CN109302541A - 电子装置、坐席分配方法和计算机可读存储介质 - Google Patents

Abstract

本发明涉及声纹识别技术，揭露了一种坐席分配方法，该方法包括：获取进线客户的电话号码，查询进线客户的电话号码对应的身份信息；若未查询到，则获取进线客户的语音数据并从中提取出声纹特征；确定提取出的声纹特征所对应的身份信息；从客户信息库获取确定的身份信息对应的敏感标签和业务信息；根据坐席等级与敏感标签的映射关系，确定该获取的敏感标签对应的第一坐席等级，从第一坐席等级的各个坐席中选择一个闲置状态的坐席，将进线客户转接至选中的坐席，并将获取的业务信息发送到选中的坐席的终端。本发明还揭露了一种电子装置和计算机可读存储介质。本发明技术方案实现了对进线客户进行针对性的分配坐席，并提升了坐席的处理效率。

Description

电子装置、坐席分配方法和计算机可读存储介质

技术领域

本发明涉及电话中心进线处理技术领域，特别涉及一种电子装置、坐席分配方法和计算机可读存储介质。

背景技术

目前，保险行业的电话中心客服系统通常都是根据进线客户的电话号码进行身份识别，当客户采用新号码或者是其它在系统中未记录的号码进线时，电话中心客服系统则无法自动识别出进线客户的身份，不能根据客户身份进行针对性的坐席分配；只能进一步让客户提供保单号以进一步查询出客户身份，这样使得坐席需在客户提供信息后才能查询进线客户的相关保单、案件信息，操作时间长，效率低。

发明内容

本发明的主要目的是提供一种电子装置、坐席分配方法和计算机可读存储介质，旨在根据进线客户身份进行针对性的坐席分配，同时提升坐席的处理效率。

为实现上述目的，本发明提出的电子装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的坐席分配程序，所述坐席分配程序被所述处理器执行时实现如下步骤：

A1、接收客户进线后，获取进线客户的电话号码，根据预先确定的身份信息与电话号码的映射关系，查询所述进线客户的电话号码对应的身份信息；

B1、若未查询到所述进线客户的电话号码对应的身份信息，则获取所述进线客户的语音数据，并从获取的语音数据中提取出声纹特征；

C1、根据预先确定的身份信息与声纹特征的映射关系，确定所述提取出的声纹特征所对应的身份信息；

D1、从客户信息库获取所述确定的身份信息对应的敏感标签和业务信息；

E1、根据预先确定的坐席等级与敏感标签的映射关系，确定该获取的敏感标签对应的第一坐席等级，从坐席等级为第一坐席等级的各个坐席中选择一个闲置状态的坐席，将所述进线客户转接至所述选中的坐席，并将获取的业务信息发送到所述选中的坐席的终端。

优选地，在所述步骤C1之后，所述处理器还用于执行所述坐席分配程序，以实现以下步骤：

将所述进线客户的电话号码与确定的身份信息建立映射关系并存储到客户信息库中。

优选地，所述处理器还用于执行所述坐席分配程序，以实现以下步骤：

接收坐席针对所述进线客户反馈的敏感标签信息，根据接收到的敏感标签信息对所述进线客户的敏感标签信息进行更新。

优选地，在所述步骤E1之后，所述处理器还用于执行所述坐席分配程序，以实现以下步骤：

根据所述进线客户的身份信息，从客户信息库中获取所述进线客户的基本属性信息和已购产品信息，将获取的基本属性信息和已购产品信息输入预先训练好的产品推荐模型中，预测出所述进线客户购买概率前N名的产品；

将预测出的产品的产品信息发送给所述选中的坐席的终端。

优选地，所述产品推荐模型的训练过程包括：

S1、获取预设数量的推销成功记录，分别确定每一条推销成功记录对应的基本属性信息、已购产品信息和成功推销的产品的产品信息，将一条推销成功记录对应的基本属性信息、已购产品信息和成功推销的产品的产品信息作为一个样本，得到预设数量的样本；

S2、将预设数量的样本的第一百分比作为训练集，第二百分比作为验证集，所述第一百分比与第二百分比之和小于100％；

S3、采用所述训练集中的样本对预设的产品推荐模型进行训练，在训练结束后，利用所述验证集中的样本对训练完成后的产品推荐模型进行验证，得出所述产品推荐模型的预测准确率；

S4、若所述预测准确率大于预设阈值，则模型训练结束；

S5、若所述预设准确率小于或等于所述预设阈值，则增大所述预设数量的值，并重复执行步骤S1至S3。

本发明还提出一种坐席分配方法，该坐席分配方法包括步骤：

A2、接收客户进线后，获取进线客户的电话号码，根据预先确定的身份信息与电话号码的映射关系，查询所述进线客户的电话号码对应的身份信息；

B2、若未查询到所述进线客户的电话号码对应的身份信息，则获取所述进线客户的语音数据，并从获取的语音数据中提取出声纹特征；

C2、根据预先确定的身份信息与声纹特征的映射关系，确定所述提取出的声纹特征所对应的身份信息；

D2、从客户信息库获取所述确定的身份信息对应的敏感标签和业务信息；

E2、根据预先确定的坐席等级与敏感标签的映射关系，确定该获取的敏感标签对应的第一坐席等级，从坐席等级为第一坐席等级的各个坐席中选择一个坐席，将所述进线客户转接至所述选中的坐席，并将获取的业务信息发送到所述选中的坐席的终端。

优选地，在所述步骤C2之后，所述坐席分配方法还包括：

将所述进线客户的电话号码与确定的身份信息建立映射关系并存储到客户信息库中。

优选地，所述坐席分配方法还包括：

接收坐席针对所述进线客户反馈的敏感标签信息，根据接收到的敏感标签信息对所述进线客户的敏感标签信息进行更新。

优选地，在所述步骤E2之后，所述坐席分配方法还包括：

根据所述进线客户的身份信息，从客户信息库中获取所述进线客户的基本属性信息和已购产品信息，将获取的基本属性信息和已购产品信息输入预先训练好的产品推荐模型中，预测出所述进线客户购买概率前N名的产品；

将预测出的产品的产品信息发送给所述选中的坐席的终端。

本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有坐席分配程序，所述坐席分配程序可被至少一个处理器执行，以使所述至少一个处理器执行如下步骤：

接收客户进线后，获取进线客户的电话号码，根据预先确定的身份信息与电话号码的映射关系，查询所述进线客户的电话号码对应的身份信息；

若未查询到所述进线客户的电话号码对应的身份信息，则获取所述进线客户的语音数据，并从获取的语音数据中提取出声纹特征；

根据预先确定的身份信息与声纹特征的映射关系，确定所述提取出的声纹特征所对应的身份信息；

从客户信息库获取所述确定的身份信息对应的敏感标签和业务信息；

根据预先确定的坐席等级与敏感标签的映射关系，确定该获取的敏感标签对应的第一坐席等级，从坐席等级为第一坐席等级的各个坐席中选择一个闲置状态的坐席，将所述进线客户转接至所述选中的坐席，并将获取的业务信息发送到所述选中的坐席的终端。

本发明技术方案，采用在根据进线客户的电话号码查询不到进线客户的身份信息时，通过获取进线客户的语音数据，从语音数据中提取出进线客户的声纹特征，根据提取出的进线客户的声纹特征从客户信息库中确定出该进线客户对应的身份信息；在确定进线客户身份信息后，根据该身份信息从客户信息库中获取进线客户对应的敏感标签和业务信息，再根据获取的敏感标签确定第一坐席等级，从坐席等级为第一坐席等级的坐席中选取一个闲置状态的坐席，将该进线客户转接到该选中的坐席处，以及将获取的该进线客户的业务信息发送到该选中的坐席的终端上进行展示。相较于现有技术而言，本技术方案在客户采用新号码或通过别人的电话进线时，通过提取客户的声纹特征来识别客户的身份信息，并根据识别的身份信息确定进线客户的敏感标签和业务信息，再根据确定的敏感标签为进线客户分配对应坐席等级的坐席进行处理，如此对进线客户进行的针对性的坐席分配，有利于提高对进线客户的服务满意度，且在分配坐席同时将进线客户的业务信息发送到坐席的终端上，有效的提升了坐席的处理效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明坐席分配方法一实施例的流程示意图；

图2为本发明坐席分配方法二实施例的流程示意图；

图3为本发明坐席分配方法三实施例的流程示意图；

图4为本发明坐席分配方法四实施例的流程示意图；

图5为本发明坐席分配系统一实施例的运行环境示意图；

图6为本发明坐席分配程序二实施例的程序模块图；

图7为本发明坐席分配程序三实施例的程序模块图；

图8为本发明坐席分配程序四实施例的程序模块图；

图9为本发明坐席分配程序五实施例的程序模块图；

图10为本发明坐席分配程序六实施例的程序模块图。

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

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

本发明提出一种坐席分配方法，主要应用于电话中心客服系统中。

如图1所示，图1为本发明坐席分配方法一实施例的流程示意图。

本实施例中，该坐席分配方法包括：

步骤S10，接收客户进线后，获取进线客户的电话号码，根据预先确定的身份信息与电话号码的映射关系，查询所述进线客户的电话号码对应的身份信息。

电话中心客服系统的客户信息库中存储着客户的身份信息与电话号码的映射关系表，在客户进线后，根据获取的电话号码通过查询客户信息库，就能查询到该进线客户的电话号码对应的身份信息。

步骤S20，若未查询到所述进线客户的电话号码对应的身份信息，则获取所述进线客户的语音数据，并从获取的语音数据中提取出声纹特征。

如果在客户信息库中没有查询到该进线的电话号码对应的身份信息，则客户可能是使用新的电话号码进线的，或者可能是客户借用别人的电话拨打进来的；这种情况时，系统则去获取该进线客户的语音数据(即客户进线说话的语音)，从该获取的语音数据中提取出声纹特征，即该进线客户的声纹特征，以根据进线客户的声纹特征去确定其身份信息。

步骤S30，根据预先确定的身份信息与声纹特征的映射关系，确定所述提取出的声纹特征所对应的身份信息。

电话中心客服系统的客户信息库中还预先存储了每个身份信息对应的声纹特征，通过查询信息库，可以根据一个客户的身份信息找到该客户的声纹特征，同样可以根据一个客户的声纹特征找到该客户的身份信息。因此，在从进线客户的语音数据中提取出该进线客户的声纹特征后，系统则直接根据预先确定的身份信息与声纹特征的映射关系，确定该提取出的声纹特征所对应的身份信息(即所述进线客户的身份信息)。

步骤S40，从客户信息库获取所述确定的身份信息对应的敏感标签和业务信息。

电话中心客服系统的客户信息库中存储了每个身份信息对应的敏感标签和业务信息。其中，敏感标签就是反映客户的难缠程度的标签(例如敏感标签包括：高、中上、中、中下、低，等标签)；业务信息例如包括：报案信息、保单信息等。在确定所述进线客户的身份信息后，根据该身份信息从客户信息库中获取到所述进线客户对应的敏感标签和业务信息。

步骤S50，根据预先确定的坐席等级与敏感标签的映射关系，确定该获取的敏感标签对应的第一坐席等级，从坐席等级为第一坐席等级的各个坐席中选择一个闲置状态的坐席，将所述进线客户转接至所述选中的坐席，并将获取的业务信息发送到所述选中的坐席的终端。

电话中心客服系统根据坐席应对处理客户难缠程度的能力对所有坐席进行了坐席等级划分，划分为多个坐席等级的坐席，各个坐席等级与敏感标签预先建立了映射关系，例如，敏感标签为高、中、低的客户分别对应分配坐席等级为高、中、低的坐席。在获取到所述进线客户的敏感标签后，根据坐席等级与敏感标签的映射关系，确定所述进线客户的敏感标签所对应的第一坐席等级；在确定了第一坐席等级后，从坐席等级为第一坐席等级的所有坐席中选择一个闲置状态(即当前没有在处理进线)的坐席(可通过随机选取或其它方式选取)，选好了坐席后，则将所述进线客户的通话转接到该选中的坐席处，并将获取到的所述进线客户的业务信息发送到所述选中的坐席的终端上进行展示，使坐席不用再查询进线客户的业务信息。

本实施例技术方案，采用在根据进线客户的电话号码查询不到进线客户的身份信息时，通过获取进线客户的语音数据，从语音数据中提取出进线客户的声纹特征，根据提取出的进线客户的声纹特征从客户信息库中确定出该进线客户对应的身份信息；在确定进线客户身份信息后，根据该身份信息从客户信息库中获取进线客户对应的敏感标签和业务信息，再根据获取的敏感标签确定第一坐席等级，从坐席等级为第一坐席等级的坐席中选取一个闲置状态的坐席，将该进线客户转接到该选中的坐席处，以及将获取的该进线客户的业务信息发送到该选中的坐席的终端上进行展示。相较于现有技术而言，本技术方案在客户采用新号码或通过别人的电话进线时，通过提取客户的声纹特征来识别客户的身份信息，并根据识别的身份信息确定进线客户的敏感标签和业务信息，再根据确定的敏感标签为进线客户分配对应坐席等级的坐席进行处理，如此对进线客户进行的针对性的坐席分配，有利于提高对进线客户的服务满意度，且在分配坐席同时将进线客户的业务信息发送到坐席的终端上，有效的提升了坐席的处理效率。

如图2所示，图2为本发明坐席分配方法二实施例的流程示意图。

本实施例中，所述坐席分配方法在所述步骤S30之后，还包括：

步骤S11，将所述进线客户的电话号码与确定的身份信息建立映射关系并存储到客户信息库中。

由于根据进线客户的当前进线的电话号码没有在客户信息库查询到对应的身份信息，说明该进线客户可能已经更换了电话号码，因此，在通过进线客户的声纹特征确定了进线客户的身份信息后，将进线客户的当前进线的电话号码与该确定的身份信息建立映射关系并存储到客户信息库中，这样就保存了所述进线客户的新联系方式，并且在该客户下次本次的电话号码进线时，可以根据电话号码识别出客户的身份信息。

如图3所示，图3为本发明坐席分配方法三实施例的流程示意图。

本实施例中，所述坐席分配方法在所述步骤S10之后，还包括：

步骤S60，若查询到所述进线客户的电话号码对应的身份信息，则获取所述进线客户的语音数据，并从获取的语音数据中提取出声纹特征。

如果根据所述进线客户当前进线使用的电话号码查询到对应的身份信息，也还有可能存在以下特殊情况：1、所述进线客户本次进线使用的电话号码为新的电话号码，但该电话号码是之前是他人使用过并注销了的同号的电话号码；2、所述进线客户本次进线是使用朋友(记为用户甲)的电话，且该朋友的电话号码是存储在客户信息库中的一个号码，该电话号码对应的身份信息为用户甲。因此，需要通过当前进线客户的声纹特征对查询到的身份信息进行校验，以确认身份识别是否准确。先根据当前进线客户的语音数据提取出所述进线客户的声纹特征。

步骤S70，从客户信息库中获取所述查询到的身份信息所对应的声纹特征，判断所述提取出的声纹特征与所述获取的声纹特征是否属于同一人。

在从当前进线客户的语音数据提取出声纹特征后，再去从客户信息库中获取查询到的身份信息所对应的声纹特征，比较所述提取出的声纹特征和所述获取的声纹特征，判断是否属于同一个人。

步骤S80，若是，则从客户信息库获取该查询到的身份信息对应的敏感标签和业务信息，执行步骤S50。

如果判断所述提取出的声纹特征与所述获取的声纹特征属于同一个人，则说明根据当前进线号码查询到的身份信息正确，系统则从客户信息库获取该查询到的身份信息对应的敏感标签和业务信息，再执行步骤50。

步骤S90，若否，则执行步骤S30。

如果判断所述提取出的声纹特征与所述获取的声纹特征不属于同一个人，则说明根据当前进线号码查询到的身份信息不正确，可能是出现上述的特殊情况，此时则执行步骤S30，根据提取出的声纹特征去确定进线客户的身份信息。

进一步地，本实施例的所述坐席分配方法还包括：接收坐席针对所述进线客户反馈的敏感标签信息，根据接收到的敏感标签信息对所述进线客户的敏感标签信息进行更新。

坐席在处理完一个进线客户的进线通话后，会根据通话情况对所述进线客户评价新的敏感标签信息，并反馈给电话中心客服系统，电话中心客服系统根据接收到坐席反馈的敏感标签信息对所述进线客户的铭感标签信息进行更新。例如，客户信息库中存储的当前进线客户的敏感标签为高，而坐席根据通话情况反馈的敏感标签信息为中上，则电话中心客服系统会将客户信息库中所述进线客户的敏感标签更新为中上。

如图4所示，图4为本发明坐席分配方法四实施例的流程示意图。

本实施例中，所述坐席分配方法在所述步骤S50之后，还包括：

步骤S21，根据进线客户的身份信息，从客户信息库中获取所述进线客户的基本属性信息和已购产品信息，将获取的基本属性信息和已购产品信息输入预先训练好的产品推荐模型中，预测出所述进线客户购买概率前N名的产品。

客户信息库中存有各个客户的基本属性信息和产品购买记录，每个客户的基本属性信息和产品购买记录均与该客户的身份信息对应。电话中心客服系统中还具有预先训练好的产品推荐模型，在将所述进线客户分配好坐席后，从客户信息库中获取所述进线客户的身份信息所对应的基本属性信息和已购产品信息，将获取的基本属性信息和已购产品信息输入所述产品推荐模型中，预测出所述进线客户购买概率排前N(N为整数，例如，3、4、5等)名的产品。其中，基本属性信息包括年龄、性别、职业、收入、家庭成员情况、婚姻情况、房产情况等多维度信息；已购产品信息即进线客户已经购买了的保险产品信息(包括保险产品的种类、保险的时效等)。

步骤S22，将预测出的产品的产品信息发送给所述选中的坐席的终端。

将这些预测出的产品的产品信息发送到选中的坐席(即处理当前进线客户的坐席)的终端上进线展示，供坐席给进线客户进行推荐和介绍。

本实施例通过产品推荐模型针对进线客户的基本属性信息和已购产品信息的分析得出进线客户最有可能购买的产品，将这些产品的产品信息发送到选中的坐席的终端上，供坐席给进线客户进行推荐，提升产品推荐成功率。

本实施例中，所述产品推荐模型的训练过程包括：

S1、获取预设数量的推销成功记录，分别确定每一条推销成功记录对应的基本属性信息、已购产品信息和成功推销的产品的产品信息，将一条推销成功记录对应的基本属性信息、已购产品信息和成功推销的产品的产品信息作为一个样本，得到预设数量的样本；

从历史推销记录中获取预设数量(例如10000条)推销成功记录，并结合客户信息库分别确定每一条推销成功记录对应的客户的基本属性信息、客户的已购产品信息和本条推销成功记录中成功推销的产品的产品信息，然后，将一条推销成功记录对应的客户的基本属性信息、客户的已购产品信息和本条推销成功记录成功推销的产品的产品信息作为一个样本，这样就得到预设数量的样本。

S2、将预设数量的样本的第一百分比作为训练集，第二百分比作为验证集，所述第一百分比与第二百分比之和小于100％；

S3、采用所述训练集中的样本对预设的产品推荐模型进行训练，在训练结束后，利用所述验证集中的样本对训练完成后的产品推荐模型进行验证，得出所述产品推荐模型的预测准确率；

利用验证集中的一个样本对产品推荐模型进行验证时，当产品推荐模型预测出的概率排前N名产品中包含本样本中的成功推销的产品，则判定为产品推荐模型对该样本的预测正确，否则判定为预测不准确，如此在产品推荐模型对验证集中的所有样本的预测完成后，计算得出所述产品推荐模型的预测准确率。

S4、若所述预测准确率大于预设阈值，则模型训练结束；

系统中预先设置了预测准确率的预设阈值(例如97％)，用于对所述产品推荐模型的训练效果进行检验，若预测准确率大于所述预设阈值，那么说明所述产品推荐模型的训练达到了预设标准，此时则结束模型训练。

S5、若所述预设准确率小于或等于所述预设阈值，则增大所述预设数量的值，并重复执行步骤S1至S3。

若是预测准确率小于或等于所述预设阈值，那么说明所述产品推荐模型的训练还没有达到了预设标准，可能是训练集的样本数量不够或验证集的样本数量不够，所以，在这种情况时，则增大所述预设数量(即增大样本数量，例如，每次增加固定数量或每次增加随机数量)，然后在这基础上，重新执行上述步骤S1-S3，如此循环执行，直至达到了步骤S4的要求，则结束模型训练。

此外，本发明还提出一种坐席分配程序。

请参阅图5，是本发明坐席分配程序10较佳实施例的运行环境示意图。

在本实施例中，坐席分配程序10安装并运行于电子装置1中。电子装置1可以是桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子装置1可包括，但不仅限于，存储器11、处理器12及显示器13。图5仅示出了具有组件11-13的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

存储器11在一些实施例中可以是电子装置1的内部存储单元，例如该电子装置1的硬盘或内存。存储器11在另一些实施例中也可以是电子装置1的外部存储设备，例如电子装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括电子装置1的内部存储单元也包括外部存储设备。存储器11用于存储安装于电子装置1的应用软件及各类数据，例如坐席分配程序10的程序代码等。存储器11还可以用于暂时地存储已经输出或者将要输出的数据。

处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行坐席分配程序10等。

显示器13在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。显示器13用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。电子装置1的部件11-13通过程序总线相互通信。

请参阅图6，是本发明坐席分配程序10一实施例的程序模块图。在本实施例中，坐席分配程序10可以被分割成一个或多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行，以完成本发明。例如，在图6中，坐席分配程序10可以被分割成查询模块101、提取模块102、确定模块103、获取模块104及分配模块105。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述坐席分配程序10在电子装置1中的执行过程，其中：

查询模块101，用于在接收客户进线后，获取进线客户的电话号码，根据预先确定的身份信息与电话号码的映射关系，查询所述进线客户的电话号码对应的身份信息。

电话中心客服系统的客户信息库中存储着客户的身份信息与电话号码的映射关系表，在客户进线后，根据获取的电话号码通过查询客户信息库，就能查询到该进线客户的电话号码对应的身份信息。

第一提取模块102，用于在未查询到所述进线客户的电话号码对应的身份信息后，获取所述进线客户的语音数据，并从获取的语音数据中提取出声纹特征。

如果在客户信息库中没有查询到该进线的电话号码对应的身份信息，则客户可能是使用新的电话号码进线的，或者可能是客户借用别人的电话拨打进来的；这种情况时，系统则去获取该进线客户的语音数据(即客户进线说话的语音)，从该获取的语音数据中提取出声纹特征，即该进线客户的声纹特征，以根据进线客户的声纹特征去确定其身份信息。

确定模块103，用于根据预先确定的身份信息与声纹特征的映射关系，确定所述提取出的声纹特征所对应的身份信息。

电话中心客服系统的客户信息库中还预先存储了每个身份信息对应的声纹特征，通过查询信息库，可以根据一个客户的身份信息找到该客户的声纹特征，同样可以根据一个客户的声纹特征找到该客户的身份信息。因此，在从进线客户的语音数据中提取出该进线客户的声纹特征后，系统则直接根据预先确定的身份信息与声纹特征的映射关系，确定该提取出的声纹特征所对应的身份信息(即所述进线客户的身份信息)。

第一获取模块104，用于从客户信息库获取所述确定的身份信息对应的敏感标签和业务信息。

电话中心客服系统的客户信息库中存储了每个身份信息对应的敏感标签和业务信息。其中，敏感标签就是反映客户的难缠程度的标签(例如敏感标签包括：高、中上、中、中下、低，等标签)；业务信息例如包括：报案信息、保单信息等。在确定所述进线客户的身份信息后，根据该身份信息从客户信息库中获取到所述进线客户对应的敏感标签和业务信息。

分配模块105，用于根据预先确定的坐席等级与敏感标签的映射关系，确定该获取的敏感标签对应的第一坐席等级，从坐席等级为第一坐席等级的各个坐席中选择一个闲置状态的坐席，将所述进线客户转接至所述选中的坐席，并将获取的业务信息发送到所述选中的坐席的终端。

电话中心客服系统根据坐席应对处理客户难缠程度的能力对所有坐席进行了坐席等级划分，划分为多个坐席等级的坐席，各个坐席等级与敏感标签预先建立了映射关系，例如，敏感标签为高、中、低的客户分别对应分配坐席等级为高、中、低的坐席。在获取到所述进线客户的敏感标签后，根据坐席等级与敏感标签的映射关系，确定所述进线客户的敏感标签所对应的第一坐席等级；在确定了第一坐席等级后，从坐席等级为第一坐席等级的所有坐席中选择一个闲置状态(即当前没有在处理进线)的坐席(可通过随机选取或其它方式选取)，选好了坐席后，则将所述进线客户的通话转接到该选中的坐席处，并将获取到的所述进线客户的业务信息发送到所述选中的坐席的终端上进行展示，使坐席不用再查询进线客户的业务信息。

本实施例技术方案，采用在根据进线客户的电话号码查询不到进线客户的身份信息时，通过获取进线客户的语音数据，从语音数据中提取出进线客户的声纹特征，根据提取出的进线客户的声纹特征从客户信息库中确定出该进线客户对应的身份信息；在确定进线客户身份信息后，根据该身份信息从客户信息库中获取进线客户对应的敏感标签和业务信息，再根据获取的敏感标签确定第一坐席等级，从坐席等级为第一坐席等级的坐席中选取一个闲置状态的坐席，将该进线客户转接到该选中的坐席处，以及将获取的该进线客户的业务信息发送到该选中的坐席的终端上进行展示。相较于现有技术而言，本技术方案在客户采用新号码或通过别人的电话进线时，通过提取客户的声纹特征来识别客户的身份信息，并根据识别的身份信息确定进线客户的敏感标签和业务信息，再根据确定的敏感标签为进线客户分配对应坐席等级的坐席进行处理，如此对进线客户进行的针对性的坐席分配，有利于提高对进线客户的服务满意度，且在分配坐席同时将进线客户的业务信息发送到坐席的终端上，有效的提升了坐席的处理效率。

参照图7，本实施例中，所述坐席分配程序还包括新建模块106。

新建模块106，用于将所述进线客户的电话号码与确定的身份信息建立映射关系并存储到客户信息库中。

由于根据进线客户的当前进线的电话号码没有在客户信息库查询到对应的身份信息，说明该进线客户可能已经更换了电话号码，因此，在通过进线客户的声纹特征确定了进线客户的身份信息后，将进线客户的当前进线的电话号码与该确定的身份信息建立映射关系并存储到客户信息库中，这样就保存了所述进线客户的新联系方式，并且在该客户下次本次的电话号码进线时，可以根据电话号码识别出客户的身份信息。

参照图8，本实施例中，所述坐席分配程序还包括第二提取模块107、判断模块108和第二获取模块109。

第二提取模块107，用于在查询到所述进线客户的电话号码对应的身份信息后，获取所述进线客户的语音数据，并从获取的语音数据中提取出声纹特征。

如果根据所述进线客户当前进线使用的电话号码查询到对应的身份信息，也还有可能存在以下特殊情况：1、所述进线客户本次进线使用的电话号码为新的电话号码，但该电话号码是之前是他人使用过并注销了的同号的电话号码；2、所述进线客户本次进线是使用朋友(记为用户甲)的电话，且该朋友的电话号码是存储在客户信息库中的一个号码，该电话号码对应的身份信息为用户甲。因此，需要通过当前进线客户的声纹特征对查询到的身份信息进行校验，以确认身份识别是否准确。先根据当前进线客户的语音数据提取出所述进线客户的声纹特征。

判断模块108，用于从客户信息库中获取所述查询到的身份信息所对应的声纹特征，判断所述提取出的声纹特征与所述获取的声纹特征是否属于同一人。

在从当前进线客户的语音数据提取出声纹特征后，再去从客户信息库中获取查询到的身份信息所对应的声纹特征，比较所述提取出的声纹特征和所述获取的声纹特征，判断是否属于同一个人。

第二获取模块109，用于在所述判断模块108判断所述提取出的声纹特征与所述获取的声纹特征属于同一人后，从客户信息库获取该查询到的身份信息对应的敏感标签和业务信息，再跳转至执行分配模块105。

如果判断所述提取出的声纹特征与所述获取的声纹特征属于同一个人，则说明根据当前进线号码查询到的身份信息正确，系统则从客户信息库获取该查询到的身份信息对应的敏感标签和业务信息，再根据预先确定的坐席等级与敏感标签的映射关系，确定该获取的敏感标签对应的第一坐席等级，从坐席等级为第一坐席等级的各个坐席中选择一个闲置状态的坐席，将所述进线客户转接至所述选中的坐席，并将获取的业务信息发送到所述选中的坐席的终端。

所述确定模块103还用于在所述判断模块108判断所述提取出的声纹特征与所述获取的声纹特征不属于同一人时，根据预先确定的身份信息与声纹特征的映射关系，确定所述提取出的声纹特征所对应的身份信息。

如果判断所述提取出的声纹特征与所述获取的声纹特征不属于同一个人，则说明根据当前进线号码查询到的身份信息不正确，此时则根据提取出的声纹特征去确定进线客户的身份信息。

参照图9，本实施例的所述坐席分配程序还包括更新模块110，所述更新模块110用于接收坐席针对所述进线客户反馈的敏感标签信息，根据接收到的敏感标签信息对所述进线客户的敏感标签信息进行更新。

坐席在处理完一个进线客户的进线通话后，会根据通话情况对所述进线客户评价新的敏感标签信息，并反馈给电话中心客服系统，电话中心客服系统根据接收到坐席反馈的敏感标签信息对所述进线客户的铭感标签信息进行更新。例如，客户信息库中存储的当前进线客户的敏感标签为高，而坐席根据通话情况反馈的敏感标签信息为中上，则电话中心客服系统会将客户信息库中所述进线客户的敏感标签更新为中上。

参照图10，本实施例中，所述坐席分配程序还包括预测模块111和发送模块112。

预测模块111，用于根据进线客户的身份信息，从客户信息库中获取所述进线客户的基本属性信息和已购产品信息，将获取的基本属性信息和已购产品信息输入预先训练好的产品推荐模型中，预测出所述进线客户购买概率前N名的产品。

客户信息库中存有各个客户的基本属性信息和产品购买记录，每个客户的基本属性信息和产品购买记录均与该客户的身份信息对应。电话中心客服系统中还具有预先训练好的产品推荐模型，在将所述进线客户分配好坐席后，从客户信息库中获取所述进线客户的身份信息所对应的基本属性信息和已购产品信息，将获取的基本属性信息和已购产品信息输入所述产品推荐模型中，预测出所述进线客户购买概率排前N(N为整数，例如，3、4、5等)名的产品。其中，基本属性信息包括年龄、性别、职业、收入、家庭成员情况、婚姻情况、房产情况等多维度信息；已购产品信息即进线客户已经购买过的保险产品信息(包括保险产品的种类、保险的时效等)。

发送模块112，用于将预测出的产品的产品信息发送给所述选中的坐席的终端。

将这些预测出的产品的产品信息发送到选中的坐席(即处理当前进线客户的坐席)的终端上进线展示，供坐席给进线客户进行推荐和介绍。

本实施例通过产品推荐模型针对进线客户的基本属性信息和已购产品信息的分析得出进线客户最有可能购买的产品，将这些产品的产品信息发送到选中的坐席的终端上，供坐席给进线客户进行推荐，提升产品推荐成功率。

本实施例的产品推荐模型的训练过程可为：

S1、获取预设数量的推销成功记录，分别确定每一条推销成功记录对应的基本属性信息、已购产品信息和成功推销的产品的产品信息，将一条推销成功记录对应的基本属性信息、已购产品信息和成功推销的产品的产品信息作为一个样本，得到预设数量的样本；

从历史推销记录中获取预设数量(例如10000条)推销成功记录，并结合客户信息库分别确定每一条推销成功记录对应的客户的基本属性信息、客户的已购产品信息和本条推销成功记录中成功推销的产品的产品信息，然后，将一条推销成功记录对应的客户的基本属性信息、客户的已购产品信息和本条推销成功记录成功推销的产品的产品信息作为一个样本，这样就得到预设数量的样本。

S2、将预设数量的样本的第一百分比作为训练集，第二百分比作为验证集，所述第一百分比与第二百分比之和小于100％；

S3、采用所述训练集中的样本对预设的产品推荐模型进行训练，在训练结束后，利用所述验证集中的样本对训练完成后的产品推荐模型进行验证，得出所述产品推荐模型的预测准确率；

利用验证集中的一个样本对产品推荐模型进行验证时，当产品推荐模型预测出的概率排前N名产品中包含本样本中的成功推销的产品，则判定为产品推荐模型对该样本的预测正确，否则判定为预测不准确，如此在产品推荐模型对验证集中的所有样本的预测完成后，计算得出所述产品推荐模型的预测准确率。

S4、若所述预测准确率大于预设阈值，则模型训练结束；

系统中预先设置了预测准确率的预设阈值(例如97％)，用于对所述产品推荐模型的训练效果进行检验，若预测准确率大于所述预设阈值，那么说明所述产品推荐模型的训练达到了预设标准，此时则结束模型训练。

S5、若所述预设准确率小于或等于所述预设阈值，则增大所述预设数量的值，并重复执行步骤S1至S3。

若是预测准确率小于或等于所述预设阈值，那么说明所述产品推荐模型的训练还没有达到了预设标准，可能是训练集的样本数量不够或验证集的样本数量不够，所以，在这种情况时，则增大所述预设数量(即增大样本数量，例如，每次增加固定数量或每次增加随机数量)，然后在这基础上，重新执行上述步骤S1-S3，如此循环执行，直至达到了步骤S4的要求，则结束模型训练。

进一步地，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有坐席分配程序，所述坐席分配程序可被至少一个处理器执行，以使所述至少一个处理器执行上述任一实施例中的坐席分配方法。

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，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

Claims (10)

1.一种电子装置，其特征在于，所述电子装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的坐席分配程序，所述坐席分配程序被所述处理器执行时实现如下步骤：

A1、接收客户进线后，获取进线客户的电话号码，根据预先确定的身份信息与电话号码的映射关系，查询所述进线客户的电话号码对应的身份信息；

B1、若未查询到所述进线客户的电话号码对应的身份信息，则获取所述进线客户的语音数据，并从获取的语音数据中提取出声纹特征；

C1、根据预先确定的身份信息与声纹特征的映射关系，确定所述提取出的声纹特征所对应的身份信息；

D1、从客户信息库获取所述确定的身份信息对应的敏感标签和业务信息；

E1、根据预先确定的坐席等级与敏感标签的映射关系，确定该获取的敏感标签对应的第一坐席等级，从坐席等级为第一坐席等级的各个坐席中选择一个闲置状态的坐席，将所述进线客户转接至所述选中的坐席，并将获取的业务信息发送到所述选中的坐席的终端。

2.如权利要求1所述的电子装置，其特征在于，在所述步骤C1之后，所述处理器还用于执行所述坐席分配程序，以实现以下步骤：

将所述进线客户的电话号码与确定的身份信息建立映射关系并存储到客户信息库中。

3.如权利要求1所述的电子装置，其特征在于，所述处理器还用于执行所述坐席分配程序，以实现以下步骤：

接收坐席针对所述进线客户反馈的敏感标签信息，根据接收到的敏感标签信息对所述进线客户的敏感标签信息进行更新。

4.如权利要求1至3中任意一项所述的电子装置，其特征在于，在所述步骤E1之后，所述处理器还用于执行所述坐席分配程序，以实现以下步骤：

根据所述进线客户的身份信息，从客户信息库中获取所述进线客户的基本属性信息和已购产品信息，将获取的基本属性信息和已购产品信息输入预先训练好的产品推荐模型中，预测出所述进线客户购买概率前N名的产品；

将预测出的产品的产品信息发送给所述选中的坐席的终端。

5.如权利要求4所述的电子装置，其特征在于，所述产品推荐模型的训练过程包括：

S1、获取预设数量的推销成功记录，分别确定每一条推销成功记录对应的基本属性信息、已购产品信息和成功推销的产品的产品信息，将一条推销成功记录对应的基本属性信息、已购产品信息和成功推销的产品的产品信息作为一个样本，得到预设数量的样本；

S2、将预设数量的样本的第一百分比作为训练集，第二百分比作为验证集，所述第一百分比与第二百分比之和小于100％；

S3、采用所述训练集中的样本对预设的产品推荐模型进行训练，在训练结束后，利用所述验证集中的样本对训练完成后的产品推荐模型进行验证，得出所述产品推荐模型的预测准确率；

S4、若所述预测准确率大于预设阈值，则模型训练结束；

S5、若所述预设准确率小于或等于所述预设阈值，则增大所述预设数量的值，并重复执行步骤S1至S3。

6.一种坐席分配方法，其特征在于，该坐席分配方法包括步骤：

A2、接收客户进线后，获取进线客户的电话号码，根据预先确定的身份信息与电话号码的映射关系，查询所述进线客户的电话号码对应的身份信息；

B2、若未查询到所述进线客户的电话号码对应的身份信息，则获取所述进线客户的语音数据，并从获取的语音数据中提取出声纹特征；

C2、根据预先确定的身份信息与声纹特征的映射关系，确定所述提取出的声纹特征所对应的身份信息；

D2、从客户信息库获取所述确定的身份信息对应的敏感标签和业务信息(包括报案信息、保单信息等)；

E2、根据预先确定的坐席等级与敏感标签的映射关系，确定该获取的敏感标签对应的第一坐席等级，从坐席等级为第一坐席等级的各个坐席中选择一个坐席，将所述进线客户转接至所述选中的坐席，并将获取的业务信息发送到所述选中的坐席的终端。

7.如权利要求6所述的坐席分配方法，其特征在于，在所述步骤C2之后，所述坐席分配方法还包括：

将所述进线客户的电话号码与确定的身份信息建立映射关系并存储到客户信息库中。

8.如权利要求6所述的坐席分配方法，其特征在于，所述坐席分配方法还包括：

接收坐席针对所述进线客户反馈的敏感标签信息，根据接收到的敏感标签信息对所述进线客户的敏感标签信息进行更新。

9.如权利要求6至8中任意一项所述的坐席分配方法，其特征在于，在所述步骤E2之后，所述坐席分配方法还包括：

根据所述进线客户的身份信息，从客户信息库中获取所述进线客户的基本属性信息和已购产品信息，将获取的基本属性信息和已购产品信息输入预先训练好的产品推荐模型中，预测出所述进线客户购买概率前N名的产品；

将预测出的产品的产品信息发送给所述选中的坐席的终端。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有坐席分配程序，所述坐席分配程序可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求6-9中的任一项所述的坐席分配方法。