本申請涉及客戶資源管理，具體地，涉及一種基于大模型的客戶資源管理系統(tǒng)及其方法。

背景技術(shù)：

1、在當前的商業(yè)環(huán)境中，客戶資源管理直接影響到銷售業(yè)績和客戶滿意度，尤其是對于以銷售驅(qū)動的企業(yè)來說，客戶資源管理已經(jīng)成為企業(yè)實現(xiàn)可持續(xù)發(fā)展和競爭優(yōu)勢的核心策略。

2、客戶資源管理不僅涉及到客戶數(shù)據(jù)的收集和分析，更關(guān)乎如何有效地利用客戶信息來優(yōu)化業(yè)務流程，提升客戶滿意度，以及實現(xiàn)銷售目標。然而，傳統(tǒng)的客戶資源管理方法，其往往依賴于人工經(jīng)驗來進行客戶資源的分配，不僅效率低下且易受主觀因素影響，難以適應快速變化的市場環(huán)境。因此，期待一種優(yōu)化的客戶資源管理系統(tǒng)及其方法。

技術(shù)實現(xiàn)思路

1、提供該
技術(shù)實現(xiàn)要素：
部分以便以簡要的形式介紹構(gòu)思，這些構(gòu)思將在后面的具體實施方式部分被詳細描述。該發(fā)明內(nèi)容部分并不旨在標識要求保護的技術(shù)方案的關(guān)鍵特征或必要特征，也不旨在用于限制所要求的保護的技術(shù)方案的范圍。

2、第一方面，本申請?zhí)峁┝艘环N基于大模型的客戶資源管理系統(tǒng)，所述系統(tǒng)包括：

3、客戶資源信息獲取模塊，用于獲取新客戶資源的文本描述；

4、銷售人員歷史銷售數(shù)據(jù)獲取模塊，用于獲取備選銷售人員的歷史銷售數(shù)據(jù)；

5、語義編碼模塊，用于對所述新客戶資源的文本描述和所述備選銷售人員的歷史銷售數(shù)據(jù)中的各個銷售數(shù)據(jù)分別進行語義編碼以得到新客戶資源語義編碼特征向量和銷售數(shù)據(jù)語義編碼特征向量的集合；

6、語義關(guān)聯(lián)強化模塊，用于對所述銷售數(shù)據(jù)語義編碼特征向量的集合進行語義關(guān)聯(lián)強化以得到強化銷售數(shù)據(jù)語義編碼特征向量的集合；

7、資源推送模塊，用于基于所述新客戶資源語義編碼特征向量和所述強化銷售數(shù)據(jù)語義編碼特征向量的集合之間的細粒度關(guān)聯(lián)匹配，確定是否將所述新客戶資源推送給所述備選銷售人員。

8、可選地，所述語義關(guān)聯(lián)強化模塊，用于：對所述銷售數(shù)據(jù)語義編碼特征向量的集合進行基于特征能級度量關(guān)聯(lián)輻射的語義關(guān)聯(lián)強化模塊以得到所述強化銷售數(shù)據(jù)語義編碼特征向量的集合。

9、可選地，所述語義關(guān)聯(lián)強化模塊，包括：特征能級系數(shù)計算單元，用于計算所述銷售數(shù)據(jù)語義編碼特征向量的集合中的各個銷售數(shù)據(jù)語義編碼特征向量的特征能級系數(shù)以得到特征能級系數(shù)的集合；一維排列單元，用于將所述特征能級系數(shù)的集合排列為特征能級系數(shù)輸入向量；特征能級輻射關(guān)聯(lián)編碼單元，用于對所述特征能級系數(shù)輸入向量進行一維卷積編碼以得到特征能級輻射關(guān)聯(lián)向量；概率化映射單元，用于對所述特征能級輻射關(guān)聯(lián)向量進行點卷積編碼和基于sigmoid函數(shù)的概率化映射以得到特征能級輻射關(guān)聯(lián)權(quán)重向量；語義強化單元，用于以所述特征能級輻射關(guān)聯(lián)權(quán)重向量作為權(quán)重向量，對所述銷售數(shù)據(jù)語義編碼特征向量的集合進行加權(quán)處理和殘差處理以得到所述強化銷售數(shù)據(jù)語義編碼特征向量的集合。

10、可選地，所述特征能級系數(shù)計算單元，用于：計算所述銷售數(shù)據(jù)語義編碼特征向量的方差和偏置項之間的加權(quán)和以得到第一中間項，并計算所述銷售數(shù)據(jù)語義編碼特征向量的最大值和其均值的差值的平方、所述銷售數(shù)據(jù)語義編碼特征向量的方差以及所述偏置項之間的加權(quán)和以得到第二中間項；計算所述第一中間項除以所述第二中間項以得到所述特征能級系數(shù)。

11、可選地，所述資源推送模塊，包括：細粒度關(guān)聯(lián)匹配分析單元，用于對所述新客戶資源語義編碼特征向量和所述強化銷售數(shù)據(jù)語義編碼特征向量的集合進行細粒度關(guān)聯(lián)匹配分析以得到查詢響應自適應匹配結(jié)果表示矩陣；將所述查詢響應自適應匹配結(jié)果表示矩陣輸入基于分類器的客戶資源管理結(jié)果生成器以得到管理結(jié)果，所述管理結(jié)果用于表示是否將新客戶資源推送給備選銷售人員。

12、可選地，所述細粒度關(guān)聯(lián)匹配分析單元，用于：以所述新客戶資源語義編碼特征向量作為查詢特征向量，將所述查詢特征向量和所述強化銷售數(shù)據(jù)語義編碼特征向量的集合輸入基于細粒度解耦的特征查詢響應自適應編碼器以得到所述查詢響應自適應匹配結(jié)果表示矩陣。

13、可選地，所述細粒度關(guān)聯(lián)匹配分析單元，包括：局部語義關(guān)聯(lián)強化子單元，用于對所述強化銷售數(shù)據(jù)語義編碼特征向量的集合中的各個強化銷售數(shù)據(jù)語義編碼特征向量分別進行局部語義關(guān)聯(lián)強化以得到銷售數(shù)據(jù)細粒度解耦局部語義關(guān)聯(lián)特征向量的集合；協(xié)方差計算子單元，用于計算所述查詢特征向量與所述銷售數(shù)據(jù)細粒度解耦局部語義關(guān)聯(lián)特征向量的集合中的各個銷售數(shù)據(jù)細粒度解耦局部語義關(guān)聯(lián)特征向量之間的協(xié)方差矩陣以得到查詢響應協(xié)方差矩陣的集合；矩陣跡計算子單元，用于計算所述查詢響應協(xié)方差矩陣的集合中的各個查詢響應協(xié)方差矩陣的矩陣跡以得到查詢響應跡度量因子的集合；權(quán)重化子單元，用于將所述查詢響應跡度量因子的集合輸入sigmoid激活函數(shù)以得到查詢響應跡注意力權(quán)重的集合；注意力施加子單元，用于以所述查詢響應跡注意力權(quán)重的集合中的各個查詢響應跡注意力權(quán)重作為權(quán)重，計算所述查詢響應協(xié)方差矩陣的集合的加權(quán)和以得到所述查詢響應自適應匹配結(jié)果表示矩陣。

14、可選地，所述局部語義關(guān)聯(lián)強化子單元，用于：對所述強化銷售數(shù)據(jù)語義編碼特征向量進行細粒度解耦以得到強化銷售數(shù)據(jù)局部語義編碼特征向量的序列；將所述強化銷售數(shù)據(jù)局部語義編碼特征向量的序列輸入基于bi-lstm模型的序列語義強化編碼器以得到所述銷售數(shù)據(jù)細粒度解耦局部語義關(guān)聯(lián)特征向量。

15、第二方面，本申請?zhí)峁┝艘环N基于大模型的客戶資源管理方法，所述方法包括：

16、獲取新客戶資源的文本描述，

17、獲取備選銷售人員的歷史銷售數(shù)據(jù)；

18、對所述新客戶資源的文本描述和所述備選銷售人員的歷史銷售數(shù)據(jù)中的各個銷售數(shù)據(jù)分別進行語義編碼以得到新客戶資源語義編碼特征向量和銷售數(shù)據(jù)語義編碼特征向量的集合；

19、對所述銷售數(shù)據(jù)語義編碼特征向量的集合進行語義關(guān)聯(lián)強化以得到強化銷售數(shù)據(jù)語義編碼特征向量的集合；

20、基于所述新客戶資源語義編碼特征向量和所述強化銷售數(shù)據(jù)語義編碼特征向量的集合之間的細粒度關(guān)聯(lián)匹配，確定是否將所述新客戶資源推送給所述備選銷售人員。

21、可選地，對所述銷售數(shù)據(jù)語義編碼特征向量的集合進行語義關(guān)聯(lián)強化以得到強化銷售數(shù)據(jù)語義編碼特征向量的集合，包括：對所述銷售數(shù)據(jù)語義編碼特征向量的集合進行基于特征能級度量關(guān)聯(lián)輻射的語義關(guān)聯(lián)強化模塊以得到所述強化銷售數(shù)據(jù)語義編碼特征向量的集合。

22、采用上述技術(shù)方案，通過采用基于深度學習的自然語言處理技術(shù)對銷售人員的歷史銷售數(shù)據(jù)和新客戶資源進行語義分析，挖掘出銷售人員的專業(yè)經(jīng)驗信息以及客戶資源的潛在需求信息，并通過對兩者進行細粒度關(guān)聯(lián)匹配分析，以此來智能判斷新客戶資源是否與銷售人員的能力和風格相匹配，從而實現(xiàn)客戶資源的精準推送和優(yōu)化管理。這樣，可以顯著提高客戶資源分配的效率和準確性，降低銷售過程中的無效溝通成本，提升客戶滿意度，助力企業(yè)實現(xiàn)銷售業(yè)績的持續(xù)增長。

23、本申請的其他特征和優(yōu)點將在隨后的具體實施方式部分予以詳細說明。

技術(shù)特征：

1.一種基于大模型的客戶資源管理系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于大模型的客戶資源管理系統(tǒng)，其特征在于，所述語義關(guān)聯(lián)強化模塊，用于：

3.根據(jù)權(quán)利要求2所述的基于大模型的客戶資源管理系統(tǒng)，其特征在于，所述語義關(guān)聯(lián)強化模塊，包括：

4.根據(jù)權(quán)利要求3所述的基于大模型的客戶資源管理系統(tǒng)，其特征在于，所述特征能級系數(shù)計算單元，用于：

5.根據(jù)權(quán)利要求4所述的基于大模型的客戶資源管理系統(tǒng)，其特征在于，所述資源推送模塊，包括：

6.根據(jù)權(quán)利要求5所述的基于大模型的客戶資源管理系統(tǒng)，其特征在于，所述細粒度關(guān)聯(lián)匹配分析單元，用于：

7.根據(jù)權(quán)利要求6所述的基于大模型的客戶資源管理系統(tǒng)，其特征在于，所述細粒度關(guān)聯(lián)匹配分析單元，包括：

8.根據(jù)權(quán)利要求7所述的基于大模型的客戶資源管理系統(tǒng)，其特征在于，所述局部語義關(guān)聯(lián)強化子單元，用于：

9.一種基于大模型的客戶資源管理方法，其特征在于，包括：

10.根據(jù)權(quán)利要求9所述的基于大模型的客戶資源管理方法，其特征在于，對所述銷售數(shù)據(jù)語義編碼特征向量的集合進行語義關(guān)聯(lián)強化以得到強化銷售數(shù)據(jù)語義編碼特征向量的集合，包括：

技術(shù)總結(jié)
本申請涉及一種基于大模型的客戶資源管理系統(tǒng)及其方法。該方法包括：采用基于深度學習的自然語言處理技術(shù)對銷售人員的歷史銷售數(shù)據(jù)和新客戶資源進行語義分析，挖掘出銷售人員的專業(yè)經(jīng)驗信息以及客戶資源的潛在需求信息，并通過對兩者進行細粒度關(guān)聯(lián)匹配分析，以此來智能判斷新客戶資源是否與銷售人員的能力和風格相匹配，從而實現(xiàn)客戶資源的精準推送和優(yōu)化管理。這樣，可以顯著提高客戶資源分配的效率和準確性，降低銷售過程中的無效溝通成本，提升客戶滿意度，助力企業(yè)實現(xiàn)銷售業(yè)績的持續(xù)增長。

技術(shù)研發(fā)人員：楊凱,陳會兵
受保護的技術(shù)使用者：杭州逍邦網(wǎng)絡科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10