四维精准客户挖掘与外呼系统 人×场×物×时 多源数据匹配

Score(customer) = Σ( w_i × norm(feature_i(customer)) ) 其中 i ∈ {1..12}，w_i 为各维度权重，norm() 为归一化函数 最终评分 ∈ [0, 100]，按评分分级：A(≥80) / B(60-79) / C(40-59) / D(<40)

Person_Score = w1×需求匹配度 + w2×购买力 + w3×决策角色 需求匹配度 = 客户需求标签 ∩ 业务标签 的重合度 购买力 = f(车辆档次, 小区档次, 消费记录) 决策角色 = 决策人(1.0) / 影响人(0.6) / 使用人(0.3)

Place_Score = w4×场地匹配度 + w5×竞争机会度 场地匹配度 = f(车位紧张度, 充电桩缺口, 新能源车占比) 竞争机会度 = 1 - 周边运营商覆盖率（缺口越大分越高）

Thing_Score = w6×设备关联度 + w7×设备健康度 设备关联度 = f(车辆类型, 车位类型, 充电频率, 地锁使用) 设备健康度 = 现有设备故障率 + 维护需求 + 升级需求

Time_Score = w8×时机匹配度 + w9×事件触发度 时机匹配度 = f(当前时段, 客户活跃周期, 业务窗口期) 事件触发度 = 新车上牌/搬家/换工作/物业换届/合同到期/政策出台

Reach_Score = w10×联系方式完整度 + w11×历史互动 + w12×数据新鲜度 联系方式完整度 = 手机号(1.0) + 微信号(0.5) + 邮箱(0.3) 历史互动 = 已有跟进记录 + 已接听外呼 + 已点击链接 数据新鲜度 = 1 - (当前时间 - 数据更新时间) / 衰减周期

Phone_Trust = 0.4×多源一致性 + 0.3×数据新鲜度 + 0.2×历史接通率 + 0.1×号码格式校验 多源一致性 = 同一号码在N个渠道出现的次数 / 总渠道数 历史接通率 = 该号码历史外呼接通次数 / 总外呼次数

外呼接通 + 意向明确 → 升级（B→A，C→B） 外呼接通 + 无意向 → 降级（A→B，B→C） 外呼未接通 ×3 → 降级（A→B，B→C） 客户明确拒绝 → 直接D级（黑名单） 客户主动咨询 → 直接A级（最高优先级） 数据更新（新事件触发）→ 重新计算评分

Script(customer) = Template(business, grade) + Personalize(customer_profile) + Objection_Handling(industry) Template = 按业务版块(充电/停车/物业/光储充) × 客户等级(A/B/C) 的话术模板 Personalize = 插入客户姓名、公司名、车辆类型、场地特征、近期事件等个性化信息 Objection_Handling = 按行业常见拒绝理由预设的应对话术

1. 每日凌晨：从CRM拉取TOP15 A级线索 → 生成个性化话术 2. 工作日9:30-11:30 / 14:30-17:00：AI自动外呼 3. 通话中：实时语音识别 → 意图理解 → 多轮对话 → 话术动态调整 4. 通话结束：自动生成意向等级(A/B/C/D) + 关键信息摘要 + 跟进建议 5. 结果回写：外呼结果+录音+分级回写CRM → A/B类自动推送给人工顾问 6. 加微引导：A/B类客户自动发送短信引导加企业微信

外呼结果 → 客户分级更新 → 评分权重优化 → 话术效果分析 → 线索来源ROI分析 → 下一轮生产优化 具体回流数据： - 接通/未接通 → 优化电话号码可信度评分权重 - 意向等级 → 优化四维评分各维度权重 - 话术版本效果 → 优化话术模板和个性化策略 - 线索来源转化 → 优化获客渠道预算分配 - 成交客户画像 → 优化精准客户匹配模型 - 拒绝原因分析 → 优化异议处理话术