CN109242706A - 辅助坐席人员沟通的方法、装置、计算机设备和存储介质 - Google Patents
辅助坐席人员沟通的方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109242706A CN109242706A CN201810950310.8A CN201810950310A CN109242706A CN 109242706 A CN109242706 A CN 109242706A CN 201810950310 A CN201810950310 A CN 201810950310A CN 109242706 A CN109242706 A CN 109242706A
- Authority
- CN
- China
- Prior art keywords
- art
- words
- client
- matching
- library
- 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
Classifications
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Technology Law (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明提出了一种辅助坐席人员沟通的方法、装置、计算机设备和存储介质,其中方法包括:获取客户的聊天信息;将所述聊天信息输入到预设的话术预测模型计算得到预测话术;将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术;根据所述匹配话术调取所述话术库中与所述匹配话术对应的答复进行展示。本发明提出的辅助坐席人员沟通的方法、装置、计算机设备和存储介质,使得坐席人员针对客户提出的问题能及时、准确地进行回答。
Description
技术领域
本发明涉及到计算机技术领域,特别是涉及到一种辅助坐席人员沟通的方法、装置、计算机设备和存储介质。
背景技术
在保险领域中,保险公司的坐席人员通过与客户沟通来推销公司的保险业务,而在与客户沟通的各个环节中,坐席人员是否能及时、准确地回答客户的问题显得非常重要,成为能否让客户购买产品的关键。现有的保险销售时,主要通过坐席人员的经验去和客户进行沟通,这种方式的缺点在于坐席人员很难针对客户提出的问题及时、准确地进行回答,使得成单率不高且客户体验差。
因此提供一种辅助坐席人员进行沟通的方法成为亟待解决的问题。
发明内容
本发明的主要目的为提供一种辅助坐席人员沟通的方法、装置、计算机设备和存储介质,使得坐席人员针对客户提出的问题能及时、准确地进行回答。
本发明提出一种辅助坐席人员沟通的方法,包括:
获取客户的聊天信息;
将所述聊天信息输入到预设的话术预测模型预测得到预测话术,其中,所述话术预测模型通过输入指定量的客户的聊天信息,以及客户的聊天信息所对应的话术作为样本数据进行训练所得,用于根据客户的聊天信息预测得到预测话术;
将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术;
根据所述匹配话术调取所述话术库中与所述匹配话术对应的答复进行展示。
进一步地,所述将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术的步骤,包括:
将所述预测话术与所述话术库中的所有话术逐一进行字符相似度匹配得到相似度达到指定阈值的匹配话术。
进一步地,所述将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术的步骤,包括:
将所述预测话术与所述话术库中的所有话术逐一进行语义相似度匹配得到相似度达到指定阈值的匹配话术。
进一步地,所述获取客户的聊天信息的步骤之前,包括:
调取所述话术库中的流程话术信息进行展示。
进一步地,所述根据所述匹配话术调取所述话术库中与所述匹配话术对应的答复进行展示的步骤之后,包括:
接收坐席人员输入的回复客户的回复信息;
判断所述回复信息中是否存在与不符合规定的词汇匹配的目标词汇;
若是,则生成警示通知。
进一步地,所述获取客户的聊天信息的步骤之后,包括:
分析所述客户的聊天信息获取关于所述客户的个人信息;
将所述个人信息添加至客户信息库。
进一步地,所述将所述个人信息添加至客户信息库的步骤之后,包括:
将所述客户信息库的所述客户的个人信息与所有产品的信息进行多个维度的匹配;
根据匹配结果生成产品推荐名单;
展示产品推荐名单。
本发明提出一种辅助坐席人员沟通的装置,包括:
获取单元,用于获取客户的聊天信息;
计算单元,用于将所述聊天信息输入到预设的话术预测模型预测得到预测话术,其中,所述话术预测模型通过输入指定量的客户的聊天信息,以及客户的聊天信息所对应的话术作为样本数据进行训练所得,用于根据客户的聊天信息预测得到预测话术;
第一匹配单元,用于将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术;
第一展示单元,用于根据所述匹配话术调取所述话术库中与所述匹配话术对应的答复进行展示。
本发明提出一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明提出一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本发明有益效果为:获取客户的聊天信息;将所述聊天信息输入到预设的话术预测模型进行预测得到预测话术,其中,所述话术预测模型通过输入指定量的客户的聊天信息,以及客户的聊天信息所对应的话术作为样本数据进行训练所得,用于根据客户的聊天信息预测得到预测话术;将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术;根据所述匹配话术调取所述话术库中与所述匹配话术对应的答复进行展示;便于坐席人员根据答复中的话术信息回答客户的提问或者较难回答的异议问题,使得坐席人员针对客户提出的问题能及时、准确地进行回答,提高客户的用户体验,进而提高保险产品的成单率。
附图说明
图1为本发明一实施例中的辅助坐席人员沟通的方法的步骤示意图;
图2为本发明另一实施例中的辅助坐席人员沟通的方法的步骤示意图;
图3为本发明又一实施例中的辅助坐席人员沟通的方法的步骤示意图;
图4为本发明还有一实施例中的辅助坐席人员沟通的方法的步骤示意图;
图5为本发明一实施例中的辅助坐席人员沟通的装置的结构示意图;
图6为本发明一实施例中的辅助坐席人员沟通的装置的第一匹配单元的结构示意图;
图7为本发明另一实施例中的辅助坐席人员沟通的装置的第一匹配单元的结构示意图;
图8为本发明另一实施例中的辅助坐席人员沟通的装置的结构示意图;
图9为本发明又一实施例中的辅助坐席人员沟通的装置的结构示意图;
图10为本发明还有一实施例中的辅助坐席人员沟通的装置的结构示意图;
图11为本发明一实施例的计算机设备的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,本实施例中的辅助坐席人员沟通的方法,包括:
步骤S1,获取客户的聊天信息;
步骤S2,将所述聊天信息输入到预设的话术预测模型进行预测得到预测话术,其中,所述话术预测模型通过输入指定量的客户的聊天信息,以及客户的聊天信息所对应的话术作为样本数据进行训练所得,用于根据客户的聊天信息预测得到预测话术;
步骤S3,将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术;
步骤S4,根据所述匹配话术调取所述话术库中与所述匹配话术对应的答复进行展示。
在步骤S1,在本实施例中,保险公司的坐席人员与客户进行沟通来推销公司的保险产品,而针对客户在聊天过程中的提问或者提出的较难回答的异议问题,坐席人员及时对上述提问或者提出的较难回答的异议问题进行合理的回复显得非常重要。本实施例中的辅助坐席人员沟通的方法需要先获取客户的聊天信息,其中客户的聊天信息主要为客户的提问,例如咨询产品的提问;还可以为提出的较难回答的异议问题,例如客户提出的“对产品不感兴趣”、“产品太贵,没有额外的钱能进行购买”等问题。
在步骤S2,由于客户会在聊天过程中进行提问或提出的较难回答的异议问题,使得坐席人员在面对上述问题时很难及时、准确地进行回答,因此对于获取的客户的聊天信息,将上述聊天信息输入到预设的话术预测模型进行预测得到预测话术,上述话术预测模型为训练好的模型。其中对上述话术预测模型进行训练的方法包括,先获取大量的样本数据,并将上述样本数据分成训练集和测试集,其中上述样本数据包括客户的聊天信息,以及与客户的聊天信息所对应的话术,上述与客户的聊天信息所对应的话术指的是针对客户的聊天信息的语气词进行删除过、以及将聊天信息中的关键词进行筛选处理之后的聊天信息。将上述训练集的样本数据输入到预设的话术预测模型中进行训练,得到用于根据客户的聊天信息预测得到预测话术的结果训练模型。对于训练得到的结果训练模型,将测试集的样本数据中的已知话术的客户的聊天信息输入到结果训练模型预测得到预测话术,通过将已知话术与预测得到预测话术进行对比,验证是否达到要求,当验证通过后,上述话术预测模型通过输入客户的聊天信息即可预测得到预测话术。
在步骤S3中,对于预测得到的预测话术,将上述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术,其中预设的话术库为存储有很多话术信息的信息库,对于不同提问或较难回答的异议问题,话术库会存储有针对上述不同提问或较难回答的异议问题的话术信息,以及对应上述问题所设置的合理答复的话术信息。将上述预测话术与预设的话术库中的所有话术逐一进行相似度匹配的方式主要包括语义相似度和字符相似度的匹配,其目的是为了将客户的聊天信息中的提问或较难回答的异议问题所对应的预测话术与话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术,需要说明的是,对于语义相似度和字符相似度两种匹配方法所对应的阈值一般不同。通过上述匹配话术实现在话术库找出与客户的提问或较难回答的异议问题具有一定相似度的提问或较难回答的异议问题。
在步骤S4中,根据上述匹配话术调取所述话术库中与上述匹配话术对应的答复进行展示,即将话术库中的对应上述问题所设置的合理答复的话术信息调取出来并展示,便于坐席人员根据答复的话术信息回答客户的提问或者较难回答的异议问题,使得坐席人员针对客户提出的问题能及时、准确地进行回答,提高客户的用户体验,进而提高保险产品的成单率。
本实施例中的辅助坐席人员沟通的方法,所述将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术的步骤S3,包括:
步骤S31,将所述预测话术与所述话术库中的所有话术逐一进行字符相似度匹配得到相似度达到指定阈值的匹配话术。
对于客户聊天信息中的提问或较难回答的异议问题,为了保证坐席人员能及时、准确地进行回答,会将上述预测话术与上述话术库中的所有话术逐一进行字符相似度匹配,其中进行字符相似度匹配的方法具体为将上述预测话术的文字部分提取出来,并组成多个字符串,并将上述字符串与话术库中预存的提问或较难回答的异议问题进行字符串匹配。当该字符串与话术库中预存的某个提问或较难回答的异议问题进行字符串匹配时的相似度百分比达到指定阈值时,则判定该字符串与话术库中预存这个提问或较难回答的异议问题匹配度较高,将话术库中对应上述问题所设置的合理答复的话术信息调取出来并展示给坐席人员,便于坐席人员能根据该话术信息进行回答。例如,当预测话术为“产品太贵,没钱购买”,而预设的话术库中包含“当客户提出产品太贵时,可以采取以下几种方式回答?”这个话术;由于预测话术中包含有“产品”、“贵”、“没钱”以及“购买”等字符串,其正好与预存的话术库包含有较难回答的异议问题“当客户提出产品太贵时,可以采取以下几种方式回答?”的话术能匹配成功,上述话术即为匹配话术。需要说明的是,将根据字符串匹配的个数来说明相似度大小,例如超过两个以上的字符串匹配成功即可判定达到预设条件。此时将上述话术库达到预设匹配条件时的问题所设置合理答复的话术信息调取出来,并进行展示。
本实施例中的辅助坐席人员沟通的方法,所述将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术的步骤S3,包括:
步骤S32,将所述预测话术与所述话术库中的所有话术逐一进行语义相似度匹配得到相似度达到指定阈值的匹配话术。
对于客户聊天信息中的提问或较难回答的异议问题,为了保证坐席人员能及时、准确地进行回答,会将上述预测话术与预设的话术库中的所有话术逐一进行语义相似度匹配,其中进行语义相似度匹配的方法具体为将上述预测话术的整个句子或者问题通过预设的NLP(自然语言模型)模型转换成向量段;其中上述预设的NLP模型通过输入大量客户的聊天信息的语句,以及该语句对应的向量段进行训练所得;在NLP模型训练完成之后,在将客户聊天信息的整个句子或者问题输入到训练好的NLP模型中时,NLP模型将输出对应的向量段。
对于得到向量段,将上述向量段与话术库中的所有话术对应的句向量或者段向量逐一进行匹配得到相似度达到指定阈值的匹配话术,其中句向量或者段向量为与话术库中的所有提问或较难回答的异议问题进行对应设置的向量。当上述向量段与话术库中预存的某个句向量或者段向量的相似百分比达到指定阈值时,则判定匹配成功,上述句向量或者段向量所对应的话术即为匹配话术。当匹配成功时,则在话术库对于上述问题设置合理答复的话术信息调取出来,并进行展示。
参照图2,另一实施例中的辅助坐席人员沟通的方法,所述获取客户的聊天信息的步骤S1之前,包括:
步骤S101,调取所述话术库中的流程话术信息进行展示。
上述话术库中还存储有流程话术信息,其中上述流程话术信息包括多种信息,上述流程话术信息用于指导坐席人员在保险产品销售的各个环节应该如何与客户沟通,例如在开场白、接洽、产品介绍、对比分析等各个环节中,坐席人员应该如何进行沟通的指导信息,便于坐席人员能更好的进行沟通。当坐席人员输入获取流程话术的指令后,将调取所述话术库中的流程话术信息进行展示。
参照图3,又一实施例中的辅助坐席人员沟通的方法,所述根据所述匹配话术调取所述话术库中与所述匹配话术对应的答复进行展示的步骤S4之后,包括:
步骤S5,接收坐席人员输入的回复客户的回复信息;
步骤S6,判断所述回复信息中是否存在与不符合规定的词汇匹配的目标词汇;
步骤S7,若是,则生成警示通知。
坐席人员在与客户进行聊天时,为了避免坐席人员的回复中存在着对话方式的问题或言辞的问题,需要对坐席人员的回复进行实时分析,其中进行实时分析的方法具体包括接收坐席人员输入的回复客户的回复信息,判断上述回复信息中是否存在与不符合规定的词汇匹配的目标词汇。其中判断上述回复信息中是否存在与不符合规定的词汇匹配的目标词汇的方法为将坐席人员的回复信息提取出来,得到多个字符串,将上述多个字符串与预存的话术库中的不符合规定的目标词汇匹配,其中上述不符合规定的目标词汇包括一些敏感词、辱骂词,当上述多个字符串中存在至少一个字符串与预存的话术库中不符合规定的目标词汇匹配成功时,则将生成提醒坐席人员注意说话方式的警示通知,使得坐席人员能及时注意到自己的说话方式,及时进行改正。
参照图4,还有一实施例中的辅助坐席人员沟通的方法,所述获取客户的聊天信息的步骤S1之后,包括:
步骤S201,分析所述客户的聊天信息获取关于所述客户的个人信息。
步骤S202,将所述个人信息添加至客户信息库。。
对于客户与坐席人员之间的聊天信息,其中包含有很多客户的个人信息,例如姓名、职业、城市、家庭情况和收入等,对于上述客户的个人信息以查找关键词的方式将其从客户的聊天信息获取出来,将上述个人信息添加至客户信息库中。上述客户信息库用于存储所有客户的所有个人信息,并根据姓名、职业、城市、家庭情况和收入等多种个人信息设置多种类型的信息填充项。从而建立所有客户的客户信息库,便于查找该客户的所有个人信息。
对于某个客户的个人信息已经添加至客户信息库后,当需要直接获取该客户的所有个人信息时,输入该客户的某个类型的个人信息,例如姓名作为字段进行搜索,此时将调取该客户的所有个人信息,便于坐席人员了解客户更多的个人信息,从而方便与客户进行沟通。
本实施例中的辅助坐席人员沟通的方法,所述将所述个人信息添加至客户信息库的步骤S202之后,包括:
步骤S203,将所述客户信息库的所述客户的个人信息与所有产品的信息进行多个维度的匹配;
步骤S204,根据匹配结果生成产品推荐名单;
步骤S205,展示产品推荐名单。
对客户的所有个人信息进行分析,根据分析结果推荐相应的产品的方法具体包括,将上述客户的所有个人信息进行分析,判断该用户适用于哪些产品。需要指出的是,保险公司的产品一般适用于某些特殊人群,例如,交通意外险产品适用于满足成年的年龄条件、具有驾照、有车条件或职业为司机的客户。通过对公司所有产品需要满足的条件与用户在不同维度的个人信息进行匹配,当某个产品只要有两个或者两个以上的维度信息匹配成功,则将产品添加至产品推荐名单中,将所有上述条件的产品生成产品推荐名单。展示生成的产品推荐名单,便于坐席人员根据产品推荐名单向客户推荐相应的产品。
优选地,获取客户的聊天信息之后,还包括:将所述聊天信息输入到预设的话题分析模型中进行预测得到预测话题;展示所述预测话题。
该预设的话题分析模型通过输入大量语料进行训练所得,话题分析模型训练完成之后,在将客户聊天信息输入到训练好的话题分析模型中时,话题分析模型将预测得到预测话题,从而使得坐席人员能根据客户感兴趣的话题与客户进行聊天,获取用户的好感度。
优选地,根据坐席人员与所有客户沟通之后客户购买产品的概率,来给坐席人员进行不同等级的评分,对于与客户沟通之后的客户购买产品的概率越高的坐席人员,坐席人员的评分越高,从而实现根据不同的评分对坐席人员进行不同的奖励。
参照图5,本实施例中的辅助坐席人员沟通的装置,包括:
获取单元10,用于获取客户的聊天信息;
计算单元20,用于将所述聊天信息输入到预设的话术预测模型进行预测得到预测话术,其中,所述话术预测模型通过输入指定量的客户的聊天信息,以及客户的聊天信息所对应的话术作为样本数据进行训练所得,用于根据客户的聊天信息预测得到预测话术;
第一匹配单元30,用于将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术;
第一展示单元40,用于根据所述匹配话术调取所述话术库中与所述匹配话术对应的答复进行展示。
在本实施例中,保险公司的坐席人员与客户进行沟通来推销公司的保险产品,而针对客户在聊天过程中的提问或者提出的较难回答的异议问题,坐席人员及时对上述提问或者提出的较难回答的异议问题进行合理的回复显得非常重要。获取单元10获取客户的聊天信息,其中客户的聊天信息主要为客户的提问,例如咨询产品的提问;还可以为提出的较难回答的异议问题,例如客户提出的“对产品不感兴趣”、“产品太贵,没有额外的钱能进行购买”等问题。
由于客户会在聊天过程中进行提问或提出的较难回答的异议问题,使得坐席人员在面对上述问题时很难及时、准确地进行回答,因此对于获取的客户的聊天信息,计算单元20将上述聊天信息输入到预设的话术预测模型进行预测得到预测话术,上述话术预测模型为训练好的模型。其中对上述话术预测模型进行训练的方法包括,先获取大量的样本数据,并将上述样本数据分成训练集和测试集,其中上述样本数据包括客户的聊天信息,以及与客户的聊天信息所对应的话术,上述与客户的聊天信息所对应的话术指的是针对客户的聊天信息的语气词进行删除过、以及将聊天信息中的关键词进行筛选处理之后的聊天信息。将上述训练集的样本数据输入到预设的话术预测模型中进行训练,得到用于根据客户的聊天信息预测得到预测话术的结果训练模型。对于训练得到的结果训练模型,将测试集的样本数据中的已知话术的客户的聊天信息输入到结果训练模型预测得到预测话术,通过将已知话术与预测得到预测话术进行对比,验证是否达到要求,当验证通过后,上述话术预测模型通过输入客户的聊天信息即可预测得到预测话术。
对于预测得到的预测话术,第一匹配单元30将上述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术,其中预设的话术库为存储有很多话术信息的信息库,对于不同提问或较难回答的异议问题,话术库会存储有针对上述不同提问或较难回答的异议问题的话术信息,以及对应上述问题所设置的合理答复的话术信息。将上述预测话术与预设的话术库中的所有话术逐一进行相似度匹配的方式主要包括语义相似度和字符相似度的匹配,其目的是为了将客户的聊天信息中的提问或较难回答的异议问题所对应的预测话术与话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术,需要说明的是,对于语义相似度和字符相似度两种匹配方法所对应的阈值一般不同。通过上述匹配话术实现在话术库找出与客户的提问或较难回答的异议问题具有一定相似度的提问或较难回答的异议问题。
第一展示单元40根据上述匹配话术调取所述话术库中与上述匹配话术对应的答复进行展示,即将话术库中的对应上述问题所设置的合理答复的话术信息调取出来并展示,便于坐席人员根据答复的话术信息回答客户的提问或者较难回答的异议问题,使得坐席人员针对客户提出的问题能及时、准确地进行回答,提高客户的用户体验,进而提高保险产品的成单率。
参照图6,本实施例中的辅助坐席人员沟通的装置,所述第一匹配单元30包括:
第一匹配模块31,用于将所述预测话术与所述话术库中的所有话术逐一进行字符相似度匹配得到相似度达到指定阈值的匹配话术。
对于客户聊天信息中的提问或较难回答的异议问题,为了保证坐席人员能及时、准确地进行回答,第一匹配模块31会将上述预测话术与上述话术库中的所有话术逐一进行符面相似度匹配,其中进行字符相似度匹配的方法具体为将上述预测话术的文字部分提取出来,并组成多个字符串,并将上述字符串与话术库中预存的提问或较难回答的异议问题进行字符串匹配。当该字符串与话术库中预存的某个提问或较难回答的异议问题进行字符串匹配时的相似度百分比达到指定阈值时,则判定该字符串与话术库中预存这个提问或较难回答的异议问题匹配度较高,将话术库中对应上述问题所设置的合理答复的话术信息调取出来并展示给坐席人员,便于坐席人员能根据该话术信息进行回答。例如,当预测话术为“产品太贵,没钱购买”,而预设的话术库中包含“当客户提出产品太贵时,可以采取以下几种方式回答?”这个话术;由于预测话术中包含有“产品”、“贵”、“没钱”以及“购买”等字符串,其正好与预存的话术库包含有较难回答的异议问题“当客户提出产品太贵时,可以采取以下几种方式回答?”的话术能匹配成功,上述话术即为匹配话术。需要说明的是,将根据字符串匹配的个数来说明相似度大小,例如超过两个以上的字符串匹配成功即可判定达到预设条件。此时将上述话术库达到预设匹配条件时的问题所设置合理答复的话术信息调取出来,并进行展示。
参照图7,另一实施例中的辅助坐席人员沟通的装置,所述第一匹配单元30包括:
第二匹配模块32,用于将所述预测话术与所述话术库中的所有话术逐一进行语义相似度匹配得到相似度达到指定阈值的匹配话术。
对于客户聊天信息中的提问或较难回答的异议问题,为了保证坐席人员能及时、准确地进行回答,第二匹配模块32会将上述预测话术与预设的话术库中的所有话术逐一进行语义相似度匹配,其中进行语义相似度匹配的方法具体为将上述预测话术的整个句子或者问题通过预设的NLP(自然语言模型)模型转换成向量段;其中上述预设的NLP模型通过输入大量客户的聊天信息的语句,以及该语句对应的向量段进行训练所得;在NLP模型训练完成之后,在将客户聊天信息的整个句子或者问题输入到训练好的NLP模型中时,NLP模型将输出对应的向量段。
对于得到向量段,第二匹配模块32将上述向量段与话术库中的所有话术对应的句向量或者段向量逐一进行匹配得到相似度达到指定阈值的匹配话术,其中句向量或者段向量为与话术库中的所有提问或较难回答的异议问题进行对应设置的向量。当上述向量段与话术库中预存的某个句向量或者段向量的相似百分比达到指定阈值时,则判定匹配成功,上述句向量或者段向量所对应的话术即为匹配话术。当匹配成功时,则在话术库对于上述问题设置合理答复的话术信息调取出来,并进行展示。
参照图8,另一实施例中的辅助坐席人员沟通的装置,还包括:
第二展示单元101,用于调取所述话术库中的流程话术信息进行展示。
上述话术库中还存储有流程话术信息,其中上述流程话术信息包括多种信息,上述流程话术信息用于指导坐席人员在保险产品销售的各个环节应该如何与客户沟通,例如在开场白、接洽、产品介绍、对比分析等各个环节中,坐席人员应该如何进行沟通的指导信息,便于坐席人员能更好的进行沟通。当坐席人员输入获取流程话术的指令后,第二展示单元101将调取所述话术库中的流程话术信息进行展示。
参照图9,又一实施例中的辅助坐席人员沟通的装置,还包括:
接收单元50,用于接收坐席人员输入的回复客户的回复信息;
判断单元60,用于判断所述回复信息中是否存在与不符合规定的词汇匹配的目标词汇;
第一生成单元70,用于当所述回复信息中存在与不符合规定的词汇匹配的目标词汇时,则生成警示通知。
坐席人员在与客户进行聊天时,为了避免坐席人员的回复中存在着对话方式的问题或言辞的问题,需要对坐席人员的回复进行实时分析,其中接收单元50接收坐席人员输入的回复客户的回复信息,判断单元60判断上述回复信息中是否存在与不符合规定的词汇匹配的目标词汇。其中判断上述回复信息中是否存在与不符合规定的词汇匹配的目标词汇的方法为将坐席人员的回复信息提取出来,得到多个字符串,将上述多个字符串与预存的话术库中的不符合规定的目标词汇匹配,其中上述不符合规定的目标词汇包括一些敏感词、辱骂词,当上述多个字符串中存在至少一个字符串与预存的话术库中不符合规定的目标词汇匹配成功时,第一生成单元70则将生成提醒坐席人员注意说话方式的警示通知,使得坐席人员能及时注意到自己的说话方式,及时进行改正。
参照图10,还有一实施例中的辅助坐席人员沟通的装置,还包括:
分析单元201,用于分析所述客户的聊天信息获取关于所述客户的个人信息。
添加单元202,用于将所述个人信息添加至客户信息库。
对于客户与坐席人员之间的聊天信息,其中包含有很多客户的个人信息,例如姓名、职业、城市、家庭情况和收入等,分析单元201对于上述客户的个人信息以查找关键词的方式将其从客户的聊天信息获取出来,添加单元202将上述个人信息添加至客户信息库中。上述客户信息库用于存储所有客户的所有个人信息,并根据姓名、职业、城市、家庭情况和收入等多种个人信息设置多种类型的信息填充项。从而建立所有客户的客户信息库,便于查找该客户的所有个人信息。
对于某个客户的个人信息已经添加至客户信息库后,当需要直接获取该客户的所有个人信息时,输入该客户的某个类型的个人信息,例如姓名作为字段进行搜索,此时将调取该客户的所有个人信息,便于坐席人员了解客户更多的个人信息,从而方便与客户进行沟通。
本实施例中的辅助坐席人员沟通的装置,还包括:
第二匹配单元203,用于将所述客户信息库的所述客户的个人信息与所有产品的信息进行多个维度的匹配;
第二生成单元204,根据匹配结果生成产品推荐名单;
第三展示单元205,展示产品推荐名单。
对客户的所有个人信息进行分析,根据分析结果推荐相应的产品的方法具体包括,将上述客户的所有个人信息进行分析,判断该用户适用于哪些产品。需要指出的是,保险公司的产品一般适用于某些特殊人群,例如,交通意外险产品适用于满足成年的年龄条件、具有驾照、有车条件或职业为司机的客户。第二匹配单元203通过对公司所有产品需要满足的条件与用户在不同维度的个人信息进行匹配,当某个产品只要有两个或者两个以上的维度信息匹配成功,则将产品添加至产品推荐名单中,第二生成单元204将所有上述条件的产品生成产品推荐名单。第三展示单元205展示生成的产品推荐名单,便于坐席人员根据产品推荐名单向客户推荐相应的产品。
优选地,获取客户的聊天信息之后,还包括:将所述聊天信息输入到预设的话题分析模型中进行预测得到预测话题;展示所述预测话题。
该预设的话题分析模型通过输入大量语料进行训练所得,话题分析模型训练完成之后,在将客户聊天信息输入到训练好的话题分析模型中时,话题分析模型将预测得到预测话题,从而使得坐席人员能根据客户感兴趣的话题与客户进行聊天,获取用户的好感度。
优选地,根据坐席人员与所有客户沟通之后客户购买产品的概率,来给坐席人员进行不同等级的评分,对于与客户沟通之后的客户购买产品的概率越高的坐席人员,坐席人员的评分越高,从而实现根据不同的评分对坐席人员进行不同的奖励。
参照图11,本发明实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于预设辅助坐席人员沟通的方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现辅助坐席人员沟通的方法。
上述处理器执行上述辅助坐席人员沟通的方法的步骤:获取客户的聊天信息;将上述聊天信息输入到预设的话术预测模型进行预测得到预测话术,其中,上述话术预测模型通过输入指定量的客户的聊天信息,以及客户的聊天信息所对应的话术作为样本数据进行训练所得,用于根据客户的聊天信息预测得到预测话术;将上述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术;根据上述匹配话术调取上述话术库中与上述匹配话术对应的答复进行展示。
上述计算机设备,上述将上述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术的步骤,包括:将上述预测话术与上述话术库中的所有话术逐一进行字符相似度匹配得到相似度达到指定阈值的匹配话术。
在一个实施例中,上述将上述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术的步骤,包括:
将上述预测话术与上述话术库中的所有话术逐一进行语义相似度匹配得到相似度达到指定阈值的匹配话术。
在一个实施例中,上述获取客户的聊天信息的步骤之前,包括:调取上述话术库中的流程话术信息进行展示。
在一个实施例中,上述根据上述匹配话术调取上述话术库中与上述匹配话术对应的答复进行展示的步骤之后,包括:接收坐席人员输入的回复客户的回复信息;判断上述回复信息中是否存在与不符合规定的词汇匹配的目标词汇;若是,则生成警示通知。
在一个实施例中,上述获取客户的聊天信息的步骤之后,包括:分析上述客户的聊天信息获取关于上述客户的个人信息;将上述个人信息添加至客户信息库。
在一个实施例中,上述将上述个人信息添加至客户信息库的步骤之后,包括:将上述客户信息库的上述客户的个人信息与所有产品的信息进行多个维度的匹配;根据匹配结果生成产品推荐名单;展示产品推荐名单。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本发明一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种辅助坐席人员沟通的方法,具体为:获取客户的聊天信息;将上述聊天信息输入到预设的话术预测模型进行预测得到预测话术,其中,上述话术预测模型通过输入指定量的客户的聊天信息,以及客户的聊天信息所对应的话术作为样本数据进行训练所得,用于根据客户的聊天信息预测得到预测话术;将上述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术;根据上述匹配话术调取上述话术库中与上述匹配话术对应的答复进行展示。
上述计算机可读存储介质,上述将上述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术的步骤,包括:将上述预测话术与上述话术库中的所有话术逐一进行字符相似度匹配得到相似度达到指定阈值的匹配话术。
在一个实施例中,上述将上述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术的步骤,包括:
将上述预测话术与上述话术库中的所有话术逐一进行语义相似度匹配得到相似度达到指定阈值的匹配话术。
在一个实施例中,上述获取客户的聊天信息的步骤之前,包括:调取上述话术库中的流程话术信息进行展示。
在一个实施例中,上述根据上述匹配话术调取上述话术库中与上述匹配话术对应的答复进行展示的步骤之后,包括:接收坐席人员输入的回复客户的回复信息;判断上述回复信息中是否存在与不符合规定的词汇匹配的目标词汇;若是,则生成警示通知。
在一个实施例中,上述获取客户的聊天信息的步骤之后,包括:分析上述客户的聊天信息获取关于上述客户的个人信息;将上述个人信息添加至客户信息库。
在一个实施例中,上述将上述个人信息添加至客户信息库的步骤之后,包括:将上述客户信息库的上述客户的个人信息与所有产品的信息进行多个维度的匹配;根据匹配结果生成产品推荐名单;展示产品推荐名单。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储与一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM一多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述,获取客户的聊天信息;将所述聊天信息输入到预设的话术预测模型进行预测得到预测话术,其中,所述话术预测模型通过输入指定量的客户的聊天信息,以及客户的聊天信息所对应的话术作为样本数据进行训练所得,用于根据客户的聊天信息预测得到相似度达到指定阈值的预测话术;将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到匹配话术;根据所述匹配话术调取所述话术库中与所述匹配话术对应的答复进行展示;便于坐席人员根据答复中的话术信息回答客户的提问或者较难回答的异议问题,使得坐席人员针对客户提出的问题能及时、准确地进行回答,提高客户的用户体验,进而提高保险产品的成单率。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种辅助坐席人员沟通的方法,其特征在于,包括:
获取客户的聊天信息;
将所述聊天信息输入到预设的话术预测模型进行预测得到预测话术,其中,所述话术预测模型通过输入指定量的客户的聊天信息,以及客户的聊天信息所对应的话术作为样本数据进行训练所得,用于根据客户的聊天信息预测得到预测话术;
将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术;
根据所述匹配话术调取所述话术库中与所述匹配话术对应的答复进行展示。
2.根据权利要求1所述的辅助坐席人员沟通的方法,其特征在于,所述将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术的步骤,包括:
将所述预测话术与所述话术库中的所有话术逐一进行字符相似度匹配得到相似度达到指定阈值的匹配话术。
3.根据权利要求1所述的辅助坐席人员沟通的方法,其特征在于,所述将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术的步骤,包括:
将所述预测话术与所述话术库中的所有话术逐一进行语义相似度匹配得到相似度达到指定阈值的匹配话术。
4.根据权利要求1所述的辅助坐席人员沟通的方法,其特征在于,所述获取客户的聊天信息的步骤之前,包括:
调取所述话术库中的流程话术信息进行展示。
5.根据权利要求1所述的辅助坐席人员沟通的方法,其特征在于,所述根据所述匹配话术调取所述话术库中与所述匹配话术对应的答复进行展示的步骤之后,包括:
接收坐席人员输入的回复客户的回复信息;
判断所述回复信息中是否存在与不符合规定的词汇匹配的目标词汇;
若是,则生成警示通知。
6.根据权利要求1所述的辅助坐席人员沟通的方法,其特征在于,所述获取客户的聊天信息的步骤之后,包括:
分析所述客户的聊天信息获取关于所述客户的个人信息;
将所述个人信息添加至客户信息库。
7.根据权利要求6所述的辅助坐席人员沟通的方法,其特征在于,所述将所述个人信息添加至客户信息库的步骤之后,包括:
将所述客户信息库的所述客户的个人信息与所有产品的信息进行多个维度的匹配;
根据匹配结果生成产品推荐名单;
展示产品推荐名单。
8.一种辅助坐席人员沟通的装置,其特征在于,包括:
获取单元,用于获取客户的聊天信息;
计算单元,用于将所述聊天信息输入到预设的话术预测模型进行预测得到预测话术,其中,所述话术预测模型通过输入指定量的客户的聊天信息,以及客户的聊天信息所对应的话术作为样本数据进行训练所得,用于根据客户的聊天信息预测得到预测话术;
第一匹配单元,用于将所述预测话术与预设的话术库中的所有话术逐一进行相似度匹配得到相似度达到指定阈值的匹配话术;
第一展示单元,用于根据所述匹配话术调取所述话术库中与所述匹配话术对应的答复进行展示。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810950310.8A CN109242706A (zh) | 2018-08-20 | 2018-08-20 | 辅助坐席人员沟通的方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810950310.8A CN109242706A (zh) | 2018-08-20 | 2018-08-20 | 辅助坐席人员沟通的方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109242706A true CN109242706A (zh) | 2019-01-18 |
Family
ID=65070910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810950310.8A Pending CN109242706A (zh) | 2018-08-20 | 2018-08-20 | 辅助坐席人员沟通的方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242706A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110032630A (zh) * | 2019-03-12 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 话术推荐设备、方法及模型训练设备 |
CN110059000A (zh) * | 2019-03-15 | 2019-07-26 | 深圳壹账通智能科技有限公司 | 聊天剧本测试控制方法、装置、计算机设备及存储介质 |
CN110472017A (zh) * | 2019-08-21 | 2019-11-19 | 佰聆数据股份有限公司 | 一种话术分析和话题点识别匹配的方法及系统 |
CN111522937A (zh) * | 2020-05-15 | 2020-08-11 | 支付宝(杭州)信息技术有限公司 | 话术推荐方法、装置和电子设备 |
CN111767386A (zh) * | 2020-07-31 | 2020-10-13 | 腾讯科技(深圳)有限公司 | 对话处理方法、装置、电子设备及计算机可读存储介质 |
CN112328781A (zh) * | 2020-11-30 | 2021-02-05 | 北京博瑞彤芸科技股份有限公司 | 一种消息推荐方法、系统及电子设备 |
CN113254621A (zh) * | 2021-06-21 | 2021-08-13 | 中国平安人寿保险股份有限公司 | 坐席通话提示方法、装置、计算机设备及存储介质 |
CN113743129A (zh) * | 2021-09-30 | 2021-12-03 | 平安科技(深圳)有限公司 | 基于神经网络的信息推送方法、系统、设备及介质 |
CN113821625A (zh) * | 2021-10-11 | 2021-12-21 | 中国平安人寿保险股份有限公司 | 基于人工智能的话术推荐方法、装置、设备及介质 |
CN114040055A (zh) * | 2021-10-13 | 2022-02-11 | 北京博瑞彤芸科技股份有限公司 | 一种辅助保险业务员进行沟通的方法、系统和电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016045479A1 (zh) * | 2014-09-25 | 2016-03-31 | 北京橙鑫数据科技有限公司 | 客服电话处理方法及装置 |
WO2017041370A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机聊天方法和装置 |
CN106649405A (zh) * | 2015-11-04 | 2017-05-10 | 陈包容 | 一种获取聊天发起句的回复提示内容的方法及装置 |
CN107729443A (zh) * | 2017-09-29 | 2018-02-23 | 平安科技(深圳)有限公司 | 贷款产品推广方法、装置及计算机可读存储介质 |
WO2018036152A1 (zh) * | 2016-08-23 | 2018-03-01 | 平安科技(深圳)有限公司 | 投保单信息更新方法、管理服务器及计算机可读存储介质 |
-
2018
- 2018-08-20 CN CN201810950310.8A patent/CN109242706A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016045479A1 (zh) * | 2014-09-25 | 2016-03-31 | 北京橙鑫数据科技有限公司 | 客服电话处理方法及装置 |
WO2017041370A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机聊天方法和装置 |
CN106649405A (zh) * | 2015-11-04 | 2017-05-10 | 陈包容 | 一种获取聊天发起句的回复提示内容的方法及装置 |
WO2018036152A1 (zh) * | 2016-08-23 | 2018-03-01 | 平安科技(深圳)有限公司 | 投保单信息更新方法、管理服务器及计算机可读存储介质 |
CN107729443A (zh) * | 2017-09-29 | 2018-02-23 | 平安科技(深圳)有限公司 | 贷款产品推广方法、装置及计算机可读存储介质 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110032630B (zh) * | 2019-03-12 | 2023-04-18 | 创新先进技术有限公司 | 话术推荐设备、方法及模型训练设备 |
CN110032630A (zh) * | 2019-03-12 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 话术推荐设备、方法及模型训练设备 |
CN110059000A (zh) * | 2019-03-15 | 2019-07-26 | 深圳壹账通智能科技有限公司 | 聊天剧本测试控制方法、装置、计算机设备及存储介质 |
CN110472017A (zh) * | 2019-08-21 | 2019-11-19 | 佰聆数据股份有限公司 | 一种话术分析和话题点识别匹配的方法及系统 |
CN111522937A (zh) * | 2020-05-15 | 2020-08-11 | 支付宝(杭州)信息技术有限公司 | 话术推荐方法、装置和电子设备 |
CN111522937B (zh) * | 2020-05-15 | 2023-04-28 | 支付宝(杭州)信息技术有限公司 | 话术推荐方法、装置和电子设备 |
CN111767386A (zh) * | 2020-07-31 | 2020-10-13 | 腾讯科技(深圳)有限公司 | 对话处理方法、装置、电子设备及计算机可读存储介质 |
CN111767386B (zh) * | 2020-07-31 | 2023-11-17 | 腾讯科技(深圳)有限公司 | 对话处理方法、装置、电子设备及计算机可读存储介质 |
CN112328781A (zh) * | 2020-11-30 | 2021-02-05 | 北京博瑞彤芸科技股份有限公司 | 一种消息推荐方法、系统及电子设备 |
CN113254621A (zh) * | 2021-06-21 | 2021-08-13 | 中国平安人寿保险股份有限公司 | 坐席通话提示方法、装置、计算机设备及存储介质 |
CN113254621B (zh) * | 2021-06-21 | 2024-06-14 | 中国平安人寿保险股份有限公司 | 坐席通话提示方法、装置、计算机设备及存储介质 |
CN113743129A (zh) * | 2021-09-30 | 2021-12-03 | 平安科技(深圳)有限公司 | 基于神经网络的信息推送方法、系统、设备及介质 |
WO2023050669A1 (zh) * | 2021-09-30 | 2023-04-06 | 平安科技(深圳)有限公司 | 基于神经网络的信息推送方法、系统、设备及介质 |
CN113743129B (zh) * | 2021-09-30 | 2023-09-26 | 平安科技(深圳)有限公司 | 基于神经网络的信息推送方法、系统、设备及介质 |
CN113821625A (zh) * | 2021-10-11 | 2021-12-21 | 中国平安人寿保险股份有限公司 | 基于人工智能的话术推荐方法、装置、设备及介质 |
CN114040055A (zh) * | 2021-10-13 | 2022-02-11 | 北京博瑞彤芸科技股份有限公司 | 一种辅助保险业务员进行沟通的方法、系统和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242706A (zh) | 辅助坐席人员沟通的方法、装置、计算机设备和存储介质 | |
US20230164098A1 (en) | Machine natural language processing for summarization and sentiment analysis | |
US20240086793A1 (en) | Omnichannel, intelligent, proactive virtual agent | |
US20180053114A1 (en) | Artificial intelligence for context classifier | |
WO2018183473A1 (en) | Time-based ensemble machine learning model | |
Nivetha et al. | Developing a prediction model for stock analysis | |
KR20180117800A (ko) | 자산 포트폴리오 추천 방법 | |
US20150142706A1 (en) | Systems and Methods for Creating and Implementing an Artificially Intelligent Agent or System | |
CN113688221A (zh) | 基于模型的话术推荐方法、装置、计算机设备和存储介质 | |
El-Ansari et al. | Sentiment analysis for personalized chatbots in e-commerce applications | |
US11538029B2 (en) | Integrated machine learning and blockchain systems and methods for implementing an online platform for accelerating online transacting | |
Liu et al. | Identifying individual expectations in service recovery through natural language processing and machine learning | |
CN112288279A (zh) | 基于自然语言处理和线性回归的业务风险评估方法和装置 | |
Alazzam et al. | Artificial intelligence chatbots: a survey of classical versus deep machine learning techniques | |
Zhang et al. | Modeling and prediction of stock price with convolutional neural network based on blockchain interactive information | |
Alquhtani et al. | Development of Effective Electronic Customer Relationship Management (ECRM) Model by the Applications of Web Intelligence Analytics | |
CN117290508A (zh) | 一种基于自然语言处理的贷后文本数据处理方法和系统 | |
Vysotska et al. | Sentiment Analysis of Information Space as Feedback of Target Audience for Regional E-Business Support in Ukraine. | |
Harrag et al. | Event extraction based on deep learning in food hazard Arabic texts | |
CA3155717A1 (en) | Method of realizing configurable intelligent voice robot, device and storage medium | |
Lo et al. | From ELIZA to ChatGPT: The Evolution of NLP and Financial Applications | |
Dhanasekaren et al. | A study on the impact of sentiment analysis on stock market prediction | |
CN114239602A (zh) | 会话方法、装置和计算机程序产品 | |
CN109254993A (zh) | 一种基于文本的性格数据分析方法及系统 | |
US20230412686A1 (en) | Resolving polarity of hosted data streams |
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 |