[发明专利]一种销售线索自动智能分配的方法

权利要求书

1.一种销售线索自动智能分配的方法，其特征在于，包括：

获取销售线索，并判断所述销售线索的线索内容中是否存在可标记信息，在具有可标记信息时，进行省市标记；其中，

所述可标记信息至少包括公司名称标记和联系方式标记；

根据所述省市标记，确定省市对应的销售分公司，并进行销售线索分配；

确定销售分公司区域下对应的客户经理名单，针对客户经理名单中的客户经理，计算权重；

根据所述分配列表，对每个客户经理进行销售线索划分，并判断分配权重是否满额，将满额分配的客户经理从分配列表删除。

2.如权利要求1所述的一种销售线索自动智能分配的方法，其特征在于，所述获取销售线索之前还包括：

根据所述销售线索，建立销售模型；

通过对所述销售模型量化分析，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型；

将所述损耗模型投影在销售模型上，确定损耗数值，并对比所述损耗结果和预设的损耗阈值，确定对比结果；

当对比结果为损耗结果大于预设的损耗阈值，将所述销售线索过滤并更换；

当对比结果为损耗结果等于并小于预设的损耗阈值，将所述销售线索保留，并传输至销售公司的智能终端。

3.如权利要求2所述的一种销售线索自动智能分配的方法，其特征在于，所述通过对所述销售模型量化分析，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型，包括：

步骤S1：对所述销售模型T量化分析，生成差值矩阵：

其中，Δ_ij(T)代表销售模型的差值矩阵，T为销售模型的表示符号，y代表关于销售模型的观测数据，i＝1，2，…n，其中，n为采集到的观测数据的总项数，j＝1,2,…m，其中，j为采集到的观测数据的时刻，m代表采集到的最后一项观测数据的时刻，y_i，j代表第j时刻采集到的第i项观测数据，x代表关于各项观测数据的影响因素的扰动差值，x_i,j代表第j时刻采集到的第i项观测数据的扰动差值；

步骤S2：通过所述差值矩阵，计算观测数据之间的关联系数：

其中，G_ij代表在第j个时刻的第i项采集到的观测数据和对应的扰动差值之间的关联系数，Δ_min和Δ_max分别代表差值矩阵的两级极差的最小值和最大值；

步骤S3：通过所述关联系数，输入损耗变量和人力成本指标，进行风险预估，确定损耗模型。

4.如权利要求3所述的一种销售线索自动智能分配的方法，其特征在于，所述步骤S3，包括：

步骤S301：通过所述关联系数，计算销售模型的加权值：

其中，W(T)代表销售模型的加权值，G_ij代表在第j个时刻的第i项采集到的观测数据和对应的扰动差值之间的关联系数，f_j,i(k)代表对第j个时刻针第i项观测数据的优先等级矩阵，，k＝1,2....t，t代表一共设置的优先等级数，i＝1,2,…n，其中，n为采集到的观测数据的总项数，j＝1,2,…m，其中，j为采集到的观测数据的时刻，m代表采集到的最后一项观测数据的时刻；

步骤S302：通过损耗变量和人力成本指标，计算回归方程：

其中，W(T)为销售模型的加权值，y_ij代表W(T)的回归系数，μ₁代表本公司内的损耗变量，μ₂代表公司的人力成本指标，X_ij代表公司的销售模型的解释变量，C代表差值矩阵的扰动系数；

步骤S303：根据所述回归方程，确定回归模型，并对所述回归模型进行风险预估，确定损耗模型。