Sales Conversion Model Reinf Learning

🚀 销售转化预测模型

这是一个强化学习模型，利用Azure OpenAI嵌入技术，在客户对话期间实时预测销售转化概率。

🚀 快速开始

在Colab上运行，使用unsloth/gemma - 3 - 4b - it - GGUF模型和BAAI/bge - m3开源嵌入

点击下面的按钮在Colab中打开：

直接运行开源模型

!python opensource_inference.py --model_path sales_conversion_model

✨ 主要特性

• 利用Azure OpenAI嵌入技术，在客户对话中实时预测销售转化概率。
• 模型学会识别关键对话模式，如技术买家对详细功能的响应、价格敏感客户对投资回报率的需求等。
• 在转化预测中达到96.7%的准确率，相较于仅使用大语言模型的方法，性能提升34.7%。
• 推理速度快，达到85ms，相比GPT - 4的3450ms有显著优势。
• 销售人员使用该模型时，转化率提高43.2%。

📦 安装指南

使用Python 3.11进行推理

重要提示：推理时请使用Python 3.11版本，否则会导致层维度错误。

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

使用Python 3.10运行Azure嵌入训练模型

重要提示：推理时请使用Python 3.10版本，否则会导致层维度错误。

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

💻 使用示例

输出示例

--- 对话预测（使用Azure OpenAI嵌入） ---
Turn 1 (客户): "Hello, I'm looking for information on your new AI-powered CR..." -> 概率: 0.1744
Turn 2 (销售代表): "You've come to the right place! Our new AI CRM is designed t..." -> 概率: 0.3292
Turn 3 (客户): "maybe not for us. its a great product, in future may buy..." -> 概率: 0.3350
Turn 4 (销售代表): "Excellent, those are two key strengths. Our AI analyzes lead..." -> 概率: 0.3908
Turn 5 (客户): "looks oke, but maybe we can't consider..." -> 概率: 0.3833

生成和清理数据集

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

训练模型

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 

📚 详细文档

论文信息

• 论文：SalesRLAgent: A Reinforcement Learning Approach for Real-Time Sales Conversion Prediction and Optimization
• 作者：Nandakishor M
• 发表信息：arXiv:2503.23303

模型架构

训练数据

• 使用大语言模型生成的合成销售对话。
• 涵盖不同客户类型的100,000 + 个对话场景。
• 嵌入捕获对话语义信息。

模型性能

模型学会识别关键对话模式：

• 技术买家对详细功能有响应。
• 价格敏感客户需要投资回报率的理由。
• 早期潜在客户需要进行需求评估。

根据论文，SalesRLAgent达到：

• 96.7%的转化率预测准确率。
• 比仅使用大语言模型的方法性能提升34.7%。
• 推理速度为85ms，而GPT - 4为3450ms。
• 销售人员使用时转化率提高43.2%。

🔧 技术细节

模型使用Stable Baselines3框架中的PPO算法，结合Azure OpenAI的嵌入技术来表示对话状态。通过自定义线性层进行特征提取，动作空间为连续的转化概率（0 - 1）。在训练过程中，使用合成销售对话数据，这些数据涵盖了不同类型客户的对话场景，并且嵌入能够捕获对话的语义信息。

📄 许可证

本项目采用MIT许可证，你可以根据自己的需求自由使用和修改。

引用

如果你使用了这个模型，请引用以下内容：

@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}
}