CN111107229B - 用于智能客服的外呼预测方法及装置 - Google Patents

Abstract

本申请公开了一种用于智能客服的外呼预测方法及装置、计算机设备及可读存储介质。该方法包括：获取预设振铃模型，所述预设振铃模型是指外呼振铃时长与用户接通概率的对应关系；将当前的所述外呼振铃时长输入所述预设振铃模型，以得到当前外呼的所述用户接通概率；根据当前外呼的所述用户接通概率和坐席空闲时长确定预测外呼总量；根据所述预测外呼总量进行外呼，并根据外呼结果更新所述预设振铃模型。本申请解决了相关技术中的外呼预测算法由于呼损率较高导致用户资源浪费的技术问题。通过本申请，达到了通过准确预测外呼量降低呼损率的目的，从而实现了提高坐席利用率和用户资源利用率的技术效果。

Description

用于智能客服的外呼预测方法及装置

技术领域

本申请涉及智能客服技术领域，具体而言，涉及一种用于智能客服的外呼预测方法及装置、计算机设备及可读存储介质。

背景技术

智能客服是在大规模知识处理基础上发展起来的一项面向行业应用的技术，涵盖大规模知识处理技术、自然语言理解技术、知识管理技术、自动问答系统、推理技术等等，具有行业通用性，不仅为企业提供了细粒度知识管理技术，还为企业与海量用户之间的沟通建立了一种基于自然语言的快捷有效的技术手段；同时还能够为企业提供精细化管理所需的统计分析信息。随着互联网的高速发展，智能客服已经普及到社会的各行各业，深入到日常生活的各个环节。

目前的智能客服主要通过呼入型客服和呼出型客服两种方式实现，呼出型客服是指主动为客户提供服务，可用于事件营销、定向销售、意向筛选、产品续费、定向催收等应用场景，为客服中心实现降本增效的目标，是目前主流的智能外呼方式。呼出型客服主要通过经验预测外呼算法和动态统计预测外呼算法实现智能外呼功能：经验预测外呼算法是通过对近期的外呼结果和反馈率进行观察，然后通过手工动态调节经验预测外呼算法公式中的配置参数，最终得出下一轮外呼的外呼号码数量；动态统计预测外呼算法是根据拨打电话的历史数据进行统计和预测，动态的决定下一刻应该拨打的电话数。

然而，现有技术中的经验预测外呼算法和动态统计预测外呼算法均存在一定的缺陷，经验预测外呼算法的缺点是平均闲置时长分布不稳定，呼损不能得到较好的控制，呼损较高，平均呼损1.5％。动态统计预测外呼算法的缺点是进线较慢，平均进线时长30s左右，且呼损较高，平均呼损1.3％。

针对相关技术中的外呼预测算法由于呼损率较高导致用户资源浪费的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种用于智能客服的外呼预测方法及装置、计算机设备及可读存储介质，以解决相关技术中的外呼预测算法由于呼损率较高导致用户资源浪费的问题。

为了实现上述目的，根据本申请的第一方面，提供了一种用于智能客服的外呼预测方法。

根据本申请的用于智能客服的外呼预测方法包括：获取预设振铃模型，所述预设振铃模型是指外呼振铃时长与用户接通概率的对应关系；将当前的所述外呼振铃时长输入所述预设振铃模型，以得到当前外呼的所述用户接通概率；根据当前外呼的所述用户接通概率和坐席空闲时长确定预测外呼总量；根据所述预测外呼总量进行外呼，并根据外呼结果更新所述预设振铃模型。

进一步地，所述获取预设振铃模型，所述预设振铃模型是指外呼振铃时长与用户接通概率的对应关系包括：对所述外呼振铃时长和所述用户接通概率进行采样，以进行概率分布统计；根据概率分布统计结果确定所述预设振铃模型。

进一步地，所述当前的所述外呼振铃时长对应M个振铃会话，其中M不小于1，所述将当前的所述外呼振铃时长输入所述预设振铃模型，以得到当前外呼的所述用户接通概率包括：确定M个所述振铃会话分别对应的所述外呼振铃时长；将M个所述振铃会话分别对应的所述外呼振铃时长分别输入所述预设振铃模型，以确定M个所述振铃会话对应的M个所述用户接通概率；根据M个所述用户接通概率和通过采样统计得到的平均用户接通概率确定当前外呼的所述用户接通概率。

进一步地，所述坐席空闲时长包括预设坐席最大空闲时长和坐席已空闲时长，所述根据当前外呼的所述用户接通概率和坐席空闲时长确定预测外呼总量包括：根据所述预设坐席最大空闲时长和所述坐席已空闲时长确定坐席剩余空闲时长；根据当前外呼的所述用户接通概率和所述坐席剩余空闲时长确定所述预测外呼总量。

进一步地，所述根据所述预测外呼总量进行外呼，并根据外呼结果更新所述预设振铃模型包括：在根据所述预测外呼总量进行外呼后，判断所述外呼是否被接通；如果接通，则判断是否有空闲坐席；如果有空闲坐席，则根据所述空闲坐席的坐席空闲时长为用户分配坐席；如果没有空闲坐席，则将所述外呼加入待分配坐席队列。

为了实现上述目的，根据本申请的第二方面，提供了一种用于智能客服的外呼预测装置。

根据本申请的用于智能客服的外呼预测装置包括：获取模块，用于获取预设振铃模型，所述预设振铃模型是指外呼振铃时长与用户接通概率的对应关系；输入模块，用于将当前的所述外呼振铃时长输入所述预设振铃模型，以得到当前外呼的所述用户接通概率；确定模块，用于根据当前外呼的所述用户接通概率和坐席空闲时长确定预测外呼总量；更新模块，用于根据所述预测外呼总量进行外呼，并根据外呼结果更新所述预设振铃模型。

进一步地，所述获取模块包括：采样单元，用于对所述外呼振铃时长和所述用户接通概率进行采样，以进行概率分布统计；第一确定单元，用于根据概率分布统计结果确定所述预设振铃模型。

进一步地，所述输入模块包括：第二确定单元，用于确定M个所述振铃会话分别对应的所述外呼振铃时长；输入单元，用于将M个所述振铃会话分别对应的所述外呼振铃时长分别输入所述预设振铃模型，以确定M个所述振铃会话对应的M个所述用户接通概率；第三确定单元，用于根据M个所述用户接通概率和通过采样统计得到的平均用户接通概率确定当前外呼的所述用户接通概率。

为了实现上述目的，根据本申请的第三方面，提供了一种计算机设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前所述的方法。

为了实现上述目的，根据本申请的第四方面，提供了一种计算机可读存储介质，其特征在于，其上存储有计算机指令，所述指令被处理器执行时实现如前所述方法的步骤。

在本申请实施例中，采用获取预设振铃模型，所述预设振铃模型是指外呼振铃时长与用户接通概率的对应关系；将当前的所述外呼振铃时长输入所述预设振铃模型，以得到当前外呼的所述用户接通概率；根据当前外呼的所述用户接通概率和坐席空闲时长确定预测外呼总量的方式，通过根据所述预测外呼总量进行外呼，并根据外呼结果更新所述预设振铃模型，达到了通过准确预测外呼量降低呼损率的目的，从而实现了提高用户资源利用率的技术效果，进而解决了相关技术中的外呼预测算法由于呼损率较高导致用户资源浪费的技术问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请第一实施例的用于智能客服的外呼预测方法的流程示意图；

图2是根据本申请第二实施例的用于智能客服的外呼预测方法的流程示意图；

图3是根据本申请第三实施例的用于智能客服的外呼预测方法的流程示意图；

图4是根据本申请第四实施例的用于智能客服的外呼预测方法的流程示意图；

图5是根据本申请第五实施例的用于智能客服的外呼预测方法的流程示意图；

图6是根据本申请一种实施例的智能外呼流程示意图；

图7是根据本申请第一实施例的用于智能客服的外呼预测装置的组成结构示意图；以及

图8是根据本申请第二实施例的用于智能客服的外呼预测装置的组成结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

根据本发明实施例，提供了一种用于智能客服的外呼预测方法，如图1所示，该方法包括如下的步骤S101至步骤S104：

步骤S101，获取预设振铃模型，所述预设振铃模型是指外呼振铃时长与用户接通概率的对应关系。

具体实施时，本申请实施例首先对实际的外呼数据(如一定时间段内的外呼数据)包括外呼振铃时长和用户接通概率进行了采样统计，构建了外呼振铃时长与用户接通概率之间的概率分布模型作为本申请的初始预设振铃模型。具体地，外呼振铃时长是指外呼一个电话，从开始拨打到电话成功接通用户或者标识无法接通所需的时间，用户接通概率是指根据一组外呼数据的采样统计结果，按照概率分布统计所得。

优选地，根据振铃开始时间、振铃时长、振铃结束时间及用户接通概率建立预设振铃模型，每次呼叫完成同时进行动态采样统计更新，模型举例如下表1(模型中以时间动态统计结果为准，不仅限于举例的振铃时长)：模型初始时给与默认值(默认值可以根据经验值获得，目的是尽可能使得呼损率最小)。

表1预设振铃模型示例

振铃开始时间	振铃时长(s)	振铃结束时间	用户接通概率(％)
				T1	1	T1’	X1
T2	2	T2’	X2
				T3	3	T3’	X3
T4	4	T4’	X4
				…	…	…	…
T30	30	T30’	X30

本申请中的呼损率是指接通用户但是用户没有得到服务的外呼数量占接通外呼总数的比值，通过预设振铃模型可以根据当前的外呼振铃时长预测当前用户的接通概率，进而根据用户接通概率预测需要进行的外呼数量，以尽可能降低呼损率，因此首先需要获取预设外呼振铃模型。

步骤S102，将当前的所述外呼振铃时长输入所述预设振铃模型，以得到当前外呼的所述用户接通概率。

具体实施时，在得到预设构建的初始外呼振铃模型后，将当前外呼的实际振铃时长输入到该预设外呼振铃模型中，得到对应的用户接通概率。具体地，例如当前外呼对应有M个振铃中的会话，根据预设外呼振铃模型判断每个振铃中的会话在坐席剩余空闲时长内接通并分配给某个坐席的概率，坐席剩余空闲时长是指设定的最大坐席空闲时长与当前已空闲时长之间的时间间隔，设定坐席最大空闲时长的目的是在此时长内尽可能让坐席能和用户建立通话链路。

例如，M个会话已振铃时长分别为：sessionRingTime1，sessionRingTime2，……，sessionRingTimeM；M个会话从开始振铃直到能够在某个坐席的坐席剩余空闲时长agentWaitTime时间内接通概率为：

(sessionRate_i为直接在预设振铃模型中对应振铃时长的用户接通概率的取值)。坐席剩余空闲时长agentWaitTime＝agentIdleMax(设定的坐席最大空闲时长)-agentIdleTime(坐席已空闲时长)。

步骤S103，根据当前外呼的所述用户接通概率和坐席空闲时长确定预测外呼总量。

具体实施时，在根据预设振铃模型得到M个振铃中的会话在坐席剩余空闲时长内接通并分配给某个坐席的概率后，需要进一步确定每个坐席的用户接通概率，具体地，每个坐席的用户接通概率可以根据M个振铃中的会话的用户接通概率与平均用户接通概率来确定，例如坐席的用户接通概率

(answerRate为在原始数据中按照一定规则进行数据采样如可以采用最近一次采样数据计算出的平均用户接通概率)。

此外，如果当前的外呼数量无法保证坐席100％进线，因此需要计算需要增加多少外呼数量能保证坐席100％进线，这里可以定义新增一个外呼保证坐席剩余空闲时长时间内坐席进线的概率：newSessionRate；进而可以得到在某坐席剩余空闲时长内保证某坐席进线需要增加的外呼数量为：

needOutbound＝(1-agentRate)/newSessionRate。

最终不同的坐席按照各自的坐席剩余空闲时长，计算出N个坐席的预测外呼总量：

为在某坐席剩余空闲时长内保证某坐席i进线需要增加的外呼数量。

步骤S104，根据所述预测外呼总量进行外呼，并根据外呼结果更新所述预设振铃模型。

具体实施时，在根据上述过程得到预测外呼总量后，根据该预测外呼总量进行外呼，进而根据外呼结果中的振铃时长和用户接通概率更新初始的预设振铃模型，以对模型不断优化。通过上述过程，能够准确预测外呼量，进而降低呼损率，从而提高了坐席利用率和用户资源利用率。

作为本申请实施例的一种优选实施方式，如图2所示，所述获取预设振铃模型，所述预设振铃模型是指外呼振铃时长与用户接通概率的对应关系包括如下的步骤S201至步骤S202：

步骤S201，对所述外呼振铃时长和所述用户接通概率进行采样，以进行概率分布统计。

具体实施时，在获取预设振铃模型时，需要根据历史外呼数据进行统计采样以构建预设外呼振铃模型，首先需要获取一定时间段内的外呼振铃时长及用户接通概率等外呼数据，并进行概率分布统计。

步骤S202，根据概率分布统计结果确定所述预设振铃模型。

具体实施时，根据概率分布的统计结果得到外呼振铃时长与用户接通概率的对应关系，作为预设外呼振铃模型。

作为本申请实施例的一种优选实施方式，如图3所示，所述当前的所述外呼振铃时长对应M个振铃会话，其中M不小于1，所述将当前的所述外呼振铃时长输入所述预设振铃模型，以得到当前外呼的所述用户接通概率包括如下的步骤S301至步骤S303：

步骤S301，确定M个所述振铃会话分别对应的所述外呼振铃时长。

具体实施时，如果当前外呼有M个振铃中的会话，则需要确定每个振铃中的会话对应的振铃时长，例如，M个会话对应的已振铃时长分别为：sessionRingTime1，sessionRingTime2，……，sessionRingTimeM。

步骤S302，将M个所述振铃会话分别对应的所述外呼振铃时长分别输入所述预设振铃模型，以确定M个所述振铃会话对应的M个所述用户接通概率。

具体实施时，在分别得到每个会话对应得外呼振铃时长后，将每个会话的振铃时长分别输入到预设振铃模型中，进而可以确定每个会话在从开始振铃直到能够在某个坐席的坐席剩余空闲时长agentWaitTime时间内接通的概率：

(sessionRate_i为直接在预设振铃模型中对应振铃时长的用户接通概率的取值)。

步骤S303，根据M个所述用户接通概率和通过采样统计得到的平均用户接通概率确定当前外呼的所述用户接通概率。

具体实施时，在确定了每个会话在某个坐席的坐席剩余空闲时长内能够接通的概率后，需要进一步获取一定时间段内通过采样统计得到的平均用户接通概率，根据每个会话在某个坐席的坐席剩余空闲时长内能够接通的概率与通过采样统计得到的平均用户接通概率确定每个坐席的用户接通概率。例如坐席的用户接通概率

(answerRate为平均用户接通概率)。

作为本申请实施例的一种优选实施方式，如图4所示，所述坐席空闲时长包括预设坐席最大空闲时长和坐席已空闲时长，所述根据当前外呼的所述用户接通概率和坐席空闲时长确定预测外呼总量包括如下的步骤S401至步骤S402：

步骤S401，根据所述预设坐席最大空闲时长和所述坐席已空闲时长确定坐席剩余空闲时长。

具体实施时，预设坐席最大空闲时长可以根据具体情况进行设定，目的是保证坐席尽可能在此时长内进线提供服务，坐席已空闲时长是指截止到目前该坐席未进线服务用户的时长。通过预设坐席最大空闲时长及该坐席当前已空闲时长确定该坐席当前剩余空闲时长，以根据该坐席当前剩余空闲时长为该坐席分配外呼量，提高坐席利用率。例如，A坐席剩余空闲时长为2秒，B坐席剩余空闲时长为10秒，则为了保证在预设坐席最大空闲时长内所有坐席均能被利用即服务用户，则会为A坐席分配更多的外呼量，以提高在其剩余空闲时长内接通并服务用户的概率。

步骤S402，根据当前外呼的所述用户接通概率和所述坐席剩余空闲时长确定所述预测外呼总量。

具体实施时，根据上述得到的每个坐席的剩余空闲时长及在每个坐席的剩余空闲时长内的用户接通概率确定每个坐席的预测外呼数量，并对每个坐席的预测外呼数量进行汇总统计得到最终的预测外呼总量。

作为本申请实施例的一种优选实施方式，如图5所示，所述根据所述预测外呼总量进行外呼，并根据外呼结果更新所述预设振铃模型包括如下的步骤S501至步骤S504：

步骤S501，在根据所述预测外呼总量进行外呼后，判断所述外呼是否被接通。

具体实施时，在根据预测外呼数量进行外呼后，首先需要判断在一定时间段内是否有用户被接通，以根据判断结果确定外呼是否失败。

步骤S502，如果接通，则判断是否有空闲坐席。

具体实施时，如果在一定时间段内用户未接通，则为外呼失败，如果在一定时间段内有用户接通，则需要进一步判断当前是否有空闲坐席可以为用户提供服务。

步骤S503，如果有空闲坐席，则根据所述空闲坐席的坐席空闲时长为用户分配坐席。

具体实施时，如果当前有空闲坐席，则需要确定每个坐席的剩余空闲时长来为用户分配坐席，例如，A坐席剩余空闲时长为2秒，B坐席剩余空闲时长为10秒，则为了保证在预设坐席最大空闲时长内所有坐席均能被利用即服务用户以提高坐席利用率，则会将该用户分配给为A坐席进行的服务。

步骤S504，如果没有空闲坐席，则将所述外呼加入待分配坐席队列。

具体实施时，如果当前没有空闲坐席，则需要将该用户加入等待队列等待分配坐席，当监控到一旦有空闲坐席时，则将该用户分配至该坐席。如果在用户等待期间始终没有空闲坐席提供服务导致用户挂断通话，则将此次外呼记为呼损。

如图6所示，是本申请实施例的一种智能外呼流程示意图，具体流程参照上文描述，在此不做赘述。

从以上的描述中，可以看出，本发明实现了如下技术效果：采用获取预设振铃模型，所述预设振铃模型是指外呼振铃时长与用户接通概率的对应关系；将当前的所述外呼振铃时长输入所述预设振铃模型，以得到当前外呼的所述用户接通概率；根据当前外呼的所述用户接通概率和坐席空闲时长确定预测外呼总量的方式，通过根据所述预测外呼总量进行外呼，并根据外呼结果更新所述预设振铃模型，达到了通过准确预测外呼量降低呼损率的目的，从而实现了提高坐席利用率和用户资源利用率的技术效果。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，还提供了一种用于实施上述用于智能客服的外呼预测方法的装置，如图7所示，该装置包括：获取模块1、输入模块2、确定模块3和更新模块4。本申请实施例的获取模块1，用于获取预设振铃模型，所述预设振铃模型是指外呼振铃时长与用户接通概率的对应关系。本申请实施例的输入模块2，用于将当前的所述外呼振铃时长输入所述预设振铃模型，以得到当前外呼的所述用户接通概率。本申请实施例的确定模块3，用于根据当前外呼的所述用户接通概率和坐席空闲时长确定预测外呼总量。本申请实施例的更新模块4，用于根据所述预测外呼总量进行外呼，并根据外呼结果更新所述预设振铃模型。

作为本申请实施例的一种优选实施方式，如图8所示，所述获取模块1包括：采样单元11和第一确定单元12。本申请实施例的采样单元11，用于对所述外呼振铃时长和所述用户接通概率进行采样，以进行概率分布统计。本申请实施例的第一确定单元12，用于根据概率分布统计结果确定所述预设振铃模型。

作为本申请实施例的一种优选实施方式，所述输入模块包括：第二确定单元，用于确定M个所述振铃会话分别对应的所述外呼振铃时长；输入单元，用于将M个所述振铃会话分别对应的所述外呼振铃时长分别输入所述预设振铃模型，以确定M个所述振铃会话对应的M个所述用户接通概率；第三确定单元，用于根据M个所述用户接通概率和通过采样统计得到的平均用户接通概率确定当前外呼的所述用户接通概率。

作为本申请实施例的一种优选实施方式，所述坐席空闲时长包括预设坐席最大空闲时长和坐席已空闲时长，所述确定模块包括：第三确定单元，用于根据所述预设坐席最大空闲时长和所述坐席已空闲时长确定坐席剩余空闲时长；第四确定单元，用于根据当前外呼的所述用户接通概率和所述坐席剩余空闲时长确定所述预测外呼总量。

作为本申请实施例的一种优选实施方式，所述更新模块包括：第一判断单元，用于在根据所述预测外呼总量进行外呼后，判断所述外呼是否被接通；第二判断单元，用于如果接通，则判断是否有空闲坐席；分配单元，用于如果有空闲坐席，则根据所述空闲坐席的坐席空闲时长为用户分配坐席；加入单元，用于如果没有空闲坐席，则将所述外呼加入待分配坐席队列。

上述各模块及各单元之间的具体连接关系和所实际发挥的功能请参照方法部分的描述，在此不做赘述。

根据本发明实施例，还提供了一种计算机设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前所述的方法。

根据本发明实施例，还提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现如前所述方法的步骤。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种用于智能客服的外呼预测方法，其特征在于，包括：

获取预设振铃模型，所述预设振铃模型是指外呼振铃时长与用户接通概率的对应关系；

将当前的所述外呼振铃时长输入所述预设振铃模型，以得到当前外呼的所述用户接通概率；

根据当前外呼的所述用户接通概率和坐席空闲时长确定预测外呼总量，其中，计算一坐席的坐席剩余空闲时长agentWaitTime时间内接通概率

sessionRate_i为直接在预设振铃模型中对应振铃时长的用户接通概率的取值，M为振铃会话的个数，再计算坐席的用户接通概率

answerRate为在原始数据中按照一定规则进行数据采样计算出的平均用户接通概率，并定义新增一个外呼保证坐席剩余空闲时长时间内坐席进线的概率newSessionRate，再计算坐席剩余空闲时长内保证坐席进线需要增加的外呼数量needOutbound＝(1-agentRate)/newSessionRate，从而根据不同的坐席按照各自的坐席剩余空闲时长，计算出N个坐席的预测外呼总量：

根据所述预测外呼总量进行外呼，并根据外呼结果更新所述预设振铃模型。

2.根据权利要求1所述的用于智能客服的外呼预测方法，其特征在于，所述获取预设振铃模型，所述预设振铃模型是指外呼振铃时长与用户接通概率的对应关系包括：

对所述外呼振铃时长和所述用户接通概率进行采样，以进行概率分布统计；

根据概率分布统计结果确定所述预设振铃模型。

3.根据权利要求1所述的用于智能客服的外呼预测方法，其特征在于，所述当前的所述外呼振铃时长对应M个振铃会话，其中M不小于1，所述将当前的所述外呼振铃时长输入所述预设振铃模型，以得到当前外呼的所述用户接通概率包括：

确定M个所述振铃会话分别对应的所述外呼振铃时长；

将M个所述振铃会话分别对应的所述外呼振铃时长分别输入所述预设振铃模型，以确定M个所述振铃会话对应的M个所述用户接通概率；

根据M个所述用户接通概率和通过采样统计得到的平均用户接通概率确定当前外呼的所述用户接通概率。

4.根据权利要求1所述的用于智能客服的外呼预测方法，其特征在于，所述坐席空闲时长包括预设坐席最大空闲时长和坐席已空闲时长，所述根据当前外呼的所述用户接通概率和坐席空闲时长确定预测外呼总量包括：

根据所述预设坐席最大空闲时长和所述坐席已空闲时长确定坐席剩余空闲时长；

根据当前外呼的所述用户接通概率和所述坐席剩余空闲时长确定所述预测外呼总量。

5.根据权利要求1所述的用于智能客服的外呼预测方法，其特征在于，所述根据所述预测外呼总量进行外呼，并根据外呼结果更新所述预设振铃模型包括：

在根据所述预测外呼总量进行外呼后，判断所述外呼是否被接通；

如果接通，则判断是否有空闲坐席；

如果有空闲坐席，则根据所述空闲坐席的坐席空闲时长为用户分配坐席；

如果没有空闲坐席，则将所述外呼加入待分配坐席队列。

6.一种用于智能客服的外呼预测装置，其特征在于，

获取模块，用于获取预设振铃模型，所述预设振铃模型是指外呼振铃时长与用户接通概率的对应关系；

输入模块，用于将当前的所述外呼振铃时长输入所述预设振铃模型，以得到当前外呼的所述用户接通概率；

确定模块，用于根据当前外呼的所述用户接通概率和坐席空闲时长确定预测外呼总量，其中，计算一坐席的坐席剩余空闲时长agentWaitTime时间内接通概率

sessionRate_i为直接在预设振铃模型中对应振铃时长的用户接通概率的取值，M为振铃会话的个数，再计算坐席的用户接通概率

answerRate为在原始数据中按照一定规则进行数据采样计算出的平均用户接通概率，并定义新增一个外呼保证坐席剩余空闲时长时间内坐席进线的概率newSessionRate，再计算坐席剩余空闲时长内保证坐席进线需要增加的外呼数量needOutbound＝(1-agentRate)/newSessionRate，从而根据不同的坐席按照各自的坐席剩余空闲时长，计算出N个坐席的预测外呼总量：

更新模块，用于根据所述预测外呼总量进行外呼，并根据外呼结果更新所述预设振铃模型。

7.根据权利要求6所述的用于智能客服的外呼预测装置，其特征在于，所述获取模块包括：

采样单元，用于对所述外呼振铃时长和所述用户接通概率进行采样，以进行概率分布统计；

第一确定单元，用于根据概率分布统计结果确定所述预设振铃模型。

8.根据权利要求6所述的用于智能客服的外呼预测装置，其特征在于，所述输入模块包括：

第二确定单元，用于确定M个振铃会话分别对应的所述外呼振铃时长；

输入单元，用于将M个所述振铃会话分别对应的所述外呼振铃时长分别输入所述预设振铃模型，以确定M个所述振铃会话对应的M个所述用户接通概率；

第三确定单元，用于根据M个所述用户接通概率和通过采样统计得到的平均用户接通概率确定当前外呼的所述用户接通概率。

9.一种计算机设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至5中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，所述指令被处理器执行时实现如权利要求1至5中任一项所述方法的步骤。

Images