具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

为了便于门店运营管理，本申请通过对销售过程中门店内服务人员产生的对话沟通数据进行处理，实现对零售行业的销售过程的量化分析。具体通过对销售服务过程录音采集并分析，实现对服务流程、质量进行量化，基于量化数据便于发现服务过程中的问题以辅助门店业绩提升和未来的成本降低。数据的量化是通过梳理与销售过程相关的分析维度进行分析，以展示门店运营状况，持续为门店运营做支撑指导。

本实施例提供了一种零售行业销售过程分析方法。图1是根据本申请实施例的零售行业销售过程分析方法的流程图，如图1所示，该流程包括如下步骤：

数据采集步骤S1，获取一服务场景下服务过程中产生的语音数据并经语音识别后转换为文本数据；具体的，数据采集步骤S1进一步包括：

语音采集步骤S101，获取服务场景下在服务过程中服务人员产生的语音数据和/或服务人员与顾客产生的对话语音数据；具体的，通过服务人员佩戴的智能语音设备获取销售服务过程中产生的语音数据及对话语音数据。值得注意的是，若本步骤中获取的仅为服务人员产生的语音数据，则语音识别步骤S102可省略，举例而非限制，如服务人员为电话服务方式，则可能获取的仅为服务人员产生的语音数据。

语音分离步骤S102，将对话语音数据进行语音分离，识别对话语音数据中对应的服务人员及其匹配的语音数据；可选的，该语音分离过程可以是利用声纹分离，将对话语音数据与预存声纹特征进行声纹匹配得到对应员工的语音数据，预存声纹特征为预先存入的服务人员的声纹特征。本实施例也可以是采用其他方式进行语音分离，如基于采集到的语音的音量大小，判断身份，从而进行语音分离，在此不作限定，可认为任意实现语音分离的技术均属于本实施例语音分离步骤S102的保护范围。

语音识别步骤S103，将上述步骤得到的语音数据和/或匹配的语音数据转换为文本数据，具体的，语音数据应用ASR引擎转换成文本数据。

基于如上所述步骤，本申请实施例通过销售服务过程语音数据采集及分析实现对服务过程进行量化。

数据分析步骤S2，根据常规标准销售过程中关键环节对文本数据进行分类得到话题标签，并对文本数据进行聚类处理得到主题标签，根据话题标签及主题标签对文本数据进行统计分析。具体的，数据分析步骤S2进一步包括：

话题标签获取步骤S201，利用一话题分类器对文本数据进行分类，生成对应的话题标签；其中，话题分类器中预设有话题标签模型，该话题标签模型中设置有与常规标准销售过程中关键环节对应的话题标签，每一话题标签均预设有若干个关键词；其中，话题标签包括迎宾、送宾、产品介绍、需求沟通、优惠介绍、引导支付、异议解答、连带推荐和/或更改推荐。

主题标签获取步骤S202，利用一主题提取模型对文本数据进行聚类处理，生成对应的主题标签。其中，该聚类处理过程采用文本关键词聚类算法以识别出文本数据的主题，从而得到对应的主题标签，举例而非限制，文本关键词可以是产品名称、重点品种或其指示代词。文本关键词聚类算法可以为K-MEANS算法、K-MEDOIDS算法、CLARANS算法、BIRCH算法、CURE算法、CHAMELEON算法、DBSCAN算法、OPTICS算法、DENCLUE算法、STING算法、CLIQUE算法、WAVE-CLUSTER算法等。图3是根据本申请实施例的主题标签及话题标签参照图，参考图3所示，文本数据中包括“大盒吗？小盒，只有这个小辣椒”，其话题标签为：更改推荐，更改推荐话题标签的关键词包括大盒、小盒，其主题标签为指示代词。

维度统计分析步骤S203，根据话题标签及主题标签基于一预设统计时段对预设范围内的文本数据进行统计分析。其中，预设范围可以是一个门店、一个区域内(例如，省、市、县等)的所有门店；预设统计时段为用户根据实际应用所需自定义配置的，预设统计时段可以是日、月、年等。

基于如上所述步骤，本申请实施例通过数据分析实现对服务人员(门店店员)服务过程的客观记录与量化。

在具体实施例中，维度统计分析步骤S203进一步包括如下步骤：

话术量统计分析步骤，根据话题标签分类统计每个话题标签对应的话术量，并计算出每个话题标签对应的话题提及率；具体的，某类话题标签话术量是指被标记为该类话题标签所对应文本的字数，例如按月统计：迎宾话术、产品介绍话术等，话题提及率定义为话题标签话术量与步骤S203得到的文本数据总字数的商，话题提及率表示为：话题提及率＝某话题标签的话术量/文本数据总字数。举例如下，在实际应用中，通过选取销售过程的中的关键环节，分解为多个话题监测点(与话题标签模型对应)，进行量化分析，形成各个话题的提及率，明确员工在接待过程中主要投入在哪些话题中。

主题标签分布统计步骤，统计同一话题标签中主题标签的种类及其数量，得到主题标签的分布情况。举例如下，在实际应用中，通过对迎送宾话题的汇总统计，对迎送宾话题下的主题标签分布情况进行统计，明确可以有哪几种迎宾话术以及分布情况，以及迎宾和送宾的对比，对迎送宾话术加强或者调整；

也可以通过对需求沟通相关的主题标签进行统计，展示需求沟通的类型主要集中在产品或者哪些方面，对顾客的需求挖掘是否精准和积极在需求沟通后，可以展示员工的推荐能力，有明确需求的产品推荐、无明确产品的推荐、有货连带推荐、无货改推推荐、热销品牌推荐等；

通过对优惠活动相关的主题标签进行统计，确定优惠活动的提及和邀请试用的顾客体验反馈情况，可以展示员工的促成交易能力，能够吸引顾客提高成交率；

或通过对办卡问询和/或邀请办卡的主题标签进行统计，可以展示员工增加顾客忠诚度的能力。

上述情况仅为本申请在实际应用中的部分场景，并不构成对本申请方案实现维度统计分析的限制。基于上述实施例，本申请通过指标量化销售过程及根据各话题标签、主题标签的统计情况提供数据支持，从而针对性的对服务人员进行培训，月度展示每月提升的效果以及本月门店活动的执行力，环比门店的业绩情况，为企业营运政策的推动和执行提供数据支持。通过实现销售服务的数字化，对导购服务的流程和质量进行量化，发现服务过程中的问题，从而提高和提升店铺的运营能力。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例还提供了一种零售行业销售过程分析系统，该系统用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图2是根据本申请实施例的零售行业销售过程分析系统的结构框图，如图2所示，该系统包括：

数据采集单元1，用于获取一服务场景下服务过程中产生的语音数据并经语音识别后转换为文本数据，可选的，数据采集单元为可随身携带的智能语音设备，可选的，智能语音设备为内置有录音单元的胸牌式电子设备。其中，数据采集单元1进一步包括：语音采集模块101，用于自动获取服务场景下在服务过程中服务人员产生的语音数据和/或服务人员与顾客产生的对话语音数据；值得注意的是，若获取的仅为服务人员产生的语音数据，则语音识别步骤S102可省略，举例而非限制，如服务人员为电话服务方式，则可能获取的仅为服务人员产生的语音数据。数据安全模块102，用于对语音数据进行加密处理、脱敏处理及变音传输；语音分离模块103，用于将对话语音数据进行语音分离，识别对话语音数据中对应的服务人员及其匹配的语音数据。可选的，该语音分离过程可以是利用声纹分离，将对话语音数据与预存声纹特征进行声纹匹配得到对应员工的语音数据，预存声纹特征为预先存入的服务人员的声纹特征。语音识别模块104，用于将上述模块得到的语音数据和/或匹配后的语音数据转换为文本数据并发送至数据分析单元2，具体的，语音数据应用ASR引擎转换成文本数据。

数据分析单元2，用于根据常规标准销售过程中关键环节对文本数据进行分类得到话题标签，并对文本数据进行聚类处理得到主题标签，根据话题标签及主题标签对文本数据进行统计分析；其中，数据分析单元2进一步包括：

话题标签获取模块201，用于利用一话题分类器对文本数据进行分类，生成对应的话题标签；其中，话题分类器中预设有话题标签模型，该话题标签模型中设置有与常规标准销售过程中关键环节对应的话题标签，每一话题标签均预设有若干个关键词，话题标签至少包括迎宾、送宾、产品介绍、需求沟通、优惠介绍、引导支付，异议解答、连带推荐和/或更改推荐，在应用过程中也可以根据实际情况配置话题标签模型。

主题标签获取模块202，用于利用一主题提取模型对文本数据进行聚类处理，生成对应的主题标签。其中，该聚类处理过程采用文本关键词聚类算法以识别出文本数据的主题，从而得到对应的主题标签，举例而非限制，文本关键词可以是产品名称、重点品种或其指示代词。文本关键词聚类算法可以为K-MEANS算法、K-MEDOIDS算法、CLARANS算法、BIRCH算法、CURE算法、CHAMELEON算法、DBSCAN算法、OPTICS算法、DENCLUE算法、STING算法、CLIQUE算法、WAVE-CLUSTER算法等。维度统计分析模块203，用于根据话题标签及主题标签基于一预设统计时段对文本数据进行统计分析。其中，预设统计时段为用户根据实际应用所需自定义配置的。该维度统计分析模块203进一步包括：话术量统计分析模块，用于根据话题标签统计每个话题标签对应的话术量，并计算出每个话题标签对应的话题提及率；主题标签分布统计模块，用于统计同一话题标签中主题标签的种类及其数量，得到主题标签的分布情况。具体话题提及率的计算及维度统计分析模块203的应用场景示例如上实施例所示，在此不再赘述。

基于如上所述结构，本申请实施例通过智能语音设备采集服务过程的语音数据并转换为文本数据，将服务过程中每一服务人员的对话过程进行数据转化；并通过文本数据的话题标签、主题标签的生成，实现了基于销售过程中关键环节的销售服务数字化，环比门店运营的业绩情况，为企业运营政策的推动和执行提供数据支持，有助于发现服务过程中的问题，从而提高和提升门店运营能力。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

另外，结合图1描述的本申请实施例零售行业销售过程分析方法可以由计算机设备来实现。计算机设备可以包括处理器以及存储有计算机程序指令的存储器。具体地，上述处理器可以包括中央处理器(CPU)，或者特定集成电路(Application SpecificIntegrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器可在数据处理装置的内部或外部。在特定实施例中，存储器是非易失性(Non-Volatile)存储器。在特定实施例中，存储器包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(Random AccessMemory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。

存储器可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器所执行的可能的计算机程序指令。

处理器通过读取并执行存储器中存储的计算机程序指令，以实现上述实施例中的任意一种零售行业销售过程分析方法。

该计算机设备可以基于获取到的语音数据，执行本申请实施例中的零售行业销售过程分析方法，从而实现结合图1描述的零售行业销售过程分析方法。

另外，结合上述实施例中的零售行业销售过程分析方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种零售行业销售过程分析方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。