[發明專利]一種結合人工智能的銷售工作積極性分析的方法

在審

• 申請號: 201811060940.4
• 申請日: 2018-09-12
• 公開（公告）號: CN110895731A
• 公開（公告）日: 2020-03-20
• 發明（設計）人: 于洋;李鵬;高經郡;郭振強
• 申請（專利權）人: 北京科杰信息技術有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 北京智行陽光知識產權代理事務所(普通合伙) 11738
• 代理人: 黃錦陽

本發明公開了一種結合人工智能的銷售工作積極性分析的方法，包括以下步驟；獲得銷售人員的特征數據：需要從詞庫模型中提取文字信息，將文字轉換成可以量化的特征向量，鑒于此方案無法給出每名銷售的歷史積極性打分，特征向量X和期望E(X)的關系為，D＝E(x?E(x))得到新的特征向量X，D為方差；采集所有銷售人員的特征數據，結合當前模型，為所有銷售人員進行積極性評分，在樣本集中的銷售人員直接生成積極性評分，進行積極度分類劃在后續的進行銷售積極性評分時，可以根據分類或者得分進行獎勵或者激勵或懲罰，全自動建模，準確率高非人工干預，刨除人為外部因素，更為客觀公正節省人力，數據實時采集錄入，不用在評級的時候再行采錄。

技術領域

本發明涉及到一種工作積極性分析的方法，特別涉及一種結合人工智能的銷售工作積極性分析的方法。

背景技術

大多銷售體系的公司內，都要定期的對銷售人員的工作積極性進行評估，來進行相對應的工作積極性績效考核，但是目前積極性評估都是通過上級主管來進行人工評估，缺少合理的公平自動化的審核銷售人員工作積極性的方法，這種方法缺少公平性，容易摻雜過多的人為和感情因素，且在一些無法觀察的情況下，難以以全面的維度來衡量銷售人員在工作方面的積極性，容易出現不公平處理，且容易摻雜過多的人為干擾因素，某些重要的評定指標可能因為無法定期觀察而影響評估結果，如果能夠合理的自動化的評估員工積極性，就可以根據員工積極性來進行合理的績效評定。

發明內容

本發明的目的在于提供一種結合人工智能的銷售工作積極性分析的方法，具有全自動建模，準確率高非人工干預，刨除人為外部因素，更為客觀公正節省人力，數據實時采集錄入，不用在評級的時候再行采錄的優點，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：一種結合人工智能的銷售工作積極性分析的方法，包括以下步驟；

步驟1)：獲得銷售人員的特征數據：需要從詞庫模型中提取文字信息，將文字轉換成可以量化的特征向量，采集銷售人員日常的工作行為，以及有效周期內的業績數據；

步驟2)：監督分類中基礎的算法選型：鑒于此方案無法給出每名銷售的歷史積極性打分，特征向量X和期望E(X)的關系為，D＝E(x-E(x))得到新的特征向量X，D為方差；

步驟3)：樣本集選取：劃分數據集的方式首先選取第一個特征的取值來篩選信息，之后再選取第二個特征的取值來劃分數據集；

步驟4)：進行主成分分析：利用KMO的檢驗值判定原始指標的相關性，球度檢驗判定原始指標是否是單位陣，以此來判定是否適合進行因子分析，通過SPARK MLLIB進行方法的訓練和測試，最終生成模型結果。

優選的，步驟1)中日常行為包含了銷售的到崗時間、請假次數、離崗時間、有效通話次數、有效通話時長、外出拜訪次數、外出拜訪時間等數據；業績數據包含了銷售的本周期成單率，客戶投訴率，業績完成度等數據；詞庫模型從考勤系統，CRM系統，呼叫系統等系統中進行獲取，為上述的工作行為和業績數據設值一個特征值，通過有限的編碼信息實現有效的文檔分類和檢索。

優選的，步驟2)中對X進行奇異值分解，選擇前m個奇異值得到A的近似矩陣；或者求X的特征值，將X的特征值進行大到小排列，選擇前m個，有個準則q前特征值的和占總的85％以上就說明，從原圖中能好的繼承，由前m個特征值對應的特征向量構成降維矩陣。

優選的，步驟3)中取一定量的上周期內的表現積極員工與一定量的消極員工，第一個特征從表現積極員工中取值，第二個特征從消極員工中取值，將兩批員工數據進行采集后，打散為訓練集和測試集。

優選的，步驟4)中MLlib是Spark的學習庫，旨在簡化機器學習的工程實踐工作，并方便擴展到更大規模，MLlib由一些通用的學習算法和工具組成，包括分類、回歸、聚類、協同過濾、降維。

與現有技術相比，本發明的有益效果是：