Sales Conversion Model Reinf Learning

🚀 販売コンバージョン予測モデル

この強化学習モデルは、Azure OpenAIの埋め込みを使用して、顧客との会話中のリアルタイムの販売コンバージョン確率を予測するように訓練されています。

論文: SalesRLAgent: A Reinforcement Learning Approach for Real-Time Sales Conversion Prediction and Optimization 著者: Nandakishor M 公開: arXiv:2503.23303

✨ 主な機能

このモデルは、Azure OpenAIの埋め込みを利用して、顧客との会話中のリアルタイムの販売コンバージョン確率を予測することができます。また、異なる顧客タイプに対応した10万以上の会話シナリオで訓練されており、高い精度でコンバージョンを予測することが可能です。

📦 インストール

推論の場合はPython 3.11バージョンを使用することが重要です。そうしないと、レイヤーの次元エラーが発生する可能性があります。

conda create -n salespy11 pip python=3.11
conda activate salespy11
pip install azure-openai stable-baselines3 numpy torch huggingface_hub
git lfs install
git clone https://huggingface.co/DeepMostInnovations/sales-conversion-model-reinf-learning
cd sales-conversion-model-reinf-learning

🚀 クイックスタート

unsloth/gemma-3-4b-it-GGUFモデルとBAAI/bge-m3のオープンソース埋め込みを使用してColabで実行

オープンソースモデルを直接実行

!python opensource_inference.py --model_path sales_conversion_model

Azure埋め込みで訓練されたモデルを実行

推論の場合はPython 3.10バージョンを使用することが重要です。そうしないと、レイヤーの次元エラーが発生する可能性があります。

conda create -n salespy10 pip python=3.10
conda activate salespy110
pip install azure-openai stable-baselines3 numpy torch huggingface_hub
python sales_inference.py --model_path sales_model.zip --conversation_json sample_conv_generated.json --azure_api_key "api_key" --azure_endpoint "https://resource_name.openai.azure.com/" --azure_deployment_name "text-embedding-3-large" --azure_api_version "2023-12-01-preview" --embedding_dim 3072

💻 使用例

基本的な使用法

--- 会話予測 (Azure OpenAI埋め込みを使用) ---
Turn 1 (customer): "Hello, I'm looking for information on your new AI-powered CR..." -> Probability: 0.1744
Turn 2 (sales_rep): "You've come to the right place! Our new AI CRM is designed t..." -> Probability: 0.3292
Turn 3 (customer): "maybe not for us. its a great product, in future may buy..." -> Probability: 0.3350
Turn 4 (sales_rep): "Excellent, those are two key strengths. Our AI analyzes lead..." -> Probability: 0.3908
Turn 5 (customer): "looks oke, but maybe we can't consider..." -> Probability: 0.3833

データセットの生成とクリーニング

python generate_dataset.py --num_conversations 100000 --num_profiles 20 --output_path custom_dataset.csv --num_threads 15 --rate_limit 2000 --batch_size 10
python clean_dataset.py custom_dataset.csv --chunk_size 1000  --skip_encoding_check

訓練

git lfs install
git clone https://huggingface.co/datasets/DeepMostInnovations/saas-sales-conversations
cd saas-sales-conversations
python train.py --dataset cleaned_custom_dataset.csv --model_path {sales-conversion-model-reinf-learning path}/sales_model --timesteps 200000  --batch_size 64 

📚 ドキュメント

モデルアーキテクチャ

• フレームワーク: Stable Baselines3 (PPO)
• 状態表現: Azure OpenAI埋め込み
• 行動空間: 連続 (コンバージョン確率0-1)
• 特徴抽出器: カスタム線形レイヤー

訓練データ

• 大規模言語モデルを使用して生成された合成販売会話
• 異なる顧客タイプにまたがる10万以上の会話シナリオ
• 埋め込みによってキャプチャされた会話の意味

モデルの性能

このモデルは、重要な会話パターンを識別することができます。

• 技術的な購入者は詳細な機能に反応する
• 価格に敏感な顧客はROIの正当化を必要とする
• 初期段階の見込み客はニーズ評価が必要である

論文によると、SalesRLAgentは以下の成果を達成しています。

• 96.7%の精度でコンバージョン予測
• LLMのみのアプローチを34.7%上回る
• 85ms vs 3450msの推論速度 (GPT-4と比較)
• 営業担当者が使用した場合、コンバージョン率が43.2%向上する

メトリクス

📄 ライセンス

MITライセンス - 自由に使用し、必要に応じて変更することができます。

引用

このモデルを使用する場合は、以下を引用してください。

@article{nandakishor2025salesrlagent,
  title={SalesRLAgent: A Reinforcement Learning Approach for Real-Time Sales Conversion Prediction and Optimization},
  author={Nandakishor, M},
  journal={arXiv preprint arXiv:2503.23303},
  year={2025},
  url={https://arxiv.org/abs/2503.23303}
}