CN111178940B - 一种自动生成销售话术图谱的方法和系统 - Google Patents
一种自动生成销售话术图谱的方法和系统 Download PDFInfo
- Publication number
- CN111178940B CN111178940B CN201911263066.9A CN201911263066A CN111178940B CN 111178940 B CN111178940 B CN 111178940B CN 201911263066 A CN201911263066 A CN 201911263066A CN 111178940 B CN111178940 B CN 111178940B
- Authority
- CN
- China
- Prior art keywords
- causal
- event
- sales
- dialogue
- events
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000001364 causal effect Effects 0.000 claims abstract description 121
- 230000006870 function Effects 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 9
- 238000012300 Sequence Analysis Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种自动生成销售话术图谱、系统和计算机可读存储介质，其中，所述方法包括：获取销售人员和客户的对话记录；根据所述对话记录确定对话事件序列；根据所述对话事件序列确定不同类型事件之间的因果关系，以及所述因果关系对应的因果概率；根据所述因果关系和因果概率生成销售话术图谱。本申请实施例可以根据销售记录自动生成销售话术图谱，无需销售专家人工总结销售经验，提高了销售评估的准确性和效率，销售人员可以依据销售话术图谱提高成单率。
Description
技术领域
本文涉及销售领域，尤指一种自动生成销售话术图谱、系统和计算机可读存储介质。
背景技术
在市场经济飞速发展的今天，零售市场中的实体店铺往往面临着获客和销售的双重挑战：一方面市场竞争激烈，将客户引导实体门店的获客成本高；另一方面销售技能不足，新来的销售人员缺乏对应的销售技巧，而经验丰富的销售人员要么转岗提升要么流失。因此，销售培训成为实体门店业绩提升的关键。然而，目前主流的销售培训仍然依赖经验丰富的金牌销售，培训内容主观成分居多，难以评价其经验是否适合不同地区、不同时期、不同产品。如何在人工智能技术的帮助下，让计算机从历史的成单记录中自动且及时的总结出成功和失败经验，使其能够指导销售人员促成交易，成为一个亟待解决的问题。
相关技术主要以销售专家人工总结经验为主，将经验以规则的形式固化下来。此类方法依赖专家的主观经验，难以量化衡量。
发明内容
本申请提供了一种自动生成销售话术图谱、系统和计算机可读存储介质，以根据销售记录自动总结销售经验。
本申请实施例提供了一种自动生成销售话术图谱的方法，包括：
获取销售人员和客户的对话记录；
根据所述对话记录确定对话事件序列；
根据所述对话事件序列确定不同类型事件之间的因果关系，以及所述因果关系对应的因果概率；
根据所述因果关系和因果概率生成销售话术图谱。
在一实施例中，所述根据所述对话记录确定对话事件序列，包括：
将所述对话记录通过语音识别转换为对话文本；
将所述对话文本按角色拆分，得到文本对话序列；
将所述文本对话序列按事件类型进行分类，得到对话事件序列。
在一实施例中，所述根据所述对话事件序列确定不同类型事件之间的因果关系，以及所述因果关系对应的因果概率，包括：
根据所述对话事件序列的顺序确定不同类型事件之间的因果关系；
通过训练包含因果关系的事件强度函数，确定不同类型事件之间的因果关系对应的因果概率。
在一实施例中，所述包含因果关系的事件强度函数为：
其中，表示人物u在时刻t的对话属于事件类别i的强度，μi是事件i的基础强度，/>是前事件j会引发后事件i的因果概率，/>是从事件i到事件i的因果概率，为历史事件对未来事件的影响函数，/>为人物u发生前事件j的时刻。
在一实施例中，所述根据所述因果关系和因果概率生成销售话术图谱，还包括：
根据所述销售话术图谱生成销售建议。
在一实施例中，所述根据所述销售话术图谱生成销售建议，包括：
根据所述销售话术图谱确定当前事件与销售成单之间因果概率最大的事件，将所述因果概率最大的事件提示给所述销售人员。
在一实施例中，所述根据所述因果关系和因果概率生成销售话术图谱之后，还包括：
通过不断获取销售人员和客户的对话记录，更新不同类型事件之间的因果关系和因果概率，进而更新所述销售话术图谱。
本申请实施例还提供一种自动生成销售话术图谱的系统，包括：
语音采集模块，用于获取销售人员和客户的对话记录；
序列分析模块，用于根据所述对话记录确定对话事件序列；
因果确定模块，用于根据所述对话事件序列确定不同类型事件之间的因果关系，以及所述因果关系对应的因果概率；
图谱生成模块，用于根据所述因果关系和因果概率生成销售话术图谱。
本申请实施例还提供一种自动生成销售话术图谱的系统，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述自动生成销售话术图谱的方法。
本申请实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述自动生成销售话术图谱的方法。
与相关技术相比，本申请包括：获取销售人员和客户的对话记录；根据所述对话记录确定对话事件序列；根据所述对话事件序列确定不同类型事件之间的因果关系，以及所述因果关系对应的因果概率；根据所述因果关系和因果概率生成销售话术图谱。本申请实施例可以根据销售记录自动生成销售话术图谱，无需销售专家人工总结销售经验，提高了销售评估的准确性和效率，销售人员可以依据销售话术图谱提高成单率。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1为本申请实施例的自动生成销售话术图谱的方法的流程图；
图2为本申请实施例的步骤102的流程图；
图3为本申请实施例的步骤103的流程图；
图4是本申请应用实例的事件序列的示意图；
图5是本申请应用实例的销售话术图谱的示意图；
图6为本申请实施例的自动生成销售话术图谱的系统的示意图。
具体实施方式
本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。
此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。
本申请实施例提供一种自动生成销售话术图谱的方法，可以从海量的销售记录中自动的总结出销售经验，提供给销售人员，并且及时的为其提供指导性建议，从而提升其销售成功的可能性。
如图1所示，本申请实施例的自动生成销售话术图谱的方法，包括：
步骤101，获取销售人员和客户的对话记录。
其中，可通过将语音采集模块佩戴在销售人员的身上，通过销售人员的录音操作，实时采集销售人员与客户进行对话的语音信息。
步骤102，根据所述对话记录确定对话事件序列。
如图2所示，在一实施例中，步骤102包括：
步骤201，将所述对话记录通过语音识别转换为对话文本。
其中，可以根据所述对话记录的声纹特征对所述对话记录中销售人员语音信息和客户语音信息进行身份标记，将对话记录通过ASR(Automatic Speech Recognition，自动语音识别)技术转化为对话文本。
步骤202，将所述对话文本按角色拆分，得到文本对话序列。
其中，可以根据身份标记，将对话文本按照销售人员、客户进行拆分，形成销售人员与客户之间的文本对话序列。
步骤203，将所述文本对话序列按事件类型进行分类，得到对话事件序列。
将所述文本对话序列看作是事件序列，每次拆分后的文本对话序列通过文本分类的技术转换成不同类别的事件组成的对话事件序列。
所述事件类型的示例如下：
销售人员对话类型可分为：迎宾、闲聊、答疑、推荐、促销活动介绍、售后介绍等。上述类别还可细分为二级子类别，如闲聊可分为：聊小孩、聊家乡、聊辛苦。答疑可分为：价格答疑、颜色答疑、款式答疑等。
客户对话类型可分为：提需求、提质疑、提竞品、问价格、问优惠、问售后等。上述类别还可细分为二级子类别，如提需求可分为：给谁买、价格范围、需求品类。
步骤103，根据所述对话事件序列确定不同类型事件之间的因果关系，以及所述因果关系对应的因果概率。
如图3所示，在一实施例中，步骤103包括：
步骤301，根据所述对话事件序列的顺序确定不同类型事件之间的因果关系。
如图4所示，对话事件序列中，不同类型的事件之间具有因果关系。
步骤302，通过训练包含因果关系的事件强度函数，确定不同类型事件之间的因果关系对应的因果概率。
假设上述各个类别的事件是随机过程，事件发生的强度λ符合某种函数。常用的随机事件的基础强度函数有以下几类：非齐次泊松过程、更新过程、自校正过程、自激励过程等。
在常用的随机事件的基础强度函数的基础上，本申请实施例引入了不同类型事件之间的因果关系概率因子，假设不同类型事件之间具有因果关系，并影响其发生强度。例如，包含因果关系的事件强度函数如式1所示：
其中，表示人物u在时刻t的对话属于事件类别i的强度，μi是事件i的基础强度，/>是前事件j会引发后事件i的因果概率，/>是从事件i到事件i的因果概率(因为有些事件会引发同类型事件)，/>为历史事件对未来事件的影响函数，可以选择基础的强度函数，如，非齐次泊松过程、更新过程、自校正过程、自激励过程的函数等，/>为人物u发生前事件j的时刻。
根据训练数据集，以事件强度函数为需要拟合的目标，根据数据驱动的方式拟合得到因果概率，包括不同类型事件之间的因果概率，即pij，以及相同类型事件之间的因果概率，即
得到因果关系概率矩阵，如表1所示：
表1：事件间因果关系概率矩阵
步骤104，根据所述因果关系和因果概率生成销售话术图谱。
由于上述概率矩阵是根据数据驱动的方式拟合生成的，因此得到的概率不规整，如：0.200013,0.00015。所以，可以对上述概率值做规整处理，如四舍五入保留小数点后2位。然后依据客户和销售人员间的前事件和后事件之间的因果关系概率表格，不断生成销售话术图谱，直到“成单”或“未成单”。例如，如图5所示，在销售人员迎宾之后，客户的对话事件可能是提需求、问优惠、问价格，销售人员的回复可能是产品介绍、活动介绍、会员卡介绍、价格介绍等，最终结果有两种，成单和未成单。
销售话术图谱中的节点为事件，节点之间的连线表明了事件之间的因果关系，连线上的值表示因果概率。从销售话术图谱可以直观地体现出事件之间的因果关系和因果概率。
在一实施例中，所述步骤104之后，所述方法还可包括：根据所述销售话术图谱确定当前事件与销售成单之间因果概率最大的事件，将所述因果概率最大的事件提示给所述销售人员。
其中，可以计算当前事件与销售成单之间各条路径的概率，选择概率最大的路径对应的事件。可以某一路径的概率为该路径上所有因果概率相乘。
在销售人员面对客户时，可以实时采集二者的对话并将其转换为文本、做文本分类，生成销售话术图谱，找到销售人员对话类别中使其最终促成销售成单的概率最大的事件类别，提示给销售人员。可以根据二者之间的对话发展，不断更新提示。
在一实施例中，所述步骤104之后，所述方法还可包括：通过不断获取销售人员和客户的对话记录，更新不同类型事件之间的因果关系和因果概率，进而更新所述销售话术图谱。
也就是说，重复执行步骤101～步骤104，不断将新采集到的对话记录加入到语料库中，并更新销售话术图谱，包括节点之间的连线及其概率值。
本申请实施例可以根据销售记录自动生成并不断更新销售话术图谱，实时生成销售建议并提示给销售人员，无需销售专家人工总结销售经验，提高了销售评估的准确性和效率，提高了销售人员的成单率。
如图6所示，本申请实施例还提供一种自动生成销售话术图谱的系统，包括：
语音采集模块61，用于获取销售人员和客户的对话记录；
序列分析模块62，用于根据所述对话记录确定对话事件序列；
因果确定模块63，用于根据所述对话事件序列确定不同类型事件之间的因果关系，以及所述因果关系对应的因果概率；
图谱生成模块64，用于根据所述因果关系和因果概率生成销售话术图谱。
在一实施例中，所述序列分析模块62，用于：
将所述对话记录通过语音识别转换为对话文本，将所述对话文本按角色拆分，得到文本对话序列，将所述文本对话序列按事件类型进行分类，得到对话事件序列。
在一实施例中，所述因果确定模块63，用于：
根据所述对话事件序列的顺序确定不同类型事件之间的因果关系，通过训练包含因果关系的事件强度函数，确定不同类型事件之间的因果关系对应的因果概率。
在一实施例中，所述包含因果关系的事件强度函数为：
其中，表示人物u在时刻t的对话属于事件类别i的强度，μi是事件i的基础强度，/>是前事件j会引发后事件i的因果概率，/>是从事件i到事件i的因果概率(因为有些事件会引发同类型事件)，/>为历史事件对未来事件的影响函数，/>为人物u发生前事件j的时刻。
在一实施例中，所述系统还包括：
销售建议模块，用于根据所述销售话术图谱生成销售建议。
在一实施例中，所述销售建议模块，用于：
根据所述销售话术图谱确定当前事件与销售成单之间因果概率最大的事件，将所述因果概率最大的事件提示给所述销售人员。
在一实施例中，所述系统还包括：
更新模块，用于通过不断获取销售人员和客户的对话记录，更新不同类型事件之间的因果关系和因果概率，进而更新所述销售话术图谱。
本申请实施例还提供一种自动生成销售话术图谱的系统，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述自动生成销售话术图谱的方法。
本申请实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述自动生成销售话术图谱的方法。
在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
Claims (9)
1.一种自动生成销售话术图谱的方法，其特征在于，包括：
获取销售人员和客户的对话记录；
根据所述对话记录确定对话事件序列；
根据所述对话事件序列确定不同类型事件之间的因果关系，以及所述因果关系对应的因果概率；
根据所述因果关系和因果概率生成销售话术图谱，
其中，所述根据所述对话事件序列确定所述因果关系对应的因果概率，包括：
通过训练包含因果关系的事件强度函数，确定不同类型事件之间的因果关系对应的因果概率，
其中，所述包含因果关系的事件强度函数为：
其中，表示人物u在时刻t的对话属于事件类别i的强度，μi是事件i的基础强度，是前事件j会引发后事件i的因果概率，/>是从事件i到事件i的因果概率，/>为历史事件对未来事件的影响函数，/>为人物u发生前事件j的时刻。
2.根据权利要求1所述的方法，其特征在于，所述根据所述对话记录确定对话事件序列，包括：
将所述对话记录通过语音识别转换为对话文本；
将所述对话文本按角色拆分，得到文本对话序列；
将所述文本对话序列按事件类型进行分类，得到对话事件序列。
3.根据权利要求1所述的方法，其特征在于，所述根据所述对话事件序列确定不同类型事件之间的因果关系，包括：
根据所述对话事件序列的顺序确定不同类型事件之间的因果关系。
4.根据权利要求1所述的方法，其特征在于，所述根据所述因果关系和因果概率生成销售话术图谱，还包括：
根据所述销售话术图谱生成销售建议。
5.根据权利要求4所述的方法，其特征在于，所述根据所述销售话术图谱生成销售建议，包括：
根据所述销售话术图谱确定当前事件与销售成单之间因果概率最大的事件，将所述因果概率最大的事件提示给所述销售人员。
6.根据权利要求1所述的方法，其特征在于，所述根据所述因果关系和因果概率生成销售话术图谱之后，还包括：
通过不断获取销售人员和客户的对话记录，更新不同类型事件之间的因果关系和因果概率，进而更新所述销售话术图谱。
7.一种自动生成销售话术图谱的系统，其特征在于，包括：
语音采集模块，用于获取销售人员和客户的对话记录；
序列分析模块，用于根据所述对话记录确定对话事件序列；
因果确定模块，用于根据所述对话事件序列确定不同类型事件之间的因果关系，以及所述因果关系对应的因果概率；
图谱生成模块，用于根据所述因果关系和因果概率生成销售话术图谱，
其中，所述因果确定模块，还用于通过训练包含因果关系的事件强度函数，确定不同类型事件之间的因果关系对应的因果概率，
其中，所述包含因果关系的事件强度函数为：
其中，表示人物u在时刻t的对话属于事件类别i的强度，μi是事件i的基础强度，是前事件j会引发后事件i的因果概率，/>是从事件i到事件i的因果概率，/>为历史事件对未来事件的影响函数，/>为人物u发生前事件j的时刻。
8.一种自动生成销售话术图谱的系统，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～6中任意一项所述的方法。
9.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1～6中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911263066.9A CN111178940B (zh) | 2019-12-11 | 2019-12-11 | 一种自动生成销售话术图谱的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911263066.9A CN111178940B (zh) | 2019-12-11 | 2019-12-11 | 一种自动生成销售话术图谱的方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111178940A CN111178940A (zh) | 2020-05-19 |
| CN111178940B true CN111178940B (zh) | 2023-09-01 |
Family
ID=70655416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911263066.9A Active CN111178940B (zh) | 2019-12-11 | 2019-12-11 | 一种自动生成销售话术图谱的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111178940B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113779237B (zh) * | 2020-06-09 | 2023-12-26 | 奇安信科技集团股份有限公司 | 构建社交行为序列图的方法、系统、移动终端及可读存储介质 |
| CN111930905B (zh) * | 2020-07-13 | 2024-06-07 | 上海明略人工智能(集团)有限公司 | 用于问答训练的方法、装置、系统和计算机可读存储介质 |
| CN113256395B (zh) * | 2021-06-23 | 2023-11-24 | 中国平安人寿保险股份有限公司 | 基于推荐图网络的产品推荐方法、装置、设备及存储介质 |
| CN113488051A (zh) * | 2021-07-20 | 2021-10-08 | 北京明略昭辉科技有限公司 | 零售行业销售过程分析方法、系统、计算机和存储介质 |
| CN113657927A (zh) * | 2021-08-02 | 2021-11-16 | 上海明略人工智能(集团)有限公司 | 依据销售录音管理门店的方法及装置 |
| CN115640275B (zh) * | 2022-08-27 | 2023-04-21 | 北京华宜信科技有限公司 | 一种数据产品和资产自动生成及更新方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109616108A (zh) * | 2018-11-29 | 2019-04-12 | 北京羽扇智信息科技有限公司 | 多轮对话交互处理方法、装置、电子设备及存储介质 |
| CN109710942A (zh) * | 2018-12-28 | 2019-05-03 | 零犀(北京)科技有限公司 | 图谱的构建方法及装置、电子设备 |
| CN109885679A (zh) * | 2019-01-11 | 2019-06-14 | 平安科技（深圳）有限公司 | 获取优选话术的方法、装置、计算机设备和存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10079892B2 (en) * | 2010-04-16 | 2018-09-18 | Avaya Inc. | System and method for suggesting automated assistants based on a similarity vector in a graphical user interface for managing communication sessions |
| US11132413B2 (en) * | 2016-05-24 | 2021-09-28 | Microsoft Technology Licensing, Llc | Providing travel or promotion based recommendation associated with social graph |
-
2019
- 2019-12-11 CN CN201911263066.9A patent/CN111178940B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109616108A (zh) * | 2018-11-29 | 2019-04-12 | 北京羽扇智信息科技有限公司 | 多轮对话交互处理方法、装置、电子设备及存储介质 |
| CN109710942A (zh) * | 2018-12-28 | 2019-05-03 | 零犀(北京)科技有限公司 | 图谱的构建方法及装置、电子设备 |
| CN109885679A (zh) * | 2019-01-11 | 2019-06-14 | 平安科技（深圳）有限公司 | 获取优选话术的方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111178940A (zh) | 2020-05-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111178940B (zh) | 一种自动生成销售话术图谱的方法和系统 | |
| CN110659318B (zh) | 基于大数据的策略推送方法、系统及计算机设备 | |
| US9910845B2 (en) | Call flow and discourse analysis | |
| CN109767787B (zh) | 情绪识别方法、设备及可读存储介质 | |
| US20180005126A1 (en) | Decision tree generating apparatus, decision tree generating method, non-transitory computer-readable recording medium, and inquiry system | |
| CN109727041A (zh) | 智能客服多轮问答方法、设备、存储介质及装置 | |
| CN110955770A (zh) | 一种智能对话系统 | |
| CA3147634A1 (en) | Method and apparatus for analyzing sales conversation based on voice recognition | |
| DE102021126866A1 (de) | Erleichterung eines automatisierten, interaktiven, konversationellen Dialogs zur Fehlerbehebung bei einem Produktunterstützungsproblem über einen Chatbot | |
| CN111414732A (zh) | 文本风格转换方法、装置、电子设备及存储介质 | |
| CN113505606A (zh) | 一种培训信息获取方法、装置、电子设备及存储介质 | |
| WO2020042164A1 (en) | Artificial intelligence systems and methods based on hierarchical clustering | |
| CN111309882B (zh) | 用于实现智能客服问答的方法和装置 | |
| CN111159378A (zh) | 对问题描述信息进行分类的方法及装置 | |
| CN116127011A (zh) | 意图识别方法、装置、电子设备及存储介质 | |
| CN115564529A (zh) | 语音导航控制方法、装置、计算机终端及存储介质 | |
| CN114092245A (zh) | 场景化的银行交易错误信息返回方法及装置 | |
| CN115455984A (zh) | 一种任务型客服服务升级方法及装置 | |
| CN110502675A (zh) | 基于数据分析的语音拨叫用户分类方法及相关设备 | |
| CN116092496B (zh) | 一种话术表达完整性判别的方法与系统 | |
| US11803915B1 (en) | Computing system for adaptive investment recommendations | |
| CN116150420B (zh) | 一种图片任务推送结果的评估方法和系统 | |
| CN115712706B (zh) | 一种基于会话确定动作决策的方法及装置 | |
| US20220414126A1 (en) | Virtual assistant feedback adjustment | |
| US20210192415A1 (en) | Brand proximity score |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |