一种基于人工智能的销售反馈方法及装置与流程

1.本发明涉及销售数据处理领域，具体而言，涉及一种基于人工智能的销售反馈方法及装置。


背景技术：

2.随着智能化科技的不断发展，人们的生活、工作、学习之中越来越多地用到了智能化设备，使用智能化科技手段，提高了人们生活的质量，增加了人们学习和工作的效率。
3.目前，在销售人员反馈销售数据的时候，通常将销售人员采集到的销售数据进行存储和分析，并根据销售人员制定的固定的销售数据反馈规则将销售数据进行分析和反馈，以便指导后期销售任务的进行，但是传统的销售数据反馈只能根据固定的销售数据反馈规则，将销售员采集到的销售数据进行反馈，而无法根据销售数据的历史情况和销售元素来进行销售数据反馈规则的调整，降低了销售数据反馈的灵活性，降低了销售数据反馈的准确度。
4.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明实施例提供了一种基于人工智能的销售反馈方法及装置，以至少解决现有技术中的销售数据反馈只能根据固定的销售数据反馈规则，将销售员采集到的销售数据进行反馈，而无法根据销售数据的历史情况和销售元素来进行销售数据反馈规则的调整，降低了销售数据反馈的灵活性，降低了销售数据反馈的准确度的技术问题。
6.根据本发明实施例的一个方面，提供了一种基于人工智能的销售反馈方法，包括：获取原始销售数据和预设销售规则；根据所述预设销售规则将所述原始销售数据进行分割，得到目标销售参数；将所述目标销售参数输入到销售反馈模型中，生成销售反馈数据。
7.可选的，所述原始销售数据包括：销售参数、销售对象。
8.可选的，在所述将所述目标销售参数输入到销售反馈模型中，生成销售反馈数据之前，所述方法还包括：训练所述销售反馈模型。
9.可选的，在所述将所述目标销售参数输入到销售反馈模型中，生成销售反馈数据之后，所述方法还包括：将所述销售反馈数据进行输出。
10.根据本发明实施例的另一方面，还提供了一种基于人工智能的销售反馈装置，包括：获取模块，用于获取原始销售数据和预设销售规则；分割模块，用于根据所述预设销售规则将所述原始销售数据进行分割，得到目标销售参数；反馈模块，用于将所述目标销售参数输入到销售反馈模型中，生成销售反馈数据。
11.可选的，所述原始销售数据包括：销售参数、销售对象。
12.可选的，所述装置还包括：训练模块，用于训练所述销售反馈模型。
13.可选的，所述装置还包括：输出模块，用于将所述销售反馈数据进行输出。
14.根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性
存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种基于人工智能的销售反馈方法。
15.根据本发明实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行一种基于人工智能的销售反馈方法。
16.在本发明实施例中，采用获取原始销售数据和预设销售规则；根据所述预设销售规则将所述原始销售数据进行分割，得到目标销售参数；将所述目标销售参数输入到销售反馈模型中，生成销售反馈数据的方式，解决了现有技术中的销售数据反馈只能根据固定的销售数据反馈规则，将销售员采集到的销售数据进行反馈，而无法根据销售数据的历史情况和销售元素来进行销售数据反馈规则的调整，降低了销售数据反馈的灵活性，降低了销售数据反馈的准确度的技术问题。
附图说明
17.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
18.图1是根据本发明实施例的一种基于人工智能的销售反馈方法的流程图；
19.图2是根据本发明实施例的一种基于人工智能的销售反馈装置的结构框图。
具体实施方式
20.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
21.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
22.根据本发明实施例，提供了一种基于人工智能的销售反馈方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
23.实施例一
24.图1是根据本发明实施例的一种基于人工智能的销售反馈方法的流程图，如图1所示，该方法包括如下步骤：
25.步骤s102，获取原始销售数据和预设销售规则。
26.具体的，为了达到本发明实施例的技术目的，首先需要对原始销售数据和销售规则进行获取，其中，预设销售规则可以是根据销售数据量的大小而确定的分割规则，用于将庞大的原始销售数据进行分割。
27.可选的，所述原始销售数据包括：销售参数、销售对象。
28.具体的，本发明实施例为了实现将销售人员录入的销售数据进行分析和反馈，首先需要获取原始销售数据和预设的销售规则，其中，预设销售规则用于对相应的原始销售数据进行分割等处理，以便形成可以进行反馈模型输入的目标销售参数，所述原始销售数据包括：销售参数、销售对象。
29.步骤s104，根据所述预设销售规则将所述原始销售数据进行分割，得到目标销售参数。
30.具体的，本发明实施例在获取了原始销售数据之后，需要根据预设销售规则对原始销售数据进行分割处理，在分割处理后的销售数据中进行整理和生产目标销售参数，即用于反馈销售数据的参数。
31.步骤s106，将所述目标销售参数输入到销售反馈模型中，生成销售反馈数据。
32.具体的，通过销售反馈神经网络模型可以对销售数据进行反馈分析，并将上述目标销售参数结合销售数据生成销售反馈数据。
33.需要说明的是，在进行目标销售参数的输入的时候，需要获取成熟的销售反馈模型，其中，销售反馈模型可以是通过dnn深度神经网络算法构建而成，并通过大量的历史输入和输出数据对该模型进行训练，得到较成熟的销售反馈模型，用于本发明实施例的目标销售参数特征向量的输出，并在输出端输出销售反馈数据，增加了销售反馈数据生成的精准度和效率。
34.可选的，在所述将所述目标销售参数输入到销售反馈模型中，生成销售反馈数据之前，所述方法还包括：训练所述销售反馈模型。
35.具体的，由于本发明实施例需要利用反馈模型将销售数据转化为销售反馈数据，因此还需要训练上述销售反馈模型，训练该模型所用到的数据可以是根据历史数据不断完善的神经网络模型。
36.可选的，在所述将所述目标销售参数输入到销售反馈模型中，生成销售反馈数据之后，所述方法还包括：将所述销售反馈数据进行输出。
37.具体的，在得到了销售反馈数据之后，需要将销售反馈数据进行输出，如将销售反馈数据输出至销售人员的移动终端，方便销售人员进行查看和分析。
38.另外，在对销售反馈数据进行输出之后，还可以将销售反馈数据通过处理器存储到存储模块，并将销售反馈数据作为后续销售反馈模型进行训练的训练数据进行输出，以保证销售反馈模型在深度神经网络算法之下，不断增加精准度和输出效率。
39.通过上述实施例，解决了现有技术中的销售数据反馈只能根据固定的销售数据反馈规则，将销售员采集到的销售数据进行反馈，而无法根据销售数据的历史情况和销售元素来进行销售数据反馈规则的调整，降低了销售数据反馈的灵活性，降低了销售数据反馈的准确度的技术问题。
40.实施例二
41.图2是根据本发明实施例的一种基于人工智能的销售反馈装置的结构框图，如图2
所示，该装置包括：
42.获取模块20，用于获取原始销售数据和预设销售规则。
43.具体的，为了达到本发明实施例的技术目的，首先需要对原始销售数据和销售规则进行获取，其中，预设销售规则可以是根据销售数据量的大小而确定的分割规则，用于将庞大的原始销售数据进行分割。
44.可选的，所述原始销售数据包括：销售参数、销售对象。
45.具体的，本发明实施例为了实现将销售人员录入的销售数据进行分析和反馈，首先需要获取原始销售数据和预设的销售规则，其中，预设销售规则用于对相应的原始销售数据进行分割等处理，以便形成可以进行反馈模型输入的目标销售参数，所述原始销售数据包括：销售参数、销售对象。
46.分割模块22，用于根据所述预设销售规则将所述原始销售数据进行分割，得到目标销售参数。
47.具体的，本发明实施例在获取了原始销售数据之后，需要根据预设销售规则对原始销售数据进行分割处理，在分割处理后的销售数据中进行整理和生产目标销售参数，即用于反馈销售数据的参数。
48.反馈模块24，用于将所述目标销售参数输入到销售反馈模型中，生成销售反馈数据。
49.具体的，通过销售反馈神经网络模型可以对销售数据进行反馈分析，并将上述目标销售参数结合销售数据生成销售反馈数据。
50.需要说明的是，在进行目标销售参数的输入的时候，需要获取成熟的销售反馈模型，其中，销售反馈模型可以是通过dnn深度神经网络算法构建而成，并通过大量的历史输入和输出数据对该模型进行训练，得到较成熟的销售反馈模型，用于本发明实施例的目标销售参数特征向量的输出，并在输出端输出销售反馈数据，增加了销售反馈数据生成的精准度和效率。
51.可选的，所述装置还包括：训练模块，用于训练所述销售反馈模型。
52.具体的，由于本发明实施例需要利用反馈模型将销售数据转化为销售反馈数据，因此还需要训练上述销售反馈模型，训练该模型所用到的数据可以是根据历史数据不断完善的神经网络模型。
53.可选的，所述装置还包括：输出模块，用于将所述销售反馈数据进行输出。
54.具体的，在得到了销售反馈数据之后，需要将销售反馈数据进行输出，如将销售反馈数据输出至销售人员的移动终端，方便销售人员进行查看和分析。
55.另外，在对销售反馈数据进行输出之后，还可以将销售反馈数据通过处理器存储到存储模块，并将销售反馈数据作为后续销售反馈模型进行训练的训练数据进行输出，以保证销售反馈模型在深度神经网络算法之下，不断增加精准度和输出效率。
56.根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种基于人工智能的销售反馈方法。
57.具体的，上述方法包括：获取原始销售数据和预设销售规则；根据所述预设销售规则将所述原始销售数据进行分割，得到目标销售参数；将所述目标销售参数输入到销售反
馈模型中，生成销售反馈数据。
58.根据本发明实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行一种基于人工智能的销售反馈方法。
59.具体的，上述方法包括：获取原始销售数据和预设销售规则；根据所述预设销售规则将所述原始销售数据进行分割，得到目标销售参数；将所述目标销售参数输入到销售反馈模型中，生成销售反馈数据。
60.通过上述实施例，解决了现有技术中的销售数据反馈只能根据固定的销售数据反馈规则，将销售员采集到的销售数据进行反馈，而无法根据销售数据的历史情况和销售元素来进行销售数据反馈规则的调整，降低了销售数据反馈的灵活性，降低了销售数据反馈的准确度的技术问题。
61.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
62.在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
63.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
64.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
65.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
66.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
67.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。