一种客户匹配方法、装置、系统及计算机程序产品与流程

1.本公开实施例涉及计算机技术领域，具体涉及一种客户匹配方法、装置、系统及计算机程序产品。


背景技术：

2.在客户关系管理(customer relationship management，crm)领域，需要协调销售人员(简称销售)与客户之间的交互。
3.目前，销售通过盘点客户、上门拜访、签单、客勤调研等信息实现客户管理，这种管理方式消耗销售的大量时间，效率较低。为了提高效率，一些相关技术提供客户搜索功能，节省销售的时间，但是仍然需要销售主动搜索客户，效率仍然可以提高。


技术实现要素：

4.本公开的至少一个实施例提供了一种客户匹配方法、装置、系统、介质及计算机程序产品。
5.第一方面，本公开实施例提出一种客户匹配方法，该方法包括：
6.获取待分发客户的客户画像，并获取多个候选销售的销售画像；
7.基于客户画像确定多个评价特征的值，多个评价特征用于从不同维度评价待分发客户的客户等级；
8.基于多个候选销售的销售画像，确定每个候选销售的多个作业特征的值，多个作业特征用于从不同维度评价候选销售的销售能力；
9.基于客户画像、多个候选销售的销售画像、多个评价特征的值和多个作业特征的值，从多个候选销售中选择与待分发客户匹配的目标销售。
10.在一些实施例中，基于客户画像、多个候选销售的销售画像、多个评价特征的值和多个作业特征的值，从多个候选销售中选择与待分发客户匹配的目标销售，包括：
11.基于多个评价特征的值和多个作业特征的值，从多个候选销售中确定与待分发客户匹配的候选销售列表；
12.基于客户画像、多个候选销售的销售画像，从预先搭建的多个匹配干扰策略中选择目标匹配干扰策略；
13.基于目标匹配干扰策略，对候选销售列表进行匹配干扰，以更新候选销售列表中各候选销售的排序，并将更新排序后排在首位的候选销售确定为与待分发客户匹配的目标销售。
14.在一些实施例中，基于多个评价特征的值和多个作业特征的值，从多个候选销售中确定与待分发客户匹配的候选销售列表，包括：
15.通过预先训练的匹配模型对多个评价特征的值和多个作业特征的值进行特征匹配，输出候选销售列表；其中，匹配模型通过以下方式训练得到：
16.从客户库中获取多个已签单客户的客户画像以及每个已签单客户对应销售的销
售画像；
17.确定每个已签单客户的多个评价特征的值以及每个已签单客户对应销售的多个作业特征的值；
18.将每个已签单客户的多个评价特征的值以及每个已签单客户对应销售的多个作业特征的值作为训练样本数据输入多目标模型，多目标模型以作业特征为目标，通过调整多目标模型本身的参数，直至多目标模型输出与每个已签单客户匹配的销售为每个已签单客户对应的销售，则完成训练，得到匹配模型。
19.在一些实施例中，获取多个候选销售的销售画像，包括：
20.获取预先配置的客户归属规则，客户归属规则用于指定客户归属的销售所在的区域或组织；
21.从销售库中查找客户归属规则对应的多个候选销售以及每个候选销售的历史相关数据；
22.基于每个候选销售的历史相关数据生成对应的销售画像。
23.在一些实施例中，获取多个候选销售的销售画像，包括：
24.获取预先配置的候选销售筛选规则，候选销售筛选规则包括多个筛选条件；
25.从销售库中查找满足多个筛选条件的多个候选销售以及每个候选销售的历史相关数据；
26.基于每个候选销售的历史相关数据生成对应的销售画像。
27.在一些实施例中，获取多个候选销售的销售画像，包括：
28.针对任一客户数据源，从销售库中获取订阅客户数据源的多个候选销售以及每个候选销售的历史相关数据；
29.基于每个候选销售的历史相关数据生成对应的销售画像；
30.相应地，获取待分发客户的客户画像，包括：
31.针对任一客户数据源，基于客户数据源对应的客户筛选模型，从客户库中选取多个待分发客户以及每个待分发客户的历史相关数据；
32.基于每个待分发客户的历史相关数据生成对应的客户画像。
33.在一些实施例中，获取待分发客户的客户画像后，客户匹配方法还包括：
34.若获取到预先配置的客户分发规则，则基于客户分发规则，查找待分发客户的客户画像符合的目标规则项；其中，客户分发规则包括多个规则项，每个规则项用于指定符合预设客户信息的客户归属的销售；
35.确定目标规则项指定的销售为与待分发客户匹配的目标销售。
36.第二方面，本公开实施例还提供一种客户匹配装置，该装置包括：
37.获取单元，用于获取待分发客户的客户画像，并获取多个候选销售的销售画像；
38.第一确定单元，用于基于客户画像确定多个评价特征的值，多个评价特征用于从不同维度评价待分发客户的客户等级；
39.第二确定单元，用于基于多个候选销售的销售画像，确定每个候选销售的多个作业特征的值，多个作业特征用于从不同维度评价候选销售的销售能力；
40.匹配单元，用于基于客户画像、多个候选销售的销售画像、多个评价特征的值和多个作业特征的值，从多个候选销售中选择与待分发客户匹配的目标销售。
41.第三方面，本公开实施例还提供一种包括至少一个计算装置和至少一个存储指令的存储装置的系统，其中，指令在被至少一个计算装置运行时，促使至少一个计算装置执行如第一方面任一实施例所述客户匹配方法的步骤。
42.第四方面，本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面所述客户匹配方法的步骤。
43.第五方面，本公开实施例还提供一种计算机程序产品，其中，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中，计算机的至少一个处理器从存储介质读取并执行该计算机程序，使得计算机执行如第一方面任一实施例所述客户匹配方法的步骤。
44.可见，本公开的至少一个实施例中，通过多个评价特征从不同维度评价待分发客户的客户等级，并通过多个作业特征从多维度评价候选销售的销售能力，因此，多个评价特征的值和多个作业特征的值能够比较客观地辅助选择销售能力可以满足客户等级需求的候选销售，实现待分发客户与多个候选销售的初始匹配；而客户画像和销售画像可以补充除了评价特征和作业特征之外的信息，对初始匹配起到匹配干扰的作用，以便从初始匹配的多个候选销售中选择较优匹配的目标销售。
附图说明
45.为了更清楚地说明本公开实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
46.图1为本公开实施例提供的一种客户匹配方法的流程示意图；
47.图2为本公开实施例提供的一种从多个候选销售中选择与待分发客户匹配的目标销售的流程示意图；
48.图3为本公开实施例提供的一种获取多个候选销售的销售画像的流程示意图；
49.图4为本公开实施例提供的一种客户分发规则的配置页面的示意图；
50.图5为本公开实施例提供的另一种客户匹配方法的流程示意图；
51.图6为本公开实施例提供的另一种获取多个候选销售的销售画像的流程示意图；
52.图7为本公开实施例提供的一种候选销售筛选规则的配置页面示意图；
53.图8为本公开实施例提供的又一种获取多个候选销售的销售画像的流程示意图；
54.图9为本公开实施例提供的一种客户匹配装置的示意图；
55.图10为本公开实施例提供的一种包括至少一个计算装置和至少一个存储指令的存储装置的系统的示例性框图。
具体实施方式
56.为了能够更清楚地理解本公开的上述目的、特征和优点，下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。基于所描述的本公开的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本公开保护的范围。
57.需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
58.在客户关系管理过程中，需要将潜在客户(简称潜客)的信息分发给销售(即分发对象)，其中，分发可以理解为将潜在客户的信息直接转移到分发对象的客户库内，以便潜在客户的访问、跟进、签单。因此，需要管理员配置分发对象，但是存在分发对象配置无效、分发对象配置不合理等场景，消耗了管理员的时间，配置效率较低。另外，销售在盘点客户时需要从海量的客户数据中进行筛选，消耗销售大量的时间，盘点效率较低。
59.因此，本公开的至少一个实施例提供一种客户匹配方法、装置、系统、介质或计算机程序产品，通过多个评价特征从不同维度评价待分发客户的客户等级，并通过多个作业特征从多维度评价候选销售的销售能力，因此，多个评价特征的值和多个作业特征的值能够比较客观地辅助选择销售能力可以满足客户等级需求的候选销售，实现待分发客户与多个候选销售的初始匹配；而客户画像和销售画像可以补充除了评价特征和作业特征之外的信息，对初始匹配起到匹配干扰的作用，以便从初始匹配的多个候选销售中选择较优匹配的目标销售。
60.图1为本公开实施例提供的一种客户匹配方法的流程示意图，该方法的执行主体为电子设备。电子设备可以为智能手机、平板电脑、笔记本电脑、智能运动装备等便携移动设备；也可以为个人计算机、智能家电、服务器等固定式设备，其中，服务器可以是单个服务器，可以是服务器集群，服务器集群可以是分布式集群，也可以是集中式集群。
61.如图1所示，客户匹配方法可以包括但不限于以下步骤101至步骤104：
62.在步骤101中，获取待分发客户的客户画像，并获取多个候选销售的销售画像。
63.其中，待分发客户可以理解为没有配置分发对象(即销售)的潜在客户(简称潜客)；候选销售可以理解为能够为待分发客户提供销售服务的专业人员。
64.客户画像可以包括但不限于以下至少一项：基本信息、定招信息和行为信息。其中，基本信息包括但不限于：工商信息、联系人信息、行业信息、公司外贸信息等。定招信息包括但不限于：红蓝海指数信息等。行为信息包括但不限于：与销售相关的行为(拜访、跟进等)、客户自身的行为(访问网页、填写表单等)、客户的兴趣指数(例如客户访问的不同产品的频次)等。
65.销售画像可以包括但不限于以下至少一项：销售偏好、销售属性和销售意愿。销售偏好包括但不限于：行业偏好、地域偏好等。销售属性包括但不限于：所属组织等。销售意愿包括但不限于：学习指标信息(例如学习各种作业方式的学习指标)、作业指标信息(不同作业方式对应不同的作业指标)等，其中，作业方式包括但不限于：捡入、拜访、跟进、签单等。
66.在一些实施例中，客户画像可以基于客户的相关数据生成，其中，客户的相关数据包括但不限于：客户的基本信息和行为信息。而客户画像中的定招信息可以基于客户的基本信息进行确定，例如，基于客户的基本信息中的行业信息和公司外贸信息确定红蓝海指数信息。
67.在一些实施例中，销售画像可以基于销售的相关数据生成，其中，销售的相关数据包括但不限于：销售的基本信息和销售的作业数据。销售的基本信息包括但不限于：销售所属行业、所属地域、所属组织等；销售的作业数据包括但不限于：捡入、拜访、跟进、签单等。
而销售画像中的销售意愿可以基于销售的作业数据进行确定。
68.在一些实施例中，获取待分发客户的方式可以为：基于待分发客户的线上实时行为，获取待分发客户。在另一些实施例中，若某个销售订阅了某个客户数据源的客户数据，则从该客户数据源获取待分发客户。
69.在步骤102中，基于客户画像确定多个评价特征的值，多个评价特征用于从不同维度评价待分发客户的客户等级。
70.其中，多个评价特征包括但不限于：客户外贸匹配度、客户信息完整度、销售跟进疲劳度、客户签单意愿度等。客户外贸匹配度用于表示客户进行外贸的可信程度；客户信息完整度用于表示客户基本信息的完整程度；销售跟进疲劳度用于表示销售与客户交互的频繁程度；客户签单意愿度用于表示客户进行签单的可信程度。
71.客户外贸匹配度、客户信息完整度、客户签单意愿度均与客户等级呈正相关，也即，客户外贸匹配度、客户信息完整度、客户签单意愿度越高，则客户等级越高。
72.销售跟进疲劳度与客户等级呈负相关，也即，销售跟进疲劳度越低，则客户等级越高。
73.在步骤103中，基于多个候选销售的销售画像，确定每个候选销售的多个作业特征的值，多个作业特征用于从不同维度评价候选销售的销售能力。
74.其中，多个作业特征包括但不限于：客户捡入率、客户签单率、客户留存率、客户拜访回访度率等。销售能力包括但不限于：认知能力、签单能力、转化能力、服务能力等。
75.客户捡入率用于表征销售的认知能力；客户签单率用于表征销售的签单能力；客户留存率用于表征销售的转化能力；客户拜访回访度率用于表征销售的服务能力。
76.客户捡入率、客户签单率、客户留存率、客户拜访回访度率均与销售能力呈正相关，也即，客户捡入率、客户签单率、客户留存率、客户拜访回访度率越高，则销售能力越强。
77.在步骤104中，基于客户画像、多个候选销售的销售画像、多个评价特征的值和多个作业特征的值，从多个候选销售中选择与待分发客户匹配的目标销售。
78.由于多个评价特征的值可以从不同维度评价待分发客户的客户等级，且多个作业特征的值可以从不同维度评价候选销售的销售能力，因此，多个评价特征的值和多个作业特征的值能够比较客观地辅助选择销售能力可以满足客户等级需求的候选销售，实现待分发客户与多个候选销售的初始匹配。
79.而客户画像和销售画像可以补充除了评价特征和作业特征之外的信息，对初始匹配起到匹配干扰的作用，以便从初始匹配的多个候选销售中选择较优匹配的目标销售。
80.在选择与待分发客户匹配的目标销售后，可以将待分发客户的信息分发到目标销售的客户库内，以便待分发客户的访问、跟进、签单。
81.在一些实施例中，在选择与待分发客户匹配的目标销售后，可以基于与待分发客户同法人、同股东、同行业等规则，向目标销售进行客户推荐，提高客户盘点效率。
82.基于图1所示的客户匹配方法，在一些实施例中，图2为本公开实施例提供的一种从多个候选销售中选择与待分发客户匹配的目标销售的流程示意图，包括如下步骤201至步骤203：
83.在步骤201中，基于多个评价特征的值和多个作业特征的值，从多个候选销售中确定与待分发客户匹配的候选销售列表。
84.本公开实施例中，通过预先训练的匹配模型对多个评价特征的值和多个作业特征的值进行特征匹配，输出候选销售列表。其中，匹配模型通过以下方式(1)至(3)训练得到：
85.(1)从客户库中获取多个已签单客户的客户画像以及每个已签单客户对应销售的销售画像。
86.(2)确定每个已签单客户的多个评价特征的值以及每个已签单客户对应销售的多个作业特征的值。
87.(3)将每个已签单客户的多个评价特征的值以及每个已签单客户对应销售的多个作业特征的值作为训练样本数据输入多目标模型，多目标模型以作业特征为目标，通过调整多目标模型本身的参数，直至多目标模型输出与每个已签单客户匹配的销售为每个已签单客户对应的销售，则完成训练，得到匹配模型。
88.其中，多目标模型例如为mmoe(multi-gate mixture-of-experts，多门混合专家)模型，还可以为其他的能够以学习多目标的模型。
89.可以理解，若训练了多个匹配模型，可以通过ab测试来选择较优的匹配模型进行匹配操作，其中，ab测试属于本领域的成熟技术，不再赘述。
90.在一些实施例中，通过更换匹配模型的匹配算法、调整匹配模型的参数和/或增加训练样本等方式优化匹配模型，可以提高销售作业效率、大盘跟进和客户转化率。
91.在步骤202中，基于客户画像、多个候选销售的销售画像，从预先搭建的多个匹配干扰策略中选择目标匹配干扰策略。
92.其中，匹配干扰策略可以基于销售已签单客户、已拜访客户的客户画像以及销售的销售画像来确定。
93.本公开实施例中，预先搭建的多个匹配干扰策略包括但不限于：基于地域的匹配干扰策略、基于行业的匹配干扰策略等。其中，基于地域的匹配干扰策略为：若候选销售的地域与待分发客户的地域一致时，强干扰匹配，地域可以根据实际场景进行设置，例如，地域为三级地址：省市区。基于行业的匹配干扰策略为：若候选销售的行业与待分发客户的行业一致时，强干扰匹配。
94.本公开实施例中，基于客户画像、多个候选销售的销售画像，对预先搭建的多个匹配干扰策略进行ab测试，将匹配效果较好的匹配干扰策略作为目标匹配干扰策略，其中，ab测试为本领域的成熟技术，不再赘述；匹配效果可以通过匹配的销售的能力高低进行表征，销售能力越高，说明客户签单的可能性更高。
95.在步骤203中，基于目标匹配干扰策略，对候选销售列表进行匹配干扰，以更新候选销售列表中各候选销售的排序，并将更新排序后排在首位的候选销售确定为与待分发客户匹配的目标销售。
96.例如，目标匹配干扰策略为基于行业的匹配干扰策略，则对候选销售列表进行行业匹配干扰，以更新候选销售列表中各候选销售的排序，与待分发客户的同行业的候选销售的排序在非同行业的候选销售的排序之前。
97.可见，利用多维度评价客户等级的多个评价特征以及多维度评价销售能力的多个作业特征，实现客户与多个候选销售的初始匹配；进而，基于客户画像和销售画像，对初始匹配进行匹配干扰，例如基于客户画像和销售画像中的行业信息进行强匹配，以便从初始匹配的多个候选销售中选择较优匹配(例如行业匹配)的目标销售。
98.基于图1所示的客户匹配方法，在一些实施例中，图3为本公开实施例提供的一种获取多个候选销售的销售画像的流程示意图，包括如下步骤301至步骤303：
99.在步骤301中，获取预先配置的客户归属规则，客户归属规则用于指定客户归属的销售所在的区域或组织。
100.其中，客户归属规则是管理人员预先配置的规则，管理人员可以理解为潜客管理员，其职能为确定不同销售所在的区域或组织所负责的客户，也即，可以确定某一客户归属到哪个区域或哪个组织。
101.在步骤302中，从销售库中查找客户归属规则对应的多个候选销售以及每个候选销售的历史相关数据。
102.由于客户归属规则指定了待分发客户归属的销售所在的区域或组织，而区域或组织中包括多个销售，因此，将这些销售作为候选销售，也即，最终匹配的目标销售是从这些候选销售中选取。
103.销售库中沉淀有候选销售的历史相关数据，历史相关数据包括但不限于：销售的基本信息和销售的作业数据。销售的基本信息包括但不限于：销售所属行业、所属地域、所属组织等；销售的作业数据包括但不限于：拜访、跟进、签单等。
104.在步骤303中，基于每个候选销售的历史相关数据生成对应的销售画像。
105.基于历史相关数据中销售的基本信息(例如销售所属行业、所属地域、所属组织等)，生成销售画像中的销售偏好(例如行业偏好、地域偏好等)和销售属性(例如所属组织等)。
106.基于历史相关数据中销售的作业数据(例如捡入、拜访、跟进、签单等)，生成销售画像中的销售意愿(例如学习指标信息、作业指标信息等)。
107.可见，图3所示的实施例适用于预先配置有客户归属规则的场景，在该场景下，候选销售由客户归属规则限定，虽然需要人工(管理人员)介入，但是由于管理人员为专业能力较强的专家，因此，候选销售的选择较准确，使得最终与待分发客户匹配的目标销售也较准确，可以提高签单的成功率。
108.在图3所示的实施例基础上，管理人员可以进一步配置客户分发规则，客户分发规则可以理解为哪些客户分发给哪些销售，也即，客户分发规则明确指定了待分发客户的分发对象(即销售)。图4为本公开实施例提供的一种客户分发规则的配置页面的示意图，该配置页面由管理人员进行专业配置。在图4中明确指定了利用客户所属地域来确定分发对象，销售x(即具体的销售人员x)负责a省m市的客户对接，销售y(即具体的销售人员y)负责b省n市的客户对接，销售z(即具体的销售人员z)负责c省o市的客户对接。需要说明的是，管理人员可以根据实际应用场景来配置具体的客户分发规则，本实施例不限定客户分发规则的具体内容。
109.基于图4所示的客户分发规则，在一些实施例中，图5为本公开实施例提供的另一种客户匹配方法的流程示意图，包括但不限于如下步骤501和步骤502：
110.在步骤501中，获取待分发客户的客户画像后，若获取到预先配置的客户分发规则，则基于客户分发规则，查找待分发客户的客户画像符合的目标规则项。
111.其中，客户分发规则包括多个规则项，每个规则项用于指定符合预设客户信息的客户归属的销售。例如，图4所示的客户分发规则中，每个序号对应的规则明细和分发对象
可以理解为一个规则项，即图4中共有3个规则项。
112.若没有获取到预先配置的客户分发规则，则执行图1所示的步骤101至104即可。
113.在步骤502中，确定目标规则项指定的销售为与待分发客户匹配的目标销售。
114.例如，图4中，若待分发客户命中序号1的规则明细，也即待分发客户的地域属于a省m市，则确定销售x为与待分发客户匹配的目标销售。
115.基于图1所示的客户匹配方法，在一些实施例中，图6为本公开实施例提供的另一种获取多个候选销售的销售画像的流程示意图，包括如下步骤601至步骤603：
116.在步骤601中，获取预先配置的候选销售筛选规则，候选销售筛选规则包括多个筛选条件。
117.图7为本公开实施例提供的一种候选销售筛选规则的配置页面示意图，在图7中，候选销售筛选规则包括跟进排名规则、基本规则和黑名单。黑名单中记录的销售不可以作为候选销售。
118.跟进排名规则由多个筛选条件构成：跟进排名类型下的排名规则、新人占比、统计周期，其中，跟进排名类型包括新签跟进排名，新签可以理解为新客户签单，新签跟进排名可以理解为新签客户的跟进排名，通过统计不同销售的签单、跟进数据可以确定新签跟进排名。
119.基本规则由多个筛选条件构成：上周期有上门拜访、上周期分发客户无强开(强开可以理解为销售强制客户签单)、跟进率类型下的跟进率规则。
120.可以理解，候选销售筛选规则由专业人员进行配置，候选销售筛选规则包括的筛选条件可以根据实际应用场景进行增加、删除或修改。
121.在步骤602中，从销售库中查找满足多个筛选条件的多个候选销售以及每个候选销售的历史相关数据。
122.同时满足多个筛选条件的销售作为候选销售，利用多个筛选条件，可以从销售可中筛选出多个候选销售。
123.销售库中沉淀有候选销售的历史相关数据，历史相关数据包括但不限于：销售的基本信息和销售的作业数据。销售的基本信息包括但不限于：销售所属行业、所属地域、所属组织等；销售的作业数据包括但不限于：拜访、跟进、签单等。
124.在步骤603中，基于每个候选销售的历史相关数据生成对应的销售画像。
125.基于历史相关数据中销售的基本信息(例如销售所属行业、所属地域、所属组织等)，生成销售画像中的销售偏好(例如行业偏好、地域偏好等)和销售属性(例如所属组织等)。
126.基于历史相关数据中销售的作业数据(例如捡入、拜访、跟进、签单等)，生成销售画像中的销售意愿(例如学习指标信息、作业指标信息等)。
127.可见，图6所示的实施例适用于自动确定候选销售的场景，也即人工未设置客户归属规则和客户分发规则的场景，在该场景下，基于销售库中沉淀的各销售的历史相关数据，可以筛选出同时满足多个筛选条件的候选销售，进而，利用候选销售的历史相关数据生成对应的销售画像。由于候选销售筛选规则的多个筛选条件由专业人员设置，因此，候选销售的选择较准确，使得最终与待分发客户匹配的目标销售也较准确，可以提高签单的成功率。
128.基于图1所示的客户匹配方法，在一些实施例中，图8为本公开实施例提供的又一
种获取多个候选销售的销售画像的流程示意图，包括如下步骤801和步骤802：
129.在步骤801中，针对任一客户数据源，从销售库中获取订阅客户数据源的多个候选销售以及每个候选销售的历史相关数据。
130.其中，客户数据源可以有多个，销售可以订阅一个或多个客户数据源，以便从订阅的客户数据源获取客户。因此，针对任一客户数据源，可以确定订阅该客户数据源的所有销售，将这些销售确定为候选销售。
131.本公开实施例中，不同的客户数据源通过不同的客户筛选模型从客户库中选取不同的客户，也即，客户筛选模型的数量表征了客户数据源的数量。
132.在一些实施例中，客户筛选模型包括质量分模型、金品模型、行业模型等。其中，质量分模型为基于客户信息完整度对客户进行打分的模型；金品模型为基于客户规模和客户营收对客户进行区分的模型，用于筛选出大客户；行业模型为基于客户所处的行业对客户进行行业划分，实现行业匹配。可以理解，本实施例提供的客户筛选模型仅为举例说明，本领域技术人员可以根据实际应用场景和需求，配置不同的客户筛选模型。
133.在步骤802中，基于每个候选销售的历史相关数据生成对应的销售画像。
134.基于历史相关数据中销售的基本信息(例如销售所属行业、所属地域、所属组织等)，生成销售画像中的销售偏好(例如行业偏好、地域偏好等)和销售属性(例如所属组织等)。
135.基于历史相关数据中销售的作业数据(例如捡入、拜访、跟进、签单等)，生成销售画像中的销售意愿(例如学习指标信息、作业指标信息等)。
136.在图8所示的实施例的基础上，图1中步骤101所述的获取待分发客户的客户画像，具体为：针对任一客户数据源，基于客户数据源对应的客户筛选模型，从客户库中选取多个待分发客户以及每个待分发客户的历史相关数据；进而，基于每个待分发客户的历史相关数据生成对应的客户画像。
137.可见，图8所示的实施例适用于销售订阅客户数据源的场景，在该场景下，可以利用客户数据源快速获取待分发客户，并获取订阅同一客户数据源快速获取候选销售，提高后续匹配的时效性，因此，待分发客户与候选销售与同一客户数据源相关，候选销售的选择较准确，使得最终与待分发客户匹配的目标销售也较准确，可以提高签单的成功率。
138.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员能够理解，本公开实施例并不受所描述的动作顺序的限制，因为依据本公开实施例，某些步骤可以采用其他顺序或者同时进行。另外，本领域技术人员能够理解，说明书中所描述的实施例均属于可选实施例。
139.图9为本公开实施例提供的一种客户匹配装置的示意图，该客户匹配装置的执行主体为电子设备。电子设备可以为智能手机、平板电脑、笔记本电脑、智能运动装备等便携移动设备；也可以为个人计算机、智能家电、服务器等固定式设备，其中，服务器可以是单个服务器，可以是服务器集群，服务器集群可以是分布式集群，也可以是集中式集群。如图9所示，客户匹配装置可以包括但不限于：获取单元91、第一确定单元92、第二确定单元93和匹配单元94。
140.获取单元91，用于获取待分发客户的客户画像，并获取多个候选销售的销售画像；
141.第一确定单元92，用于基于客户画像确定多个评价特征的值，多个评价特征用于
从不同维度评价待分发客户的客户等级；
142.第二确定单元93，用于基于多个候选销售的销售画像，确定每个候选销售的多个作业特征的值，多个作业特征用于从不同维度评价候选销售的销售能力；
143.匹配单元94，用于基于客户画像、多个候选销售的销售画像、多个评价特征的值和多个作业特征的值，从多个候选销售中选择与待分发客户匹配的目标销售。
144.在一些实施例中，匹配单元94，用于：
145.基于多个评价特征的值和多个作业特征的值，从多个候选销售中确定与待分发客户匹配的候选销售列表；
146.基于客户画像、多个候选销售的销售画像，从预先搭建的多个匹配干扰策略中选择目标匹配干扰策略；
147.基于目标匹配干扰策略，对候选销售列表进行匹配干扰，以更新候选销售列表中各候选销售的排序，并将更新排序后排在首位的候选销售确定为与待分发客户匹配的目标销售。
148.在一些实施例中，匹配单元94基于多个评价特征的值和多个作业特征的值，从多个候选销售中确定与待分发客户匹配的候选销售列表，包括：
149.通过预先训练的匹配模型对多个评价特征的值和多个作业特征的值进行特征匹配，输出候选销售列表；其中，匹配模型通过以下方式训练得到：
150.从客户库中获取多个已签单客户的客户画像以及每个已签单客户对应销售的销售画像；
151.确定每个已签单客户的多个评价特征的值以及每个已签单客户对应销售的多个作业特征的值；
152.将每个已签单客户的多个评价特征的值以及每个已签单客户对应销售的多个作业特征的值作为训练样本数据输入多目标模型，多目标模型以作业特征为目标，通过调整多目标模型本身的参数，直至多目标模型输出与每个已签单客户匹配的销售为每个已签单客户对应的销售，则完成训练，得到匹配模型。
153.在一些实施例中，获取单元91获取多个候选销售的销售画像，包括：
154.获取预先配置的客户归属规则，客户归属规则用于指定客户归属的销售所在的区域或组织；
155.从销售库中查找客户归属规则对应的多个候选销售以及每个候选销售的历史相关数据；
156.基于每个候选销售的历史相关数据生成对应的销售画像。
157.在一些实施例中，获取单元91获取多个候选销售的销售画像，包括：
158.获取预先配置的候选销售筛选规则，候选销售筛选规则包括多个筛选条件；
159.从销售库中查找满足多个筛选条件的多个候选销售以及每个候选销售的历史相关数据；
160.基于每个候选销售的历史相关数据生成对应的销售画像。
161.在一些实施例中，获取单元91获取多个候选销售的销售画像，包括：
162.针对任一客户数据源，从销售库中获取订阅客户数据源的多个候选销售以及每个候选销售的历史相关数据；
163.基于每个候选销售的历史相关数据生成对应的销售画像；
164.相应地，获取单元91获取待分发客户的客户画像，包括：
165.针对任一客户数据源，基于客户数据源对应的客户筛选模型，从客户库中选取多个待分发客户以及每个待分发客户的历史相关数据；
166.基于每个待分发客户的历史相关数据生成对应的客户画像。
167.在一些实施例中，客户匹配装置还包括第三确定单元，用于：
168.获取待分发客户的客户画像后，若获取到预先配置的客户分发规则，则基于客户分发规则，查找待分发客户的客户画像符合的目标规则项；其中，客户分发规则包括多个规则项，每个规则项用于指定符合预设客户信息的客户归属的销售；确定目标规则项指定的销售为与待分发客户匹配的目标销售。
169.以上公开的客户匹配装置各实施例的细节可参考前述的客户匹配方法各实施例的细节，为避免重复不再赘述。
170.图10是本公开实施例提供的一种包括至少一个计算装置和至少一个存储指令的存储装置的系统的示例性框图。在一些实施例中，该系统可用于大数据处理，至少一个计算装置和至少一个存储装置可以为分布式部署，使该系统为分布式数据处理集群。
171.如图10所示，该系统包括：至少一个计算装置1001、至少一个存储指令的存储装置1002。可以理解，本实施例中的存储装置1002可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
172.在一些实施方式中，存储装置1002存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。
173.其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础任务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器(media player)、浏览器(browser)等，用于实现各种应用任务。实现本公开实施例提供的客户匹配方法的程序可以包含在应用程序中。
174.在本公开实施例中，至少一个计算装置1001通过调用至少一个存储装置1002存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，至少一个计算装置1001用于执行本公开实施例提供的客户匹配方法各实施例的步骤。
175.本公开实施例提供的客户匹配方法可以应用于计算装置1001中，或者由计算装置1001实现。计算装置1001可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过计算装置1001中的硬件的集成逻辑电路或者软件形式的指令完成。上述的计算装置1001可以是通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
176.本公开实施例提供的客户匹配方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储装置1002，计算装置1001读取存储装置1002中的信
息，结合其硬件完成方法的步骤。
177.本公开实施例还提出一种计算机可读存储介质，计算机可读存储介质存储程序或指令，当程序或指令被至少一个计算装置运行时，使至少一个计算装置执行如客户匹配方法各实施例的步骤，为避免重复描述，在此不再赘述。其中，计算装置可以为图10所示的计算装置1001。在一些实施例中，计算机可读存储介质为非暂态计算机可读存储介质。
178.本公开实施例还提出一种计算机程序产品，其中，该计算机程序产品包括计算机程序，该计算机程序存储在非暂态计算机可读存储介质中，计算机的至少一个处理器从存储介质读取并执行该计算机程序，使得计算机执行如客户匹配方法各实施例的步骤，为避免重复描述，在此不再赘述。
179.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
180.本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。
181.本领域的技术人员能够理解，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。
182.虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。