論文の概要: SmartSales: Sales Script Extraction and Analysis from Sales Chatlog
- arxiv url: http://arxiv.org/abs/2204.08811v1
- Date: Tue, 19 Apr 2022 11:18:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-20 19:51:04.168396
- Title: SmartSales: Sales Script Extraction and Analysis from Sales Chatlog
- Title（参考訳）: smartsales: セールスチャットログからのセールススクリプト抽出と分析
- Authors: Hua Liang, Tianyu Liu, Peiyi Wang, Mengliang Rao, Yunbo Cao
- Abstract要約: 現代の販売アプリケーションでは、自動スクリプト抽出と管理が人的労働力の必要性を大幅に減らしている。
We present the SmartSales system to serve both the sales representatives and managers。
提案するプロトタイプシステムは,最先端の会話インテリジェンス技術によって実現されている。
- 参考スコア（独自算出の注目度）: 17.982542407130172
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In modern sales applications, automatic script extraction and management
greatly decrease the need for human labor to collect the winning sales scripts,
which largely boost the success rate for sales and can be shared across the
sales teams. In this work, we present the SmartSales system to serve both the
sales representatives and managers to attain the sales insights from the
large-scale sales chatlog. SmartSales consists of three modules: 1) Customer
frequently asked questions (FAQ) extraction aims to enrich the FAQ knowledge
base by harvesting high quality customer question-answer pairs from the
chatlog. 2) Customer objection response assists the salespeople to figure out
the typical customer objections and corresponding winning sales scripts, as
well as search for proper sales responses for a certain customer objection. 3)
Sales manager dashboard helps sales managers to monitor whether a specific
sales representative or team follows the sales standard operating procedures
(SOP). The proposed prototype system is empowered by the state-of-the-art
conversational intelligence techniques and has been running on the Tencent
Cloud to serve the sales teams from several different areas.
- Abstract（参考訳）: 現代の販売アプリケーションでは、自動スクリプト抽出と管理により、勝利した販売スクリプトを収集するための人的労力が大幅に削減され、販売の成功率が大きく向上し、営業チーム間で共有できる。
本研究では,SmartSalesシステムを用いて,営業担当者と管理者の両方に,大規模販売のチャットログからセールスインサイトを提供する。
SmartSalesは3つのモジュールから構成される。
1)FAQ抽出は,チャットログから高品質な顧客質問応答ペアを抽出し,FAQ知識ベースを充実させることを目的としている。
2)顧客反対応答は、営業担当者が典型的な顧客反対とそれに対応する販売スクリプトの把握を支援し、特定の顧客反対に対する適切な販売応答を探索する。
3)営業マネージャダッシュボードは、特定の営業担当者またはチームが営業標準運用手順(SOP)に従うかどうかを営業マネージャが監視するのに役立つ。
提案されたプロトタイプシステムは最先端の会話型インテリジェンス技術によって強化され、tencentクラウド上で動作し、いくつかの異なる分野の営業チームにサービスを提供する。
関連論文リスト
- Unlocking Markets: A Multilingual Benchmark to Cross-Market Question Answering [49.68194318431166]
製品関連質問応答(PQA)は、ユーザに対して正確な回答を提供するために、製品関連リソースを活用する。
マルチリンガル・クロスマーケット・プロダクト・ベースの質問回答(MCPQA)の新たな課題を提案する。
11言語にまたがる17のマーケットプレースから700万以上の質問からなる大規模なデータセットを導入します。
論文 参考訳（メタデータ） (2024-09-24T12:24:34Z) - Injecting Salesperson's Dialogue Strategies in Large Language Models with Chain-of-Thought Reasoning [23.919423630938226]
SalesBotは、Chit-chatからタスク指向のシナリオへ移行し、セールスエージェントをトレーニングする対話をシミュレートする。
最初のデータはスムーズなトランジションとコヒーレントなロングターンダイアログを欠いていたため、セールス・カストマー相互作用の自然性が低かった。
営業担当者のインタラクションを学習し,チェーン・オブ・ソート(CoT)推論を用いた新しいモデル「SalesAgent」を紹介した。
論文 参考訳（メタデータ） (2024-04-29T10:12:04Z) - Instant Answering in E-Commerce Buyer-Seller Messaging using
Message-to-Question Reformulation [26.593137126739308]
我々は,ドメイン固有の質問回答システム(QA)を用いて,販売者に対する購入者の問い合わせを自動化することを目指している。
M2Qは、メッセージから最も健全な情報を識別して抽出することで、購入者のメッセージを簡潔な質問に再構成する。
ライブ配信は、自動回答によって、売り手が年間数百万のメッセージに手動で応答するのを防ぐことを示している。
論文 参考訳（メタデータ） (2024-01-18T08:09:27Z) - Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users [51.34484827552774]
マルチユーザMulti-User MultiWOZデータセットを2つのユーザと1つのエージェント間のタスク指向対話としてリリースする。
これらの対話は、タスク指向のシナリオにおける協調的な意思決定の興味深いダイナミクスを反映している。
本稿では,複数ユーザ間のタスク指向のチャットを簡潔なタスク指向のクエリとして書き換える,マルチユーザコンテキストクエリ書き換えの新しいタスクを提案する。
論文 参考訳（メタデータ） (2023-10-31T14:12:07Z) - Salespeople vs SalesBot: Exploring the Role of Educational Value in
Conversational Recommender Systems [78.84530426424838]
既存の会話レコメンデータシステムは、ユーザのバックグラウンド知識の欠如をよく見落とし、好みの収集にのみ焦点をあてる。
このようなシステムのシミュレーションと評価を容易にするフレームワークであるSalesOpsを紹介する。
私たちは、フレームワークの両側をシミュレートできるLLMベースのエージェントであるSalesBotとShopperBotを構築しています。
論文 参考訳（メタデータ） (2023-10-26T19:44:06Z) - Conversational Recommender System and Large Language Model Are Made for Each Other in E-commerce Pre-sales Dialogue [80.51690477289418]
会話推薦システム(CRS)は、ユーザ表現を学習し、対話コンテキストに基づいて正確なレコメンデーションを提供するが、外部知識に依存している。
大規模言語モデル(LLM)は、微調整後の事前販売の対話を模倣する応答を生成するが、正確なレコメンデーションのためのドメイン固有の知識は欠如している。
本稿では,eコマース事前販売対話におけるLCMとCRSの組み合わせの有効性について検討する。
論文 参考訳（メタデータ） (2023-10-23T07:00:51Z) - Unlocking Sales Growth: Account Prioritization Engine with Explainable
AI [0.0]
LinkedInの営業担当者は従来、顧客のパフォーマンスを評価するために直感と断片化されたデータ信号に頼っていた。
この課題を克服するため、私たちは、インテリジェントなアカウント販売優先順位付けエンジンであるAccount Prioritizerというデータ製品を開発しました。
A/Bテストは、Account PrioritizerがLinkedIn Businessの更新予約を大幅に+8.08%増加させたことを示した。
論文 参考訳（メタデータ） (2023-06-12T23:42:08Z) - U-NEED: A Fine-grained Dataset for User Needs-Centric E-commerce
Conversational Recommendation [59.81301478480005]
現実のEコマースシナリオからユーザニーズ中心のEコマース対話推薦データセット(U-NEED)を構築した。
U-NEEDは,5つのカテゴリ (ii) 333,879のユーザ行動と, (iii) 332,148の製品知識の3種類のリソースで構成されている。
論文 参考訳（メタデータ） (2023-05-05T01:44:35Z) - Characterization of Frequent Online Shoppers using Statistical Learning
with Sparsity [54.26540039514418]
本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
論文 参考訳（メタデータ） (2021-11-11T05:36:39Z) - How Much Can A Retailer Sell? Sales Forecasting on Tmall [20.51263243320733]
本稿では,世界最大のオンラインB2CプラットフォームであるTmallにおける小売店の売上予測事例について検討する。
我々は,販売予測,すなわち季節性抽出と流通転換の2つのメカニズムを設計する。
論文 参考訳（メタデータ） (2020-02-27T06:41:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。