CN110838014A - 在线客服系统中人工智能路由策略 - Google Patents
在线客服系统中人工智能路由策略 Download PDFInfo
- Publication number
- CN110838014A CN110838014A CN201910894924.3A CN201910894924A CN110838014A CN 110838014 A CN110838014 A CN 110838014A CN 201910894924 A CN201910894924 A CN 201910894924A CN 110838014 A CN110838014 A CN 110838014A
- Authority
- CN
- China
- Prior art keywords
- user
- customer service
- session
- robot
- artificial
- 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
Images
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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Telephonic Communication Services (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种在线客服系统中人工智能路由策略,包括以下步骤:S1、在判断机器人客服不能准确回答用户提出的问题后,由所述机器人客服与用户的至少一轮会话中获取会话特征;S2、将会话特征和所述用户的状态特征输入预设的智能路由分评估模型中进行评估,得到针对所述用户的智能路由分评估值;S3、判断所述用户的智能路由分评估值是否满足预定的转人工客服条件;是,则将所述用户转接到与所述用户匹配度最高的人工客服;否,则采用原机器人客服为所述用户服务。其能够为用户推荐最佳客服人员进行在线匹配服务,有效的提高了用户满意度、客服服务质量,优化了在线客服系统的用户体验度。
Description
技术领域
本发明涉及自然语言处理技术领域,尤其涉及一种在线客服系统中人工智能路由策略。
背景技术
随着互联网的发展,基于人工智能技术的虚拟机器人在企业用户服务领域的应用越来越广泛。机器人客服不需要休息,可以更加快速和标准化的响应用户的问题,以语音对话或文字聊天的形式与用户进行沟通,将人工客服从大量重复性问答中解放出来。但是,对于一些非常规的用户问题,机器人客服往往难以给出令用户满意的答复。目前客服中心最为常用的架构是机器人客服与人工客服并存,默认由机器人客服先接待用户,当机器人客服不能解决用户的问题时,再转接人工客服,且用户转接人工客服采用下述方式:进行一个简单的轮询分配机制,或者一个随机分配机制,或者通过一个简单的排队机制,这样最后接待用户的客服人员很有可能不能及时高效的解决当前用户遇到的问题。
如果在用户咨询判断机器人客服不能很好的为用户解决问题时,能够及时为用户推荐与用户最为匹配的人工客服为用户服务,则将会大大的提高解决问题的效率,同时提高用户满意度,优化在线客服系统的用户体验。
发明内容
本发明的一个目的是解决至少上述问题,并提供至少后面将说明的优点。
本发明还有一个目的是提供一种在线客服系统中人工智能路由策略,能够为用户推荐最佳客服人员进行在线匹配服务,有效的提高了用户满意度、客服服务质量,优化了在线客服系统的用户体验度。
为实现上述目的和一些其他的目的,本发明采用如下技术方案:
一种在线客服系统中人工智能路由策略,包括以下步骤:
S1、在判断机器人客服不能准确回答用户提出的问题后,由所述机器人客服与用户的至少一轮会话中获取会话特征;
S2、将会话特征和所述用户的状态特征输入预设的智能路由分评估模型中进行评估,得到针对所述用户的智能路由分评估值;
S3、判断所述用户的智能路由分评估值是否满足预定的转人工客服条件;是,则将所述用户转接到与所述用户匹配度最高的人工客服;否,则采用原机器人客服为所述用户服务。
优选的是,所述的在线客服系统中人工智能路由策略中,所述会话特征为采用NLP方法获取的特征;
所述会话特征包括以下的一种或几种:用户提问与客服回答的关联度、问答轮数、答案类型、答案重复次数、用户是否提出更换人工客服以及用户是否在解释所提出的问题。
优选的是,所述的在线客服系统中人工智能路由策略中,所述智能路由分评估模型为采用标记有人工点的机器人客服与用户的会话样本和用户的状态特征样本进行训练得到的机器学习模型。
优选的是,所述的在线客服系统中人工智能路由策略中,所述智能路由分评估模型为以下模型中的任一种:基于支持向量机的机器学习模型、基于树型的机器学习模型、线性模型以及神经网络模型。
优选的是,所述的在线客服系统中人工智能路由策略中,所述用户的状态特征包括:所述用户与机器人客服或人工客服的历史聊天会话的特征、所述用户当前对人工客服的需求程度,以及所述用户期望解决所提出问题的迫切程度。
优选的是,所述的在线客服系统中人工智能路由策略中,所述用户的状态特征通过对用户当前会话的上下文情境、所述用户的历史会话以及对所述用户的历史接待情况进行分析得到。
优选的是,所述的在线客服系统中人工智能路由策略中,与所述用户匹配度最高的人工客服的判断标准包括以下的一种或几种:曾经服务过所述用户、对解决所述用户提出的问题的擅长程度,以及对用户咨询态度的承受能力。
本发明至少包括以下有益效果:
本发明的在线客服系统中人工智能路由策略中,将人工智能模型应用到智能路由推荐客服人员这一关键节点上,通过对用户行为的智能分析,推荐最佳客服人员进行在线匹配服务,提高用户满意度,提高客服服务质量,优化在线客服系统的用户体验度。
通过将会话特征和用户的状态特征输入智能路由分评估模型中进行评估,然后根据评估分值为用户提供匹配度最高的人工客服,即将用户的个性化属性和人工智能路由模型算法相结合,实现了为用户实时的推荐最有可能解决该用户问题的人工客服人员,建立人工客服与用户的双向智能匹配沟通,进而能够提高在线客服接待的满意度,最大限度的提高了在线客服回答的准确度,提高服务质量,做到服务质量的最大化。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1是本发明提供的在线客服系统中人工智能路由策略的流程图。
具体实施方式
下面结合附图对本发明做详细说明,以令本领域普通技术人员参阅本说明书后能够据以实施。
如图1所示,一种在线客服系统中人工智能路由策略,包括以下步骤:
S1、在判断机器人客服不能准确回答用户提出的问题后,由所述机器人客服与用户的至少一轮会话中获取会话特征;
S2、将会话特征和所述用户的状态特征输入预设的智能路由分评估模型中进行评估,得到针对所述用户的智能路由分评估值;
S3、判断所述用户的智能路由分评估值是否满足预定的转人工客服条件;是,则将所述用户转接到与所述用户匹配度最高的人工客服;否,则采用原机器人客服为所述用户服务。
在上述方案中,通过将会话特征和用户的状态特征输入智能路由分评估模型中进行评估,然后根据评估分值为用户提供匹配度最高的人工客服,其中,通过人工智能路由方法可以提前训练和分析用户情绪度,结合大数据分析方法,结合人工智能算法,以及用户当前会话,为用户智能路由到最佳匹配度的客服人员,建立双向高效沟通,提高用户满意度,提高客服服务质量,提高用户体验度,减少人工客服服务成本,提高人工客服服务效率。
一个优选方案中,所述会话特征为采用NLP方法获取的特征。
所述会话特征包括以下的一种或几种:用户提问与客服回答的关联度、问答轮数、答案类型、答案重复次数、用户是否提出更换人工客服以及用户是否在解释所提出的问题。
在上述方案中,从机器人客服与用户的会话中提取的会话特征可以是以机器人客服与用户的会话为基础,采用NLP(Natural Language Processing,自然语言处理)方法能够获取的任何特征,即NLP特征。具体而言,可以是用户提问与机器人回答的关联度、问答轮数、答案类型、答案重复次数、用户是否提出换人工、用户是否在解释自己的问题等特征中的任意个数。
一个优选方案中,所述智能路由分评估模型为采用标记有人工点的机器人客服与用户的会话样本和用户的状态特征样本进行训练得到的机器学习模型。
一个优选方案中,所述智能路由分评估模型为以下模型中的任一种:基于支持向量机的机器学习模型、基于树型的机器学习模型、线性模型以及神经网络模型。
在上述方案中,智能路由分评估模型的输入包括从机器人客服与用户的会话中获取会话特征、以及用户的状态特征,其输出包括智能路由分评估值。智能路由分评估模型采用标记有人工点的机器人客户与用户的会话样本、以及用户的状态特征样本进行训练,由计算机程序自动对会话样本进行NLP处理后得到会话特征。
智能路由分评估模型所采用的机器学习算法可以根据实际应用场景的特点来选择,具体可以是:基于支持向量机的机器学习模型,如SVC(Support Vector Machine,支持向量机)等;基于树型的机器学习模型,如GBDT(Gradient Boosting Decision Tree,梯度提升决策树)等;线性模型,如LR(Logistic Regression,逻辑回归)等;神经网络模型,如DNN(Deep Neural Networks,深度神经网络)、RNN(Recurrent NeuralNetworks,循环神经网络)、CNN(ConvolutionalNeural Networks,卷积神经网络)等。
一个优选方案中,所述用户的状态特征包括:所述用户与机器人客服或人工客服的历史聊天会话的特征、所述用户当前对人工客服的需求程度,以及所述用户期望解决所提出问题的迫切程度。
一个优选方案中,所述用户的状态特征通过对用户当前会话的上下文情境、所述用户的历史会话以及对所述用户的历史接待情况进行分析得到。
在上述方案中,通过限定用户的状态特征包括:所述用户与机器人客服或人工客服的历史聊天会话的特征、所述用户当前对人工客服的需求程度,以及所述用户期望解决所提出问题的迫切程度,使得通过人工智能路由方法可以提前训练和分析用户情绪度,用户历史熟悉度,结合熟客机制,结合大数据分析方法,结合人工智能算法,分析用户过往历史行为,包括用户与机器人客服,人工客服聊天过程中产生的上下文情绪,以为用户本次咨询推荐一个最佳匹配的客服人员为其提供服务,解决用户问题,建立了用户和在线客服间的双向高效沟通,提高了问题解决度,进而进一步提高用户满意度,提高客服服务质量,提高用户体验度,减少人工客服服务成本,提高人工客服服务效率。
一个优选方案中,与所述用户匹配度最高的人工客服的判断标准包括以下的一种或几种:曾经服务过所述用户、对解决所述用户提出的问题的擅长程度,以及对用户咨询态度的承受能力。
在上述方案中,曾经为所述用户服务过的人工客服更能够了解用户的需求,对用户提出的问题更为擅长解答的人工客服对用户问题的解决度更高,另外,对用户咨询态度承受能力更强的人工客服更能服务态度较为恶劣的用户,进而提高用户的满意度和用户体验。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里所示出与描述的图例。
Claims (7)
1.一种在线客服系统中人工智能路由策略,其中,包括以下步骤:
S1、在判断机器人客服不能准确回答用户提出的问题后,由所述机器人客服与用户的至少一轮会话中获取会话特征;
S2、将会话特征和所述用户的状态特征输入预设的智能路由分评估模型中进行评估,得到针对所述用户的智能路由分评估值;
S3、判断所述用户的智能路由分评估值是否满足预定的转人工客服条件;是,则将所述用户转接到与所述用户匹配度最高的人工客服;否,则采用原机器人客服为所述用户服务。
2.如权利要求1所述的在线客服系统中人工智能路由策略,其中,所述会话特征为采用NLP方法获取的特征;
所述会话特征包括以下的一种或几种:用户提问与客服回答的关联度、问答轮数、答案类型、答案重复次数、用户是否提出更换人工客服以及用户是否在解释所提出的问题。
3.如权利要求1所述的在线客服系统中人工智能路由策略,其中,所述智能路由分评估模型为采用标记有人工点的机器人客服与用户的会话样本和用户的状态特征样本进行训练得到的机器学习模型。
4.如权利要求3所述的在线客服系统中人工智能路由策略,其中,所述智能路由分评估模型为以下模型中的任一种:基于支持向量机的机器学习模型、基于树型的机器学习模型、线性模型以及神经网络模型。
5.如权利要求1所述的在线客服系统中人工智能路由策略,其中,所述用户的状态特征包括:所述用户与机器人客服或人工客服的历史聊天会话的特征、所述用户当前对人工客服的需求程度,以及所述用户期望解决所提出问题的迫切程度。
6.如权利要求5所述的在线客服系统中人工智能路由策略,其中,所述用户的状态特征通过对用户当前会话的上下文情境、所述用户的历史会话以及对所述用户的历史接待情况进行分析得到。
7.如权利要求1所述的在线客服系统中人工智能路由策略,其中,与所述用户匹配度最高的人工客服的判断标准包括以下的一种或几种:曾经服务过所述用户、对解决所述用户提出的问题的擅长程度,以及对用户咨询态度的承受能力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910894924.3A CN110838014A (zh) | 2019-09-20 | 2019-09-20 | 在线客服系统中人工智能路由策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910894924.3A CN110838014A (zh) | 2019-09-20 | 2019-09-20 | 在线客服系统中人工智能路由策略 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110838014A true CN110838014A (zh) | 2020-02-25 |
Family
ID=69575236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910894924.3A Pending CN110838014A (zh) | 2019-09-20 | 2019-09-20 | 在线客服系统中人工智能路由策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838014A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111405129A (zh) * | 2020-03-12 | 2020-07-10 | 中国建设银行股份有限公司 | 智能外呼风险监控方法及装置 |
CN112269863A (zh) * | 2020-10-15 | 2021-01-26 | 和美(深圳)信息技术股份有限公司 | 智能机器人的人机对话数据处理方法及系统 |
CN113065362A (zh) * | 2021-03-19 | 2021-07-02 | 联想(北京)有限公司 | 一种智能回复方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590159A (zh) * | 2016-07-08 | 2018-01-16 | 阿里巴巴集团控股有限公司 | 机器人客服转人工客服的方法和装置 |
CN107612646A (zh) * | 2017-10-31 | 2018-01-19 | 携程计算机技术(上海)有限公司 | 在线客服的应急广播系统及方法 |
CN108363745A (zh) * | 2018-01-26 | 2018-08-03 | 阿里巴巴集团控股有限公司 | 机器人客服转人工客服的方法和装置 |
US20190287517A1 (en) * | 2018-03-19 | 2019-09-19 | At&T Intellectual Property I, L.P. | System and method for artificial intelligence routing of customer service interactions |
-
2019
- 2019-09-20 CN CN201910894924.3A patent/CN110838014A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590159A (zh) * | 2016-07-08 | 2018-01-16 | 阿里巴巴集团控股有限公司 | 机器人客服转人工客服的方法和装置 |
CN107612646A (zh) * | 2017-10-31 | 2018-01-19 | 携程计算机技术(上海)有限公司 | 在线客服的应急广播系统及方法 |
CN108363745A (zh) * | 2018-01-26 | 2018-08-03 | 阿里巴巴集团控股有限公司 | 机器人客服转人工客服的方法和装置 |
US20190287517A1 (en) * | 2018-03-19 | 2019-09-19 | At&T Intellectual Property I, L.P. | System and method for artificial intelligence routing of customer service interactions |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111405129A (zh) * | 2020-03-12 | 2020-07-10 | 中国建设银行股份有限公司 | 智能外呼风险监控方法及装置 |
CN112269863A (zh) * | 2020-10-15 | 2021-01-26 | 和美(深圳)信息技术股份有限公司 | 智能机器人的人机对话数据处理方法及系统 |
CN113065362A (zh) * | 2021-03-19 | 2021-07-02 | 联想(北京)有限公司 | 一种智能回复方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7135177B2 (ja) | 一貫性重み付けおよびルーティング規則に基づく動的通信ルーティング | |
TWI698830B (zh) | 機器人客服轉人工客服的方法和裝置及其電腦設備與電腦可讀儲存媒體 | |
US20140180942A1 (en) | Method and system for identifying people who are likely to have a successful relationship | |
CN110838014A (zh) | 在线客服系统中人工智能路由策略 | |
CN110020426B (zh) | 将用户咨询分配到客服业务组的方法及装置 | |
JP5865444B2 (ja) | 一組の発信者からの発信者の順序を外した列でのルート決定 | |
Lee et al. | An intelligent fuzzy agent for meeting scheduling decision support system | |
JP2023166445A (ja) | メッセージングを自動化に転送するためのシステムおよび方法 | |
CN110138982A (zh) | 基于人工智能的服务实现 | |
CN111489095B (zh) | 一种风险用户管理方法、装置、计算机设备和存储介质 | |
CN112913219B (zh) | 动态终结点通信通道的连接管理方法、系统和计算机可读介质 | |
CN113632442B (zh) | 动态消息处理和消息传递中的数据聚合 | |
KR102518448B1 (ko) | 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템 | |
WO2020191310A1 (en) | Bot systems and methods | |
JP2024501052A (ja) | 双方向通信におけるボット選択較正のためのシステムおよび方法 | |
CN113810265A (zh) | 用于指示和测量多通道联系中心中的回应的系统和方法 | |
Thiongane et al. | Waiting time predictors for multi-skill call centers | |
CA3137148A1 (en) | Smart capacity for workload routing | |
CN115409203A (zh) | 一种基于模型无关元学习的联邦推荐方法及系统 | |
CN110737761B (zh) | 一种信息处理方法、电子设备和存储介质 | |
WO2002013054A2 (en) | Method and system for identifying people who are likely to have a successful relationship | |
CN110139288A (zh) | 一种网络通话方法、装置、系统和记录介质 | |
Papoudakis et al. | Local information opponent modelling using variational autoencoders | |
CN114584471A (zh) | 一种基于联邦学习的网络数据分析功能的模型训练方法及装置 | |
Philipp et al. | On automating decentralized multi-step service combination |
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: 20200225 |