Тема: Разработка дополнения к CRM-системе с использованием нейронных сетей
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
📋 Содержание
Актуальность 3
Цель и задачи 4
Объект и предмет исследования 4
Практическая значимость 4
Научная новизна 5
1. Аналитический обзор 6
1.1 amoCRM 6
1.2 Задача классификации J 6
1.3 Классификация задач в amoCRM 7
1.4 Распознавание писем в amoCRM 7
1.5 Этапы классификации текста 8
1.5.1 Предварительная обработка текста 8
1.5.2 Представление текста в векторном пространстве 9
1.5.3 Применение алгоритма машинного обучения 10
1.6 Нейронные сети 11
1.7 Обзор существующих решений 12
2. Инструменты 14
2.1 HTML .7.7 14
2.2 CSS 15
2.3 JavaScript j 15
2.4 Jquery 16
2.5 PHP 17
2.6 Nginx 18
2.7 AJAX 19
2.8 JSON 20
2.9 SQL1TE3 20
2.10 REST API amoCRM 21
2.11 Виджет amoCRM 22
2.12 phpMorphy 22
3. Разработка дополнения к CRM системе с использованием
нейронных сетей 24
3.1 Архитектура 24
3.1.1 Модуль предсказывания задач 24
3.1.2 Модуль распознавания писем 24
3.2 Алгоритм 25
3.3 Примеры 29
Заключение 32
Список литературы 33
Приложение
📖 Введение
Не имея общей сверенной базы со сведениями о покупателях, предприятие утрачивает значительные ресурсы из-за малой результативной деятельности отделов менеджмента, торговли и сервиса. Основная роль в развитии компаний в настоящее время отводится именно для менеджеров по продажам. Если клиентская база компании огромна, то без мощного программного обеспечения и серверов управлять отношениями с клиентами сложно. Поэтому компании и внедряют программные продукты CRM - систем для автоматизации отдела продаж.
CRM системы в практике рассматривают как программы для автоматизации продаж и взаимодействия с клиентами, другими словами, они должны уметь строить и автоматизировать бизнес-процессы. Фактически бизнес-процесс - это универсальная схема взаимодействия, алгоритм, по которому из раза в раз проходят менеджеры для достижения результата.
Актуальность
Зачастую менеджеры не любят использовать CRM системы из-за сложности взаимодействия с ней и даже бывает так, что персонал начинает параллельно вести списки своих клиентов в Excel файлах. Часто такое происходит из-за того, что сотрудники просто не понимают, какие преимущества они могут получить за счет работы через программу. Я решил внести свой вклад в решение данной проблемы и, используя технологию 3 нейронных сетей, разработать модуль, который будет автоматизировать часть работы менеджеров, чтобы им было проще работать в CRM.
Цель и задачи
Целью данной выпускной квалификационной работы является разработка дополнения с использованием нейронных сетей к CRM системе для автоматизации работы менеджеров.
Для достижения этой цели поставлены следующие задачи:
• Изучить методы распознавания естественного языка
• Исследовать виды нейронных сетей
• Разработать модуль который будет предсказывать следующую задачу для менеджеров CRM системы
• Разработать модуль распознавания входящего письма
Объект и предмет исследования.
Объект исследования - работа менеджеров в CRM системе.
Предмет исследования - разработка модулей с использованием нейронных сетей для автоматизации работы менеджеров.
Практическая значимость
В основном взаимодействие сотрудников с CRM системой происходит на основе постановки и выполнения задач. Когда менеджер выполняет поставленную задачу, он в обязательном порядке должен поставить следующую и так до тех пор, пока его сделка не окажется успешной либо не реализованной. Таких сделок может быть много, и работа менеджера превращается в рутинную, и даже бывает так, что менеджер попросту забывает поставить следующую задачу. Практическая значимость работы состоит в том, что внедрение и использование данной разработки будет подсказывать, какую поставить задачу.
Так же немаловажна практическая значимость второго модуля. Входящие письма будут автоматически прикрепляться к сделкам и контактам, что позволит менеджерам уделять меньше времени на просмотр и разбор входящих писем.
Научная новизна
Научная новизна работы заключается в использовании нейронных сетей для предсказывания следующей задачи для менеджеров, а так же для классификации входящих писем.
✅ Заключение
В результате изучения статей и литературы по машинному обучению и естественной обработки языка были изучены различные методы классификации документов и создания нейронных сетей.
Было реализовано два модуля, которые позволили автоматизировать работу менеджеров в CRM системе:
• Модуль предсказывающий следующую задачу
• Модуль распознавания входящего письма
Для реализации были изучены:
• Методы построения нейронных сетей
• Способы конфигурации веб серверов
• Методы классификации текстов
Были расширены знания по JavaScript и РНР.
Разработаны и внедрены в эксплуатацию модули, с помощью которых менеджеры могут уделять меньше времени для постановки задач и для разбора входящих писем.
Согласно обратной связи от компании Интроверт, в среднем модули показали себя хорошо в 8 из 10 случаев.
В будущем планируется:
• Усовершенствования в программной части
• Новые решения для автоматизации других разделов CRM системы
• Использовать нейронные сети для принятия решений (например, ответ на письмо)



