CN105229687A - 用于呼叫中心的智能自动代理 - Google Patents
用于呼叫中心的智能自动代理 Download PDFInfo
- Publication number
- CN105229687A CN105229687A CN201480028462.2A CN201480028462A CN105229687A CN 105229687 A CN105229687 A CN 105229687A CN 201480028462 A CN201480028462 A CN 201480028462A CN 105229687 A CN105229687 A CN 105229687A
- Authority
- CN
- China
- Prior art keywords
- client
- call center
- mutual
- active agency
- interaction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 186
- 230000003993 interaction Effects 0.000 claims abstract description 161
- 230000008569 process Effects 0.000 claims abstract description 107
- 238000003860 storage Methods 0.000 claims abstract description 100
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 67
- 238000012423 maintenance Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 157
- 238000004891 communication Methods 0.000 claims description 103
- 230000004044 response Effects 0.000 claims description 101
- 230000036651 mood Effects 0.000 claims description 78
- 230000008451 emotion Effects 0.000 claims description 62
- 230000002452 interceptive effect Effects 0.000 claims description 53
- 238000001514 detection method Methods 0.000 claims description 39
- 230000000694 effects Effects 0.000 claims description 31
- 238000013515 script Methods 0.000 claims description 31
- 230000006399 behavior Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 2
- 230000005055 memory storage Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 38
- 230000000875 corresponding effect Effects 0.000 description 22
- 239000003795 chemical substances by application Substances 0.000 description 19
- 230000006870 function Effects 0.000 description 18
- 238000007726 management method Methods 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 15
- 238000006243 chemical reaction Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 9
- 230000002996 emotional effect Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 239000000047 product Substances 0.000 description 8
- 230000003068 static effect Effects 0.000 description 8
- 230000008447 perception Effects 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 230000000977 initiatory effect Effects 0.000 description 6
- 238000003058 natural language processing Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- 238000012946 outsourcing Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 230000000750 progressive effect Effects 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003997 social interaction Effects 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010020400 Hostility Diseases 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000008821 health effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 229940034610 toothpaste Drugs 0.000 description 1
- 239000000606 toothpaste Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000014616 translation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
- H04M3/5232—Call distribution algorithms
- H04M3/5235—Dependent on call type or called number [DNIS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5166—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing in combination with interactive voice response systems or voice portals, e.g. as front-ends
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5175—Call or contact centers supervision arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5183—Call or contact centers with computer-telephony arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5183—Call or contact centers with computer-telephony arrangements
- H04M3/5191—Call or contact centers with computer-telephony arrangements interacting with the Internet
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2203/00—Aspects of automatic or semi-automatic exchanges
- H04M2203/40—Aspects of automatic or semi-automatic exchanges related to call centers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2203/00—Aspects of automatic or semi-automatic exchanges
- H04M2203/40—Aspects of automatic or semi-automatic exchanges related to call centers
- H04M2203/401—Performance feedback
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2203/00—Aspects of automatic or semi-automatic exchanges
- H04M2203/55—Aspects of automatic or semi-automatic exchanges related to network data storage and management
- H04M2203/551—Call history
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Signal Processing (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Telephonic Communication Services (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
一种用于利用企业的呼叫中心处理客户交互的系统,所述系统包括智能自动代理,所述智能自动代理包括处理器、被配置成存储客户配置文件数据的非瞬时储存装置、和存储器。所述存储器具有存储在其上的指令,当通过所述处理器执行指令时,使处理器能够:运行人工智能引擎,该人工智能引擎被配置成从呼叫中心和客户之间的过往交互中了解关于客户的资料,和将了解的资料应用到未来交互;和维护储存装置上的客户配置文件数据。客户配置文件数据的维护包括在新交互开始时检索客户配置文件数据,利用检索的客户配置文件数据决定如何处理新交互,和在新交互完成之后更新客户配置文件数据以象影响过往交互一样影响新交互。
Description
技术领域
本发明的实施例方面涉及一种用于呼叫中心的智能自动代理。
背景技术
客户呼叫中心处理大量的客户与诸如公司或者其它组织的一个或多个企业之间的交互。例如,呼叫中心可以提供集中客户服务和支持功能。这种交互和客户服务通常由呼叫中心代理(现场代理,例如应答电话呼叫、响应到邮件、指导现场交谈、接通出站呼叫等)处理,呼叫中心可以很大,雇用了几百甚至几千个客户服务、销售、和支持功能中的成员。单个呼叫中心可以服务多个公司,例如在外包的基础上,允许类似客户服务工作由公司执行,以便更有效地统一和运行。
呼叫中心通常包括具有打出或者接收电话、现场聊天、邮件等的代表(诸如现场代理)的大量办公室人员。基于呼叫中心的规模,单个办公室可以少于12个代表或多于100个职员(一些呼叫中心具有数千个职员)。一些呼叫中心集中于应答入站呼叫,例如为需要帮助的客户给出免费电话号码的银行呼叫中心。在这种实例中,代表可以通过电话提供诸如给出账户余额、应答关于交易的问题、或者获得贷款申请的服务。其它呼叫中心集中于出站呼叫,例如用于调查公司、电话销售机构、或者帐户应收帐款的呼叫中心,调查公司的代表打电话以对人员询问调查问题。
然而,现场代理具有诸如局限的工作时间、局限的生产能力(尤其是指导现场帮助,例如会被局限于在某个时间仅可以处理一个或者几个客户)、局限的知识水平或者技巧设定等的限制等,这使得现场代理变得不受到保证,例如,每当客户需要联络呼叫中心时,同样的现场代理始终可用于帮助具体客户;或者相同的应答被提供给经历相同情况的不同客户。因此,利用呼叫中心的客户通常频繁地从多个不同的现场代理被提供有不充分、不正确或者不一致的信息,或者被经常不得不重复地提供相同的基础事实或者情况,从而为客户情况带来速度上最晚的现场代理。
由于现场代理的成本可以是显著的,改善(含有现场代理的成本时的)呼叫中心的效率的一个方法是通过诸如交互式话音响应(IVR)技术,这可以帮助现场代理卸载一些较为简单的任务。利用IVR,客户交互首先可以被分解为以自动方式被传递给客户的一系列简单步骤,例如预录制脚本或者电脑屏幕上的多选择菜单。这允许在将控制交予给现场代理之前(例如通过电话键盘或者电脑键盘)获得一些信息(诸如问题本质或者帐号)。
例如,对于联络或者客户要求的本质或者复杂性,会需要将IVR交互转接(路由)到现场代理。例如,IVR可以将控制传递到路由器,这可以将联络路由到现场代理(可能基于由IVR脚本收集的信息,例如路由到现场代理,该现场代理是选自提供的选择中的该类型问题中的专家)。另外,只要客户的要求落入提供的选项的简单菜单选择中的一个,IVR甚至可以处理常规事件(例如商业营运时间)的简单呼叫,而不需要接合现场代理。
然而,IVR完全不能解决上面论述的现场代理的固有限制的问题。另外,客户倾向于不喜欢IVR,IVR的和人无关的方法在双向均要求大量重复信息,不得不屡次从头开始,并且通常不能达到可接受的解决方案。例如,客户发现大部分IVR经历都是使人不愉快的,通常因为长时间不合理的被处于保持状态(例如例如等待现场代理)、或者具有太多选项的自动菜单(和没有一个真正适当的选项)、以及在尝试导航希望发现可接受通路的IVR菜单时不得不重复相同的信息。简而言之,IVR不是解决大多数客户业务的合格呼叫中心。
发明内容
本发明的实施例方面涉及一种用于客户呼叫中心的智能自动代理。在一个实施例中,自动代理是运行在服务器计算机上的应用程序。自动代理可以例如通过人工智能学习以在没有现场代理的限制的情况下执行现场代理的角色。在一个实施例中,自动代理实时响应于客户和由客户使用的相同语言(说话或者书面)。例如,自动代理可以具有适于在一定时间内从其提供的交互中学习和使用该资料以更适当地响应未来交互。
在一个实施例中,自动代理跨越由呼叫中心的客户使用的全部信道(诸如声音、邮件、聊天、网络、手机、智能电话等等)进行通信。在一个示例性实施例中,自动代理用作联络企业的具体客户的一致的输入点。在一个实施例中,自动代理记录与具体客户的先前交互(或者客户与呼叫中心的先前交互),并修改其与相同客户的未来交互的响应以影响早先的交互。
例如,自动代理可以学习以识别客户的声音,这可以在不同人员呼叫假装为相同客户时,减少或者防止骗子的出现,并且还可以帮助改善语音含量识别。在一个实施例中,在每一个交互过程中收集的关于具体客户的信息被自动地存储在中心数据库中,用于在与相同客户进行交互时由自动代理进行随后的自动检索。
在一个实施例中,自动代理建立用于(自动代理遇到的或者联络呼叫中心的)每个客户的客户配置文件,并将配置文件存储在中心数据库中。配置文件可以利用与每一个相同客户的未来交互更新,包括与自动代理的交互或者与呼叫中心的交互。在一个实施例中,配置文件可以包含客户的人员识别信息(诸如社会保险号、客户帐号等)、以及客户偏好信息、关于客户的情感、情绪(例如在在一定时间内建造的客户个性的快照,诸如客户经常心情不好或者在星期一心情不好)、行为、和业务历史的信息。在一个实施例中,配置文件可以包含由客户发起但是未完成或者用于客户未完成的事务的列表。
配置文件可以因此包含不大可能在一定时间内改变的静态部分(例如特征、事件、质量),和容易或者几乎一定会在一定时间内改变的动态部分(例如未决事务、当前情绪)。在一个实施例中,配置文件包含静态部分,同时客户状态(或者状况)包含动态部分。
在一个实施例中,例如当客户喜欢与自动代理交互时、或者当现场代理当前不可用时、或者当服务级协定(SLA)、预算表或者其它资源考虑指示自动代理应该替代现场代理处理具体交互时,自动代理可以补充现有现场代理。在一个实施例中,自动代理可以取代由呼叫中心的现场代理执行的大多数传统上的工作。在一个实施例中,自动代理由呼叫中心监督人指导(例如控制),该呼叫中心监督人监控自动代理的客户服务并且在需要时干预自动代理的客户服务。在一个实施例中,自动代理还可以用作呼叫中心现场代理的监督人。
在一个实施例中,自动代理可以被表示为与客户交互的音频与视频化身(例如当通过网络界面连接到呼叫中心时,在计算机显示器上的)。在一个实施例中,自动代理基于客户的偏好或者与自动代理或者呼叫中心的交互历史在媒体形式、时间、和语言(诸如老式电话、智能电话、网络、聊天、或者邮件)方面与客户交互。在一个实施例中,自动代理跟踪客户偏好用于软技能(例如表现与别人的关系特征的人的性格、社交风度、通信、语言、私人习惯、友好、和乐观主义)并将具有这些软技能的现场代理与具体客户匹配。
在一个实施例中,自动代理作为诸如现场代理的人执行。例如,自动代理可以是运行在企业自己的计算机上的一组软件程序的情况。因此,自动代理可以为企业工作。在另一个实施例中,自动代理的情况运行在租用计算资源(诸如云计算)上,并且自动代理为共享相同计算资源的多个企业工作。
在一个实施例中,自动代理使用游戏化技术维护客户的关于描述的业务的兴趣。自动代理可以例如使用奖励、渐进发展(例如小步骤)、比赛、及其它心理学手段以灌输客户的积极态度或者情绪,从而帮助客户达到呼叫中心和客户的共同目标。
在一个实施例中,自动代理可以建立用于客户的社交社区。通过取得客户的自然趋势的优点而社会化以及在相似情况下共享那些优点的信息,自动代理可以组织经历类似问题或者关心的客户进入社交社区(例如利用论坛,论坛用于交互和通信)。自动代理可以奖励社区中的活动,以预报可以有益于例如客户、赞助者、企业、自动代理等的活动。例如,自动代理可以建立共享相似业务但是有些稀少的客户的小社交社区。对于另一个实例,自动代理可以建立共享或者经历更频繁的业务或者情况的客户的较大社交社区,但是该社区不会适用于单个或者简单的解决方案。
在一个实施例中,自动代理以多种角色服务,诸如与客户进行交互,在客户和企业以其现场代理之间调停(诸如用作客户和呼叫中心的后台之间的导管),和监督现场代理。例如,通过维护大规模的与呼叫中心和客户之间每一个交互有关的客户配置文件信息,和将所有客户配置文件信息传递至后台,自动代理可以帮助或者满足现场代理分配的传统后台任务。在一个示例性实施例中,自动代理基于多种准则(诸如客户与现场代理的过往经历、客户的情绪(一些现场代理更能够处理具体情绪)、客户偏好等将现场代理分配给客户。
在一个实施例中,智能自动代理可以被配置成具有具体特性或者将适合在呼叫中心中使用的能力。这些特性或者能力包括在呼叫中心中使用的推论理由问题解决方案、资料表达和常识资料、计划、学习、自然语言处理、感知、创新、和适合的常规情报。
根据本发明的示例性实施例,提供了一种用于处理客户与企业的呼叫中心的交互的系统,所述系统包括智能自动代理,所述智能自动代理包括处理器、被配置成存储客户配置文件数据的非瞬时储存装置、和存储器。所述存储器具有存储在其上的指令,当通过所述处理器执行指令时,使处理器能够:运行人工智能引擎,该人工智能引擎被配置成从呼叫中心和客户之间的过往交互中了解关于客户的资料,和将了解的资料应用到未来交互;和维护储存装置上的客户配置文件数据。客户配置文件数据的维护包括在新交互开始时检索客户配置文件数据,利用检索的客户配置文件数据决定如何处理新交互,和在客户交互中的新交互完成之后更新储存装置上的用于客户的客户配置文件数据以象影响呼叫中心和客户之间的客户交互中的过往交互一样影响新交互。
企业可以包括多个企业。
自动代理可以包括相应的多个自动代理。
人工智能引擎可以包括被配置成根据了解的行为在一定时间内构建连接的佩特里网或者神经网络。
人工智能引擎还可以被配置成从分类中了解。
人工智能引擎还可以被配置成从数字回归(numericalregression)中了解。
了解的资料可以包括了解的客户的声音特征。
人工智能引擎还可以被配置成应用了解的客户的声音特征以在呼叫中心和客户之间的客户交互的未来交互中识别客户。
人工智能引擎还可以被配置成应用了解的客户的声音特征以在呼叫中心和客户之间的客户交互的未来交互中核对客户的身份。
客户交互可以包括实时交互。
实时交互可以包括电话呼叫、现场聊天、瞬时消息、文本消息、电视会议、多媒体交互、和/或网络交互。
客户交互可以包括非实时交互。
非实时交互可以包括邮件交流。
根据本发明的另一个示例性实施例,提供了一种通过智能自动代理处理客户与用于企业的呼叫中心的交互的方法,所述方法包括:通过自动代理利用运行在处理器上的人工智能引擎从呼叫中心和客户之间的客户交互中的过往客户交互中了解资料,并将了解的资料应用呼叫中心和客户之间的客户交互中的未来客户交往;和通过非瞬时储存装置上的处理器维护客户配置文件数据,客户配置文件数据的维护通过运行在处理器上的自动代理执行并且包括:在呼叫中心和客户之间的客户交互中的新客户交互开始时检索所述客户的客户配置文件数据;利用检索的客户配置文件数据决定如何处理客户交互中的新客户交互;和在完成客户交互中的新客户交互之后更新储存装置上的用于所述客户的客户配置文件数据,从而使客户交互中的新客户交互转变为呼叫中心和客户之间的客户交互中的过往客户交互中的一个。
人工智能引擎可以包括被配置成根据了解的行为在一定时间内构建连接的佩特里网或者神经网络。
当客户交互中的新交互为实时交互时,客户配置文件数据的检索可以在客户交互的新交互过程中实时进行。
实时交互可以包括电话呼叫、现场聊天、瞬时消息、会话、文本消息会话、电视会议、多媒体交互、和/或网络交互。
当客户交互中的新交互完成之后,客户配置文件数据的更新可以非实时地进行。
了解的资料可以包括了解的客户的声音特征。所述方法还可以包括通过人工智能引擎应用了解的客户的声音特征以识别呼叫中心和客户之间的客户交互中的未来交互中的客户。
了解的资料可以包括了解的客户的声音特征。所述方法还可以包括通过人工智能引擎应用了解的客户的声音特征以核对呼叫中心和客户之间的客户交互中的未来交互中的客户的身份。
根据本发明的上述及其它实施例,用于呼叫中心的智能自动代理通过执行现场代理的角色但不受到现场代理或者利用IVR的现场代理的限制来提供增强的客户服务。通过维护私人档案资料,本发明的实施例提供了从与自动代理和与呼叫中心的每一个交互中了解客户的自动代理,并且跨越不同媒体信道象人一样(例如具有其自己的个性、偏好、情绪等)交互,以与可能仅仅利用现场代理或者利用IVRs是现场代理相比提供更好且更具个性化的服务。另外,通过维护具体客户的综合记录(诸如利用配置文件),本发明的实施例提供自动代理,与可能利用现场代理池或者利用IVR的现场代理相比,该自动代理具有客户与呼叫中心的先前交互的更好且更一致的回忆。
本发明的实施例方面涉及一种用于客户呼叫中心的智能自动代理。在一个实施例中,自动代理是运行在服务器计算机上的应用程序。自动代理可以例如通过人工智能学习以在没有现场代理的限制的情况下执行现场代理的角色。在一个实施例中,自动代理实时响应于客户和由客户使用的相同语言(说话或者书面)。例如,自动代理可以具有适于在一定时间内从其提供的交互中学习和使用该资料以更适当地响应未来交互。
在一个实施例中,自动代理跨越由呼叫中心的客户使用的全部信道(诸如声音、邮件、聊天、网络、手机、智能电话等等)进行通信。在一个示例性实施例中,自动代理用作联络企业的具体客户的一致的输入点。在一个实施例中,自动代理记录与具体客户的先前交互(或者客户与呼叫中心的先前交互),并修改其与相同客户的未来交互的响应以影响早先的交互。
例如,自动代理可以学习以识别客户的声音,这可以在不同人员呼叫假装为相同客户时,减少或者防止骗子的出现,并且还可以帮助改善语音含量识别。在一个实施例中,在每一个交互过程中收集的关于具体客户的信息被自动地存储在中心数据库中,用于在与相同客户进行交互时由自动代理进行随后的自动检索。
在一个实施例中,自动代理建立用于(自动代理遇到的或者联络呼叫中心的)每个客户的客户配置文件,并将配置文件存储在中心数据库中。配置文件可以利用与每一个相同客户的未来交互更新,包括与自动代理的交互或者与呼叫中心的交互。在一个实施例中,配置文件可以包含客户的人员识别信息(诸如社会保险号、客户帐号等)、以及客户偏好信息、关于客户的情感、情绪(例如在在一定时间内建造的客户个性的快照,诸如客户经常心情不好或者在星期一心情不好)、行为、和业务历史的信息。在一个实施例中,配置文件可以包含由客户发起但是未完成或者用于客户未完成的事务的列表。
配置文件可以因此包含不大可能在一定时间内改变的静态部分(例如特征、事件、质量),和容易或者几乎一定会在一定时间内改变的动态部分(例如未决事务、当前情绪)。在一个实施例中,配置文件包含静态部分,同时客户状态(或者状况)包含动态部分。
在一个实施例中,例如当客户喜欢与自动代理交互时、或者当现场代理当前不可用时、或者当服务级协定(SLA)、预算表或者其它资源考虑指示自动代理应该替代现场代理处理具体交互时,自动代理可以补充现有现场代理。在一个实施例中,自动代理可以取代由呼叫中心的现场代理执行的大多数传统上的工作。在一个实施例中,自动代理由呼叫中心监督人指导(例如控制),该呼叫中心监督人监控自动代理的客户服务并且在需要时干预自动代理的客户服务。在一个实施例中,自动代理还可以用作呼叫中心现场代理的监督人。
在一个实施例中,自动代理可以被表示为与客户交互的音频与视频化身(例如当通过网络界面连接到呼叫中心时,在计算机显示器上的)。在一个实施例中,自动代理基于客户的偏好或者与自动代理或者呼叫中心的交互历史在媒体形式、时间、和语言(诸如老式电话、智能电话、网络、聊天、或者邮件)方面与客户交互。在一个实施例中,自动代理跟踪客户偏好用于软技能(例如表现与别人的关系特征的人的性格、社交风度、通信、语言、私人习惯、友好、和乐观主义)并将具有这些软技能的现场代理与具体客户匹配。
在一个实施例中,自动代理作为诸如现场代理的人执行。例如,自动代理可以是运行在企业自己的计算机上的一组软件程序的情况。因此,自动代理可以为企业工作。在另一个实施例中,自动代理的情况运行在租用计算资源(诸如云计算)上,并且自动代理为共享相同计算资源的多个企业工作。
在一个实施例中,自动代理使用游戏化技术维护客户的关于描述的业务的兴趣。自动代理可以例如使用奖励、渐进发展(例如小步骤)、比赛、及其它心理学手段以灌输客户的积极态度或者情绪,从而帮助客户达到呼叫中心和客户的共同目标。
在一个实施例中,自动代理可以建立用于客户的社交社区。通过取得客户的自然趋势的优点而社会化以及在相似情况下共享那些优点的信息,自动代理可以组织经历类似问题或者关心的客户进入社交社区(例如利用论坛,论坛用于交互和通信)。自动代理可以奖励社区中的活动,以预报可以有益于例如客户、赞助者、企业、自动代理等的活动。例如,自动代理可以建立共享相似业务但是有些稀少的客户的小社交社区。对于另一个实例,自动代理可以建立共享或者经历更频繁的业务或者情况的客户的较大社交社区,但是该社区不会适用于单个或者简单的解决方案。
在一个实施例中,自动代理以多种角色服务,诸如与客户进行交互,在客户和企业以其现场代理之间调停(诸如用作客户和呼叫中心的后台之间的导管),和监督现场代理。例如,通过维护大规模的与呼叫中心和客户之间每一个交互有关的客户配置文件信息,和将所有客户配置文件信息传递至后台,自动代理可以帮助或者满足现场代理分配的传统后台任务。在一个示例性实施例中,自动代理基于多种准则(诸如客户与现场代理的过往经历、客户的情绪(一些现场代理更能够处理具体情绪)、客户偏好等将现场代理分配给客户。
在一个实施例中,智能自动代理可以被配置成具有具体特性或者将适合在呼叫中心中使用的能力。这些特性或者能力包括在呼叫中心中使用的推论理由问题解决方案、资料表达和常识资料、计划、学习、自然语言处理、感知、创新、和适合的常规情报。
根据本发明的示例性实施例,提供一种用于呼叫中心的系统,所述系统包括:处理器;交互式语音响应(IVR)节点,所述交互式语音响应节点被配置成处理器在运行以通过表现给客户的设定脚本和从客户接收的相应响应参与从客户到呼叫中心的呼入交互;智能自动代理,所述智能自动代理被配置成在处理器上运行并且与IVR节点通信,所述自动代理包括人工智能引擎;呼叫服务器节点,所述呼叫服务器节点被配置成在处理器上运行,以与自动代理通讯,并将交互和响应路由到现场代理池中的一个或者到自动代理;开关,所述开关被配置成将呼入交互路由到IVR节点,自动代理、和呼叫服务器节点;和非瞬时储存装置,所述非瞬时储存装置连接到所述处理器并被配置成存储根据客户和呼叫中心之间的先前交互构建的客户配置文件数据,其中IVR节点还被配置成将交互和响应路由到呼叫服务器,自动代理还被配置成在交互过程从客户配置文件数据检索客户的配置文件和将检索的配置文件更新在储存装置上以反映所述交互,和人工智能引擎被配置成从交互中了解资料并将了解的资料应用到客户和呼叫中心之间的未来交互中。
呼叫服务器节点还可以被配置成根据客户的请求将交互和响应路由到自动代理。
呼叫服务器节点还可以被配置成在没有可用现场代理时将交互和响应路由到自动代理。
IVR节点还可以被配置成获得客户的身份、与客户的配置文件相对应的身份。
处理器可以包括多个处理器。IVR节点、呼叫服务器节点和自动代理可以在多个处理器的不同处理器上。
该系统还包括路由服务器节点,所述路由服务器节点被配置成在所述处理器上运行,以识别来自现场代理池的适当的现场代理,路由被路由到该适当的现场代理。呼叫服务器节点还被配置成将交互和响应路由到通过路由服务器识别的适当的现场代理。
处理器可以包括多个处理器。呼叫服务器节点和路由服务器节点可以在多个处理器的不同处理器上。
该系统还包括统计服务器节点,所述统计服务器节点被配置成在处理器上运行以维护现场代理的信息的可用性。当基于通过统计服务器维护的现场代理可用性信息没有现场代理可用时,所述呼叫服务器节点还可以被配置成将交互路由到自动代理。
处理器可以包括多个处理器。呼叫服务器节点和统计服务器节点可以在多个处理器的不同处理器上。
人工智能引擎还可以被配置成通过分析客户和呼叫中心的交互完成之后以及未来交互之前的客户配置文件、以及在客户和呼叫中心之间的未来交互之前将客户的配置文件的分析结果存储在储存装置上来了解关于交互的资料。
分析结果包括通过自动代理在客户和呼叫中心之间的未来交互的过程中采取的活动。自动代理还可以被配置成在客户和呼叫中心之间的未来交互过程中执行所述活动。
根据本发明的另一个示例性实施例,提供了一种用于呼叫中心在连接到非瞬时储存装置的处理器上自动运行的方法。所述方法包括:通过运行在处理器上的交互式语音响应(IVR)节点接合从客户到呼叫中心的呼入交互,包括为客户表现设定脚本和接收来自客户的相应;运行在所述处理器上的智能自动代理,所述智能自动代理包括人工智能引擎并被配置成与IVR节点通信和将根据客户和呼叫中心之间先前交互构建的客户配置文件数据存储在储存装置上;运行所述处理器上的呼叫服务器节点,所述呼叫服务器节点被配置成与自动代理通讯,并将交互和响应路由到现场代理池中的一个或者到自动代理;将交互和响应从IVR节点路由到呼叫服务器;在交互过程中通过自动代理从客户配置文件数据检索客户的配置文件;通过自动代理在储存装置上更新检索的配置文件以反映所述交互;通过人工智能引擎了解交互的资料;和通过人工智能引擎将了解的资料应用到客户和呼叫中心之间的未来交互中。
所述方法还可以包括根据客户的请求将交互和响应从呼叫服务器节点路由到自动代理。
所述方法还可以包括在没有可用现场代理时将交互和响应从呼叫服务器节点路由到自动代理。
所述方法还可以包括通过IVR节点获得客户的身份。所述身份可以对应于客户的配置文件。
交互可以包括第一交互和第二交互。所述响应包括相应的第一响应和第二响应。所述方法还包括:将第一交互和第一响应从呼叫服务器节点路由到自动代理;运行处理器上的路由服务器节点,所述路由服务器节点被配置成从现场为哪池识别适当的现场代理,以将第二交互路由到该适当的现场代理,第二交互被路由到该适当的现场代理;和将第二交互和第二响应从呼叫服务器节点路由到通过路由服务器识别的适当的现场代理。
所述方法还可以包括运行在处理器上的统计服务器节点,所述统计服务器节点被配置成维护现场代理的信息的可用性;和当基于通过统计服务器维护的现场代理可用性信息没有可用现场代理时,将交互从呼叫服务器节点路由到自动代理。
通过人工智能引擎从交互的资料了解可以包括:通过人工智能引擎在客户和呼叫中心的交互完成之后以及未来交互之前分析客户的配置文件;以及在客户和呼叫中心之间的未来交互之前将客户的配置文件的分析结果存储在储存装置上。
分析结果可以包括通过自动代理在客户和呼叫中心之间的未来交互的过程中采取的活动。所述方法还可以包括通过自动代理在客户和呼叫中心之间的未来交互过程中执行所述活动。
所述方法还包括:通过人工智能引擎重新分析分析完成之后的客户的配置文件并储存分析的结果,在更新人工智能引擎之后和在客户和呼叫中心之间的未来交互之前进行客户配置文件的重新分析;和更新分析的结果以在客户呼叫中心之间的未来交互之前影响储存装置上的客户配置文件中的重新分析的结果。
根据本发明的上述及其它实施例,用于呼叫中心的智能自动代理通过执行现场代理的角色但不受到现场代理或者利用IVR的现场代理的限制来提供增强的客户服务。通过维护私人档案资料,本发明的实施例提供了从与自动代理和与呼叫中心的每一个交互中了解客户的自动代理,并且跨越不同媒体信道象人一样(例如具有其自己的个性、偏好、情绪等)交互,以与可能仅仅利用现场代理或者利用IVRs是现场代理相比提供更好且更具个性化的服务。另外,通过维护具体客户的综合记录(诸如利用配置文件),本发明的实施例提供自动代理,与可能利用现场代理池或者利用IVR的现场代理相比,该自动代理具有客户与呼叫中心的先前交互的更好且更一致的回忆。
本发明的实施例方面涉及一种用于客户呼叫中心的智能自动代理。在一个实施例中,自动代理是运行在服务器计算机上的应用程序。自动代理可以例如通过人工智能学习以在没有现场代理的限制的情况下执行现场代理的角色。在一个实施例中,自动代理实时响应于客户和由客户使用的相同语言(说话或者书面)。例如,自动代理可以具有适于在一定时间内从其提供的交互中学习和使用该资料以更适当地响应未来交互。
在一个实施例中,自动代理跨越由呼叫中心的客户使用的全部信道(诸如声音、邮件、聊天、网络、手机、智能电话等等)进行通信。在一个示例性实施例中,自动代理用作联络企业的具体客户的一致的输入点。在一个实施例中,自动代理记录与具体客户的先前交互(或者客户与呼叫中心的先前交互),并修改其与相同客户的未来交互的响应以影响早先的交互。
例如,自动代理可以学习以识别客户的声音,这可以在不同人员呼叫假装为相同客户时,减少或者防止骗子的出现,并且还可以帮助改善语音含量识别。在一个实施例中,在每一个交互过程中收集的关于具体客户的信息被自动地存储在中心数据库中,用于在与相同客户进行交互时由自动代理进行随后的自动检索。
在一个实施例中,自动代理建立用于(自动代理遇到的或者联络呼叫中心的)每个客户的客户配置文件,并将配置文件存储在中心数据库中。配置文件可以利用与每一个相同客户的未来交互更新,包括与自动代理的交互或者与呼叫中心的交互。在一个实施例中,配置文件可以包含客户的人员识别信息(诸如社会保险号、客户帐号等)、以及客户偏好信息、关于客户的情感、情绪(例如在在一定时间内建造的客户个性的快照,诸如客户经常心情不好或者在星期一心情不好)、行为、和业务历史的信息。在一个实施例中,配置文件可以包含由客户发起但是未完成或者用于客户未完成的事务的列表。
配置文件可以因此包含不大可能在一定时间内改变的静态部分(例如特征、事件、质量),和容易或者几乎一定会在一定时间内改变的动态部分(例如未决事务、当前情绪)。在一个实施例中,配置文件包含静态部分,同时客户状态(或者状况)包含动态部分。在一个实施例中,例如当客户喜欢与自动代理交互时、或者当现场代理当前不可用时、或者当服务级协定(SLA)、预算表或者其它资源考虑指示自动代理应该替代现场代理处理具体交互时,自动代理可以补充现有现场代理。在一个实施例中,自动代理可以取代由呼叫中心的现场代理执行的大多数传统上的工作。在一个实施例中,自动代理由呼叫中心监督人指导(例如控制),该呼叫中心监督人监控自动代理的客户服务并且在需要时干预自动代理的客户服务。在一个实施例中,自动代理还可以用作呼叫中心现场代理的监督人。
在一个实施例中,自动代理可以被表示为与客户交互的音频与视频化身(例如当通过网络界面连接到呼叫中心时,在计算机显示器上的)。在一个实施例中,自动代理基于客户的偏好或者与自动代理或者呼叫中心的交互历史在媒体形式、时间、和语言(诸如老式电话、智能电话、网络、聊天、或者邮件)方面与客户交互。在一个实施例中,自动代理跟踪客户偏好用于软技能(例如表现与别人的关系特征的人的性格、社交风度、通信、语言、私人习惯、友好、和乐观主义)并将具有这些软技能的现场代理与具体客户匹配。
在一个实施例中,自动代理作为诸如现场代理的人执行。例如,自动代理可以是运行在企业自己的计算机上的一组软件程序的情况。因此,自动代理可以为企业工作。在另一个实施例中,自动代理的情况运行在租用计算资源(诸如云计算)上,并且自动代理为共享相同计算资源的多个企业工作。
在一个实施例中,自动代理使用游戏化技术维护客户的关于描述的业务的兴趣。自动代理可以例如使用奖励、渐进发展(例如小步骤)、比赛、及其它心理学手段以灌输客户的积极态度或者情绪,从而帮助客户达到呼叫中心和客户的共同目标。
在一个实施例中,自动代理可以建立用于客户的社交社区。通过取得客户的自然趋势的优点而社会化以及在相似情况下共享那些优点的信息,自动代理可以组织经历类似问题或者关心的客户进入社交社区(例如利用论坛,论坛用于交互和通信)。自动代理可以奖励社区中的活动,以预报可以有益于例如客户、赞助者、企业、自动代理等的活动。例如,自动代理可以建立共享相似业务但是有些稀少的客户的小社交社区。对于另一个实例,自动代理可以建立共享或者经历更频繁的业务或者情况的客户的较大社交社区,但是该社区不会适用于单个或者简单的解决方案。
在一个实施例中,自动代理以多种角色服务,诸如与客户进行交互,在客户和企业以其现场代理之间调停(诸如用作客户和呼叫中心的后台之间的导管),和监督现场代理。例如,通过维护大规模的与呼叫中心和客户之间每一个交互有关的客户配置文件信息,和将所有客户配置文件信息传递至后台,自动代理可以帮助或者满足现场代理分配的传统后台任务。在一个示例性实施例中,自动代理基于多种准则(诸如客户与现场代理的过往经历、客户的情绪(一些现场代理更能够处理具体情绪)、客户偏好等将现场代理分配给客户。
在一个实施例中,智能自动代理可以被配置成具有具体特性或者将适合在呼叫中心中使用的能力。这些特性或者能力包括在呼叫中心中使用的推论理由问题解决方案、资料表达和常识资料、计划、学习、自然语言处理、感知、创新、和适合的常规情报。
根据本发明示例性实施例,提供了一种用于呼叫中心的智能自动代理的客户门户。所述客户门户被配置成在连接到非瞬时储存装置的处理器上运行。所述客户门户包括客户配置文件模块,所述客户配置文件模块被配置成从存储在储存装置上的客户配置文件数据库访问客户的配置文件;和客户情感和情绪检测模块,所述客户情感和情绪检测模块被配置成在客户和呼叫中心之间的交互过程中检测客户的情感和情绪。所述智能自动代理是被配置成:在所述处理器上运行;参与客户和呼叫中心之间的交互;通过访问的用于客户的配置文件中和在交互过程中检测的客户的情感和情绪的因素调节智能自动代理在交互中的行为;和在储存装置上更新访问的配置文件以反映所述交互。
客户情感和情绪检测模块还可以被配置成通过分析客户在交互过程中的书面通信、语言通信、和/或可视通信在交互过程中检测客户的情感和情绪。
客户情感和情绪检测模块还可以被配置成通过比较客户和呼叫中心之间的先前交互过程中来自客户的客户书面通信、语言通信、和/或可视通信与先前通信的客户书面通信、语言通信、和/或可视通信来分析客户的书面通信、语言通信、和/或可视通信。
客户情感和情绪检测模块还可以被配置成通过比较客户书面通信、语言通信、和/或可视通信与利用客户配置文件数据库中客户共享客户配置文件特征的呼叫中心的其它客户的客户书面通信、语言通信、和/或可视通信来分析客户的书面通信、语言通信、和/或可视通信。
客户门户还可以包括被配置成与客户通过视觉化身交互的化身模块。
客户门户还可以包括个性化交互式语音响应(IVR)模块,所述个性化交互式语音响应模块被配置成用作到客户和呼叫中心之间的交互的输入点,从而获得客户的身份、与客户的配置文件相对应的身份;和基于配置文件和从客户接收相应的响应表现给客户自定义脚本。
客户门户还可以包括游戏化模块,游戏化模块被配置成在客户和呼叫中心之间的交互内应用游戏化原理。
客户门户还可以包括资料转接接口组件,所述资料转接接口组件被配置成访问储存在储存装置上的资料库。游戏化模块还可以被配置成与资料转接接口组件协作以将游戏化原理应用到客户和呼叫中心之间的交互中,从而利用从资料库中检索的资料和将资料存储到资料库中帮助客户。
客户门户还可以包括资料转接接口组件,所述资料转接接口组件被配置成访问存储在储存装置上的资料库。
客户门户还可以包括接收测试模块,该接收测试模块被配置成根据呼叫中心的被选择的客户执行呼叫中心的协议的接收测试。
协议可以包括交互式语音响应(IVR)脚本、现场代理脚本、和/或代理路由规则。
客户门户还可以包括客户选择模块,该客户选择模块基于从客户配置文件数据库中选择的客户的相应档案资料选择选择的客户。
智能自动代理还可以被配置成在客户和呼叫中心之间的交互完成之后和在未来交互之前分析被访问的配置文件,和更新储存装置上的被访问的配置文件,以影响客户和呼叫中心之间的未来交互之前的分析结果。
根据本发明的另一个示例性实施例,提供了一种通过用于呼叫中心的智能自动代理与客户接口的方法。所述方法包括:运行在连接到非瞬时储存装置的处理器上的智能自动代理;从存储在储存装置上的客户配置文件数据库访问客户的配置文件;通过自动代理检测客户和呼叫中心之间的交互过程中的客户的情感和情绪;通过被访问的客户的配置文件中的因素和在交互过程中检测到的客户的情感情绪调整交互中的自动代理的行为;和更新储存装置上的被访问的配置文件以影响所述交互。
客户在交互过程中的情感和情绪的检测可以包括在交互过程中分析客户的书面通信、语言通信、和/或可视通信。
所述方法还可以包括:获得到交互的输入点处的客户的身份,所述身份与客户的配置文件相对应;和基于配置文件和接收来自客户的相应响应为客户表现自定义脚本。
所述方法还可以包括:在客户和呼叫中心之间的交互完成之后和未来交互之前分析被访问的配置文件;和在客户和呼叫中心之间的未来交互之前更新储存装置上被访问的配置文件以影响分析结果。
根据本发明的又一个示例性实施例,提供了一种用于呼叫中心的智能自动代理的客户门户。所述自动代理包括:处理器;非瞬时储存装置,所述非瞬时储存装置被配置成存储客户配置文件数据;和存储器。所述存储器具有存储在其上的指令,当通过处理器执行该指令时使处理器能够:从存储在储存装置上的客户配置文件数据库访问客户的配置文件;在客户和呼叫中心之间的交互过程中通过客户门户检测客户的情感和情绪;通过被访问的客户配置文件中的因素和在交互过程中检测的客户的情感和情绪调节交互中的自动代理的行为;和更新储存装置上的被访问的配置文件以反映所述交互。
当通过处理器执行指令时,所述指令还可以事处理器:获得到交互的输入点处的客户的身份,所述身份与客户的配置文件相对应;和基于配置文件和从客户接收的相应响应为客户提供自定义脚本。
当通过处理器执行指令时,所述指令还可以使处理器在客户和呼叫中心之间的交互完成之后和在未来交互之前分析被访问的配置文件,和更新储存装置上的被访问的配置文件,以影响客户和呼叫中心之间的未来交互之前的分析结果。
根据本发明的上述及其它实施例,用于呼叫中心的智能自动代理通过执行现场代理的角色但不受到现场代理或者利用IVR的现场代理的限制来提供增强的客户服务。通过维护私人档案资料,本发明的实施例提供了从与自动代理和与呼叫中心的每一个交互中了解客户的自动代理,并且跨越不同媒体信道象人一样(例如具有其自己的个性、偏好、情绪等)交互,以与可能仅仅利用现场代理或者利用IVRs是现场代理相比提供更好且更具个性化的服务。另外,通过维护具体客户的综合记录(诸如利用配置文件),本发明的实施例提供自动代理,与可能利用现场代理池或者利用IVR的现场代理相比,该自动代理具有客户与呼叫中心的先前交互的更好且更一致的回忆。
本发明的实施例方面涉及一种用于客户呼叫中心的智能自动代理。在一个实施例中,自动代理是运行在服务器计算机上的应用程序。自动代理可以例如通过人工智能学习以在没有现场代理的限制的情况下执行现场代理的角色。在一个实施例中,自动代理实时响应于客户和由客户使用的相同语言(说话或者书面)。例如,自动代理可以具有适于在一定时间内从其提供的交互中学习和使用该资料以更适当地响应未来交互。
在一个实施例中,自动代理跨越由呼叫中心的客户使用的全部信道(诸如声音、邮件、聊天、网络、手机、智能电话等等)进行通信。在一个示例性实施例中,自动代理用作联络企业的具体客户的一致的输入点。在一个实施例中,自动代理记录与具体客户的先前交互(或者客户与呼叫中心的先前交互),并修改其与相同客户的未来交互的响应以影响早先的交互。
例如,自动代理可以学习以识别客户的声音,这可以在不同人员呼叫假装为相同客户时,减少或者防止骗子的出现,并且还可以帮助改善语音含量识别。在一个实施例中,在每一个交互过程中收集的关于具体客户的信息被自动地存储在中心数据库中,用于在与相同客户进行交互时由自动代理进行随后的自动检索。
在一个实施例中,自动代理建立用于(自动代理遇到的或者联络呼叫中心的)每个客户的客户配置文件,并将配置文件存储在中心数据库中。配置文件可以利用与每一个相同客户的未来交互更新,包括与自动代理的交互或者与呼叫中心的交互。在一个实施例中,配置文件可以包含客户的人员识别信息(诸如社会保险号、客户帐号等)、以及客户偏好信息、关于客户的情感、情绪(例如在在一定时间内建造的客户个性的快照,诸如客户经常心情不好或者在星期一心情不好)、行为、和业务历史的信息。在一个实施例中,配置文件可以包含由客户发起但是未完成或者用于客户未完成的事务的列表。
配置文件可以因此包含不大可能在一定时间内改变的静态部分(例如特征、事件、质量),和容易或者几乎一定会在一定时间内改变的动态部分(例如未决事务、当前情绪)。在一个实施例中,配置文件包含静态部分,同时客户状态(或者状况)包含动态部分。
在一个实施例中,例如当客户喜欢与自动代理交互时、或者当现场代理当前不可用时、或者当服务级协定(SLA)、预算表或者其它资源考虑指示自动代理应该替代现场代理处理具体交互时,自动代理可以补充现有现场代理。在一个实施例中,自动代理可以取代由呼叫中心的现场代理执行的大多数传统上的工作。在一个实施例中,自动代理由呼叫中心监督人指导(例如控制),该呼叫中心监督人监控自动代理的客户服务并且在需要时干预自动代理的客户服务。在一个实施例中,自动代理还可以用作呼叫中心现场代理的监督人。
在一个实施例中,自动代理可以被表示为与客户交互的音频与视频化身(例如当通过网络界面连接到呼叫中心时,在计算机显示器上的)。在一个实施例中,自动代理基于客户的偏好或者与自动代理或者呼叫中心的交互历史在媒体形式、时间、和语言(诸如老式电话、智能电话、网络、聊天、或者邮件)方面与客户交互。在一个实施例中,自动代理跟踪客户偏好用于软技能(例如表现与别人的关系特征的人的性格、社交风度、通信、语言、私人习惯、友好、和乐观主义)并将具有这些软技能的现场代理与具体客户匹配。
在一个实施例中,自动代理作为诸如现场代理的人执行。例如,自动代理可以是运行在企业自己的计算机上的一组软件程序的情况。因此,自动代理可以为企业工作。在另一个实施例中,自动代理的情况运行在租用计算资源(诸如云计算)上,并且自动代理为共享相同计算资源的多个企业工作。
在一个实施例中,自动代理使用游戏化技术维护客户的关于描述的业务的兴趣。自动代理可以例如使用奖励、渐进发展(例如小步骤)、比赛、及其它心理学手段以灌输客户的积极态度或者情绪,从而帮助客户达到呼叫中心和客户的共同目标。
在一个实施例中,自动代理可以建立用于客户的社交社区。通过取得客户的自然趋势的优点而社会化以及在相似情况下共享那些优点的信息,自动代理可以组织经历类似问题或者关心的客户进入社交社区(例如利用论坛,论坛用于交互和通信)。自动代理可以奖励社区中的活动,以预报可以有益于例如客户、赞助者、企业、自动代理等的活动。例如,自动代理可以建立共享相似业务但是有些稀少的客户的小社交社区。对于另一个实例,自动代理可以建立共享或者经历更频繁的业务或者情况的客户的较大社交社区,但是该社区不会适用于单个或者简单的解决方案。
在一个实施例中,自动代理以多种角色服务,诸如与客户进行交互,在客户和企业以其现场代理之间调停(诸如用作客户和呼叫中心的后台之间的导管),和监督现场代理。例如,通过维护大规模的与呼叫中心和客户之间每一个交互有关的客户配置文件信息,和将所有客户配置文件信息传递至后台,自动代理可以帮助或者满足现场代理分配的传统后台任务。在一个示例性实施例中,自动代理基于多种准则(诸如客户与现场代理的过往经历、客户的情绪(一些现场代理更能够处理具体情绪)、客户偏好等将现场代理分配给客户。
在一个实施例中,智能自动代理可以被配置成具有具体特性或者将适合在呼叫中心中使用的能力。这些特性或者能力包括在呼叫中心中使用的推论理由问题解决方案、资料表达和常识资料、计划、学习、自然语言处理、感知、创新、和适合的常规情报。
根据本发明的示例性实施例,提供了一种用于呼叫中心的智能自动代理的后台服务。所述后台被配置成在连接到非瞬时储存装置的处理器上运行。后台服务包括:客户配置文件模块,所述客户配置文件模块被配置成从存储在储存装置上的客户配置文件数据库访问客户的配置文件,所述客户的配置文件包括来自涉及客户和呼叫中心的交互的交互数据,和分析在涉及客户和呼叫中心的交互之间的交互数据而得出的分析结果;和内容分析模块,所述内容分析模块被配置成:通过执行涉及客户和呼叫中心的交互的结果的交互之间的交互数据的分析产生新的分析结果;和更新储存装置上的客户的配置文件的分析结果以反映新的分析结果,其中智能自动代理被配置成:在所述处理器上运行;通过访问客户的配置文件参与涉及所述客户和所述呼叫中心的交互的下一次交互;通过客户的被访问的配置文件的分析结果中的因素调节自动代理在下一次交互中的行为;和更新储存装置上的被访问的配置文件的交互数据以反映下一次交互。
分析结果可以包括在涉及客户和呼叫中心的交互的未来交互过程中通过自动代理采取的活动。自动代理还可以被配置成在未来交互过程中执行所述活动。
当处理器的计算资源可用时,内容分析模块还可以被配置成在处理器上运行作为后台处理。
内容分析模块还可以被配置成:在更新内容分析模块之后,通过在更新客户配置文件之后重新分析交互数据以影响新的分析结果来生成连续交互之间的附加分析结果;和更新在储存装置上的客户的配置文件的分析结果以影响附加分析结果。
所述后台服务还可以包括现场代理分配模块,所述现场代理分配模块被配置成基于客户的配置文件的分析结果将来自现场代理池的适当的现场代理分配到客户。
后台服务还可以包括建议响应处理模块,该建议响应处理模块被配置成基于客户配置文件的分析结果删除或者改变到客户的建议响应。
后台服务还可以包括分类模块,所述分类模块被配置成基于其档案资料的其相应分析结果将呼叫中心的客户划分到不同分类中。内容分析模块可以包括与不同分类相对应的多个内容分析模块。
分析结果可以包括客户尚末完成的未决事务和/或请求的列表。自动代理还可以被配置成在涉及客户和呼叫中心的交互的未来交互过程中描述未决事务和/或请求。
根据本发明的另一个示例性实施例,提供了一种通过智能自动代理为呼叫中心到客户提供后台服务的方法。所述方法包括:在连接到非瞬时储存装置的处理器上运行智能自动代理;从存储在储存装置上的客户配置文件数据库访问客户的配置文件,所述客户的配置文件包括来自涉及客户和呼叫中心的交互的交互数据,和分析在涉及客户和呼叫中心的交互之间的交互数据而得出的分析结果;通过执行涉及客户和呼叫中心的交互的结果的交互之间的交互数据的分析产生新的分析结果;更新储存装置上的客户的配置文件的分析结果以反映新的分析结果;在涉及客户和呼叫中心的交互的下一次交互过程中重新访问客户的配置文件;根据客户的被重新访问的配置文件的分析结果中的因素调整自动代理在下一次交互过程中的行为;和更新储存装置上的被重新访问的配置文件的交互数据以影响下一次交互。
分析结果可以包括在涉及客户和呼叫中心的交互的未来交互过程中通过自动代理采取的活动。所述方法还可以包括通过自动代理在未来交互过程中执行所述活动。
所述方法还包括:因为更新客户的配置文件的分析结果以影响新的分析结果,所以通过利用更新的分析准则重新分析交互数据生成连续交互之间的附加分析结果;和更新储存装置上的客户的配置文件的分析结果以影响附加分析结果。
所述方法还可以包括基于客户配置文件的分析结果从现场代理池将适当的现场代理分配给客户。
所述方法还可以包括基于客户配置文件的分析结果删除或者改变到客户的建议响应。
所述方法还可以包括:基于客户档案资料的相应分析结果将呼叫中心的客户划分到不同分类中;和通过利用不同分类的不同分析准则执行客户档案资料的各自的交互数据的分析生成相应的新分析结果。
分析结果可以包括客户尚末完成的未决事务和/或请求的列表。自所述方法还可以包括在涉及客户和呼叫中心的交互的未来交互过程中描述未决事务和/或请求。
根据本发明又一个示例性实施例,提供了一种用于呼叫中心的智能自动代理的后台服务。所述自动代理包括:处理器;被配置成存储客户配置文件数据的非瞬时储存装置;和存储器。所述存储器具有存储在其上的指令,当由所述处理器执行该指令时,使所述处理器能够:从存储在储存装置上的客户配置文件数据库访问客户的配置文件,所述客户的配置文件包括来自涉及客户和呼叫中心的交互的交互数据,和分析涉及客户和呼叫中心的交互之间的交互数据而得出的分析结果;通过执行涉及客户和呼叫中心的交互的连续交互之间的交互数据的分析产生新的分析结果;和更新储存装置上的客户的配置文件的分析结果以影响新分析结果;在涉及客户和呼叫中心的交互的下一次交互过程中重新访问客户的配置文件;通过客户的被重新访问的配置文件的分析结果中的因素调整自动代理在下一次交互中的行为;和更新储存装置上的被重新访问的配置文件的交互数据以影响下一次交互。
分析结果可以包括在涉及客户和呼叫中心的交互的未来交互过程中通过自动代理采取的活动。当通过处理器执行指令时,所述指令还可以处理器在未来交互过程中执行所述活动。
当通过所述处理器执行所述指令时,所述指令还使处理器能够:由于影响新分析结果的客户配置文件的分析结果的更新,利用新分析准则通过重新分析交互数据生成连续交互之间的附加分析结果;和更新储存装置上的客户配置文件的分析结果以影响附加分析结果。
当通过所述处理器执行所述指令时,还可以使所述处理器能够:基于呼叫中心的客户档案资料的相应分析结果将呼叫中心的客户划分成不同分类;和利用用于不同分类的不同分析准则通过执行客户档案资料的各自交互数据的分析生成相应的新分析结果。
分析结果可以包括客户尚末完成的未决事务和/或请求的列表。当通过处理器执行指令时,该指令还可以使处理器在涉及客户和呼叫中心的交互的未来交互过程中描述未决事务和/或请求。
根据本发明的上述及其它实施例,用于呼叫中心的智能自动代理通过执行现场代理的角色但不受到现场代理或者利用IVR的现场代理的限制来提供增强的客户服务。通过维护私人档案资料,本发明的实施例提供了从与自动代理和与呼叫中心的每一个交互中了解客户的自动代理,并且跨越不同媒体信道象人一样(例如具有其自己的个性、偏好、情绪等)交互,以与可能仅仅利用现场代理或者利用IVRs是现场代理相比提供更好且更具个性化的服务。另外,通过维护具体客户的综合记录(诸如利用配置文件),本发明的实施例提供自动代理,与可能利用现场代理池或者利用IVR的现场代理相比,该自动代理具有客户与呼叫中心的先前交互的更好且更一致的回忆。
附图说明
附图连同说明书说明本发明示例性实施例。这些附图连同描述用于更好地说明本发明的方面和原理。
图1是根据本发明一个示例性实施例的被配置成提供智能自动代理的系统支持呼叫中心的示意性方框图。
图2是根据本发明示例性实施例的智能自动代理的几个部分的示意性方框图。
图3是根据本发明示例性实施例的智能自动代理的客户门户模块的几个部分的示意性方框图。
图4是根据本发明示例性实施例的智能自动代理的化身模块的几个部分的示意性。
图5是根据本发明示例性实施例的智能自动代理的客户情感和情绪检测模块的几个部分的示意性方框图。
图6是根据本发明示例性实施例的通过智能自动代理的资料转接界面执行的过程流程图。
图7是根据本发明示例性实施例的智能自动代理的后台服务模块的几个部分的示意性方框图。
图8是根据本发明示例性实施例的智能自动代理的客户目录模块的几个部分的示意性方框图。
图9是根据本发明示例性实施例的智能自动代理的现场代理池管理模块的几个部分的示意性方框图。
图10是根据本发明示例性实施例的用于智能自动代理的部署架构选项的示意性方框图。
图11是根据本发明示例性实施例的用于智能自动代理的另一个部署架构选项的示意性方框图。
图12是根据本发明示例性实施例的用于智能自动代理的又一个部署架构选项的示意性方框图。
图13是根据本发明示例性实施例的用于智能自动代理的又一个部署架构选项的示意性方框图。
图14是根据本发明一个示例性实施例的智能自动代理的部分的示意性方框图。
图15说明了根据本发明实施例的智能自动代理的自动客户问候模块的实例。
图16说明了根据本发明的一个实施例的用于智能自动代理的人工智能引擎的实例神经网络。
图17说明了根据本发明一个实施例的用于一组分类的实例分类树状架构。
图18是根据本发明一个实施例的企业呼叫中心内的自动代理的部署的示意性方框图。
图19是根据本发明一个实施例的企业呼叫中心内的自动代理的另一个部署的示意性方框图。
图20是根据本发明一个实施例的示例性网络IVR平台的示意性方框图。
图21是根据本发明一个实施例的用于处理入站呼叫的示例性语音平台的示意性方框图。
图22是根据本发明一个实施例的智能自动代理的示例性游戏化服务模块的示意性方框图。
具体实施方式
现有呼叫中心的操作缺乏尖端的个性化服务,特别是通过IVR类型界面的自我服务模式。与从IVR界面获得局限的且不能与人进行交流的服务相比,客户更喜欢与现场代理进行交互。现场代理通常缺乏技能或者在呼叫中心环境中给与不适当的或者不一致的帮助,而客户通常尽力经历不同的现场代理以描述业务或者问题。根据本发明示例性实施例的智能自动代理通过应用人工智能方法描述了现场代理和/或IVR的这些及其它不足,以便建立高个性化客户门户,该客户门户包括诸如与客户进行交互的音频与视频化身的技术。自动个性化服务的这种原理还可以被用于客户交互的后台处理及诸如聊天、电子邮件、网络等的其它媒体,并可以针对诸如电脑、PDA、平面电话机或者智能电话机的客户联络装置的具体而被修整。
现将参照附图说明本发明的示例性实施例。在附图中,相同的附图标记自始至终表示相同或者大致相同的元件。另外,术语“企业”可以表示任何商业或者组织(诸如公司)或者要求与客户通过呼叫中心进行交互的其它实体。术语“客户”可以表示任何人员、联络或者终端用户(诸如客户、用户、业务联系人、未来客户等)、这些人员的组,或者作用在这些人员或者人员组(例如代表另一个企业的自动代理工作,例如企业之间的商业到商业的交互)在职期间期望通过呼叫中心从企业接收服务或与企业进行通讯的实体。
术语“现场代理”可以表示通过呼叫中心界面工作以帮助客户的任何人员。术语“呼叫”可以表示任何电话呼叫、语音或者表示客户和代理之间的现场通讯的文字交换(诸如聊天或者瞬时消息)。术语“自动代理”或者“智能自动代理”可以表示任何电脑执行的实体,该实体执行具有一定能力的代理角色。
图1是根据本发明一个示例性实施例的被配置成提供智能自动代理的系统支持呼叫中心的示意性方框图。相对于通过企业可用的产品和服务,呼叫中心对商业或者公司来说可以是内部设备,用于在执行销售和服务的机能时服务于企业。另一方面,呼叫中心可以第三方服务供应商。呼叫中心可以被寄存在专用于企业或者第三方服务供应商的设备中,和/或寄存在诸如专用或者公共云环境的远程计算环境中,该专用或者公共云环境具有用于为多个企业支持多个呼叫中心的基本设施。
根据一个示例性实施例,呼叫中心包括资源(例如人员、和电信设备),以能够经由电话或者其它通讯机构传送服务,并可以从客户服务延伸到帮助工作台、紧急响应、电话销售、取得订单等等。
期望从呼叫中心接收服务的客户、潜在客户或者其它终端用户(统称为客户)可以经由它们的终端用户装置10a-10c(统称为10)将入站呼叫启动到呼叫中心。终端用户装置10中的每一个都可以是诸如电话、无线电话、智能电话、个人电脑、电子写字板、和/或类似物的传统技术中的通讯装置。操作终端用户装置10的用户可以启动、管理和响应电话呼叫、电子邮件、聊天、文字消息、网络浏览会话、及其它多媒体事务。
来自和到达终端用户装置10的入站和出站呼叫可以基于使用的装置类型穿过电话、移动电话、和/或数据通信网络14。例如,通讯网络14可以包括专用或者公用交换电话网(PSTN)、局域网(LAN)、私用广域网(WAN)、和/或例如因特网的公共广域网。通讯网络14还可以包括无线载波通信网,无线载波通信网包括码分多址(CDMA)网络、全球数字移动电话系统(GSM)网络、和/或传统技术中的任何3G或者4G网络、和/或LTE或者任何远景大众传播网络。
根据一个示例性实施例,呼叫中心包括连结到通讯网络14的转换/媒体网关12,用于接收和传输终端用户和呼叫中心之间的呼叫。转换/媒体网关12可以包括被配置成用作中心内路由代理水平的中心转换的电话转换。在这点上,转换12可以包括自动呼叫分配器、专用游戏化交换(PBX)、IP基软件转换、和/或被配置成接收因特网源呼叫和/或电话网源呼叫的任何其它转换。根据本发明的一个示例性实施例,转换连结到呼叫服务器18,例如呼叫服务器可以用作转换和呼叫中心的路由、监控、及其它呼叫处理系统的剩余物之间的适配器或者界面。
呼叫中心还可以包括用于接合语音交互以外的的媒体交互与终端用户装置10和/或网络服务器32的多媒体/社交媒体服务器。媒体交互可以例如涉及电子邮件、vmail(通过电子邮件的语音邮件)、聊天、视频、文字消息、网络、社交媒体、屏幕共享等等。网络服务器32可以包括例如社交交互站点主机,社交交互站点主机用于各种公知的社交交互中心,终端用户可以订阅诸如Facebook、Twitter等等到各种公知社交交互中心。网络服务器还可以提供用于企业的网页,网页由呼叫中心支持。终端用户可以浏览网页并获得关于企业产品和服务的信息。网页还可以提供用于经由例如网络聊天、语音呼叫、电子邮件、网络实时通信(WebRTC)等等联络呼叫中心的手段。
根据本发明一个示例性实施例,转换连结到交互式语音响应(IVR)服务器34。IVR服务器34利用IVR脚本基于它们的需求进行配置,用于询问客户。例如,如果呼叫者希望得到帐户余额,用于银行的呼叫中心可以经由IVR脚本告诉呼叫者“按1”。如果是这种情况,通过与IVR继续交互,客户可以不需要与代理通话而完成服务。
如果呼叫被路由到代理,呼叫被发送到呼叫服务器18,呼叫服务器18与路由服务器20交互用于发现适当的代理处理呼叫。呼叫服务器18可以被配置成处理PSTN呼叫、VoIP呼叫等等。例如,呼叫服务器18可以包括会话启动协议(SIP)服务器,用于处理SIP呼叫。
在一个实例中,当代理正被定为并且直到该代理变得可用为止,呼叫服务器18可以参与进入呼叫,例如呼叫队列。呼叫队列可以经由传统技术中任何数据架构执行,例如链接表、阵列、和/或类似物。数据架构可以被保持在例如通过呼叫服务器18提供的缓冲存储器。
一旦适当的代理可以用来处理呼叫,呼叫从呼叫队列被移除并转接到相应的代理装置38a-38c(统称为38)。收集的关于呼叫者和/或呼叫者历史信息的信息还可以被提供到代理装置,用于帮助代理进行更好的呼叫服务。在这点上,每一个代理装置38可以包括适于正常电话呼叫、VoIP呼叫等等的电话。代理装置38还可以包括电脑,所述电脑用于与呼叫中心的一个或多个服务器通信并执行与呼叫中心操作相关联的数据处理,并且用于经由诸如聊天、瞬时消息、话音呼叫等等的各种通讯手段与客户连接。
用于路由入站呼叫的适当代理的选择可以基于通过路由服务器20使用的路由逻辑,以及还例如通过统计服务器22基于关于代理可用性、技能及设置的其它路由参数例如的信息。根据本发明一个示例性实施例,统计服务器22包括客户可用性聚合(CAA)模块36,用于监控不同通信信道上的终端用户可用性并将这种信息提供到例如路由服务器20、代理装置38-38c和/或其它呼叫中心应用程序和装置。
在一个实施例中,统计服务器22可以被用于将现场代理的状态保持作为路由对象的单独的统计服务器和用于将客户状态保持作为到达对象(如可以在CAA模块中被执行)的单独的统计服务器替换。例如,CAA模块还可以被部署在单独的应用程序服务器中。聚合模块36可以是经由存储在统计服务器22(或者其它服务器)的存储器中的计算机程序指令执行的软件模块,其中程序指令通过处理器执行。
根据一个示例性实施例,聚合模块36被配置成从呼叫中心中的其它装置(例如多媒体/社交媒体服务器24)接收客户可用性信息。例如,多媒体/社交媒体服务器24可以被配置成检测存在于包括社交媒体站点的不同网站上的用户,并将这种信息提供到聚合模块36。多媒体/社交媒体服务器24还可以被配置成监控和跟踪那些网站上的交互。
多媒体/社交媒体服务器24还可以被配置成将下载到终端用户装置10上的移动应用程序提供给终端用户。移动应用程序40可以提供用户可配置设置,该用户可配置设置出于通过呼叫中心代理联络的目的指示例如用户是否生效、是否不可用或者可用性为未知。每当状态信息改变时,多媒体/社交媒体服务器24可以监控状态设置并将更新发送到聚合模块36。
呼叫中心还可以包括报告服务器28,报告服务器28被配置成根据通过统计服务器22收集的数据生成报告。这种报告可以包括与资源的状态有关的接近实时报告或者历史报告,例如平均等待时间、放弃率、代理占用等等。报告可以自动地产生或者响应于来自请求者(例如代理/行政人员、呼叫中心应用程序和/或类似物)的具体请求而产生。
根据本发明的一个示例性实施例,路由服务器20通过用于管理分配给代理的后勤/脱机活动的功能而被增强。这种活动可以例如包括响应于电子邮件、响应于字母、参加培训班或者不要求与客户实时通信的任何其它活动。一旦分配到代理,活动可以被推送给代理,或者可以出现在代理的工作箱26a-26c(统称为26)中,作为将由代理完成的任务。代理的工作箱可以经由传统技术中已知的任何数据架构来执行,例如链接表、阵列、和/或类似物。工作箱可以例如在每一个代理装置38的缓冲存储器中被维护。
根据本发明的一个示例性实施例,呼叫中心还包括用于存储与代理数据(例如代理档案资料、日程等)、客户数据(例如客户档案资料)、交互数据(例如与客户每一个交互的细节,包括交互的理由、布置数据、保持时间、处理时间、等)等等有关的不同数据库的一个或多个大容量存储装置30。根据一个实施例,一些数据(例如客户配置文件数据)可以通过诸如第三方客户关系管理(CRM)数据库的第三方数据库提供。大容量存储装置可以采取硬盘或者光盘阵列的形式,如现有技术中所述。
根据本发明的一个示例性实施例,呼叫中心还包括用于处理呼叫或者与客户进行的其它交互(例如网络)的智能自动代理42。自动代理42例如在服务器上执行。例如,自动代理42可以包括诸如声音识别、语音识别、应答生成、语音生成和客户配置文件信息的能力,该能力能够使自动代理42在不需要使用现场代理的情况下执行代理角色。例如,在一个实施例中,自动代理42维护客户配置文件信息的数据库(例如存储在诸如磁盘驱动器或者大容量存储装置30的非易失存储器上),该数据库可以利用客户和呼叫中心之间的每一次交互更新。
自动代理42可以连接到转接/媒体网关12以将客户(例如经由终端用户装置10a)直接转接到自动代理42。自动代理42还可以连接到IVR服务器34以允许IVR服务器34与自动代理42直接通信(例如以将与正在通过IVR服务器34处理的当前呼叫有关的信息通信到自动代理42)。例如,IVR服务器34可以决定不再处理当前呼叫而将客户呼叫的人工控制代替为自动代理42,用于另外的可以通过例如IVR服务器34和/或现场代理38处理的一些或者全部处理。自动代理42还可以连接到呼叫服务器18,以允许呼叫服务器18与自动代理42直接通信(例如,将呼叫转接到自动代理42代替现场代理38中的一个)。例如,当没有可用的现场代理38时,呼叫中心可以将全部呼叫路由到自动代理42。
图1的不同服务器中的每一个都包括执行计算机程序指令的一个或多个处理器和与其它系统部分进行交互用于执行这里说明的不同功能。计算机程序指令存储在利用诸如随机存取存储器(RAM)的标准存储器装置执行的存储器中。计算机程序指令还可以被存储在诸如CD-ROM、闪存驱动器等等的其它非瞬时电脑可读介质中。此外,虽然每一个服务器中的功能都被说明由具体服务器提供,但是本领域技术人员应该认识到:在不背离本发明的实施例的保护范围的情况下,不同服务器的功能可以被结合或者整合到单个服务器中,或者具体服务器的功能可以跨越一个或多个其它服务器分布。
从上述还可以认识到不同的架构和功能可以被结合到不同设备中。在一些实施例中,诸如处理器、控制器、和/或逻辑的硬件部分可以用于执行说明的部分。在一些实施例中,在一个或多个处理装置上执行的诸如软件或者固件的编码可以用于执行说明的一个或多个操作或元件。
图2是根据本发明示例性实施例的智能自动代理(诸如图1的呼叫中心的自动代理42)的几个部分的示意性方框图。自动代理可以建立和维护呼叫中心中每一个顾客的丰富的配置文件。例如,自动代理可以维护具有这种信息的客户档案资料作为客户优选信道(例如老式电话、网络、智能电话、聊天、邮件、社交媒体、现场代理等),现场代理中的客户的优选软技能、交互的客户优选和阻挡次数等。在一个实施例中,自动代理实时执行与客户的交互,以对客户显示出自动代理仿佛是现场代理或者是至少很智慧的IVR类型应用程序。
在一个实施例中,自动代理可以以诸如自助服务(例如在不利用现场代理的情况下处理整个客户交互)或者协助服务(例如基于诸如问题本质、客户优先权、顾客服务水平应诺等的因素为现场代理委派一些任务)。例如,自动代理可以具有为相应客户联络装置或者方法修整的特定前端界面,例如网络、老式电话机、智能电话、文本信息等。在一个实施例中,自动代理的功能还可以包括诸如现场代理分配的后台服务。
例如,自动代理可以基于现场代理中的诸如客户的优选软技能、客户的当前情绪、客户与具体现场代理的先前经历、现场代理等级(例如处于足够水平的现场代理将被授权以作出客户所期望的决定)等的资料库将现场代理分配给客户。自动代理还可以被授与代理等级以影响决定,自动代理被授权以代表企业。
在一个实施例中,自动代理通过用于呼叫中心交互(包括例如老式电话、智能电话、聊天、网络、和邮件)的标准媒体信道通信。例如,自动代理可以基于诸如表示的客户要求、客户与呼叫中心的先前交互、客户联络呼叫中心的方法的资料库修整其前端界面以适应具体客户的偏好。
图2的自动代理可以包括几个模块和数据库,包括例如客户门户模块110、后台服务模块120、客户目录数据库130、和现场代理池管理模块140。客户门户模块110表示客户和呼叫中心(诸如呼叫中心的后台)之间的界面。客户门户模块110可以访问与客户有关的配置文件信息,与客户有关的配置文件信息由不同来源组成(诸如客户和自动代理或者呼叫中心之间的当前交互以及之前交互)并可以将这种信息存储在客户配置文件150(例如存储在诸如磁盘驱动器的非易失存储器装置上的数据库中)中。
自动代理还可以维护现场代理数据库350,用于存储和检索呼叫中心处工作的与每一个现场代理有关的信息(例如其硬技能和软技能、其可用性等)。在一个实施例中,自动代理的这种功能可以与统计服务器(诸如图1的统计服务器22)所包含的局部或者全部重叠的内容分开。例如,自动代理可以管理现场代理的信息的存在或者可用性(诸如即时可用性)。这些模块和数据库还参照图3–9被详细说明。
图3是根据本发明示例性实施例的智能自动代理的客户门户模块(诸如图2的客户门户模块110)的几个部分的示意性方框图。图3的客户门户模块110用于提供客户交互的个性化(例如自定义)访问层。客户门户模块110可以例如提供用于语音和/或视频通信(诸如通过网络或者智能电话)的化身,该化身通过化身模块210执行。在另一个实施例中,化身模块210提供用于话频通信(诸如在老式电话上)。客户门户模块110还可以包括用于为客户提供个性化IVR会话的个性化IVR模块220、用于检测客户的情感、情绪、感情等的客户情感和情绪检测模块230、用于应用与客户交互内的游戏化原理的游戏化模块240、用于组织客户之间的资料转接的资料转接界面260(利用相应的合作资料库250)、和用于根据不同呼叫中心协定(诸如IVR脚本、现场代理脚本、路由路由规则等)跨越不同的客户档案资料进行客户接收测试的验收测试模块270。
如对本领域技术人员已知的客户门户模块110例如可以使用声音识别和语音识别软件来识别客户并将客户的语言交互转换成文字。在一个实施例中,语音识别可以利用康尼锡等人的美国专利第7,487,094号的“基于复合单词的具有背景模型呼叫分类的系统和方法”中说明的语音识别技术,其整个内容通过引用在这里组装,或者可以利用其它适合的语音识别技术完成。
图4是根据本发明示例性实施例的智能自动代理的化身模块(诸如图3的化身模块210)的几个部分的示意性方框图。图4的化身模块用于为客户提供到呼叫中心的私人和类人界面(如与现场代理)。为此,化身模块可以具有用于识别客户的声音的声音识别模块1610、用于识别客户所讲的语音(例如单词或者文字)的语音识别模块1620图4是根据本发明示例性实施例的智能自动代理的化身模块(诸如图3的化身模块210)的几个部分的示意性方框图。图4的化身模块用于为客户提供到呼叫中心的私人和类人界面(如与现场代理)。为此,化身模块可以具有用于识别客户语音的声音识别模块1610、用于识别客户所讲的语音(例如单词或者文本)的语音识别模块1620、用于生成化身声音(例如从单词或者文本)的语音生成模块1630、用于为客户生成化身视觉外观(例如显示在屏幕上)的视频生成模块1640。
根据一个实施例,客户门户模块110可以为客户提供由个性化IVR模块220执行的个性化IVR会话。在一个实施例中,这种个性化IVR模块220例如基于客户配置文件150布置问题和可能响应。例如,已经具有先前响应的配置文件150的问题可以被忽略,或者在通过个性化IVR模块220引导的回执表格(诸如“XXX–XXX–XXXX仍然是联络您的良好电话号码?”)中重新询问。
图3的客户门户模块110可以与根据客户偏好调谐的客户进行交互(例如通过诸如个性化IVR模块220的化身模块210),该客户偏好可以存储在客户配置文件150。例如,用于客户的优选媒体信道(诸如文本、语音、智能电话、网络、老式电话)、时间表(诸如星期一到星期五、上午9:00到下午5:00、东方标准时间)、语言(诸如美式英语)等可以存储在客户配置文件150中。在一个实施例中,客户配置文件150为客户保持多个偏好,诸如老式电话和网络。这些偏好可以具有顺序(例如老式电话可以是第一顺序二网络是第二顺序),或者他们可以具有不同部分(例如老式电话可以具有星期一到星期五、上午9:00–下午5:00的时间表、网络可以具有任何时间的时间表)。客户还可以具有用于多种语言(诸如英语和法语)的偏好,该偏好对于每种语言具有不同的配置文件信息(诸如用于法语的文本以及用于英语的文本和语音),或者其中一种语言优先于另一个语言的偏好。
在一个实施例中,客户的情绪、情感、感情等利用客户情感和情绪检测模块230由客户门户模块110检测。客户情感和情绪检测模块230可以检测由客户表示的软资料库,例如其声音、其语音(例如单词)和/或其姿态或者其它视觉标志。
图5是根据本发明示例性实施例的智能自动代理的客户情感和情绪检测模块(诸如图3的客户情感和情绪检测模块230)的几个部分的示意性方框图。图5的客户情感和情绪检测模块230可以包括用于分析客户声音样本的声音分析模块1710、用于分析客户语音样本(例如客户所讲的词语和短语)的语音分析模块1720、和用于分析客户姿态及其它用于检测客户可能的情感、情绪、感情等的视觉标志(根据提供给呼叫中心(例如在交互过程中提供给自动代理的化身))。
例如,在一个实施例中,情感和情绪检测模块230可以包括声音分析模块1710,声音分析模块1710通过分析客户的声音模式感测客户的当前感情、情绪等。例如声音分析模块1710可以相对常规群体的声音模式、或者配合客户配置文件150的群体的声音模式、或者客户的声音模式(例如根据之前与自动代理或者呼叫中心交互的并保存在客户配置文件150中的客户的声音模式)比较客户的当前声音模式(例如来自现有交互)。
在一个实施例中,声音分析模块1710可以使用声音计量生物学技术以比较客户的已知音频录制(例如存储在客户配置文件150中的)与新会话,从而确定谁在讲话。声音计量生物学技术可以例如包含录音单词用以捕捉与客户的声音相关联的频率,和利用统计模式以推断语音模式。这些语音模式在识别讲话人时可以象识别指纹一样精确。人的声音还受到多变的爱好情绪和健康影响,这可以通过比较客户的当前声音样本与例如客户的先前声音录音或者确定的声音模式而被检测。
在一个实施例中,对于另一个实例,情感和情绪检测模块可以包括语音分析模块1720,用于通过分析客户的语音(诸如单词、词组或者句子)检测客户当前的感情情绪等。例如情感和情绪可以由客户语音检测成文本(利用例如图14的语音识别模块1165)然后分析该文本用于一组预先限定的词组、单词等(例如贬损、亵渎、谦逊、礼貌等),这些可以识别人的情绪或者情感。客户语音样本还可以被保持在客户配置文件中,用于比较未来的语音样本以看看客户是否可以在当前交互中采用不同的语音模式,这对情感和情绪检测是有用的。
在一个实施例中,对于另一个实例,情感和情绪检测模块230可以包括视觉标志分析模块1730,用以通过分析客户的面部或者身体表达或者特性感测客户的当前感情、情绪等。相似的声音模式分析、视觉标志可以识别具体客户(根据从与客户的早先交互中收集的或者存储在客户配置文件中的)以及来自配合客户配置文件150的群体或者常规群体的客户(例如,由于表达和身体语言可以通过文化而改变,可以与客户相同的文化的人获得的取样)。
根据该对比或者这些对比,情感和情绪检测模块230可以使用声音分析模块1710、语音分析模块1720、和/或视觉标志分析模块1730以确定例如客户相对于正常或者普通交谈是大声或者低声、快速或者慢速等交谈,或者客户是否表现出激动的语音模式特征(诸如利用词语选择或者语调)、或者客户是否在其显露的视觉外观中表示出生气、开心、沮丧等。
例如,情感和情绪检测模块230可以确定客户是生气(例如根据大声的声音、亵渎的语言、和/或咬紧牙齿)。根据该检测,例如自动代理可以将客户引导至诸如具有处理忿怒客户的技术的现场代理的现场代理(例如现场代理具有良好的愤怒管理技能)。更多高级处理可以将客户的细节放入到帐户中,例如识别讽刺或者挖苦、或者检测客户的实际沮丧水平。例如,基于与客户先前的交互,根据客户配置文件150中的记录,相比普通群体,客户可以更明显地使用讽刺或者挖苦、或者当客户与呼叫中心进行交互时会显示不同程度的沮丧或者愤怒。
在一个实施例中,情感和情绪检测模块230可以确定客户是否不耐烦(例如当客户在提示之前或者在听到多种可能响应之前试图响应时,或者如果病人转动其眼睛或者显现激动)以及如果是这种情况,可以调节自动代理不同响应。例如,如果客户由于来自个性化IVR模块220的脚本会话的当前传递速度而看起来丧失他或她的容忍,自动代理可以加速其IVR对话,或者可以使用更多缩写脚本。在一个实施例中,情感和情绪检测模块230可以利用斯克特等人的美国专利申请公开第2011/0010173号“用于分析交互和报告分析结果以人为操作的系统和实时系统界面”中说明的情绪或者情绪状态检测技术,其全部内容通过引用在这里结合,或者可以利用其它适合的情绪或者情绪状态检测技术来完成。
在一个实施例中,客户门户模块110包括用于在与客户的交互期间应用游戏化原理(诸如利用鼓励和/或报酬制造更类似游戏的任务尝试平衡客户的自然倾斜以结束任务或者取得成功)。例如游戏化模块240可以在通过将信息搜集过程变成游戏的一个个性化IVR对话中包含更多客户,在游戏中客户提供答案以朝向客户所期望的目标(例如问题的答案、期望信息的提供等)达到完整的水平。描述客户关心还可以有益于企业运行呼叫中心,不仅使其客户基础满意,还可以暴露潜在问题或者在他们影响其它客户之前或者影响其他客户时改进领域。
通过游戏化处理引导客户,自动代理可以在更多交互式体验中衔接客户,例如其中客户看到目标的体验,通过自动代理在帮助客户达到目标时面临的障碍,和缺少需要提供给客户使得客户和自动代理共同工作以达到目标的环节。这可以帮助客户在整个处理过程中维护更积极且协作的态度或者情绪。游戏化模块240可以介绍实际游戏元件,例如让客户进行竞争(例如第一各识别问题或方案、发现或识别大多数问题或方案、发现最佳解决方案等)。在一个实施例中,游戏化模块可以使用更微妙的(和可能更有效的)方法,即,从博奕的心理学原理中学习,例如传送持久发展的经验(例如在修改客户的个人能力或者技能之后)。
在一个实施例中,客户门户模块110还可以包括合作资料库250和用于组织客户之间的资料转接的资料转接界面260。例如,合作资料库250可以被组织作为数据库并被存储在非易失存储器装置(诸如磁盘驱动器、云存储等)上。这里,目标可以被两个交叠:解决客户所引起的问题,并然后从通过将解决方案录音在合作资料库250中而获得的经验中进行学习以帮助他人。
游戏化原理也能在这里被使用。例如,游戏化模块240可以为帮助判断问题及其解决方案的客户提供鼓励,并且奖励其解决方案随后为其它客户带来益处的客户。人员因为利他主义的感知而自然地受到驱策以帮助别人,但是这可以通过使他们最先发现解决方案并奖励他们而被更彻底地利用,他们帮助其他客户中的每一个相同的问题(例如,其问题通过相同的解决方案引导而被解决的客户)。例如报酬可以是金融的(例如钱、商品、折扣)、虚拟的(例如常旅点数,在某些点出可以转化为金融奖励)、或者心理学的(例如商誉,诸如“您的贡献已经帮助超过100位其他客户避免相同问题”)。
例如,在一个实施例中,合作资料库250可以通过除了其它准则(诸如客户、系统、时间等)之外的原理(诸如具体术语、问题、和解决方案)组织,并可以经由资料转接界面260根据使用这些术语或者其它准则的一系列问答而被搜索,从而将适当的解决方案引导给客户。例如,由资料转接界面260取得的搜索路径以及到达的解决方案可以被存储在合作资料库250中。用这种方式,通过资料转接界面260的未来研究可以为例如可能的解决方案或者由依此方式之前搜索的先前客户(包括可能相同的客户)进行的搜索路径两者或者其中之一进行搜索。然后,可以例如通过合作资料库的直接搜索或者根据先前客户的解决方案或者通过将先前客户连接到当前客户(例如通过讨论会)发现解决方案,在处理中或许会对先前客户作出奖励。
例如,奖励可以由刺激客户为合作资料库出力以帮助其他客户的设想或者酬金形成。例如,奖励可以是金钱的(例如货币、礼物卡、服务信用)、虚拟的(例如可以被累积并被对客户有一些价值的点)等。
现将参照图6说明资料转接界面的示例性处理流程。可以根据由一个或多个处理器基于存储在存储器中的计算机程序指令执行的软件程序说明当前应用程序中的处理的每一步。然而,本领域技术人员应该认识程序可以经由硬件、固件(例如经由ASIC)、或者软件、固件、和/或硬件的组合执行。此外,处理的步骤顺序不固定,而是可以根据本领域技术人员所认识的改变成任何期望的顺序。
图6是根据本发明示例性实施例的通过智能自动代理的资料转接界面(诸如图3的资料转接界面260)执行的过程的流程图。图6所示的过程用于利用合作资料库250回答客户提出的问题。在步骤1810中,过程开始,客户的语音被转变为文本(例如利用图14的语音识别模块1165)。在步骤1820中,文本被分析(例如基于预先定义的算法)用于单词、词组和语法以检测正在讲什么或者询问什么等等。分析可以包括例如识别问题单词或者词组(例如“多少、”“谁、”或者“什么”)、主题词、动词、直接宾语等,以将文本解析成问题的形式。类似分析可以被执行分析非问题语句。
在步骤1830中,响应的库(例如预先定义的答案)可以被搜索(例如基于检索算法)以发现说什么或者询问什么等等的最佳配合。响应的库例如可以是合作资料库250的一部分,并且交叉指引或者设有相应问题或者语句(例如问题库),该响应与相应的问题或者语句有关。在一个实施例中,合作资料库250是动态的、发展的、和/或其语句库、问题库、或者在资料转接界面260的方向处的两个库之间关系的细化。检索算法可以是预先定义的检索算法,用于检索数据库并报告相关结果,如本领域技术人员已知的。在步骤1840中,最佳配合的答案被转变为语音(利用例如图14的语音合成模块1170)并输出给客户。
返回到图3,在一个实施例中,客户门户模块110可以具有客户接收测试模块270,用于根据例如IVR脚本、现场代理脚本、路由规则等相对于不同的客户档案资料(例如根据在客户配置文件150中收集的客户档案资料)进行客户接收测试。例如,接收测试模块270可以根据具体的客户档案资料(例如具体的地理区域或者商业关系)测试建议的IVR脚本以测定其可行性。例如,如果具体IVR脚本仅对于一些档案资料有效(例如理解)而对其它的档案资料没有效,IVR脚本可以被标签有仅传递给那些有效的客户档案资料。同样地,如果IVR脚本不对一些客户档案资料有效(例如,这些客户档案资料中的客户发现IVR脚本令人感到困惑),IVR脚本可以从分配系统提取给这些客户档案资料并且可以被重写或者增强以提高对这些客户档案资料的有效性。
图7是根据本发明示例性实施例的智能自动代理的后台服务模块(诸如图2的后台服务模块120)的几个部分的示意性方框图。图7的后台服务模块120用于提供对具体客户的需求的交互管理的自动调谐。在一个实施例中,对于呼叫中心,客户交互可以通过两个机构处理:前台办公室部分(诸如客户门户模块110)和后台部分(诸如后台服务模块120),前台办公室部分处理与客户的直接通信,后台部分处理与客户的交互管理(例如现场代理选择、资源分配)。例如,呼叫中心可以具有他们自己的与客户进行交互的个性化或者自定义。
在传统的呼叫中心中,前台办公室部分和后台部分可以通过现场代理处理。在本发明的示例性实施例中,一些或者全部的前台办公室部分通过自动代理的客户门户模块110处理,而一些或者全部的后台部分通过自动代理的后台服务模块120处理。在一个实施例中,后台服务模块120可以包括例如用于根据客户配合适当的现场代理的现场代理分配模块(通过利用现场代理数据库350)、用于核对建议的响应或者对照客户配置文件150的响应处理选项的建议响应处理模块320、用于考虑到客户配置文件150分析客户交互内容的内容分析模块330、和用于组织客户进入社交社区的社交社区模块340。
根据一个实施例,现场代理分配模块310用于为客户分配适当的现场代理(诸如最适当的现场代理),用于在手边的具体问题。当呼叫中心中的现场代理的成本可以为高,并且呼叫中心的目标可以是将呼叫中心中的全部或者大多数替换现场代理替换为自动代理,另一个方案可以是在呼叫中心中保留更少、更专业的现场代理,连同现场代理分配模块310用于将客户引导至最合适的现场代理(例如,当客户门户模块110不再表现出对客户的问题朝向解决方案作出令人满意的进展时)。例如当客户喜欢与现场代理(例如如客户配置文件150中所指出的)进行交互时,或者客户定了合约以具有现场代理支持时,或者客户问题的本质似乎不顺从自动代理响应时,现场代理处理可以是合适的。
当现场代理分配模块310确定将现场代理分配给客户时,现场代理分配模块310可以考虑许多资料库,例如客户偏好(例如现场代理的硬技能或者软技能、客户当前的情绪或者情感、先前现场代理经验等)、可用现场代理、客户服务水平协定等。为此,现场代理分配模块310可以检索现场代理数据库350,这可以包含与全部(可能可用)现场代理有关的传记信息。客户可以具有优选代理或者根据从经验确定或者客户指定(这些可以存储在客户配置文件150中并通过现场代理分配模块310或者其它部分(例如个性化IVR模块220)从客户配置文件150中检索)进行交互的代理类型。举例来说,在一个实施例中,当客户当前情绪表现出激动或者敌意时,现场代理分配模块310可以将客户分配给具有良好愤怒管理或者冲突管理技能的现场代理数据库350中识别的现场代理。
在一个实施例中,建议的响应处理模块320可以核对建议的响应或者以客户配置文件150为背景的响应处理选项。当客户门户模块110可以为客户提供响应时,其可以具有响应的选择或者其可以具有推荐的响应。建议的响应处理模块320可以核对响应或者以客户配置文件150为背景的响应并删除或者改变客户配置文件150指示为不适当的响应。例如,已经提供给客户的响应和那些客户已经表示没有效果的响应将不会被另外提供给客户。
建议的响应处理模块320还可以核对客户配置文件150用于判断描述客户业务的最好方式。例如,客户配置文件150可以表示在一定时间内(例如基于预先定义的算法)收集的数据,并且可以包含例如等待请求没有完成、顾客服务水平状态、企业数据、过往交互、优选选项、情绪信息等等的信息。每次客户联络呼叫中心时,客户配置文件150中的配置文件数据可以在由客户下一个要求的处理中被考虑,例如,要求是否应该通过自动代理处理或者发送给最有资格的现场代理(其中“最有资格”可以例如通过自动代理确定)。
例如,在一个实施例中,建议的响应处理模块320可以帮助识别或者处理个性化交叉销售/增销的机会,例如对客户产生相关货物或者服务的交叉销售或者产生适合客户的具体货物或者服务的增销(例如增加的销售)的机会。例如,当从给定客户接收入站交互时,建议响应处理模块320可以首先分析是否存在用于该客户的交叉销售/增销机会以及客户接受的可能性(例如在分析当前交互和/或核对客户配置文件150之后)。
如果交叉销售/增销分析的结果似乎足够积极或者易于接收的,建议的响应处理模块320可以检索处理客户基本需求(例如特定产品或者交互的)服务请求和同时处理交叉销售/增销提供(例如利用现场代理分配模块310)的最佳现场代理。这还可以包含例如现场代理对客户偏好的良好配合的个性化。
在一个实施例中,内容分析模块330可以考虑到客户配置文件150分析客户交互的内容。例如,在与呼叫中心交互的过程中,客户配置文件内容(例如声音或者视频记录、聊天、收集的信息等)可以通过内容分析模块330被分析(例如利用预先定义的算法)用于具体信息(例如具体单词、表达、特性)。客户配置文件150然后可以通过内容分析被更新。
在某些点上,内容分析模块330(例如内容分析模块330中的算法)可以被增强(例如用以搜索客户配置文件内容中的新信息)。在一个实施例中,自动代理可以根据全部现有的客户配置文件内容运行增强的内容分析模块330,在过程中更新客户档案资料150。这样,当现有客户再次联络呼叫中心时,用于该客户的客户配置文件150将影响来自增强的内容分析模块330的更新。因此,在客户和呼叫中心的下一次交互中,最新的配置文件内容更新(例如版本)被认为是用于自动代理判定(例如将客户路由到适当的资源)。例如,通过增强的内容分析模块330更新客户档案资料150可以在计算资源可用时作为后台处理进行。
在一个实施例中,内容分析模块330使用专用模型用于不同客户档案资料。例如,客户配合一个具体客户配置文件可以使用内容分析模块330的不同模型(例如不同规则)用于执行其客户配置文件内容分析。在另一个实施例中,内容分析模块330可以为每个单独客户使用不同模型。例如,核心模型或者客户普洛菲尔模型可以通过动态添加额外客户具体规则而被增强。
在一个实施例中,社交社区模块340可以组织客户(例如通过其客户档案资料显示共享通用关心的客户)进入在线社交社区。例如,这些社区可以是稍微少的(例如以增加参与的兴趣并允许组群在具体方面或者共同目标方面具有更高度地专业化)并具有使客户的自然趋势社会化的有优势以及在相似的情况下共享那些信息(例如在讨论会中)。通过大量客户配置文件数据的杠杆作用,例如,赞助企业可以使用自动代理建立表面上客户的多样组群,这些客户在对企业来说为重要的具体领域中是专家(例如基于与企业呼叫中心和自动代理进行交互的顾客)。
图8是根据本发明示例性实施例的智能自动代理的客户目录模块(例如图2的客户目录模块130)的几个部分的示意性方框图。图8的客户目录模块130用于收集和维护与呼叫中心的服务相关的单独客户的信息,并且将该信息存储在适当的客户配置文件150中。该信息可以包括例如优选语言(口语和/或书面)以及任何其它语言、优选现场代理软技能、声音样本(作为经由声音识别和验证的鉴定基准)、会话模式(用于情绪/感情检测/分析)、优选介质信道、当前位置(例如工作、家、旅行)、和/或客户的信用得分(如果客户原意共享)。
例如,在一个实施例中,客户目录模块130使用语言检测模块410确定正在通信的客户的语言(口语的或者书面的)。例如,语言检测模块410可以分析来自客户的(口语或者书面的)通信样本以检测语言、比较该样本与已知模式的语言。语言检测模块410然后可以存储或者更新客户配置文件150中的信息以影响这种判定。语言检测模块410还可以使用客户配置文件150以帮助确定语言。例如,客户配置文件150可以利用通过偏好、通信类型等的进一步改进维护客户使用的语言列表。
在一个实施例中,客户目录模块130具有优选现场代理技能模块420,优选现场代理技能模块420用于确定现场代理的例如软技能的技能受到客户优选或者对客户有效。例如,优选现场代理技能模块420可以使用来自客户情感和情绪检测模块230的输出确定哪些现场代理的软技能将与客户良好匹配。优选现场代理技能模块420还可以使用来自与现场代理的现有交互的反馈以及那些现场代理的技能(例如可以在现场代理数据库350中被维护)以为客户确定优选的现场代理技能。
在一个实施例中,客户目录模块130具有声音识别模块430,用于识别、分辨和/或验证客户的声音模式。例如,声音识别模块可以使用在一定时间内收集的并存储在客户配置文件150中的客户的声音样本,以确定交互过程中客户的身份,或者核对客户(例如欺骗检测)的身份等等。例如,这种声音样本可以在验证身份之后通过其它方法(例如安全问题或者口令)被收集,并且可以被具体地收集用于随后的识别目的(例如通过提供具体声音样本作为交互的一部分),或者可以在一定时间内从与呼叫中心的正常交互中被收集。
在一个实施例中,客户目录模块130具有会话图案模块440,用于检测客户的会话模式。例如,会话图案模块440可以检测客户是迅速交谈还是缓慢交谈,清晰或者非清晰的交谈等。为此,会话模式模块440可以提供到客户情感和情绪检测模块230的输入以帮助确定客户的情绪、感情等等。会话模式可以被存储在客户配置文件150中,用于发展客户更完整的图片(例如,保存多个交互上的多会话模式)。会话模式模块440可以在与自动代理或者现场代理的会话过程中检测客户的会话模式。
在一个实施例中,客户目录模块130具有优选的介质信道模块450用于确定客户的优选介质信道。这种信息可以例如存储在客户配置文件150中。优选介质信道模块450可以例如使用来自客户和呼叫中心之间的现有交互的信息以确定客户的优选介质信道。例如,客户可以始终(或者通常)使用具体介质信道,例如邮件或者智能电话,以联络呼叫中心。与具体介质信道有关的诸如电话号码、智能电话类型、邮件类型(例如纯文本、超级文本标志语言)等的信息还可以被存储在客户配置文件150中以进一步帮助采用任何特征或者适应在客户的优选介质信道中所固有的任何限制。在一个实施例中,优选介质信道模块450可以通过直接询问客户来获得客户的优选介质信道。
在一个实施例中,客户目录模块130具有用于确定客户的位置的客户位置模块460。客户位置模块460可以例如确定客户是否在工作、在家、或者旅行(例如在不同州或者国家、或者在客户工作或者家的相同城镇或者城市的不同位置)。客户位置模块460可以使用电话号码(客户利用电话号码联络呼叫中心(例如电话呼叫))、客户电脑的IP地址(例如现场聊天、或者GPS跟踪信息(例如智能电话交互)以定点客户的位置。客户的位置可以是用于例如建立客户的客户配置文件150,以确定客户的优选介质信道,并且在任何情况下以帮助具有具体问题的客户(例如如果客户在其当前位置需要现场帮助)等等。
在一个实施例中,其它模块470可以是客户目录模块130的一部分。例如,在一个实施例中,另一个模块470可以包括用于确定客户信用得分的模块。例如信用得分模块470可以获得客户的许可以获得其信用得分。信用得分模块470可以例如通过直接询问客户或者通过检索客户配置文件150获得必要的信息以获得信用得分(例如法定姓名、社会保险号等)。信用得分模块470然后可以使用这种信息以联络信用得分报告办公署(例如通过因特网),提供适当的输入信息、费用以及任何需要获得客户信用得分的更多输入,然后获得信用得分。信用得分可以用于例如确定什么方案或者服务对客户是可用的,提供客户的信用风险等。
图9是根据本发明示例性实施例的智能自动代理的现场代理池管理模块(例如图2的现场代理池管理模块)的几个部分的示意性方框图。图9的现场代理池管理模块140可以用于管理将为给定企业指定工作的现场代理的动态组合池(可以选自现场代理数据库350)的管理。现场代理池管理模块140还可以监督到这种现场代理池的交互的路由。现场代理池管理模块140可以实时工作、自动分配现场代理以根据需求引入或者输出联络人或者客户。
在一个实施例中,现场代理池管理模块140包含可用现场代理池模块510,用于监督对企业可用的现场代理池。这些代理可以选自现场代理数据库350并可以例如基于企业与呼叫中心的布置(例如自己的、出租、外包合同)通过具体企业或者分配给具体企业以被使用。池可以包括那些当前“当班”的代理(例如在工作并能够处理客户交互),这可以例如通过空闲或者忙碌(基于例如具体代理是否当前在唯一的交互中协助协助另一个客户或者不可用)被进一步中止。现场代理池基于情况被动态连续调整。例如,在一个实施例中,现场代理池表示在具体区域中的专家,例如具有适当认证的税务顾问、提供其服务、例如用于税金准备。客户可以通过联络呼叫中心接合这些专家的服务。
在一个实施例中,现场代理池管理模块140可以具有登记接口模块520,其中专家可以规定例如其配置文件、可能的认证证据、其服务时间、及其费用。登记接口模块520从未来的专家收集必要的信息(例如通过在线图形用户界面)。一旦接受进入现场代理池(例如在线专家可以基于预先定义的准则(诸如满足安装池的组织的要求的可接受的认证证据、可用性和价格),预期的专家配置文件信息被增加到现场代理数据库350。
在其它实施例中,专家可以以不同的方式被接受进入现场代理池。例如,专家可以通过行政管理分配或者通过竞标(核对符合诸如需要的技能或者需要的认证的准则之后通过许可)准则被选择。当专家对应答客户联络可用时,现场代理池管理模块140可以将专家分配到可用现场代理池510,其中专家根据需要被分配给客户。
例如,在一个实施例中,专家的预期客户(例如需要帮助税金准备的纳税人)将经由终端用户接口模块530被提供有界面。终端用户接口模块530将专家的服务陈列给终端用户,例如通过网络界面或者通过800号码类型的呼叫服务。所述服务还可以被操作作为通过公司销售税金准备产品(诸如电脑税金准备产品)的附加服务。现场代理池管理模块140还可以与智能代理的另一个部分(例如,客户门户模块110、后台服务模块120、或者客户目录模块130)进行交互以辅助这些部分的操作和利用这些部分的服务。
在一个实施例中,现场代理池管理模块140通过在线社交社区模块540维护在线社交社区的成员的联络信息。这可以是不太正式的界面,其中例如在线社交社区(诸如在线讨论会)中的预期的“专家”可以被在线社交社区模块540邀请或者可以请求在线社交社区模块540以用作“虚拟代理”,从而帮助其它用户。这些虚拟代理可以如所述的,例如在其在线社交社区活动中具有专业的知识、高级的专门技能、或者显著的经验(例如,它们可以是鞋或者其它诸如在线零售产品的零售产品的专家)。这种虚拟代理可以以比在线社区更私人和有效的方式通过与由可用现场代理池模块510、登记接口模块520、和终端用户接口模块530管理的专家现场代理企业相似的界面帮助通知他人。
在一个实施例中,在线社交社区模块540可以使用与可用现场代理池模块510、登记接口模块520、和终端用户接口模块530相同或者类似的模块。这些界面可以被简单化为虚拟代理可以不作为企业的雇员或者承包商工作,并且客户寻找帮助可以寻求免费建议,但是“代理可用性”的原理和客户与虚拟代理的匹配是相似的并且可以使用相同或者相似的模块。例如,在一个实施例中,虚拟代理的档案资料在相同的现场代理数据库被维护,如常规的现场代理。作为暂时分配,虚拟代理对于转换是有效的。
虚拟代理以这种能力出于不同理由工作,例如慈善、利他、作为呼叫中心代理获得经验(可以引导例如至收费位置作为用于企业的呼叫中心现场代理)、他们帮助提供建议的产品(例如鞋)折扣等等。例如,在一个实施例中,这种虚拟代理通过相同或者相似的工具跟踪以跟踪现场代理,这可以帮助维护用于客户的一致性和质量的水平并以他人可以观察并认识的方式帮助虚拟代理表明其技能。
在一个实施例中,在线社交社区模块540基于企业类型和背景以及社区会话确定虚拟代理的数量。例如,诸如汽车的一些企业类型可以要求比诸如牙膏的其它企业类型更专业(这可以导致需要更多的虚拟代理)。例如,在线社交社区模块540可以核对在线社区会话,用于除了相应答案的长度和数量之外的问题的数量,从而测定具有多少活动并需要多少价钱用于虚拟代理。
在一个实施例中,现场代理池管理模块140通过市场接口模块550操作市场用于呼叫中心服务。例如,市场接口模块550可以提供商务处理外包。在一个实施例中,市场接口模块550在在线市场(例如网页上)上公开对呼叫中心服务的需要。响应于这些需要,呼叫中心服务供应商可以使用市场接口模块550(例如经由网页界面)以提交其投标,用于提供呼叫中心服务。
响应于这些投标,市场接口模块550可以通过考虑诸如实际需求、服务费、投标者名誉等的多个资料库从这些提供的投标中选择。例如,在选择呼叫中心服务供应商以授予投标时,市场接口模块550可以使用预先定义的准则,诸如投标、投标者和市场接口模块550之间的先前体验(例如成功或者不成功的投标、来自外包的客户的客户反馈)等等。在一个实施例中,自动代理可以管理不同呼叫中心的提供的竞销并基于这种预先定义的准则发现用于合作组的最佳匹配。
图10是根据本发明一个示例性实施例的用于智能自动代理的部署架构选项的示意性方框图。在一个实施例中,智能自动代理可以例示诸如企业自动代理720、730和740的企业水平。每一个企业自动代理(利用企业自动代理720作为实例)可以对整个企业的自动代理功能负责。例如,企业自动代理720可以维护与用于企业的一个或多个呼叫中心的相关联的每一个客户和现场代理的客户档案资料150和现场代理数据库350。企业自动代理720可以基于企业的愿望或者要求被进一步自定义(诸如被再命名)。
在一个实施例中,智能自动代理可以被例示为处于更全局水平的诸如全局自动代理710,全局自动代理710监督诸如企业自动代理720、730、和740的大量企业自动代理。例如,在一个实施例中,全局自动代理可以观察并访问下级企业自动代理720、730和740的全部活动。例如,全局自动代理710能够访问每一个企业自动代理(利用企业自动代理720作为代表性的企业自动代理)的客户档案资料150、现场代理数据库350等等(在下文中可以通常被称作“数据库”)。在一个实施例中,全局自动代理710从下面单独企业自动代理合并并巩固数据库。用这种方式,深部客户档案资料、现场代理数据库、及其它数据库与功能在全局自动代理710水平处可用。
如对本领域技术人员显而易见的,当相同的机构(例如客户、现场代理等)在多个企业自动代理处被识别时,这种企业自动代理水平数据的合并和集结可以例如通过复制全局自动代理处的企业自动代理数据或者通过维护到各个企业自动代理水平数据库入口中的每一个的指示(和全局自动代理710处的指示的合并和集结)而进行。在一个实施例中,一些企业自动代理数据的共享可以出于企业之间的保密原因而受限制。
例如,当企业自动代理740可以代表航线(假定为航线C)工作时,企业自动代理720和730可以代表银行(分别假定为银行A和银行B)工作。银行A的长期客户可以出于一些企业目的接近银行B。通过银行A获得的用于客户的一些或者全部客户配置文件数据可以对银行B感兴趣。当企业自动代理720(用于银行A)不与企业自动代理730(用于银行B)直接交互时,两个企业自动代理通过全局自动代理710连接,这可以交换企业自动代理720和企业自动代理730之间的客户信息(例如服从银行A和银行B之间的协定,协定上的信息可以经由全局自动代理710共享)。
继续该实例,航线C可以与假装将成为银行A的长期客户的某人进行商业交易。当企业自动代理720(用于银行A)和企业自动代理740(用于航线C)没有直接交互时,他们共享全局自动代理710,全局自动代理可以使用通过企业自动代理720获得的用于长期客户的欺骗检测信息以阻挡与企业自动代理740的交易。
图11是根据本发明一个示例性实施例的用于智能自动代理的另一个部署架构选项的示意性方框图。在图11的自动代理架构中,具有集中自动代理810,该集中自动代理810提供用于三个不同企业820、830、和840(即,分别为企业A、企业B和企业C)的呼叫中心支持。例如,这类架构可以在SaaS(作为服务的软件,诸如具有云计算)模型中是适当的,其中私人企业共享共用资源(在这种情况下,为中心自动代理810)。例如,中心自动代理810可以跨越全部三个企业820、830和840共享通用数据库(例如客户档案资料、现场代理),或者可以跨越每一个单独企业逻辑地分隔这种数据库,这将对本领域技术人员是显而易见的。这种判定可以例如取决于诸如不同企业(例如直接竞争者可以坚决要求具有更多数据库的逻辑分离)之间的关系的资料库。
例如,中心自动代理810可以提供中心输入点到一组订阅企业(例如企业A、B和C)的呼叫中心。这些商店中任一个的客户以及使用或者熟悉中心自动代理810的界面的人则可以熟悉用于另一个订阅企业的界面。进一步,在不同企业之间共享的信息(例如联络信息)(通过共享中心自动代理810辅助)可以仅通过客户提供一次,并且然后将可用于全部订阅的企业。与例如获得相同或者相似的分开的信息或者具有不同的界面的每一个企业相比,这会产生增加的效率(例如避免重复的努力)、精确度和客户与企业之间的交互的一致性。
图12是根据本发明一个示例性实施例的用于智能自动代理的又一个部署架构选项的示意性方框图。在图12的自动代理架构中,具有诸如企业自动代理的中心自动代理910或者服务多个企业的集中自动,该集中自动代理为三个不同私人(例如客户)自动代理920、930、和940提供呼叫中心支持。例如,可以具有用于一个或多个企业的每一个客户客户自动代理。在一个实施例中客户自动代理可以具有例如PDA(个人数字助手)、膝上型电脑、智能电话等等的自动代理的情况,这可以部署在单独客户水平。例如,客户自动代理可以是用于智能电话的应用。通过将中心自动代理功能和/或数据库共享和/或分配到客户自动代理,增加的个性化和处理资源可以使呼叫中心功能以及通过客户自动代理提供的数据的分布优势和(对每一个客户)更局部化的控制可用。
客户自动代理(利用客户自动代理920作为示例性客户自动代理),例如可以对具体客户个性化(或者进一步根据通过中心自动代理910提供的界面被个性化),或者包含人员信息(诸如不存储在中心自动代理910中的人员信息),或者为呼叫中心提供更有效的界面或者脱机界面。例如,客户自动代理920可以为中心自动代理910上的客户维护与客户配置文件150相似或者相同的客户配置文件。
在一个实施例中,客户自动代理920可以专用于具体企业(例如用于智能电话、PDA、写字板电脑、等等的专用自动代理应用)。例如这对花费努力以发展并维护他们自己的自动代理应用的大型企业是适当的。这里,客户自动代理920可以与企业自动代理910一起工作或者协作,企业自动代理910还专用于为企业提供呼叫中心服务。在另一个实施例中,客户自动代理920可以与企业呼叫中心直接工作,为客户自动代理920维护全部的自动代理逻辑和本地的数据库(并且例如不需要通过企业自动代理进行)。
在一个实施例中,客户自动代理920可以是通用自动代理应用,该通用自动代理应用可以服务多个企业。例如,通用自动代理应用可以被配置成与服务多个企业(例如图11中的中心自动代理810)的中心自动代理一起工作或者协作。例如,利用通用自动代理应用的客户可以选择具体企业,利用该具体企业联络,这将使企业数据通过通用自动代理应用被装载在客户装置上或者使得能够访问客户装置。在另一个实施例中,客户自动代理920可以直接与不同企业呼叫中心工作,为客户自动代理920维护全部自动代理逻辑和本地数据库(并且例如不需要通过中心自动代理进行)。
在一个实施例中,客户自动代理920可以以脱机模式(例如从中心自动代理910断开)操作。例如,客户可以更新和输入诸如私人数据(例如地址变更、具体现场代理(客户利用具体现场代理与企业企业中心交互)的排名)的数据。这种私人数据然后可以被提交至呼叫中心,例如当客户自动代理920与中心自动代理910(例如交互)脱机时,在该点处中心自动代理910可以考虑数据来判断如何处理与客户的未来交互。
在一个实施例中,客户自动代理920可以将客户的状态通信给呼叫中心。例如,客户自动代理920可以让呼叫中心知晓(例如通过中心自动代理910)客户是否可以现场代理联络(例如被动可用性)或者客户是否想要在呼叫中心方便的时间与现场代理通话(例如激活会话要求)。这种及其它个性化数据可以通过客户自动代理920提交到给定呼叫中心(例如通过中心自动代理910),用于考虑未来的交互。
在一个实施例中,客户自动代理920可以与呼叫中心(例如利用中心自动代理910)周期地同步并因此更新彼此的数据库(诸如客户配置文件150)。例如,客户可以具有新的联络数据(诸如地址变更)以与呼叫中心共享,而呼叫中心可以具有新的商机以与客户共享。这可以提供更有效的方式以在客户和呼叫中心之间通信(或者更新)客户配置文件信息(例如相对于具有在客户与呼叫中心的不同交互过程中从客户要求数据的中心自动代理910)。还可以改善这种信息的内容的精确度(因为客户可以通过其客户自动代理920比通过中心自动代理910的界面更容易且更直接地访问客户配置文件数据)。例如,这种同步可以允许更快且更精确地更新客户和呼叫中心之间的联络数据或者及时地或更有效地将新商务提供或者促销从呼叫中心传递给客户。
图13是根据本发明的示例性实施例的用于智能自动代理的又一个部署架构的示意性方框图。在图13的自动代理架构中,具有服务企业并且为三个不同客户自动代理1020、1030和1040提供呼叫中心支持的企业自动代理1010。图13出于示例性目的仅显示三个客户自动代理。客户自动代理的数量在其它实施例中可以明显地更大。客户自动代理1020、1030、和1040可以与企业自动代理1010协作或者彼此协作。例如,在一个实施例中,客户自动代理1020工作或者与另一个客户自动代理1030和1040协作。例如,彼此具有商业关系(例如通过企业)的一组用户可以使用他们各自的客户自动代理1020、1030和1040以组织组事件(诸如需要一定数量的参与者的假期外出和与旅行细节有关的协定)。
图14是根据本发明一个示例性实施例的智能自动代理的部分的示意性方框图。为了容易地说明,根据管理用于企业的呼叫中心说明图14的智能自动代理。
图14的智能自动代理可以包括用于客户和呼叫中心之间的问候交互的自动客户问候模块1110、用于存储和检索客户数据的客户目录模块1120、用于研制、授权和评价商务规则的规则系统模块1140、用于允许研发者创建移动式应用的移动服务模块1145、用于从社交媒体信道获得与客户有关的信息的社交媒体模块1150、用于将工作任务分配给合适资源的载荷分布模块1155、用于分析通信内容(例如基于通信的文本)的内容分析器模块1160、用于识别从客户通信到呼叫中心的语音的语音识别模块1165、用于将文本转换成语音以发送给客户的语音合成模块1170、用于定制或者集成自动代理与呼叫中心的现有应用的企业集成模块1175、按照自动代理的需求被修整的人工智能引擎模块1180、和用于利用声音和/或视频信道的组合与顾客通信的化身模块1190。
自动客户问候模块1110可以用作客户和呼叫中心之间的联络的第一点。客户问候模块1110可以提供几个功能,例如识别客户、识别交互的理由、和基于例如交互本质的资料库选择交互到更适当的部分、联络、现场代理等的交互的第一路由。在一个实施例中,自动客户问候模块1110可以是从Genesys电信实验室公司(“Genesys”)获得的iCFD(智能客户前门)。“Genesys”和“iCFD”是Genesys的注册商标。在一个示例性实施例中,自动客户问候模块1110通过化身模仿(例如通过化身模块1190执行)使用iCFD代替IVR类型界面用于与客户交互。
iCFD是呼叫路由应用,其利用语音识别收集客户的意向(基于他们说的);基于来自返回端部系统、顾客关系管理(CRM)系统、及其它数据的输入和反馈确定如何处理呼叫;和主动确定其中客户应该被路由至哪里和提供什么服务、现场代理是否协助、自助服务、或者(利用适当的分机)路由到自动代理。iCFD因此操纵和路由每一个交互、提供跨越全信道的一致经验、识别、确定意向、和引导客户至正确的位置。提供单个联络点(例如单个电话号码)以访问全部服务、收集来自后端系统的信息和提供基于后端输入和事件的响应、提供修整的客户经验、提供用于交叉销售和增销的机会、和提供从任何服务到任何服务的访问。
图15说明根据本发明一个实施例的智能自动代理的自动客户问候模块(例如图14的自动客户问候模块1110)实例。图15的自动客户问候模块包括客户交互逻辑模块,客户交互逻辑模块包括客户前门模块和客户交互管理(CIM)模块。图15的自动客户问候模块的另外部分包括语音识别引擎、自我服务IVR模块、和用户词组数据库。
图15的自动客户问候模块中的实例交互可以通过客户呼叫呼叫中心并被路由到客户前门模块开始。客户前门模块利用语音识别引擎工作以认识客户想要什么。由客户在语音识别过程中使用的词组被保存在用户词组数据库中用于随后的优化。客户想要什么的解释被发送至CIM模块。CIM模块决定将呼叫者路由到哪里。例如,CIM模块可以将呼叫直接路由到现场代理。CIM模块可以代替路由呼叫到自我服务IVR模块。
自助服务IVR模块可以例如使用自动语音识别(ASR)或者双音调多频率(DTMF)信号(例如按键音调)以使多个可能业务被容易地自动化。IVR业务的结果可以被发送回至CIM模块。例如,客户可以具有不能通过自我服务IVR模块描述的问题,在该情况下,CIM模块可以将客户呼叫路由到现场代理。然后现场代理可以从CIM模块得到关于呼入呼叫(例如客户刚刚使用自我服务IVR模块并具有用于现场代理的问题)的提示。
客户目录模块1120可以存储和检索例如客户数据数据库1130中的客户数据,客户数据数据库1130可以存储在非易失存储器装置(例如磁盘驱动器或者云驱动)上。关于客户的数据(例如从与客户的交互中获得的)可以被存储并随后通过客户目录模块1120检索。在一个实施例中,例如客户目录模块1120可以用于存储和检索例如根据通过客户和一个或多个呼叫中心之间的交互建造的客户配置文件数据。在一个实施例中,客户目录模块1120可以是从Genesys获得的UCS(通用联络服务器)。
规则系统模块1140可以用于诸如在例如扩展标记语言(XML)(例如VXML(用于指定人机之间的交互语音会话的XML格式并且可以通过语音浏览器解释))研制、授权、和评价商务规则。在一个实施例中,规则系统模块1140可以是从Genesys获得的GRS(Genesys规则系统)。在一个实施例中,规则系统模块1140可以利用Ristock等人于2012年11月29日提交的第13/689,750号的美国专利申请“具有资源意识的载荷分布”和Ristock等人于2012年11月30日提交的第13/689,753号的美国专利申请“用于测试和部署规则的系统和方法”中说明的规则技术,其全部内容通过引用在这里结合。在一个实施例中,规则系统模块1140可以利用Rete算法(例如见Wikipedia(www.wikipedia.org)于2013年3月14日收集的“Rete算法”(最后修改时间2013年二月26日)(其全部内容通过引用在此并入),或者可以利用其它适合的规则技术完成。
移动服务模块1145可以提供用于协助研发建立移动式应用的服务和APIs(应用编程接口),用于与图14的智能自动代理一起使用。在一个实施例中,移动服务模块1145可以是从Genesys获得的GMS(Genesys移动服务)。
社交媒体模块1150可以用于从社交媒体信道获得与客户有关的信息。例如,社交媒体模块1150可以允许客户通过经历社交媒体(例如象脸书一样的社交网络站点)与呼叫中心交互。社交媒体模块1150还可以通过社交媒体获得与客户有关的客户配置文件信息,相对于直接询问客户,这可以具有以更快、更精确、更少侵入的方式获得这种数据的结果。在一个实施例中,社交媒体模块1150可以是从Genesys获得的Genesys社交媒体解决方案。
载荷分布模块1155可以用于将工作任务分配到适当的资源。客户和呼叫中心之间的交互(通过自动代理)可以建立这些工作任务。一些工作任务可以更适合通过自动代理的直接控制之外的资源(例如客户可以要求现场代理)处理。基于诸如工作任务的本质(例如严格性、复杂性、优先权、商务价值等)的资料库、客户和呼叫中心之间的服务级协定(SLA)等,载荷分布模块1155可以将工作任务分配到单独的资源,例如现场代理或者后台职员。在一个实施例中,载荷分布模块1155可以是从Genesys获得的iWD(智能载荷分布)。
内容分析器模块1160可以用于分析客户和呼叫中心之间的通信内容(例如基于通信的文本),以增加基于通信的文本的效率、精确度、和一致性。以示例的方式,内容分析器模块1160可以使用自然语言处理技术以分析基于内容的文本并确定如何精确地处理和/或响应所述通信。在一个实施例中,内容分析器模块1160可以是从Genesys获得的eServices内容分析器。
语音识别模块1165可以用于识别从客户通信到呼叫中心的语音(例如通过电话或者基于通讯装置的其它语音)并且将例如语音转换成相应的单词或者文本。语音识别模块1165可以使用客户数据(例如在客户的声音识别过程中获得的)以识别客户的个人特征,例如客户所讲的语言、客户所讲的方言、和/或客户的语音习惯(例如可以从与客户的交互中在一定时间内而了解)。在一个实施例中,语音识别模块1165可以是从Genesys获得的GVP(Genesys语音平台)的ASR(自动语音识别)部分。
语音合成模块1170可以用于将文本转换成语音(例如当来自自动代理的通信返回到客户时,客户接收通过基于诸如电话的装置的语音通信)。在一个实施例中,语音合成模块1170可以是从Genesys获得的GVP(Genesys语音平台)的TTS(文本到语音)部分。
企业集成模块1175可以利用用于具体企业的呼叫中心的现有应用定制或者集成自动代理。在一个实施例中,企业集成模块1175可以是从Genesys获得的GenesysSDKs(软件开发工具包)。例如,GenesysSDKs可以用于利用Genesys框架(FWK)、GVP(Genesys语音平台)、GenesysURS(通用路由服务器)、和Genesys媒体层(全部从Genesys获得)集成现有应用,以便使自动代理成为企业的以及用于中心自动代理和两个或多个单独的企业自动代理之间的连通性的呼叫中心处的客户交互的第一响应者。
人工智能引擎模块1180可以被修整以满足智能自动代理的需求和作为用于智能自动代理的指令源。在一个实施例中,人工智能引擎模块1180使用Petri网或者Petri网模块(例如根据获悉的特性在一定时间内构建连接)。人工智能引擎模块1180可以从与客户的过去的交互获悉以更好地处理与客户的未来交互。在一个实施例中,人工智能引擎模块1180可以被配置成将适合在呼叫中心中使用的自动代理具体特性或者能力。这些特性或者能力包括用于在呼叫中心中使用的推论理由问题解决、知识表达、和常识知识、计划、学习、自然语言处理、感知、创新、和适合的普通指令。
在一个实施例中,人工智能引擎模块1180可以利用Kishinski等人在第6,178,239号的美国专利“通过Petri网原理和技术制作脚本的电话呼叫中心”中说明的Petri网的技术,其整个内容通过引用在这里结合,或者可以利用其它适合的Petri网技术完成。图16说明了根据本发明一个实施例的用于智能自动代理的人工智能引擎(诸如图14的人工智能引擎模块)的实例神经网络。神经网络可以是例如Petri网的模型。
人工智能引擎模块1180不局限于Petri网技术。例如,在其它实施例中,人工智能引擎模块1180可以使用诸如反馈回路的学习能力用于文本归类的质量(例如进行文本内容分析)。在一个实施例中,反馈回路可以使用建议的分类,该建议的分类可以被批准或者拒绝/校正,这因此可以被反馈到分类引擎中以触发另外的调节。
在一个实施例中,人工智能引擎模块1180可以被配置成通过输入串中的发现模板获悉呼叫中心的范围内的某一响应,从而发现用于客户的解决方案。另外,智能自动代理可以被配置成通过分类和数字回归获悉。分类用于在看见几个分类的大量事件的实例之后确定某些事情属于什么分类。分类的形式是文本归类(或者诸如自然语言文本归类的文本分类),其中文本(诸如邮件、聊天、网络自助服务、语音识别输出等)基于文本的内容(诸如可以出现在内容中的具体单词或者词组的次数)被分类或者被划分到分类中。
一般而言,分类是相当多的,表示足够详细或者特异性以允许例如相应的要求被路由到适当的资源,或者用于将被产生的智能自动响应,或者推荐将被提供给处理要求的现场代理。例如,分类可以被组织成树状架构(诸如图17的分类树)。图17说明了用于金融机构的一组分类的实例分类树状架构(稍微简化)。不同节点(诸如根部、银行、贷款、往来账户、和汽车贷款)表示分类,其中树叶(例如往来账户和汽车贷款)是最具体的分类。例如,树叶可以表示可能请求的分类,不同响应(诸如具有往来账户分类的标准响应1和标准响应2)可获得用于落入分类的请求。
自动文本分类的一个目标(例如可以通过人工智能引擎模块1180执行)能够将新的下一个T分类到其校正分类C中,而不需要现场代理介入。为此,人工智能引擎模块1180可以“学习”或者“受训”以通过提供的属于分类C的文本范例和不属于分类C的文本范例执行分类。人工智能引擎模块1180然后可以表现问题:“新文本T属于分类C吗?”。在一个实施例中,人工智能引擎模块1180可以通过将文本范例分隔成单词(例如利用词汇预处理和特征提取以获得单词或者诸如字频率的词干)而应答这种问题。然后,特征权重和/或特征选择可以用于获得矢量(利用例如信息增益或者chi-方形)的技术。
进而,矢量可以通过不同矢量分类算法被分类,包括kNN(最近邻k)、感知器、判定树和判定规则(诸如判定树学习)、神经网络(可以具有Petri网的模式)、支持矢量机、Bayes点(诸如Bayes点机)、bagging/boosting范型(诸如bootstrap集合)、内核方法(诸如内核范型)。
另一方面,数字回归试图制造描述输入与输出之间的关系的函数和预测输出应该如何随输入改变而改变。此外,智能自动代理可以被配置成通过加强学习而学习,其中代理因为良好的应答而受奖并因为不好的应答而受到惩罚。即,由智能记录系统通过数据基础记录通过智能自动代理进行的每个活动,和记录系统提供奖励形式的反馈引导学习算法。在一个实施例中,智能自动代理可以被配置成基于先前的经验学习其自己的感应偏差。
在一个实施例中,智能自动代理可以被配置作为使用人工智能提供客户服务或者例如在网址上的其它帮助的自动在线助理的一部分。例如,这种助理可以由对话系统、化身、和专家系统组成,以为客户提供具体的专门技能。
在一个实施例中,自动在线助理的对话系统的主要功能是用于将人产生的输入转变为数字格式,自动在线助理可以通过其专家系统和以尽可能天然和用户友好的最佳方式使用该数字格式用于进一步处理,以及解释任何的解决方案,或者答复该输入反馈人类用户了解什么。对话系统可以包括自然语言处理机。另外,对话系统可以具有集成的聊天机器人,给与它们或多或少的能力以参加与其专家系统的背景无关的闲聊或者临时会话,或者简单地进行感觉更天然的对话。
自动在线助理的化身可以被称作交互在线特征或者自动特征。化身可以使自动在线助理具有具体化代理的形式。化身旨在通过模拟真实世界会话和经验增强人机交互。这种交互模型可以被构造以沿设计的方向引导会话,以允许特征引导自然语言交换。因为这种特征可以表示现实人员的社会角色和情感,他们可以增加处于在线经历的用户的信任。交互的水平增加了这种“行动者”的感知真实性和有效性,这转换成更成功的在线服务和销售。
自动在线助理还可以具有提供特定服务的专家系统,其背景取决于特定服务的目的。这种系统可以根据智能自动代理被说明,智能自动代理具有理解客户的需求以便通过不同的架构化系统执行适当反应的功能。
化身模块1190可以用于通过语音和/或视频信道的组合传递从智能自动代理到客户的通信。以示例的方式,化身(通过化身模块1190执行的)可以是用于与客户例如通过智能电话或者膝上型计算机经由应用或者网络界面与客户通信的计算机动画制作的人。在一个实施例中,化身可以是企业智能自动代理的一部分。例如,化身可以提供企业和顾客之间的一致界面。在一个实施例中,化身可以替换IVR类型界面(例如当自动客户问候模块1110是iCFD时)。
在一个实施例中,用于企业的化身与用于全部客户的一样,而在另一个实施例中,化身可以通过企业和/或客户自定义。基于使用的客户通信信道(例如,智能电话、老式电话、PDA、网络、社交媒体、瞬时消息等等),化身可以以视觉和/或音频形式出现或者被听到。在一个实施例中,化身模块1190使用用于图形的现有化身技术,这对本领域技术人员来说是可用的。
图18是根据本发明一个实施例的企业接触中心内的自动代理的部署的示意性方框图。图18的呼叫中心的元件和部件可以具有与图1的呼叫中心的元件和部件相似的附图标记和描述。企业自动代理42连接到背景数据库(存储在例如磁盘驱动器、云存储或者大容量存储装置30的非易失存储器装置上)。背景数据库30用于存储包括与客户有关的人员信息(例如客户配置文件数据)的信息,用于由企业自动代理42随后的检索。背景数据库30因此可以通过提供来自客户和企业呼叫中心之间的先前交互的数据为与客户当前交互提供背景,先前交互的数据被收集和存储在背景数据库30中。现将参照图18说明企业自动代理42的实例使用。
客户可以例如通过利用客户电话10以启动与呼叫中心的声音交互来联络呼叫中心。客户呼叫越过PSTN14然后通过中继线到开关12,开关12将呼叫路由到IVR服务器34。例如,在使用方案的这种实例中,企业可以具有用作每一个外部客户呼叫的联络的第一点的现有IVR服务器34,并可以在适当的情况下(例如客户的要求)将呼叫路由到自动代理42。IVR服务器34可以(例如通过具有客户输入标识码(例如帐号))获得客户的身份。IVR服务器34还可以询问客户他们是否想要被转接到自动代理42。
当客户请求自动代理42时,自动代理42可以从背景数据库30检索客户的客户配置文件数据(例如利用通过客户供应到IVR服务器的标识码)并将客户配置文件装载到动态存储器(例如在服务器计算机上寄放自动代理42)中。自动代理42还可以请求开关12来代替IVR服务器34将客户的呼叫连接到自动代理42。开关12通过将客户的呼叫连接到自动代理42而响应用于进一步处理。呼叫之后,自动代理42利用从与客户刚刚完成的交互获得的信息更新背景数据库30中的客户配置文件。
根据此点,自动代理42与客户基于例如其人工智能引擎、用于客户已经装载入其动态存储器的客户配置文件数据、和客户的当前行为和响应进行交互。因此,自动代理42可以提供比可能利用IVR服务器34甚至现场代理38更个性化的客户服务。另外,客户服务通过客户和自动代理42之间的进一步交互(来自例如自动代理42和客户之间的更多交互和联络时间的细化人工智能引擎和建立客户配置文件)或者客户和呼叫中心的其它方面(例如现场代理、IVR服务器、后台、网络、手机等)而继续变得更具个性化,还将有关数据插入到客户配置文件中(并因此插入到背景数据库30中,即使不存在直接交互也允许自动代理42继续了解客户)。
自动代理42因此知道和学习客户和呼叫中心之间的全部交互或者基于客户和呼叫中心之间的全部交互而建立,使客户和呼叫中心之间的每一次成功交互在一定时间内变得更个性化。相反,当大多数现场代理38仅显示出个性化方面的小改进时,IVR服务器34有助于在一定时间内保持恒定的客户服务。例如,大呼叫中心可以在一定时间内在几个现场代理中间路由相同的客户(由于诸如现场代理的工作进度表、其工作时间、现场代理在任何具体时间内及时可用性等的资料库),而现场代理的记住客户的大量个人细节的能力随着他们与其它客户的大量交互而在与相同客户交互时而降低。
图19是根据本发明一个实施例的企业呼叫中心内的自动代理的另一个部署的示意性方框图。图19的呼叫中心的元件和部分可以具有与图18和图1的呼叫中心的元件和部分相似的附图标记和描述,因此可以不用重复。在图19的呼叫中心中,路由服务器20可以将呼叫从呼叫服务器18路由到现场代理38a或者38b,同时统计服务器22可以监控现场代理38a和38b的活动(和现场代理是否可用于另一个呼入呼叫)。现将参照图19说明企业自动代理42的实例使用。
客户可以例如通过利用客户电话10启动与呼叫中心的声音交互来联络呼叫中心。客户呼叫越过PSTN14然后通过中继线到开关12,开关12将呼叫路由到IVR服务器34。在使用方案的这种实例,例如企业可以试图将全部呼入呼叫转接到现场代理(当现场代理可用时)。因此,IVR服务器34获得客户的身份(例如根据图18中使用方案的实例)之后,呼叫的控制可以转到呼叫服务器18用于连接到现场代理(诸如现场代理38a或者38b)。呼叫服务器18进而可以试图通过制造到路由服务器20的请求而将呼叫路由到现场代理。一旦接收这种请求,路由服务器20可以咨询统计服务器22看看是否具有现场代理当前可用。如果统计服务器22响应没有现场代理当前可用返回到路由服务器20,路由服务器20可以决定(例如基于企业呼叫中心的政策或者策略)呼叫应该被路由到自动代理42(例如相对于将客户放在会等待漫长时间的保持上)。
因此,在使用图19的方案的这种实例中,路由服务器20最后响应返回到呼叫服务器18以将呼叫转接到自动代理42。呼叫服务器18然后可以将任何收集的用户信息(诸如呼叫者的身份)发送到自动代理42并可以通知开关12将呼叫路由到自动代理42。利用接收的用户信息,自动代理42可以从背景数据库30检索用于客户的客户配置文件数据(例如如上面图18所述)并且将客户配置文件装载到动态存储器(例如寄放自动代理42的服务器计算机上)中。开关12接着可以将客户的呼叫连接到自动代理42。然后自动代理42服务客户呼叫(例如到呼叫的议案)。呼叫之后,自动代理42利用从刚刚与客户完成的交互中获得的信息更新背景数据库30中的客户配置文件。
因此图19的实例使用方案是利用自动代理42作为代替代理的实例,例如用于当呼叫中心的现场代理人员被完全使用时辅助过载情况。为此,当自动代理42在上面描述的时间作为单个实体时,本领域的技术人员将认识到,可以根据一个或多个电脑(诸如服务器电脑)上的一系列任务执行自动代理42,并且这些任务被同时复制和运行以建立多个自动代理42的效果。这些多个自动代理42可以全部共享背景数据库30。呼叫中心能因此通过提供足够的计算资源(例如足够的服务器电脑或者每一个服务器计算机的增加的处理能力)提供足够的自动代理42,这对本领域技术人员是显而易见的。
图20是根据本发明一个实施例的示例性网络IVR平台的示意性方框图。在图20中,客户参与呼叫到企业的呼叫中心(通过服务供应商提供的)。呼叫可以从电话TS通过诸如专用游戏化交换PBX的企业的私用开关路由到企业的呼叫中心(通过服务供应商提供的)。呼叫可以通过电话网络从那里路由到服务供应商(例如设置的提供呼叫中心服务到企业的服务),其中该呼叫可以由业务交换点(SSP)接收。
在图20的网络IVR平台中,SSP可以将呼叫转接到服务控制点(SCP)或者IVR服务器。基于资格资料库(诸如电话号码拨号),呼叫可以被路由到IVR服务器用于呼叫的IVR处理。IVR服务器可以经由I服务器ISRV与其余的呼叫中心通讯。例如,IVR服务器可以发现现场代理通过制造到(普通)路由服务器URS的请求而路由呼叫。I服务器还可以连接到网络T服务器NTS和统计服务器SS。
除了直接转接呼叫到SCP之外(例如用于没有资格进行IVR处理的呼叫),IVR服务器可以例如利用二两个步骤的处理引导呼入呼叫到图20的网络IVR平台中的具体现场代理(诸如在可能咨询统计服务器SS之后通过路由服务器URS选择的现场代理)。第一,呼叫在SSP处被重新路由到SCP。然后SCP将呼叫连接到呼叫中心内的具体现场代理。这是用以重新定向当前呼叫的相对路由呼叫通过(例如在IVR上远程传输)IVR来说更直接并较少资源消耗的方法。
图21是根据本发明示例性实施例的用于处理入站呼叫的示例性声音平台的示意性方框图。例如,图21中图解的一些部分是可以从Genesys获得的Genesys声音平台的一部分,入站呼叫的处理在图21中示出。
入站呼叫的处理被图示出9个系列的步骤:
1.呼叫从外部资源通过第三方媒体网关进入会话启动协议(SIP)。
2.SIP服务器使呼叫通过GVP资源管理(SIP邀请)。
3.资源管理决定如何处理呼叫。如果资源管理接受呼叫,资源管理将呼叫匹配到交互式语音响应(IVR)配置文件并选择资源。
4.资源管理将呼叫发送到媒体控制平台或者呼叫控制平台资源(SIP邀请)。当资源管理发送请求到资源时,资源管理根据需要通过服务先决条件、服务参数和已经被配置用于IVR配置文件的政策插入额外SIP标题或者参数。
5.用于媒体控制平台或者呼叫控制平台资源的引出模块从应用程序服务器(文件、Hypertext转接协议(HTTP)、或者安全HTTP(HTTPS)请求)引出需要的声音可扩展标记语言(VoiceXML)或者呼叫控制XML(CCXML)页面。
6.媒体控制平台上的VoiceXML注释器(下一代注释器[NGI]或者GVP注释器[GVPi])或者呼叫控制平台上的CCXML注释器(CCXMLI)解释页面并执行应用程序(VoiceXML或者CCXML)。
7.基于应用程序,媒体控制台或者呼叫控制平台请求(通过资源管理)和使用附加业务:
a.用于自动语音识别(ASR)或者文本到语音(TTS)服务,媒体控制台通过利用媒体资源控制协议(MRCPv1或者MRCPv2)与第三方语音应用程序服务器通信。
b.如果呼叫控制平台请求会议或者音频播放/记录服务,呼叫控制平台从媒体控制台资源获得会议或者音频播放/记录服务。媒体控制台或者呼叫控制平台将服务的全部请求从其它GVP部分发送通过资源管理(SIP或者网络通告[NETANN])。
8.实时转送协议(RTP)媒体通路在媒体控制台和SIP终端用户之间被建立—在这种实例中,原始呼叫者通过媒体网关。
9.当当事人的一方(SIP终端用户、媒体控制台、或者呼叫控制平台)断开连接时,或者当呼叫被转接出GVP(SIPBYE或者REFER)时,资源管理结束。
图22是根据本发明的示例性实施例的智能自动代理的示例性游戏化服务模块的示意性方框图。图22说明了实例游戏化架构,包括管理用户界面(管理用户界面)、游戏化平台、和消息经纪人。游戏化平台分成两个单独的处理线程:分析和游戏单元为左侧上的线程,而规则和复杂事件为右侧上的线程。两个线程与相应的数据存储器交互以执行其各自的处理。
当本发明已经进行了与一些示例性实施例有关的说明时,将被理解的是本发明不局限于公开的实施例,并且反之,是用来涵盖被包含在所附权利要求和其等效形式的精神和保护范围内的不同修改和等效的布置。
Claims (82)
1.一种用于处理客户与企业呼叫中心的交互的系统,所述系统包括:
智能自动代理,所述智能自动代理包括:
处理器;
非瞬时储存装置,所述非瞬时储存装置被配置成存储客户配置文件数据;和
存储器,其中所述存储器具有存储在其上的指令,当通过所述处理器执行所述指令时,使所述处理器:
运行人工智能引擎,所述人工智能引擎被配置成从所述呼叫中心和客户之间的客户交互中的过往客户交互中了解关于客户的资料,并将了解的资料应用到所述呼叫中心和客户之间的客户交互中的未来客户交互中;和
维护所述储存装置上的所述客户配置文件数据,所述维护储存装置上的客户配置文件数据包括:
在所述呼叫中心和客户之间的客户交互中的新客户交互开始时检索所述客户的客户配置文件数据;
利用检索的所述客户配置文件数据决定如何处理所述客户交互中的新客户交互;和
在完成所述客户交互中的新客户交互之后更新所述储存装置上的用于所述客户的客户配置文件数据,从而使所述客户交互中的新客户交互转变为所述呼叫中心和客户之间的客户交互中的过往客户交互中的一个。
2.根据权利要求1所述的系统,其中,所述企业包括多个企业。
3.根据权利要求2所述的系统,其中,所述自动代理包括相应的多个自动代理。
4.根据权利要求1所述的系统,其中,所述人工智能引擎包括被配置成在一定时间内根据了解的行为构建连接的Petri网络或者神经网络。
5.根据权利要求1所述的系统,其中,所述人工智能引擎进一步被配置成了解分类。
6.根据权利要求1所述的系统,其中,所述人工智能引擎进一步被配置成了解数字回归。
7.根据权利要求1所述的系统,其中,所述了解资料包括了解客户的声音特征。
8.根据权利要求7所述的系统,其中,所述人工智能引擎进一步被配置成应用了解的客户声音特征识别所述呼叫中心和客户之间的客户交互中的未来客户交互中的客户。
9.根据权利要求7所述的系统,其中,所述人工智能引擎进一步被配置成应用了解的客户声音特征核对所述呼叫中心和客户之间的客户交互中的未来客户交互中的客户的身份。
10.根据权利要求1所述的系统,其中,所述客户交互包括实时交互。
11.根据权利要求10所述的系统,其中,所述实时交互包括电话呼叫、现场聊天、瞬时消息、文本消息、电视会议、多媒体交互、和/或网络交互。
12.根据权利要求1所述的系统,其中,所述客户交互包括非实时交互。
13.根据权利要求12所述的系统,其中,所述非实时交互包括邮件交流。
14.一种通过智能自动代理处理客户与用于企业的呼叫中心的交互的方法,所述方法包括以下步骤:
通过所述自动代理使用运行在处理器上的人工智能引擎从所述呼叫中心和客户之间的客户交互中的过往客户交互中了解资料,并将了解的资料应用到所述呼叫中心和客户之间的客户交互中的未来客户交互;和
在非瞬时储存装置上通过所述处理器维护客户配置文件数据,所述客户配置文件数据的维护通过运行在所述处理器上的所述自动代理执行并且包括:
在所述呼叫中心和客户之间的客户交互中的新客户交互开始时检索所述客户的客户配置文件数据;
利用所述检索的客户配置文件数据决定如何处理所述客户交互中的新客户交互;和
在完成客户交互中的新客户交互之后更新所述储存装置上的用于所述客户的客户配置文件数据,从而使客户交互中的新客户交互转变为所述呼叫中心和客户之间的客户交互中的过往客户交互中的一个。
15.根据权利要求14所述的方法,其中,所述人工智能引擎包括被配置成在一定时间内根据了解的行为构建连接的Petri网络或者神经网络。
16.根据权利要求14所述的方法,其中,在客户交互中的新客户交互是实时交互时,在客户交互的新客户交互期间实时检索所述客户配置文件数据。
17.根据权利要求16所述的方法,其中,所述实时交互包括电话呼叫、现场聊天、瞬时消息会话、文本消息会话、电视会议、多媒体交互、和/或网络交互。
18.根据权利要求14所述的方法,其中,当客户交互中的新客户交互完成之后,所述客户配置文件数据被非实时地更新。
19.根据权利要求14所述的方法,其中:
所述了解资料的步骤包括了解客户的声音特征;以及
所述方法还包括通过所述人工智能引擎应用了解的客户的声音特征以识别在所述呼叫中心和客户之间的客户交互中的未来交互中的客户。
20.根据权利要求14所述的方法,其中:
所述了解资料的步骤包括了解客户的声音特征;以及
所述方法还包括通过所述人工智能引擎应用了解的客户的声音特征以核对在所述呼叫中心和客户之间的客户交互中的未来交互中的客户的身份。
21.一种用于呼叫中心的系统,所述系统包括:
处理器;
交互式语音响应(IVR)节点,所述交互式语音响应节点被配置成在所述处理器上运行,以通过提供给客户设定脚本和从客户接收相应响应来参与从客户到所述呼叫中心的呼入交互;
智能自动代理,所述智能自动代理被配置成在所述处理器上运行并且与IVR节点通信,所述自动代理包括人工智能引擎;
呼叫服务器节点,所述呼叫服务器节点被配置成在所述处理器上运行以与所述自动代理通信,并将所述交互和所述响应路由到现场代理池中的一个或者所述自动代理;
开关,所述开关被配置成将所述呼入交互路由到所述IVR节点、所述自动代理和所述呼叫服务器节点;和
非瞬时储存装置,所述非瞬时储存装置连接到所述处理器并被配置成存储根据客户和所述呼叫中心之间的先前交互构建的客户配置文件数据,
其中:
所述IVR节点进一步被配置成将所述交互和所述响应路由到所述呼叫服务器;
所述自动代理进一步被配置成在所述交互期间从所述客户配置文件数据检索客户的配置文件和将所述检索的配置文件更新在所述储存装置上以表现所述交互;以及
所述人工智能引擎被配置成从交互中了解资料并将所述了解的资料应用到客户和所述呼叫中心之间的未来交互。
22.根据权利要求21所述的系统,其中,所述呼叫服务器节点进一步被配置成以客户的请求将所述交互和所述响应路由到所述自动代理。
23.根据权利要求21所述的系统,其中,当没有可用的现场代理时,所述呼叫服务器节点进一步被配置成将所述交互和所述响应路由到所述自动代理。
24.根据权利要求21所述的系统,其中,所述IVR节点进一步被配置成获得客户的身份,所述身份与客户的配置文件相对应。
25.根据权利要求21所述的系统,其中,所述处理器包括多个处理器,而所述IVR节点、所述呼叫服务器节点和所述自动代理位于所述处理器中的不同处理器上。
26.根据权利要求21所述的系统,还包括:
路由服务器节点,所述路由服务器节点被配置成在所述处理器上运行,以识别来自现场代理池的适当的现场代理,以将所述交互路由到该适当的现场代理,其中所述呼叫服务器节点进一步被配置成将所述交互和所述响应路由到通过所述路由服务器识别的适当的现场代理。
27.根据权利要求26的系统,其中,所述处理器包括多个处理器,而所述呼叫服务器节点和所述路由服务器节点位于所述多个处理器中的不同处理器上。
28.根据权利要求21所述的系统,还包括:
统计服务器节点,所述统计服务器节点被配置成在所述处理器上运行以维护所述现场代理的可用性信息,其中所述呼叫服务器节点进一步被配置成当基于通过所述统计服务器维护的现场代理可用性信息没有现场代理可用时将所述交互路由到所述自动代理。
29.根据权利要求28的系统,其中,所述处理器包括多个处理器,而所述呼叫服务器节点和所述统计服务器节点位于所述多个处理器中的不同处理器上。
30.根据权利要求21所述的系统,其中,所述人工智能引擎进一步被配置成通过以下操作来了解关于所述交互的资料:
在所述交互完成之后以及客户和所述呼叫中心之间的未来交互之前,分析客户的配置文件;以及
在客户和所述呼叫中心之间的未来交互之前将客户的配置文件中的分析结果存储在所述储存装置上。
31.根据权利要求30所述的系统,其中:
所述分析结果包括在客户和所述呼叫中心之间的未来交互期间通过所述自动代理采取的活动;以及
所述自动代理进一步被配置成在客户和所述呼叫中心之间的未来交互期间执行所述活动。
32.一种用于呼叫中心在连接到非瞬时储存装置的处理器上自动运行的方法,所述方法包括以下步骤:
通过运行在所述处理器上的交互式语音响应(IVR)节点将呼入交互从客户接入呼叫中心,包括为客户提供设定脚本和接收来自客户的相应;
在所述处理器上运行智能自动代理,所述智能自动代理包括人工智能引擎并被配置成与所述IVR节点通信和将根据客户和所述呼叫中心之间先前交互构建的客户配置文件数据存储在所述储存装置上;
在所述处理器上运行呼叫服务器节点,所述呼叫服务器节点被配置成与所述自动代理通信,并将所述交互和所述响应路由到现场代理池中的一个或者所述自动代理;
将所述交互和所述响应从所述IVR节点路由到所述呼叫服务器;
在交互期间通过所述自动代理从所述客户配置文件数据检索客户的配置文件;
通过所述自动代理更新所述储存装置上的检索到的配置文件以表现所述交互;
通过所述人工智能引擎了解交互的资料;和
通过所述人工智能引擎将所述了解的资料应用到客户和所述呼叫中心之间的未来交互。
33.根据权利要求32所述的方法,还包括以下步骤:
根据客户的请求将所述交互和所述响应从所述呼叫服务器节点路由到所述自动代理。
34.根据权利要求32所述的方法,还包括以下步骤:
在没有可用现场代理时,将所述交互和所述响应从所述呼叫服务器节点路由到所述自动代理。
35.根据权利要求32所述的方法,还包括以下步骤:
通过所述IVR节点获得客户的身份,其中所述身份与客户的配置文件相对应。
36.根据权利要求32所述的方法,其中,所述交互包括第一交互和第二交互,所述响应包括相应的第一响应和第二响应,而所述方法还包括以下步骤:
将所述第一交互和所述第一响应从所述呼叫服务器节点路由到所述自动代理;
在所述处理器上运行路由服务器节点,所述路由服务器节点被配置成从所述现场代理池识别适当的现场代理,以将第二交互路由到该适当的现场代理;和
将所述第二交互和所述第二响应从所述呼叫服务器节点路由到通过所述路由服务器识别的所述适当的现场代理。
37.根据权利要求32所述的方法,还包括以下步骤:
在所述处理器上运行统计服务器节点,所述统计服务器节点被配置成维护所述现场代理的可用性信息;和
当基于通过所述统计服务器维护的现场代理可用性信息没有可用的现场代理时,将所述交互从所述呼叫服务器节点路由到所述自动代理。
38.根据权利要求32所述的方法,其中,通过所述人工智能引擎从所述交互了解资料,包括:
在所述交互完成之后以及客户和所述呼叫中心之间的未来交互之前,通过所述人工智能引擎分析客户的配置文件;和
在客户和所述呼叫中心之间的未来交互之前将客户的配置文件中的分析结果存储在所述储存装置上。
39.根据权利要求38所述的方法,其中:
所述分析结果包括将在客户和所述呼叫中心之间的未来交互期间通过所述自动代理采取的活动;以及
所述方法还包括通过所述自动代理在客户和所述呼叫中心之间的未来交互期间执行所述活动。
40.根据权利要求38所述的方法,还包括以下步骤:
在所述分析和所述分析结果的储存完成之后通过所述人工智能引擎重新分析客户的配置文件,在更新所述人工智能引擎之后和在客户和所述呼叫中心之间的未来交互之前进行客户的配置文件的所述重新分析;和
在客户与所述呼叫中心之间的未来交互之前更新所述分析结果,以在所述存储装置上表现客户配置文件中的所述重新分析的结果。
41.一种用于呼叫中心的智能自动代理的客户门户,所述客户门户被配置成在连接到非瞬时储存装置的处理器上运行,并包括:
客户配置文件模块,所述客户配置文件模块被配置成从存储在所述储存装置上的客户配置文件数据库访问客户的配置文件;和
客户情感和情绪检测模块,所述客户情感和情绪检测模块被配置成在客户和所述呼叫中心之间的交互期间检测客户的情感和情绪,
其中,所述智能自动代理被配置成:
在所述处理器上运行;
参与客户和所述呼叫中心之间的交互;
通过被访问的客户配置文件中的因素和在交互期间检测的客户的情感和情绪来调节所述智能自动代理在所述交互中的行为;和
更新在所述储存装置上被访问的配置文件以表现所述交互。
42.根据权利要求41所述的客户门户,其中,所述客户情感和情绪检测模块进一步被配置成在通过分析客户在交互期间的书面通信、语言通信和/或可视通信检测的交互期间检测客户的情感和情绪。
43.根据权利要求42所述的客户门户,其中,所述客户情感和情绪检测模块进一步被配置成通过比较客户书面通信、语言通信和/或可视通信与在客户和所述呼叫中心之间的先前交互期间来自客户的先前通信的书面通信、语言通信和/或可视通信来分析客户的书面通信、语言通信和/或可视通信。
44.根据权利要求42所述的客户门户,其中,所述客户情感和情绪检测模块进一步被配置成通过比较客户的书面通信、语言通信和/或可视通信与所述客户配置文件数据库中的与客户共享客户配置文件特征的呼叫中心的其它客户的书面通信、语言通信和/或可视通信来分析客户的书面通信、语言通信和/或可视通信。
45.根据权利要求41所述的客户门户,还包括:
化身模块,所述化身模块被配置成通过视觉化身与客户交互。
46.根据权利要求41所述的客户门户,还包括:
个性化交互式语音响应(IVR)模块,所述个性化交互式语音响应模块被配置成用作到客户和所述呼叫中心之间的交互的输入点,这通过以下方式获得:
获得客户的身份,所述身份与客户的配置文件相对应;和
基于所述配置文件提供给客户自定义脚本并从客户接收相应的响应。
47.根据权利要求41所述的客户门户,还包括:
游戏化模块,所述游戏化模块被配置成在客户和所述呼叫中心之间的交互内应用游戏化原理。
48.根据权利要求47所述的客户门户,还包括:
资料转接接口组件,所述资料转接接口组件被配置成访问储存在所述储存装置上的资料库,其中所述游戏化模块进一步被配置成与所述资料转接接口组件协作以将所述游戏化原理应用到客户和所述呼叫中心之间的交互,从而利用从所述资料库中检索的资料和将资料存储到所述资料库中来帮助客户。
49.根据权利要求41所述的客户门户,还包括:
资料转接接口模块,所述资料转接接口模块被配置成访问存储在所述储存装置上的资料库。
50.根据权利要求41所述的客户门户,还包括:
接收测试模块,所述接收测试模块被配置成执行所述呼叫中心的选择的客户上的呼叫中心协议的接收测试。
51.根据权利要求50所述的客户门户,其中,所述协议包括交互式语音响应(IVR)脚本、现场代理脚本和/或路由规则。
52.根据权利要求50所述的客户门户,还包括:
客户选择模块,所述客户选择模块用于从所述客户配置文件数据库选择根据被选择的客户的相应配置文件来选择被选择的客户。
53.根据权利要求41所述的客户门户,其中,所述智能自动代理进一步被配置成:
在客户和所述呼叫中心之间的交互完成之后且在客户和所述呼叫中心之间的未来交互之前分析访问的配置文件;和
更新所述储存装置上的被访问的配置文件,以在客户和所述呼叫中心之间的未来交互之前表现分析的结果。
54.一种通过用于呼叫中心的智能自动代理与客户连接的方法,所述方法包括以下方法:
在连接到非瞬时储存装置的处理器上运行所述智能自动代理;
从存储在所述储存装置上的客户配置文件数据库访问客户的配置文件;
通过所述自动代理检测客户和所述呼叫中心之间的交互期间的客户的情感和情绪;
通过被访问的客户的配置文件中的因素和在交互期间检测到的客户的情感情绪来调节交互中的所述自动代理的行为;和
更新所述储存装置上的被访问的配置文件以表现所述交互。
55.根据权利要求54所述的方法,其中,所述在交互期间检测客户的情感和情绪的步骤包括分析交互期间客户的书面通信、语言通信和/或可视通信。
56.根据权利要求54所述的方法,还包括以下步骤:
在所述交互的输入点处获得客户的身份,所述身份与客户的所述配置文件相对应;和
根据所述配置文件为客户提供自定义脚本和接收来自客户的相应响应。
57.根据权利要求54所述的方法,还包括以下步骤:
在客户和所述呼叫中心之间的交互完成之后和未来交互之前分析被访问的配置文件;和
在客户和所述呼叫中心之间的未来交互之前更新所述储存装置上被访问的配置文件以表现分析结果。
58.一种用于呼叫中心的智能自动代理的客户门户,所述自动代理包括:
处理器;
非瞬时储存装置,所述非瞬时储存装置被配置成存储客户配置文件数据;和
存储器,其中所述存储器具有存储在其上的指令,当通过处理器执行该指令时使处理器能够:
从存储在所述储存装置上的客户配置文件数据库访问客户的配置文件;
在客户和所述呼叫中心之间的交互期间通过所述客户门户检测客户的情感和情绪;
通过被访问的客户配置文件中的因素和在交互期间检测的客户的情感和情绪来调节交互中的所述自动代理的行为;和
更新所述储存装置上的被访问的配置文件以表现所述交互。
59.根据权利要求58所述的客户门户,其中,当通过所述处理器执行所述指令时,还使所述处理器能够:
在到所述交互的输入点处获得客户的身份,所述身份与客户的所述配置文件相对应;和
根据所述配置文件为客户提供自定义脚本和从客户接收相应的响应。
60.根据权利要求58所述的客户门户,其中,在通过所述处理器执行指令时,还使所述处理器能够:
在客户和所述呼叫中心之间的交互完成之后以及在客户和所述呼叫中心之间的未来交互之前分析被访问的配置文件;和
在客户和所述呼叫中心之间的未来交互之前更新所述储存装置上的被访问的配置文件以表现分析的结果。
61.一种用于呼叫中心的智能自动代理的后台服务,所述后台服务被配置成在连接到非瞬时储存装置的处理器上运行,并包括:
客户配置文件模块,所述客户配置文件模块被配置成从存储在所述储存装置上的客户配置文件数据库访问客户的配置文件,所述客户的配置文件包括来自涉及客户和所述呼叫中心的交互的交互数据,和分析在涉及客户和所述呼叫中心的交互之间的交互数据而得出的结果;和
内容分析模块,所述内容分析模块被配置成:
通过执行涉及客户和所述呼叫中心的交互的连续交互之间的交互数据的分析产生新的分析结果;和
更新所述储存装置上的客户的所述配置文件的分析结果以表现所述新的分析结果,
其中,所述智能自动代理被配置成:
在所述处理器上运行;
通过访问客户的配置文件参与涉及所述客户和所述呼叫中心的交互的下一次交互;
通过客户的被访问的配置文件的分析结果中的因素调节所述智能自动代理在下一次交互中的行为;和
更新所述储存装置上的被访问的配置文件的交互数据以表现下一次交互。
62.根据权利要求61所述的后台服务,其中:
所述分析结果包括通过所述自动代理在涉及客户和所述呼叫中心的交互的未来交互期间采取的动作;以及
所述自动代理进一步被配置成在未来交互期间执行所述动作。
63.根据权利要求61所述的后台服务,其中,所述内容分析模块进一步被配置成在所述处理器的计算资源可用时在所述处理器上作为后台进程运行。
64.根据权利要求61所述的后台服务,其中,所述内容分析模块进一步被配置成:
在通过在更新客户的配置文件之后重新分析所述交互数据来更新所述内容分析模块之后,生成连续交互之间的附加分析结果以表现新的分析结果;和
更新所述储存装置上的客户的配置文件的分析结果以表现所述附加分析结果。
65.根据权利要求61所述的后台服务,还包括:
现场代理分配模块,所述现场代理分配模块被配置成根据客户的所述配置文件的所述分析结果将来自现场代理池的适当的现场代理分配到客户。
66.根据权利要求61所述的后台服务,还包括:
建议响应处理模块,所述建议响应处理模块被配置成根据客户的所述配置文件的所述分析结果删除或者改变对客户的建议响应。
67.根据权利要求61所述的后台服务,还包括:
分类模块,所述分类模块被配置成根据客户的配置文件的相应的分析结果将所述呼叫中心的客户划入不同分类,其中所述内容分析模块包括与所述不同分类相对应的多个内容分析模块。
68.根据权利要求61所述的后台服务,其中:
所述分析结果包括尚末完成的客户的未决事务和/或请求的列表;以及
所述自动代理进一步被配置成在涉及客户和所述呼叫中心的交互的未来交互期间处理所述未决事务和/或请求。
69.一种用于通过智能自动代理为呼叫中心到客户提供后台服务的方法,所述方法包括以下步骤:
在连接到非瞬时储存装置的处理器上运行所述智能自动代理;
从存储在所述储存装置上的客户配置文件数据库访问客户的配置文件,所述客户的配置文件包括来自涉及客户和所述呼叫中心的交互的交互数据、和分析在涉及客户和所述呼叫中心的交互之间的交互数据而得出的分析结果;
通过执行涉及客户和所述呼叫中心的交互的连续交互之间的交互数据的分析产生新的分析结果;
更新所述储存装置上的客户的配置文件的分析结果以表现新的分析结果;
在涉及客户和呼叫中心的交互的下一次交互期间重新访问客户的配置文件;
根据客户的被重新访问的配置文件的分析结果中的因素调节所述自动代理在下一次交互期间的行为;和
更新所述储存装置上的被重新访问的配置文件的交互数据以表现下一次交互。
70.根据权利要求69所述的方法,其中:
所述分析结果包括通过所述自动代理在涉及客户和所述呼叫中心的交互的未来交互期间采取的动作;以及
所述方法还包括在未来交互期间通过所述自动代理执行所述动作。
71.根据权利要求69所述的方法,还包括以下步骤:
因为更新客户的配置文件的分析结果以表现新的分析结果,所以通过使用更新的分析准则重新分析所述交互数据生成连续交互之间的附加分析结果;和
更新所述储存装置上的客户的配置文件的分析结果以表现所述附加分析结果。
72.根据权利要求69所述的方法,还包括以下步骤:
根据所述客户配置文件的分析结果将来自现场代理池的适当现场代理分配给客户。
73.根据权利要求69所述的方法,还包括以下步骤:
根据所述客户配置文件的分析结果删除或者改变给客户的建议响应。
74.根据权利要求69所述的方法,还包括以下步骤:
根据客户的所述配置文件的相应分析结果将所述呼叫中心的客户划分成不同分类;和
通过使用所述不同分类的不同分析准则执行客户配置文件的各自的交互数据的分析来生成相应的新分析结果。
75.根据权利要求69所述的方法,其中:
所述分析结果包括客户尚末完成的未决事务和/或请求的列表;以及
所述方法还包括在涉及客户和所述呼叫中心的交互的未来交互期间处理所述未决事务和/或请求。
76.一种用于呼叫中心的智能自动代理的后台服务,所述自动代理包括:
处理器;
被配置成存储客户配置文件数据的非瞬时储存装置;和
存储器,其中所述存储器具有存储在其上的指令,当由所述处理器执行该指令时,使所述处理器能够:
从存储在所述储存装置上的客户配置文件数据库访问客户的配置文件,所述客户的配置文件包括来自涉及客户和所述呼叫中心的交互的交互数据、和分析涉及客户和所述呼叫中心的交互之间的交互数据而得出的分析结果;
通过执行涉及客户和所述呼叫中心的交互的连续交互之间的交互数据的分析产生新的分析结果;和
更新所述储存装置上的客户的配置文件的分析结果以表现新分析结果;
在涉及客户和所述呼叫中心的交互的下一次交互期间重新访问客户的配置文件;
通过客户的被重新访问的配置文件的分析结果中的因素调节所述自动代理在下一次交互中的行为;和
更新所述储存装置上的被重新访问的配置文件的交互数据以表现下一次交互。
77.根据权利要求76所述的后台服务,其中:
所述分析结果包括通过自动代理在涉及客户和所述呼叫中心的交互的未来交互期间采取的动作;以及
所述指令在通过所述处理器执行时还使所述处理器在未来交互期间执行所述动作。
78.根据权利要求76所述的后台服务,其中,当通过所述处理器执行所述指令时,还使处理器能够:
由于表现新分析结果的客户配置文件的分析结果的更新,通过使用新分析准则重新分析所述交互数据来生成连续交互之间的附加分析结果;和
更新所述储存装置上的所述客户配置文件的分析结果以表现所述附加分析结果。
79.根据权利要求76所述的后台服务,其中,当通过所述处理器执行所述指令时,还使所述处理器能够:
根据呼叫中心的客户配置文件的相应分析结果将所述呼叫中心的客户划分成不同分类;和
使用用于不同分类的不同分析准则通过执行所述客户配置文件的各自交互数据的分析生成相应的新分析结果。
80.根据权利要求76所述的后台服务,其中:
所述分析结果包括客户的尚末完成的未决事务和/或请求的列表;以及
当通过所述处理器执行所述指令时,还使处理器在涉及客户和所述呼叫中心的交互的未来交互期间处理所述未决事务和/或请求。
81.一种参照附图说明的大致如在上文所述的系统。
82.一种参照附图说明的大致如上下文所述的方法。
Applications Claiming Priority (11)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361801323P | 2013-03-15 | 2013-03-15 | |
US61/801,323 | 2013-03-15 | ||
US13/866,824 US8767948B1 (en) | 2013-03-15 | 2013-04-19 | Back office services of an intelligent automated agent for a contact center |
US13/866,793 US9386152B2 (en) | 2013-03-15 | 2013-04-19 | Intelligent automated agent and interactive voice response for a contact center |
US13/866,763 | 2013-04-19 | ||
US13/866,793 | 2013-04-19 | ||
US13/866,763 US20170006161A9 (en) | 2013-03-15 | 2013-04-19 | Intelligent automated agent for a contact center |
US13/866,812 US9008283B2 (en) | 2013-03-15 | 2013-04-19 | Customer portal of an intelligent automated agent for a contact center |
US13/866,812 | 2013-04-19 | ||
US13/866,824 | 2013-04-19 | ||
PCT/US2014/029863 WO2014145149A1 (en) | 2013-03-15 | 2014-03-14 | Intelligent automated agent for a contact center |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105229687A true CN105229687A (zh) | 2016-01-06 |
Family
ID=51537888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480028462.2A Pending CN105229687A (zh) | 2013-03-15 | 2014-03-14 | 用于呼叫中心的智能自动代理 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20170006161A9 (zh) |
EP (1) | EP2973312A4 (zh) |
KR (2) | KR101932876B1 (zh) |
CN (1) | CN105229687A (zh) |
AU (2) | AU2014233357B2 (zh) |
CA (1) | CA2917294C (zh) |
WO (1) | WO2014145149A1 (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106603381A (zh) * | 2016-11-24 | 2017-04-26 | 北京小米移动软件有限公司 | 处理聊天信息的方法及装置 |
CN107317835A (zh) * | 2017-05-19 | 2017-11-03 | 四川新网银行股份有限公司 | 一种基于轨迹抓取的定位分层客户信息的方法 |
CN107798452A (zh) * | 2017-03-13 | 2018-03-13 | 平安科技(深圳)有限公司 | 客户代理人分配方法及装置 |
CN107919137A (zh) * | 2017-10-25 | 2018-04-17 | 平安普惠企业管理有限公司 | 远程审批方法、装置、设备及可读存储介质 |
CN108282392A (zh) * | 2017-01-06 | 2018-07-13 | 网讯电通股份有限公司 | 应用于通讯软体的业务绑定系统 |
CN108733712A (zh) * | 2017-04-21 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 一种问答系统评价方法和装置 |
CN109327491A (zh) * | 2017-08-01 | 2019-02-12 | 触信(厦门)智能科技有限公司 | 一种信息电话实现方法及其系统、智能设备 |
CN109416816A (zh) * | 2016-06-16 | 2019-03-01 | Alt株式会社 | 支持交流的人工智能系统 |
CN110597765A (zh) * | 2019-08-05 | 2019-12-20 | 紫光西部数据(南京)有限公司 | 一种大零售呼叫中心异构数据源数据处理方法及装置 |
CN110709852A (zh) * | 2017-03-03 | 2020-01-17 | 艾赛普公司 | 客户对话中的自动向上销售 |
CN111080355A (zh) * | 2019-12-10 | 2020-04-28 | 支付宝(杭州)信息技术有限公司 | 用户集合的展示方法、装置和电子设备 |
CN111919223A (zh) * | 2018-03-26 | 2020-11-10 | 平衡媒体技术有限责任公司 | 用于机器学习算法游戏化的抽象接口 |
CN112417181A (zh) * | 2016-02-26 | 2021-02-26 | 原相科技股份有限公司 | 主动响应的交互式服务平台及其运作方法 |
CN112598485A (zh) * | 2021-01-07 | 2021-04-02 | 衢州光明电力投资集团有限公司赋腾科技分公司 | 一种基于电子商城的输配电设备订单管理系统 |
CN113039537A (zh) * | 2018-11-08 | 2021-06-25 | N3有限责任公司 | 语义人工智能代理 |
CN115529580A (zh) * | 2021-06-08 | 2022-12-27 | 中国移动通信集团重庆有限公司 | 一种定向语音呼叫方法、装置、系统、设备及存储介质 |
Families Citing this family (218)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8718262B2 (en) | 2007-03-30 | 2014-05-06 | Mattersight Corporation | Method and system for automatically routing a telephonic communication base on analytic attributes associated with prior telephonic communication |
US20110211679A1 (en) * | 2010-02-26 | 2011-09-01 | Vladimir Mezhibovsky | Voice Response Processing |
US10185477B1 (en) | 2013-03-15 | 2019-01-22 | Narrative Science Inc. | Method and system for configuring automatic generation of narratives from data |
CN103903627B (zh) * | 2012-12-27 | 2018-06-19 | 中兴通讯股份有限公司 | 一种语音数据的传输方法及装置 |
US9386152B2 (en) | 2013-03-15 | 2016-07-05 | Genesys Telecommunications Laboratories, Inc. | Intelligent automated agent and interactive voice response for a contact center |
US9307080B1 (en) * | 2013-09-27 | 2016-04-05 | Angel.Com Incorporated | Dynamic call control |
US20150142527A1 (en) * | 2013-11-18 | 2015-05-21 | Avaya Inc. | Architecture for a contact center with emulator driven self control loop |
US20150181041A1 (en) * | 2013-12-24 | 2015-06-25 | InsideSales.com, Inc. | Intelligently Routing Inbound Communication |
US10264113B2 (en) | 2014-01-10 | 2019-04-16 | Onepin, Inc. | Automated messaging |
US10298740B2 (en) * | 2014-01-10 | 2019-05-21 | Onepin, Inc. | Automated messaging |
US9860124B2 (en) * | 2014-04-02 | 2018-01-02 | Aria Solutions, Inc. | Configurable cloud-based routing |
US9247055B2 (en) * | 2014-06-03 | 2016-01-26 | Plantronics, Inc. | Interactive voice response (IVR) routing system |
US9959560B1 (en) | 2014-08-26 | 2018-05-01 | Intuit Inc. | System and method for customizing a user experience based on automatically weighted criteria |
US11354755B2 (en) | 2014-09-11 | 2022-06-07 | Intuit Inc. | Methods systems and articles of manufacture for using a predictive model to determine tax topics which are relevant to a taxpayer in preparing an electronic tax return |
US20160099843A1 (en) * | 2014-10-01 | 2016-04-07 | Bank Of America Corporation | Intersystem automated-dialog agent |
US20160099842A1 (en) * | 2014-10-01 | 2016-04-07 | Bank Of America Corporation | Intersystem automated-dialog agent |
US20160098804A1 (en) * | 2014-10-07 | 2016-04-07 | Intuit Inc. | Method and system for using interchangeable analytics modules to provide tax return preparation systems |
US10747823B1 (en) * | 2014-10-22 | 2020-08-18 | Narrative Science Inc. | Interactive and conversational data exploration |
US11238090B1 (en) | 2015-11-02 | 2022-02-01 | Narrative Science Inc. | Applied artificial intelligence technology for using narrative analytics to automatically generate narratives from visualization data |
US11288328B2 (en) | 2014-10-22 | 2022-03-29 | Narrative Science Inc. | Interactive and conversational data exploration |
US10096072B1 (en) | 2014-10-31 | 2018-10-09 | Intuit Inc. | Method and system for reducing the presentation of less-relevant questions to users in an electronic tax return preparation interview process |
US10255641B1 (en) | 2014-10-31 | 2019-04-09 | Intuit Inc. | Predictive model based identification of potential errors in electronic tax return |
US9648164B1 (en) * | 2014-11-14 | 2017-05-09 | United Services Automobile Association (“USAA”) | System and method for processing high frequency callers |
US10291776B2 (en) * | 2015-01-06 | 2019-05-14 | Cyara Solutions Pty Ltd | Interactive voice response system crawler |
US11489962B2 (en) | 2015-01-06 | 2022-11-01 | Cyara Solutions Pty Ltd | System and methods for automated customer response system mapping and duplication |
US10628894B1 (en) | 2015-01-28 | 2020-04-21 | Intuit Inc. | Method and system for providing personalized responses to questions received from a user of an electronic tax return preparation system |
US10348895B2 (en) * | 2015-02-13 | 2019-07-09 | Avaya Inc. | Prediction of contact center interactions |
WO2016161432A1 (en) * | 2015-04-03 | 2016-10-06 | Xsell Technologies | Method and apparatus to increase personalization and enhance chat experiences on the internet |
US10176534B1 (en) | 2015-04-20 | 2019-01-08 | Intuit Inc. | Method and system for providing an analytics model architecture to reduce abandonment of tax return preparation sessions by potential customers |
US10740853B1 (en) | 2015-04-28 | 2020-08-11 | Intuit Inc. | Systems for allocating resources based on electronic tax return preparation program user characteristics |
US10360309B2 (en) * | 2015-04-30 | 2019-07-23 | Salesforce.Com, Inc. | Call center SMS-MMS language router |
CN106331391A (zh) * | 2015-06-17 | 2017-01-11 | 中兴通讯股份有限公司 | 呼叫处理方法及装置 |
US10440185B2 (en) * | 2015-07-09 | 2019-10-08 | Genesys Telecommunications Laboratories, Inc. | System and method for contact center shared economy |
US9723149B2 (en) | 2015-08-21 | 2017-08-01 | Samsung Electronics Co., Ltd. | Assistant redirection for customer service agent processing |
CA3001839C (en) * | 2015-10-14 | 2018-10-23 | Pindrop Security, Inc. | Call detail record analysis to identify fraudulent activity and fraud detection in interactive voice response systems |
US10740854B1 (en) | 2015-10-28 | 2020-08-11 | Intuit Inc. | Web browsing and machine learning systems for acquiring tax data during electronic tax return preparation |
US11222184B1 (en) | 2015-11-02 | 2022-01-11 | Narrative Science Inc. | Applied artificial intelligence technology for using narrative analytics to automatically generate narratives from bar charts |
US11170038B1 (en) | 2015-11-02 | 2021-11-09 | Narrative Science Inc. | Applied artificial intelligence technology for using narrative analytics to automatically generate narratives from multiple visualizations |
US11232268B1 (en) | 2015-11-02 | 2022-01-25 | Narrative Science Inc. | Applied artificial intelligence technology for using narrative analytics to automatically generate narratives from line charts |
US20170147690A1 (en) * | 2015-11-23 | 2017-05-25 | II Angelo Mastrio | System And Method For Transmitting and Answering A Query Through A Short Message Service Format |
US9860355B2 (en) * | 2015-11-23 | 2018-01-02 | International Business Machines Corporation | Call context metadata |
US10013416B1 (en) | 2015-12-18 | 2018-07-03 | Amazon Technologies, Inc. | Language based solution agent |
US10937109B1 (en) | 2016-01-08 | 2021-03-02 | Intuit Inc. | Method and technique to calculate and provide confidence score for predicted tax due/refund |
US10547728B2 (en) * | 2016-01-21 | 2020-01-28 | Avaya Inc. | Dynamic agent greeting based on prior call analysis |
US10592603B2 (en) | 2016-02-03 | 2020-03-17 | International Business Machines Corporation | Identifying logic problems in text using a statistical approach and natural language processing |
US11042702B2 (en) * | 2016-02-04 | 2021-06-22 | International Business Machines Corporation | Solving textual logic problems using a statistical approach and natural language processing |
US10091355B2 (en) * | 2016-02-19 | 2018-10-02 | International Business Machines Corporation | Virtual voice response agent individually configured for a user |
US10810497B2 (en) | 2016-03-09 | 2020-10-20 | International Business Machines Corporation | Supporting generation of a response to an inquiry |
US10587708B2 (en) * | 2016-03-28 | 2020-03-10 | Microsoft Technology Licensing, Llc | Multi-modal conversational intercom |
US10171410B2 (en) | 2016-03-28 | 2019-01-01 | Microsoft Technology Licensing, Llc | Cross-mode communiation |
US11487512B2 (en) | 2016-03-29 | 2022-11-01 | Microsoft Technology Licensing, Llc | Generating a services application |
US12051021B2 (en) | 2016-04-19 | 2024-07-30 | Worldpak Inc. | Cloud-based system and method to track and manage objects |
WO2017184684A1 (en) | 2016-04-19 | 2017-10-26 | Cognitive Seeds Llc | Cloud-based system and method to track and manage objects |
US10410295B1 (en) | 2016-05-25 | 2019-09-10 | Intuit Inc. | Methods, systems and computer program products for obtaining tax data |
US10671343B1 (en) * | 2016-06-30 | 2020-06-02 | Amazon Technologies, Inc. | Graphical interface to preview functionality available for speech-enabled processing |
US9807037B1 (en) | 2016-07-08 | 2017-10-31 | Asapp, Inc. | Automatically suggesting completions of text |
US10382370B1 (en) * | 2016-08-11 | 2019-08-13 | Amazon Technologies, Inc. | Automated service agents |
US9866695B1 (en) * | 2016-08-30 | 2018-01-09 | Genesys Telecommunications Laboratories, Inc. | System and method for predictive routing based on a customer journey patience |
US10853583B1 (en) | 2016-08-31 | 2020-12-01 | Narrative Science Inc. | Applied artificial intelligence technology for selective control over narrative generation from visualizations of data |
US10289900B2 (en) * | 2016-09-16 | 2019-05-14 | Interactive Intelligence Group, Inc. | System and method for body language analysis |
US20180097940A1 (en) * | 2016-09-30 | 2018-04-05 | Genesys Telecommunications Laboratories, Inc. | System and method for dynamic generation and optimization of process flows for a customer contact center |
US10896395B2 (en) | 2016-09-30 | 2021-01-19 | Genesys Telecommunications Laboratories, Inc. | System and method for automatic quality management and coaching |
US10902737B2 (en) * | 2016-09-30 | 2021-01-26 | Genesys Telecommunications Laboratories, Inc. | System and method for automatic quality evaluation of interactions |
US10484313B1 (en) | 2016-10-28 | 2019-11-19 | Amazon Technologies, Inc. | Decision tree navigation through text messages |
US10469665B1 (en) * | 2016-11-01 | 2019-11-05 | Amazon Technologies, Inc. | Workflow based communications routing |
US20180122368A1 (en) * | 2016-11-03 | 2018-05-03 | International Business Machines Corporation | Multiparty conversation assistance in mobile devices |
US10957306B2 (en) * | 2016-11-16 | 2021-03-23 | International Business Machines Corporation | Predicting personality traits based on text-speech hybrid data |
US10834262B2 (en) * | 2016-11-17 | 2020-11-10 | International Business Machines Corporation | Enhancing customer service processing using data analytics and cognitive computing |
US10574825B2 (en) * | 2017-02-15 | 2020-02-25 | Microsoft Technology Licensing, Llc | Assisted-communication with intelligent personal assistant |
US11568148B1 (en) | 2017-02-17 | 2023-01-31 | Narrative Science Inc. | Applied artificial intelligence technology for narrative generation based on explanation communication goals |
US11954445B2 (en) | 2017-02-17 | 2024-04-09 | Narrative Science Llc | Applied artificial intelligence technology for narrative generation based on explanation communication goals |
US10943069B1 (en) | 2017-02-17 | 2021-03-09 | Narrative Science Inc. | Applied artificial intelligence technology for narrative generation based on a conditional outcome framework |
US10713442B1 (en) | 2017-02-17 | 2020-07-14 | Narrative Science Inc. | Applied artificial intelligence technology for interactive story editing to support natural language generation (NLG) |
US11068661B1 (en) | 2017-02-17 | 2021-07-20 | Narrative Science Inc. | Applied artificial intelligence technology for narrative generation based on smart attributes |
US20180247443A1 (en) * | 2017-02-28 | 2018-08-30 | International Business Machines Corporation | Emotional analysis and depiction in virtual reality |
US10044862B1 (en) | 2017-04-28 | 2018-08-07 | International Business Machines Corporation | Dynamic topic guidance in the context of multi-round conversation |
US10628754B2 (en) | 2017-06-06 | 2020-04-21 | At&T Intellectual Property I, L.P. | Personal assistant for facilitating interaction routines |
US10873545B2 (en) * | 2017-06-12 | 2020-12-22 | Microsoft Technology Licensing, Llc | Automatic action responses |
US10762423B2 (en) * | 2017-06-27 | 2020-09-01 | Asapp, Inc. | Using a neural network to optimize processing of user requests |
JP6218057B1 (ja) * | 2017-07-14 | 2017-10-25 | Jeインターナショナル株式会社 | 自動応答サーバー装置、端末装置、応答システム、応答方法、およびプログラム |
US11556548B2 (en) | 2017-08-08 | 2023-01-17 | Microsoft Technology Licensing, Llc | Intelligent query system for attachments |
US11082456B2 (en) | 2017-08-17 | 2021-08-03 | Avctechnologies Usa Inc. | Automated agent for a web communication feature |
US11475488B2 (en) | 2017-09-11 | 2022-10-18 | Accenture Global Solutions Limited | Dynamic scripts for tele-agents |
US10586237B2 (en) * | 2017-09-20 | 2020-03-10 | XSELL Technologies, Inc. | Method, apparatus, and computer-readable media for customer interaction semantic annotation and analytics |
US10951558B2 (en) | 2017-09-27 | 2021-03-16 | Slack Technologies, Inc. | Validating application dialog associated with a triggering event identification within user interaction data received via a group-based communication interface |
CA3021197A1 (en) * | 2017-10-17 | 2019-04-17 | Royal Bank Of Canada | Auto-teleinterview solution |
CA2982930A1 (en) | 2017-10-18 | 2019-04-18 | Kari Saarenvirta | System and method for selecting promotional products for retail |
US10671435B1 (en) | 2017-10-19 | 2020-06-02 | Pure Storage, Inc. | Data transformation caching in an artificial intelligence infrastructure |
US10360214B2 (en) * | 2017-10-19 | 2019-07-23 | Pure Storage, Inc. | Ensuring reproducibility in an artificial intelligence infrastructure |
US12067466B2 (en) | 2017-10-19 | 2024-08-20 | Pure Storage, Inc. | Artificial intelligence and machine learning hyperscale infrastructure |
US11455168B1 (en) | 2017-10-19 | 2022-09-27 | Pure Storage, Inc. | Batch building for deep learning training workloads |
US11494692B1 (en) | 2018-03-26 | 2022-11-08 | Pure Storage, Inc. | Hyperscale artificial intelligence and machine learning infrastructure |
US11861423B1 (en) | 2017-10-19 | 2024-01-02 | Pure Storage, Inc. | Accelerating artificial intelligence (‘AI’) workflows |
US11113626B2 (en) * | 2017-11-06 | 2021-09-07 | International Business Machines Corporation | Self-learning contextual modality selection for cognitive solution delivery |
US11238872B2 (en) | 2017-11-22 | 2022-02-01 | [24]7.ai, Inc. | Method and apparatus for managing agent interactions with enterprise customers |
KR102076188B1 (ko) * | 2017-12-04 | 2020-02-11 | (주)스몰티켓 | 챗봇을 활용한 보험정보 제공 시스템 및 방법 |
US10497004B2 (en) | 2017-12-08 | 2019-12-03 | Asapp, Inc. | Automating communications using an intent classifier |
US11853930B2 (en) | 2017-12-15 | 2023-12-26 | Accenture Global Solutions Limited | Dynamic lead generation |
US10372825B2 (en) * | 2017-12-18 | 2019-08-06 | International Business Machines Corporation | Emotion detection and expression integration in dialog systems |
KR102028810B1 (ko) * | 2017-12-20 | 2019-10-04 | 이기라 | 온라인 메신저 챗봇을 이용한 보험 상품 설계 및 가입을 위한 원스톱 서비스 방법, 그리고 이를 수행하는 시스템 |
US11042709B1 (en) | 2018-01-02 | 2021-06-22 | Narrative Science Inc. | Context saliency-based deictic parser for natural language processing |
US11810125B1 (en) * | 2018-01-10 | 2023-11-07 | Salucro Healthcare Solutions, LLC | Systems and methods for a hybrid guided communication session |
US10621533B2 (en) * | 2018-01-16 | 2020-04-14 | Daisy Intelligence Corporation | System and method for operating an enterprise on an autonomous basis |
US11003866B1 (en) | 2018-01-17 | 2021-05-11 | Narrative Science Inc. | Applied artificial intelligence technology for narrative generation using an invocable analysis service and data re-organization |
US11170381B2 (en) * | 2018-01-18 | 2021-11-09 | Salesforce.Com, Inc. | Method and system for generating insights regarding a party in response to a call |
US10714084B2 (en) * | 2018-02-09 | 2020-07-14 | Accenture Global Solutions Limited | Artificial intelligence based service implementation |
US11315552B1 (en) | 2018-03-23 | 2022-04-26 | Amazon Technologies, Inc. | Responding with unresponsive content |
US11544303B1 (en) | 2018-03-23 | 2023-01-03 | Amazon Technologies, Inc. | Responding with unresponsive content |
US11854040B1 (en) * | 2018-03-23 | 2023-12-26 | Amazon Technologies, Inc. | Responding with unresponsive content |
US10594635B2 (en) | 2018-04-20 | 2020-03-17 | Oracle International Corporation | Managing customer relationship using multiple chat servers designed to interface with service applications |
FR3080942B1 (fr) * | 2018-05-04 | 2020-04-17 | Thales | Procede et systeme d'aide au pilotage d'aeronef |
US20190340615A1 (en) * | 2018-05-04 | 2019-11-07 | International Business Machines Corporation | Cognitive methodology for sequence of events patterns in fraud detection using event sequence vector clustering |
US11645545B2 (en) | 2018-06-20 | 2023-05-09 | Sap Se | Train a digital assistant with expert knowledge |
US11042713B1 (en) | 2018-06-28 | 2021-06-22 | Narrative Scienc Inc. | Applied artificial intelligence technology for using natural language processing to train a natural language generation system |
TWI679594B (zh) * | 2018-07-12 | 2019-12-11 | 萊思特科技股份有限公司 | 設定即時通訊代理人的方法、即時通訊裝置和即時通訊伺服器 |
KR101975320B1 (ko) * | 2018-08-10 | 2019-05-07 | 씨에스쉐어링 주식회사 | 빅데이터 및 인공 지능 기반 콜 센터 공유 서비스 제공 방법 및 시스템 |
US11509770B2 (en) | 2018-09-25 | 2022-11-22 | International Business Machines Corporation | Live agent recommendation for a human-robot symbiosis conversation system |
US11468882B2 (en) | 2018-10-09 | 2022-10-11 | Accenture Global Solutions Limited | Semantic call notes |
US10923114B2 (en) | 2018-10-10 | 2021-02-16 | N3, Llc | Semantic jargon |
WO2020091619A1 (ru) * | 2018-10-30 | 2020-05-07 | федеральное государственное автономное образовательное учреждение высшего образования "Московский физико-технический институт (государственный университет)" | Автоматизированная оценка качества диалоговой системы в реальном времени |
US12001972B2 (en) | 2018-10-31 | 2024-06-04 | Accenture Global Solutions Limited | Semantic inferencing in customer relationship management |
US20210319798A1 (en) * | 2018-11-01 | 2021-10-14 | Hewlett-Packard Development Company, L.P. | Conversation-based report generation with report context |
US11132695B2 (en) | 2018-11-07 | 2021-09-28 | N3, Llc | Semantic CRM mobile communications sessions |
US10972608B2 (en) | 2018-11-08 | 2021-04-06 | N3, Llc | Asynchronous multi-dimensional platform for customer and tele-agent communications |
US10972609B2 (en) | 2018-11-10 | 2021-04-06 | Nuance Communications, Inc. | Caller deflection and response system and method |
US20200153965A1 (en) * | 2018-11-10 | 2020-05-14 | Nuance Communications, Inc. | Caller deflection and response system and method |
US11694130B2 (en) * | 2018-11-21 | 2023-07-04 | Honda Motor Co., Ltd. | System and method for assigning an agent to execute and fulfill a task request |
US11687850B2 (en) | 2018-11-21 | 2023-06-27 | Honda Motor Co., Ltd | System and method for processing a task request to be executed and fulfilled |
US10770072B2 (en) | 2018-12-10 | 2020-09-08 | International Business Machines Corporation | Cognitive triggering of human interaction strategies to facilitate collaboration, productivity, and learning |
WO2020121041A1 (en) * | 2018-12-13 | 2020-06-18 | Badejo Adedamola | A system for operating an advertising platform |
US11151578B2 (en) * | 2018-12-31 | 2021-10-19 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for processing customer inquiries |
CN109886532B (zh) * | 2019-01-07 | 2023-10-27 | 平安科技(深圳)有限公司 | 驾驶线路规划方法、装置、计算机设备及存储介质 |
US10909180B2 (en) * | 2019-01-11 | 2021-02-02 | International Business Machines Corporation | Dynamic query processing and document retrieval |
US10949613B2 (en) | 2019-01-11 | 2021-03-16 | International Business Machines Corporation | Dynamic natural language processing |
CN109785123A (zh) * | 2019-01-21 | 2019-05-21 | 中国平安财产保险股份有限公司 | 一种业务办理协助方法、装置及终端设备 |
US11341330B1 (en) | 2019-01-28 | 2022-05-24 | Narrative Science Inc. | Applied artificial intelligence technology for adaptive natural language understanding with term discovery |
US11257499B2 (en) * | 2019-02-01 | 2022-02-22 | Uniphore Technologies Inc. | Promise management apparatus and method |
TWI714090B (zh) * | 2019-02-26 | 2020-12-21 | 國際康健人壽保險股份有限公司 | 機器人電話行銷系統及其計算機裝置與回應訊息產生方法 |
US11159679B2 (en) | 2019-02-26 | 2021-10-26 | Cigna Taiwan Life Assurance Co. Ltd. | Automated systems and methods for natural language processing with speaker intention inference |
US10897508B2 (en) | 2019-03-08 | 2021-01-19 | International Business Machines Corporation | Personal call center assistant |
US20220189618A1 (en) * | 2019-03-22 | 2022-06-16 | Koninklijke Philips N.V. | In-workflow artificial intelligence (ai)-enabled interruption handling for diagnostic radiology |
US10445745B1 (en) | 2019-03-26 | 2019-10-15 | Fmr Llc | Computer systems and methods for efficient query resolution by customer representatives |
US11388289B2 (en) * | 2019-05-22 | 2022-07-12 | Mitel Networks Corporation | Method and system for soft skills-based call routing in contact centers |
US11146501B2 (en) * | 2019-06-21 | 2021-10-12 | International Business Machines Corporation | Decision based resource allocation in response systems |
US20210006657A1 (en) | 2019-07-05 | 2021-01-07 | Talkdesk, Inc. | System and method for escalation using agent assist within a cloud-based contact center |
US11593390B2 (en) | 2019-08-14 | 2023-02-28 | Cognitive Seeds Llc | Cloud-based system and method to track and manage objects |
US11470194B2 (en) | 2019-08-19 | 2022-10-11 | Pindrop Security, Inc. | Caller verification via carrier metadata |
US11711465B2 (en) * | 2019-08-22 | 2023-07-25 | [24]7.ai, Inc. | Method and apparatus for providing assistance to calling customers |
US11328205B2 (en) | 2019-08-23 | 2022-05-10 | Talkdesk, Inc. | Generating featureless service provider matches |
US10897534B1 (en) * | 2019-09-13 | 2021-01-19 | International Business Machines Corporation | Optimization for a call that waits in queue |
US20210117882A1 (en) | 2019-10-16 | 2021-04-22 | Talkdesk, Inc | Systems and methods for workforce management system deployment |
US10897539B1 (en) * | 2019-10-31 | 2021-01-19 | Talkdesk Inc. | Method for visual-based programming of self-service workflow |
US20210136220A1 (en) | 2019-10-31 | 2021-05-06 | Talkdesk, Inc. | Monitoring and listening tools across omni-channel inputs in a graphically interactive voice response system |
US11842357B2 (en) | 2019-11-05 | 2023-12-12 | International Business Machines Corporation | Intelligent agent to simulate customer data |
US11461793B2 (en) | 2019-11-05 | 2022-10-04 | International Business Machines Corporation | Identification of behavioral pattern of simulated transaction data |
US11488172B2 (en) | 2019-11-05 | 2022-11-01 | International Business Machines Corporation | Intelligent agent to simulate financial transactions |
US12056720B2 (en) | 2019-11-05 | 2024-08-06 | International Business Machines Corporation | System and method for unsupervised abstraction of sensitive data for detection model sharing across entities |
US11676218B2 (en) * | 2019-11-05 | 2023-06-13 | International Business Machines Corporation | Intelligent agent to simulate customer data |
US11599884B2 (en) | 2019-11-05 | 2023-03-07 | International Business Machines Corporation | Identification of behavioral pattern of simulated transaction data |
US11475468B2 (en) | 2019-11-05 | 2022-10-18 | International Business Machines Corporation | System and method for unsupervised abstraction of sensitive data for detection model sharing across entities |
US11556734B2 (en) | 2019-11-05 | 2023-01-17 | International Business Machines Corporation | System and method for unsupervised abstraction of sensitive data for realistic modeling |
US11488185B2 (en) | 2019-11-05 | 2022-11-01 | International Business Machines Corporation | System and method for unsupervised abstraction of sensitive data for consortium sharing |
US11494835B2 (en) | 2019-11-05 | 2022-11-08 | International Business Machines Corporation | Intelligent agent to simulate financial transactions |
US11461728B2 (en) | 2019-11-05 | 2022-10-04 | International Business Machines Corporation | System and method for unsupervised abstraction of sensitive data for consortium sharing |
US11475467B2 (en) | 2019-11-05 | 2022-10-18 | International Business Machines Corporation | System and method for unsupervised abstraction of sensitive data for realistic modeling |
US11228682B2 (en) * | 2019-12-30 | 2022-01-18 | Genesys Telecommunications Laboratories, Inc. | Technologies for incorporating an augmented voice communication into a communication routing configuration |
US11367080B2 (en) * | 2019-12-30 | 2022-06-21 | Genesys Telecommunications Laboratories, Inc. | Systems and methods relating to customer experience automation |
US11425251B2 (en) * | 2019-12-30 | 2022-08-23 | Genesys Telecommunications Laboratories, Inc. | Systems and methods relating to customer experience automation |
US11055649B1 (en) | 2019-12-30 | 2021-07-06 | Genesys Telecommunications Laboratories, Inc. | Systems and methods relating to customer experience automation |
US11736615B2 (en) | 2020-01-16 | 2023-08-22 | Talkdesk, Inc. | Method, apparatus, and computer-readable medium for managing concurrent communications in a networked call center |
US11443264B2 (en) | 2020-01-29 | 2022-09-13 | Accenture Global Solutions Limited | Agnostic augmentation of a customer relationship management application |
CN113327122A (zh) * | 2020-02-28 | 2021-08-31 | 株式会社野村综合研究所 | 顾客分析装置 |
US11887138B2 (en) | 2020-03-03 | 2024-01-30 | Daisy Intelligence Corporation | System and method for retail price optimization |
US11392960B2 (en) | 2020-04-24 | 2022-07-19 | Accenture Global Solutions Limited | Agnostic customer relationship management with agent hub and browser overlay |
US11481785B2 (en) | 2020-04-24 | 2022-10-25 | Accenture Global Solutions Limited | Agnostic customer relationship management with browser overlay and campaign management portal |
US11423470B1 (en) | 2020-04-24 | 2022-08-23 | StoreEase, LLC | Systems and methods for enabling remote management of storage facilities |
US10841424B1 (en) | 2020-05-14 | 2020-11-17 | Bank Of America Corporation | Call monitoring and feedback reporting using machine learning |
RU2755781C1 (ru) * | 2020-06-04 | 2021-09-21 | Публичное Акционерное Общество "Сбербанк России" (Пао Сбербанк) | Интеллектуальное рабочее место оператора и способ его взаимодействия для осуществления интерактивной поддержки сессии обслуживания клиента |
US11798048B2 (en) | 2020-06-30 | 2023-10-24 | Avaya Management L.P. | Service partner selection using a conference system |
US11303750B2 (en) * | 2020-06-30 | 2022-04-12 | Avaya Management L.P. | Intelligent interactive voice response (IVR) navigator |
US11363144B2 (en) * | 2020-09-21 | 2022-06-14 | T-Mobile Usa, Inc. | Device-based audio processing for enhanced customer support |
US11507903B2 (en) | 2020-10-01 | 2022-11-22 | Accenture Global Solutions Limited | Dynamic formation of inside sales team or expert support team |
TR202019387A2 (tr) * | 2020-12-01 | 2021-04-21 | Tuerkiye Garanti Bankasi Anonim Sirketi | Şüpheli̇ eylemler gerçekleşti̇rebi̇lecek ki̇şi̇leri̇n tespi̇t edi̇lmesi̇ni̇ sağlayan bi̇r si̇stem |
CN112435046B (zh) * | 2020-12-28 | 2022-11-22 | 杉宝(济南)生物科技有限公司 | 一种客服工单处理方法、系统、存储介质及设备 |
US11797586B2 (en) | 2021-01-19 | 2023-10-24 | Accenture Global Solutions Limited | Product presentation for customer relationship management |
US11783338B2 (en) | 2021-01-22 | 2023-10-10 | Daisy Intelligence Corporation | Systems and methods for outlier detection of transactions |
US20220294903A1 (en) * | 2021-03-12 | 2022-09-15 | Avaya Management L.P. | Virtual private agent for machine-based interactions with a contact center |
KR102348101B1 (ko) * | 2021-03-24 | 2022-01-07 | 농협은행(주) | 서버 및 이의 대출 자동 연장 안내 방법 |
US11657819B2 (en) | 2021-03-25 | 2023-05-23 | Bank Of America Corporation | Selective use of tools for automatically identifying, accessing, and retrieving information responsive to voice requests |
US11782974B2 (en) | 2021-03-25 | 2023-10-10 | Bank Of America Corporation | System and method for dynamically identifying and retrieving information responsive to voice requests |
US11798551B2 (en) | 2021-03-25 | 2023-10-24 | Bank Of America Corporation | System and method for voice controlled automatic information access and retrieval |
WO2022204775A1 (pt) * | 2021-04-01 | 2022-10-06 | Nicoli Filho Mario | Sistema e dispositivo de aquisição e apresentação de dados por leitura óptica de dados de produtos de interesse com imediata submissão e análise cruzada com dados parametrizados via interface de usuário e processo realizado por dito sistema |
US11816677B2 (en) | 2021-05-03 | 2023-11-14 | Accenture Global Solutions Limited | Call preparation engine for customer relationship management |
US11425252B1 (en) * | 2021-05-11 | 2022-08-23 | 8X8, Inc. | Unified communications call routing and decision based on integrated analytics-driven database and aggregated data |
US11727916B2 (en) * | 2021-05-20 | 2023-08-15 | Disney Enterprises, Inc. | Automated social agent interaction quality monitoring and improvement |
US11677875B2 (en) | 2021-07-02 | 2023-06-13 | Talkdesk Inc. | Method and apparatus for automated quality management of communication records |
KR102420770B1 (ko) | 2021-07-06 | 2022-07-14 | 이상주 | 인공지능 기반의 가상 상담 운영 관리 시스템 및 그 구동방법 |
US20230018601A1 (en) * | 2021-07-19 | 2023-01-19 | Servicenow, Inc. | Invokable automated agent for interactive workflows |
US11870931B2 (en) | 2021-07-28 | 2024-01-09 | Zoom Video Communications, Inc. | Automated call queue agent conversation item selection |
US11763318B2 (en) * | 2021-08-03 | 2023-09-19 | Genesys Cloud Services, Inc. | Systems and methods relating to providing chat services to customers |
US12034883B2 (en) * | 2021-10-06 | 2024-07-09 | American Tel-A-Systems, Inc. | Systems and methods for an intelligent scripting engine |
US12026525B2 (en) | 2021-11-05 | 2024-07-02 | Accenture Global Solutions Limited | Dynamic dashboard administration |
US11671385B1 (en) | 2021-12-07 | 2023-06-06 | International Business Machines Corporation | Automated communication exchange programs for attended robotic process automation |
US11874918B2 (en) * | 2022-01-20 | 2024-01-16 | Capital One Services, Llc | Computer-based platforms and systems configured to enhance a call screen with user-controlled notes associated with the call and methods of use thereof |
US20230259990A1 (en) * | 2022-02-14 | 2023-08-17 | State Farm Mutual Automobile Insurance Company | Hybrid Machine Learning and Natural Language Processing Analysis for Customized Interactions |
US11856140B2 (en) | 2022-03-07 | 2023-12-26 | Talkdesk, Inc. | Predictive communications system |
US20230297957A1 (en) * | 2022-03-21 | 2023-09-21 | Beyrep | Telecommunication System |
US20230325845A1 (en) * | 2022-04-11 | 2023-10-12 | At&T Intellectual Property I, L.P. | Reinforcement learning for automated individualized negotiation and interaction |
US11736616B1 (en) | 2022-05-27 | 2023-08-22 | Talkdesk, Inc. | Method and apparatus for automatically taking action based on the content of call center communications |
US11971908B2 (en) | 2022-06-17 | 2024-04-30 | Talkdesk, Inc. | Method and apparatus for detecting anomalies in communication data |
US11902469B1 (en) * | 2022-09-01 | 2024-02-13 | Jpmorgan Chase Bank, N.A. | Method for managing call queues for recurring customer questions |
KR102590464B1 (ko) * | 2022-10-19 | 2023-10-17 | 씨에스쉐어링 주식회사 | Cs 관리자 대행을 위한 자유 발화 감정 분석에 기반한 ai 아바타 코칭 시스템 |
US12107819B1 (en) | 2022-11-18 | 2024-10-01 | 8×8, Inc. | Communications apparatus and method using channel-communications management with intelligent access to peripheral resources |
US11943391B1 (en) | 2022-12-13 | 2024-03-26 | Talkdesk, Inc. | Method and apparatus for routing communications within a contact center |
US11822894B1 (en) * | 2022-12-30 | 2023-11-21 | Fmr Llc | Integrating common and context-specific natural language understanding processing in a virtual assistant application |
US20240236237A1 (en) * | 2023-01-06 | 2024-07-11 | Verizon Patent And Licensing Inc. | Systems and methods for adaptive computer-assistance prompts |
GB2628040A (en) * | 2023-02-03 | 2024-09-11 | Supertab Ag | A method for providing a response to a client request and a system for a chat conversation |
US12086775B2 (en) * | 2023-02-13 | 2024-09-10 | Stodge Inc. | Presenting interaction history including context information on a user interface |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6603854B1 (en) * | 2000-02-25 | 2003-08-05 | Teltronics, Inc. | System and method for evaluating agents in call center |
US7065188B1 (en) * | 1999-10-19 | 2006-06-20 | International Business Machines Corporation | System and method for personalizing dialogue menu for an interactive voice response system |
US20070121824A1 (en) * | 2005-11-30 | 2007-05-31 | International Business Machines Corporation | System and method for call center agent quality assurance using biometric detection technologies |
US20080046386A1 (en) * | 2006-07-03 | 2008-02-21 | Roberto Pieraccinii | Method for making optimal decisions in automated customer care |
US20080240395A1 (en) * | 2007-03-30 | 2008-10-02 | Verizon Data Services, Inc. | Method and system of providing interactive speech recognition based on call routing |
US20100272246A1 (en) * | 2005-12-14 | 2010-10-28 | Dale Malik | Methods, Systems, and Products for Dynamically-Changing IVR Architectures |
US20120140905A1 (en) * | 2008-12-18 | 2012-06-07 | At&T Intellectual Property I, L.P. | Personalized interactive voice response system |
US8369495B1 (en) * | 2009-09-16 | 2013-02-05 | Intuit Inc. | Intelligent interactive voice response system |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9723813D0 (en) * | 1997-11-11 | 1998-01-07 | Mitel Corp | Call routing based on caller's mood |
US6067357A (en) * | 1998-03-04 | 2000-05-23 | Genesys Telecommunications Laboratories Inc. | Telephony call-center scripting by Petri Net principles and techniques |
US6175239B1 (en) | 1998-12-29 | 2001-01-16 | Intel Corporation | Process and apparatus for determining transmission line characteristic impedance |
US6418440B1 (en) * | 1999-06-15 | 2002-07-09 | Lucent Technologies, Inc. | System and method for performing automated dynamic dialogue generation |
US6697457B2 (en) * | 1999-08-31 | 2004-02-24 | Accenture Llp | Voice messaging system that organizes voice messages based on detected emotion |
US7590538B2 (en) * | 1999-08-31 | 2009-09-15 | Accenture Llp | Voice recognition system for navigating on the internet |
JP4715024B2 (ja) * | 2001-05-08 | 2011-07-06 | セイコーエプソン株式会社 | 不揮発性半導体記憶装置のプログラム方法 |
US7953219B2 (en) * | 2001-07-19 | 2011-05-31 | Nice Systems, Ltd. | Method apparatus and system for capturing and analyzing interaction based content |
US8155974B2 (en) * | 2003-06-30 | 2012-04-10 | At&T Intellectual Property I, L.P. | Methods and systems for obtaining profile information from individuals using automation |
US20060021583A1 (en) * | 2004-08-02 | 2006-02-02 | Vermont Juvenile Furniture, D/B/A Pet Gear Inc. | Pet bed including replaceable material |
JP2006064956A (ja) * | 2004-08-26 | 2006-03-09 | Canon Inc | オートフォーカス用固体撮像装置とそれを用いたオートフォーカスカメラ |
US7933399B2 (en) * | 2005-03-22 | 2011-04-26 | At&T Intellectual Property I, L.P. | System and method for utilizing virtual agents in an interactive voice response application |
US7636432B2 (en) * | 2005-05-13 | 2009-12-22 | At&T Intellectual Property I, L.P. | System and method of determining call treatment of repeat calls |
US20080024039A1 (en) * | 2006-07-25 | 2008-01-31 | Sae Magnetics (H.K.) Ltd. | Micro-actuator, HGA equipped with the micro-actuator and method for manufacturing the HGA |
JP2009175943A (ja) * | 2008-01-23 | 2009-08-06 | Seiko Epson Corp | コールセンターのデータベースシステム、データベースの情報管理方法及びデータベースの情報管理プログラム |
KR20090099924A (ko) * | 2008-03-19 | 2009-09-23 | 황인환 | 다중 호 연결을 갖는 멀티미디어 자동응답 방법 및 그 장치 |
US9247063B2 (en) * | 2008-05-16 | 2016-01-26 | West Interactive Corporation Ii | Method and system for personalising responses to customer communications |
JP2010212852A (ja) * | 2009-03-09 | 2010-09-24 | Hitachi Electronics Service Co Ltd | コールセンター受付システム |
US9058005B2 (en) * | 2011-06-30 | 2015-06-16 | Xerox Corporation | Methods, apparatus, and systems for substrate decurler initialization and setup |
US8589215B2 (en) * | 2011-07-14 | 2013-11-19 | Silver Lining Solutions Ltd. | Work skillset generation |
-
2013
- 2013-04-19 US US13/866,763 patent/US20170006161A9/en not_active Abandoned
-
2014
- 2014-03-14 WO PCT/US2014/029863 patent/WO2014145149A1/en active Application Filing
- 2014-03-14 KR KR1020177031090A patent/KR101932876B1/ko active IP Right Grant
- 2014-03-14 EP EP14762585.9A patent/EP2973312A4/en not_active Ceased
- 2014-03-14 CN CN201480028462.2A patent/CN105229687A/zh active Pending
- 2014-03-14 KR KR1020157029613A patent/KR101793355B1/ko active IP Right Grant
- 2014-03-14 AU AU2014233357A patent/AU2014233357B2/en active Active
- 2014-03-14 CA CA2917294A patent/CA2917294C/en active Active
-
2017
- 2017-10-23 AU AU2017251686A patent/AU2017251686A1/en not_active Abandoned
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7065188B1 (en) * | 1999-10-19 | 2006-06-20 | International Business Machines Corporation | System and method for personalizing dialogue menu for an interactive voice response system |
US6603854B1 (en) * | 2000-02-25 | 2003-08-05 | Teltronics, Inc. | System and method for evaluating agents in call center |
US20070121824A1 (en) * | 2005-11-30 | 2007-05-31 | International Business Machines Corporation | System and method for call center agent quality assurance using biometric detection technologies |
US20100272246A1 (en) * | 2005-12-14 | 2010-10-28 | Dale Malik | Methods, Systems, and Products for Dynamically-Changing IVR Architectures |
US20080046386A1 (en) * | 2006-07-03 | 2008-02-21 | Roberto Pieraccinii | Method for making optimal decisions in automated customer care |
US20080240395A1 (en) * | 2007-03-30 | 2008-10-02 | Verizon Data Services, Inc. | Method and system of providing interactive speech recognition based on call routing |
US20120140905A1 (en) * | 2008-12-18 | 2012-06-07 | At&T Intellectual Property I, L.P. | Personalized interactive voice response system |
US8369495B1 (en) * | 2009-09-16 | 2013-02-05 | Intuit Inc. | Intelligent interactive voice response system |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417181A (zh) * | 2016-02-26 | 2021-02-26 | 原相科技股份有限公司 | 主动响应的交互式服务平台及其运作方法 |
US11526720B2 (en) | 2016-06-16 | 2022-12-13 | Alt Inc. | Artificial intelligence system for supporting communication |
CN109416816B (zh) * | 2016-06-16 | 2022-03-08 | Alt株式会社 | 支持交流的人工智能系统 |
CN109416816A (zh) * | 2016-06-16 | 2019-03-01 | Alt株式会社 | 支持交流的人工智能系统 |
CN106603381A (zh) * | 2016-11-24 | 2017-04-26 | 北京小米移动软件有限公司 | 处理聊天信息的方法及装置 |
CN108282392A (zh) * | 2017-01-06 | 2018-07-13 | 网讯电通股份有限公司 | 应用于通讯软体的业务绑定系统 |
CN110709852A (zh) * | 2017-03-03 | 2020-01-17 | 艾赛普公司 | 客户对话中的自动向上销售 |
CN107798452A (zh) * | 2017-03-13 | 2018-03-13 | 平安科技(深圳)有限公司 | 客户代理人分配方法及装置 |
CN108733712A (zh) * | 2017-04-21 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 一种问答系统评价方法和装置 |
CN107317835A (zh) * | 2017-05-19 | 2017-11-03 | 四川新网银行股份有限公司 | 一种基于轨迹抓取的定位分层客户信息的方法 |
CN109327491A (zh) * | 2017-08-01 | 2019-02-12 | 触信(厦门)智能科技有限公司 | 一种信息电话实现方法及其系统、智能设备 |
CN107919137A (zh) * | 2017-10-25 | 2018-04-17 | 平安普惠企业管理有限公司 | 远程审批方法、装置、设备及可读存储介质 |
CN111919223A (zh) * | 2018-03-26 | 2020-11-10 | 平衡媒体技术有限责任公司 | 用于机器学习算法游戏化的抽象接口 |
CN111919223B (zh) * | 2018-03-26 | 2024-07-02 | 平衡媒体技术有限责任公司 | 用于机器学习算法游戏化的抽象接口 |
CN113039537A (zh) * | 2018-11-08 | 2021-06-25 | N3有限责任公司 | 语义人工智能代理 |
CN110597765A (zh) * | 2019-08-05 | 2019-12-20 | 紫光西部数据(南京)有限公司 | 一种大零售呼叫中心异构数据源数据处理方法及装置 |
CN111080355A (zh) * | 2019-12-10 | 2020-04-28 | 支付宝(杭州)信息技术有限公司 | 用户集合的展示方法、装置和电子设备 |
CN111080355B (zh) * | 2019-12-10 | 2022-12-20 | 蚂蚁胜信(上海)信息技术有限公司 | 用户集合的展示方法、装置和电子设备 |
CN112598485A (zh) * | 2021-01-07 | 2021-04-02 | 衢州光明电力投资集团有限公司赋腾科技分公司 | 一种基于电子商城的输配电设备订单管理系统 |
CN115529580A (zh) * | 2021-06-08 | 2022-12-27 | 中国移动通信集团重庆有限公司 | 一种定向语音呼叫方法、装置、系统、设备及存储介质 |
CN115529580B (zh) * | 2021-06-08 | 2024-05-03 | 中国移动通信集团重庆有限公司 | 一种定向语音呼叫方法、装置、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP2973312A4 (en) | 2016-03-23 |
CA2917294C (en) | 2018-08-21 |
EP2973312A1 (en) | 2016-01-20 |
US20140314225A1 (en) | 2014-10-23 |
AU2014233357A1 (en) | 2015-11-05 |
AU2017251686A1 (en) | 2017-11-09 |
CA2917294A1 (en) | 2014-09-18 |
KR20150131306A (ko) | 2015-11-24 |
KR20170122862A (ko) | 2017-11-06 |
KR101932876B1 (ko) | 2018-12-26 |
AU2014233357B2 (en) | 2017-07-27 |
US20170006161A9 (en) | 2017-01-05 |
WO2014145149A1 (en) | 2014-09-18 |
KR101793355B1 (ko) | 2017-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105229687A (zh) | 用于呼叫中心的智能自动代理 | |
US11825023B2 (en) | Method and system for virtual assistant conversations | |
US10171659B2 (en) | Customer portal of an intelligent automated agent for a contact center | |
US11425251B2 (en) | Systems and methods relating to customer experience automation | |
US20210201327A1 (en) | Systems and methods relating to customer experience automation | |
US20160189558A1 (en) | Learning Based on Simulations of Interactions of a Customer Contact Center | |
CN108476230A (zh) | 基于机器学习的交互到联络中心代理的最优路由 | |
CN104813311A (zh) | 用于多人的虚拟代理推荐的系统和方法 | |
US12003668B1 (en) | Virtual assistant architecture for natural language understanding in a customer service system | |
US11743378B1 (en) | Intelligent agent assistant for natural language understanding in a customer service system | |
Sabharwal et al. | Developing Cognitive Bots Using the IBM Watson Engine: Practical, Hands-on Guide to Developing Complex Cognitive Bots Using the IBM Watson Platform | |
Mittal | Getting Started with Chatbots: Learn and create your own chatbot with deep understanding of Artificial Intelligence and Machine Learning | |
US20240311095A1 (en) | Systems and methods for generating a software application based on a conversation with a user | |
US20240345807A1 (en) | Systems and methods for generating a software application | |
US20240311090A1 (en) | Systems and methods for determining a template for a software application | |
US20240311721A1 (en) | Systems and methods for determining a cost for developing features of a software application | |
US20240311089A1 (en) | Systems and methods for determining an offering in a communication | |
US20240311088A1 (en) | Systems and methods for determining features for a software application | |
US20240312088A1 (en) | Systems and methods for generating an image for a software application | |
US20240311086A1 (en) | Systems and methods for determining a design for a software application | |
US20240311085A1 (en) | Systems and methods for refining a feature of a software application | |
WO2024192279A1 (en) | Systems and methods for determining a design for a software application | |
Rustamovna | Chat-Bot Development Business Prospects: MTS Case | |
Binza | Factors influencing the decision to transition from Multi-Channel to Omni-Channel–A Banking Perspective |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160106 |
|
WD01 | Invention patent application deemed withdrawn after publication |