔最大；所述样本获取模块，还用于获取待评价样本；评价结果输出模块，用于根据所述客户关系评价模型的所述最优超平面，将所述待评价样本分类到客户关系良好类别或者客户关系差类别中，并输出客户关系评价结果。2.根据权利要求1所述的基于客户依存度的客户关系评价系统，其特征在于，所述评分模块具体用于：对各个所述一级评价指标进行两两比较，结合九级标度法，建立判别矩阵A：其中，a
ij
表示第i个评价指标相对于第j个评价指标的重要程度，a
ij
的取值可通过九极标度法确定，n＝7；计算所述判断矩阵A的特征向量和特征值：
Aω＝λω
→
(A
‑
λI)ω；其中，λ表示所述判断矩阵A的特征值，ω表示所述判断矩阵A的特征向量，取最大的特征值记为λ
max
，与最大的特征值对应的特征向量记为ω
max
，ω
max
＝(ω1，ω
i
，
…
，ω
n
)；对最大的特征值对应的特征向量ω
max
进行归一化处理：其中，归一化后的向量ω
′
max
的各个分量ω
′1，ω
′2，
…
，ω
′
n
分别代表各个一级评价指标的权重，可分别记为α1、α2、
…
、α
n
。3.根据权利要求1所述的基于客户依存度的客户关系评价系统，其特征在于，所述问卷获取模块具体用于：获取m个客户对于s个二级评价指标的权重调查问卷；根据所述权重调查问卷中的重要程度评分，计算m个客户对于各个二级评价指标的重要程度评分的平均分值B
j
：其中，j＝1，2，
…
s，s＝20，k＝1，2，
…
m，b
jk
表示第k个客户对第j个二级评价指标的重要程度评分；计算各个二级评价指标的权重β
j
：其中，β
j
表示第j个二级评价指标的权重。4.根据权利要求1所述的基于客户依存度的客户关系评价系统，其特征在于，所述特征向量计算模块具体用于：通过以下公式计算所述训练样本的客户关系特征向量X：其中，α
j
表示第...

【专利技术属性】
技术研发人员：张德海，
申请(专利权)人：北京数字一百信息技术有限公司，
类型：发明
国别省市：