CN110533110A - 基于电信客服的自动外呼方法及装置 - Google Patents
基于电信客服的自动外呼方法及装置 Download PDFInfo
- Publication number
- CN110533110A CN110533110A CN201910827331.5A CN201910827331A CN110533110A CN 110533110 A CN110533110 A CN 110533110A CN 201910827331 A CN201910827331 A CN 201910827331A CN 110533110 A CN110533110 A CN 110533110A
- Authority
- CN
- China
- Prior art keywords
- client
- automatic outer
- task
- outer call
- attribute
- 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 53
- 238000011156 evaluation Methods 0.000 claims description 85
- 238000012549 training Methods 0.000 claims description 48
- 230000015654 memory Effects 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 6
- 230000005055 memory storage Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 31
- 238000013461 design Methods 0.000 description 14
- 235000012054 meals Nutrition 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Telephonic Communication Services (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
Abstract
本发明实施例提供一种基于电信客服的自动外呼方法及装置，该方法包括：创建自动外呼任务并获取自动外呼任务的属性，属性包括如下中的至少一种：任务类型、任务描述和任务周期；根据自动外呼任务的属性，判断任务类型规则库中是否存在与属性匹配的客户清单，其中，任务类型规则库中存储有属性与客户的关联关系；若是，则根据客户清单，对客户清单中的客户进行自动外呼。通过根据自动外呼任务的属性与任务类型规则库获取匹配的客户清单，其次对客户清单中的客户进行自动外呼，从而提升了自动外呼的准确率。
Description
技术领域
本发明实施例涉及通信技术，尤其涉及一种基于电信客服的自动外呼方法及装置。
背景技术
随着通信技术在各个领域中的广泛应用，客户对于服务质量的要求也越来越高，其中外呼服务能够有效提供良好客户服务。
现有技术中，在外呼服务中确定待呼叫客户的方式通常为，通过手动筛选的方式确定待呼叫客户的名单，其中手动筛选依赖于人工操作对大量客户名单进行筛选，其次对手动筛选确定的待外呼客户进行呼叫。
然而，手动筛选获取待呼叫客户的方式准确率较低，会对客户产生过度打扰。
发明内容
本发明实施例提供一种基于电信客服的自动外呼方法及装置，以提高外呼服务的呼叫客户的呼叫准确率。
第一方面，本发明实施例提供一种基于电信客服的自动外呼方法，包括：
创建自动外呼任务并获取所述自动外呼任务的属性，所述属性包括如下中的至少一种：任务类型、任务描述和任务周期；
根据所述自动外呼任务的属性，判断任务类型规则库中是否存在与所述属性匹配的客户清单，其中，所述任务类型规则库中存储有属性与客户的关联关系；
若是，则根据所述客户清单，对所述客户清单中的客户进行自动外呼。
在一种可能的设计中，所述根据所述自动外呼任务的属性，判断任务类型规则库中是否存在与所述属性匹配的客户清单之前，所述方法还包括：
获取训练样本，所述训练样本包括样本客户特征、自动外呼任务的属性以及客户评价；
将所述样本客户特征和所述自动外呼任务的属性输入至自动外呼模型，根据所述自动外呼模型的输出和所述客户评价，对所述自动外呼模型进行训练，得到训练后的自动外呼模型；
根据所述训练后的自动外呼模型，创建所述任务类型规则库。
在一种可能的设计中，所述根据所述训练后的自动外呼模型，创建所述任务类型规则库，包括：
获取每个客户的实际客户特征以及至少一个候选的自动外呼任务的属性；
将所述实际客户特征和所述候选的自动外呼任务的属性输入至所述训练后的自动外呼模型，得到所述训练后的自动外呼模型输出的第一预测客户评价；
若所述第一预测客户评价满足预设评价条件，则建立所述实际客户特征与所述候选的自动外呼任务的属性的关联关系，并添加至所述任务类型规则库。
在一种可能的设计中，若所述任务类型规则库中是不存在与所述属性匹配的客户清单，所述方法还包括：
获取每个客户的实际客户特征；
将所述属性和不同的客户的实际客户特征输入至所述自动外呼模型，得到所述自动外呼模型输出的每个客户各自对应的第二预测客户评价；
获取满足预设评价条件的第二预测客户评价对应的目标客户，建立所述目标客户与所述属性的关联关系，并添加至所述任务类型规则库。
在一种可能的设计中，所述建立所述目标客户与所述属性的关联关系，并添加至所述任务类型规则库之后，所述方法还包括：
发布提示信息，所述提示信息用于提示存在与所述属性对应的客户清单；
响应于客户的操作，根据所述客户清单，对所述客户清单中的客户进行自动外呼。
在一种可能的设计中，所述获取每个客户的实际客户特征，包括：
根据所述客户的签约信息，获取每个所述客户的实际客户特征，所述实际客户特征包括如下中的至少一种：性别、年龄、职业。
在一种可能的设计中，所述根据所述训练后的自动外呼模型，创建所述任务类型规则库之后，所述方法还包括：
根据预设更新周期，通过所述训练后的自动外呼模型，更新所述任务类型规则库。
第二方面，本发明实施例提供一种基于电信客服的自动外呼装置，包括：
创建模块，用于创建自动外呼任务并获取所述自动外呼任务的属性，所述属性包括如下中的至少一种：任务类型、任务描述和任务周期；
判断模块，用于根据所述自动外呼任务的属性，判断任务类型规则库中是否存在与所述属性匹配的客户清单，其中，所述任务类型规则库中存储有属性与客户的关联关系；
外呼模块，用于若是，则根据所述客户清单，对所述客户清单中的客户进行自动外呼。
在一种可能的设计中，还包括：获取模块；
所述获取模块，用于所述根据所述自动外呼任务的属性，判断任务类型规则库中是否存在与所述属性匹配的客户清单之前，获取训练样本，所述训练样本包括样本客户特征、自动外呼任务的属性以及客户评价；
将所述样本客户特征和所述自动外呼任务的属性输入至自动外呼模型，根据所述自动外呼模型的输出和所述客户评价，对所述自动外呼模型进行训练，得到训练后的自动外呼模型；
根据所述训练后的自动外呼模型，创建所述任务类型规则库。在一种可能的设计中，所述获取模块具体用于：
获取每个客户的实际客户特征以及至少一个候选的自动外呼任务的属性；
将所述实际客户特征和所述候选的自动外呼任务的属性输入至所述训练后的自动外呼模型，得到所述训练后的自动外呼模型输出的第一预测客户评价；
若所述第一预测客户评价满足预设评价条件，则建立所述实际客户特征与所述候选的自动外呼任务的属性的关联关系，并添加至所述任务类型规则库。
在一种可能的设计中，若所述任务类型规则库中是不存在与所述属性匹配的客户清单，所述获取模块，还用于：
获取每个客户的实际客户特征；
将所述属性和不同的客户的实际客户特征输入至所述自动外呼模型，得到所述自动外呼模型输出的每个客户各自对应的第二预测客户评价；
获取满足预设评价条件的第二预测客户评价对应的目标客户，建立所述目标客户与所述属性的关联关系，并添加至所述任务类型规则库。
在一种可能的设计中，所述外呼模块，还用于：
所述建立所述目标客户与所述属性的关联关系，并添加至所述任务类型规则库之后，发布提示信息，所述提示信息用于提示存在与所述属性对应的客户清单；
响应于客户的操作，根据所述客户清单，对所述客户清单中的客户进行自动外呼。
在一种可能的设计中，所述获取模块，具体用于：
根据所述客户的签约信息，获取每个所述客户的实际客户特征，所述实际客户特征包括如下中的至少一种：性别、年龄、职业。
在一种可能的设计中，所述创建模块，还用于：
所述根据所述训练后的自动外呼模型，创建所述任务类型规则库之后，根据预设更新周期，通过所述训练后的自动外呼模型，更新所述任务类型规则库。
第三方面，本发明实施例提供一种基于电信客服的自动外呼设备，包括：
存储器，用于存储程序；
处理器，用于执行所述存储器存储的所述程序，当所述程序被执行时，所述处理器用于执行如上第一方面以及第一方面各种可能的设计中任一所述的方法。
第四方面，本发明实施例提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如上第一方面以及第一方面各种可能的设计中任一所述的方法。
本发明实施例提供一种基于电信客服的自动外呼方法及装置，该方法包括：创建自动外呼任务并获取自动外呼任务的属性，属性包括如下中的至少一种：任务类型、任务描述和任务周期；根据自动外呼任务的属性，判断任务类型规则库中是否存在与属性匹配的客户清单，其中，任务类型规则库中存储有属性与客户的关联关系；若是，则根据客户清单，对客户清单中的客户进行自动外呼。通过根据自动外呼任务的属性与任务类型规则库进行匹配，以获取匹配的客户清单，其次对客户清单中的客户进行自动外呼，从而避免了手动筛选呼叫而对客户造成的过度打扰，提升了自动外呼的准确率。
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一简单地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于电信客服的自动外呼方法的流程图一；
图2为本发明实施例提供的基于电信客服的自动外呼方法的流程图二；
图3为本发明实施例提供的基于电信客服的自动外呼方法的流程图三；
图4为本发明实施例提供的基于电信客服的自动外呼装置的结构示意图一；
图5为本发明实施例提供的基于电信客服的自动外呼装置的结构示意图二；
图6为本发明实施例提供的基于电信客服的自动外呼设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
图1为本发明实施例提供的基于电信客服的自动外呼方法的流程图一。
如图1所示，该方法包括：
S101、创建自动外呼任务并获取自动外呼任务的属性，属性包括如下中的至少一种：任务类型、任务描述和任务周期。
在本实施例中，外呼是指主动发起对客户呼叫的服务，其中外呼例如可以用于市场分析，通过外呼服务呼叫客户，进行业务需求或服务满意度的调查，或者客户回访等活动，可选地，外呼还例如可以用于电话营销等，本实施例对外呼的具体应用不做限定。
具体的，首先创建自动外呼任务，其中，自动外呼任务可用于自动向目标客户发起呼叫，在本实施例中，每个自动外呼任务对应各自的属性，属性包括如下中的至少一种：任务类型、任务描述和任务周期。
其中，任务类型用于指示自动外呼任务所属的分类，可选地，任务类型例如可以为营销类，还例如可以为维系类等。
进一步可选地，在本实施例中，任务类型例如可以分为两级，第一级为营销类、服务类等较大的类型，第二类为第一级的细分，例如营销类对应的第二级分类可以为套餐营销类、活动营销类等。
进一步可选地，本实施例中任务类型还可以分为多级分类，本实施例对任务类型的具体实现方式不做限定，本领域技术人员可以理解，任务类型的划分以及任务类型所对应的内容可以根据需求进行设定。
进一步的，任务描述用于指示自动外呼任务的具体服务内容，其中任务描述例如为客户推荐套餐，以及推荐套餐的具体套餐内容，其中任务描述还例如可以为服务满意度的等级，以及回访服务的具体服务内容等，此处对任务描述不做限制。
其中，任务周期用于指示自动外呼任务的执行周期，可选地，在本实施例中，自动外呼任务例如可以为一次性任务，则任务周期可以设置为0，可选地，自动外呼任务还例如可以为周期性任务，则任务周期可以设置为预设数值，以及还可以设置自动外呼任务的开始执行时间点。
进一步可选地，自动外呼任务的属性还例如可以包括任务的优先级、任务的重要程度等，本实施例对自动外呼任务的属性不做特别限定。
S102、根据自动外呼任务的属性，判断任务类型规则库中是否存在与属性匹配的客户清单，其中，任务类型规则库中存储有属性与客户的关联关系，若是，则执行S103。
在本实施例中，设置有任务类型规则库，其中任务类型规则库中存储有任务属性及任务属性对应的匹配规则，匹配规则用于指示属性与客户的关联关系。
具体的，根据任务属性对应的匹配规则，可以得到与任务属性匹配的客户清单，其中，客户清单可以包含客户的身份标识、手机号码、身份信息等，其具体内容可以根据需求进行设定，本实施例对客户清单不做限制。
可选地，例如针对任务类型为套餐营销类的自动外呼任务，在任务类型规则库中可以存储有套餐营销类对应的匹配规则，该匹配规则中包含与套餐营销类关联的客户清单。
在本实施例中，属性与客户之间的关联关系例如可以为手动输入的关联关系，还例如可以为根据历史关联关系处理得到的关联关系，此处对属性与客户之间的关联关系不做限定。
进一步的，在任务类型规则库中，并非所有的任务属性均存在匹配的客户清单，因此需要首先根据自动外呼任务的属性，判断任务类型规则库中是否存在于属性匹配的客户清单。
S103、根据客户清单，对客户清单中的客户进行自动外呼。
若确定任务类型规则库中存在与属性匹配的客户清单，则根据客户清单对客户清单中的客户进行自动外呼。
具体的，根据客户清单中的客户的手机号码对客户进行呼叫，还例如可以根据客户清单中的身份标识、身份信息等内容与客户进行交互等。
可选地，在进行自动外呼之前还例如可以根据客户清单对待呼叫的用户进行筛选，其中筛选的条件例如可以为客户的活跃程度、客户的年龄信息等，本实施例对此不做限定，通过根据客户清单进行筛选，可以进一步提高外呼客户的准确度。
本发明实施例提供的基于电信客服的自动外呼方法，包括：创建自动外呼任务并获取自动外呼任务的属性，属性包括如下中的至少一种：任务类型、任务描述和任务周期；根据自动外呼任务的属性，判断任务类型规则库中是否存在与属性匹配的客户清单，其中，任务类型规则库中存储有属性与客户的关联关系；若是，则根据客户清单，对客户清单中的客户进行自动外呼。通过根据自动外呼任务的属性与任务类型规则库进行匹配，以获取匹配的客户清单，其次对客户清单中的客户进行自动外呼，从而避免了手动筛选呼叫而对客户造成的过度打扰，提升了自动外呼的准确率。
在上述实施例的基础上，本发明实施例提供的基于电信客服的自动外呼方法在根据自动外呼任务的属性，判断任务类型规则库中是否存在与属性匹配的客户清单之前，首先需要创建任务类型规则库，下面结合图2以及具体的实施例对创建任务类型规则库的具体实现方式进行详细介绍。
图2为本发明实施例提供的基于电信客服的自动外呼方法的流程图二。
如图2所示，该方法包括：
S201、获取训练样本，训练样本包括样本客户特征、自动外呼任务的属性以及客户评价。
在本实施例中，根据训练样本进行训练从而得到任务类型规则库，其中，获取训练样本的具体实现方式例如可以为获取历史的外呼相关数据，还例如可以为通过调查统计得到客户相关数据从而获取训练样本等，本实施例对获取训练样本的具体实现方式不做限定。
其中，训练样本包括样本客户特征、自动外呼任务的属性以及客户评价，具体的，样本客户特征例如可以包括客户的购买记录、客户的更换套餐频率、客户的满意度评价指数等，本领域技术人员可以理解，凡是可以用于客户行为分析的特征都可以作为客户特征，具体的样本客户特征可以根据实际需求进行选择，本实施例对此不做特别限定。
进一步地，自动外呼任务的属性包括如下中的至少一种：任务类型、任务描述和任务周期，在上述实施例中已经进行了介绍，此处不再赘述。
其中，客户评价为客户对接收到的一次自动外呼所作出的评价，其中客户评价的具体内容例如可以为满意度评价数值，例如数字1表示非常不满意，数字5表示非常满意，客户评价还例如可以为文字内容评价等，本实施例对客户评价的具体实现方式不做限定。
S202、将样本客户特征和自动外呼任务的属性输入至自动外呼模型，根据自动外呼模型的输出和客户评价，对自动外呼模型进行训练，得到训练后的自动外呼模型。
在本实施例中，自动外呼模型用于指示自动外呼任务和客户清单之间的匹配关系，其中，自动外呼模型以样本客户特征和自动外呼任务的属性为输入，其输出例如可以为当前自动外呼任务对应的客户清单。
具体的，初始的自动外呼模型为根据历史的自动外呼的相关数据得到的模型，例如可以根据历史的自动外呼任务及其对应的客户清单建立自动外呼模型，初始的自动外呼模型输出的客户清单的匹配准确率较低。
进一步地，根据自动外呼模型的输出和客户评价，对自动外呼模型进行训练，得到训练后的自动外呼模型，其中对自动外呼模型进行训练的具体实现方式例如可以为采用随机森林算法进行训练，还可以采用任意的机器学习算法进行训练，本实施例对自动外呼模型进行训练的具体实现方式不做限定。
具体的，自动外呼模型的输出以及客户评价可以反映一次自动外呼任务的准确性及自动外呼产生的实际效果，因此根据自动外呼模型的输出和客户评价，对自动外呼模型进行训练，得到的训练后的自动外呼模型，可以提高输出的客户清单的匹配准确率。
S203、获取每个客户的实际客户特征以及至少一个候选的自动外呼任务的属性。
其中，实际客户特征与上述介绍的样本客户特征类似，只是实际客户特征为当前待参与自动外呼的真实客户的客户特征，具体的，根据客户的签约信息，获取每个客户的实际客户特征，实际客户特征包括如下中的至少一种：性别、年龄、职业。
进一步地，获取至少一个候选的自动外呼任务的属性，其中候选的自动外呼任务为待进行的自动外呼任务。
S204、将实际客户特征和候选的自动外呼任务的属性输入至训练后的自动外呼模型，得到训练后的自动外呼模型输出的第一预测客户评价。
具体的，训练后的自动外呼模型以实际客户特征与候选的自动外呼任务的属性为输入进行处理，得到第一预测用户评价，其中第一预测用户评价用于反映预测的实际客户特征对应的用户对于候选的自动外呼任务所作出的评价。
其中第一预测用户评价例如可以为数值，例如数字1至5对应不同的用户满意度，可选的，第一预测用户评价还例如可以为交易成功的概率百分比，还可以为实际客户特征与候选的自动外呼任务之间的匹配正确率等，本实施例对第一预测用户评价的具体实现方式不作限定。
S205、若第一预测客户评价满足预设评价条件，则建立实际客户特征与候选的自动外呼任务的属性的关联关系，并添加至任务类型规则库。
在本实施例中，设置有预设评价条件，其中预设评价条件与第一预测客户评价相对应，例如第一预测用户评价为数值时，则预设评价条件可以为根据其中的一个数值设置的阈值，还例如当第一预测用户评价为匹配正确率时，则预设评价条件可以为设置的匹配正确率的阈值等。
可选的，预设评价条件还例如可以包括客户身份信息的相关条件，如年龄、性别、客户身份等级等，本实施例对预设评价条件不做特别限制。
具体的，若第一预测客户评价满足预设评价条件，则确定当前实际客户特征和候选的自动外呼任务之间可以进行匹配，则建立实际客户特征与候选的自动外呼任务的属性的关联关系，并将该关联联系添加至任务类型规则库。
S206、根据预设更新周期，通过训练后的自动外呼模型，更新任务类型规则库。
可选的，因为客户特征会随着时间的推移而发生变化，因此在创建任务类型规则库之后，还需要对任务类型规则库进行更新，以提高任务类型规则库反映的自动外呼任务的属性与客户清单之间的关联关系的准确性。
具体的，根据预设更新周期获取更新的实际客户特征与更新的候选的自动外呼任务，其中预设更新周期可以根据实际需求进行设定，进一步地，通过训练后的自动外呼模型对更新后的数据进行处理，从而更新任务类型规则库。
本发明实施例提供的基于电信客服的自动外呼方法，包括：获取训练样本，训练样本包括样本客户特征、自动外呼任务的属性以及客户评价。将样本客户特征和自动外呼任务的属性输入至自动外呼模型，根据自动外呼模型的输出和客户评价，对自动外呼模型进行训练，得到训练后的自动外呼模型。获取每个客户的实际客户特征以及至少一个候选的自动外呼任务的属性。将实际客户特征和候选的自动外呼任务的属性输入至训练后的自动外呼模型，得到训练后的自动外呼模型输出的第一预测客户评价。若第一预测客户评价满足预设评价条件，则建立实际客户特征与候选的自动外呼任务的属性的关联关系，并添加至任务类型规则库。根据预设更新周期，通过训练后的自动外呼模型，更新任务类型规则库。通过根据队自动外呼模型进行训练，可以提高自动外呼任务和客户清单之间匹配的准确性，其次根据实际客户特征以及候选的自动外呼任务的属性得到第一预测用户评价，在确定第一预测用户评价满足预设评价条件时，将其对应的关联关系添加至任务类型规则库中，从而实现对任务类型规则库的构建，以及根据预设更新周期对任务类型规则库进行更新能够保证任务类型规则库的时效性。
在上述实施例的基础上，若根据自动外呼任务的属性，确定任务类型规则库中不在与属性匹配的客户清单，则需要获取其对应的客户清单并将关联关系添加至任务类型规则库中，以便后续直接获取，下面结合图3对此过程进行详细说明、
图3为本发明实施例提供的基于电信客服的自动外呼方法的流程图三。
如图3所示，该方法包括：
S301、获取每个客户的实际客户特征。
具体的，根据客户的签约信息，获取每个客户的实际客户特征，实际客户特征包括如下中的至少一种：性别、年龄、职业。
S302、将属性和不同的客户的实际客户特征输入至自动外呼模型，得到自动外呼模型输出的每个客户各自对应的第二预测客户评价。
在本实施例中，因为任务类型规则库中不在与属性匹配的客户清单，因此需要根据不同的客户的实际客户特征确定出客户清单，其中不同的客户的实际客户特征例如可以为数据库中所有客户的实际客户特征，还例如可以为经过预设条件筛选的部分客户的实际客户特征。
具体的，将属性和不同的客户的实际客户特征输入至自动外呼模型，自动外呼模型对各个不同的实际客户特征与自动外呼任务的属性分别进行处理，从而得到每个客户各自对应的第二预测客户评价。
S303、获取满足预设评价条件的第二预测客户评价对应的目标客户，建立目标客户与属性的关联关系，并添加至任务类型规则库。
进一步地，确定满足预设评价条件的第二预测客户评价对应的客户为目标客户，其中预设评价条件在上述实施例中已经进行了详细说明，此处不再赘述。
其次，建立目标客户与属性的关联关系，并添加至任务类型规则库，以便后续再进行该属性对应的自动外呼任务时，直接从任务类型规则库中获取对应的客户清单即可。
S304、发布提示信息，提示信息用于提示存在与属性对应的客户清单。
进一步地，因为在本实施例中确定任务类型规则库中不在与属性匹配的客户清单，因此在建立目标客户与属性的关联关系，并添加至任务类型规则库之后还需要提示当前存在于属性对应的客户清单。
具体的，发布提示信息，其中提示信息例如可以为包含提示信息的弹窗，还例如可以为对目标客户的相关信息进行高亮显示，还例如可以为语音提示灯，本实施例对此不做特别限制。
S305、响应于客户的操作，根据客户清单，对客户清单中的客户进行自动外呼。
其中，客户的操作例如可以为点击操作，还例如可以为语音输入，其次根据客户清单，对客户清单中的客户进行自动外呼。
本发明实施例提供的基于电信客服的自动外呼方法，包括：获取每个客户的实际客户特征。将属性和不同的客户的实际客户特征输入至自动外呼模型，得到自动外呼模型输出的每个客户各自对应的第二预测客户评价。获取满足预设评价条件的第二预测客户评价对应的目标客户，建立目标客户与属性的关联关系，并添加至任务类型规则库。发布提示信息，提示信息用于提示存在与属性对应的客户清单。响应于客户的操作，根据客户清单，对客户清单中的客户进行自动外呼。在确定任务类型规则库中不在与属性匹配的客户清单时，根据自动外呼模型对属性和不同的客户的实际客户特征进行处理，得到第二预测客户评价，其次确定第二预测客户评价对应的目标客户并将建立目标客户与属性的关联关系，并添加至任务类型规则库，从而能够扩展任务类型规则库所包含的关联关系，以满足后续的自动外呼任务的需求，提升自动外呼的效率。
图4为本发明实施例提供的基于电信客服的自动外呼装置的结构示意图一。如图4所示，该装置40包括：创建模块401、判断模块402以及外呼模块403。
创建模块401，用于创建自动外呼任务并获取所述自动外呼任务的属性，所述属性包括如下中的至少一种：任务类型、任务描述和任务周期；
判断模块402，用于根据所述自动外呼任务的属性，判断任务类型规则库中是否存在与所述属性匹配的客户清单，其中，所述任务类型规则库中存储有属性与客户的关联关系；
外呼模块403，用于若是，则根据所述客户清单，对所述客户清单中的客户进行自动外呼。
本实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
图5为本发明实施例提供的基于电信客服的自动外呼装置的结构示意图二。如图5所示，本实施例在图4施例的基础上，还包括：获取模块504。
可选的，所述获取模块504，用于所述根据所述自动外呼任务的属性，判断任务类型规则库中是否存在与所述属性匹配的客户清单之前，获取训练样本，所述训练样本包括样本客户特征、自动外呼任务的属性以及客户评价；
将所述样本客户特征和所述自动外呼任务的属性输入至自动外呼模型，根据所述自动外呼模型的输出和所述客户评价，对所述自动外呼模型进行训练，得到训练后的自动外呼模型；
根据所述训练后的自动外呼模型，创建所述任务类型规则库。
可选的，所述获取模块504具体用于：
获取每个客户的实际客户特征以及至少一个候选的自动外呼任务的属性；
将所述实际客户特征和所述候选的自动外呼任务的属性输入至所述训练后的自动外呼模型，得到所述训练后的自动外呼模型输出的第一预测客户评价；
若所述第一预测客户评价满足预设评价条件，则建立所述实际客户特征与所述候选的自动外呼任务的属性的关联关系，并添加至所述任务类型规则库。
可选的，若所述任务类型规则库中是不存在与所述属性匹配的客户清单，所述获取模块504，还用于：
获取每个客户的实际客户特征；
将所述属性和不同的客户的实际客户特征输入至所述自动外呼模型，得到所述自动外呼模型输出的每个客户各自对应的第二预测客户评价；
获取满足预设评价条件的第二预测客户评价对应的目标客户，建立所述目标客户与所述属性的关联关系，并添加至所述任务类型规则库。
可选的，所述外呼模块503，还用于：
所述建立所述目标客户与所述属性的关联关系，并添加至所述任务类型规则库之后，发布提示信息，所述提示信息用于提示存在与所述属性对应的客户清单；
响应于客户的操作，根据所述客户清单，对所述客户清单中的客户进行自动外呼。
可选的，所述获取模块504，具体用于：
根据所述客户的签约信息，获取每个所述客户的实际客户特征，所述实际客户特征包括如下中的至少一种：性别、年龄、职业。
可选的，所述创建模块501，还用于：
所述根据所述训练后的自动外呼模型，创建所述任务类型规则库之后，根据预设更新周期，通过所述训练后的自动外呼模型，更新所述任务类型规则库。
本实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
图6为本发明实施例提供的基于电信客服的自动外呼设备的硬件结构示意图，如图6所示，本实施例的基于电信客服的自动外呼设备60包括：处理器601以及存储器602；其中
存储器602，用于存储计算机执行指令；
处理器601，用于执行存储器存储的计算机执行指令，以实现上述实施例中基于电信客服的自动外呼方法所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地，存储器602既可以是独立的，也可以跟处理器601集成在一起。
当存储器602独立设置时，该基于电信客服的自动外呼设备还包括总线603，用于连接所述存储器602和处理器601。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上基于电信客服的自动外呼设备所执行的基于电信客服的自动外呼方法。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，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，例如多个模块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信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
上述以软件功能模块的形式实现的集成的模块，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计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本申请各个实施例所述方法的部分步骤。
应理解，上述处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。
Claims (10)
1.一种基于电信客服的自动外呼方法，其特征在于，包括：
创建自动外呼任务并获取所述自动外呼任务的属性，所述属性包括如下中的至少一种：任务类型、任务描述和任务周期；
根据所述自动外呼任务的属性，判断任务类型规则库中是否存在与所述属性匹配的客户清单，其中，所述任务类型规则库中存储有属性与客户的关联关系；
若是，则根据所述客户清单，对所述客户清单中的客户进行自动外呼。
2.根据权利要求1所述的方法，其特征在于，所述根据所述自动外呼任务的属性，判断任务类型规则库中是否存在与所述属性匹配的客户清单之前，所述方法还包括：
获取训练样本，所述训练样本包括样本客户特征、自动外呼任务的属性以及客户评价；
将所述样本客户特征和所述自动外呼任务的属性输入至自动外呼模型，根据所述自动外呼模型的输出和所述客户评价，对所述自动外呼模型进行训练，得到训练后的自动外呼模型；
根据所述训练后的自动外呼模型，创建所述任务类型规则库。
3.根据权利要求2所述的方法，其特征在于，所述根据所述训练后的自动外呼模型，创建所述任务类型规则库，包括：
获取每个客户的实际客户特征以及至少一个候选的自动外呼任务的属性；
将所述实际客户特征和所述候选的自动外呼任务的属性输入至所述训练后的自动外呼模型，得到所述训练后的自动外呼模型输出的第一预测客户评价；
若所述第一预测客户评价满足预设评价条件，则建立所述实际客户特征与所述候选的自动外呼任务的属性的关联关系，并添加至所述任务类型规则库。
4.根据权利要求2所述的方法，其特征在于，若所述任务类型规则库中是不存在与所述属性匹配的客户清单，所述方法还包括：
获取每个客户的实际客户特征；
将所述属性和不同的客户的实际客户特征输入至所述自动外呼模型，得到所述自动外呼模型输出的每个客户各自对应的第二预测客户评价；
获取满足预设评价条件的第二预测客户评价对应的目标客户，建立所述目标客户与所述属性的关联关系，并添加至所述任务类型规则库。
5.根据权利要求4所述的方法，其特征在于，所述建立所述目标客户与所述属性的关联关系，并添加至所述任务类型规则库之后，所述方法还包括：
发布提示信息，所述提示信息用于提示存在与所述属性对应的客户清单；
响应于客户的操作，根据所述客户清单，对所述客户清单中的客户进行自动外呼。
6.根据权利要求3或4所述的方法，其特征在于，所述获取每个客户的实际客户特征，包括：
根据所述客户的签约信息，获取每个所述客户的实际客户特征，所述实际客户特征包括如下中的至少一种：性别、年龄、职业。
7.根据权利要求3所述的方法，其特征在于，所述根据所述训练后的自动外呼模型，创建所述任务类型规则库之后，所述方法还包括：
根据预设更新周期，通过所述训练后的自动外呼模型，更新所述任务类型规则库。
8.一种基于电信客服的自动外呼装置，其特征在于，包括：
创建模块，用于创建自动外呼任务并获取所述自动外呼任务的属性，所述属性包括如下中的至少一种：任务类型、任务描述和任务周期；
判断模块，用于根据所述自动外呼任务的属性，判断任务类型规则库中是否存在与所述属性匹配的客户清单，其中，所述任务类型规则库中存储有属性与客户的关联关系；
外呼模块，用于若是，则根据所述客户清单，对所述客户清单中的客户进行自动外呼。
9.一种基于电信客服的自动外呼设备，其特征在于，包括：
存储器，用于存储程序；
处理器，用于执行所述存储器存储的所述程序，当所述程序被执行时，所述处理器用于执行如权利要求1至6中任一所述的方法。
10.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1至7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910827331.5A CN110533110A (zh) | 2019-09-03 | 2019-09-03 | 基于电信客服的自动外呼方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910827331.5A CN110533110A (zh) | 2019-09-03 | 2019-09-03 | 基于电信客服的自动外呼方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110533110A true CN110533110A (zh) | 2019-12-03 |
Family
ID=68666400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910827331.5A Pending CN110533110A (zh) | 2019-09-03 | 2019-09-03 | 基于电信客服的自动外呼方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110533110A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111353765A (zh) * | 2020-03-31 | 2020-06-30 | 中国工商银行股份有限公司 | 基于数据挖掘的外呼方法及装置 |
| CN114004627A (zh) * | 2021-09-28 | 2022-02-01 | 北京思特奇信息技术股份有限公司 | 一种电信业务的外呼模块对接方法及系统 |
| CN114244961A (zh) * | 2021-12-13 | 2022-03-25 | 中国平安财产保险股份有限公司 | 机器人智能外呼方法、装置、计算机设备及存储介质 |
| CN118612343A (zh) * | 2024-08-09 | 2024-09-06 | 杭州轩钦信息科技有限公司 | 基于ai的智能语音外呼系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106875076A (zh) * | 2015-12-10 | 2017-06-20 | 中国移动通信集团公司 | 建立外呼质量模型、外呼模型及外呼评价的方法及系统 |
| CN108492137A (zh) * | 2018-03-15 | 2018-09-04 | 平安科技（深圳）有限公司 | 电话外呼分析控制方法、电子装置及可读存储介质 |
| CN108810296A (zh) * | 2018-04-28 | 2018-11-13 | 上海车音智能科技有限公司 | 一种智能外呼方法及装置 |
| CN109191210A (zh) * | 2018-09-13 | 2019-01-11 | 厦门大学嘉庚学院 | 一种基于Adaboost算法的宽带目标用户识别方法 |
| CN109698875A (zh) * | 2018-08-27 | 2019-04-30 | 平安科技（深圳）有限公司 | 外呼方法、系统、设备及计算机可读存储介质 |
| CN110084636A (zh) * | 2019-03-19 | 2019-08-02 | 平安普惠企业管理有限公司 | 提高电话销售效率方法、装置、计算机设备及存储介质 |
-
2019
- 2019-09-03 CN CN201910827331.5A patent/CN110533110A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106875076A (zh) * | 2015-12-10 | 2017-06-20 | 中国移动通信集团公司 | 建立外呼质量模型、外呼模型及外呼评价的方法及系统 |
| CN108492137A (zh) * | 2018-03-15 | 2018-09-04 | 平安科技（深圳）有限公司 | 电话外呼分析控制方法、电子装置及可读存储介质 |
| CN108810296A (zh) * | 2018-04-28 | 2018-11-13 | 上海车音智能科技有限公司 | 一种智能外呼方法及装置 |
| CN109698875A (zh) * | 2018-08-27 | 2019-04-30 | 平安科技（深圳）有限公司 | 外呼方法、系统、设备及计算机可读存储介质 |
| CN109191210A (zh) * | 2018-09-13 | 2019-01-11 | 厦门大学嘉庚学院 | 一种基于Adaboost算法的宽带目标用户识别方法 |
| CN110084636A (zh) * | 2019-03-19 | 2019-08-02 | 平安普惠企业管理有限公司 | 提高电话销售效率方法、装置、计算机设备及存储介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111353765A (zh) * | 2020-03-31 | 2020-06-30 | 中国工商银行股份有限公司 | 基于数据挖掘的外呼方法及装置 |
| CN114004627A (zh) * | 2021-09-28 | 2022-02-01 | 北京思特奇信息技术股份有限公司 | 一种电信业务的外呼模块对接方法及系统 |
| CN114244961A (zh) * | 2021-12-13 | 2022-03-25 | 中国平安财产保险股份有限公司 | 机器人智能外呼方法、装置、计算机设备及存储介质 |
| CN118612343A (zh) * | 2024-08-09 | 2024-09-06 | 杭州轩钦信息科技有限公司 | 基于ai的智能语音外呼系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110533110A (zh) | 基于电信客服的自动外呼方法及装置 | |
| US10496935B2 (en) | System modernization using machine learning | |
| US20210365963A1 (en) | Target customer identification method and device, electronic device and medium | |
| US8660602B2 (en) | Intelligent communication with contact lists | |
| JP2020507135A (ja) | 専属エージェントプール配分方法、電子装置及びコンピューター読取可能な記憶媒体 | |
| US10637990B1 (en) | Call center load balancing and routing management | |
| US20230094646A1 (en) | System and method for providing a model-based intelligent conversational agent | |
| US20180137526A1 (en) | Business operations assistance device and business operations assistance method using contract cancellation prediction | |
| CN107909330A (zh) | 工作流数据处理方法、装置、存储介质和计算机设备 | |
| CN107038645B (zh) | 业务处理方法、装置及系统和服务器 | |
| US10498897B1 (en) | Systems and methods for simulating multiple call center balancing | |
| US10762423B2 (en) | Using a neural network to optimize processing of user requests | |
| CN114125154B (zh) | 外呼策略参数调整方法、装置、计算机设备及存储介质 | |
| CN109753436A (zh) | 智能客服系统的测试方法、装置及存储介质 | |
| CN110351440A (zh) | 业务流程构建方法及设备 | |
| CN108279954A (zh) | 一种应用程序排序的方法及装置 | |
| CN112579891A (zh) | 一种云资源的推荐方法、装置、电子终端及存储介质 | |
| CN115629743A (zh) | 服务组件的编排方法、服务调度方法、装置、电子设备及存储介质 | |
| CN116308521A (zh) | 一种会员权益配置处理方法、系统、计算机设备及介质 | |
| CN108694413A (zh) | 自适应采样不平衡数据分类处理方法、装置、设备及介质 | |
| CN113191880A (zh) | 银行柜员终端加钞建议确定方法及装置 | |
| US11455555B1 (en) | Methods, mediums, and systems for training a model | |
| KR100977001B1 (ko) | 고객별 맞춤 안내 기능을 가지는 자동응답시스템 및 그 방법 | |
| CN108961071B (zh) | 自动预测组合业务收益的方法及终端设备 | |
| CN111046156A (zh) | 奖励数据的确定方法、装置和服务器 |
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: 20191203 |