CN109785862A - 客服服务质量评价方法、装置、电子设备及存储介质 - Google Patents
客服服务质量评价方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109785862A CN109785862A CN201910051560.2A CN201910051560A CN109785862A CN 109785862 A CN109785862 A CN 109785862A CN 201910051560 A CN201910051560 A CN 201910051560A CN 109785862 A CN109785862 A CN 109785862A
- Authority
- CN
- China
- Prior art keywords
- mood
- customer service
- client
- keyword
- customer
- 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 44
- 230000036651 mood Effects 0.000 claims abstract description 525
- 230000002996 emotional effect Effects 0.000 claims abstract description 33
- 230000011218 segmentation Effects 0.000 claims description 126
- 238000010586 diagram Methods 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 10
- 238000013441 quality evaluation Methods 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 18
- 238000004590 computer program Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 7
- 238000003780 insertion Methods 0.000 description 4
- 230000037431 insertion Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 235000010662 Bidens pilosa Nutrition 0.000 description 2
- 244000104272 Bidens pilosa Species 0.000 description 2
- 206010012374 Depressed mood Diseases 0.000 description 2
- 206010027940 Mood altered Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本发明涉及人工智能技术领域,本发明提供一种客服服务质量评价方法,所述方法包括:获取客户通话及客服通话;分别对所述客户通话及所述客服通话进行建模生成随时间变化的客户客服情绪状态图;分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪;确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词;分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪;根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量。本发明还提供一种装置、电子设备及存储介质,可自动确认客服服务质量。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种客服服务质量评价方法、装置、电子设备及存储介质。
背景技术
客服承担了公司新产品的推荐、老客户的维护、答疑等责任。目前,在客服和客户电话沟通结束后,一般采用语音方式或短信方式征求客户对客服服务质量的评价。语音方式是指在电话沟通结束且未挂断电话时播放语音提示来提示客户对客服服务质量进行评价,客户可以根据语音提示进行选择来表达自己的评价。短信方式是指在挂断电话之后通过系统向客户发送短信提示来提示客户对客服服务质量进行评价,客户根据短信来回复反馈短信来反馈自己的评价。但是采用语音方式或短信方式征求客户对客服服务质量的评价往往存在客户在反馈评价信息时,很随意地给出好评或者差评的问题,甚至部分客户由于自身的原因,例如心情不好或者很忙而不乐意接听到电话等而侮辱客服人员,但是却给出差评的问题,而且客户在听到语音提示或者短信提示时可以随意选择评价或者不评价,导致不能真实全面地收到客户反馈。
发明内容
鉴于此,有必要提供一种客服服务质量评价方法、装置、电子设备及存储介质,可自动确认客服服务质量。
本申请的第一方面提供一种客服服务质量评价方法,所述方法包括:
获取客户通话及客服通话;
分别对所述客户通话及所述客服通话进行建模生成随时间变化的客户客服情绪状态图;
分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪;
确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词;
分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪;
根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量。
另一种可能的实现方式中,所述方法还包括:
所述分别对所述客户通话及所述客服通话进行建模生成随时间变化的客户客服情绪状态图包括:
将所述客户通话分为多个客户语音分段,每个客户语音分段具有时间先后顺序关系;
将所述客服通话分为多个客服语音分段,每个客服语音分段具有时间先后顺序关系;
将所述多个客户语音分段及所述多个客服语音分段按时间先后顺序输入预设的深度神经网络模型分别进行分析,得到按时间先后顺序的多个客户语音分段的情绪初始状态及情绪终止状态、及多个客服语音分段的情绪初始状态及情绪终止状态;
根据按时间先后顺序的多个客户语音分段的情绪初始状态及情绪终止状态、及多个客服语音分段的情绪初始状态及情绪终止状态生成随时间变化的客户客服情绪状态图。
另一种可能的实现方式中,所述分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪包括:
分析每个客户语音分段的情绪初始状态及情绪终止状态来确定客服对客户的情绪的影响;
分析每个客服语音分段的情绪初始状态及情绪终止状态来确定客户对客服的情绪的影响;
根据客服对客户的情绪的影响及客户对客服的情绪的影响确定客户的第一情绪及客服的第一情绪;
其中,若客服对客户的情绪的影响为变好,客户对客服的情绪的影响为变差,确定客户的第一情绪为积极及客服的第一情绪为积极;
若客服对客户的情绪的影响为变好,客户对客服的情绪的影响为变好,确定客户的第一情绪为积极及客服的第一情绪为积极;
若客服对客户的情绪的影响为变差,客户对客服的情绪的影响为变差,确定客户的第一情绪为普通及客服的第一情绪为普通;
若客服对客户的情绪的影响为变差,客户对客服的情绪的影响为变好,确定客户的第一情绪的消极及客服的第一情绪为消极。
另一种可能的实现方式中,所述分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪包括:
分析客户通话中的每个客户语音分段中随时间变化而出现的预设的客户情绪关键词来确定客户的第二情绪;
分析客服通话中的每个客服语音分段中随时间变化而出现的预设的客服情绪关键词来确定客服的第二情绪。
另一种可能的实现方式中,所述分析客户通话中的每个客户语音分段中随时间变化而出现的预设的客户情绪关键词来确定客户的第二情绪包括:
若至少一个客户语音分段出现表扬的关键词且所有客户语音分段未出现侮辱的关键词及批评的关键词,确定客户的第二情绪为积极;
若初始客户语音分段出现侮辱的关键词或者批评的关键词,后续客户语音分段出现侮辱的关键词或者批评的关键词的频率没有增加,确定客户的第二情绪为积极;
若初始客户语音分段出现侮辱的关键词或者批评的关键词,后续客户语音分段出现侮辱的关键词或者批评的关键词的概率增加,确定客户的第二情绪为消极;
若初始客户语音分段未出现侮辱的关键词或者批评的关键词,后续客户语音分段出现侮辱的关键词或者批评的关键词,确定客户的第二情绪为消极;
若所有客户语音分段未出现表扬的关键词、侮辱的关键词及批评的关键词,确定客户的第二情绪为普通。
另一种可能的实现方式中,所述分析每个客服语音分段中随时间变化而出现的预设的客服情绪关键词来确定客服的第二情绪包括:
若至少一个客服语音分段出现表扬的关键词且所有客服语音分段未出现侮辱的关键词及批评的关键词,确定客服的第二情绪为积极;
若任一客服语音分段出现侮辱的关键词及批评的关键词,确定客服的第二情绪为消极;
若所有客服语音分段未出现表扬的关键词、侮辱的关键词及批评的关键词,确定客服的第二情绪为普通。
另一种可能的实现方式中,根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量包括:
若所述客户的第一情绪为消极或者所述客户的第二情绪为消极,确定客户的情绪为消极;
若所述客户的第一情绪及所述客户的第二情绪中至少一个为积极,而另一个为普通或者积极,确定客户的情绪为积极;
若所述客户的第一情绪及所述客户的第二情绪为普通,确定客户的情绪为普通;
若所述客服的第一情绪为消极或者所述客服的第二情绪为消极,确定客服的情绪为消极;
若所述客服的第一情绪及所述客服的第二情绪中至少一个为积极,而另一个为普通或者积极,确定客服的情绪为积极;
若所述客服的第一情绪及所述客服的第二情绪为普通,确定客服的情绪为普通;
若所述客户的情绪或者所述客服的情绪为消极,确定客服服务质量为差;
若所述客户的情绪及所述客服的情绪中至少一个为积极,而另一个为普通或者积极,确定客服服务质量为好;
若所述客户的情绪及所述客服的情绪为普通,确定客服服务质量为普通。
本申请的第二方面提供一种客服服务质量评价装置,所述装置包括:
获取模块,用于获取客户通话及客服通话;
状态图生成模块,用于分别对所述客户通话及所述客服通话进行建模生成随时间变化的客户客服情绪状态图;
第一情绪确定模块,用于分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪;
关键词确定模块,用于确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词;
第二情绪确定模块,用于分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪;
服务质量确定模块,用于根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量。
本申请的第三方面提供一种电子设备,所述电子设备包括处理器及存储器,所述处理器用于执行所述存储器中存储的至少一个指令时实现如上任意一项所述的客服服务质量评价方法。
本申请的第四方面提供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至少一个指令,所述至少一个指令被处理器执行以实现如上任意一项所述的客服服务质量评价方法。
本方案通过获取客户通话及客服通话;分别对所述客户通话及所述客服通话进行建模生成随时间变化的客户客服情绪状态图;分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪;确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词;分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪;根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量,来自动确认客服服务质量。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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获得其他的附图。
图1是本发明实施例一提供的客服服务质量评价方法的流程图。
图2是本发明一实施例的随时间变化的客户客服情绪状态图。
图3是本发明实施例二提供的客服服务质量评价装置的结构图。
图4是本发明实施例三提供的电子设备的示意图。
如下具体实施方式将结合上述附图进一步说明本发明。
主要元件符号说明
客服服务质量评价装置 30
获取模块 31
状态图生成模块 32
第一情绪确定模块 33
关键词确定模块 34
第二情绪确定模块 35
服务质量确定模块 36
电子设备 4
存储器 41
处理器 42
计算机程序 43
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一
图1为本发明实施例一提供的客服服务质量评价方法的流程图。所述方法应用于电子设备中,所述电子设备可以为任何一种电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)等。如图1所示,所述客服服务质量评价方法可包括以下步骤:
S11:获取客户通话及客服通话。
所述获取客户通话及客服通话包括:获取待分析的客户客服通话;将待分析的客户客服通话分离为客户通话及客服通话。在本实施例中,在获取待分析的客户客服通话后,所述方法还包括:对所述待分析的客户客服通话预处理。所述预处理包括预滤波、预加重、加窗、端点检测等过程。
S12:分别对所述客户通话及所述客服通话进行建模生成随时间变化的客户客服情绪状态图。
所述分别对所述客户通话及所述客服通话进行建模得到随时间变化的客户客服情绪状态图包括:根据预设的深度神经网络模型分别对所述客户通话及所述客服通话进行分析,生成与所述语音对应的随时间变化的客户客服情绪状态图。其中,所述预设的深度神经网络模型可为其他使用者已经训练完成的深度神经网络模型,或者为在执行本发明前预先自行训练的深度神经网络模型。
具体地,所述分别对所述客户通话及所述客服通话进行建模得到随时间变化的客户客服情绪状态图包括:
a1、将所述客户通话分为多个客户语音分段,每个客户语音分段具有时间先后顺序关系。
在本实施例中,所述将客户通话分为多个客户语音分段包括:根据不同通话的角色的插入将客户通话分为多个客户语音分段。例如,客户在8:13~8:17说出一段话,客服在8:17~8:20说出一段话,客户在8:20~8:23说出一段话,则客户通话分为2个客户语音分段,分别为8:13~8:17的客户语音分段及8:20~8:23的客户语音分段。
a2、将所述客服通话分为多个客服语音分段,每个客服语音分段具有时间先后顺序关系。
在本实施例中,所述将客服通话分为多个客服语音分段包括:根据不同通话的角色的插入将客服通话分为多个客服语音分段。例如,客服在8:00~8:13说出一段话,客户在8:13~8:17说出一段话,客服在8:17~8:20说出一段话,则客服通话分为2个客服语音分段,分别为8:00~8:13的客服语音分段及8:17~8:20的客服语音分段。
a3、将所述多个客户语音分段及所述多个客服语音分段按时间先后顺序输入预设的深度神经网络模型分别进行分析,得到按时间先后顺序的多个客户语音分段的情绪初始状态及情绪终止状态、及多个客服语音分段的情绪初始状态及情绪终止状态。
其中,每个人在听到一段话后,所产生的影响不会在听到的一瞬间全部体现出现,而是在后续的较短时间内逐渐体现,因此在听到一段话后,会有情绪初始状态及情绪终止状态。
a4、根据按时间先后顺序的多个客户语音分段的情绪初始状态及情绪终止状态、及多个客服语音分段的情绪初始状态及情绪终止状态生成随时间变化的客户客服情绪状态图(如图2所示)。
在客户客服情绪状态图中,实线表示客户的情绪随时间变化的过程图,虚线表示客服的情绪随时间变化的过程图。
显然,本发明不仅局限于根据客户语音分段得到情绪初始状态及对应情绪终止状态,根据客服语音分段得到情绪初始状态及对应情绪终止状态,还可为根据客户语音分段得到对应情绪,根据客服语音分段得到对应情绪。
S13:分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪。
分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪包括:
b1、分析每个客户语音分段的情绪初始状态及情绪终止状态来确定客服对客户的情绪的影响。
在本实施例中,所述客服对客户的情绪的影响为变好、普通或者变差。
b2、分析每个客服语音分段的情绪初始状态及情绪终止状态来确定客户对客服的情绪的影响。
在本实施例中,所述客户对客服的情绪的影响为变好、普通或者变差。
例如,在图2中,第一个客户语音分段的情绪初始状态为-0.41,情绪终止状态为-0.2,表示客户的情绪初始就很差,可能客户心情不好或者客户不乐意接听到通话,但是由于客服的原因而有所好转;第二个客户语音分段的情绪初始状态为-0.41,情绪终止状态为-0.26,表示客户的情绪较差受客服的影响略有所好转,第三个客户语音分段的情绪初始状态为-0.41,情绪终止状态为-0.14,表示客服的情绪较差但受客服的影响变好。在第一个客服语音分段的情绪初始状态为0.47,情绪终止状态为0.67,表示客服在努力保持好的情绪,在第二个客服语音分段的情绪初始状态为0.5,情绪终止状态为0.6,表示客服的情绪受客户的影响而略变差,在第三个客服语音分段的情绪初始状态为0.5,情绪终止状态为0.41,表示客服的情绪受客户的影响变差。由此可知,客户对客服的情绪的影响为变差,而客服对客户的情绪的影响为变好,此时,可能为客户由于自身的心情不好,或者本身此时不太乐意接听到通话等而导致通话不佳。
b3.根据客服对客户的情绪的影响及客户对客服的情绪的影响确定客户的第一情绪及客服的第一情绪。
所述客户的第一情绪为积极、普通、或者消极。所述客服的第一情绪为积极、普通、或者消极。在本实施例中,所述根据客服对客户的情绪的影响及客户对客服的情绪的影响确定客户的第一情绪及客服的第一情绪包括:
若客服对客户的情绪的影响为变好,客户对客服的情绪的影响为变差,确定客户的第一情绪为积极及客服的第一情绪为积极;
若客服对客户的情绪的影响为变好,客户对客服的情绪的影响为变好,确定客户的第一情绪为积极及客服的第一情绪为积极;
若客服对客户的情绪的影响为变差,客户对客服的情绪的影响为变差,确定客户的第一情绪为普通及客服的第一情绪为普通;
若客服对客户的情绪的影响为变差,客户对客服的情绪的影响为变好,确定客户的第一情绪的消极及客服的第一情绪为消极。
在其他实施例中,若客服对客户的情绪的影响为变差,客户对客服的情绪的影响为变差,确定客户的第一情绪为消极及客服的第一情绪为消极。
S14:确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词。
在本实施例中,所述预设的客户情绪关键词及所述预设的客服情绪关键词相同。所述预设的客户情绪关键词可包括表扬的关键词、侮辱的关键词、批评的关键词等。所述表扬的关键词可为例如谢谢,您很好,表扬您、对不起等。所述侮辱的关键词可为老子、犯贱、王八、三八等。所述批评的关键词可为你很差、投诉你、我觉得你不好、你让我心情不爽等。在其他实施例中,所述预设的客户情绪关键词及所述预设的客服情绪关键词不相同。
所述确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词可包括:
c1、获取每个客户语音分段中随时间变化的客户声学特征;
c2、将随时间变化的客户声学特征与预设的声学模型比对来确定每个客户语音分段中随时间变化而出现的预设的客户情绪关键词;
c3、获取每个客服语音分段中随时间变化的客服声学特征;
c4、将随时间变化的客服声学特征与预设的声学模型比对来确定每个客服语音分段中随时间变化而出现的预设的客服情绪关键词。
所述预设的声学模型可为其他使用者已经训练完成的声学模型,或者为在执行本发明前预先自行训练的声学模型。
所述确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词可包括:
d1、将每个客户语音分段转化为客户文本分段;
d2、确定每个客户语音分段中随时间变化而出现的预设的客户情绪关键词为每个客户文本分段中随时间变化而出现的预设的客户情绪关键词;
d3、将每个客服语音分段转化为客服文本分段;
d4、确定每个客服语音分段中随时间变化而出现的预设的客服情绪关键词为每个客服文本分段中随时间变化而出现的预设的客服情绪关键词。
S15:分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪。
所述分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪包括:
e1、分析每个客户语音分段中随时间变化而出现的预设的客户情绪关键词来确定客户的第二情绪。
所述分析每个客户语音分段中随时间变化而出现的预设的客户情绪关键词来确定客户的第二情绪包括:
若至少一个客户语音分段出现表扬的关键词且所有客户语音分段未出现侮辱的关键词及批评的关键词,确定客户的第二情绪为积极;
若初始客户语音分段出现侮辱的关键词或者批评的关键词,后续客户语音分段出现侮辱的关键词或者批评的关键词的频率没有增加,确定客户的第二情绪为积极;
若初始客户语音分段出现侮辱的关键词或者批评的关键词,后续客户语音分段出现侮辱的关键词或者批评的关键词的概率增加,确定客户的第二情绪为消极;
若初始客户语音分段未出现侮辱的关键词或者批评的关键词,后续客户语音分段出现侮辱的关键词或者批评的关键词,确定客户的第二情绪为消极;
若所有客户语音分段未出现表扬的关键词、侮辱的关键词及批评的关键词,确定客户的第二情绪为普通。
e2、分析每个客服语音分段中随时间变化而出现的预设的客服情绪关键词来确定客服的第二情绪。
所述分析每个客服语音分段中随时间变化而出现的预设的客服情绪关键词来确定客服的第二情绪包括:
若至少一个客服语音分段出现表扬的关键词且所有客服语音分段未出现侮辱的关键词及批评的关键词,确定客服的第二情绪为积极;
若任一客服语音分段出现侮辱的关键词及批评的关键词,确定客服的第二情绪为消极;
若所有客服语音分段未出现表扬的关键词、侮辱的关键词及批评的关键词,确定客服的第二情绪为普通。
S16:根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量。
所述根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量包括:
若所述客户的第一情绪为消极或者所述客户的第二情绪为消极,确定客户的情绪为消极;
若所述客户的第一情绪及所述客户的第二情绪中至少一个为积极,而另一个为普通或者积极,确定客户的情绪为积极;
若所述客户的第一情绪及所述客户的第二情绪为普通,确定客户的情绪为普通;
若所述客服的第一情绪为消极或者所述客服的第二情绪为消极,确定客服的情绪为消极;
若所述客服的第一情绪及所述客服的第二情绪中至少一个为积极,而另一个为普通或者积极,确定客服的情绪为积极;
若所述客服的第一情绪及所述客服的第二情绪为普通,确定客服的情绪为普通;
若所述客户的情绪或者所述客服的情绪为消极,确定客服服务质量为差;
若所述客户的情绪及所述客服的情绪中至少一个为积极,而另一个为普通或者积极,确定客服服务质量为好;
若所述客户的情绪及所述客服的情绪为普通,确定客服服务质量为普通。
本发明实施例一通过获取客户通话及客服通话;分别对所述客户通话及所述客服通话进行建模生成随时间变化的客户客服情绪状态图;分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪;确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词;分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪;根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量,从而自动确认客服服务质量。同时,对于由于客户自身的原因所导致的通话不佳,会自动确定客服服务质量为好,避免了误评的情况。
以上是对本发明所提供的方法进行的详细描述。根据不同的需求,所示流程图中方块的执行顺序可以改变,某些方块可以省略,优化目标应用的方法也在上述优化方法中选择性的组合使用,或者与其他上述未提及的优化方法组合使用。下面对本发明所提供的装置进行描述。
实施例二
图3为本发明实施例二提供的客服服务质量评价装置的功能模块图。在一些实施例中,所述客服服务质量评价装置30运行于电子设备中。所述电子设备可以为任何一种电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal DigitalAssistant,PDA)等。所述客服服务质量评价装置30可以包括多个由程序代码段所组成的功能模块。所述客服服务质量评价装置30中的各个程序段的程序代码可以存储于存储器中,并由至少一个处理器所执行,以执行自动确认客服服务质量。
本实施例中,所述客服服务质量评价装置30根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:获取模块31、状态图生成模块32、第一情绪确定模块33、关键词确定模块34、第二情绪确定模块35、及服务质量确定模块36。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。
所述获取模块31,用于获取客户通话及客服通话。
所述获取客户通话及客服通话包括:获取待分析的客户客服通话;将待分析的客户客服通话分离为客户通话及客服通话。在本实施例中,在获取待分析的客户客服通话后,所述方法还包括:对所述待分析的客户客服通话预处理。所述预处理包括预滤波、预加重、加窗、端点检测等过程。
所述状态图生成模块32,用于确定当前播放的帧中的预设关键信息的具体内容及预设关键信息的具体内容的显示信息。
所述分别对所述客户通话及所述客服通话进行建模得到随时间变化的客户客服情绪状态图包括:根据预设的深度神经网络模型分别对所述客户通话及所述客服通话进行分析,生成与所述语音对应的随时间变化的客户客服情绪状态图。其中,所述预设的深度神经网络模型可为其他使用者已经训练完成的深度神经网络模型,或者为在执行本发明前预先自行训练的深度神经网络模型。
具体地,所述分别对所述客户通话及所述客服通话进行建模得到随时间变化的客户客服情绪状态图包括:
a1、将所述客户通话分为多个客户语音分段,每个客户语音分段具有时间先后顺序关系。
在本实施例中,所述将客户通话分为多个客户语音分段包括:根据不同通话的角色的插入将客户通话分为多个客户语音分段。例如,客户在8:13~8:17说出一段话,客服在8:17~8:20说出一段话,客户在8:20~8:23说出一段话,则客户通话分为2个客户语音分段,分别为8:13~8:17的客户语音分段及8:20~8:23的客户语音分段。
a2、将所述客服通话分为多个客服语音分段,每个客服语音分段具有时间先后顺序关系。
在本实施例中,所述将客服通话分为多个客服语音分段包括:根据不同通话的角色的插入将客服通话分为多个客服语音分段。例如,客服在8:00~8:13说出一段话,客户在8:13~8:17说出一段话,客服在8:17~8:20说出一段话,则客服通话分为2个客服语音分段,分别为8:00~8:13的客服语音分段及8:17~8:20的客服语音分段。
a3、将所述多个客户语音分段及所述多个客服语音分段按时间先后顺序输入预设的深度神经网络模型分别进行分析,得到按时间先后顺序的多个客户语音分段的情绪初始状态及情绪终止状态、及多个客服语音分段的情绪初始状态及情绪终止状态。
其中,每个人在听到一段话后,所产生的影响不会在听到的一瞬间全部体现出现,而是在后续的较短时间内逐渐体现,因此在听到一段话后,会有情绪初始状态及情绪终止状态。
a4、根据按时间先后顺序的多个客户语音分段的情绪初始状态及情绪终止状态、及多个客服语音分段的情绪初始状态及情绪终止状态生成随时间变化的客户客服情绪状态图(如图2所示)。
在客户客服情绪状态图中,实线表示客户的情绪随时间变化的过程图,虚线表示客服的情绪随时间变化的过程图。
显然,本发明不仅局限于根据客户语音分段得到情绪初始状态及对应情绪终止状态,根据客服语音分段得到情绪初始状态及对应情绪终止状态,还可为根据客户语音分段得到对应情绪,根据客服语音分段得到对应情绪。
所述第一情绪确定模块33,用于根据预设关键信息的具体内容的显示信息确定当前播放的帧满足预设条件。
分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪包括:
b1、分析每个客户语音分段的情绪初始状态及情绪终止状态来确定客服对客户的情绪的影响。
在本实施例中,所述客服对客户的情绪的影响为变好、普通或者变差。
b2、分析每个客服语音分段的情绪初始状态及情绪终止状态来确定客户对客服的情绪的影响。
在本实施例中,所述客户对客服的情绪的影响为变好、普通或者变差。
例如,在图2中,第一个客户语音分段的情绪初始状态为-0.41,情绪终止状态为-0.2,表示客户的情绪初始就很差,可能客户心情不好或者客户不乐意接听到通话,但是由于客服的原因而有所好转;第二个客户语音分段的情绪初始状态为-0.41,情绪终止状态为-0.26,表示客户的情绪较差受客服的影响略有所好转,第三个客户语音分段的情绪初始状态为-0.41,情绪终止状态为-0.14,表示客服的情绪较差但受客服的影响变好。在第一个客服语音分段的情绪初始状态为0.47,情绪终止状态为0.67,表示客服在努力保持好的情绪,在第二个客服语音分段的情绪初始状态为0.5,情绪终止状态为0.6,表示客服的情绪受客户的影响而略变差,在第三个客服语音分段的情绪初始状态为0.5,情绪终止状态为0.41,表示客服的情绪受客户的影响变差。由此可知,客户对客服的情绪的影响为变差,而客服对客户的情绪的影响为变好,此时,可能为客户由于自身的心情不好,或者本身此时不太乐意接听到通话等而导致通话不佳。
b3.根据客服对客户的情绪的影响及客户对客服的情绪的影响确定客户的第一情绪及客服的第一情绪。
所述客户的第一情绪为积极、普通、或者消极。所述客服的第一情绪为积极、普通、或者消极。在本实施例中,所述根据客服对客户的情绪的影响及客户对客服的情绪的影响确定客户的第一情绪及客服的第一情绪包括:
若客服对客户的情绪的影响为变好,客户对客服的情绪的影响为变差,确定客户的第一情绪为积极及客服的第一情绪为积极;
若客服对客户的情绪的影响为变好,客户对客服的情绪的影响为变好,确定客户的第一情绪为积极及客服的第一情绪为积极;
若客服对客户的情绪的影响为变差,客户对客服的情绪的影响为变差,确定客户的第一情绪为普通及客服的第一情绪为普通;
若客服对客户的情绪的影响为变差,客户对客服的情绪的影响为变好,确定客户的第一情绪的消极及客服的第一情绪为消极。
在其他实施例中,若客服对客户的情绪的影响为变差,客户对客服的情绪的影响为变差,确定客户的第一情绪为消极及客服的第一情绪为消极。
所述关键词确定模块34,用于根据预存的广告确定与当前播放的帧中的预设关键信息的具体内容匹配的广告。
在本实施例中,所述预设的客户情绪关键词及所述预设的客服情绪关键词相同。所述预设的客户情绪关键词可包括表扬的关键词、侮辱的关键词、批评的关键词等。所述表扬的关键词可为例如谢谢,您很好,表扬您、对不起等。所述侮辱的关键词可为老子、犯贱、王八、三八等。所述批评的关键词可为你很差、投诉你、我觉得你不好、你让我心情不爽等。在其他实施例中,所述预设的客户情绪关键词及所述预设的客服情绪关键词不相同。
所述确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词可包括:
c1、获取每个客户语音分段中随时间变化的客户声学特征;
c2、将随时间变化的客户声学特征与预设的声学模型比对来确定每个客户语音分段中随时间变化而出现的预设的客户情绪关键词;
c3、获取每个客服语音分段中随时间变化的客服声学特征;
c4、将随时间变化的客服声学特征与预设的声学模型比对来确定每个客服语音分段中随时间变化而出现的预设的客服情绪关键词。
所述预设的声学模型可为其他使用者已经训练完成的声学模型,或者为在执行本发明前预先自行训练的声学模型。
所述确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词可包括:
d1、将每个客户语音分段转化为客户文本分段;
d2、确定每个客户语音分段中随时间变化而出现的预设的客户情绪关键词为每个客户文本分段中随时间变化而出现的预设的客户情绪关键词;
d3、将每个客服语音分段转化为客服文本分段;
d4、确定每个客服语音分段中随时间变化而出现的预设的客服情绪关键词为每个客服文本分段中随时间变化而出现的预设的客服情绪关键词。
所述第二情绪确定模块35,用于在当前播放的帧后播放所述广告。
所述分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪包括:
e1、分析每个客户语音分段中随时间变化而出现的预设的客户情绪关键词来确定客户的第二情绪。
所述分析每个客户语音分段中随时间变化而出现的预设的客户情绪关键词来确定客户的第二情绪包括:
若至少一个客户语音分段出现表扬的关键词且所有客户语音分段未出现侮辱的关键词及批评的关键词,确定客户的第二情绪为积极;
若初始客户语音分段出现侮辱的关键词或者批评的关键词,后续客户语音分段出现侮辱的关键词或者批评的关键词的频率没有增加,确定客户的第二情绪为积极;
若初始客户语音分段出现侮辱的关键词或者批评的关键词,后续客户语音分段出现侮辱的关键词或者批评的关键词的概率增加,确定客户的第二情绪为消极;
若初始客户语音分段未出现侮辱的关键词或者批评的关键词,后续客户语音分段出现侮辱的关键词或者批评的关键词,确定客户的第二情绪为消极;
若所有客户语音分段未出现表扬的关键词、侮辱的关键词及批评的关键词,确定客户的第二情绪为普通。
e2、分析每个客服语音分段中随时间变化而出现的预设的客服情绪关键词来确定客服的第二情绪。
所述分析每个客服语音分段中随时间变化而出现的预设的客服情绪关键词来确定客服的第二情绪包括:
若至少一个客服语音分段出现表扬的关键词且所有客服语音分段未出现侮辱的关键词及批评的关键词,确定客服的第二情绪为积极;
若任一客服语音分段出现侮辱的关键词及批评的关键词,确定客服的第二情绪为消极;
若所有客服语音分段未出现表扬的关键词、侮辱的关键词及批评的关键词,确定客服的第二情绪为普通。
所述服务质量确定模块36,用于根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量。
所述根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量包括:
若所述客户的第一情绪为消极或者所述客户的第二情绪为消极,确定客户的情绪为消极;
若所述客户的第一情绪及所述客户的第二情绪中至少一个为积极,而另一个为普通或者积极,确定客户的情绪为积极;
若所述客户的第一情绪及所述客户的第二情绪为普通,确定客户的情绪为普通;
若所述客服的第一情绪为消极或者所述客服的第二情绪为消极,确定客服的情绪为消极;
若所述客服的第一情绪及所述客服的第二情绪中至少一个为积极,而另一个为普通或者积极,确定客服的情绪为积极;
若所述客服的第一情绪及所述客服的第二情绪为普通,确定客服的情绪为普通;
若所述客户的情绪或者所述客服的情绪为消极,确定客服服务质量为差;
若所述客户的情绪及所述客服的情绪中至少一个为积极,而另一个为普通或者积极,确定客服服务质量为好;
若所述客户的情绪及所述客服的情绪为普通,确定客服服务质量为普通。
本发明实施例二通过获取模块获取客户通话及客服通话;状态图生成模块分别对所述客户通话及所述客服通话进行建模生成随时间变化的客户客服情绪状态图;第一情绪确定模块分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪;关键词确定模块确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词;第二情绪确定模块分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪;服务质量确定模块根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量,从而自动确认客服服务质量,并避免了由于客户自身的原因所导致的通话不佳,而误评客服服务质量差的情况。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台电子设备或处理器(processor)执行本发明各个实施例所述方法的部分。
实施例三
图4为本发明实施例三提供的电子设备的示意图。
所述电子设备4包括:存储器41、至少一个处理器42、及存储在所述存储器41中并可在所述至少一个处理器42上运行的计算机程序43。所述至少一个处理器42执行所述计算机程序43时实现上述方法实施例中的步骤。或者,所述至少一个处理器42执行所述计算机程序43时实现上述装置实施例中的各模块的功能。
示例性的,所述计算机程序43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41中,并由所述至少一个处理器42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43在所述电子设备4中的执行过程。例如,所述计算机程序43可以被分割成图3所示的模块,各模块具体功能参见实施例二。
所述电子设备4可以为任何一种电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)等。本领域技术人员可以理解,所述示意图4仅是电子设备4的示例,并不构成对电子设备4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,例如所述电子设备4还可以包括输入输出设备、网络接入设备、总线等。
所述至少一个处理器42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。所述处理器42可以是微处理器或者该处理器42也可以是任何常规的处理器等,所述处理器42是所述电子设备4的控制中心,利用各种接口和线路连接整个电子设备4的各个部分。
所述存储器41可用于存储所述计算机程序43和/或模块/单元,所述处理器42通过运行或执行存储在所述存储器41内的计算机程序和/或模块/单元,以及调用存储在存储器41内的数据,实现所述电子设备4的各种功能。所述存储器41可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备4的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器41可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述电子设备4集成的模块/单元如果以软件功能单元的形式实现并作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装置、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电载波信号和电信信号。
在本发明所提供的几个实施例中,应该理解到,所揭露的电子设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅是示意性的,例如,所述单元的划分,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。
另外,在本发明各个实施例中的各功能单元可以集成在相同处理单元中,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相同单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神范围。
Claims (10)
1.一种客服服务质量评价方法,其特征在于,所述方法包括:
获取客户通话及客服通话;
分别对所述客户通话及所述客服通话进行建模生成随时间变化的客户客服情绪状态图;
分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪;
确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词;
分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪;
根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量。
2.如权利要求1所述的客服服务质量评价方法,其特征在于,所述分别对所述客户通话及所述客服通话进行建模生成随时间变化的客户客服情绪状态图包括:
将所述客户通话分为多个客户语音分段,每个客户语音分段具有时间先后顺序关系;
将所述客服通话分为多个客服语音分段,每个客服语音分段具有时间先后顺序关系;
将所述多个客户语音分段及所述多个客服语音分段按时间先后顺序输入预设的深度神经网络模型分别进行分析,得到按时间先后顺序的多个客户语音分段的情绪初始状态及情绪终止状态、及多个客服语音分段的情绪初始状态及情绪终止状态;
根据按时间先后顺序的多个客户语音分段的情绪初始状态及情绪终止状态、及多个客服语音分段的情绪初始状态及情绪终止状态生成随时间变化的客户客服情绪状态图。
3.如权利要求2所述的客服服务质量评价方法,其特征在于,所述分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪包括:
分析每个客户语音分段的情绪初始状态及情绪终止状态来确定客服对客户的情绪的影响;
分析每个客服语音分段的情绪初始状态及情绪终止状态来确定客户对客服的情绪的影响;
根据客服对客户的情绪的影响及客户对客服的情绪的影响确定客户的第一情绪及客服的第一情绪;
其中,若客服对客户的情绪的影响为变好,客户对客服的情绪的影响为变差,确定客户的第一情绪为积极及客服的第一情绪为积极;
若客服对客户的情绪的影响为变好,客户对客服的情绪的影响为变好,确定客户的第一情绪为积极及客服的第一情绪为积极;
若客服对客户的情绪的影响为变差,客户对客服的情绪的影响为变差,确定客户的第一情绪为普通及客服的第一情绪为普通;
若客服对客户的情绪的影响为变差,客户对客服的情绪的影响为变好,确定客户的第一情绪的消极及客服的第一情绪为消极。
4.如权利要求1所述的客服服务质量评价方法,其特征在于,所述分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪包括:
分析客户通话中的每个客户语音分段中随时间变化而出现的预设的客户情绪关键词来确定客户的第二情绪;
分析客服通话中的每个客服语音分段中随时间变化而出现的预设的客服情绪关键词来确定客服的第二情绪。
5.如权利要求4所述的客服服务质量评价方法,其特征在于,所述分析客户通话中的每个客户语音分段中随时间变化而出现的预设的客户情绪关键词来确定客户的第二情绪包括:
若至少一个客户语音分段出现表扬的关键词且所有客户语音分段未出现侮辱的关键词及批评的关键词,确定客户的第二情绪为积极;
若初始客户语音分段出现侮辱的关键词或者批评的关键词,后续客户语音分段出现侮辱的关键词或者批评的关键词的频率没有增加,确定客户的第二情绪为积极;
若初始客户语音分段出现侮辱的关键词或者批评的关键词,后续客户语音分段出现侮辱的关键词或者批评的关键词的概率增加,确定客户的第二情绪为消极;
若初始客户语音分段未出现侮辱的关键词或者批评的关键词,后续客户语音分段出现侮辱的关键词或者批评的关键词,确定客户的第二情绪为消极;
若所有客户语音分段未出现表扬的关键词、侮辱的关键词及批评的关键词,确定客户的第二情绪为普通。
6.如权利要求4所述的客服服务质量评价方法,其特征在于,所述分析每个客服语音分段中随时间变化而出现的预设的客服情绪关键词来确定客服的第二情绪包括:
若至少一个客服语音分段出现表扬的关键词且所有客服语音分段未出现侮辱的关键词及批评的关键词,确定客服的第二情绪为积极;
若任一客服语音分段出现侮辱的关键词及批评的关键词,确定客服的第二情绪为消极;
若所有客服语音分段未出现表扬的关键词、侮辱的关键词及批评的关键词,确定客服的第二情绪为普通。
7.如权利要求1所述的客服服务质量评价方法,其特征在于,根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量包括:
若所述客户的第一情绪为消极或者所述客户的第二情绪为消极,确定客户的情绪为消极;
若所述客户的第一情绪及所述客户的第二情绪中至少一个为积极,而另一个为普通或者积极,确定客户的情绪为积极;
若所述客户的第一情绪及所述客户的第二情绪为普通,确定客户的情绪为普通;
若所述客服的第一情绪为消极或者所述客服的第二情绪为消极,确定客服的情绪为消极;
若所述客服的第一情绪及所述客服的第二情绪中至少一个为积极,而另一个为普通或者积极,确定客服的情绪为积极;
若所述客服的第一情绪及所述客服的第二情绪为普通,确定客服的情绪为普通;
若所述客户的情绪或者所述客服的情绪为消极,确定客服服务质量为差;
若所述客户的情绪及所述客服的情绪中至少一个为积极,而另一个为普通或者积极,确定客服服务质量为好;
若所述客户的情绪及所述客服的情绪为普通,确定客服服务质量为普通。
8.一种客服服务质量评价装置,其特征在于,所述装置包括:
获取模块,用于获取客户通话及客服通话;
状态图生成模块,用于分别对所述客户通话及所述客服通话进行建模生成随时间变化的客户客服情绪状态图;
第一情绪确定模块,用于分析所述客户客服情绪状态图来确定客户的第一情绪及客服的第一情绪;
关键词确定模块,用于确定客户通话及客服通话中随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词;
第二情绪确定模块,用于分析随时间变化而出现的预设的客户情绪关键词及预设的客服情绪关键词来确定客户的第二情绪及客服的第二情绪;
服务质量确定模块,用于根据所述客户的第一情绪、所述客服的第一情绪、所述客户的第二情绪及所述客服的第二情绪确定客服服务质量。
9.一种电子设备,其特征在于,所述电子设备包括处理器及存储器,所述处理器用于执行所述存储器中存储的至少一个指令时实现如权利要求1至7中任意一项所述的客服服务质量评价方法。
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至少一个指令,所述至少一个指令被处理器执行以实现如权利要求1至7中任意一项所述的客服服务质量评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910051560.2A CN109785862A (zh) | 2019-01-21 | 2019-01-21 | 客服服务质量评价方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910051560.2A CN109785862A (zh) | 2019-01-21 | 2019-01-21 | 客服服务质量评价方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109785862A true CN109785862A (zh) | 2019-05-21 |
Family
ID=66501790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910051560.2A Pending CN109785862A (zh) | 2019-01-21 | 2019-01-21 | 客服服务质量评价方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785862A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080109A (zh) * | 2019-12-06 | 2020-04-28 | 中信银行股份有限公司 | 客服服务质量评价方法、装置及电子设备 |
CN111161733A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 一种智能语音服务的控制方法及装置 |
CN111179929A (zh) * | 2019-12-31 | 2020-05-19 | 中国银行股份有限公司 | 一种语音处理方法及装置 |
CN112052740A (zh) * | 2020-08-09 | 2020-12-08 | 中信银行股份有限公司 | 一种客服评价方法、装置及存储介质 |
CN112235468A (zh) * | 2020-10-16 | 2021-01-15 | 绍兴市寅川软件开发有限公司 | 用于语音客服评价的音频处理方法及系统 |
CN112291422A (zh) * | 2019-07-25 | 2021-01-29 | 中国电信股份有限公司 | 通话处理方法、终端和通话处理系统 |
CN112417842A (zh) * | 2019-08-19 | 2021-02-26 | 阿里巴巴集团控股有限公司 | 服务满意度确定方法、装置、存储介质和计算机设备 |
CN112598336A (zh) * | 2021-01-11 | 2021-04-02 | 北京光速斑马数据科技有限公司 | 服务需求分析方法、装置、设备及计算机可读存储介质 |
CN112992187A (zh) * | 2021-02-26 | 2021-06-18 | 平安科技(深圳)有限公司 | 基于上下文的语音情感检测方法、装置、设备及存储介质 |
CN113240436A (zh) * | 2021-04-22 | 2021-08-10 | 北京沃东天骏信息技术有限公司 | 在线客服话术质检的方法和装置 |
CN113472958A (zh) * | 2021-07-13 | 2021-10-01 | 上海华客信息科技有限公司 | 分店电话集中接听方法、系统、电子设备和存储介质 |
CN114205467A (zh) * | 2021-12-09 | 2022-03-18 | 广西电网有限责任公司 | 一种电网客服工单智能外呼系统及使用方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103811009A (zh) * | 2014-03-13 | 2014-05-21 | 华东理工大学 | 一种基于语音分析的智能电话客服系统 |
CN107452405A (zh) * | 2017-08-16 | 2017-12-08 | 北京易真学思教育科技有限公司 | 一种根据语音内容进行数据评价的方法及装置 |
CN107464573A (zh) * | 2017-09-06 | 2017-12-12 | 竹间智能科技(上海)有限公司 | 一种新型客服通话质检系统及方法 |
CN107818798A (zh) * | 2017-10-20 | 2018-03-20 | 百度在线网络技术(北京)有限公司 | 客服服务质量评价方法、装置、设备及存储介质 |
-
2019
- 2019-01-21 CN CN201910051560.2A patent/CN109785862A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103811009A (zh) * | 2014-03-13 | 2014-05-21 | 华东理工大学 | 一种基于语音分析的智能电话客服系统 |
CN107452405A (zh) * | 2017-08-16 | 2017-12-08 | 北京易真学思教育科技有限公司 | 一种根据语音内容进行数据评价的方法及装置 |
CN107464573A (zh) * | 2017-09-06 | 2017-12-12 | 竹间智能科技(上海)有限公司 | 一种新型客服通话质检系统及方法 |
CN107818798A (zh) * | 2017-10-20 | 2018-03-20 | 百度在线网络技术(北京)有限公司 | 客服服务质量评价方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
GALIT B. YOM-TOV 等: "Customer Sentiment inWeb-Based Service Interactions:Automated Analyses and New Insights", 《2018 IW3C2 (INTERNATIONAL WORLD WIDE WEB CONFERENCE COMMITTEE)》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112291422A (zh) * | 2019-07-25 | 2021-01-29 | 中国电信股份有限公司 | 通话处理方法、终端和通话处理系统 |
CN112417842A (zh) * | 2019-08-19 | 2021-02-26 | 阿里巴巴集团控股有限公司 | 服务满意度确定方法、装置、存储介质和计算机设备 |
CN111080109A (zh) * | 2019-12-06 | 2020-04-28 | 中信银行股份有限公司 | 客服服务质量评价方法、装置及电子设备 |
CN111080109B (zh) * | 2019-12-06 | 2023-05-05 | 中信银行股份有限公司 | 客服服务质量评价方法、装置及电子设备 |
CN111179929B (zh) * | 2019-12-31 | 2022-11-25 | 中国银行股份有限公司 | 一种语音处理方法及装置 |
CN111161733A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 一种智能语音服务的控制方法及装置 |
CN111179929A (zh) * | 2019-12-31 | 2020-05-19 | 中国银行股份有限公司 | 一种语音处理方法及装置 |
CN112052740A (zh) * | 2020-08-09 | 2020-12-08 | 中信银行股份有限公司 | 一种客服评价方法、装置及存储介质 |
CN112235468A (zh) * | 2020-10-16 | 2021-01-15 | 绍兴市寅川软件开发有限公司 | 用于语音客服评价的音频处理方法及系统 |
CN112598336A (zh) * | 2021-01-11 | 2021-04-02 | 北京光速斑马数据科技有限公司 | 服务需求分析方法、装置、设备及计算机可读存储介质 |
CN112598336B (zh) * | 2021-01-11 | 2024-04-30 | 北京光速斑马数据科技有限公司 | 服务需求分析方法、装置、设备及计算机可读存储介质 |
CN112992187A (zh) * | 2021-02-26 | 2021-06-18 | 平安科技(深圳)有限公司 | 基于上下文的语音情感检测方法、装置、设备及存储介质 |
CN113240436A (zh) * | 2021-04-22 | 2021-08-10 | 北京沃东天骏信息技术有限公司 | 在线客服话术质检的方法和装置 |
CN113472958A (zh) * | 2021-07-13 | 2021-10-01 | 上海华客信息科技有限公司 | 分店电话集中接听方法、系统、电子设备和存储介质 |
CN114205467A (zh) * | 2021-12-09 | 2022-03-18 | 广西电网有限责任公司 | 一种电网客服工单智能外呼系统及使用方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785862A (zh) | 客服服务质量评价方法、装置、电子设备及存储介质 | |
AU2020201883B2 (en) | Call center system having reduced communication latency | |
US10057419B2 (en) | Intelligent call screening | |
US10748194B2 (en) | Collaboration group recommendations derived from request-action correlations | |
CN107818798A (zh) | 客服服务质量评价方法、装置、设备及存储介质 | |
US20200274970A1 (en) | Automated systems and methods for natural language processing with speaker intention inference | |
CN106372059A (zh) | 信息输入方法和装置 | |
PH12020551830A1 (en) | Computerized systems and methods for determining authenticity using micro expressions | |
CN110475032A (zh) | 多业务界面切换方法、装置、计算机装置及存储介质 | |
US20130198761A1 (en) | Intelligent Dialogue Amongst Competitive User Applications | |
CN104813311A (zh) | 用于多人的虚拟代理推荐的系统和方法 | |
CN105744090A (zh) | 语音信息处理方法及装置 | |
CN111028007B (zh) | 用户画像信息提示方法、装置及系统 | |
CN110084636A (zh) | 提高电话销售效率方法、装置、计算机设备及存储介质 | |
WO2020151170A1 (zh) | 一种岗位画像设置方法、岗位画像设置装置及终端设备 | |
CN107393534A (zh) | 语音交互方法及装置、计算机装置及计算机可读存储介质 | |
CN110335596A (zh) | 基于语音识别的产品推荐方法、装置、设备和存储介质 | |
CN108830394A (zh) | 通话预约方法、坐席请假处理方法、装置、设备及介质 | |
CN114969352B (zh) | 文本处理方法、系统、存储介质及电子设备 | |
CN111768781A (zh) | 语音打断的处理方法和装置 | |
CN115098633A (zh) | 一种智能客服情感分析方法和系统、电子设备、存储介质 | |
CN104427285B (zh) | 一种提示信息生成方法及装置 | |
CN107331399A (zh) | 一种学习效果检测方法、系统及终端设备 | |
CN114202203A (zh) | 投诉工单处理方法、装置、存储介质及电子设备 | |
CN110209768A (zh) | 自动问答的问题处理方法和装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190521 |
|
WD01 | Invention patent application deemed withdrawn after publication |