[发明专利]销售线索评分方法、系统、计算机设备和可读存储介质

说明书

本申请涉及一种销售线索评分方法、系统、计算机设备和可读存储介质，其中，该销售线索评分方法包括：本体模型构建步骤，构建用于销售线索分析的，所述本体模型中包括多个关键本体及所述关键本体之间的本体关系；本体实例获取步骤，获取给定销售线索并基于所述本体模型分析所述销售线索，得到本体实例；推理规则构建步骤，将销售线索分析领域知识的线索等级判断规则映射为符号逻辑规则；线索等级获取步骤，基于所述本体模型及所述符号逻辑规则构建推理机并对所述本体实例进行推理，得到线索等级。通过本申请基于领域知识将销售线索分析问题转换为符号推理，通过推理机实现销售线索等级的推理，提高销售线索分析的可扩展性和灵活性。

技术领域

本申请涉及互联网技术领域，特别是涉及销售线索评分方法、装置、系统、计算机设备和计算机可读存储介质。

背景技术

销售线索俗称Leads，在销售管理体系中销售线索处于客户产生机会的最前端，一般由举办市场活动、网络信息、电话咨询、消费者访谈等多样方式获得销售的初级线索，销售人员在持续跟进和推动线索的继续延伸，到达成熟阶段后销售线索转换为销售机会，并通过在公司正式立项，销售人员将作为销售机会进行漏斗式管理和推进，经过几个阶段的谈判、商务、产品和技术沟通，最终与客户达成协议，并正式签订合同订单。

销售线索管理作为真正的销售机会产生前将提供大量的真假不一的信息源，也是公司在客户群产生商机的最基础线索，在商业价值链中处于重要地位。

线索评分系统可以用来评估销售线索的质量，综合分析出一条销售线索离销售订单成交还有多远。主要的评估指标是依据若干事先定义好的指标，从客户的许多行为中，去了解潜在客户的兴趣与准备购买的程度，并依据不同指标进行评分，然后根据评分结果，制定出不同的线索处理方案。从销售线索的整个漏斗角度看，线索评分的目的其实只在决定这些销售线索在漏斗中的相对位置，评分越高，成交的概率越高，越接近漏斗的下端；分数越低，越接近漏斗的上端，否则，如果没有合适的线索评分方法或工具系统，销售线索漏斗是很难真正具体落实下去的。国外绝大部分做营销自动化的企业在销售线索获取之后会提供线索评分机制，线索评分也是营销自动化平台的主要功能之一。

当前线索评分技术主要是使用简单规则和使用机器学习两种方法。其中简单规则是基于业务人员的业务知识使用编程制定规则的方式实现，基于制定好的规则直接实现到代码中即可完成线索的分类，这种方法针对业务单一的方法非常有效和直接，但是在复杂多变的业务方面往往面临业务变化造成规则变化，基于简单规则的方式一般是直接硬编码实现，其扩展性和灵活性上受到限制；使用机器学习的方法是基于有大量被标注好的数据，基于这个被标注好的数据通过机器学习模型来完成线索的分类。基于机器学习的方法因为必须要依赖有标注且大量的数据才能很好的让机器学习一个复杂业务的模式，天然就对数据少且业务规则复杂的场景不适用。

发明内容

本申请实施例提供了一种销售线索评分方法、系统、计算机设备和计算机可读存储介质，基于领域知识将销售线索分析问题转换为符号推理，通过推理机实现销售线索等级的推理，以提高销售线索分析的可扩展性和灵活性。

第一方面，本申请实施例提供了一种销售线索评分方法，包括：

本体模型构建步骤，构建用于销售线索分析的本体模型，所述本体模型中包括多个关键本体及所述关键本体之间的本体关系；

本体实例获取步骤，获取给定销售线索并基于所述本体模型分析所述销售线索，得到本体实例；具体的，所述本体实例的数据形式为RDF格式(Resource DescriptionFramework，简称RDF)。

推理规则构建步骤，将销售线索分析领域知识的线索等级判断规则映射为符号逻辑规则；

线索等级获取步骤，基于所述本体模型及所述符号逻辑规则构建推理机并对所述本体实例进行推理，得到线索等级。

在其中一些实施例中，所述线索等级获取步骤中包括：