领导者资格评估器

此仓库是我们Xeneta公司用于通过机器学习对销售线索进行资格评估的脚本集合。有关该项目的更多信息，请参阅Medium文章利用机器学习提升销售业绩。

您可以使用此仓库完成两件事：

1. 使用我们的数据和您自己的算法，尝试超越我们的预测结果。
2. 使用您自己的数据为贵公司创建一个线索资格评估工具。

设置

首先运行以下命令：

pip install -r requirements.txt

您还需要从nltk包中下载停用词。启动Python解释器并输入以下内容：

import nltk
nltk.download('stopwords')

1. 尝试您自己的算法

我们非常希望在排行榜上看到更多优秀的算法，因此在您实现了一个算法后，请向我们提交拉取请求。

Xeneta资格评估器

我们已在此处提供给您经过向量化和转换的数据这里。遗憾的是，我们无法共享原始文本数据，因为其中包含敏感的公司信息（即我们的客户是谁）。

要测试您自己的算法，只需将其添加到run.py文件中，并运行该脚本：

python run.py

感谢lampts实现了迄今为止表现最佳的算法——SGD分类器。

排行榜：

算法	精确率	召回率	F1分数
SGD分类器	0.872	0.940	0.905
随机森林	0.845	0.915	0.878

附注： 我们还在nn.py文件中尝试使用TensorFlow构建神经网络。

2. 创建您自己的线索资格评估器

要创建您自己的线索资格评估器，您需要获取公司简介（以构建您的数据集）。目前我们使用FullContact来完成这一任务。

注意： 我们添加了示例数据，以便您无需担心错误即可运行这两个脚本，并为您提供表格样式的参考。

训练算法

此脚本会基于您自己的输入数据训练一个算法。它期望在input文件夹中存在名为qualified和disqualified的两个Excel表格。这些表格需要包含两列：

• URL
• 描述

运行脚本：

python run.py

脚本会将三个文件输出到qualify_leads项目中：

• algorithm
• vectorizer
• tfidf_vectorizer

现在您已经准备好开始对销售线索进行分类了！

线索资格评估

这是实际用于预测线索质量的脚本。请在input文件夹中添加一个名为data的Excel表格。请使用与现有示例文件相同的格式。

运行脚本：

python run.py

脚本将生成一个Excel表格，其中包含一列名为Prediction，值为1表示合格，值为0表示不合格：

如有疑问，请发送邮件至per@xeneta.com。

LeadQualifier 快速上手指南

LeadQualifier 是一个基于机器学习的销售线索筛选工具，由 Xeneta 开源。它可以帮助企业利用历史数据训练模型，自动判断新的销售线索是否合格（Qualified）。

环境准备

• 操作系统：Linux / macOS / Windows
• Python 版本：建议 Python 3.6+
• 前置依赖：
  • pip (Python 包管理工具)
  • nltk (自然语言处理工具包)
  • scikit-learn, pandas, openpyxl 等（将通过 requirements.txt 自动安装）

提示：国内用户安装 Python 依赖时，建议指定清华或阿里镜像源以加速下载。

安装步骤

1. 克隆项目代码

   git clone https://github.com/xeneta/LeadQualifier.git
   cd LeadQualifier
   

2. 安装 Python 依赖

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

3. 下载 NLTK 停用词数据 启动 Python 交互界面并执行以下命令：

   import nltk
   nltk.download('stopwords')
   

   注：若下载缓慢，可手动下载 stopwords 数据包并放置于本地 NLTK 数据目录。

基本使用

本项目提供两种主要使用场景：使用官方脱敏数据进行算法实验，或使用自有数据构建专属筛选器。

场景一：运行官方示例算法（实验模式）

此模式使用 Xeneta 提供的已向量化数据测试不同算法的效果。

1. 进入实验目录：

   cd xeneta_qualifier
   

2. （可选）在 run.py 中添加你自己的算法逻辑。
3. 运行脚本查看评估结果（精确率、召回率、F1 分数）：

   python run.py
   

场景二：使用自有数据训练并预测（生产模式）

若需为公司创建专属的线索筛选器，请按以下步骤操作：

第一步：训练模型

1. 准备数据：在 train_algorithm/input 文件夹中放入两个 Excel 文件，分别命名为 qualified.xlsx（合格线索）和 disqualified.xlsx（不合格线索）。
   • 文件需包含两列：URL 和 Description。
   • 参考项目中的 dummy data 格式。
2. 进入训练目录并运行：

   cd ../train_algorithm
   python run.py
   

3. 生成产物：脚本运行成功后，会在 qualify_leads 项目中生成三个关键文件：algorithm（模型）、vectorizer 和 tfidf_vectorizer。

第二步：预测新线索

1. 准备待测数据：在 qualify_leads/input 文件夹中放入名为 data.xlsx 的文件，格式同上（包含 URL 和 Description）。
2. 进入预测目录并运行：

   cd ../qualify_leads
   python run.py
   

3. 查看结果：脚本将输出一个新的 Excel 文件，其中包含 Prediction 列：
   • 1 代表 Qualified (合格)
   • 0 代表 Disqualified (不合格)