CN111311286B - 一种智能客服数据处理方法、装置及计算设备、存储介质 - Google Patents
一种智能客服数据处理方法、装置及计算设备、存储介质 Download PDFInfo
- Publication number
- CN111311286B CN111311286B CN202010125019.4A CN202010125019A CN111311286B CN 111311286 B CN111311286 B CN 111311286B CN 202010125019 A CN202010125019 A CN 202010125019A CN 111311286 B CN111311286 B CN 111311286B
- Authority
- CN
- China
- Prior art keywords
- service
- interaction
- target object
- record data
- service quality
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 230000003993 interaction Effects 0.000 claims abstract description 156
- 238000013441 quality evaluation Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000002452 interceptive effect Effects 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000006399 behavior Effects 0.000 claims description 127
- 238000001303 quality assessment method Methods 0.000 claims description 71
- 239000013598 vector Substances 0.000 claims description 25
- 230000002596 correlated effect Effects 0.000 claims description 23
- 230000000875 corresponding effect Effects 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种智能客服数据处理方法、装置及计算设备、存储介质,涉及数据处理技术领域,包括:首先,获取目标对象与客服系统之间进行交互的交互记录数据;然后,根据所述交互记录数据,获得所述目标对象的服务质量评估指数;最后,针对所述目标对象,触发与所述服务质量评估指数对应的服务操作。该方式中通过获取目标对象的服务质量评估指数,可确定目标对象的服务质量;从而根据该目标对象的服务质量评估指数执行对应的服务操作,因此可及时的释放客服系统中占用的计算资源,避免客服系统拥堵等系统问题的产生。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种智能客服数据处理方法、装置及计算设备、存储介质。
背景技术
为了帮助用户解决在使用产品(包括实体产品和软件产品)时产生的问题,因此,大多数产品都提供用于用户解决问题的客服系统。但由于用户数量较多,客户渠道也可以多样化,用户问题也多样化,客服系统的负担日益加重。若用户的问题不能及时得到解决,用户可能为解决问题不停占用客服系统的资源,不仅使得客服质量面临挑战,也会导致客服系统的资源使用率不高。
发明内容
本申请实施例提供一种智能客服数据处理方法、装置及计算设备、存储介质,用以解决用户不停占用客服系统的资源的问题,从而提高客服系统的资源使用率。
第一方面本申请实施例提供一种智能客服数据处理方法,所述方法包括:
获取目标对象与客服系统之间进行交互的交互记录数据;
根据所述交互记录数据,获得所述目标对象的服务质量评估指数;
针对所述目标对象,触发与所述服务质量评估指数对应的服务操作。
可选的,所述根据所述交互记录数据,获得所述目标对象的服务质量评估指数,具体包括:
根据所述交互记录数据,确定所述目标对象在指定时间段内获得的服务量除以在至少两个不同服务渠道的客服请求量的比值,并根据第一服务质量评估指数与所述比值之间的负相关关系,将所述第一服务质量评估指数作为所述服务质量评估指数;或者,
根据所述交互记录数据,得到交互次数以及交互记录数据的内容,确定在指定时间段内的所述交互记录数据的内容的相似度,并根据第二服务质量评估指数与所述交互次数之间的正相关关系,以及与所述相似度之间的正相关关系,将所述第二服务质量评估指数作为所述服务质量评估指数;或者,
根据所述交互记录数据,确定所述第一服务质量评估指数和所述第二服务质量评估指数,并根据所述第一服务质量评估指数和所述第二服务质量评估指数获得所述服务质量评估指数;其中,所述服务质量评估指数与所述第一服务质量评估指数正相关,与所述第二服务质量评估指数正相关。
可选的,所述服务量用于表征通过至少一个第一类服务渠道获得的服务量,其中,所述第一类服务渠道为服务响应时间与服务评价指标负相关性达到设定条件的服务渠道。
可选的,根据所述交互记录数据,确定所述目标对象在至少两个不同服务渠道的客服请求量,包括:
识别所述目标对象的交互记录数据中分别属于所述第一类服务渠道的交互记录数据和属于第二类服务渠道的交互记录数据;其中,所述第二类服务渠道为交互次数与服务评价指标之间负相关的服务渠道;
针对每条第一类服务渠道的交互记录数据分别执行以下处理:确定所述交互记录数据中的交互发生时间到当前时间之间的时长,并根据所述时长确定第一影响因子;其中,所述第一影响因子与所述时长成正相关,所述时长的增长量对所述第一影响因子的影响力降低;
针对每条第二类服务渠道的交互记录数据执行以下处理:确定所述交互记录数据中各预设行为的产生次数,并根据预设行为的产生次数确定第二影响因子;其中,第二影响因子与预设行为的产生次数成正相关;
确定所述第一影响因子和所述第二影响因子的和值作为所述目标对象的客服请求量。
可选的,所述预设行为中包括第一类行为以及第二类行为,其中,所述第一类行为是基于大数据分析得到的大于或等于指定次数的行为,所述第二类行为是小于指定次数的行为但能够明确反映用户问题的行为;
所述确定所述交互记录数据中各预设行为的产生次数,并根据预设行为的产生次数确定第二影响因子,包括:
确定所述交互记录数据中第一类行为中各行为的次数;并,
根据所述第一类行为中各第一行为的次数确定第一参数,所述第一参数与每一种第一行为的次数正相关,且与第一类行为中各第一行为的总次数正相关;
根据所述第二类行为的次数确定第二参数;当不存在第二类行为时,所述第二参数为预设的表示第二类行为不存在的第二指定值;当存在第二类行为时,所述第二参数的基础值为大于预设值的第三指定值,且随着第二类行为的次数增加所述第二参数值增大,且当第二类行为的次数达到一定的次数中间值时,所述第二类行为的次数对所述第二参数值的影响降低。
可选的,根据以下公式确定所述第一影响因子:
HRI=logM(10+TI)
其中,所述HRI为所述目标对象的客服请求量的第一影响因子,所述T1为所述交互记录数据中的交互发生时间到当前时间之间的时长;和/或,
根据以下公式确定所述第二影响因子:
其中,M为常数,HRA为所述目标对象的客服请求量的第二影响因子,CA1为所述第一类行为的次数,CA2为所述第二类行为的次数。
可选的,所述根据第一服务质量评估指数与所述比值之间的负相关,包括:
其中,所述UR为所述第一服务质量评估指数,所述M为常数,所述HS为所述服务量,所述HR为所述客服请求量;和/或,
根据以下公式确定所述第二服务质量评估指数:
SR=logM(HS’)*H
其中,所述SR为所述第二用户指数,所述M为常数,所述HS’为所述交互次数,所述H为所述相似度。
可选的,所述确定在指定时间段内的所述交互记录数据的内容的相似度,包括:
提取每条交互记录数据的词向量;
计算各交互记录数据的词向量与最新的一条交互记录数据的词向量之间的向量相似度;
确定向量相似度的均值作为所述指定时间段内所述目标对象的交互记录数据的内容的相似度。
可选的,所述根据所述第一服务质量评估指数和所述第二服务质量评估指数获得所述服务质量评估指数,包括:
获取所述第一服务质量评估指数和所述第二服务质量评估指数分别对应的权重因子;
采用加权求和的方式确定所述服务质量评估指数。
第二方面,本申请实施例提供一种智能客服数据处理装置,所述装置包括:
第一获取模块,用于获取目标对象与客服系统之间进行交互的交互记录数据;
第二获取模块,用于根据所述交互记录数据,获得所述目标对象的服务质量评估指数;
触发模块,用于针对所述目标对象,触发与所述服务质量评估指数对应的服务操作。
第三方面,本申请实施例还提供一种计算设备,包括:
存储器以及处理器;
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序第一方面任一项所述的智能客服数据处理方法。
第四方面,本申请实施例还提供一种计算机存储介质,其中,所述计算机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使计算机执行本申请实施例中的任一智能客服数据处理方法。
本申请实施例提供的一种智能客服数据处理方法、装置以及计算设备、存储介质,该方法中,首先,获取目标对象与客服系统之间进行交互的交互记录数据;然后,根据所述交互记录数据,获得所述目标对象的服务质量评估指数;最后,针对所述目标对象,触发与所述服务质量评估指数对应的服务操作。该方式中通过获取目标对象的服务质量评估指数,可确定目标对象的服务质量;从而根据该目标对象的服务质量评估指数执行对应的服务操作,因此可解决用户不停占用客服系统的资源的问题,从而提高客服系统的资源利用率。
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。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面所介绍的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种智能客服数据处理方法的应用场景示意图;
图2为本申请实施例提供的一种智能客服数据处理方法的流程示意图;
图3为本申请实施例提供的一种确定客户请求量的流程示意图;
图4为本申请实施例提供的一种智能客服数据处理方法的流程示意图;
图5为本申请实施例提供一种智能客服数据处理装置的结构示意图;
图6为本申请实施例提供一种计算设备的结构示意图。
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。
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能够以除了在这里图示或描述的那些以外的顺序实施。
为了帮助用户解决在使用产品(包括实体产品和软件产品)时产生的问题,因此,大多数产品都提供用于用户解决问题的客服系统。但由于用户数量较多,客户渠道也可以多样化,用户问题也多样化,客服系统的负担日益加重。若用户的问题不能及时得到解决,用户可能为解决问题不停占用客服系统的资源,不仅使得客服质量面临挑战,也会导致客服系统的资源使用率不高。
有鉴于此,本申请实施例中提供一种智能客服数据处理方法以解决上述的问题。本申请实施例中,提出采用客服质量评估指数来实现对不同用户的差别化客服服务,使得客服服务更加合理,从而提高客服服务质量。此外,还避免用户因为迫切需要导致的多占用客服系统资源的问题,使得客服系统能够更好的为用户提供客服服务,提高客服系统的资源使用率。
参阅图1,为本申请实施例提供的一种智能客服数据处理方法的应用场景示意图,该场景中包括客服渠道10、客户端设备11、客服系统服务器12。客服可通过客服系统服务器12获取目标对象与客服系统之间进行交互的交互记录,然后根据获取的交互记录数据,获得目标对象的服务质量评估指数。客户端设备11针对目标对象,触发与其服务质量评估指数对应的服务操作,其中,服务操作通过客服渠道10执行。其中,客服渠道10例如包括人工客服渠道、智能客服渠道等,用来实现服务操作的客服渠道,在此不做限定。
下面结合附图对本申请实施例提供的一种智能客服数据处理方法进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。参阅图2,为本申请实施例提供的一种智能客服数据处理方法的流程示意图,包括以下步骤:
步骤201:获取目标对象与客服系统之间进行交互的交互记录数据。
具体实施时,针对一个客服系统来说,在实施时,可能存在不同的服务渠道;例如,可包括人工客服渠道、智能客服渠道等。并且,不同的客服渠道中还可包括不同的服务方式如电话客服、线上人工客服、机器人客服等。此外,相关技术中的服务的反馈或追踪具有一定的片面性与延时性,例如,对于“服务时目标对象的诉求”与“服务后目标对象是否还有此类诉求”不存在必然联系;而本申请中通过获取目标对象与客服系统之间的交互记录数据,可及时定位目标对象的诉求,以及对目标对象的诉求进行分析,从而确定其诉求是否得到有效解决。
步骤202:根据交互记录数据,获得目标对象的服务质量评估指数。
具体实施时,由于在客服系统中的交互记录数据存在可能从至少两个不同服务渠道中获取的、从多个服务渠道获取交互记录数据;相关技术中只能实现从单服务渠道上对目标对象的客服进行分析,而不能实现对于同一目标对象在多个不同服务渠道中的客服服务的综合考虑;并且,客服服务时只能关注到目标对象当前寻求服务的产品内的指定业务,不能建立与该产品内其他业务的联系。而本申请实施例中能够全面的了解目标对象的需求、面对的问题,从而提高客服系统的服务质量。例如全面了解目标对象的问题,能够帮助智能机器人理解客服需求提供准确的客服服务。
获取交互记录数据后,本申请根据目标对象的交互记录数据分别从以下两方面的评价指标中的单方面评价指标或两方面评价指标的结合来评估服务质量评估指数。其中,评估目标对象的服务质量评估指数的两个方面的评价指标包括:
第一方面的评价指标、综合考虑各个不同的服务渠道评估该目标对象的客服服务是否获得了有效服务;
第二方面的评价指标、是评估该目标对象是否多次进行客服服务请求,并且客服服务请求为与交互记录数据中相似的问题。
基于上述第一方面和第二方面的评价指标,本申请实施例可提供三种用于确定目标对象的服务质量评估指数的实施方式,如下:
方式一:基于第一方面的评价指标确定目标对象的服务质量评估指数。
为了能够准确的描述各方面的评价指标、以便得出准确的服务质量评估指示,本申请实施例中,基于客服系统不同服务渠道的特点,提出来如何评估目标对象是否获得有效服务的指标。下面对该指标涉及到的名词进行相应的解释:
服务量:用于表征用户获得正面的能够解决其问题的客服服务的量。
客服请求量:用于表征用户请求客服服务的量。
具体实施时,首先根据交互记录数据,确定目标对象在指定时间段内获得的服务量除以在至少两个不同服务渠道的客服请求量的比值;然后,根据第一服务质量评估指数与比值之间的负相关关系,获得第一服务质量评估指数作为服务质量评估指数。其中,确定第一服务质量评估指数可根据以下公式(1)确定:
在公式(1)中,UR为第一服务质量评估指数,M为大于1的常数(例如可取底数10),HS表示为服务量,HR表示为客服请求量。
此外,需要说明的是,本实施例中采用log函数是为了降低比值对第一服务质量评估指数的影响。换言之,第一服务质量评估指数的增长速度会随着比值的增加而降低,使得能够得到高效服务的目标对象的第一质量评估指数差距不大,但是不同程度的不能得到有效服务的目标对象的第一质量评估指数差距明显且UR值会更大,使得最终的第一服务质量评估指数更加关注不同程度的不能得到有效服务的目标对象。
上述实施方式中,通过确定服务量HS与客服请求量HR之间的比值,可以从一定意义上标识目标对象的有效服务的概率,若目标对象的服务量远小于客服请求量,则表明用户的请求未能得到有效的服务,因此随着服务量HS与客服请求量HR之间的比值越小,则可确定第一服务质量评估指数越大,则表明目标对象的服务质量越差。
需要说明的是,服务量是可以基于不同服务渠道统计获得。在实施时,可以根据不同服务渠道的特点配置相应的量化服务量的方式。例如,人工电话客服可采用电话沟通的次数、智能机器人客服可采用交互的次数来进行量化。
本申请实施例,为了能够更加偏重于对时间比较敏感的服务渠道且认为该类服务渠道基本能够获得有效的服务,可以主要统计通过第一类服务渠道获得的服务量;其中,第一类服务渠道为服务响应时间与服务评价指标负相关性达到设定条件的服务渠道,例如为IVR(Interactive Voice Response,互动式语音应答)服务渠道。并且,服务量的确定可根据第一类服务渠道的服务的次数确定;例如,该目标对象在第一类服务渠道有服务的次数记为HSI,则确定该目标对象的服务量HS为HSI。
上述实施例中,根据交互记录数据,确定目标对象在至少两个不同服务渠道的客服请求量,其中,客服请求量为该目标对象在多个不同的服务渠道的客服请求的情况。在确定客户请求量时,从不同的服务渠道分别进行确定。实施时,参阅图3,为本申请实施例提供的一种确定客户请求量的流程示意图,通过以下步骤确定:
S2021:识别目标对象的交互记录数据中分别属于第一类服务渠道的交互记录数据和属于第二类服务渠道的交互记录数据。
其中,第一类服务渠道的特征在前述已经进行说明,此处不再赘述。第二类服务渠道的特征为交互次数与服务质量评价指标之间负相关的服务渠道,即交互次数越多,则表明该目标对象的遇到的问题越棘手、迫切需要解决。因为,通常情况下,目标对象的交互次数多,则表明该用户遇到的问题可能一直未能得到解决,则说明该目标对象遇到的问题复杂度高,因此需要客服系统提供有针对性的高效服务。
由于在两种不同的服务渠道中,不同服务渠道对客服请求量的影响不同,因此首先需要确定目标对象的交互记录数据被划分为哪个服务渠道。然后,通过根据目标对象中的交互记录数据确定的服务渠道,分别对应执行对应的服务渠道中服务质量评估指数的实施方式,如下述中的S2022a或S2022b分别为针对第一类服务渠道和第二类服务渠道确定客服请求量的实施方式。在第一类服务渠道的实施方式中实现了对该类服务渠道关注交互时间的特点来确定客服请求量:
S2022a:针对每条第一类服务渠道的交互记录数据分别执行以下处理:
确定交互记录数据中的交互发生时间到当前时间之间的时长,并根据时长确定第一影响因子;其中,第一影响因子与时长成正相关关系,并且随着时长的增长,时长对第一影响因子的影响力降低。
可实施为,将交互记录数据中的交互发生时间到当前时间之间的时长可选的记为TI。然后,可根据以下公式(2)确定前述的第一影响因子(记为HRI):
HRI=∑{logM(M+TI)} 公式(2)
其中,M为大于1的常数(例如可取底数10),由于在交互记录数据中存在多条交互记录,因此针对每天交互记录数据都具有对应的时长TI,最后将各条交互记录根据logM(M+TI)确定的值求加和,从而将确定的加和值确定该目标对象的客服请求量的第一影响因子。公式(2)中采用log函数还是为了达到时长对第一影响因子的影响力降低的目的,其原因在于,目标对象在不同时间段可能提出不同问题或相同的问题,不管问题是否相同都将尽可能关注用户近期的问题。例如5天前提出的问题,如果被解决了,那么当前的新问题需要被关注,如果没有被解决那么用户将提出类似的问题,只需关注新问题即可。
类似的,在第二类服务渠道到贴合该类服务渠道更关注交互次数来确定服务请求量:
S2022b:针对每条第二类服务渠道的交互记录数据执行以下处理:
其中,由于第二类服务渠道属于关注目标对象的交互记录数据中的交互次数的渠道,因此首先确定交互记录数据中各预设行为的产生次数,并根据预设行为的产生次数确定第二影响因子;其中,第二影响因子与预设行为的产生次数成正相关。
实施时,在预设行为中,不同类型的预设行为的发生次数具有不同的概率,因此,将预设行为中区分为第一类行为以及第二类行为;其中,第一类行为是基于大数据分析得到的大于或等于指定次数的行为,还可以理解为大多用户的高频的行为;第二类行为是小于指定次数的行为但能够明确反映用户问题的行为,还可以理解为虽然是低频的行为但值得被关注的行为(例如投诉)。由于预设行为中这两类行为具有不同的特点,因此为保证目标对象的服务质量评估指数的准确性,根据预设行为所属的预设行为分类对根据预设行为的产生次数确定的第二影响因子的确定方式进行调整。
实施时,确定交互记录数据中第一类行为中各行为的次数,并,根据第一类行为中各第一行为的次数确定第一参数,该第一参数与每一种第一行为的次数正相关,且与第一类行为中各第一行为的总次数正相关。例如,若将该第一类行为中各第一行为的总次数记为CA1,则确定第一参数为logM(CA1)。并且,需要说明的是,随着第一类行为中各第一行为的总次数CA1的增多,第一参数的增长量便越小。这样使得出的结果更加偏重于前几次的行为次数,例如行为A前10次的行为已经能够代表该行为的重要性,10次之后不需要被关注了。
并且,根据第二类行为的次数确定第二参数;当不存在第二类行为时,第二参数为预设的表示第二类行为不存在的第二指定值;当存在第二类行为时,第二参数的基础值为大于预设值的第三指定值,且随着第二类行为的次数增加第二参数值增大,且当第二类行为的次数达到一定的次数中间值时,第二类行为的次数对第二参数值的影响降低。例如,实施时,可选的将第二类行为的次数记为CA2,则确定第二参数为其中当CA2为0时,此时可确定第二参数的值为0,表示目标对象的交互记录数据中不存在第二类行为,因此通过sgn符号函数对第二参数的确定进行校正;此外,当CA2不为0时,通过第二参数中的函数的设定,并且为1,M取大于1的常数值(例如取底数10),可以确保第二参数的值为大于或等于设定阈值(例如1),以便于能够合理配置该行为在第二服务渠道的比重1的值。
具体实施时,在将目标对象的预设行为区分为不同的行为分类,并根据其对应行为分类中对于第二影响因子确定的实施方式,获得对应的第一参数和第二参数之后,则将第一参数和第二参数根据以下公式(3)确定第二影响因子(其中,第二影响因子记为HRA):
其中,M为大于1的常数,例如可取底数10.。同理,公式(4)中采用log函数是为了达到预设行为次数对第二影响因子的影响力降低的目的,其原因在于,目标对象对于预设行为的次数越多,影响力越小;例如,若目标对象存在10次预设行为时客服对该目标对象已经很关注了,但超过10次预设行为之后不需要被关注了。
S2023:确定第一影响因子和第二影响因子的和值作为目标对象的客服请求量。
具体实施时,通过S1022中的实施过程确定目标对象在第一类服务渠道对应的客服请求量,作为确定目标对象的客服请求量的第一影响因子HRI;通过S1023中的实施过程确定目标对象在第二类服务渠道对应的客服请求量,作为确定目标对象的客服请求量的第二影响因子HRA。最后,根据第一影响因子HRI和第二影响因子HRA确定目标对象在两种不同的服务渠道中的总的客服请求量HR。其中,确定客服请求量HR可根据公式(4)确定:
HR=HRI+HRA 公式(4)
需要说明的是,本申请实施例中仅给出了不同的服务渠道包括第一类服务渠道和第二类服务渠道的实施方式,但不仅限定于这两类服务渠道,对于其他服务渠道产生的影响因子也属于本申请中对于客服请求量的限定。通过对于客服系统中不同的服务渠道的客服请求量的确定,可使得分析目标对象的服务质量评估指数的结果更准确,解决了相关技术中仅支持从单服务渠道中分析目标对象的服务质量评估指数的缺点。且提供了一种量化服务量和客服请求量的实施方式。
方式二:从第二方面的评价指标确定目标对象的服务质量评估指数。
当目标对象进行多次类似的客服请求时,说明类似的问题一直未能得到解决,故此,考虑问题的相似性,具体实施时,根据交互记录数据,得到交互次数以及交互记录数据的内容,确定在指定时间段内的交互记录数据的内容的相似度,并根据第二服务质量评估指数与交互次数之间的正相关关系,以及与相似度之间的正相关关系,将第二服务质量评估指数确定为服务质量评估指数。实施时,第二服务质量评估指数根据以下公式(5)确定:
SR=log10(HS‘)*H 公式(5)
其中,SR为第二服务质量评估指数;M为大于1的常数(例如可取底数10);HS’为得到的交互次数,在一种可能的实施方式中,例如是第一类服务渠道中的从指定时间段内的第一次人工服务开始之后的人工服务次数HS’,人工服务次数越多意味目标对象遇到的问题越棘手;H为交互记录数据的内容的相似度。需要说明的是,因为目标对象在请求客服系统服务的过程中随着时间的推移或请求次数的变化,目标对象的请求可能是有变化的,例如,目标对象可能会先来请求紧急冻结账号,之后再请求找回账号;因此,在这种情况下多次请求客服系统服务是一种正常的行为,为此通过相似度H作为系数来控制这种情况的影响。
上述方法中,确定交互记录数据的内容的相似度在实施时,可选的,可以采用词向量来确定。可实施为,首先提取每条交互记录数据的词向量;然后,计算各交互记录数据的词向量与最新的一条交互记录数据的词向量之间的向量相似度;最后,确定向量相似度的均值作为指定时间段内目标对象的交互记录数据的内容的相似度。例如,通过word2vec训练目标对象的交互记录数据的词向量,对目标对象最后一次交互记录数据中的内容进行embedding(词嵌入)得到最后一次交互记录数据的词向量,然后对最后一次交互记录数据的内容中的所有的词向量求均值,作为用户最后一次交互记录数据的诉求的向量表示(可选的记作Q);然后将之前的根据交互记录数据确定的各个Q’分别与Q求相似度,然后取求得的各相似度的均值作为H。
当然,在实施时,可采用自然语言处理技术,例如语义分析来确定不同交互记录数据之间的相似度,本申请实施例对此不作限定。
方式三:结合两各方面确定目标对象的服务质量评估指数。
具体实施时,根据交互记录数据,可确定第一服务质量评估指数和第二服务质量评估指数,并根据第一服务质量评估指数和第二服务质量评估指数获得服务质量评估指数。其中,服务质量评估指数与第一服务质量评估指数正相关,与第二服务质量评估指数正相关。
需要说明的是,在确定目标对象的结合两方面的服务质量评估指数时,还可将两方面确定的服务质量评估指数按照业务需要设定对应的权重因子,然后确定目标对象最后的服务质量评估指数。实施时,首先获取第一服务质量评估指数和第二服务质量评估指数分别对应的权重因子;然后采用加权求和的方式确定目标对象的服务质量评估指数。例如,获取到第二服务质量评估指数的权重因子为C,则可根据以下公式(6)确定目标对象的服务质量评估指数:
R=HR+C*SR 公式(6)
其中,R表示目标对象的服务质量评估指数。
步骤203:针对目标对象,触发与服务质量评估指数对应的服务操作。
实施时,不同的服务质量评估指数对应了不同的服务操作。其中,服务操作可包括:主动为目标对象提供服务的操作方式、不主动为目标对象提供服务的操作方式。例如,若根据对该目标对象的服务质量评估指数,确定该目标对象达到了需要为其主动提供服务的条件,表明该目标对象遇到的问题比较复杂或棘手或迫切需要合理解决,因此将该目标对象作为急需服务的对象,为其提供主动的客服服务。
上述方法中,主动为目标对象提供服务的服务方式,可选的,将需要主动提供服务的目标对象的联系方式推送给人工客服,以使人工客服及时联系该目标对象;或者,在客服系统中,根据该目标对象的最后一次交互记录数据的内容为其主动推送对应的解决方案。
参阅图4,为本申请实施例中提供的一种智能客服数据处理方法的场景示意图,其中,该场景中包括目标对象、目标对象最后一次交互记录数据、目标对象的历史交互记录数据;通过获得的目标对象的交互记录数据根据本申请中前述的确定目标对象的服务质量评估指数的实施方式确定目标对象的服务质量评估指数;然后根据得到的对应的服务质量评估指数为其提供对应的服务操作。
参阅图5,为本申请实施例提供一种智能客服数据处理装置的结构示意图,装置包括:第一获取模块501、第二获取模块502以及触发模块503。
第一获取模块501,用于获取目标对象与客服系统之间进行交互的交互记录数据;
第二获取模块502,用于根据交互记录数据,获得目标对象的服务质量评估指数;
触发模块503,用于针对目标对象,触发与服务质量评估指数对应的服务操作。
可选的,所述第二获取模块502,用于根据所述交互记录数据,获得所述目标对象的服务质量评估指数时,具体用于:
根据所述交互记录数据,确定所述目标对象在指定时间段内获得的服务量除以在至少两个不同服务渠道的客服请求量的比值,并根据第一服务质量评估指数与所述比值之间的负相关关系,将所述第一服务质量评估指数作为所述服务质量评估指数;或者,
根据所述交互记录数据,得到交互次数以及交互记录数据的内容,确定在指定时间段内的所述交互记录数据的内容的相似度,并根据第二服务质量评估指数与所述交互次数之间的正相关关系,以及与所述相似度之间的正相关关系,将所述第二服务质量评估指数作为所述服务质量评估指数;或者,
根据所述交互记录数据,确定所述第一服务质量评估指数和所述第二服务质量评估指数,并根据所述第一服务质量评估指数和所述第二服务质量评估指数获得所述服务质量评估指数;其中,所述服务质量评估指数与所述第一服务质量评估指数正相关,与所述第二服务质量评估指数正相关。
可选的,所述服务量用于表征通过至少一个第一类服务渠道获得的服务量,其中,所述第一类服务渠道为服务响应时间与服务评价指标负相关性达到设定条件的服务渠道。
可选的,所述第二获取模块502,用于根据所述交互记录数据,确定所述目标对象在至少两个不同服务渠道的客服请求量时,具体用于:
识别所述目标对象的交互记录数据中分别属于所述第一类服务渠道的交互记录数据和属于第二类服务渠道的交互记录数据;其中,所述第二类服务渠道为交互次数与服务评价指标之间负相关的服务渠道;
针对每条第一类服务渠道的交互记录数据分别执行以下处理:确定所述交互记录数据中的交互发生时间到当前时间之间的时长,并根据所述时长确定第一影响因子;其中,所述第一影响因子与所述时长成正相关,所述时长的增长量对所述第一影响因子的影响力降低;
针对每条第二类服务渠道的交互记录数据执行以下处理:确定所述交互记录数据中各预设行为的产生次数,并根据预设行为的产生次数确定第二影响因子;其中,第二影响因子与预设行为的产生次数成正相关;
确定所述第一影响因子和所述第二影响因子的和值作为所述目标对象的客服请求量。
可选的,所述预设行为中包括第一类行为以及第二类行为,其中,所述第一类行为是基于大数据分析得到的大于或等于指定次数的行为,所述第二类行为是小于指定次数的行为但能够明确反映用户问题的行为;
所述第二获取模块502,用于确定所述交互记录数据中各预设行为的产生次数,并根据预设行为的产生次数确定第二影响因子,具体用于:
确定所述交互记录数据中第一类行为中各行为的次数,并,
根据所述第一类行为中各第一行为的次数确定第一参数,所述第一参数与每一种第一行为的次数正相关,且与第一类行为中各第一行为的总次数正相关;
根据所述第二类行为的次数确定第二参数;当不存在第二类行为时,所述第二参数为预设的表示第二类行为不存在的第二指定值;当存在第二类行为时,所述第二参数的基础值为大于预设值的第三指定值,且随着第二类行为的次数增加所述第二参数值增大,且当第二类行为的次数达到一定的次数中间值时,所述第二类行为的次数对所述第二参数值的影响降低。
可选的,根据以下公式确定所述第一影响因子:
HRI=logM(10+TI)
其中,所述HRI为所述目标对象的客服请求量的第一影响因子,所述T1为所述交互记录数据中的交互发生时间到当前时间之间的时长;和/或
根据以下公式确定所述第二影响因子:
其中,M为常数,HRA为所述目标对象的客服请求量的第二影响因子,CA1为所述第一类行为的次数,CA2为所述第二类行为的次数。
可选的,所述根据第一服务质量评估指数与所述比值之间的负相关,包括:
其中,所述UR为所述第一服务质量评估指数,所述M为常数,所述HS为所述服务量,所述HR为所述客服请求量;和/或,
根据以下公式确定所述第二服务质量评估指数:
SR=logM(HS’)*H
其中,所述SR为所述第二用户指数,所述M为常数,所述HS’为所述交互次数,所述H为所述相似度。
可选的,所述第二获取模块502,用于确定在指定时间段内的所述交互记录数据的内容的相似度时,具体用于:
提取每条交互记录数据的词向量;
计算各交互记录数据的词向量与最新的一条交互记录数据的词向量之间的向量相似度;
确定向量相似度的均值作为所述指定时间段内所述目标对象的交互记录数据的内容的相似度。
可选的,所述第二获取模块502,用于根据所述第一服务质量评估指数和所述第二服务质量评估指数获得所述服务质量评估指数时,具体用于:
获取所述第一服务质量评估指数和所述第二服务质量评估指数分别对应的权重因子;
采用加权求和的方式确定所述服务质量评估指数。
在一些可能的实施方式中,根据本申请的计算设备可以至少包括至少一个处理器、以及至少一个存储器。其中,存储器存储有计算机程序,当计算机程序被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的智能客服数据处理方法中的步骤。例如,处理器可以执行如图2中所示的步骤201-步骤203。
下面参照图6来描述根据本申请的这种实施方式的计算设备130。图6显示的计算设备130仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算设备130以通用计算装置的形式表现。计算设备130的组件可以包括但不限于:上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)1321和/或高速缓存存储器1322,还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325,这样的程序模块1324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信,和/或与使得该计算设备130能与一个或多个其它计算装置进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且,计算设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器136通过总线133与用于计算设备130的其它模块通信。应当理解,尽管图中未示出,可以结合计算设备130使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中,本申请提供的智能客服数据处理方法的各个方面还可以实现为一种程序产品的形式,其包括计算机程序,当程序产品在计算机设备上运行时,计算机程序用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的智能客服数据处理方法中的步骤,例如,计算机设备可以执行如图2中所示的步骤201-步骤203。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于参数处理的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括计算机程序,并可以在计算装置上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读计算机程序。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的计算机程序可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的计算机程序,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。计算机程序可以完全地在目标对象计算装置上执行、部分地在目标对象设备上执行、作为一个独立的软件包执行、部分在目标对象计算装置上部分在远程计算装置上执行、或者完全在远程计算装置或服务器上执行。在涉及远程计算装置的情形中,远程计算装置可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到目标对象计算装置,或者,可以连接到外部计算装置(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用计算机程序的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种智能客服数据处理方法,其特征在于,所述方法包括:
获取目标对象与客服系统之间进行交互的交互记录数据;
根据所述交互记录数据,获得第一服务质量评估指数和第二服务质量评估指数中的至少一种,并基于获得到的所述第一服务质量评估指数和所述第二服务质量评估指数中的至少一种,获得所述目标对象的服务质量评估指数;
针对所述目标对象,触发与所述服务质量评估指数对应的服务操作;
其中,所述第一服务质量评估指数是根据以下公式确定的:
其中,所述UR为所述第一服务质量评估指数,所述M为常数,所述HS为根据所述交互记录数据确定的所述目标对象在指定时间段内获得的服务量,所述HR为根据所述交互记录数据确定的至少两个不同服务渠道的客服请求量;
所述第二服务质量评估指数是根据以下公式确定的:
SR=logM(HS’)*H
其中,所述SR为所述第二服务质量评估指数,所述M为常数,所述HS’为根据所述交互记录数据确定的交互次数,所述H为根据所述交互记录数据确定的指定时间段内的所述交互记录数据的内容的相似度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述交互记录数据,获得所述目标对象的服务质量评估指数,具体包括:
根据所述交互记录数据,确定所述目标对象在指定时间段内获得的服务量除以在至少两个不同服务渠道的客服请求量的比值,并根据第一服务质量评估指数与所述比值之间的负相关关系,将所述第一服务质量评估指数作为所述服务质量评估指数;或者,
根据所述交互记录数据,得到交互次数以及交互记录数据的内容,确定在指定时间段内的所述交互记录数据的内容的相似度,并根据第二服务质量评估指数与所述交互次数之间的正相关关系,以及与所述相似度之间的正相关关系,将所述第二服务质量评估指数作为所述服务质量评估指数;或者,
根据所述交互记录数据,确定所述第一服务质量评估指数和所述第二服务质量评估指数,并根据所述第一服务质量评估指数和所述第二服务质量评估指数获得所述服务质量评估指数;其中,所述服务质量评估指数与所述第一服务质量评估指数正相关,与所述第二服务质量评估指数正相关。
3.根据权利要求2所述的方法,其特征在于,所述服务量用于表征通过至少一个第一类服务渠道获得的服务量,其中,所述第一类服务渠道为服务响应时间与服务评价指标负相关性达到设定条件的服务渠道。
4.根据权利要求3所述的方法,其特征在于,根据所述交互记录数据,确定所述目标对象在至少两个不同服务渠道的客服请求量,包括:
识别所述目标对象的交互记录数据中分别属于所述第一类服务渠道的交互记录数据和属于第二类服务渠道的交互记录数据;其中,所述第二类服务渠道为交互次数与服务评价指标之间负相关的服务渠道;
针对每条第一类服务渠道的交互记录数据分别执行以下处理:确定所述交互记录数据中的交互发生时间到当前时间之间的时长,并根据所述时长确定第一影响因子;其中,所述第一影响因子与所述时长成正相关,所述时长的增长量对所述第一影响因子的影响力降低;
针对每条第二类服务渠道的交互记录数据执行以下处理:确定所述交互记录数据中各预设行为的产生次数,并根据预设行为的产生次数确定第二影响因子;其中,第二影响因子与预设行为的产生次数成正相关;
确定所述第一影响因子和所述第二影响因子的和值作为所述目标对象的客服请求量。
5.根据权利要求4所述的方法,其特征在于,所述预设行为中包括第一类行为以及第二类行为,其中,所述第一类行为是基于大数据分析得到的大于或等于指定次数的行为,所述第二类行为是小于指定次数的行为但能够明确反映用户问题的行为;
所述确定所述交互记录数据中各预设行为的产生次数,并根据预设行为的产生次数确定第二影响因子,包括:
确定所述交互记录数据中第一类行为中各行为的次数,并,
根据所述第一类行为中各第一行为的次数确定第一参数,所述第一参数与每一种第一行为的次数正相关,且与第一类行为中各第一行为的总次数正相关;
根据所述第二类行为的次数确定第二参数;当不存在第二类行为时,所述第二参数为预设的表示第二类行为不存在的第二指定值;当存在第二类行为时,所述第二参数的基础值为大于预设值的第三指定值,且随着第二类行为的次数增加所述第二参数值增大,且当第二类行为的次数达到一定的次数中间值时,所述第二类行为的次数对所述第二参数值的影响降低。
7.根据权利要求1所述的方法,其特征在于,所述确定在指定时间段内的所述交互记录数据的内容的相似度,包括:
提取每条交互记录数据的词向量;
计算各交互记录数据的词向量与最新的一条交互记录数据的词向量之间的向量相似度;
确定向量相似度的均值作为所述指定时间段内所述目标对象的交互记录数据的内容的相似度。
8.一种智能客服数据处理装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标对象与客服系统之间进行交互的交互记录数据;
第二获取模块,用于根据所述交互记录数据,获得第一服务质量评估指数和第二服务质量评估指数中的至少一种,并基于获得到的所述第一服务质量评估指数和所述第二服务质量评估指数中的至少一种,获得所述目标对象的服务质量评估指数;
触发模块,用于针对所述目标对象,触发与所述服务质量评估指数对应的服务操作;
其中,所述第一服务质量评估指数是根据以下公式确定的:
其中,所述UR为所述第一服务质量评估指数,所述M为常数,所述HS为根据所述交互记录数据确定的所述目标对象在指定时间段内获得的服务量,所述HR为根据所述交互记录数据确定的至少两个不同服务渠道的客服请求量;
所述第二服务质量评估指数是根据以下公式确定的:
SR=logM(HS’)*H
其中,所述SR为所述第二服务质量评估指数,所述M为常数,所述HS’为根据所述交互记录数据确定的交互次数,所述H为根据所述交互记录数据确定的指定时间段内的所述交互记录数据的内容的相似度。
9.一种计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令用于使计算机执行如权利要求1-7中任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010125019.4A CN111311286B (zh) | 2020-02-27 | 2020-02-27 | 一种智能客服数据处理方法、装置及计算设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010125019.4A CN111311286B (zh) | 2020-02-27 | 2020-02-27 | 一种智能客服数据处理方法、装置及计算设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311286A CN111311286A (zh) | 2020-06-19 |
CN111311286B true CN111311286B (zh) | 2023-04-07 |
Family
ID=71149357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010125019.4A Active CN111311286B (zh) | 2020-02-27 | 2020-02-27 | 一种智能客服数据处理方法、装置及计算设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311286B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780610B (zh) * | 2020-12-02 | 2024-08-20 | 北京沃东天骏信息技术有限公司 | 一种客服画像构建方法和装置 |
CN112561268B (zh) * | 2020-12-07 | 2023-12-15 | 深圳市思为软件技术有限公司 | 行为评估方法及相关设备 |
CN115759882A (zh) * | 2023-01-04 | 2023-03-07 | 成都晓多科技有限公司 | 一种计算人工客服问题解决率的方法及系统 |
CN116011892A (zh) * | 2023-03-24 | 2023-04-25 | 深圳市明源云科技有限公司 | 服务对象交付质量检测方法、电子设备及可读存储介质 |
CN116843203A (zh) * | 2023-09-01 | 2023-10-03 | 腾讯科技(深圳)有限公司 | 服务接入处理方法、装置、设备、介质及产品 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102082883A (zh) * | 2009-11-27 | 2011-06-01 | 中兴通讯股份有限公司 | 一种客服系统向用户提供信息的方法和客服系统 |
CN103095753A (zh) * | 2011-10-31 | 2013-05-08 | 中兴通讯股份有限公司 | 一种客服系统及客服信息推送方法 |
US8949162B1 (en) * | 2012-06-28 | 2015-02-03 | Amazon Technologies, Inc. | Customer experience in network-based services |
CN106204062A (zh) * | 2016-06-28 | 2016-12-07 | 广东万丈金数信息技术股份有限公司 | 客服系统的客户信息列表更新方法及装置 |
CN106603262A (zh) * | 2015-10-19 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 客户服务方式的分配方法及系统 |
CN107809550A (zh) * | 2016-09-08 | 2018-03-16 | 阿里巴巴集团控股有限公司 | 调整业务语音播放顺序的方法及设备 |
CN107862423A (zh) * | 2017-06-28 | 2018-03-30 | 陆金所(上海)科技服务有限公司 | 系统评估方法、智能评估系统及计算机可读存储介质 |
WO2018107510A1 (zh) * | 2016-12-13 | 2018-06-21 | 深圳先进技术研究院 | 公交系统服务质量的评估方法和装置 |
CN110533343A (zh) * | 2019-09-04 | 2019-12-03 | 腾讯科技(深圳)有限公司 | 智能客服系统的数据处理方法、装置及电子设备 |
CN115099727A (zh) * | 2022-08-25 | 2022-09-23 | 深圳市星网信通科技有限公司 | 客服路由方法、装置及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11190464B2 (en) * | 2017-10-05 | 2021-11-30 | International Business Machines Corporation | Customer care training using chatbots |
-
2020
- 2020-02-27 CN CN202010125019.4A patent/CN111311286B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102082883A (zh) * | 2009-11-27 | 2011-06-01 | 中兴通讯股份有限公司 | 一种客服系统向用户提供信息的方法和客服系统 |
CN103095753A (zh) * | 2011-10-31 | 2013-05-08 | 中兴通讯股份有限公司 | 一种客服系统及客服信息推送方法 |
US8949162B1 (en) * | 2012-06-28 | 2015-02-03 | Amazon Technologies, Inc. | Customer experience in network-based services |
CN106603262A (zh) * | 2015-10-19 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 客户服务方式的分配方法及系统 |
CN106204062A (zh) * | 2016-06-28 | 2016-12-07 | 广东万丈金数信息技术股份有限公司 | 客服系统的客户信息列表更新方法及装置 |
CN107809550A (zh) * | 2016-09-08 | 2018-03-16 | 阿里巴巴集团控股有限公司 | 调整业务语音播放顺序的方法及设备 |
WO2018107510A1 (zh) * | 2016-12-13 | 2018-06-21 | 深圳先进技术研究院 | 公交系统服务质量的评估方法和装置 |
CN107862423A (zh) * | 2017-06-28 | 2018-03-30 | 陆金所(上海)科技服务有限公司 | 系统评估方法、智能评估系统及计算机可读存储介质 |
CN110533343A (zh) * | 2019-09-04 | 2019-12-03 | 腾讯科技(深圳)有限公司 | 智能客服系统的数据处理方法、装置及电子设备 |
CN115099727A (zh) * | 2022-08-25 | 2022-09-23 | 深圳市星网信通科技有限公司 | 客服路由方法、装置及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
王颖 ; 刘东 ; 何容 ; 夏海燕 ; 孙天昊 ; .基于用户行为分析的服务渠道评价研究与实现.陕西电力.2016,(第8期),49-52+56. * |
陶晓英.大数据支撑下的客户服务应用探索.信息通信技术.2014,第8卷(第6期),14-20. * |
Also Published As
Publication number | Publication date |
---|---|
CN111311286A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311286B (zh) | 一种智能客服数据处理方法、装置及计算设备、存储介质 | |
US9330368B2 (en) | Routing service requests based on lowest actual cost within a federated virtual service cloud | |
JP4550781B2 (ja) | リアルタイム急上昇検索語検出方法およびリアルタイム急上昇検索語検出システム | |
US8005654B2 (en) | Method, apparatus and computer program product for intelligent workload control of distributed storage | |
CN112579194B (zh) | 基于时延和事务吞吐量的区块链共识任务卸载方法及装置 | |
US8606905B1 (en) | Automated determination of system scalability and scalability constraint factors | |
CN109272348B (zh) | 活跃用户数量确定方法及装置、存储介质和电子设备 | |
US20200293970A1 (en) | Minimizing Compliance Risk Using Machine Learning Techniques | |
CN111181757B (zh) | 信息安全风险预测方法、装置以及计算设备、存储介质 | |
US10313219B1 (en) | Predictive intelligent processor balancing in streaming mobile communication device data processing | |
CN111405030B (zh) | 一种消息推送方法、装置、电子设备和存储介质 | |
US9251475B2 (en) | Selecting strangers for information spreading on a social network | |
US11750711B1 (en) | Systems and methods for adaptively rate limiting client service requests at a blockchain service provider platform | |
JP2002268922A (ja) | Wwwサイトの性能監視装置 | |
CN109413694B (zh) | 一种基于内容流行度预测的小小区缓存方法及装置 | |
EP3383088A1 (en) | A computer implemented method, a system and computer programs to quantify the performance of a network | |
JP2022543992A (ja) | 分散処理システム内の運用データを管理する方法、システム、プログラム | |
CN112508695A (zh) | 基于市场风险的金融风险预测方法、装置和电子设备 | |
CN111061948B (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
US10169132B2 (en) | Predicting a likelihood of a critical storage problem | |
CN117370065B (zh) | 一种异常任务确定方法、电子设备及存储介质 | |
US20210263771A1 (en) | Method, device and computer program product for determining execution progress of task | |
CN112488865A (zh) | 基于金融时间节点的金融风险预测方法、装置和电子设备 | |
CN113298120B (zh) | 基于融合模型的用户风险预测方法、系统和计算机设备 | |
CN114358134A (zh) | 一种高并发自动扩缩容方法、系统、计算机设备及介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40023545 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |