CN110995944A - 一种客服坐席推荐方法、装置、客服设备和存储介质 - Google Patents

Abstract

本申请公开了一种客服坐席推荐方法、装置、客服设备和存储介质，该客服坐席推荐方法包括：接收客户的服务请求；当存在至少两个空闲客服坐席满足所述服务请求时，基于预设智能推荐引擎，计算各个空闲客服坐席与所述用户的匹配度；推荐匹配度最高的空闲客服坐席，以响应所述服务。可见，本申请能够保证每次服务为最优的配对服务。

Description

一种客服坐席推荐方法、装置、客服设备和存储介质

技术领域

本申请涉及智能客服技术领域，特别涉及一种客服坐席推荐方法、装置、客服设备和存储介质。

背景技术

在智能客服领域，用户可以通过电话、微信公众账号、企业官网、企业APP快速地接入到客服中心，企业客服相关人员会快速的响应，为客户提供服务。在传统电话呼叫中心，自动电话分配主要是为了提高呼叫中心的服务，将客户呼叫分配到合适的坐席，其核心的思想是排队机制和路由算法。传统路由主要基于静态的规则路由相应的坐席，使用了统计学生硬的把坐席和客户联系在一起，没有站在客户、员工、企业深层次的角度去考虑，仅仅在于快速找到一个可以为之提供服务的坐席，每次服务不一定保证了最优的配对服务。

申请内容

本申请提供一种客服坐席推荐方法、装置、客服设备和存储介质，能够保证每次服务为最优的配对服务。

为解决上述技术问题，本申请第一方面提供一种客服坐席推荐方法，应用于客服中心，所述客服坐席推荐方法包括：

接收客户的服务请求；

当存在至少两个空闲客服坐席满足所述服务请求时，基于预设智能推荐引擎，计算各个空闲客服坐席与所述用户的匹配度；

推荐匹配度最高的空闲客服坐席，以响应所述服务。

可选地，所述预设智能推荐引擎包括在线模型和离线模型，所述基于预设智能推荐引擎，计算各个空闲客服坐席与所述用户的匹配度，包括：

基于所述预设智能推荐引擎，依次执行在线模型中的基本业务规则过滤、匹配调度及策略合并操作，得到各个空闲客服坐席与所述用户的匹配度。

可选地，所述推荐匹配度最高的空闲客服坐席，以响应所述服务请求，包括：

执行所述在线模型中的在线排序操作，以确定所述匹配度最高的空闲客服坐席；

推荐所述匹配度最高的空闲客服坐席，以响应所述服务请求。

可选地，所述推荐匹配度最高的空闲客服坐席，以响应所述服务请求，之后包括：

依次执行所述在线模型中的在线评估及日志采集操作；

将所述在线模型执行过程中产生的交互数据输出至离线模型中的机器学习平台，以根据所述交互数据以及获取到的客服中心保存的历史交互数据进行周期性地建模，进而更新所述在线模型。

可选地，所述根据所述交互数据以及获取到的客服中心保存的历史交互数据进行周期性地建模，包括：

根据所述交互数据以及获取到的客服中心保存的历史交互数据执行特征抽取、数据清洗、特征筛选、模型筛选、自动调参优化及实时发布操作，进行周期性地建模。

可选地，所述接收客户的服务请求，之后包括：

根据所述服务请求的接入渠道提供相应的网关服务；

根据所述网关服务进行统一路由排队处理，以提供所述服务请求的排队优先级。

可选地，所述根据所述网关服务进行统一路由排队处理，以提供所述服务请求的排队优先级，之后还包括：

判断是否存在满足所述服务请求的空闲客服坐席；

若不存在，则通知排队等候；

若存在，则判断所述空闲客服坐席是否唯一；

若唯一，则推荐所述唯一的空闲客服坐席；

若不唯一，则执行所述基于预设智能推荐引擎，计算各个空闲客服坐席与所述用户的匹配度的步骤。

本申请第二方面提供一种客服坐席推荐装置，应用于客服中心，所述客服坐席推荐装置包括：

接收模块，用于接收客户的服务请求；

计算模块，用于当存在至少两个空闲客服坐席满足所述服务请求时，基于预设智能推荐引擎，计算各个空闲客服坐席与所述用户的匹配度；

推荐模块，用于推荐匹配度最高的空闲客服坐席，以响应所述服务请求。

本申请第三方面提供一种客服设备，包括处理器和存储器、所述处理器和存储器通过通信总线相连接；

其中，所述处理器，用于调用并执行所述存储器中存储的程序；

所述存储器，用于存储所述程序，所述程序至少用于执行本申请第一方面任一项所述的客服坐席推荐方法。

本申请第四方面提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如本申请第一方面任一项所述的客服坐席推荐方法的各个步骤。

本申请基于预设智能推荐引擎，能够在候选的空闲客服坐席中选择出最优的、具有最大使用价值的一个。因而，本申请能够保证每次服务为最优的配对服务。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，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，其中：

图1为传统路由下客服坐席推荐的流程说明示意图；

图2为本申请提供的客服坐席推荐的流程说明示意图；

图3为本申请提供的客服坐席推荐的应用逻辑架构图；

图4为本申请提供的智能推荐引擎架构图；

图5为本申请客服坐席推荐方法一实施例示意图；

图6为本申请客服坐席推荐方法另一实施例示意图；

图7为本申请的客服坐席推荐装置结构示意图；

图8为本申请的客服设备结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，均属于本申请保护的范围。

请参阅图1，图1为传统路由下客服坐席推荐的流程说明示意图，在图1中，当多个不同渠道用户(user)分别进线后，根据在线上下文属性，进行队列预判，并且根据用户的静态属性如客户等级，进行优先级排队，预判该用户在队列的位置。如果用户所在的队列为空或者位置在队列首位，那么匹配当前该队列坐席，并调用一些硬性的业务规则条件，筛选出一些可用的空闲坐席候选集，此时的候选集中的坐席都是可以满足该客户当前请求的业务需求，准确的是“可服务”的，任意选择一个都是可以给客户接听电话或者会话的，但是并未考虑候选集坐席当中哪一个坐席可以和该用户在此次交互当中可以发挥最大的价值。本申请的目标在于让客户每一次联络产生价值，且这个价值最大化、最优化。

为此，请参阅图2，图2为本申请提供的客服坐席推荐的流程说明示意图，相对于图1传统路由方案而言，区别点在于在候选集“可服务”坐席当中，进行最优的坐席选择，从而达到企业设定的目标，比如净推荐率、客户满意度，员工满意度等。它的价值是建立在传统路由的基础之上，不仅仅“可服务”，而且要最优化、最大化的服务。

进一步地，请参阅图3，图3为本申请提供的客服坐席推荐的应用逻辑架构图，在图3中，从上而下分别从接入层，网关层，全渠道统一路由核心层以及核心路由策略服务支撑层几方面来说明智能推荐客服坐席是如何进行推荐的。

接入层：在全渠道统一路由的基础上进行优化，所以支持全媒体全渠道的接入，包括了诸如微信、企业APP、企业官网、传统的电话渠道等多种触点方式。

网关层：不同的接入渠道，对应提供了不同的网关协议适配服务，如微信提供微信网关服务，适配统一到路由接入协议；语音电话渠道通过IVR控制服务进行转人工统一接入到路由排队服务。

统一路由核心层：提供了全渠道统一排队路由服务，不同渠道根据不同的配置提供不同的排队优先级，保障各个渠道可以有限得到服务。传统客服中心，渠道的沟通脱节，坐席提供的服务往往让客户感到沮丧。沟通一旦脱节会导致转接，这就迫使客户需要重复表达自己的意思。如果遇到这种情况，客户会感动沮丧并且丧失忠诚度。但是统一路由，可以依照业务规则确定通用队列中的每一个交互的优先级，确保企业有限的资源处理具有高优先级的交互，提高业务成果。

核心路由策略服务：提供了核心的路由策略服务，包括了实时状态管理模块、实时坐席统计指标模块、业务规则匹配映射模块以及路由策略模块。其中前三个模块是路由策略模块的基础模块，如传统的路由策略就是基于实时坐席统计指标模块进行计算坐席实时空闲时间、通话时间、通话次数等。实时状态管理模块则保障了该坐席是否可用状态。业务规则模块也提供了客户灵活的一些可配置的硬性业务指标规则来满足客户多样化需求。路由策略处理模块则灵活根据企业的配置进行组装调用，来满足客户需求。在基于机器学习的预判式客户推荐当中，路由策略处理模块则综合了前三个模块，作为实时数据预处理，也可以成为数据处理前端，作为智能推荐引擎的输入。

下面具体介绍一下核心的智能推荐引擎的逻辑处理，请参阅图4，图4为本申请提供的智能推荐引擎架构图，主要从数据输入、工作流程两个方面进行说明。

在客服中心，智能推荐的基础是大数据，需要有大量的数据才能体现其价值，否则都是无用的。客服中心当中，重要的数据又从几个方面来说明：

客户信息，具体包含了客户id，年龄，学历，职业、薪资，婚否以及最近购买或者访问记录等，利用这些数据需要通过机器学习进行建模，勾勒出客户的画像特征。

坐席数据，具体包括了坐席工号、工作年限、年龄、性别、婚姻状况、业务技能熟练程度、性格等，同样利用这些基础数据使用机器学习算法建模，计算出坐席的画像特征，从而与客户画像进行匹配。

客户&业务上下文数据，包含了IVR访问的历史业务内容、最近联络业务、最近服务过的坐席等其他相关的时间数据。

业务信息，主要包括了客户满意、员工满意、企业满意三个大方面，在客户中心，智能推荐应用的本质是以业务目标为驱动，优化输出。

图4最左侧是客服中心以及相关业务系统日积月累的历史数据，是智能客服推荐的数据支撑。离线数据由离线模块的机器学习平台周期性的通过数据清洗，特征提取，模型筛选等过程，定时更新特征模型，以更新优化在线匹配模型的效果。

在线模块是实时数据流进行服务运行的过程。当实时数据到达模块时候，首先进行一些基本的业务规则过滤，其次经过实验分流，进入匹配调度模块，经过协同过滤，用户聚类等处理，然后进行基本的策略合并处理，输出不同配对的匹配度(通常为0到1表示，0最低，1为最高)，最后经过在线排序模型，输出最优的一组配对，即根据输入设定目标值，产出最高匹配值的一对，作为最后的结果输出即可。

在线对接实时路由数据流，是智能客服推荐的应用。离线模块不断根据在线产生的交互数据进行周期性的建模，提取新的特征，优化已有模型，协同工作，不断地提升模型的效果，满足上层业务的需求。

结合上述介绍及相关附图，请参阅图5，本申请客服坐席推荐方法一实施例包括：

101、接收客户的服务请求；

在本实施例中，客服中心支持全媒体、全渠道的服务请求的接入，包括但不限于微信、企业APP、企业官网及传统的电话渠道。

102、当存在至少两个空闲客服坐席满足服务请求时，基于预设智能推荐引擎，计算各个空闲客服坐席与用户的匹配度；

在本实施例中，若存在至少两个空闲客服坐席能够为所述服务请求提供服务，则本申请可以基于预设智能推荐引擎，计算各个空闲客服坐席与用户的匹配度，匹配度通常为0到1表示，0最低，1为最高，当然，匹配度也可以以评分表示，0最低，100为最高，此处不做限定。

103、推荐匹配度最高的空闲客服坐席，以响应服务请求。

在本实施例中，在计算完各个空闲客服坐席与所述用户的匹配度，本申请会将匹配度最高的空闲客服坐席进行推荐，以服务该服务请求。

可见，在本实施例中，基于预设智能推荐引擎，能够在候选的空闲客服坐席中选择出最优的、具有最大使用价值的一个。因而，本申请能够保证每次服务为最优的配对服务。

请参阅图6，本申请客服坐席推荐方法另一实施例包括：

201、接收客户的服务请求；

在本实施例中，客服中心支持全媒体、全渠道的服务请求的接入，包括但不限于微信、企业APP、企业官网及传统的电话渠道。

202、根据服务请求的接入渠道提供相应的网关服务；

在本实施例中，不同的接入渠道，对应提供了不同的网关协议适配服务，如微信提供微信网关服务，适配统一到路由接入协议；语音电话渠道通过IVR控制服务进行转人工统一接入到路由排队服务。

203、根据网关服务进行统一路由排队处理，以提供服务请求的排队优先级；

在本实施例中，提供了全渠道统一排队路由服务，不同渠道根据不同的配置提供不同的排队优先级，保障各个渠道可以有限得到服务。

204、判断是否存在满足服务请求的空闲客服坐席；若存在，则执行步骤205，若不存在，则执行步骤208；

在本实施例中，客服中心当前可能不存在空闲客服坐席，因而需要先判断是否存在空闲客服坐席。

205、判断空闲客服坐席是否唯一；若唯一，则执行步骤209，若不唯一，则执行步骤206；

在本实施例中，在确定存在空闲客服坐席后，还需要进一步判断空闲客服坐席是否唯一。

206、基于预设智能推荐引擎，计算各个空闲客服坐席与所述用户的匹配度；

本申请可以基于预设智能推荐引擎，计算各个空闲客服坐席与用户的匹配度，匹配度通常为0到1表示，0最低，1为最高，当然，匹配度也可以以评分表示，0最低，100为最高，此处不做限定。

具体地，在预设智能推荐引擎包括在线模型和离线模型条件下，可以采用如下方式计算匹配度：

基于预设智能推荐引擎，依次执行在线模型中的基本业务规则过滤、匹配调度及策略合并操作，得到各个空闲客服坐席与用户的匹配度。

207、推荐匹配度最高的空闲客服坐席，以响应服务请求；

在本实施例中，在计算完各个空闲客服坐席与所述用户的匹配度，本申请会将匹配度最高的空闲客服坐席进行推荐，以服务该服务请求。

具体地，可以采用如下方式进行推荐：

执行在线模型中的在线排序操作，以确定匹配度最高的空闲客服坐席；

推荐匹配度最高的空闲客服坐席，以响应服务请求。

进一步地，在推荐匹配度最高的空闲客服坐席，以响应服务请求之后包括：

依次执行在线模型中的在线评估及日志采集操作；

将在线模型执行过程中产生的交互数据输出至离线模型中的机器学习平台，以根据交互数据以及获取到的客服中心保存的历史交互数据进行周期性地建模，进而更新在线模型。

上述根据交互数据以及获取到的客服中心保存的历史交互数据进行周期性地建模，包括：

根据交互数据以及获取到的客服中心保存的历史交互数据执行特征抽取、数据清洗、特征筛选、模型筛选、自动调参优化及实时发布操作，进行周期性地建模。

208、通知排队等候；

209、推荐唯一的空闲客服坐席。

可见，在本实施例中，基于预设智能推荐引擎，能够在候选的空闲客服坐席中选择出最优的、具有最大使用价值的一个。因而，本申请能够保证每次服务为最优的配对服务。

此外，利用了企业存储的海量历史数据，通过持续学习、构建预测模型；

最后，利用机器学习的推荐技术与路由协同工作，可以推动企业的营销和销售活动迈向成功的高度。

请参阅图7，图7为本申请的客服坐席推荐装置实施例的结构示意图，本申请客服坐席推荐装置一实施例包括：

接收模块301，用于接收客户的服务请求；

计算模块302，用于当存在至少两个空闲客服坐席满足服务请求时，基于预设智能推荐引擎，计算各个空闲客服坐席与用户的匹配度；

推荐模块303，用于推荐匹配度最高的空闲客服坐席，以响应服务请求。

本实施例中，各模块的具体实施方式可参照前述方法实施例，此处不再赘述。

请参阅图8，图8为本申请的客服设备结构示意图，本实施例的客服设备包括处理器401和存储器402，处理器401和存储器402通过通信总线相连接；

其中，处理器401，用于调用并执行存储器402中存储的程序；

存储器402，用于存储程序，程序至少用于执行上述实施例的客服坐席推荐方法。

本申请还提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现如上实施例的客服坐席推荐方法的各个步骤。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的描述中，可能涉及到的术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种客服坐席推荐方法，应用于客服中心，其特征在于，包括：

接收客户的服务请求；

当存在至少两个空闲客服坐席满足所述服务请求时，基于预设智能推荐引擎，计算各个空闲客服坐席与所述用户的匹配度；

推荐匹配度最高的空闲客服坐席，以响应所述服务请求。

2.根据权利要求1所述的方法，其特征在于，所述预设智能推荐引擎包括在线模型和离线模型，所述基于预设智能推荐引擎，计算各个空闲客服坐席与所述用户的匹配度，包括：

基于所述预设智能推荐引擎，依次执行在线模型中的基本业务规则过滤、匹配调度及策略合并操作，得到各个空闲客服坐席与所述用户的匹配度。

3.根据权利要求2所述的方法，其特征在于，所述推荐匹配度最高的空闲客服坐席，以响应所述服务请求，包括：

执行所述在线模型中的在线排序操作，以确定所述匹配度最高的空闲客服坐席；

推荐所述匹配度最高的空闲客服坐席，以响应所述服务请求。

4.根据权利要求3所述的方法，其特征在于，所述推荐匹配度最高的空闲客服坐席，以响应所述服务请求，之后包括：

依次执行所述在线模型中的在线评估及日志采集操作；

将所述在线模型执行过程中产生的交互数据输出至离线模型中的机器学习平台，以根据所述交互数据以及获取到的客服中心保存的历史交互数据进行周期性地建模，进而更新所述在线模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述交互数据以及获取到的客服中心保存的历史交互数据进行周期性地建模，包括：

根据所述交互数据以及获取到的客服中心保存的历史交互数据执行特征抽取、数据清洗、特征筛选、模型筛选、自动调参优化及实时发布操作，进行周期性地建模。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述接收客户的服务请求，之后包括：

根据所述服务请求的接入渠道提供相应的网关服务；

根据所述网关服务进行统一路由排队处理，以提供所述服务请求的排队优先级。

7.根据权利要求6所述的方法，其特征在于，所述根据所述网关服务进行统一路由排队处理，以提供所述服务请求的排队优先级，之后还包括：

判断是否存在满足所述服务请求的空闲客服坐席；

若不存在，则通知排队等候；

若存在，则判断所述空闲客服坐席是否唯一；

若唯一，则推荐所述唯一的空闲客服坐席；

若不唯一，则执行所述基于预设智能推荐引擎，计算各个空闲客服坐席与所述用户的匹配度的步骤。

8.一种客服坐席推荐装置，应用于客服中心，其特征在于，包括：

接收模块，用于接收客户的服务请求；

计算模块，用于当存在至少两个空闲客服坐席满足所述服务请求时，基于预设智能推荐引擎，计算各个空闲客服坐席与所述用户的匹配度；

推荐模块，用于推荐匹配度最高的空闲客服坐席，以响应所述服务请求。

9.一种客服设备，其特征在于，包括处理器和存储器、所述处理器和存储器通过通信总线相连接；

其中，所述处理器，用于调用并执行所述存储器中存储的程序；

所述存储器，用于存储所述程序，所述程序至少用于执行权利要求1-7任一项所述的客服坐席推荐方法。

10.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-7任一项所述的客服坐席推荐方法的各个步骤。

Images