CN110166642A - 一种预测式外呼方法及设备 - Google Patents
一种预测式外呼方法及设备 Download PDFInfo
- Publication number
- CN110166642A CN110166642A CN201910471309.1A CN201910471309A CN110166642A CN 110166642 A CN110166642 A CN 110166642A CN 201910471309 A CN201910471309 A CN 201910471309A CN 110166642 A CN110166642 A CN 110166642A
- Authority
- CN
- China
- Prior art keywords
- client
- emotional state
- calling customer
- calling
- 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 65
- 230000002996 emotional effect Effects 0.000 claims abstract description 176
- 230000036651 mood Effects 0.000 claims abstract description 121
- 238000012549 training Methods 0.000 claims description 48
- 238000012360 testing method Methods 0.000 claims description 36
- 238000013507 mapping Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 206010027940 Mood altered Diseases 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000008447 perception Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000013145 classification model Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006854 communication Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2242/00—Special services or facilities
- H04M2242/18—Automated outdialling systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Child & Adolescent Psychology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Marketing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种预测式外呼方法及设备,解决了现有的预测式外呼没有考虑到被呼叫人的情绪状态的问题,该方法包括:根据客户联系列表确定其中一个客户为呼叫客户,判断所述呼叫客户是否被标注为预设坏情绪状态客户;若是,则跳过所述呼叫客户,并根据客户联系列表重新确定呼叫客户;否则,对所述呼叫客户发起呼叫,并在呼叫过程中,根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于预设坏情绪状态时,在客户联系列表中将呼叫客户标注为预设坏情绪状态客户。本发明通过检测客户的情绪,感知客户对于业务欢迎或者抗拒的情况,自动过滤对于业务抵触的客户,有效减少对于目标客户的无效电话。
Description
技术领域
本发明涉及呼叫技术领域,尤其涉及一种预测式外呼方法及设备。
背景技术
随着电话网络的兴起,越来越多的企业有通过打电话的方式联系客户的需求,把握客户特点并满足客户需求、提高效率增加收益、提高品牌形象等等。
随着业务量增加,客服人员供不应求,在保障人员的情况下,预测式外呼应运而生。现如今,预测式外呼越来越多的被应用企业联系客户,预测式外呼是通过读取目标客户的联系列表,自动外拨电话,把接通的电话分配给座席,座席摘机即可和客户沟通。
现有的预测式外呼算法通常根据被呼叫的联系人所有可能联系方式一段时间集中呼叫,并没有考虑到被呼叫人的情感以及背景状况,时间长容易对客户产生骚扰,还会引起被呼叫人向移动运营商申请封杀催收报警号码甚至起诉外呼方的情形。
发明内容
本发明提供一种预测式外呼方法及设备,解决了现有的预测式外呼根据被呼叫的联系人所有可能联系方式一段时间集中呼叫,没有考虑到被呼叫人的情绪状态的问题。
为了解决上述的技术问题,本发明提供了一种预测式外呼方法及设备,具体包括:
依照本发明第一方面,提供一种预测式外呼方法,该方法包括:
根据客户联系列表确定其中一个客户为呼叫客户,判断所述呼叫客户是否被标注为预设坏情绪状态客户;
若是,则跳过所述呼叫客户,并根据客户联系列表重新确定呼叫客户;
否则,对所述呼叫客户发起呼叫,并在呼叫过程中,根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于预设坏情绪状态时,在客户联系列表中将呼叫客户标注为预设坏情绪状态客户。
在一种可能的实现方式中,判断所述呼叫客户被标注为预设坏情绪状态客户时,跳过所述呼叫客户,包括:
判断所述呼叫客户被标注为预设坏情绪状态客户,且距离上一次呼叫之后未被呼叫的时长未超过设定时长时,跳过所述呼叫客户。
在一种可能的实现方式中,在呼叫过程中,还包括:
根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于的预设好情绪状态时,在客户联系列表中将呼叫客户标注为预设好情绪状态客户。
在一种可能的实现方式中,根据与所述呼叫客户通话的语音信息,确定所述呼叫客户是否处于预设坏情绪状态,包括:
从与所述呼叫客户通话的语音信息中提取情绪特征数据,并输入到预先构建的情绪分类模型,得到所述呼叫客户处于的情绪状态类型;或
根据预先建立的不同情绪状态类型与情绪数据特征的映射关系,从与所述呼叫客户通话的语音信息中提取情绪特征数据,确定对应的情绪状态类型;
所述情绪状态类型包括预设坏情绪状态和预设好情绪状态。
在一种可能的实现方式中,构建情绪分类模型,包括:
获取包括多个训练样本的训练样本集及包括多个测试样本的测试样本集,每个训练样本/测试样本包括不同情绪状态类型及对应的情绪特征数据;
触发模型训练时,利用所述训练样本集中预设数量的训练样本,对当前预测识别模型进行至少一次训练,每次训练结束后,利用所述测试样本集中的测试样本对训练后的预测识别模型进行测试,确定测试结果满足预设精度要求时,结束训练过程,得到情绪分类模型。
在一种可能的实现方式中,所述情绪特征数据包括如下任一或任多特征数据:
客户语气、通话时间、预设字段。
在一种可能的实现方式中,根据预先建立的不同情绪状态类型与情绪数据特征的映射关系,从与所述呼叫客户通话的语音信息中提取情绪特征数据,确定对应的情绪状态类型,包括:
预先设置N个不同语气分别对应N个情绪值,根据被呼叫的当前客户的客户语气,确定第一情绪值;
预先设置M个通话时间范围分别对应M个情绪值,根据被呼叫的当前客户的通话时间所在的通话时间范围,确定第二情绪值;
根据被呼叫的当前客户的语言信息是否包含预设字段,确定第三情绪值;根据所述第一情绪值、所述第二情绪值和所述第三情绪值确定当前被呼叫的客户的情绪值。
依照本发明第二方面,一种预测式外呼设备,该设备还包括存储器和处理器,其中,所述存储器用于存储所述处理器可执行的程序,所述处理器,用于读取所述存储器中的程序并执行下列过程:
根据客户联系列表确定其中一个客户为呼叫客户,判断所述呼叫客户是否被标注为预设坏情绪状态客户;
若是,则跳过所述呼叫客户,并根据客户联系列表重新确定呼叫客户;
否则,对所述呼叫客户发起呼叫,并在呼叫过程中,根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于预设坏情绪状态时,在客户联系列表中将呼叫客户标注为预设坏情绪状态客户。
在一种可能的实现方式中,所述处理器具体用于判断所述呼叫客户被标注为预设坏情绪状态客户时,跳过所述呼叫客户,包括:
判断所述呼叫客户被标注为预设坏情绪状态客户,且距离上一次呼叫之后未被呼叫的时长未超过设定时长时,跳过所述呼叫客户。
在一种可能的实现方式中,在呼叫过程中,所述处理器还用于:
根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于的预设好情绪状态时,在客户联系列表中将呼叫客户标注为预设好情绪状态客户。
在一种可能的实现方式中,所述处理器具体用于根据与所述呼叫客户通话的语音信息,确定所述呼叫客户是否处于预设坏情绪状态,包括:
从与所述呼叫客户通话的语音信息中提取情绪特征数据,并输入到预先构建的情绪分类模型,得到所述呼叫客户处于的情绪状态类型;或
根据预先建立的不同情绪状态类型与情绪数据特征的映射关系,从与所述呼叫客户通话的语音信息中提取情绪特征数据,确定对应的情绪状态类型;
所述情绪状态类型包括预设坏情绪状态和预设好情绪状态。
在一种可能的实现方式中,所述处理器具体用于构建情绪分类模型,包括:
获取包括多个训练样本的训练样本集及包括多个测试样本的测试样本集,每个训练样本/测试样本包括不同情绪状态类型及对应的情绪特征数据;
触发模型训练时,利用所述训练样本集中预设数量的训练样本,对当前预测识别模型进行至少一次训练,每次训练结束后,利用所述测试样本集中的测试样本对训练后的预测识别模型进行测试,确定测试结果满足预设精度要求时,结束训练过程,得到情绪分类模型。
在一种可能的实现方式中,所述情绪特征数据包括如下任一或任多特征数据:
客户语气、通话时间、预设字段。
在一种可能的实现方式中,所述处理器具体用于根据预先建立的不同情绪状态类型与情绪数据特征的映射关系,从与所述呼叫客户通话的语音信息中提取情绪特征数据,确定对应的情绪状态类型,包括:
预先设置N个不同语气分别对应N个情绪值,根据被呼叫的当前客户的客户语气,确定第一情绪值;
预先设置M个通话时间范围分别对应M个情绪值,根据被呼叫的当前客户的通话时间所在的通话时间范围,确定第二情绪值;
根据被呼叫的当前客户的语言信息是否包含预设字段,确定第三情绪值;
根据所述第一情绪值、所述第二情绪值和所述第三情绪值确定当前被呼叫的客户的情绪值。
依照本发明第三方面,一种计算机存储介质,所述计算机存储介质存储有计算机程序,该计算机程序被执行时实现上述的方法。
本发明提供的一种预测式外呼方法及设备与现有技术相比,具有如下优点和有益效果:
本发明通过检测客户的情绪,感知客户对于业务欢迎或者抗拒的情况,自动过滤对于业务抵触的客户,无需人工干预,有效减少对于目标客户的无效电话。
附图说明
图1为实施例一提供的一种预测式外呼方法的示意图;
图2为实施例一提供的一种预测式外呼方法的具体实施流程示意图;
图3为实施例二提供的一种预测式外呼设备示意图;
图4为实施例三提供的一种预测式外呼装置示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,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它实施例,都属于本发明保护的范围。
下面对文中出现的一些词语进行解释:
1、本发明实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
2、本发明实施例中术语“预测式外呼”是呼叫中心批量外呼的一种外拨方式,该种外拨方式读取客户的联系列表,自动发起呼叫,判断呼叫结果,呼叫未成功接通则自动挂断并跳转到下一个客户并发起呼叫;若呼叫成功则自动转接到人工座席由人工座席人员和客户直接沟通业务相关问题。
本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。其中,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
现如今,预测式外呼在越来越多的被应用到营销、售后、催收等场景的同时,也引起了一些社会问题,即频繁呼叫客户会引起客户的反感,甚至会引起客户向移动运营商申请封杀外呼号码甚至起诉外呼方的情形,为了避免这种情况发生,本发明实施例提供了基于情感检测的一种预测式外呼方法,通过在与客户通话过程中,客户反馈的情绪,来决定后续是否继续对该客户发起预测式外呼。
下面结合说明书附图对本发明实施例做进一步详细描述。
实施例一
本发明提供一种预测式外呼方法,如图1所示,包括:
步骤101,根据客户联系列表确定其中一个客户为呼叫客户,判断所述呼叫客户是否被标注为预设坏情绪状态客户;
步骤102,若是,则跳过所述呼叫客户,并根据客户联系列表重新确定呼叫客户;
步骤103,否则,对所述呼叫客户发起呼叫,并在呼叫过程中,根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于预设坏情绪状态时,在客户联系列表中将呼叫客户标注为预设坏情绪状态客户。
作为一种可选的实施方式,在上述步骤101中,上述客户联系列表包括客户的联系方式及客户的情绪状态;
在实施中,一个客户可能有一个或多个联系方式,在客户的联系列表中记录该客户的所有的联系方式。可分别对应每个联系方式都记录一个客户的情绪状态,该情绪状态为最近一次通过对应的联系方式呼叫客户时客户的情绪状态。可选的,一个客户的所有的联系方式都对应同一种情绪状态,即每个客户对应一个情绪状态,所述情绪状态可以为最近一次呼叫客户时客户对应的情绪状态,也可以为通过综合分析客户所有的联系方式分别对应的最近一个的情绪状态之后得到的一个情绪状态。
作为一种可选的实施方式,判断所述呼叫客户被标注为预设坏情绪状态客户,且距离上一次呼叫之后未被呼叫的时长未超过设定时长时,跳过所述呼叫客户。
可选的,在实施中,所述客户联系列表中还记录最近一次呼叫该客户时的时间,若判断呼叫客户被标注为预设坏情绪状态客户时,获取上次呼叫该客户时的时间,若距离上一次呼叫之后未被呼叫的时长未超过设定时长时,跳过所述呼叫客户,若距离上次呼叫之后未被呼叫的时长达到设定时长时,则呼叫该客户,例如,设定一周内不对预设坏情绪状态的客户呼叫,若距离上一次呼叫之后未被呼叫的时长没有超过一周,则跳过该客户,若距离上一次呼叫之后未被呼叫的时长超过了一周,则呼叫该客户;
作为另一种可选的实施方式,所述客户联系列表中还记录跳过该客户的跳过次数,若判断呼叫客户被标注为预设坏情绪状态客户时,获取跳过该客户的跳过次数,若距离上一次呼叫之后跳过该客户的次数未达到设定次数时,跳过所述呼叫客户,同时,跳过次数加1,若距离上一次呼叫之后跳过该客户的次数达到设定次数时,则呼叫该客户,同时,跳过次数清零,例如,设定五次内不对预设坏情绪状态的客户呼叫,若距离上一次呼叫之后跳过该客户的次数为3次时,则跳过该客户,同时,跳过次数记录为4,若距离上一次呼叫之后跳过该客户的次数达到5次时,则呼叫该客户,同时,跳过次数记录为0。
以一个客户为例,可通过以下三种方式将客户的情绪状态记录到客户的联系列表中:
方式一:
客户的联系列表中只记录最近一次通话后客户的情绪状态;
方式二:
可将一天分为不同时段,对应每一个时段都记录一个在该时段,最近一次呼叫该客户时该客户的情绪状态,例如,记录最近一次在0点到6点时呼叫该客户时该客户的情绪状态,记录最近一次在6点到12点时呼叫该客户时该客户的情绪状态,记录最近一次在12点到18点时呼叫该客户时该客户的情绪状态,记录最近一次在18点到24点时呼叫该客户时该客户的情绪状态,此处不对时段的划分做限定,本领域相关技术人员可按照实际需求设置。
方式三:
可连续记录最近n次呼叫该客户时该客户的情绪状态。
可选的,对应上述在客户的联系列表中记录客户的情绪值的三种方式,在获取客户的联系列表后可按照以下三种方式发起呼叫:
方式一:
若客户的联系列表中只记录最近一次通话后客户的情绪状态,则判断该情绪状态是否为预设坏情绪状态,若是,则跳过该客户,若否,则对该客户发起呼叫;
方式二:
若为分不同时段记录客户的情绪状态,则确定当前时间所处的时间段,判断该时间段记录的客户的情绪状态是否为预设坏情绪状态,若是,则跳过该客户,若否,则对该客户发起呼叫;
方式三:
若客户的联系列表中记录了最近n次呼叫该客户时该客户的情绪状态,则分析所有记录的客户的情绪状态,可选的,若存在至少一次情绪状态不为坏情绪状态,则对该客户发起呼叫。
可选的,所述客户联系列表只记录预设坏情绪状态,作为另一种可选的实施方式,也可以即记录预设坏情绪状态同时也记录预设好情绪状态;
在实施中,根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于预设坏情绪状态时,在客户联系列表中将呼叫客户标注为预设坏情绪状态客户,根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于的预设好情绪状态时,在客户联系列表中将呼叫客户标注为预设好情绪状态客户。
作为一种可选的实施方式,从与所述呼叫客户通话的语音信息中提取情绪特征数据,并输入到预先构建的情绪分类模型,得到所述呼叫客户处于的情绪状态类型;
可选的,通过下述步骤构建情绪分类模型:
获取包括多个训练样本的训练样本集及包括多个测试样本的测试样本集,每个训练样本/测试样本包括不同情绪状态类型及对应的情绪特征数据;
触发模型训练时,利用所述训练样本集中预设数量的训练样本,对当前预测识别模型进行至少一次训练,每次训练结束后,利用所述测试样本集中的测试样本对训练后的预测识别模型进行测试,确定测试结果满足预设精度要求时,结束训练过程,得到情绪分类模型。
可选的,所述情绪状态类型包括预设坏情绪状态和预设好情绪状态。
可选的,所述情绪特征数据包括如下任一或任多特征数据:客户语气、通话时间、预设字段。
作为另一种可选的实施方式,根据预先建立的不同情绪状态类型与情绪数据特征的映射关系,从与所述呼叫客户通话的语音信息中提取情绪特征数据,确定对应的情绪状态类型;
作为一种可选的实施方式,可以以记录客户的情绪值的方式记录客户的情绪状态。
可选的,预先设置N个不同语气分别对应N个情绪值,根据被呼叫的当前客户的客户语气,确定第一情绪值;
预先设置M个通话时间范围分别对应M个情绪值,根据被呼叫的当前客户的通话时间所在的通话时间范围,确定第二情绪值;
根据被呼叫的当前客户的语言信息是否包含预设字段,确定第三情绪值;
可选的,若语音信息中包含脏话时,确定第三情绪值为0或其他的一个较低的情绪值。
根据所述第一情绪值、所述第二情绪值和所述第三情绪值确定当前被呼叫的客户的情绪值。
作为一种可选的实施方式,对所述第一情绪值、所述第二情绪值和所述第三情绪值加权求和得到最终的客户的情绪值。
具体的,分别对第一情绪值、第二情绪值和第三情绪值设置不同的权重,然后根据权重计算得到一个最终的情绪值即为当前被呼叫的客户的情绪值,此处不对第一情绪值、第二情绪值和第三情绪值对应的权重做限定。
可选的,可以只记录第一情绪值即为当前被呼叫的客户的情绪值;或只记录第二情绪值即为当前被呼叫的客户的情绪值;或只记录第三情绪值即为当前被呼叫的客户的情绪值;作为另一种可选的实施方式,可以根据第一情绪值和第二情绪值确定当前被呼叫的客户的情绪值;或可以根据第一情绪值和第三情绪值确定当前被呼叫的客户的情绪值;或可以根据第二情绪值和第三情绪值确定当前被呼叫的客户的情绪值。
可选的,可以为预设坏情绪状态和预设好情绪状态分别设置两个情绪值范围,判断当前被呼叫的客户的情绪值处于哪个情绪值范围,将对应的情绪状态记录在客户的联系列表中。
本实施例还提供一种预测式外呼的具体实施流程,如图2所示,包括:
步骤201,获取,客户的联系方式;
步骤202,查询记录的客户的情绪状态;
步骤203,根据客户情绪状态,判断是否对该客户进行呼叫;
步骤204,确定所述客户没有被标注为预设坏情绪状态客户时,呼叫该客户;
步骤205,客户接听;
步骤206,获取与客户实时语音交流时的语音信息;
步骤207,分析所述语音信息,判断客户的情绪状态;
步骤208,记录客户的情绪状态。
AI情绪分析模块102,用于在呼叫过程中,根据与当前被呼叫的客户通话的语音信息,分析当前被呼叫客户的情绪状态;
情绪记录模块103,用于将当前被呼叫客户的情绪状态更新到客户的联系列表中。
实施例二
本实施例提供一种预测式外呼设备,如图3所示,包括存储器301和处理器302,其中,所述存储器301用于存储所述处理器302可执行的程序,所述处理器202,用于读取所述存储器301中的程序并执行下列过程:
根据客户联系列表确定其中一个客户为呼叫客户,判断所述呼叫客户是否被标注为预设坏情绪状态客户;
若是,则跳过所述呼叫客户,并根据客户联系列表重新确定呼叫客户;
否则,对所述呼叫客户发起呼叫,并在呼叫过程中,根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于预设坏情绪状态时,在客户联系列表中将呼叫客户标注为预设坏情绪状态客户。
作为一种可选的实施方式,所述处理器302具体用于判断所述呼叫客户被标注为预设坏情绪状态客户时,跳过所述呼叫客户,包括:
判断所述呼叫客户被标注为预设坏情绪状态客户,且距离上一次呼叫之后未被呼叫的时长未超过设定时长时,跳过所述呼叫客户。
作为一种可选的实施方式,在呼叫过程中,所述处理器302还用于:
根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于的预设好情绪状态时,在客户联系列表中将呼叫客户标注为预设好情绪状态客户。
作为一种可选的实施方式,所述处理器302具体用于根据与所述呼叫客户通话的语音信息,确定所述呼叫客户是否处于预设坏情绪状态,包括:
从与所述呼叫客户通话的语音信息中提取情绪特征数据,并输入到预先构建的情绪分类模型,得到所述呼叫客户处于的情绪状态类型;或
根据预先建立的不同情绪状态类型与情绪数据特征的映射关系,从与所述呼叫客户通话的语音信息中提取情绪特征数据,确定对应的情绪状态类型;
所述情绪状态类型包括预设坏情绪状态和预设好情绪状态。
作为一种可选的实施方式,所述处理器302具体用于构建情绪分类模型,包括:
获取包括多个训练样本的训练样本集及包括多个测试样本的测试样本集,每个训练样本/测试样本包括不同情绪状态类型及对应的情绪特征数据;
触发模型训练时,利用所述训练样本集中预设数量的训练样本,对当前预测识别模型进行至少一次训练,每次训练结束后,利用所述测试样本集中的测试样本对训练后的预测识别模型进行测试,确定测试结果满足预设精度要求时,结束训练过程,得到情绪分类模型。
作为一种可选的实施方式,所述情绪特征数据包括如下任一或任多特征数据:
客户语气、通话时间、预设字段。
作为一种可选的实施方式,所述处理器302具体用于根据预先建立的不同情绪状态类型与情绪数据特征的映射关系,从与所述呼叫客户通话的语音信息中提取情绪特征数据,确定对应的情绪状态类型,包括:
预先设置N个不同语气分别对应N个情绪值,根据被呼叫的当前客户的客户语气,确定第一情绪值;
预先设置M个通话时间范围分别对应M个情绪值,根据被呼叫的当前客户的通话时间所在的通话时间范围,确定第二情绪值;
根据被呼叫的当前客户的语言信息是否包含预设字段,确定第三情绪值;
根据所述第一情绪值、所述第二情绪值和所述第三情绪值确定当前被呼叫的客户的情绪值。
该设备解决问题的原理与上述方法相似,因此该设备的实施可以参见上述方法的实施,重复之处不再赘述。
实施例三
本实施例提供一种预测式外呼装置,如图4所示,包括:
第一判断单元401,用于根据客户联系列表确定其中一个客户为呼叫客户,判断所述呼叫客户是否被标注为预设坏情绪状态客户;
呼叫客户确定单元402,用于若是,则跳过所述呼叫客户,并根据客户联系列表重新确定呼叫客户;
呼叫单元403,用于否则,对所述呼叫客户发起呼叫,并在呼叫过程中,根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于预设坏情绪状态时,在客户联系列表中将呼叫客户标注为预设坏情绪状态客户。
作为一种可选的实施方式,所述第一判断单元401具体用于:
判断所述呼叫客户被标注为预设坏情绪状态客户,且距离上一次呼叫之后未被呼叫的时长未超过设定时长时,跳过所述呼叫客户。
作为一种可选的实施方式,在呼叫过程中,所述第一判断单元401还用于:
根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于的预设好情绪状态时,在客户联系列表中将呼叫客户标注为预设好情绪状态客户。
作为一种可选的实施方式,所述第一判断单元401具体用于:
从与所述呼叫客户通话的语音信息中提取情绪特征数据,并输入到预先构建的情绪分类模型,得到所述呼叫客户处于的情绪状态类型;或
根据预先建立的不同情绪状态类型与情绪数据特征的映射关系,从与所述呼叫客户通话的语音信息中提取情绪特征数据,确定对应的情绪状态类型;
所述情绪状态类型包括预设坏情绪状态和预设好情绪状态。
作为一种可选的实施方式,所述第一判断单元401具体用于构建情绪分类模型,包括:
获取包括多个训练样本的训练样本集及包括多个测试样本的测试样本集,每个训练样本/测试样本包括不同情绪状态类型及对应的情绪特征数据;
触发模型训练时,利用所述训练样本集中预设数量的训练样本,对当前预测识别模型进行至少一次训练,每次训练结束后,利用所述测试样本集中的测试样本对训练后的预测识别模型进行测试,确定测试结果满足预设精度要求时,结束训练过程,得到情绪分类模型。
作为一种可选的实施方式,所述情绪特征数据包括如下任一或任多特征数据:
客户语气、通话时间、预设字段。
作为一种可选的实施方式,所述第一判断单元401具体用于根据预先建立的不同情绪状态类型与情绪数据特征的映射关系,从与所述呼叫客户通话的语音信息中提取情绪特征数据,确定对应的情绪状态类型,包括:
预先设置N个不同语气分别对应N个情绪值,根据被呼叫的当前客户的客户语气,确定第一情绪值;
预先设置M个通话时间范围分别对应M个情绪值,根据被呼叫的当前客户的通话时间所在的通话时间范围,确定第二情绪值;
根据被呼叫的当前客户的语言信息是否包含预设字段,确定第三情绪值;
根据所述第一情绪值、所述第二情绪值和所述第三情绪值确定当前被呼叫的客户的情绪值。
该装置解决问题的原理与上述方法相似,因此该装置的实施可以参见上述方法的实施,重复之处不再赘述。
实施例四
本实施例为一种计算机存储介质,上述计算机存储介质存储有计算机程序,该计算机程序被执行时实现上述实施例一至三任一项的内容。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品,该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种预测式外呼方法,其特征在于,包括:
根据客户联系列表确定其中一个客户为呼叫客户,判断所述呼叫客户是否被标注为预设坏情绪状态客户;
若是,则跳过所述呼叫客户,并根据客户联系列表重新确定呼叫客户;
否则,对所述呼叫客户发起呼叫,并在呼叫过程中,根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于预设坏情绪状态时,在客户联系列表中将呼叫客户标注为预设坏情绪状态客户。
2.根据权利要求1所述的方法,其特征在于,判断所述呼叫客户被标注为预设坏情绪状态客户时,跳过所述呼叫客户,包括:
判断所述呼叫客户被标注为预设坏情绪状态客户,且距离上一次呼叫之后未被呼叫的时长未超过设定时长时,跳过所述呼叫客户。
3.根据权利要求1所述的方法,其特征在于,在呼叫过程中,还包括:
根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于的预设好情绪状态时,在客户联系列表中将呼叫客户标注为预设好情绪状态客户。
4.根据权利要求1所述的方法,其特征在于,根据与所述呼叫客户通话的语音信息,确定所述呼叫客户是否处于预设坏情绪状态,包括:
从与所述呼叫客户通话的语音信息中提取情绪特征数据,并输入到预先构建的情绪分类模型,得到所述呼叫客户处于的情绪状态类型;或
根据预先建立的不同情绪状态类型与情绪数据特征的映射关系,从与所述呼叫客户通话的语音信息中提取情绪特征数据,确定对应的情绪状态类型;
所述情绪状态类型包括预设坏情绪状态和预设好情绪状态。
5.根据权利要求4所述的方法,其特征在于,构建情绪分类模型,包括:
获取包括多个训练样本的训练样本集及包括多个测试样本的测试样本集,每个训练样本/测试样本包括不同情绪状态类型及对应的情绪特征数据;
触发模型训练时,利用所述训练样本集中预设数量的训练样本,对当前预测识别模型进行至少一次训练,每次训练结束后,利用所述测试样本集中的测试样本对训练后的预测识别模型进行测试,确定测试结果满足预设精度要求时,结束训练过程,得到情绪分类模型。
6.根据权利要求4所述的方法,其特征在于,所述情绪特征数据包括如下任一或任多特征数据:
客户语气、通话时间、预设字段。
7.根据权利要求6所述的方法,其特征在于,根据预先建立的不同情绪状态类型与情绪数据特征的映射关系,从与所述呼叫客户通话的语音信息中提取情绪特征数据,确定对应的情绪状态类型,包括:
预先设置N个不同语气分别对应N个情绪值,根据被呼叫的当前客户的客户语气,确定第一情绪值;
预先设置M个通话时间范围分别对应M个情绪值,根据被呼叫的当前客户的通话时间所在的通话时间范围,确定第二情绪值;
根据被呼叫的当前客户的语言信息是否包含预设字段,确定第三情绪值;
根据所述第一情绪值、所述第二情绪值和所述第三情绪值确定当前被呼叫的客户的情绪值。
8.一种预测式外呼设备,其特征在于,该设备还包括存储器和处理器,其中,所述存储器用于存储所述处理器可执行的程序,所述处理器,用于读取所述存储器中的程序并执行下列过程:
根据客户联系列表确定其中一个客户为呼叫客户,判断所述呼叫客户是否被标注为预设坏情绪状态客户;
若是,则跳过所述呼叫客户,并根据客户联系列表重新确定呼叫客户;
否则,对所述呼叫客户发起呼叫,并在呼叫过程中,根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于预设坏情绪状态时,在客户联系列表中将呼叫客户标注为预设坏情绪状态客户。
9.根据权利要求8所述的设备,其特征在于,所述处理器还用于:
根据与所述呼叫客户通话的语音信息,确定所述呼叫客户处于的预设好情绪状态时,在客户联系列表中将呼叫客户标注为预设好情绪状态客户。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,该计算机程序被执行时实现权利要求1-7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910471309.1A CN110166642A (zh) | 2019-05-31 | 2019-05-31 | 一种预测式外呼方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910471309.1A CN110166642A (zh) | 2019-05-31 | 2019-05-31 | 一种预测式外呼方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110166642A true CN110166642A (zh) | 2019-08-23 |
Family
ID=67630991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910471309.1A Pending CN110166642A (zh) | 2019-05-31 | 2019-05-31 | 一种预测式外呼方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110166642A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111479021A (zh) * | 2020-03-18 | 2020-07-31 | 深圳追一科技有限公司 | 外呼方法、装置、计算机设备和计算机可读存储介质 |
CN112801676A (zh) * | 2021-02-04 | 2021-05-14 | 上海中通吉网络技术有限公司 | 一种快递行业呼叫中心服务方法、装置、设备及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009294647A (ja) * | 2008-05-09 | 2009-12-17 | Agi:Kk | 行動分析装置及びコールセンターシステム |
CN103259900A (zh) * | 2012-05-29 | 2013-08-21 | 杨鹏 | 电话拨打系统及其拨打方法 |
CN103634472A (zh) * | 2013-12-06 | 2014-03-12 | 惠州Tcl移动通信有限公司 | 根据通话语音判断用户心情及性格的方法、系统及手机 |
CN104394135A (zh) * | 2014-11-17 | 2015-03-04 | 贵阳朗玛信息技术股份有限公司 | 呼叫限制方法及装置 |
CN107688967A (zh) * | 2017-08-24 | 2018-02-13 | 平安科技(深圳)有限公司 | 客户购买意向的预测方法及终端设备 |
US20180124242A1 (en) * | 2016-11-02 | 2018-05-03 | International Business Machines Corporation | System and Method for Monitoring and Visualizing Emotions in Call Center Dialogs by Call Center Supervisors |
CN108924335A (zh) * | 2017-03-23 | 2018-11-30 | 中科创达软件股份有限公司 | 一种呼叫控制方法、系统及移动终端 |
CN109753663A (zh) * | 2019-01-16 | 2019-05-14 | 中民乡邻投资控股有限公司 | 一种客户情绪分级方法及装置 |
-
2019
- 2019-05-31 CN CN201910471309.1A patent/CN110166642A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009294647A (ja) * | 2008-05-09 | 2009-12-17 | Agi:Kk | 行動分析装置及びコールセンターシステム |
CN103259900A (zh) * | 2012-05-29 | 2013-08-21 | 杨鹏 | 电话拨打系统及其拨打方法 |
CN103634472A (zh) * | 2013-12-06 | 2014-03-12 | 惠州Tcl移动通信有限公司 | 根据通话语音判断用户心情及性格的方法、系统及手机 |
CN104394135A (zh) * | 2014-11-17 | 2015-03-04 | 贵阳朗玛信息技术股份有限公司 | 呼叫限制方法及装置 |
US20180124242A1 (en) * | 2016-11-02 | 2018-05-03 | International Business Machines Corporation | System and Method for Monitoring and Visualizing Emotions in Call Center Dialogs by Call Center Supervisors |
CN108924335A (zh) * | 2017-03-23 | 2018-11-30 | 中科创达软件股份有限公司 | 一种呼叫控制方法、系统及移动终端 |
CN107688967A (zh) * | 2017-08-24 | 2018-02-13 | 平安科技(深圳)有限公司 | 客户购买意向的预测方法及终端设备 |
CN109753663A (zh) * | 2019-01-16 | 2019-05-14 | 中民乡邻投资控股有限公司 | 一种客户情绪分级方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111479021A (zh) * | 2020-03-18 | 2020-07-31 | 深圳追一科技有限公司 | 外呼方法、装置、计算机设备和计算机可读存储介质 |
CN111479021B (zh) * | 2020-03-18 | 2021-08-24 | 深圳追一科技有限公司 | 外呼方法、装置、计算机设备和计算机可读存储介质 |
CN112801676A (zh) * | 2021-02-04 | 2021-05-14 | 上海中通吉网络技术有限公司 | 一种快递行业呼叫中心服务方法、装置、设备及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109618068B (zh) | 一种基于人工智能的语音业务推送方法、装置与系统 | |
US11755978B2 (en) | System for providing dynamic recommendations based on interactions in retail stores | |
US10306055B1 (en) | Reviewing portions of telephone call recordings in a contact center using topic meta-data records | |
US8615419B2 (en) | Method and apparatus for predicting customer churn | |
US7881216B2 (en) | Systems and methods for analyzing communication sessions using fragments | |
US10262268B2 (en) | Predictive analytic systems and methods | |
CN110166642A (zh) | 一种预测式外呼方法及设备 | |
CN106993104A (zh) | 来电处理方法、装置及终端 | |
US7920482B2 (en) | Systems and methods for monitoring information corresponding to communication sessions | |
CN108764649A (zh) | 保险销售实时监控方法、装置、设备及存储介质 | |
CN106572272A (zh) | 一种ivr语音菜单确定方法及装置 | |
CN107395404B (zh) | 为网络应用提示网络环境、预测服务质量的方法和装置 | |
WO2015183940A1 (en) | Multi-tenant based analytics for contact centers | |
CN107729549A (zh) | 一种包含要素提取的机器人客服方法及系统 | |
Ma et al. | Performance assessment in an interactive call center workforce simulation | |
CN112883932A (zh) | 员工异常行为检测方法、装置及系统 | |
CN108965613A (zh) | 基于催收系统品质监控的方法、存储介质以及应用服务器 | |
CN109711970A (zh) | 贷款授信平台及其授信方法、授信设备、可读存储介质 | |
CN116030788B (zh) | 一种智能语音交互方法及装置 | |
CN103416048B (zh) | 话务员评价支援装置以及话务员评价支援方法 | |
US10924611B2 (en) | Voice recognition system and call evaluation setting method | |
US20110197206A1 (en) | System, Method And Program Product For Analyses Based On Agent-Customer Interactions And Concurrent System Activity By Agents | |
CN113792688A (zh) | 业务状态的分析方法、装置、电子设备和存储介质 | |
CN110955727A (zh) | 学生作业自动记录系统 | |
KR102363432B1 (ko) | 기계 학습에 기반한 장애호 검출 시스템 및 그 제어방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190823 |