CN105808652B - 在线客服的实现方法和装置 - Google Patents

Abstract

本申请公开了在线客服的实现方法和装置。所述在线客服的实现方法的一具体实施方式包括：如果所述绝对值不小于预设的差异阈值，则更新所述人工客服服务的访问计数值和机器人客服服务的访问计数值为一个相同的预定自然数；根据更新后的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取新的人工客服服务的访问比例；确定所述新的人工客服服务的访问比例与所述比例阈值的比值是否大于所述系数；如果所述比值大于所述系数，则通过机器人客服与所述用户进行通讯，否则发出所述预定指示。该实施方式在减少不符合用户的预期的处理结果的前提下，更加充分地利用了机器人客服资源，并且缓解了人工客服的处理压力。

Description

在线客服的实现方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及在线客服技术领域，尤其涉及在线客服的实现方法和装置。

背景技术

随着电子商务的迅速发展，在线客服承载着大量的客户投诉、咨询等的受理业务。为了缓解人工客服的压力，目前一些大型电商开始通过机器人客服来处理一些在线客服任务。现有技术通常通过在界面上设置人工客服和机器人客服的点击按钮，然后根据用户选择的人工客服或者机器人客服来处理用户的请求；或者统一通过机器人客服处理用户的请求。

然而，如果统一通过机器人客服处理用户的请求，则可能会导致存在较多处理结果不符合用户的预期；如果通过用户选择的客服方式处理用户的请求，对于很常见的问题，许多用户一般也会选择人工客服进行服务，从而导致机器人客服资源没有被合理的利用，并且增加了人工客服的处理压力。

发明内容

本申请的目的在于提出一种在线客服的实现方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请提供了一种在线客服的实现方法，所述方法包括：接收用户的客服服务访问请求；在获取到预定指示时，获取所述用户的特征信息，其中，所述特征信息包括所述用户的至少一种历史行为信息；根据所述用户的特征信息，通过预先训练出的分类模型，获得所述用户不满意机器人客服服务的概率；如果所述概率大于预定的概率阈值，则通过在线客服技术实现人工客服与所述用户之间的通讯。

在一些实施例中，所述分类模型是通过将预先收集到的对机器人客服服务进行了评价的用户的所述特征信息作为训练样本，将用户对所述机器人客服服务的评价作为训练样本的标注，按照训练样本的标注，对所述训练样本进行训练生成的。

在一些实施例中，在接收用户的客服服务访问请求之后，所述方法还包括：根据记录的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取人工客服服务的访问比例，其中，所述人工客服服务的访问计数值和机器人客服服务的访问计数值是在通过对应的客服方式与用户进行通讯时累加并记录的；确定所述人工客服服务的访问比例与预设的比例阈值之差的绝对值是否小于预设的差异阈值；如果所述绝对值小于预设的差异阈值，则确定所述人工客服服务的访问比例与所述比例阈值的比值是否大于预设的系数；如果所述比值大于预设的系数，则通过机器人客服与所述用户进行通讯，否则发出所述预定指示。

在一些实施例中，所述方法还包括：如果所述绝对值不小于预设的差异阈值，则更新所述人工客服服务的访问计数值和机器人客服服务的访问计数值为一个相同的预定自然数；根据更新后的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取新的人工客服服务的访问比例；确定所述新的人工客服服务的访问比例与所述比例阈值的比值是否大于所述系数；如果所述比值大于所述系数，则通过机器人客服与所述用户进行通讯，否则发出所述预定指示。

在一些实施例中，所述方法还包括：如果所述概率小于等于所述概率阈值，则根据记录的人工客服服务的访问计数值和机器人客服服务的访问计数值，确定当前人工客服服务的访问比例是否超过预设的比例阈值，其中，所述人工客服服务的访问计数值和机器人客服服务的访问计数值是在通过对应的客服方式与用户进行通讯时累加并记录的；如果确定当前人工客服服务的访问比例超过预设的比例阈值，则通过机器人客服与所述用户进行通讯，否则通过在线客服技术实现人工客服与所述用户之间的通讯。

第二方面，本申请提供了一种在线客服的实现装置，其特征在于，所述装置包括：请求接收单元，用于接收用户的客服服务访问请求；特征信息获取单元，用于在获取到预定指示时，获取所述用户的特征信息，其中，所述特征信息包括所述用户的至少一种历史行为信息；分类单元，用于根据所述用户的特征信息，通过预先训练出的分类模型，获得所述用户不满意机器人客服服务的概率；人工客服通讯单元，用于在所述概率大于预定的概率阈值时，通过在线客服技术实现人工客服与所述用户之间的通讯。

在一些实施例中，所述装置还包括：模型训练单元，用于通过将预先收集到的对机器人客服服务进行了评价的用户的所述特征信息作为训练样本，将用户对所述机器人客服服务的评价作为训练样本的标注，按照训练样本的标注，对所述训练样本进行训练，生成分类模型。

在一些实施例中，所述装置还包括：第一比例获取单元，用于在接收用户的客服服务访问请求之后，根据记录的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取人工客服服务的访问比例，其中，所述人工客服服务的访问计数值和机器人客服服务的访问计数值是在通过对应的客服方式与用户进行通讯时累加并记录的；第一确定单元，用于确定所述人工客服服务的访问比例与预设的比例阈值之差的绝对值是否小于预设的差异阈值；第二确定单元，用于在所述第一确定单元确定所述绝对值小于预设的差异阈值时，确定所述人工客服服务的访问比例与所述比例阈值的比值是否大于预设的系数；

机器人客服通讯单元，用于在所述第二确定单元确定所述比值大于预设的系数时，通过机器人客服与所述用户进行通讯；指示单元，用于在所述第二确定单元确定所述比值不大于预设的系数时，发出所述预定指示。

在一些实施例中，所述装置还包括：初始化单元，用于在所述第一确定单元确定所述绝对值不小于预设的差异阈值时，更新所述人工客服服务的访问计数值和机器人客服服务的访问计数值为一个相同的预定自然数；第二比例获取单元，用于根据更新后的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取新的人工客服服务的访问比例；以及所述第二确定单元还用于确定所述新的人工客服服务的访问比例与所述比例阈值的比值是否大于所述系数；所述机器人客服通讯单元还用于在所述比值大于所述系数时，通过机器人客服与所述用户进行通讯；所述指示单元还用于在所述比值不大于所述系数时，发出所述预定指示。

在一些实施例中，所述装置还包括：第三确定单元，用于在所述概率小于等于所述概率阈值时，根据记录的人工客服服务的访问计数值和机器人客服服务的访问计数值，确定当前人工客服服务的访问比例是否超过预设的比例阈值，其中，所述人工客服服务的访问计数值和机器人客服服务的访问计数值是在通过对应的客服方式与用户进行通讯时累加并记录的；以及所述机器人客服通讯单元还用于在第三确定单元确定当前人工客服服务的访问比例超过预设的比例阈值时，通过机器人客服与所述用户进行通讯；所述人工客服通讯单元还用于在第三确定单元确定当前人工客服服务的访问比例没有超过预设的比例阈值时，通过在线客服技术实现人工客服与所述用户之间的通讯。

本申请提供的在线客服的实现方法和装置，通过根据用户的特征信息，通过预先训练出的分类模型，获得所述用户不满意机器人客服服务的概率，并在该概率大于预定的概率阈值时，通过在线客服技术实现人工客服与所述用户之间的通讯，在减少不符合用户的预期的处理结果的前提下，更加充分地利用了机器人客服资源，并且缓解了人工客服的处理压力。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的在线客服的实现方法的一个实施例的流程图；

图3是根据本申请的在线客服的实现方法的另一个实施例的流程图；

图4是根据本申请的在线客服的实现装置的一个实施例的结构示意图；

图5是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的在线客服的实现方法或装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如浏览器应用、购物类应用、即时通讯软件等。

终端设备101、102、103可以是支持信息通信的各种电子设备，包括但不限于智能手机、平板电脑、笔记本电脑和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上的浏览器应用、购物类应用等提供支持的数据库服务器或云服务器。服务器可以对接收到的数据进行存储、分析等处理，并将处理结果反馈给终端设备。

需要说明的是，本申请实施例所提供的在线客服的实现方法通常由服务器105执行。相应地，在线客服的实现装置通常设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，图2示出了根据本申请的在线客服的实现方法的一个实施例的流程200。

如图2所示，本实施例的在线客服的实现方法包括以下步骤：

步骤201，接收用户的客服服务访问请求。

在本实施例中，在线客服的实现方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线或无线的方式接收用户的客服服务访问请求。其中，用户可以通过在终端设备(例如图1所示的终端设备)上点击预定的按钮(例如在线客服按钮)、菜单或触发快捷键来发出客服服务访问请求，该客服服务访问请求可以包括用户名等信息。

步骤202，在获取到预定指示时，获取上述用户的特征信息。

在本实施例中，服务器可以通过读取数据库或其他存储介质中的信息来获取上述用户的特征信息。其中，上述预定指示可以在接收到上述客服服务访问请求时发出。上述特征信息包括上述用户的至少一种历史行为信息，例如，投诉信息、订单操作信息等。

步骤203，根据上述用户的特征信息，通过预先训练出的分类模型，获得上述用户不满意机器人客服服务的概率。

在本实施例中，服务器可以首先根据上述用户的特征信息生成一个特征向量，例如，假设特征信息包括：近一周是否投诉、近一周是否有取消订单行为、近一周是否在移动端下单、近一周是否在PC(个人电脑)端下单、近一周是否购买过3C产品(信息家电)，如果用户近一周没有投诉、有取消订单行为、在移动端下了单、在PC端没有下单、购买过3C产品，则生成的特征向量可以为：(0,1,1,0,1)。然后，基于该特征向量和上述分类模型，通过逻辑回归算法或者其它分类算法，获得上述用户不满意机器人客服服务的概率。

其中，在本实施例的一些可选的实现方式中，上述分类模型可以是通过将预先收集到的对机器人客服服务进行了评价的用户的上述特征信息作为训练样本，将用户对上述机器人客服服务的评价作为训练样本的标注，按照训练样本的标注，对上述训练样本进行训练生成的。其中，服务器可以将收集到的评价满意的用户作为训练样本中的正样本，将收集到的评价不满意的用户作为训练样本中的负样本；然后，将样本的特征信息转化为特征向量，用特征向量的形式表示样本，然后通过Liblinear对训练样本进行训练，得到上述分类模型。

步骤204，如果上述概率大于预定的概率阈值，则通过在线客服技术实现人工客服与上述用户之间的通讯。

在本实施例中，服务器可以先获取上述预定的概率阈值，上述预定的概率阈值可以是预先由人工设定的，然后将步骤203得到的概率值与上述预定的概率阈值进行比较，如果上述概率大于预定的概率阈值，则通过在线客服技术实现人工客服与上述用户之间的通讯。其中，在线客服技术是一种以网站为媒介，向互联网访客与网站内部员工提供即时沟通的通信技术。服务器可以通过接收用户输入的内容并将该内容转发到人工客服所使用的终端，并接收人工客服输入的内容并将该内容转发到用户所使用的终端来实现人工客服与上述用户之间的通讯。

在本实施例的一些可选的实现方式中，本实施例的在线客服的实现方法还可以包括：如果上述概率小于等于上述概率阈值，则根据记录的人工客服服务的访问计数值和机器人客服服务的访问计数值，确定当前人工客服服务的访问比例是否超过预设的比例阈值；如果确定当前人工客服服务的访问比例超过预设的比例阈值，则通过机器人客服与上述用户进行通讯，否则通过在线客服技术实现人工客服与上述用户之间的通讯。其中，上述人工客服服务的访问计数值和机器人客服服务的访问计数值是在通过对应的客服方式与用户进行通讯时累加并记录的。具体地，设人工客服服务的访问计数值为m，机器人客服服务的访问计数值为n，则上述当前人工客服服务的访问比例r＝m/(m+n)，其中，m、n为正整数；如果r大于上述预设的比例阈值，则通过机器人客服与上述用户进行通讯，否则通过在线客服技术实现人工客服与上述用户之间的通讯。其中，预设的比例阈值可以由人工根据实际情况进行设置。通过该实现方式，可以使服务器在判断用户不满意机器人客服服务时，根据当前人工客服服务的访问比例来确定通过哪种客服方式与上述用户进行通讯，更合理地分配了用户的客服服务请求。

本实施例提供的在线客服的实现方法，通过根据用户的特征信息，通过预先训练出的分类模型，获得上述用户不满意机器人客服服务的概率，并在该概率大于预定的概率阈值时，通过在线客服技术实现人工客服与上述用户之间的通讯。在减少不符合用户的预期的处理结果的前提下，更加充分地利用了机器人客服资源，并且缓解了人工客服的处理压力。

进一步参考图3，图3示出了根据本申请的在线客服的实现方法的另一个实施例的流程300。

如图3所示，本实施例的在线客服的实现方法包括以下步骤：

步骤301，接收用户的客服服务访问请求。

在本实施例中，步骤301的具体处理可参考图2对应实施例中步骤201的相关说明，在此不再赘述。

步骤302，根据记录的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取人工客服服务的访问比例。

其中，上述人工客服服务的访问计数值和机器人客服服务的访问计数值是在通过对应的客服方式与用户进行通讯时累加并记录的。在本实施例中，设人工客服服务的访问计数值为m，机器人客服服务的访问计数值为n，则上述当前人工客服服务的访问比例r＝m/(m+n)，其中，m、n为正整数。

步骤303，确定上述人工客服服务的访问比例与预设的比例阈值之差的绝对值是否小于预设的差异阈值。

在本实施例中，如果上述绝对值小于预设的差异阈值，则执行步骤304。其中，如果上述绝对值小于预设的差异阈值，说明当前的比例阈值与之前相比没有变化，可以执行步骤304，否则说明当前的比例阈值被修改了。

步骤304，确定上述人工客服服务的访问比例与上述比例阈值的比值是否大于预设的系数。

在本实施例中，如果上述比值大于预设的系数，则执行步骤305，通过机器人客服与上述用户进行通讯；否则发出预定指示，执行步骤306。其中，服务器可以通过调用预定的组件来发出预定指示。

步骤306，在获取到预定指示时，获取上述用户的特征信息。

其中，上述特征信息包括上述用户的至少一种历史行为信息。在本实施例中，上述预定指示可以为步骤304中发出的预定指示，步骤306的具体处理可参考图2对应实施例中步骤202的相关说明，在此不再赘述。

步骤307，根据上述用户的特征信息，通过预先训练出的分类模型，获得上述用户不满意机器人客服服务的概率。

在本实施例中，步骤307的具体处理可参考图2对应实施例中步骤203的相关说明，在此不再赘述。

步骤308，如果上述概率大于预定的概率阈值，则通过在线客服技术实现人工客服与上述用户之间的通讯。

在本实施例中，步骤308的具体处理可参考图2对应实施例中步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，本实施例的在线客服的实现方法还可以包括：如果在步骤303中确定上述绝对值不小于预设的差异阈值，则更新上述人工客服服务的访问计数值和机器人客服服务的访问计数值为一个相同的预定自然数；根据更新后的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取新的人工客服服务的访问比例；确定上述新的人工客服服务的访问比例与上述比例阈值的比值是否大于上述系数；如果上述比值大于上述系数，则执行步骤305，通过机器人客服与上述用户进行通讯，否则发出上述预定指示，执行步骤306。其中，预定自然数可以为较小的正整数，例如：1、2或3等。如果上述绝对值不小于预设的差异阈值，说明当前的比例阈值被修改了，此时就需要对上述计数值进行初始化，将上述人工客服服务的访问计数值和机器人客服服务的访问计数值为一个相同的预定自然数，然后再进行步骤304以及后续步骤。

在本实施例的一些可选的实现方式中，本实施例的在线客服的实现方法还可以包括：如果在步骤304中确定上述人工客服服务的访问比例与上述比例阈值的比值不大于预设的系数，则确定用户的相关信息是否满足预设的条件集合中的其中一个条件；如果满足其中一个条件，则对上述用户提供上述条件对应的客服服务，否则发出上述预定指示，执行步骤306。其中，用户的相关信息例如可以是：用户的订单状态信息；条件集合中的条件例如可以为：用户有未完成的投诉单；该条件对应的客服服务则可以为人工客服服务。

在本实施例的一些可选的实现方式中，本实施例的在线客服的实现方法还可以包括：在步骤301之后，如果上述比例阈值为100％，则对上述用户提供人工客服服务，不继续执行后续步骤；如果上述比例参数为0％，则对上述用户提供机器人客服服务，不继续执行后续步骤。

从图3中可以看出，与图2对应的实施例相比，本实施例中的在线客服的实现方法的流程300增加了对人工客服服务的访问比例的控制。由此，本实施例描述的方案可以更加充分地利用机器人客服资源，进一步缓解了人工客服的处理压力。

下面参考图4，作为对上述各图所示方法的实现，本申请提供了一种在线客服的实现装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于服务器中。

如图4所示，本实施例的在线客服的实现装置400包括：请求接收单元401、特征信息获取单元402、分类单元403以及人工客服通讯单元404。其中，请求接收单元401用于接收用户的客服服务访问请求；特征信息获取单元402用于在获取到预定指示时，获取上述用户的特征信息，其中，上述特征信息包括上述用户的至少一种历史行为信息；分类单元403用于根据上述用户的特征信息，通过预先训练出的分类模型，获得上述用户不满意机器人客服服务的概率；人工客服通讯单元404用于在上述概率大于预定的概率阈值时，通过在线客服技术实现人工客服与上述用户之间的通讯。

在本实施例中，请求接收单元401、特征信息获取单元402、分类单元403以及人工客服通讯单元404的具体处理可分别参考图2对应实施例中步骤201、步骤202、步骤203以及步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，本实施例的在线客服的实现装置还可以包括：模型训练单元405，用于通过将预先收集到的对机器人客服服务进行了评价的用户的上述特征信息作为训练样本，将用户对上述机器人客服服务的评价作为训练样本的标注，按照训练样本的标注，对上述训练样本进行训练，生成分类模型。模型训练单元205的具体处理可参考图2对应实施例中步骤203的实现方式的相关描述，在此不再赘述。

在本实施例的一些可选的实现方式中，本实施例的在线客服的实现装置还可以包括：第一比例获取单元(图中未示出)，用于在接收用户的客服服务访问请求之后，根据记录的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取人工客服服务的访问比例，其中，上述人工客服服务的访问计数值和机器人客服服务的访问计数值是在通过对应的客服方式与用户进行通讯时累加并记录的；第一确定单元(图中未示出)，用于确定上述人工客服服务的访问比例与预设的比例阈值之差的绝对值是否小于预设的差异阈值；第二确定单元(图中未示出)，用于在上述第一确定单元确定上述绝对值小于预设的差异阈值时，确定上述人工客服服务的访问比例与上述比例阈值的比值是否大于预设的系数；机器人客服通讯单元(图中未示出)，用于在上述第二确定单元确定上述比值大于预设的系数时，通过机器人客服与上述用户进行通讯；指示单元(图中未示出)，用于在上述第二确定单元确定上述比值不大于预设的系数时，发出上述预定指示。其中，第一比例获取单元、第一确定单元、第二确定单元、机器人客服通讯单元以及指示单元的具体处理可参考图3对应实施例中步骤302、步骤303、步骤304、步骤305的相关描述，在此不再赘述。本实现方式增加了对人工客服服务的访问比例的控制。由此，本实施例描述的方案可以更加充分地利用机器人客服资源，进一步缓解了人工客服的处理压力。

在本实施例的一些可选的实现方式中，本实施例的在线客服的实现装置还可以包括：初始化单元(图中未示出)，用于在上述第一确定单元确定上述绝对值不小于预设的差异阈值时，更新上述人工客服服务的访问计数值和机器人客服服务的访问计数值为一个相同的预定自然数；第二比例获取单元(图中未示出)，用于根据更新后的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取新的人工客服服务的访问比例。以及，上述第二确定单元还可以用于确定上述新的人工客服服务的访问比例与上述比例阈值的比值是否大于上述系数；上述机器人客服通讯单元还可以用于在上述比值大于上述系数时，通过机器人客服与上述用户进行通讯；上述指示单元还可以用于在上述比值不大于上述系数时，发出上述预定指示。本实现方式的具体处理可参考图3对应实施例中相应实现方式的相关描述，在此不再赘述。

在本实施例的一些可选的实现方式中，本实施例的在线客服的实现装置还可以包括：第三确定单元(图中未示出)，用于在上述概率小于等于上述概率阈值时，根据记录的人工客服服务的访问计数值和机器人客服服务的访问计数值，确定当前人工客服服务的访问比例是否超过预设的比例阈值。以及，机器人客服通讯单元还可以用于在第三确定单元确定当前人工客服服务的访问比例超过预设的比例阈值时，通过机器人客服与上述用户进行通讯；人工客服通讯单元404还可以用于在第三确定单元确定当前人工客服服务的访问比例没有超过预设的比例阈值时，通过在线客服技术实现人工客服与上述用户之间的通讯。本实现方式的具体处理可参考图2对应实施例中相应实现方式的相关描述，在此不再赘述。

本实施例提供的在线客服的实现装置，通过分类单元403根据用户的特征信息，通过预先训练出的分类模型，获得上述用户不满意机器人客服服务的概率，并在该概率大于预定的概率阈值时，通过人工客服通讯单元404在线客服技术实现人工客服与上述用户之间的通讯。在减少不符合用户的预期的处理结果的前提下，更加充分地利用了机器人客服资源，并且缓解了人工客服的处理压力。

下面参考图5，其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分506加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括硬盘等的存储部分506；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分507。通信部分507经由诸如因特网的网络执行通信处理。驱动器508也根据需要连接至I/O接口505。可拆卸介质509，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器508上，以便于从其上读出的计算机程序根据需要被安装入存储部分506。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分507从网络上被下载和安装，和/或从可拆卸介质509被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的方法中限定的上述功能。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括请求接收单元、特征信息获取单元、分类单元以及人工客服通讯单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，请求接收单元还可以被描述为“接收用户的客服服务访问请求的单元”。

作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：接收用户的客服服务访问请求；在获取到预定指示时，获取所述用户的特征信息，其中，所述特征信息包括所述用户的至少一种历史行为信息；根据所述用户的特征信息，通过预先训练出的分类模型，获得所述用户不满意机器人客服服务的概率；如果所述概率大于预定的概率阈值，则通过在线客服技术实现人工客服与所述用户之间的通讯。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种在线客服的实现方法，其特征在于，所述方法包括：

接收用户的客服服务访问请求；

在获取到预定指示时，获取所述用户的特征信息，其中，所述特征信息包括所述用户的至少一种历史行为信息；

根据所述用户的特征信息，通过预先训练出的分类模型，获得所述用户不满意机器人客服服务的概率；

如果所述概率大于预定的概率阈值，则通过在线客服技术实现人工客服与所述用户之间的通讯；

根据记录的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取人工客服服务的访问比例，其中，所述人工客服服务的访问计数值和机器人客服服务的访问计数值是在通过对应的客服方式与用户进行通讯时累加并记录的；

确定所述人工客服服务的访问比例与预设的比例阈值之差的绝对值是否小于预设的差异阈值；

如果所述绝对值不小于所述差异阈值，则更新所述人工客服服务的访问计数值和机器人客服服务的访问计数值为一个相同的预定自然数；

根据更新后的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取新的人工客服服务的访问比例；

确定所述新的人工客服服务的访问比例与所述比例阈值的比值是否大于预设的系数；

如果所述比值大于所述系数，则通过机器人客服与所述用户进行通讯。

2.根据权利要求1所述的方法，其特征在于，所述分类模型是通过将预先收集到的对机器人客服服务进行了评价的用户的所述特征信息作为训练样本，将用户对所述机器人客服服务的评价作为训练样本的标注，按照训练样本的标注，对所述训练样本进行训练生成的。

3.根据权利要求1所述的方法，其特征在于，在确定所述人工客服服务的访问比例与预设的比例阈值之差的绝对值是否小于预设的差异阈值之后，所述方法还包括：

如果所述绝对值小于所述差异阈值，则确定所述人工客服服务的访问比例与所述比例阈值的比值是否大于所述系数；

如果所述比值大于预设的系数，则通过机器人客服与所述用户进行通讯，否则发出所述预定指示。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

如果所述比值小于或等于所述系数，则发出所述预定指示。

5.根据权利要求1-4任一所述的方法，其特征在于，所述方法还包括：

如果所述概率小于等于所述概率阈值，则根据记录的人工客服服务的访问计数值和机器人客服服务的访问计数值，确定当前人工客服服务的访问比例是否超过预设的比例阈值，其中，所述人工客服服务的访问计数值和机器人客服服务的访问计数值是在通过对应的客服方式与用户进行通讯时累加并记录的；

如果确定当前人工客服服务的访问比例超过预设的比例阈值，则通过机器人客服与所述用户进行通讯，否则通过在线客服技术实现人工客服与所述用户之间的通讯。

6.一种在线客服的实现装置，其特征在于，所述装置包括：

请求接收单元，用于接收用户的客服服务访问请求；

特征信息获取单元，用于在获取到预定指示时，获取所述用户的特征信息，其中，所述特征信息包括所述用户的至少一种历史行为信息；

分类单元，用于根据所述用户的特征信息，通过预先训练出的分类模型，获得所述用户不满意机器人客服服务的概率；

人工客服通讯单元，用于在所述概率大于预定的概率阈值时，通过在线客服技术实现人工客服与所述用户之间的通讯；

第一比例获取单元，用于在接收用户的客服服务访问请求之后，根据记录的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取人工客服服务的访问比例，其中，所述人工客服服务的访问计数值和机器人客服服务的访问计数值是在通过对应的客服方式与用户进行通讯时累加并记录的；

第一确定单元，用于确定所述人工客服服务的访问比例与预设的比例阈值之差的绝对值是否小于预设的差异阈值；

第二确定单元，用于在所述第一确定单元确定所述绝对值小于预设的差异阈值时，确定所述人工客服服务的访问比例与所述比例阈值的比值是否大于预设的系数；

初始化单元，用于在所述第一确定单元确定所述绝对值不小于预设的差异阈值时，更新所述人工客服服务的访问计数值和机器人客服服务的访问计数值为一个相同的预定自然数；

第二比例获取单元，用于根据更新后的人工客服服务的访问计数值和机器人客服服务的访问计数值，获取新的人工客服服务的访问比例；以及

所述第二确定单元还用于确定所述新的人工客服服务的访问比例与所述比例阈值的比值是否大于所述系数；

所述机器人客服通讯单元还用于在所述比值大于所述系数时，通过机器人客服与所述用户进行通讯。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

模型训练单元，用于通过将预先收集到的对机器人客服服务进行了评价的用户的所述特征信息作为训练样本，将用户对所述机器人客服服务的评价作为训练样本的标注，按照训练样本的标注，对所述训练样本进行训练，生成分类模型。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

机器人客服通讯单元，用于在所述第二确定单元确定所述比值大于所述系数时，通过机器人客服与所述用户进行通讯；

指示单元，用于在所述第二确定单元确定所述比值不大于所述系数时，发出所述预定指示。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

所述指示单元还用于在所述比值不大于所述系数时，发出所述预定指示。

10.根据权利要求6-9任一所述的装置，其特征在于，所述装置还包括：

第三确定单元，用于在所述概率小于等于所述概率阈值时，根据记录的人工客服服务的访问计数值和机器人客服服务的访问计数值，确定当前人工客服服务的访问比例是否超过预设的比例阈值，其中，所述人工客服服务的访问计数值和机器人客服服务的访问计数值是在通过对应的客服方式与用户进行通讯时累加并记录的；以及

所述机器人客服通讯单元还用于在第三确定单元确定当前人工客服服务的访问比例超过预设的比例阈值时，通过机器人客服与所述用户进行通讯；

所述人工客服通讯单元还用于在第三确定单元确定当前人工客服服务的访问比例没有超过预设的比例阈值时，通过在线客服技术实现人工客服与所述用户之间的通讯。

Images