CN109447819A - 一种智能话术提醒方法、系统及终端设备 - Google Patents
一种智能话术提醒方法、系统及终端设备 Download PDFInfo
- Publication number
- CN109447819A CN109447819A CN201811018208.0A CN201811018208A CN109447819A CN 109447819 A CN109447819 A CN 109447819A CN 201811018208 A CN201811018208 A CN 201811018208A CN 109447819 A CN109447819 A CN 109447819A
- Authority
- CN
- China
- Prior art keywords
- payment
- text
- guidance
- index
- art
- 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 title claims abstract description 49
- 230000036651 mood Effects 0.000 claims abstract description 113
- 238000007689 inspection Methods 0.000 claims abstract description 24
- 230000006854 communication Effects 0.000 claims abstract description 17
- 238000003825 pressing Methods 0.000 claims abstract description 10
- 238000003062 neural network model Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000011218 segmentation Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 206010027940 Mood altered Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- Hospice & Palliative Care (AREA)
- General Health & Medical Sciences (AREA)
- Child & Adolescent Psychology (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Psychiatry (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明适用于金融技术领域,提供了一种智能话术提醒方法、系统及终端设备,包括:获取通话内容,识别通话过程中出现的情绪关键词;根据所述情绪关键词确定缴费指数,所述缴费指数用于指示通话对端的缴费意愿;根据所述缴费指数获取对应的引导话术文本;向通话本端提示所述引导话术文本。本发明提供的一种智能话术提醒方法、系统及终端设备,通过实时获取运营督导与客户的通话内容,基于情绪关键词识别客户缴费指数,基于缴费指数获取相应的引导话术文本,根据引导话术文本来调整与客户的对话内容,引导客户的积极续交保费。在提高保费催缴成功率的同时改善用户体验。有效地解决了目前的保费催缴过程中存在的催缴成功率低、用户体验不佳的问题。
Description
技术领域
本发明属于金融技术领域,尤其涉及一种智能话术提醒方法、系统及终端设备。
背景技术
运营督导的日常工作主要是催客户续缴保费。近年来,随着人们的保险意识不断增强,购买保险的用户也越来越多,因此,运营督导需要跟催的保单也随之增多。目前,运营督导在接通电话后需要花费大量时间与用户沟通,以获取用户的相关信息,在获取到用户的相关信息后才能对其进行保费催缴,这样会浪费运营督导大量的时间,降低了运营督导的工作效率,同时也使得用户的体验较差。目前,运营督导在与客户交流的过程中,如果客户的情绪发生变化,或者缴费意愿不高的情况下,运营督导只能根据自己的工作经验来引导客户的情绪,对于服务技能较差,无法打破僵局的运营督导会导致保费催收失败,使得保费催缴成功率低,同时也会使得客户的体验变差。
综上所述,目前的保费催缴过程中存在的催缴成功率低、用户体验不佳的问题。
发明内容
有鉴于此,本发明实施例提供了一种智能话术提醒方法、系统及终端设备,以解决目前的保费催缴过程中存在的催缴成功率低、用户体验不佳的问题。
本发明的第一方面提供了一种智能话术提醒方法,包括:
获取通话内容,识别通话过程中出现的情绪关键词;
根据所述情绪关键词确定缴费指数,所述缴费指数用于指示通话对端的缴费意愿;
根据所述缴费指数获取对应的引导话术文本;
向通话本端提示所述引导话术文本。
本发明的第二方面提供了一种智能话术提醒系统,包括:
识别模块,用于获取通话内容,识别通话过程中存在的情绪关键词;
意愿确定模块,用于根据所述情绪关键词确定客户的当前缴费意愿;
话术获取模块,用于根据所述客户的当前缴费意愿获取情绪引导话术;
提示模块,用于通过所述情绪引导话术提示运营督导对客户进行情绪引导。
本发明的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
识别模块,用于获取通话内容,识别通话过程中出现的情绪关键词;
意愿确定模块,用于根据所述情绪关键词确定缴费指数,所述缴费指数用于指示通话对端的缴费意愿;
话术获取模块,用于根据所述缴费指数获取对应的引导话术文本;
提示模块,用于向通话本端提示所述引导话术文本。
本发明的第四方面提供了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计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取通话内容,识别通话过程中出现的情绪关键词;
根据所述情绪关键词确定缴费指数,所述缴费指数用于指示通话对端的缴费意愿;
根据所述缴费指数获取对应的引导话术文本;
向通话本端提示所述引导话术文本。
本发明提供的一种智能话术提醒方法、系统及终端设备,通过实时获取运营督导与客户的通话内容,基于情绪关键词识别客户缴费指数,基于缴费指数获取相应的引导话术文本,根据引导话术文本来调整与客户的对话内容,引导客户的积极续交保费。在提高保费催缴成功率的同时改善用户体验。有效地解决了目前的保费催缴过程中存在的催缴成功率低、用户体验不佳的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种智能话术提醒方法的实现流程示意图;
图2是本发明实施例二提供的对应实施例一步骤S101的实现流程示意图;
图3是本发明实施例三提供的对应实施例一步骤S102的实现流程示意图;
图4是本发明实施例四提供的对应实施例一步骤S103的实现流程示意图;
图5是本发明实施例五提供的对应实施例一步骤S104的实现流程示意图;
图6是本发明实施例六提供的一种智能话术提醒系统的结构示意图;
图7是本发明实施例七提供的对应实施例六中识别模块101的结构示意图;
图8是本发明实施例八提供的对应实施例六中意愿确定模块102的结构示意图;
图9是本发明实施例九提供的对应实施例六中话术获取模块103的结构示意图;
图10是本发明实施例十提供的对应实施例六中提示模块104的结构示意图;
图11是本发明实施例十一提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、系统、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例为了解决目前的保费催缴过程中存在的催缴成功率低、用户体验不佳的问题,提供了一种智能话术提醒方法、系统及终端设备,实时获取运营督导与客户的通话内容,基于情绪关键词识别客户缴费指数,基于缴费指数获取相应的引导话术文本,根据引导话术文本来调整与客户的对话内容,引导客户的积极续交保费。在提高保费催缴成功率的同时改善用户体验。有效地解决了目前的保费催缴过程中存在的催缴成功率低、用户体验不佳的问题。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一:
如图1所示,本实施例提供了一种智能话术提醒方法,其具体包括:
步骤S101:获取通话内容,识别通话过程中出现的情绪关键词。
在具体应用中,实时获取通话本端(运营督导)和通话对端(客户)的通话内容,识别通话过程中是否出现情绪关键词,并提取通话过程中出现的情绪关键词。其中,情绪关键词是指能够表明缴费意愿的字词,如“不续费了”、“看下情况”、“费用太高了”、“帮我续费”、“也可以续费”等。
在具体应用中,将实时获取到的通话内容转换为文本数据,从文本数据中提取情绪关键词。首先对文本数据进行分词处理,再通过预先设置情绪关键词数据库,根据情绪关键词数据库提取经过分词处理后的文本数据中与情绪关键词数据库相匹配的情绪关键词。上述情绪关键词数据库通过导入历史通话录音,根据所述历史通话录音人为提取出大量的情绪关键词,进而生成情绪关键词数据库。需要说明的是,上述对文本数据进行分词处理是通过预设的分词规则对文本数据进行分词处理。分词规则可以根据人的说话习惯进行设定,在此不加以限制。
在具体应用中,将实时获取到的通话内容转换为文本数据,从文本数据中提取情绪关键词,通过构建神经网络模型进而识别出文本数据中存在的情绪关键词。具体的,通过运营督导系统导入大量的历史通话录音,并将通话录音转换为文本数据,提取出文本数据中的情绪关键词,并将提取出的情绪关键词与文本数据对应存储,以此来训练构建的神经网络模型。并将训练好的神经网络模型作为识别情绪关键词的模型,再将实时获取的通话内容转换的文本数据输入到该神经网络模型中就能输出该文本数据中出现的情绪关键词。上述神经网络模型可以为VGG16神经网络模型。需要说明的是,VGG16神经网络模型为现有技术,构建过程和训练方式在此不加以赘述。
步骤S102:根据所述情绪关键词确定缴费指数,所述缴费指数用于指示通话对端的缴费意愿。
在具体应用中,将通话对端(客户)的缴费意愿预先划分为N个级别,根据通话内容的情绪关键字匹配对应的缴费意愿级别,为每个级别设定缴费指数。其中N为大于1的正整数。示例性的,将缴费意愿划分为愿意缴费、偏于愿意缴费、偏于不愿意缴费、不愿意缴费等4个级别,确定每个级别对应的缴费指数分别为+1、+0.5、-0.5以及-1。通过建立情绪关键词库,封装接口使得运营督导系统后台能够调用上述情绪关键词库,情绪关键词库包括情绪关键词以及情绪关键词对应的缴费意愿级别。实时获取通话内容,识别出现的与上述情绪关键词库匹配的情绪关键词,该情绪关键词库获取该情绪关键词对应的缴费意愿级别,将所述情绪关键词对应的缴费意愿级别对应的缴费指数作为通话对端的缴费指数,上述缴费指数越高则表明上述通话对端的缴费意愿越高。
步骤S103:根据所述缴费指数获取对应的引导话术文本。
在具体应用中,在确定了通话对端的缴费指数后,通过引导话术文本生成模型获取与该缴费指数对应的引导话术文本。
在具体应用中,基于训练好的神经网络模型,将通话对端的缴费指数输入到该训练好的神经网络模型中,以输出与该缴费指数和匹配的引导话术文本。
需要说明是,引导话术文本是根据通话对端的缴费指数输出的以供通话本端更好地引导通话对端的情绪的对话模板。上述引导话术文本用于引导通话对端的情绪,针对不同的缴费指数输出不同的引导话术文本。
步骤S104:向通话本端提示所述引导话术文本.
在具体应用中,在得到与通话对端的缴费指数对应的引导话术文本后,通过运营督导系统进行显示,实时提示通话本端根据所述引导话术文本与通话对端进行通话,提示通话本端调整谈话内容,引导通话对端的情绪。
在具体应用中,通过封装在运营督导系统后台的接口获取对应的引导话术文本,并以弹窗等信息将该引导话术文本显示在运营督导系统的显示装置中,以便通话本端查看该引导话术文本。
本实施例提供的智能话术提醒方法,通过实时获取运营督导与客户的通话内容,基于情绪关键词识别客户缴费指数,基于缴费指数获取相应的引导话术文本,根据引导话术文本来调整与客户的对话内容,引导客户的积极续交保费。在提高保费催缴成功率的同时改善用户体验。有效地解决了目前的保费催缴过程中存在的催缴成功率低、用户体验不佳的问题。
实施例二:
如图2所示,在本实施例中,实施例一中的步骤S101具体包括:
步骤S201:通过后台调用接口实时获取所述通话内容。
在具体应用中,通过开发获取通话内容的接口,并通过运营督导系统后台调用该接口,当有电话接入或拨出时,实时获取通话内容。
步骤S202:将所述通话内容转换为文本数据。
在具体应用中,通过现有的音频转文字的转换工具将实时获取到的通话内容转换为文本数据。
步骤S203:将所述文本数据输入情绪关键词确定模型,以输出文本数据中出现的情绪关键词。
在具体应用中,构建和训练情绪关键词确定模型,通过上述情绪关键词确定模型确定文本数据中存在的情绪关键词,即将文本数据输入情绪关键词确定模型中,情绪关键词确定模型就能自动输出文本数据中出现的情绪关键词。
在具体应用中,通过以下方式构建和训练情绪关键词确定模型:
获取大量历史通话录音,将不存在情绪关键词的通话录音进行删除;
将所述通话内容转换为相应的文字,获取通话内容对应的文本信息,并提取每段通话录音中存在的情绪关键词,将每段通话录音的情绪关键词和文本信息进行对应存储;
构建VGG16神经网络模型,将每段通话录音的文本信息作为VGG16神经网络模型的输入,将每段通话录音存在的情绪关键词作为VGG16神经网络模型的输出,对VGG16神经网络模型进行训练;
将训练好的VGG16神经网络模型识别为情绪关键词确定模型。
由于VGG16神经网络模型为现有技术,因此,此处暂不对其具体结构及训练方式进行赘述。
实施例三:
如图3所示,在本实施例中,实施例一中的步骤S102具体包括:
步骤S301:对各个所述情绪关键词进行等级评分。
在具体应用中,对情绪关键词进行评分,通过预先设置情绪关键词数据库,情绪关键词数据库包括情绪关键词和其对应的等级评分。将通话内容中出现的情绪关键词与情绪关键词数据库进行匹配,进而获取与该情绪关键词对应的等级评分。上述对情绪关键词进行分级、评分可以基于神经网络构建分类评分模块进行实现,具体实现手段不加以赘述。
示例性的,在情绪关键词数据库中设置“不续费了”对应的等级评分为-5分;“看下情况”对应的等级评分为-1分;“费用太高了”对应的等级评分为-3分、“帮我续费”对应的等级评分为+5分、“也可以续费”对应的等级评分为+3分。在通话内容出现“看下情况”、“费用太高了”、“也可以续费”等情绪关键词时,对每个情绪关键词都获取其对应的等级评分。
步骤S302:根据各个所述情绪关键词的等级评分计算所述通话对端的缴费指数。
在具体应用中,通话内容中可能出现多个情绪关键词,需要综合所有情绪关键词才能更准确地表明通话对端的缴费意愿,因此根据各个情绪关键词的等级评分来计算通话对端的缴费指数。
在具体应用中,获取各个情绪关键词的等级评分,将文本数据中出现的全部情绪关键词的等级评分进行相加,将总和作为通话对端的缴费指数,上述缴费指数越高则表明通话对端的缴费意愿越高。
在具体应用中,获取各个情绪关键词的等级评分,将文本数据中出现的全部情绪关键词的等级评分求取平均值,将该平均值作为通话对端的缴费指数,上述缴费指数越高则表明通话对端的缴费意愿越高。
在具体应用中,获取各个情绪关键词的等级评分,将文本数据中出现的全部关键词去除突变值后求取平均值,将该平均值作为通话对端的缴费指数,上述缴费指数越高则表明通话对端的缴费意愿越高。
实施例四:
如图4所示,在本实施例中,实施例一中的步骤S103具体包括:
步骤S401:获取历史通话录音,删除催缴失败的历史通话录音,将催缴成功的所述历史通话录音转换为文字信息。
在具体应用中,基于大量的历史通话数据来对VGG16神经网络模型进行训练,通过运营督导系统后台获取大量的历史通话录音,为了提高催缴成功率,将催缴失败的历史通话录音进行删除,并将催缴成功的历史通话录音转换为文字信息。由于运营督导(通话本端)与客户(通话对端)在通话的过程中会出现情绪关键词和针对当前情绪进行费用催收的话术。
步骤S402:提取并存储所述文字信息中缴费指数和使用的引导话术文本。
在具体应用中,通过将历史通话过程出现的情绪关键词从通话录音的文字信息中提取出来,并根据该情绪关键词计算出该通话录音中客户的缴费指数。将针对客户的缴费指数进行费用催收时所使用的话术也从通话录音的文字信息中提取出来,并作相应保存。
步骤S403:将所述文字信息中的缴费指数作为VGG16神经网络模型的输入,将各个缴费指数对应的引导话术文本作为所述VGG16神经网络模型的输出,对所述VGG16神经网络模型进行训练,将训练好的VGG16神经网络模型作为引导话术文本模型。
在具体应用中,将根据该情绪关键词计算出该通话录音中客户的缴费指数输入到VGG16神经网络模型中,并将针对客户的缴费指数进行费用催收时所使用的话术作为该缴费指数对应的引导话术文本模型。并将上述引导话术文本模型作为上述VGG16神经网络的输出,对VGG16神经网络模型进行大数据训练。将训练好的VGG16神经网络模型作为引导话术文本模型。
需要说明的是,上述VGG16神经网络模型为现有技术,构建过程和训练方式在此不加以赘述。
步骤S404:将所述缴费指数输入至所述引导话术文本模型,以输出与所述缴费指数匹配的引导话术文本。
在具体应用中,已经训练好的引导话术文本模型能够根据输入的缴费指数自动输出与该缴费意愿匹配的引导话术文本。
实施例五:
如图5所示,在本实施例中,实施例一中的步骤S104具体包括:
步骤S501:通过后台调用接口获取所述引导话术文本。
在具体应用中,开发获取引导话术文本的接口,并将其封装在运营督导系统后台中,通过运营督导系统后台调用该接口获取对应的引导话术文本。
在一个实施例中,只有当缴费指数低于预设缴费阈值时,才调用接口获取引导话术文本。
步骤S502:根据所述引导话术文本生成提示信息。
在具体应用中,引导话术文本是引导通话对端的情绪的对话模板,在提示通话本端时只需要充该引导话术文本中提取关键信息作为提示信息进行提示,无需将完整的对话模板进行显示。
示例性的,当获取到的引导话术文本为:保险不是一种奢侈品,而是一种必需品。如果在身体健康,收入稳定的情况下都觉得没钱,万一有意外发生时不是更没有保障来源了吗?越觉得没钱,越要为将来着想呀!其中,“保险不是一种奢侈品,而是一种必需品”,“万一有意外发生时不是更没有保障来源了吗”能够强调保险的重要性,因此将其提取为关键信息进行提示。
步骤S503:以弹窗的形式显示所述提示信息,并根据所述通话本端的操作指令更新所述提示信息。
在具体应用中,为了方便通话本端查看提示信息,以弹窗的形式显示提示信息。通话本端根据该提醒信息调整与通话对端的通话内容。并对所述弹窗作出相应的操作。如在弹窗设置选择控件,通话本端根据通话对端的回应选择相应控件。上述控件可以为反馈控件或关闭控件,反馈控件包括确认反馈控件和否认反馈控件。当通话本端认为无需再进行提醒时,通过点击关闭控件关闭弹窗。当通话本端认为在根据该提示信息调整通话内容后,通话对端的缴费意愿增强,则点击确认反馈控件,通话对端的缴费意愿没有增强,则点击否认反馈控件。系统会根据该操作指令更新提示信息,以指示通话本端继续调整通话内容,以便于更准确地引导通话对端的情绪,提高催缴的成功率。
实施例六:
如图6所示,本实施例提供一种智能话术提醒系统100,用于执行实施例一中的方法步骤,其包括识别模块101、意愿确定模块102、话术获取模块103以及提示模块104。
识别模块101用于获取通话内容,识别通话过程中出现的情绪关键词。
意愿确定模块102用于根据所述情绪关键词确定缴费指数,所述缴费指数用于指示通话对端的缴费意愿。
话术获取模块103用于根据所述缴费指数获取对应的引导话术文本。
提示模块104用于向通话本端提示所述引导话术文本。
需要说明的是,本发明实施例提供的智能话术提醒系统,由于与本发明图1所示方法实施例基于同一构思,其带来的技术效果与本发明图1所示方法实施例相同,具体内容可参见本发明图1所示方法实施例中的叙述,此处不再赘述。
因此,本实施例提供的一种智能话术提醒系统,同样能够通过实时获取运营督导与客户的通话内容,基于情绪关键词识别客户缴费指数,基于缴费指数获取相应的引导话术文本,根据引导话术文本来调整与客户的对话内容,引导客户的积极续交保费。在提高保费催缴成功率的同时改善用户体验。有效地解决了目前的保费催缴过程中存在的催缴成功率低、用户体验不佳的问题。
实施例七:
如图7所示,在本实施例中,实施例六中的识别模块101包括用于执行图2所对应的实施例中的方法步骤的结构,其包括获取单元201、转换单元202以及确定单元203。
获取单元201用于通过后台调用接口实时获取所述通话内容。
转换单元202用于将所述通话内容转换为文本数据。
确定单元203用于将所述文本数据输入情绪关键词确定模型,以输出文本数据中出现的情绪关键词。
实施例八:
如图8所示,在本实施例中,实施例六中的意愿确定模块102包括用于执行图3所对应的实施例中的方法步骤的结构,其包括评分单元301和指数确定单元302。
评分单元301用于对各个所述情绪关键词进行等级评分。
指数确定单元302用于根据各个所述情绪关键词的等级评分计算所述通话对端的缴费指数。
实施例九:
如图9所示,在本实施例中,实施例六中的话术获取模块103包括用于执行图4所对应的实施例中的方法步骤的结构,其包括历史录音处理单元401、提取单元402、训练单元403以及话术获取单元404。
历史录音处理单元401用于获取历史通话录音,删除催缴失败的历史通话录音,将催缴成功的所述历史通话录音转换为文字信息。
提取单元402用于提取并存储所述文字信息中缴费指数和使用的引导话术文本。
训练单元403用于将所述文字信息中的缴费指数作为VGG16神经网络模型的输入,将各个缴费指数对应的引导话术文本作为所述VGG16神经网络模型的输出,对所述VGG16神经网络模型进行训练,将训练好的VGG16神经网络模型作为引导话术文本模型。
话术获取单元404用于将所述缴费指数输入至所述引导话术文本模型,以输出与所述缴费指数匹配的引导话术文本。
实施例十:
如图10所示,在本实施例中,实施例六中的提示模块104包括用于执行图5所对应的实施例中的方法步骤的结构,其包括文本获取单元501、提示信息生成单元502以及提示单元503。
文本获取单元501用于通过后台调用接口获取所述引导话术文本。
提示信息生成单元502用于根据所述引导话术文本生成提示信息。
提示单元503用于以弹窗的形式显示所述提示信息,并根据所述通话本端的操作指令更新所述提示信息。
实施例十一:
图11是本发明实施例十一提供的终端设备的示意图。如图11所示,该实施例的终端设备11包括:处理器110、存储器111以及存储在所述存储器111中并可在所述处理器110上运行的计算机程序112,例如程序。所述处理器110执行所述计算机程序112时实现上述各个智能话术提醒方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器110执行所述计算机程序112时实现上述系统实施例中各模块/单元的功能,例如图6所示模块101至104的功能。
示例性的,所述计算机程序112可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器111中,并由所述处理器110执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序112在所述终端设备11中的执行过程。例如,所述计算机程序112可以被分割成识别模块、意愿确定模块、话术获取模块以及提示模块,各模块具体功能如下:
识别模块,用于获取通话内容,识别通话过程中出现的情绪关键词;
意愿确定模块,用于根据所述情绪关键词确定缴费指数,所述缴费指数用于指示通话对端的缴费意愿;
话术获取模块,用于根据所述缴费指数获取对应的引导话术文本;
提示模块,用于向通话本端提示所述引导话术文本。
所述终端设备11可以是桌上型计算机、笔记本、掌上电脑及云端管理服务器等计算设备。所述终端设备可包括,但不仅限于,处理器110、存储器111。本领域技术人员可以理解,图11仅仅是终端设备11的示例,并不构成对终端设备11的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器110可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器111可以是所述终端设备11的内部存储单元,例如终端设备11的硬盘或内存。所述存储器111也可以是所述终端设备11的外部存储设备,例如所述终端设备11上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器111还可以既包括所述终端设备11的内部存储单元也包括外部存储设备。所述存储器111用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器111还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述无线终端中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的系统/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的系统/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,系统或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述设置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,设置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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并设置为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也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于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或系统、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能话术提醒方法,其特征在于,包括:
获取通话内容,识别通话过程中出现的情绪关键词;
根据所述情绪关键词确定缴费指数,所述缴费指数用于指示通话对端的缴费意愿;
根据所述缴费指数获取对应的引导话术文本;
向通话本端提示所述引导话术文本。
2.根据权利要求1所述的智能话术提醒方法,其特征在于,所述获取通话内容,识别所述通话过程存在的情绪关键词,包括:
通过后台调用接口实时获取所述通话内容;
将所述通话内容转换为文本数据;
将所述文本数据输入情绪关键词确定模型,以输出文本数据中出现的情绪关键词。
3.根据权利要求1所述的智能话术提醒方法,其特征在于,所述根据所述情绪关键词确定缴费指数,包括:
对各个所述情绪关键词进行等级评分;
根据各个所述情绪关键词的等级评分计算所述通话对端的缴费指数。
4.根据权利要求1所述的智能话术提醒方法,其特征在于,所述根据所述缴费指数获取对应的引导话术文本,包括:
获取历史通话录音,删除催缴失败的历史通话录音,将催缴成功的所述历史通话录音转换为文字信息;
提取并存储所述文字信息中缴费指数和使用的引导话术文本;
将所述文字信息中的缴费指数作为VGG16神经网络模型的输入,将各个缴费指数对应的引导话术文本作为所述VGG16神经网络模型的输出,对所述VGG16神经网络模型进行训练,将训练好的VGG16神经网络模型作为引导话术文本模型;
将所述缴费指数输入至所述引导话术文本模型,以输出与所述缴费指数匹配的引导话术文本。
5.根据权利要求1所述的智能话术提醒方法,其特征在于,通过所述情绪引导话术提示运营督导对客户进行情绪引导,包括:
通过后台调用接口获取所述引导话术文本;
根据所述引导话术文本生成提示信息;
以弹窗的形式显示所述提示信息,并根据所述通话本端的操作指令更新所述提示信息。
6.一种智能话术提醒系统,其特征在于,包括:
识别模块,用于获取通话内容,识别通话过程中出现的情绪关键词;
意愿确定模块,用于根据所述情绪关键词确定缴费指数,所述缴费指数用于指示通话对端的缴费意愿;
话术获取模块,用于根据所述缴费指数获取对应的引导话术文本;
提示模块,用于向通话本端提示所述引导话术文本。
7.根据权利要求6所述的智能话术提醒系统,其特征在于,所述识别模块包括:
获取单元,用于通过后台调用接口实时获取所述通话内容;
转换单元,用于将所述通话内容转换为文本数据;
确定单元,用于将所述文本数据输入情绪关键词确定模型,以输出文本数据中出现的情绪关键词。
8.根据权利要求6所述的智能话术提醒系统,其特征在于,所述话术获取模块包括:
历史录音处理单元,用于获取历史通话录音,删除催缴失败的历史通话录音,将催缴成功的所述历史通话录音转换为文字信息;
提取单元,用于提取并存储所述文字信息中缴费指数和使用的引导话术文本;
训练单元,用于将所述文字信息中的缴费指数作为VGG16神经网络模型的输入,将各个缴费指数对应的引导话术文本作为所述VGG16神经网络模型的输出,对所述VGG16神经网络模型进行训练,将训练好的VGG16神经网络模型作为引导话术文本模型;
话术获取单元,用于将所述缴费指数输入至所述引导话术文本模型,以输出与所述缴费指数匹配的引导话术文本。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一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如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811018208.0A CN109447819A (zh) | 2018-09-03 | 2018-09-03 | 一种智能话术提醒方法、系统及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811018208.0A CN109447819A (zh) | 2018-09-03 | 2018-09-03 | 一种智能话术提醒方法、系统及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109447819A true CN109447819A (zh) | 2019-03-08 |
Family
ID=65530759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811018208.0A Pending CN109447819A (zh) | 2018-09-03 | 2018-09-03 | 一种智能话术提醒方法、系统及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447819A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112995422A (zh) * | 2021-02-07 | 2021-06-18 | 成都薯片科技有限公司 | 通话管控方法、装置、电子设备及存储介质 |
CN113362828A (zh) * | 2020-03-04 | 2021-09-07 | 北京百度网讯科技有限公司 | 用于识别语音的方法和装置 |
CN113420140A (zh) * | 2021-08-24 | 2021-09-21 | 北京明略软件系统有限公司 | 用户情绪的预测方法、装置、电子设备和可读存储介质 |
EP3989224A1 (en) * | 2020-10-22 | 2022-04-27 | Tata Consultancy Services Limited | Selection of speech segments for training classifiers for detecting emotional valence from input speech signals |
CN114722171A (zh) * | 2022-03-28 | 2022-07-08 | 北京百度网讯科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
CN115905502A (zh) * | 2022-07-19 | 2023-04-04 | 北京中关村科金技术有限公司 | 一种话术挖掘与推荐方法、装置及存储介质 |
CN116523529A (zh) * | 2023-06-27 | 2023-08-01 | 国网江苏省电力有限公司营销服务中心 | 人工催费质检及质检结果在客户视图中的应用方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951428A (zh) * | 2014-03-26 | 2015-09-30 | 阿里巴巴集团控股有限公司 | 用户意图识别方法及装置 |
CN105138511A (zh) * | 2015-08-10 | 2015-12-09 | 北京思特奇信息技术股份有限公司 | 一种对搜索关键词进行语义分析的方法和系统 |
CN106844750A (zh) * | 2017-02-16 | 2017-06-13 | 深圳追科技有限公司 | 一种基于客服机器人中情感安抚的人机交互方法及系统 |
US20180082679A1 (en) * | 2016-09-18 | 2018-03-22 | Newvoicemedia, Ltd. | Optimal human-machine conversations using emotion-enhanced natural speech using hierarchical neural networks and reinforcement learning |
US20180103122A1 (en) * | 2016-10-10 | 2018-04-12 | Google Inc. | Creating a Cinematic Storytelling Experience Using Network-Addressable Devices |
CN108197115A (zh) * | 2018-01-26 | 2018-06-22 | 上海智臻智能网络科技股份有限公司 | 智能交互方法、装置、计算机设备和计算机可读存储介质 |
-
2018
- 2018-09-03 CN CN201811018208.0A patent/CN109447819A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951428A (zh) * | 2014-03-26 | 2015-09-30 | 阿里巴巴集团控股有限公司 | 用户意图识别方法及装置 |
CN105138511A (zh) * | 2015-08-10 | 2015-12-09 | 北京思特奇信息技术股份有限公司 | 一种对搜索关键词进行语义分析的方法和系统 |
US20180082679A1 (en) * | 2016-09-18 | 2018-03-22 | Newvoicemedia, Ltd. | Optimal human-machine conversations using emotion-enhanced natural speech using hierarchical neural networks and reinforcement learning |
US20180103122A1 (en) * | 2016-10-10 | 2018-04-12 | Google Inc. | Creating a Cinematic Storytelling Experience Using Network-Addressable Devices |
CN106844750A (zh) * | 2017-02-16 | 2017-06-13 | 深圳追科技有限公司 | 一种基于客服机器人中情感安抚的人机交互方法及系统 |
CN108197115A (zh) * | 2018-01-26 | 2018-06-22 | 上海智臻智能网络科技股份有限公司 | 智能交互方法、装置、计算机设备和计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
张清源: "《提问式行销 中国式保险行销技巧和话术》", 31 August 2011, 北京:中国致公出版社, pages: 1 - 7 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362828A (zh) * | 2020-03-04 | 2021-09-07 | 北京百度网讯科技有限公司 | 用于识别语音的方法和装置 |
CN113362828B (zh) * | 2020-03-04 | 2022-07-05 | 阿波罗智联(北京)科技有限公司 | 用于识别语音的方法和装置 |
EP3989224A1 (en) * | 2020-10-22 | 2022-04-27 | Tata Consultancy Services Limited | Selection of speech segments for training classifiers for detecting emotional valence from input speech signals |
CN112995422A (zh) * | 2021-02-07 | 2021-06-18 | 成都薯片科技有限公司 | 通话管控方法、装置、电子设备及存储介质 |
CN113420140A (zh) * | 2021-08-24 | 2021-09-21 | 北京明略软件系统有限公司 | 用户情绪的预测方法、装置、电子设备和可读存储介质 |
CN113420140B (zh) * | 2021-08-24 | 2021-12-28 | 北京明略软件系统有限公司 | 用户情绪的预测方法、装置、电子设备和可读存储介质 |
CN114722171A (zh) * | 2022-03-28 | 2022-07-08 | 北京百度网讯科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
CN114722171B (zh) * | 2022-03-28 | 2023-10-24 | 北京百度网讯科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
CN115905502A (zh) * | 2022-07-19 | 2023-04-04 | 北京中关村科金技术有限公司 | 一种话术挖掘与推荐方法、装置及存储介质 |
CN115905502B (zh) * | 2022-07-19 | 2024-01-05 | 北京中关村科金技术有限公司 | 一种话术挖掘与推荐方法、装置及存储介质 |
CN116523529A (zh) * | 2023-06-27 | 2023-08-01 | 国网江苏省电力有限公司营销服务中心 | 人工催费质检及质检结果在客户视图中的应用方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447819A (zh) | 一种智能话术提醒方法、系统及终端设备 | |
CN109074514A (zh) | 通过示例和经验的机器人的深度学习 | |
CN109345399A (zh) | 理赔风险评估方法、装置、计算机设备及存储介质 | |
CN107463601A (zh) | 基于人工智能的对话理解系统构建方法、装置、设备及计算机可读存储介质 | |
CN110020426A (zh) | 将用户咨询分配到客服业务组的方法及装置 | |
US20100223099A1 (en) | Method and apparatus for a multi-dimensional offer optimization (mdoo) | |
CN109190930A (zh) | 一种指标生成方法及装置 | |
CN105094572B (zh) | 菜单自调整滚屏显示控制方法、服务器及便携式终端 | |
CN108255936A (zh) | 一种网页的编辑方法、系统及编辑器 | |
CN108153463A (zh) | 应用界面显示控制方法、装置及存储介质和移动终端 | |
CN110363650A (zh) | 一种存量用户动支意愿预测方法、装置和系统 | |
CN107784063A (zh) | 算法的生成方法及终端设备 | |
CN110363575A (zh) | 一种授信用户动支意愿预测方法、装置和设备 | |
CN109783802A (zh) | 一种业务规则处理方法、服务器及计算机可读存储介质 | |
CN109325121A (zh) | 用于确定文本的关键词的方法和装置 | |
CN108764633A (zh) | 一种任务分配方法、系统及终端设备 | |
CN116629937A (zh) | 营销策略推荐方法及装置 | |
CN115689638A (zh) | 金融机构营销活动触达优化方法、系统、设备及存储介质 | |
CN108803970A (zh) | 场景匹配展示方法及终端设备 | |
CN108364230A (zh) | 一种账户提现方法、装置、终端设备和存储介质 | |
CN110335143A (zh) | 基于多重时间验证的金融风险分析方法、装置及电子设备 | |
CN110348892A (zh) | 基于用户特征的定制信息生成方法、装置及电子设备 | |
CN108346045A (zh) | 一种账户充值方法、装置、终端设备和存储介质 | |
CN106293354A (zh) | 快捷菜单自适应显示控制方法、服务器及便携式终端 | |
CN107679889A (zh) | 一种潜在客户的识别方法及终端设备 |
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 |