一种农产品销售线索智能评级与推荐方法及系统与流程

本发明涉及农产品推荐，更具体的说是涉及一种农产品销售线索智能评级与推荐方法及系统。

背景技术：

1、对于农产品销售线索的评级和推荐缺乏科学依据，传统的农产品销售往往依赖于经验和直觉，缺乏科学的方法和模型来评估需货方的销售能力和潜力，无法充分挖掘销售线索数据的潜在价值；这导致销售决策的主观性和不确定性较大，难以精准地满足需货方的需求从而提升销售效率。此外，现有的农产品推荐系统往往侧重于需货方的历史行为，但是对于农产品而言具有很强的季节特性，从而导致用户的即时需求变化，而侧重于需货方的历史行为将导致销售线索不能有效利用。

2、

3、现有公开号为cn111144938a的中国专利公开了适用于汽车行业的销售线索评级的方法和系统，它包括：从网络中采集网络线索，通过评级模型算法计算得出每一条网络线索的评级分数，并进行展示、排序和筛选，收集网络线索的反馈信息；对网络线索评级相关的外部数据源进行统一管理，制定标准数据包与数据接口，传输指定的外部数据给线索管理模块，对外部数据进行计次计费统计；结合线索管理模块获取的网络线索以及数据接口模块获取的外部数据，基于行业的网络线索业务场景生成评级模型算法所需的衍生变量列表，将反馈数据做为评级模型算法变量优化的数据补充，形成完整的线索数据闭环。通过采用机器学习技术，线索进店和成交为导向的效果反馈数据，提升线索评级的准确度和效果。

4、现有授权公告号为cn114219558b的中国专利公开了基于数据挖掘的农产品智能推荐系统，它包括农产品数据采集模块、农产品数据分析模块、农产品智能匹配模块和农产品智能推荐模块；所述农产品数据采集模块用于对农产品的初始新鲜度、农产品各时间点的新鲜度以及各时间段的农产品购买量、退换货情况和剩余量进行采集，根据采集的农产品初始新鲜度和农产品各时间点的新鲜度数据，构建表示各时间点的农产品变质率计算公式，并将采集的数据和变质率计算公式传输至农产品数据分析模块；本发明根据农产品新鲜度确定最佳售卖时间，使得客户购买到的农产品新鲜度较高，避免出现大量退换货情况，进一步提高了客户的购买体验。

5、以上专利都存在本背景技术提出的问题：难以对农产品销售线索进行准确评级，无法充分挖掘销售线索数据的潜在价值，对于农产品的销售线索无法与需货方进行有效结合，销售线索的有效转化率受限。

技术实现思路

1、针对现有技术存在的不足，本发明的目的在于提供一种农产品销售线索智能评级与推荐方法及系统，该发明能够根据采集到的需货方农产品采购数据，通过计算不同的销售线索指标，构建销售线索评估模型，有效发现并利用有价值的农产品销售线索，有效提升农产品销售线索的转化率，提升销售效率和盈利能力，实现农产品供需双方的精准匹配，促进农产品市场的健康发展。

2、为实现上述目的，本发明提供了如下技术方案：

3、一方面，本发明提供一种农产品销售线索智能评级与推荐方法，具体包括以下步骤：

4、s1：构建供需区块链，基于供需区块链获取需货方农产品的销售线索数据；

5、s2：对所述销售线索数据进行预处理，计算销售线索指标；

6、s3：构建销售线索评估模型，输入所述销售线索指标，输出需货方的农产品销售效能；

7、s4：基于农产品销售效能在供需区块链中匹配需货方的农产品销售等级；

8、s5：根据需货方农产品销售等级在供需区块链中匹配农产品及农产品供货方。

9、作为本发明的进一步改进，一条所述销售线索数据为需货方的采购数据以及对应的农产品信息；

10、所述采购数据通过内部企业资源系统进行获取；

11、所述农产品信息包括农产品的种类、生产地、品质等级、最佳销售月份。

12、作为本发明的进一步改进，所述预处理包括对销售线索数据进行数据清洗、数据整合、数据标准化；

13、所述销售线索指标包括需货方向供货方发出订单需求频次的农产品采购频率指标，以及供货方和需货方对于农产品的关注度指标。

14、作为本发明的进一步改进，所述农产品采购频率指标基于需货方向供货方的采购数据确定，所述采购数据包括历史采购数据和计划采购数据；所述历史采购数据包括需货方对于农产品的总采购次数、对每种农产品的采购次数；所述计划采购数据包括在采购计划中对每种农产品的采购频率、基于供需区块链遍历供货方的次数。

15、作为本发明的进一步改进，所述农产品采购频率指标配置数学计算公式进行计算，所述农产品采购频率指标的计算公式如下：

16、

17、其中，表示需货方对第i种农产品采购频率指标，i=1,2,3,...,n，n表示需货方采购农产品总数；表示需货方对所有农产品的总采购次数；表示需货方对第i种农产品的采购次数；表示需货方在采购计划中对第i种农产品的采购频率；表示需货方对第i种农产品基于供需区块链遍历供方的次数；表示对数函数，，为权重系数。

18、作为本发明的进一步改进，所述农产品供销关注度指标基于农产品的品质等级以及农产品的季节特性综合确定，并配置数学公式进行计算，所述农产品供销关注度指标的计算公式为：

19、

20、其中，表示需货方对第i种农产品关注度指标，表示第i种农产品的品质等级，表示当前月份，表示第i种农产品的最佳销售月份，以距离当前月份最近的最佳销售月份表示；，表示权重系数。

21、作为本发明的进一步改进，所述销售线索评估模型通过随机森林算法建立，构建所述销售线索评估模型具体还包括：

22、设置随机森林的基本参数，包括树的数量、树的最大深度、特征随机采样比例、节点分裂数、叶节点最少样本数；

23、通过网格搜索方法结合k折交叉验证，遍历预设的参数组合，寻找最优参数配置；

24、采用k折交叉验证，将数据集分成k个子集，每次轮流将其中一个子集作为测试集，其余作为训练集，重复k次，每次变换验证集和训练集的角色，进行迭代训练和验证；

25、采用auc-roc曲线下面积、精确度、召回率、f1分数评估销售线索的评估性能；

26、根据评估结果，选择最优参数配置下的模型配置完成销售线索评估模型的训练，将训练好的模型部署应用。

27、作为本发明的进一步改进，所述s4具体还包括：

28、s41：基于需货方对于每种农产品的销售效能，计算需货方对农产品的总销售效能，计算公式如下：

29、

30、其中，表示需货方对农产品的总销售效能，n表示需货方采购农产品总数，表示通过销售线索评估模型预测得到的需货方对第i种农产品的销售效能，表示需货方对第i种农产品销售效能对应的权重；

31、s42：配置第一等级阈值、第二等级阈值，将第一等级阈值、第二等级阈值与农产品的销售效能的总值进行比对；

32、若任一需货方的销售效能总值不小于所述第一等级阈值，则将需货方等级划分为第一等级需货方；

33、若任一需货方的销售效能总值小于所述第一等级阈值且不小于所述第二等级阈值，则将需货方等级划分为第二等级需货方；

34、若任一需货方的销售效能总值小于所述第二等级阈值，则将需货方等级划分为第三等级需货方。

35、作为本发明的进一步改进，所述匹配农产品具体包括：

36、按任一需货方对每种农产品的销售效能从高到低进行排序，为任一需货方推荐其销售效能最高的前m个农产品；

37、所述匹配农产品供货方具体包括：

38、对于第一等级需货方，通过历史采购数据，匹配具有与历史采购相同的农产品供货方；

39、对于第二等级需货方，包括对于第一等级需货方的匹配方式，并匹配与历史采购相似的农产品供货方；

40、对于第三等级需货方，包括对于第二等级需货方的匹配方式，并匹配与需货方经营能力和资源限制匹配的农产品供货方。

41、第二方面，本发明提供一种农产品销售线索智能评级与推荐系统，包括数据获取模块、数据预处理模块、线索指标计算模块、线索评估模块、等级划分模块、农产品匹配模块，其中：

42、数据获取模块用于获取农产品销售线索数据；

43、数据预处理模块用于对采集到的销售线索数据进行预处理，包括数据清洗、数据整合、数据标准化；

44、线索指标计算模块用于通过销售线索数据计算销售线索指标，所述销售线索指标包括农产品采购频率指标和农产品关注度指标；

45、线索评估模块用于构建销售线索评估模型，通过输入销售线索指标，输出任一需货方对每种农产品的销售效能；

46、等级划分模块用于将需货方划分为不同的的等级；

47、农产品匹配模块用于为不同等级需货方匹配所需农产品以及匹配农产品供货方。

48、第三方面，本发明提供一种电子设备，包括存储器，用于存储指令；处理器，用于执行所述指令，使得所述设备执行实现本发明所述一种农产品销售线索智能评级与推荐方法的步骤。

49、第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现一种农产品销售线索智能评级与推荐方法的步骤。

50、本发明的有益效果：

51、通过获取到的农产品销售线索数据，构建销售线索评估模型，基于农产品销售线索数据计算出农产品采购频率指标和农产品关注度指标作为销售线索评估模型的输入，减少模型的训练难度，增加模型的训练速度和精度，通过预测任一需货方对每种农产品的总销售效能，有效发现并利用有价值的农产品销售线索，有效提升农产品销售线索的转化率，提升需货方的销售效率和盈利能力；

52、通过需货方对每种农产品的销售效能对需货方进行等级划分，并针对不同等级的需货方匹配合适的农产品和农产品供货方，为不同等级需货方提供符合其偏好的农产品推荐，增强了需货方的采购力度，实现农产品供需双方之间的更加精准高效的匹配，减少交易过程中的摩擦和成本，促进农产品市场的健康发展。