本發(fā)明涉及數字化管理，更具體地說，本發(fā)明是基于人工智能的企業(yè)數字化運營管理系統(tǒng)。

背景技術：

1、在進行企業(yè)數字化管理時，b2b業(yè)務和b2c業(yè)務的需求特點各不相同，b2b銷售通常很復雜，涉及多個步驟和多個買家，銷售周期需要耗時可能以年為單位，與典型的b2c銷售相比，b2b銷售的交易規(guī)模較大且頻率較低，b2b產品并非是普遍需要的，因此潛在客戶也很少，b2c銷售環(huán)境沒有b2b銷售環(huán)境那么復雜，整個b2c銷售過程通常以天為單位，而且在銷售環(huán)節(jié)的接觸點也更少，雖然交易規(guī)模較小，但每次購買的產品數量很多，b2c銷售的受眾和客戶細分也不像b2b銷售那樣狹窄，企業(yè)要關注廣泛的受眾群體以進行大規(guī)?？焖黉N售，客戶關系管理系統(tǒng)管理的目標受眾更廣泛；

2、迫于迅速變化的市場環(huán)境壓力，原本以b2b業(yè)務為導向的企業(yè)可能會轉向b2c市場，而原本以b2c業(yè)務為導向的企業(yè)可能要兼顧b2b市場，同時保有兩個不同的客戶關系管理系統(tǒng)是不現實的，對業(yè)務模式進行先驗性的判斷可能并不準確，因而對客戶關系管理系統(tǒng)進行集成優(yōu)化，運用人工智能技術解決重復性的基礎操作，直接對業(yè)務個體本身進行特性化的分析是一種降低人力成本的有效方法。

3、為解決上述缺陷，現提出一種技術方案。

技術實現思路

1、本發(fā)明的目的是提供基于人工智能的企業(yè)數字化運營管理系統(tǒng)，以解決上述背景技術中的問題。

2、為實現上述目的，本發(fā)明提供如下技術方案：基于人工智能的企業(yè)數字化運營管理系統(tǒng)，包括數據整合模塊、行為預測模塊、特征推薦模塊、聚類細分模塊、決策支持模塊；

3、數據整合模塊用于對原始數據進行采集和整理，并將整理后的原始數據傳送至行為預測模塊、特征推薦模塊；

4、行為預測模塊用于根據人工智能算法構建預測模型，分析客戶行為和購買模式，預測客戶需求和商業(yè)意圖；

5、特征推薦模塊用于根據協(xié)同過濾算法，根據客戶特征提供服務推薦；

6、聚類細分模塊用于根據聚類分析算法，對客戶群體進行細分；

7、決策支持模塊用于根據客戶群體類型，對服務等級進行定級。

8、優(yōu)選的，根據人工智能算法構建預測模型的方法為：

9、采集客戶信息、交互數據、銷售數據、使用數據，去除重復數據、處理缺失值和異常值，對采集數據進行歸一化或標準化，客戶信息為員工數量nu和納稅額度ta，交互數據包括電子郵件互動數en、電話記錄數tn、會議記錄數mn，銷售數據包括購買次數pn、合同金額ac、購買周期bc，使用數據包括產品使用次數uc、故障反饋次數fn；

10、根據采集數據提取特征，將數據分為訓練集和測試集，運用隨機森林算法設置初始超參數，使用訓練集訓練隨機森林模型；

11、使用測試集評估模型性能，計算隨機森林模型的f1分數，通過交叉驗證檢驗隨機森林模型的穩(wěn)定性；

12、進行超參數調優(yōu)，調整樹的數量、最大深度參數；

13、將優(yōu)化后的隨機森林模型部署，并對客戶的購買意圖進行預測。

14、優(yōu)選的，在根據采集數據提取特征中，特征的選取方法為：

15、特征包括規(guī)模權重系數、互動系數、消費傾向系數、使用反饋指數，標定規(guī)模權重系數為sc，互動系數為in，消費傾向系數為ct，使用反饋系數為tf，規(guī)模權重系數的計算表達式為sc＝nu*ta，互動系數的計算表達式為in＝mn*(en+tn)，消費傾向系數的計算表達式為使用反饋系數的計算表達式為

16、優(yōu)選的，運用協(xié)同過濾算法進行服務推薦的方法為：

17、收集用戶對服務的評分、瀏覽次數、購買次數的行為數據；

18、根據用戶對服務的行為數據進行服務特征評價；

19、基于服務特征評價，運用相似度算法計算用戶之間的相似度；

20、對每個用戶，找到與用戶相似度最高的若干個相似用戶；

21、根據相似用戶的行為，為目標用戶推薦相似用戶選擇的服務；

22、服務特征評價的定義邏輯為：

23、服務特征評價＝評分×(購買次數/瀏覽次數)。

24、優(yōu)選的，基于服務特征評價，運用相似度算法計算用戶之間的相似度的邏輯為：

25、標定s為服務的編號，且s＝{1,2,3…n}，其中n為正整數，計算用戶之間的皮爾遜相關系數，計算表達式為式中，an、bn為用戶a、用戶b對服務n的服務特征評價，為用戶a對所有已購買服務的服務特征評價均值，為用戶b對所有已購買服務的服務特征評價均值。

26、優(yōu)選的，聚類細分模塊用于根據聚類分析算法，對客戶群體進行細分的方法為；

27、采集客戶的員工數量、年度采購量、消費年限、收入、歷史消費額度，根據k-means算法，通過肘部法或輪廓系數方法確定k值，對聚類分析的結果，分析每個簇的特征，對客戶類型進行分類。

28、優(yōu)選的，對聚類分析結果進行分析的邏輯為：

29、當k-means聚類k值取2時，對于b2b業(yè)務客戶，若簇1內客戶的員工數量、年度采購量均大于簇2內客戶，則標記簇1內客戶為大型客戶，標記簇2內客戶為中小型客戶；對于b2c業(yè)務客戶，若簇1內客戶的歷史消費額度、收入均大于簇2內客戶，且簇1內客戶的消費年限小于簇2內客戶，則標記簇1內客戶為高收入客戶，標記簇2內客戶為中等收入客戶。

30、優(yōu)選的，決策支持模塊用于根據客戶群體類型，對服務等級進行定級的邏輯為；

31、當b2b業(yè)務客戶被標記為大型客戶時，設定服務等級為v1級，提供定制化的解決方案和大宗采購優(yōu)惠；

32、當b2b業(yè)務客戶被標記為中小型客戶時，設定服務等級為v2級，提供靈活的采購計劃和支持服務；

33、當b2c業(yè)務客戶被標記為高收入客戶時，設定服務等級為s1級，提供高端時尚和科技產品的推薦和優(yōu)惠活動；

34、當b2c業(yè)務客戶被標記為中等收入客戶時，設定服務等級為s2級，提供日用品的折扣促銷和家庭服務。

35、在上述技術方案中，本發(fā)明提供的技術效果和優(yōu)點：

36、本申請通過運用人工智能技術，結合客戶關系管理系統(tǒng)對企業(yè)數字化運營進行優(yōu)化擴展，以滿足企業(yè)在b2b業(yè)務領域和b2c業(yè)務領域的轉移發(fā)展，避免企業(yè)同時使用兩個不同業(yè)務賽道的客戶關系管理系統(tǒng)，造成數據孤島和信息隔離障礙，基于人工智能技術對不同業(yè)務類型的客戶進行分析預測，確?？蛻絷P系的穩(wěn)定，精準把控與不同類型客戶的合作狀態(tài)，降低管理人員的精力成本。

技術特征：

1.基于人工智能的企業(yè)數字化運營管理系統(tǒng)，其特征在于，包括數據整合模塊、行為預測模塊、特征推薦模塊、聚類細分模塊、決策支持模塊；

2.根據權利要求1所述的基于人工智能的企業(yè)數字化運營管理系統(tǒng)，其特征在于，根據人工智能算法構建預測模型的方法為：

3.根據權利要求2所述的基于人工智能的企業(yè)數字化運營管理系統(tǒng)，其特征在于，在根據采集數據提取特征中，特征的選取方法為：

4.根據權利要求1所述的基于人工智能的企業(yè)數字化運營管理系統(tǒng)，其特征在于，運用協(xié)同過濾算法進行服務推薦的方法為：

5.根據權利要求4所述的基于人工智能的企業(yè)數字化運營管理系統(tǒng)，其特征在于，基于服務特征評價，運用相似度算法計算用戶之間的相似度的邏輯為：

6.根據權利要求5所述的基于人工智能的企業(yè)數字化運營管理系統(tǒng)，其特征在于，聚類細分模塊用于根據聚類分析算法，對客戶群體進行細分的方法為；

7.根據權利要求6所述的基于人工智能的企業(yè)數字化運營管理系統(tǒng)，其特征在于，對聚類分析結果進行分析的邏輯為：

8.根據權利要求7所述的基于人工智能的企業(yè)數字化運營管理系統(tǒng)，其特征在于，決策支持模塊用于根據客戶群體類型，對服務等級進行定級的邏輯為；

技術總結
本發(fā)明公開了基于人工智能的企業(yè)數字化運營管理系統(tǒng)，具體涉及數字化管理技術領域，包括數據整合模塊、行為預測模塊、特征推薦模塊、聚類細分模塊、決策支持模塊，數據整合模塊對原始數據進行采集和整理并傳送至行為預測模塊、特征推薦模塊，行為預測模塊根據人工智能算法構建預測模型，分析客戶行為和購買模式，預測客戶需求和商業(yè)意圖，特征推薦模塊根據協(xié)同過濾算法，根據客戶特征提供服務推薦，聚類細分模塊根據聚類分析算法，對客戶群體進行細分，決策支持模塊根據客戶群體類型，對服務等級進行定級，本申請運用人工智能技術對企業(yè)數字化運營進行優(yōu)化擴展，以滿足企業(yè)在B2B業(yè)務領域和B2C業(yè)務領域的轉移發(fā)展，避免企業(yè)陷入數據孤島和信息隔離。

技術研發(fā)人員：楊賽,于天星,顧全林,丁佳敏,黃燁
受保護的技術使用者：無錫錫商銀行股份有限公司
技術研發(fā)日：
技術公布日：2024/12/30