CN107038196A - 一种客服问题回答处理方法及装置 - Google Patents

一种客服问题回答处理方法及装置 Download PDF

Info

Publication number
CN107038196A
CN107038196A CN201611075465.9A CN201611075465A CN107038196A CN 107038196 A CN107038196 A CN 107038196A CN 201611075465 A CN201611075465 A CN 201611075465A CN 107038196 A CN107038196 A CN 107038196A
Authority
CN
China
Prior art keywords
sent
answer
customer service
client
unit
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
Application number
CN201611075465.9A
Other languages
English (en)
Inventor
王占东
黄剑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201611075465.9A priority Critical patent/CN107038196A/zh
Publication of CN107038196A publication Critical patent/CN107038196A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • G06F16/3329Natural language query formulation or dialogue systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/01Customer relationship services
    • G06Q30/015Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
    • G06Q30/016After-sales

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Computer Interaction (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本申请提供一种客服问题回答处理方法及装置,所述方法应用于客服人员培训平台,所述方法包括:接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了所述客服机器人无法解决的问题;将所述问题集合中的问题发送至若干客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息;接收客户端反馈的针对所发送问题的解答信息;针对每个问题,从多个解答信息中确定该问题的答案;将所确定的答案与对应的问题关联后发送给所述客服机器人系统。应用本申请实施例,可以实现降低解答问题的成本。

Description

一种客服问题回答处理方法及装置
技术领域
本申请涉及互联网技术领域,尤其涉及一种客服问题回答处理方法及装置。
背景技术
目前用于解答用户问题的客服机器人,主要是基于知识库工作的。这里的知识库中存储有问题、答案,并且每个问题都会对应有一个答案,即问题与答案具有一个对应关系。
如果用户提出的问题可以在知识库中匹配到对应的答案,则客服机器人可以快速地将该答案提供给用户。
现有技术中,为了提高客服机器人答题的成功率,会将客服机器人无法回答的问题交由专家进行解答。具体地,每个问题仅展示给一个专家进行解答,该专家的答案默认即为正确答案;然后,将专家提供的答案与问题关联后添加到知识库中。
在实际应用中,专家能够处理问题的数量有限,往往无法应对大量的新增问题量。而且聘请专家的人工成本较大,不可能无限制增加;如果专家无法及时处理的问题不断增长,将会导致客服机器人答题成功率不断降低,对于用户来说体验变差。
发明内容
本申请提供的一种客服问题回答处理方法及装置,以解决现有技术中存在专家解答的效率较低成本较高的问题。
根据本申请实施例提供的一种客服问题回答处理方法,所述方法应用于客服人员培训平台,所述方法包括:
接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了所述客服机器人无法解决的问题;
将所述问题集合中的问题发送至若干客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息;
接收客户端反馈的针对所发送问题的解答信息;
针对每个问题,从多个解答信息中确定该问题的答案;
将所确定的答案与对应的问题关联后发送给所述客服机器人系统。
可选的,所述从多个解答信息中确定该问题的答案,具体包括:
计算相同解答信息所占所有解答信息的比例;
在所述相同解答信息所占所有解答信息的比例达到预设比例的情况下,将所述相同解答信息确定为该问题的答案。
可选的,在所述接收客服机器人系统发送的问题集合之后,所述方法还包括:
判断所述问题集合中重复问题出现的次数是否到达预设阈值;
在所述问题集合中重复问题出现的次数达到预设阈值的情况下,将所述重复问题写入预设的题库中;
相应地,所述将所述问题集合中的问题发送至若干客户端,具体包括:
从所述题库中将写入的问题发送至若干客户端。
可选的,在所述接收客服机器人系统发送的问题集合之后,所述方法还包括:
基于聚类算法对所述问题集合中的问题进行聚类处理,从而得到不同类型的问题子集合;
判断所述问题子集合中问题数量是否达到预设阈值;
在所述问题子集合中问题数量达到预设阈值的情况下,将所述问题子集合中问题写入预设的题库中;
相应地,所述将所述问题集合中的问题发送至若干客户端,具体包括:
从所述题库中将写入的问题发送至若干客户端。
可选的,所述聚类算法包括划分法、层次法或密度算法。
可选的,所述将所述问题集合中的问题发送至若干客户端,具体包括:
获取所述问题集合中问题所属的问题类型;
将所述问题发送至处理该问题类型的客户端。
可选的,所述将所确定的答案与对应的问题关联后发送给所述客服机器人系统,具体包括:
将所确定的答案与对应的问题关联后发送给所述客服机器人系统中知识库,以使得所述客户机器人系统完善知识库。
根据本申请实施例提供的一种客服人员培训问题生成方法,所述方法应用于客服人员培训平台,所述方法包括:
接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了所述客服机器人无法解决的问题;
将所述问题集合中的问题发送给至少一个客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息;
接收客户端反馈的针对所发送问题的解答信息。
可选的,在所述接收客服机器人系统发送的问题集合之后,所述方法还包括:
判断所述问题集合中重复问题出现的次数是否到达预设阈值;
在所述问题集合中重复问题出现的次数达到预设阈值的情况下,将所述重复问题写入预设的题库中;
相应地,所述将所述问题集合中的问题发送给至少一个客户端,具体包括:
从所述题库中将写入的问题发送给至少一个客户端。
可选的,在所述接收客服机器人系统发送的问题集合之后,所述方法还包括:
基于聚类算法对所述问题集合中的问题进行聚类处理,从而得到不同类型的问题子集合;
判断所述问题子集合中问题数量是否达到预设阈值;
在所述问题子集合中问题数量达到预设阈值的情况下,将所述问题子集合中问题写入预设的题库中;
相应地,所述将所述问题集合中的问题发送给至少一个客户端,具体包括:
从所述题库中将写入的问题发送给至少一个客户端。
根据本申请实施例提供的一种客服问题回答处理装置,所述装置应用于客服人员培训平台,所述装置包括:
接收问题单元,接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了所述客服机器人无法解决的问题;
发送问题单元,将所述问题集合中的问题发送至若干客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息;
接收信息单元,接收客户端反馈的针对所发送问题的解答信息;
确定答案单元,针对每个问题,从多个解答信息中确定该问题的答案;
发送答案单元,将所确定的答案与对应的问题关联后发送给所述客服机器人系统。
可选的,所述确定答案单元,具体包括:
计算子单元,针对每个问题,计算相同解答信息所占所有解答信息的比例;
确定子单元,在所述相同解答信息所占所有解答信息的比例达到预设比例的情况下,将所述相同解答信息确定为该问题的答案。
可选的,在所述接收问题单元之后,所述装置还包括:
判断单元,判断所述问题集合中重复问题出现的次数是否到达预设阈值;
写入单元,在所述问题集合中重复问题出现的次数达到预设阈值的情况下,将所述重复问题写入预设的题库中;
相应地,所述发送问题单元,具体包括:
发送问题子单元,从所述题库中将写入的问题发送至若干客户端。
可选的,在所述接收问题单元之后,所述装置还包括:
聚类单元,基于聚类算法对所述问题集合中的问题进行聚类处理,从而得到不同类型的问题子集合;
判断单元,判断所述问题子集合中问题数量是否达到预设阈值;
写入单元,在所述问题子集合中问题数量达到预设阈值的情况下,将所述问题子集合中问题写入预设的题库中;
相应地,所述发送问题单元,具体包括:
发送问题子单元,从所述题库中将写入的问题发送至若干客户端。
可选的,所述聚类算法包括划分法、层次法或密度算法。
可选的,所述发送问题单元,具体包括:
获取子单元,在客服人员开始培训后,获取所述问题集合中的问题所属的问题类型;
展示子单元,将所述问题发送至处理该问题类型的客户端。
可选的,所述发送答案单元,具体包括:
发送答案子单元,将所确定的答案与对应的问题关联后发送给所述客服机器人系统中知识库,以使得所述客户机器人系统完善知识库。
根据本申请实施例提供的一种客服人员培训问题生成装置,所述装置应用于客服人员培训平台,所述装置包括:
接收问题单元,接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了所述客服机器人无法解决的问题;
发送问题单元,将所述问题集合中的问题发送给至少一个客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息;
接收信息单元,接收客户端反馈的针对所发送问题的解答信息。
可选的,在所述接收问题单元之后,所述装置还包括:
判断单元,判断所述问题集合中重复问题出现的次数是否到达预设阈值;
写入单元,在所述问题集合中重复问题出现的次数达到预设阈值的情况下,将所述重复问题写入预设的题库中;
相应地,所述发送问题单元,具体包括:
发送问题子单元,从所述题库中将写入的问题发送给至少一个客户端。
可选的,在所述接收问题单元之后,所述装置还包括:
聚类单元,基于聚类算法对所述问题集合中的问题进行聚类处理,从而得到不同类型的问题子集合;
判断单元,判断所述问题子集合中问题数量是否达到预设阈值;
写入单元,在所述问题子集合中问题数量达到预设阈值的情况下,将所述问题子集合中问题写入预设的题库中;
相应地,所述发送问题单元,具体包括:
发送问题子单元,从所述题库中将写入的问题发送给至少一个客户端。
本申请实施例中,培训平台通过培训的形式让至少两个客服人员来共同解答客服机器人无法解决的问题,并根据反馈的多个解答信息自动确定对应问题的答案,并将该答案与问题关联后发送给客服机器人系统。如此,无需很多的专家来处理客服机器人无法解决的问题,而且由于客服人员答题不会产生额外成本,从而降低了整体的答题成本。另一方面,由于这些问题都是最新的问题,一般反映了当前的热点问题,所以通过将这些问题的答案返回给客服机器人系统,从而完善了所述客服机器人系统的知识库,从而提高其答题的成功率。再一方面,对于培训平台来说,可以使用客服机器人无法解决的问题来出题,解决了需要人工进行设置而导致的人力成本的问题,而且由于客服机器人系统发送的问题都是与现实用户息息相关的问题,所以可以有效提升客服人员的业务处理能力,提高了培训的效果。
附图说明
图1是本申请一实施例提供的实现客服问题回答处理系统架构图;
图2是本申请一实施例提供的客服问题回答处理方法的流程图;
图3是本申请一实施例提供的另一种客服问题回答处理方法的流程图;
图4是本申请一实施例提供的又一种客服问题回答处理方法的流程图;
图5是本申请一实施例提供的一种客服人员培训问题生成方法的流程图;
图6是本申请提供的客服问题回答处理装置所在设备的一种硬件结构图;
图7是本申请一实施例提供的客服问题回答处理装置的模块示意图;
图8是本申请提供的客服人员培训问题生成装置所在设备的一种硬件结构图;
图9是本申请一实施例提供的客服人员培训问题生成装置的模块示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
图1为本申请实施例中提供的实现问题处理系统架构图,包括客服机器人系统11、培训平台12。
其中,所述客服机器人系统11用于解答用户提出的问题。对于其无法解决的问题,可以转人工服务并将该问题发送给培训平台12。如前所述,客服机器人系统11中可以包括有一个知识库111,该知识库111中存储有问题、答案,并且每个问题都会对应有一个答案,即问题与答案具有一个对应关系。
所述培训平台12用于接收所述客服机器人系统11发送的问题;并将这些问题发送给参加培训的客服人员进行解答。
本实施例中所述的客服人员可以是需要提升业务水平的人员,例如新入职的客服人员、待考核上岗的客服人员、例行考核的正式客服人员等。
客服人员可以在客户端121上登录培训平台12提供的在线答题系统,并在该系统中进行答题。培训平台12可以从众多的客服人员的解答信息中确定出答案,并将该答案与问题关联后,发送回客服机器人11系统。
以下结合图2所示的本申请一实施例提供的客服问题回答处理方法的流程图加以说明,所述方法从客服人员培训平台侧进行描述,可以包括以下步骤:
步骤210:接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了所述客服机器人无法解决的问题。
本实施例中,如前所述客服机器人在无法回答用户的问题后,可以通过异步消息发送给培训平台。通常,客户机器人可以是周期性的将解决不了的问题发送给培训平台。
例如,客服机器人在周期内,可以先缓存解决不了的问题;在到达周期时,将所有缓存的问题组成一个问题集合后,将所述问题集合发送给培训平台。一般的,客服机器人可以启动一个定时器,然后持续缓存解决不了的问题,在该定时器到达预设时长的情况下,将问题集合发送给培训平台。所述预设时长可以是人为设置的一个经验值。例如,1天,如此,客服机器人可以是每天都将前一天缓存下来的问题集合发送给培训平台。
步骤220:将所述问题集合中的问题发送至若干客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息。
本实施例中,所述培训平台在接收到客服机器人发送的问题集合后,可以将所述问题集合中的问题发送至若干客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息。
所述若干客户端可以是两个客户端或者两个以上客户端。
值得一提的是,通常在培训平台中可以预设有一个题库,接收到客服机器人系统发送的问题集合后,可以先将所述问题集合中的问题写入到该题库中。在开始培训后,所述培训平台可以从题库中将写入的问题发送至若干客户端。如此,可以使得至少两个客服人员共同来解答问题。
如前所述,每个客服人员都可以在其所在的客户端上登录到培训平台提供的在线答题系统,并在该系统中进行答题。
步骤230:接收客户端反馈的针对所发送问题的解答信息。
本实施例中,在培训结束后,每一个客户端都可以自动地保存并提交客服人员输入的解答信息。相应地,培训平台也就可以获取到每一个客服人员回答每一个问题的解答信息。
步骤240:针对每个问题,从多个解答信息中确定该问题的答案;
本实施例中,由于每一个问题都存在多个解答信息,所以培训平台还需要针对每个问题从所述客服人员回答的解答信息中确定出最终的答案。
具体地,所述步骤240,可以包括:
针对每个问题,计算相同解答信息所占所有解答信息的比例;
在所述相同解答信息所占所有解答信息的比例达到预设比例的情况下,将所述相同解答信息确定为该问题的答案。
举例说明,假设有100个客服人员,针对一个问题A,则存在有100个解答信息,其中,相同的解答信息B有70个。
则,相同解答信息B所占所有解答信息的比例为:70/100=7/10;
如果7/10达到了预设比例,那么就可以将所述相同解答信息B确定为问题A的答案;
如果7/10没有到达预设比例,那么该问题A就没有答案,此时可以如同现有技术那样,将该问题A转交给专家处理。
本实施例中,所述预设比例可以是人为设置的一个经验值,例如1/2。
值得一提的是,相同解答信息可能存在多种,沿用上述例子,再例如相同解答信息B有70个,相同解答信息C有20个;这种情况下,培训平台可以优先计算数量较多的那种相同解答信息,即计算相同解答信息B所占所有解答信息的比例。
步骤250:将所确定的答案与对应的问题关联后发送给所述客服机器人系统。
本实施例中,所述客服机器人可以提供一个知识库的更新接口,而所述培训平台即可以调用该更新接口,从而将所确定的答案与对应的问题关联后发送给所述客服机器人系统。
通过本实施例,培训平台通过培训的形式让至少两个客服人员来共同解答客服机器人无法解决的问题,并根据反馈的多个解答信息自动确定对应问题的答案,并将该答案与问题关联后发送给客服机器人系统。如此,无需很多的专家来处理客服机器人无法解决的问题,而且由于客服人员答题不会产生额外成本,从而降低了整体的答题成本。另一方面,对于培训平台来说,可以使用客服机器人无法解决的问题来出题,解决了培训平台中问题需要人工进行设置而导致的人力成本的问题,而且由于客服机器人系统发送的问题都是与现实用户息息相关的问题,所以可以有效提升客服人员的业务处理能力,提高了培训的效果。
值得一提的是,所述步骤250,具体可以包括:
将所确定的答案与对应的问题关联后发送给所述客服机器人系统中知识库,以使得所述客户机器人系统完善知识库。
通过本实施例,由于这些问题都是最新的问题,一般反映了当前的热点问题,所以通过将这些问题的答案返回给客服机器人系统,从而完善了所述客服机器人系统的知识库,从而提高其答题的成功率。
在实际应用中,热点问题被提问的次数相对来说是最多的,而客服机器人也需要及时处理这些热点问题,所以对于热点问题通常需要优先处理。
为了解决上述问题,如图3所示在本申请的一个具体地实施例中,在所述步骤210之后,所述方法还包括:
步骤211:判断所述问题集合中重复问题出现的次数是否到达预设阈值;
步骤212:在所述问题集合中重复问题出现的次数达到预设阈值的情况下,将所述重复问题写入预设的题库中;
相应地,所述步骤220,具体包括:
步骤221:从所述题库中将写入的问题发送至若干客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息。
本实施例中,所述预设阈值可以是人为设置的一个经验值。
举例说明,假设培训平台接收到客服机器人系统发送的问题集合中有1000个问题;而其中有600个问题是相同的问题。
由于该相同问题重复出现的次数即600大于500(预设阈值),说明该问题属于热点问题,所以可以将该问题写入题库中。相应地,可以在培训开始后,可以从所述题库中将写入的问题发送至若干客户端。
通过本实施例,可以将亟待解决的热点问题挑选出来,从而及时将热点问题的答案发送给客服机器人系统。这样,客服机器人系统就可以及时应对用户提的这些热点问题。
在实际应用中,用户的问题可能千奇百怪,很多问题其实并没有实际意义,或者实质问题相同,仅是由于用户文字描述的差异所造成问题不同。因此,客服机器人系统发送的问题集合中会存在很多噪声问题(如上述的情况),而将这些噪声问题对于客服人员来说往往都是难以理解、甚至无法解答。
为了解决上述问题,如图4所示在本申请的一个具体地实施例中,在所述步骤210之后,所述方法还包括:
步骤213:基于聚类算法对所述问题集合中的问题进行聚类处理,从而得到不同类型的问题子集合;
步骤214:判断所述问题子集合中问题数量是否达到预设阈值;
步骤215:在所述问题子集合中问题数量达到预设阈值的情况下,将所述问题子集合中问题写入预设的题库中;
相应地,所述步骤220,具体包括:
步骤221:从所述题库中将写入的问题发送至若干客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息。
本实施例中,所述预设阈值可以是人为设置的一个经验值。
所述聚类算法可以根据若干不同的维度将不同数据区分开。本实施例中,可以根据“业务”、“热词”等维度进行聚类处理。所述聚类算法可以包括划分法(partitioningmethods)、层次法(hierarchical methods)或密度算法(density-based methods)。
举例说明,假设问题集合中有100个问题,通过聚类算法对这100个问题进行聚类后,可以得到:问题子集合A,有20个问题;问题子集合B,有40个问题,而其它40个问题无法聚类。
假设预设阈值为30;则由于问题子集合A中问题的数量即20小于30,所以问题子集合A不做进一步处理;
而由于问题子集合B中问题的数量即40大于30,所以可以将问题子集合B中问题写入预设的题库中。相应地,可以在培训开始后,可以从所述题库中将写入的问题发送至若干客户端。
通过本实施例,对问题集合聚类处理后,可以去除掉问题集合中的噪声问题,保留下有意义的问题。
在实际应用中,由于不同客服人员所属部门不同或者处理的业务不同,所以他们工作中所应对的问题类型也不相同。而上述实施例中,对不同客服人员都采用同一套问题,容易出现问题并不属于客服人员的业务范围,这样该客服人员提供的解答信息的准确率相对较低,而且还会降低培训效果。
为了解决上述问题,在本申请的y一个具体的实施例中,所述步骤220中将所述问题集合中的问题发送至若干客户端,具体可以包括:
获取所述问题集合中的问题所属的问题类型;
将所述问题展示给处理该问题类型的客户端。
本实施例中,在培训开始后,培训平台并不是将所有问题都发送给所有客服人员使用的客户端,而是根据每个问题所属的问题类型,有针对性得发送给处理该问题类型的客服人员所使用的客户端的。如此,客服人员在答题时所有展示的问题都是属于自己业务范围内的问题。
在现有客服人员的培训平台中,提供给客服人员的问题通常都是由人工进行设置例如由老师出题,因此人力成本较高。
为了解决上述问题,请参考图5所示的本申请一实施例提供的客服人员培训问题生成方法的流程图,所述方法从客服人员培训平台侧进行描述,可以包括以下步骤:
步骤310:接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了所述客服机器人无法解决的问题。
本步骤与上述步骤110相同,此处不再赘述。
步骤320:将所述问题集合中的问题发送给至少一个客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息。
步骤330:接收客户端反馈的针对所发送问题的解答信息。
本步骤与上述步骤130相同,此处不再赘述。
本实施例中,对于培训平台来说,可以使用客服机器人无法解决的问题来出题,解决了需要人工进行设置而导致的人力成本的问题,而且由于客服机器人系统发送的问题都是与现实用户息息相关的问题,所以可以有效提升客服人员的业务处理能力,提高了培训的效果。
在本申请的一个具体地实施例中,所述步骤310之后,所述方法还可以包括:
判断所述问题集合中重复问题出现的次数是否到达预设阈值;
在所述问题集合中重复问题出现的次数达到预设阈值的情况下,将所述重复问题写入预设的题库中;
相应地,所述将所述问题集合中的问题发送给至少一个客户端,具体包括:
从所述题库中将写入的问题发送给至少一个客户端。
本实施例,与上述实施例中步骤211、212类型,此处不再赘述。
在本申请的一个具体地实施例中,所述步骤310之后,所述方法还可以包括:
基于聚类算法对所述问题集合中的问题进行聚类处理,从而得到不同类型的问题子集合;
判断所述问题子集合中问题数量是否达到预设阈值;
在所述问题子集合中问题数量达到预设阈值的情况下,将所述问题子集合中问题写入预设的题库中;
相应地,所述将所述问题集合中的问题发送给至少一个客户端,具体包括:
从所述题库中将写入的问题发送给至少一个客户端。
本实施例,与上述实施例中步骤213、214、215类型,此处不再赘述。
值得一提的是,可以由专家老师对客服人员的解答信息进行批改,从而得出客服人员培训的成绩。
与前述客服问题回答处理方法实施例相对应,本申请还提供了一种客服问题回答处理装置的实施例。该装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图6所示,为本申请客服问题回答处理装置所在设备的一种硬件结构图,除了图6所示的处理器、网络接口、内存以及非易失性存储器之外,实施例中装置所在的设备通常根据该客服问题回答处理实际功能,还可以包括其他硬件,对此不再赘述。
参见图7,为本申请一实施例提供的客服问题回答处理装置的模块图,所述装置应用于客服人员培训平台,所述装置包括:接收问题单元410、发送问题单元420、接收信息单元430、确定答案单元440和发送答案单元450。
其中,接收问题单元410,接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了至少一个所述客服机器人无法解决的问题;
发送问题单元420,将所述问题集合中的问题发送至若干客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息;
接收信息单元430,接收客户端反馈的针对所发送问题的解答信息;
确定答案单元440,针对每个问题,从多个解答信息中确定该问题的答案;
发送答案单元450,将所确定的答案与对应的问题关联后发送给所述客服机器人系统。
在一个可选的实现方式中:
所述确定答案单元440,具体包括:
计算子单元,针对每个问题,计算相同解答信息所占所有解答信息的比例;
确定子单元,在所述相同解答信息所占所有解答信息的比例达到预设比例的情况下,将所述相同解答信息确定为该问题的答案。
在一个可选的实现方式中:
在所述接收问题单元410之后,所述装置还包括:
判断单元,判断所述问题集合中重复问题出现的次数是否到达预设阈值;
写入单元,在所述问题集合中重复问题出现的次数达到预设阈值的情况下,将所述重复问题写入预设的题库中;
相应地,所述发送问题单元420,具体包括:
发送问题子单元,从所述题库中将写入的问题发送至若干客户端。
在一个可选的实现方式中:
在所述接收问题单元410之后,所述装置还包括:
聚类单元,基于聚类算法对所述问题集合中的问题进行聚类处理,从而得到不同类型的问题子集合;
判断单元,判断所述问题子集合中问题数量是否达到预设阈值;
写入单元,在所述问题子集合中问题数量达到预设阈值的情况下,将所述问题子集合中问题写入预设的题库中;
相应地,所述发送问题单元420,具体包括:
发送问题子单元,从所述题库中将写入的问题发送至若干客户端。
在一个可选的实现方式中:
所述聚类算法包括划分法、层次法或密度算法。
在一个可选的实现方式中:
所述发送问题单元420,具体包括:
获取子单元,在培训人员开始培训后,获取所述问题集合中的问题所属的问题类型;
展示子单元,将所述问题发送至处理该问题类型的客户端。
在一个可选的实现方式中:
所述发送答案单元450,具体包括:
发送答案子单元,将所确定的答案与对应的问题关联后发送给所述客服机器人系统中知识库,以使得所述客户机器人系统完善知识库。
与前述客服人员培训问题生成方法实施例相对应,本申请还提供了一种客服人员培训问题生成装置的实施例。该装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图8所示,为本申请客服人员培训问题生成装置所在设备的一种硬件结构图,除了图8所示的处理器、网络接口、内存以及非易失性存储器之外,实施例中装置所在的设备通常根据该客服人员培训问题生成实际功能,还可以包括其他硬件,对此不再赘述。
参见图9,为本申请一实施例提供的客服人员培训问题生成装置的模块图,所述装置应用于客服人员培训平台,所述装置包括:接收问题单元510、发送问题单元520和接收信息单元530。
其中,接收问题单元510,接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了至少一个所述客服机器人无法解决的问题;
发送问题单元520,将所述问题集合中的问题发送给至少一个客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息;
接收信息单元530,接收客户端反馈的针对所发送问题的解答信息。
在一个可选的实现方式中:
在所述接收问题单元510之后,所述装置还包括:
判断单元,判断所述问题集合中重复问题出现的次数是否到达预设阈值;
写入单元,在所述问题集合中重复问题出现的次数达到预设阈值的情况下,将所述重复问题写入预设的题库中;
相应地,所述发送问题单元520,具体包括:
发送问题子单元,从所述题库中将写入的问题发送给至少一个客户端。
在一个可选的实现方式中:
在所述接收问题单元510之后,所述装置还包括:
聚类单元,基于聚类算法对所述问题集合中的问题进行聚类处理,从而得到不同类型的问题子集合;
判断单元,判断所述问题子集合中问题数量是否达到预设阈值;
写入单元,在所述问题子集合中问题数量达到预设阈值的情况下,将所述问题子集合中问题写入预设的题库中;
相应地,所述发送问题单元520,具体包括:
发送问题子单元,从所述题库中将写入的问题发送给至少一个客户端。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
综上所述,本申请实施例中,培训平台通过培训的形式让至少两个客服人员来共同解答客服机器人无法解决的问题,并根据反馈的多个解答信息自动确定对应问题的答案,并将该答案与问题关联后发送给客服机器人系统。如此,无需很多的专家来处理客服机器人无法解决的问题,而且由于培训人员答题不会产生额外成本,从而降低了整体的答题成本。另一方面,由于这些问题都是最新的问题,一般反映了当前的热点问题,所以通过将这些问题的答案返回给客服机器人系统,从而完善了所述客服机器人系统的知识库,从而提高其答题的成功率。再一方面,对于培训平台来说,可以使用客服机器人无法解决的问题来出题,解决了题库更新缓慢的问题,而且由于客服机器人系统发送的问题都是与现实用户息息相关的问题,所以可以有效提升客服人员的业务处理能力,提高了培训的效果。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (20)

1.一种客服问题回答处理方法,其特征在于,所述方法应用于客服人员培训平台,所述方法包括:
接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了所述客服机器人无法解决的问题;
将所述问题集合中的问题发送至若干客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息;
接收客户端反馈的针对所发送问题的解答信息;
针对每个问题,从多个解答信息中确定该问题的答案;
将所确定的答案与对应的问题关联后发送给所述客服机器人系统。
2.根据权利要求1所述的方法,其特征在于,所述从多个解答信息中确定该问题的答案,具体包括:
计算相同解答信息所占所有解答信息的比例;
在所述相同解答信息所占所有解答信息的比例达到预设比例的情况下,将所述相同解答信息确定为该问题的答案。
3.根据权利要求1所述的方法,其特征在于,在所述接收客服机器人系统发送的问题集合之后,所述方法还包括:
判断所述问题集合中重复问题出现的次数是否到达预设阈值;
在所述问题集合中重复问题出现的次数达到预设阈值的情况下,将所述重复问题写入预设的题库中;
相应地,所述将所述问题集合中的问题发送至若干客户端,具体包括:
从所述题库中将写入的问题发送至若干客户端。
4.根据权利要求1所述的方法,其特征在于,在所述接收客服机器人系统发送的问题集合之后,所述方法还包括:
基于聚类算法对所述问题集合中的问题进行聚类处理,从而得到不同类型的问题子集合;
判断所述问题子集合中问题数量是否达到预设阈值;
在所述问题子集合中问题数量达到预设阈值的情况下,将所述问题子集合中问题写入预设的题库中;
相应地,所述将所述问题集合中的问题发送至若干客户端,具体包括:
从所述题库中将写入的问题发送至若干客户端。
5.根据权利要求4所述的方法,其特征在于,所述聚类算法包括划分法、层次法或密度算法。
6.根据权利要求1所述的方法,其特征在于,所述将所述问题集合中的问题发送至若干客户端,具体包括:
获取所述问题集合中问题所属的问题类型;
将所述问题发送至处理该问题类型的客户端。
7.根据权利要求1所述的方法,其特征在于,所述将所确定的答案与对应的问题关联后发送给所述客服机器人系统,具体包括:
将所确定的答案与对应的问题关联后发送给所述客服机器人系统中知识库,以使得所述客户机器人系统完善知识库。
8.一种客服人员培训问题生成方法,其特征在于,所述方法应用于客服人员培训平台,所述方法包括:
接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了所述客服机器人无法解决的问题;
将所述问题集合中的问题发送给至少一个客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息;
接收客户端反馈的针对所发送问题的解答信息。
9.根据权利要求8所述的方法,其特征在于,在所述接收客服机器人系统发送的问题集合之后,所述方法还包括:
判断所述问题集合中重复问题出现的次数是否到达预设阈值;
在所述问题集合中重复问题出现的次数达到预设阈值的情况下,将所述重复问题写入预设的题库中;
相应地,所述将所述问题集合中的问题发送给至少一个客户端,具体包括:
从所述题库中将写入的问题发送给至少一个客户端。
10.根据权利要求8所述的方法,其特征在于,在所述接收客服机器人系统发送的问题集合之后,所述方法还包括:
基于聚类算法对所述问题集合中的问题进行聚类处理,从而得到不同类型的问题子集合;
判断所述问题子集合中问题数量是否达到预设阈值;
在所述问题子集合中问题数量达到预设阈值的情况下,将所述问题子集合中问题写入预设的题库中;
相应地,所述将所述问题集合中的问题发送给至少一个客户端,具体包括:
从所述题库中将写入的问题发送给至少一个客户端。
11.一种客服问题回答处理装置,其特征在于,所述装置应用于客服人员培训平台,所述装置包括:
接收问题单元,接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了所述客服机器人无法解决的问题;
发送问题单元,将所述问题集合中的问题发送至若干客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息;
接收信息单元,接收客户端反馈的针对所发送问题的解答信息;
确定答案单元,针对每个问题,从多个解答信息中确定该问题的答案;
发送答案单元,将所确定的答案与对应的问题关联后发送给所述客服机器人系统。
12.根据权利要求11所述的装置,其特征在于,所述确定答案单元,具体包括:
计算子单元,针对每个问题,计算相同解答信息所占所有解答信息的比例;
确定子单元,在所述相同解答信息所占所有解答信息的比例达到预设比例的情况下,将所述相同解答信息确定为该问题的答案。
13.根据权利要求11所述的装置,其特征在于,在所述接收问题单元之后,所述装置还包括:
判断单元,判断所述问题集合中重复问题出现的次数是否到达预设阈值;
写入单元,在所述问题集合中重复问题出现的次数达到预设阈值的情况下,将所述重复问题写入预设的题库中;
相应地,所述发送问题单元,具体包括:
发送问题子单元,从所述题库中将写入的问题发送至若干客户端。
14.根据权利要求11所述的装置,其特征在于,在所述接收问题单元之后,所述装置还包括:
聚类单元,基于聚类算法对所述问题集合中的问题进行聚类处理,从而得到不同类型的问题子集合;
判断单元,判断所述问题子集合中问题数量是否达到预设阈值;
写入单元,在所述问题子集合中问题数量达到预设阈值的情况下,将所述问题子集合中问题写入预设的题库中;
相应地,所述发送问题单元,具体包括:
发送问题子单元,从所述题库中将写入的问题发送至若干客户端。
15.根据权利要求14所述的装置,其特征在于,所述聚类算法包括划分法、层次法或密度算法。
16.根据权利要求11所述的装置,其特征在于,所述发送问题单元,具体包括:
获取子单元,在客服人员开始培训后,获取所述问题集合中的问题所属的问题类型;
展示子单元,将所述问题发送至处理该问题类型的客户端。
17.根据权利要求11所述的装置,其特征在于,所述发送答案单元,具体包括:
发送答案子单元,将所确定的答案与对应的问题关联后发送给所述客服机器人系统中知识库,以使得所述客户机器人系统完善知识库。
18.一种客服人员培训问题生成装置,其特征在于,所述装置应用于客服人员培训平台,所述装置包括:
接收问题单元,接收客服机器人系统发送的问题集合;其中,所述问题集合中记录了所述客服机器人无法解决的问题;
发送问题单元,将所述问题集合中的问题发送给至少一个客户端,所述客户端用于向客服人员展示问题、以及获取客服人员输入的解答信息;
接收信息单元,接收客户端反馈的针对所发送问题的解答信息。
19.根据权利要求18所述的装置,其特征在于,在所述接收问题单元之后,所述装置还包括:
判断单元,判断所述问题集合中重复问题出现的次数是否到达预设阈值;
写入单元,在所述问题集合中重复问题出现的次数达到预设阈值的情况下,将所述重复问题写入预设的题库中;
相应地,所述发送问题单元,具体包括:
发送问题子单元,从所述题库中将写入的问题发送给至少一个客户端。
20.根据权利要求18所述的装置,其特征在于,在所述接收问题单元之后,所述装置还包括:
聚类单元,基于聚类算法对所述问题集合中的问题进行聚类处理,从而得到不同类型的问题子集合;
判断单元,判断所述问题子集合中问题数量是否达到预设阈值;
写入单元,在所述问题子集合中问题数量达到预设阈值的情况下,将所述问题子集合中问题写入预设的题库中;
相应地,所述发送问题单元,具体包括:
发送问题子单元,从所述题库中将写入的问题发送给至少一个客户端。
CN201611075465.9A 2016-11-28 2016-11-28 一种客服问题回答处理方法及装置 Pending CN107038196A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611075465.9A CN107038196A (zh) 2016-11-28 2016-11-28 一种客服问题回答处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611075465.9A CN107038196A (zh) 2016-11-28 2016-11-28 一种客服问题回答处理方法及装置

Publications (1)

Publication Number Publication Date
CN107038196A true CN107038196A (zh) 2017-08-11

Family

ID=59530740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611075465.9A Pending CN107038196A (zh) 2016-11-28 2016-11-28 一种客服问题回答处理方法及装置

Country Status (1)

Country Link
CN (1) CN107038196A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107885850A (zh) * 2017-11-13 2018-04-06 中国银行股份有限公司 一种银行业务类问题的定位方法及装置
CN108536861A (zh) * 2018-04-19 2018-09-14 中国科学院重庆绿色智能技术研究院 一种医疗指南的交互式培训方法及其系统
CN109460459A (zh) * 2018-10-31 2019-03-12 神思电子技术股份有限公司 一种基于日志学习的对话系统自动优化方法
CN110135870A (zh) * 2018-02-02 2019-08-16 兴业数字金融服务(上海)股份有限公司 用于执行任务的方法、装置、设备和计算机可读存储介质
CN111309889A (zh) * 2020-02-27 2020-06-19 支付宝(杭州)信息技术有限公司 用于文本处理的方法和装置
CN111740849A (zh) * 2020-06-22 2020-10-02 中国银行股份有限公司 坐席操作系统及方法
CN113407718A (zh) * 2021-06-08 2021-09-17 北京捷通华声科技股份有限公司 题库的生成方法、装置、计算机可读存储介质及处理器

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103092863A (zh) * 2011-11-03 2013-05-08 郭亮 一种问卷数据处理方法
CN103455592A (zh) * 2013-08-30 2013-12-18 广州网易计算机系统有限公司 一种问答方法、装置及系统
US20140006012A1 (en) * 2012-07-02 2014-01-02 Microsoft Corporation Learning-Based Processing of Natural Language Questions
CN105630917A (zh) * 2015-12-22 2016-06-01 成都小多科技有限公司 智能应答方法及装置
CN105808694A (zh) * 2016-03-04 2016-07-27 上海携程商务有限公司 在线客服应答系统及方法
CN106095872A (zh) * 2016-06-07 2016-11-09 北京高地信息技术有限公司 用于智能问答系统的答案排序方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103092863A (zh) * 2011-11-03 2013-05-08 郭亮 一种问卷数据处理方法
US20140006012A1 (en) * 2012-07-02 2014-01-02 Microsoft Corporation Learning-Based Processing of Natural Language Questions
CN103455592A (zh) * 2013-08-30 2013-12-18 广州网易计算机系统有限公司 一种问答方法、装置及系统
CN105630917A (zh) * 2015-12-22 2016-06-01 成都小多科技有限公司 智能应答方法及装置
CN105808694A (zh) * 2016-03-04 2016-07-27 上海携程商务有限公司 在线客服应答系统及方法
CN106095872A (zh) * 2016-06-07 2016-11-09 北京高地信息技术有限公司 用于智能问答系统的答案排序方法及装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107885850A (zh) * 2017-11-13 2018-04-06 中国银行股份有限公司 一种银行业务类问题的定位方法及装置
CN110135870A (zh) * 2018-02-02 2019-08-16 兴业数字金融服务(上海)股份有限公司 用于执行任务的方法、装置、设备和计算机可读存储介质
CN108536861A (zh) * 2018-04-19 2018-09-14 中国科学院重庆绿色智能技术研究院 一种医疗指南的交互式培训方法及其系统
CN109460459A (zh) * 2018-10-31 2019-03-12 神思电子技术股份有限公司 一种基于日志学习的对话系统自动优化方法
CN111309889A (zh) * 2020-02-27 2020-06-19 支付宝(杭州)信息技术有限公司 用于文本处理的方法和装置
CN111309889B (zh) * 2020-02-27 2023-04-14 支付宝(杭州)信息技术有限公司 用于文本处理的方法和装置
CN111740849A (zh) * 2020-06-22 2020-10-02 中国银行股份有限公司 坐席操作系统及方法
CN113407718A (zh) * 2021-06-08 2021-09-17 北京捷通华声科技股份有限公司 题库的生成方法、装置、计算机可读存储介质及处理器

Similar Documents

Publication Publication Date Title
CN107038196A (zh) 一种客服问题回答处理方法及装置
Freeman et al. Understanding the leaky pipeline: perceived barriers to pursuing a career in medicine or dentistry among underrepresented-in-medicine undergraduate students
Shapiro et al. Are all interventions created equal? A multi-threat approach to tailoring stereotype threat interventions.
Kong Globalisation and Singaporean transmigration: Re-imagining and negotiating national identity
WO2019144773A1 (zh) 机器人客服转人工客服的方法和装置
US20150058241A1 (en) Method and apparatus for enhancing job recruiting
Bruun et al. Identifying the stereotypical who, what, and why of physics and biology
US10909192B2 (en) Providing information technology support
CN109062914A (zh) 用户推荐方法和装置,存储介质和服务器
JP6307822B2 (ja) プログラム、コンピュータおよび訓練データ作成支援方法
CN110222010B (zh) 基于区块链的论文保存方法、设备及计算机可读存储介质
US20190051199A1 (en) Certifying User Knowledge and Skills
CN107273992A (zh) 一种规划出行行程的方法和设备
Hamel et al. Challenges and opportunities when implementing strategic foresight: lessons learned when engaging stakeholders in climate-ecological research
Wertheimer A census of Jewish supplementary schools in the United States: 2006-2007
Dommett et al. Did they ‘read before burning’? The coalition and quangos
CN107480894A (zh) 在线教学系统的评分提示方法、装置、服务器及存储介质
Hiyama et al. Question first: Passive interaction model for gathering experience and knowledge from the elderly
Mekinc et al. Educational and training imperatives for future tourism competencies: The case of Slovenia
Smithin et al. Ubi Caritas?—Modelling beliefs about charities
US8265544B1 (en) Educational voting game
Yau et al. Male sex work and masculinities in Hong Kong and Mainland China:“One country, two men”
JP7388790B1 (ja) 処理装置、処理プログラム及び処理方法
Zohni Examining the Role of Patent Quality in Large-Scale" Patent War" Litigation
Walker Patient satisfaction: the past directs the way to the future

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200924

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200924

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170811