基于客户状态感知的4S店销售话术个性化评分方法与流程

本发明涉及汽车销售服务质量管理，尤其涉及一种基于客户状态感知的4s店销售话术个性化评分方法。

背景技术：

1、近年来，随着新能源汽车市场的快速扩张与传统燃油车市场存量竞争的加剧，汽车4s店作为品牌终端销售与服务的核心渠道，其销售顾问的服务水准与话术专业度直接决定了客户的购车体验与最终成交转化率。为保障销售服务的标准化与规范化，目前4s店普遍建立了一套以《标准化话术评分表》为核心工具的话术质量评估体系，该体系覆盖销售接待全流程，重点考核问候规范性、车型介绍完整性、金融政策讲解准确性、试驾安全提示充分性以及后续邀约有效性这五个核心维度。同时，在客户关系管理层面，现有技术通常依赖销售顾问对客户进店历史与购车意向进行人工记录与主观判断。

2、目前，针对上述话术质量评估与客户信息管理，现有技术主要采用以下实现方案：一是基于人工质检的话术评分方案，即由专职质检专员对销售录音进行逐段人工收听，依据主观经验对各维度逐一打分并手动录入系统；二是基于crm系统查询与口头询问的客户识别方案，即销售顾问在接待前手动登录crm系统查询客户手机号或直接向客户询问进店次数；三是基于销售顾问主观经验的客户意向判断方案，即销售顾问根据接待经验对客户关注车型进行主观分类。然而，上述现有方案在实际应用中存在明显的局限性。首先，人工质检方式受制于人力资源瓶颈，每名质检专员每日仅能处理20至30条录音，远低于4s店日均录音产生量，导致整体质检覆盖率普遍不足10%，且不同质检人员对同一录音的评分差异可达15至20分，严重影响了考核结果的客观性与一致性。其次，客户身份识别完全依赖人工操作，受限于销售顾问的操作主动性及客户记忆误差，综合准确率仅为60%左右，且客户多次进店的历史评分与意向变化轨迹难以被系统化关联与追溯。更为关键的是，现有评分体系存在固有缺陷：其对所有客户采用一套固定不变的统一评分标准，既未区分新客户与回头客在服务重点上的本质差异，亦未将销售顾问的话术内容与客户当前关注的具体意向车型的匹配程度纳入评分维度，致使评分结果无法客观反映销售顾问针对不同状态客户的实际服务质量，从而难以提供具有个性化指导价值的改进建议。

3、综上所述，现有技术因无法自动感知客户的历史访问状态与实时购车意向，且缺乏针对不同客户类型的差异化、个性化评分机制，导致话术评分结果与客户实际需求严重脱节，难以客观衡量销售顾问在特定客户场景下的真实服务水平，进而削弱了话术质检对销售能力提升的实质性指导作用。因此，本领域亟需一种能够自动识别客户进店状态与意向偏好，并据此动态调整评分权重与维度的销售话术个性化评分方法，以克服上述缺陷，满足4s店对销售服务质量进行精准化、智能化管理的迫切需求。

技术实现思路

1、本发明的目的在于提供一种基于客户状态感知的4s店销售话术个性化评分方法，解决了现有技术中销售话术评分缺少对客户状态的实时感知能力，无法基于客户进店次数与意向车型进行差异化评分，导致评分结果与客户实际需求脱节、缺乏客观性和个性化指导价值的问题。

2、为实现上述目的，本发明提供了一种基于客户状态感知的4s店销售话术个性化评分方法，包括以下步骤：

3、获取原始试驾录音音频，对所述原始试驾录音音频进行格式标准化、降噪预处理和有效语音段检测，得到标准化音频数据；

4、对所述标准化音频数据进行声纹分离处理，区分客户语音和销售语音，提取销售语音片段和客户语音片段；

5、对所述客户语音片段进行声纹识别，提取声纹嵌入向量，将所述声纹嵌入向量与客户声纹库中的已知客户声纹特征进行匹配，判断客户身份及进店次数；

6、对所述客户语音片段进行asr转写，得到客户语音文本，对所述客户语音文本进行关键词提取和语义分析，识别客户意向车型；

7、对所述销售语音片段进行asr转写，得到销售语音文本，调用大语言模型对所述销售语音文本进行话术分析，生成销售话术在多个预设评分维度上的评分结果；

8、根据所述客户身份及进店次数确定客户状态，根据所述客户状态动态调整各所述预设评分维度的评分权重，并根据所述客户意向车型与销售顾问介绍车型的匹配程度计算话术匹配度，利用所述评分权重、所述话术匹配度以及各所述预设评分维度的评分结果计算综合评分；

9、输出包括所述综合评分、各所述预设评分维度的评分结果以及客户信息的质检报告。

10、其中，对所述标准化音频数据进行声纹分离处理，区分客户语音和销售语音，具体包括：

11、使用声纹分离算法识别所述标准化音频数据中不同说话人的语音段，标记各语音段所属说话人；

12、对每个语音段计算质量分数；

13、将分离出的声纹与预存的员工声纹库进行比对，确认销售语音段；

14、从所述销售语音段中提取销售语音片段，从客户语音段中提取客户语音片段。

15、其中，对所述客户语音片段进行声纹识别，提取声纹嵌入向量，将所述声纹嵌入向量与客户声纹库中的已知客户声纹特征进行匹配，判断客户身份及进店次数，具体包括：

16、从所述客户语音片段中提取192维声纹嵌入向量，并计算所述客户语音片段的质量分数；

17、根据所述质量分数生成动态匹配阈值，所述动态匹配阈值的计算方式为：，其中，；

18、式中，表示根据语音质量动态生成的声纹匹配阈值；表示预先设定的基础匹配阈值；α表示阈值调节系数，用于控制语音质量对匹配阈值的影响幅度；q(v)表示所述客户语音片段的声纹质量分数。

19、计算所述声纹嵌入向量与客户声纹库中各已知客户声纹中心向量的余弦相似度；

20、针对各已知客户，计算时序衰减融合评分，所述时序衰减融合评分的计算方式为：，其中，；

21、式中，表示当前客户与第i个已知客户的时序衰减融合评分；表示当前客户声纹与第i个已知客户声纹的余弦相似度；表示第i个已知客户的时间衰减因子；表示第i个已知客户的访问频率因子；α、β、γ分别为声纹相似度、时间衰减因子和访问频率因子对应的加权系数，且α+β+γ=1；e为自然常数；λ表示时间衰减速率系数；δt表示当前访问时间与第i个已知客户上次访问时间之间的时间间隔；τ表示时间衰减的特征时间尺度；n表示第i个已知客户的历史访问次数；n表示访问频率归一化的参考次数。

22、将最高的所述时序衰减融合评分与确认阈值进行比较，若最高的所述时序衰减融合评分大于或等于所述确认阈值，则判定当前客户为对应的已知客户，输出客户身份及进店次数，否则判定当前客户为新客户，创建新客户档案并设定进店次数为初始值。

23、其中，对所述客户语音文本进行关键词提取和语义分析，识别客户意向车型，具体包括：

24、从所述客户语音文本中提取车型名称关键词、车型属性关键词及比较词汇，计算各车型的语义意向分数；

25、根据客户历史访问记录，对各车型计算历史意向分数，所述历史意向分数的计算方式为：各车型的访问频率、关注时长经时间衰减加权后的累加和；

26、将所述语义意向分数和所述历史意向分数进行加权融合，得到各车型的综合意向分数，所述加权融合的计算方式为：，自适应权重：首次客户α=0.85,β=0.15；回头客α=0.50,β=0.50；

27、式中，表示第i个车型的综合意向分数；表示第i个车型的语义意向分数；表示第i个车型的历史意向分数；α、β分别为语义意向分数和历史意向分数对应的加权系数，且α+β=1。

28、按照所述综合意向分数对各车型进行排序，将所述综合意向分数最高的车型确定为意向车型，并计算所述意向车型的置信度。

29、其中，调用大语言模型对所述销售语音文本进行话术分析，生成销售话术在多个预设评分维度上的评分结果，具体包括：

30、调用大语言模型对所述销售语音文本进行分析，提取介绍车型列表、政策内容和话术模板，并在问候规范性、车型介绍完整性、金融政策讲解准确性、试驾安全提示充分性和后续邀约有效性五个预设评分维度上分别进行连续3次采样评分；

31、对3次采样评分结果进行加权平均，得到各维度的语言模型评分；

32、对各所述预设评分维度进行关键词规则匹配，遍历必选项累加匹配分，遍历禁忌项扣减惩罚分，得到各维度的规则评分；

33、对各所述预设评分维度，将所述语言模型评分和所述规则评分进行加权融合，得到各所述预设评分维度的最终评分结果。

34、其中，根据所述客户身份及进店次数确定客户状态，根据所述客户状态动态调整各所述预设评分维度的评分权重，具体包括：

35、设定各预设评分维度的基础权重，所述基础权重为：问候规范性占15%、车型介绍完整性占35%、金融政策讲解准确性占20%、试驾安全提示充分性占15%、后续邀约有效性占15%；

36、当所述进店次数为首次时，调整后权重为：问候规范性占20%、车型介绍完整性占40%、金融政策讲解准确性占20%、试驾安全提示充分性占10%、后续邀约有效性占10%；

37、当所述进店次数大于或等于两次时，调整后权重为：问候规范性占10%、车型介绍完整性占25%、金融政策讲解准确性占30%、试驾安全提示充分性占10%、后续邀约有效性占25%；

38、各预设评分维度的实际权重按照自适应权重公式计算。

39、其中，根据所述客户意向车型与销售顾问介绍车型的匹配程度计算话术匹配度，利用所述评分权重、所述话术匹配度以及各所述预设评分维度的评分结果计算综合评分，具体包括：

40、提取销售顾问介绍车型集合和客户意向车型集合，计算所述销售顾问介绍车型集合与所述客户意向车型集合的杰卡德相似系数，将所述杰卡德相似系数作为话术匹配度；

41、当所述话术匹配度小于0.6时，对车型介绍完整性维度的最终评分结果乘以0.75，否则车型介绍完整性维度的最终评分结果保持不变；

42、将各预设评分维度的最终评分结果与对应的动态调整后的评分权重相乘后累加，再乘以匹配因子，得到综合评分。

43、本发明的一种基于客户状态感知的4s店销售话术个性化评分方法，首先对原始录音进行格式标准化和降噪预处理，以获得标准化音频数据，继而对所述标准化音频数据进行声纹分离，以区分客户语音与销售语音，并分别提取客户语音片段和销售语音片段；然后一方面对客户语音片段依次进行声纹识别以确定客户身份与进店次数，以及asr转写结合语义分析以识别客户意向车型，另一方面对销售语音片段进行asr转写，并调用大语言模型生成多个预设评分维度的初始评分结果；最后，根据客户身份及进店次数动态调整各预设评分维度的权重，并结合客户意向车型与销售顾问介绍车型之间的话术匹配度计算综合评分，通过从音频输入到综合评分输出的完整流程，实现了对销售话术质量的自动化、个性化评估。以asr、声纹识别及大语言模型的全自动化流程取代了传统人工质检，使话术评分脱离对质检人员主观经验的依赖，显著提升了质检覆盖率与评分一致性；同时借助声纹自动关联客户历史档案，实现了客户进店状态与意向偏好的实时感知；更重要的是，通过依据客户进店次数动态调整评分权重、引入话术-意向匹配度计算，使评分体系能够针对不同状态客户实现差异化评估，有效克服了统一评分标准与客户实际需求脱节的缺陷，从而为4s店提供了兼具客观性、精准性与个性化指导价值的销售服务质量评估手段。