[發明專利]適用于銷售線索評級和分配的機器學習系統、方法及介質

有效

• 申請號: 201911330194.0
• 申請日: 2019-12-20
• 公開（公告）號: CN111178722B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 宋永濤;陳杰;王海;鄔凱樂;張椿琳;顧恩君
• 申請（專利權）人: 上海數策軟件股份有限公司
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06Q30/0601;G06N20/00
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 李佳俊;郭國中

1.一種適用于銷售線索評級和分配的機器學習系統，其特征在于，包括：

外部數據調用模塊：調用評級所需的所有外部數據，將調用的外部數據和銷售線索拼接在一起，傳輸至變量池處理模塊；

變量池處理模塊：對評級所需的所有變量進行標準化及衍生工作；

模型評級模塊：根據經過標準化及衍生的變量完成變量分析、聚合及分箱，通過變量的多次篩選，參數的遍歷，凍結最佳模型，實現部署時多模型同時工作，然后篩選出效果、性價比最佳的模型；

分配模塊：根據模型對銷售線索的評級，結合員工的個人能力信息，將銷售線索分配給員工對應的賬號；

所述模型評級模塊包括：模型訓練子模塊和模型部署子模塊；

所述模型訓練子模塊包括：

將樣本數據按照7:2:1的比例切分為，其中70％用于模型訓練，20％用于模型測試，10％用于模型驗證；

根據所述變量池處理模塊的變量，計算所有的變量價值信息；

剩余的變量構建機器學習隨機森林模型，計算變量的重要性，對變量進行初次篩選；

設計對應的模型變量框架，包括：a)框架輸出模板：模型版本號-模型使用變量-頭部提升度-頭部召回-尾部提升度-尾部召回-模型洛倫茲曲線值-模型曲線下面積，其中提升度、召回又分為訓練集、測試集、驗證集；b)支持的算法包括邏輯回歸、樸素貝葉斯、決策樹、隨機森林、XGBOOST、神經網絡，最終綜合訓練集和驗證集的結果，二次篩選出當前最優的變量和效果最好的模型；c)基于二次篩選的結果，通過網格搜索，確認最后的入模變量和模型參數；d)模型池構建：針對訓練出來的結果，從外部數據類型、內部數據是否有留資地址、是否有留資渠道分別選擇不同的最佳模型，形成包含多個模型的模型池；

所述模型部署子模塊包括：

針對內部數據的情況設置不同的觸發條件，根據不同外部數據部署4套模型；

每個主機廠/4S店調用時有4套不同的外部數據模型同時啟動，按照25％：25％：25％：25％的比例同時運行

將最終的輸出概率切換成對應的業務描述性語言；

運行一段時間后根據實際表現切換至效果、性價比最佳的模型。

2.根據權利要求1所述的適用于銷售線索評級和分配的機器學習系統，其特征在于，所述外部數據調用模塊包括：

調用跟進店意向、購車意向相關的外部數據；

調用的外部數據采用網絡傳輸加密技術，接收時使用對應的的key進行解密；

將調用的外部數據和銷售線索拼接在一起。

3.根據權利要求1所述的適用于銷售線索評級和分配的機器學習系統，其特征在于，所述變量池處理模塊包括：變量規范配置子模塊和變量處理子模塊；

所述變量規范配置子模塊包括：

定義原始留資數據輸入的標準字段名稱、數據格式；

定義原始留資數據輸入的標準字段值域，超過值域的郵件報警；

所述變量處理子模塊包括：

變量的衍生、聚合及分箱，針對同一變量輸入規范化處理，將變量處理成后續輸入訓練的統一格式；

針對處理后的變量的層級，如果里面對應的正負樣本個數少于30個數量以內，統一根據證據權重向上自動合并。

4.根據權利要求1所述的適用于銷售線索評級和分配的機器學習系統，其特征在于，所述分配模塊包括：

智能分配：將評級結果較好的銷售線索分配給高效員工，將評級結果較差的銷售線索分配給低效員工；

平均分配：使各員工獲取的各評級結果的銷售線索的量一致；

隨機分配：按照銷售線索的到來時間先后順序對員工進行循環分配。

5.根據權利要求1所述的適用于銷售線索評級和分配的機器學習系統，其特征在于，所述適用于汽車銷售線索評級和分配的機器學習系統還包括黑名單清洗模塊，所述黑名單清洗模塊包括：

企業內部黑名單子模塊：過濾主機廠、經銷商已收集的黑名單；

線上線索黑名單子模塊：過濾線上虛假留資的黑名單；

外部黑名單子模塊：過濾命中外部數據黑名單的銷售線索。