CN111833076A - 智能催收系统及方法 - Google Patents
智能催收系统及方法 Download PDFInfo
- Publication number
- CN111833076A CN111833076A CN202010646427.4A CN202010646427A CN111833076A CN 111833076 A CN111833076 A CN 111833076A CN 202010646427 A CN202010646427 A CN 202010646427A CN 111833076 A CN111833076 A CN 111833076A
- Authority
- CN
- China
- Prior art keywords
- collection
- unit
- client
- information
- overdue
- 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
- 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
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5183—Call or contact centers with computer-telephony arrangements
- H04M3/5191—Call or contact centers with computer-telephony arrangements interacting with the Internet
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/12—Messaging; Mailboxes; Announcements
- H04W4/14—Short messaging services, e.g. short message services [SMS] or unstructured supplementary service data [USSD]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能催收系统及方法,该系统包括:客户管理子系统、短信催收子系统、人工催收子系统和电话催收子系统;客户管理子系统连接至短信催收子系统、人工催收子系统和电话催收子系统;客户管理子系统综合逾期客户的客户信息和外部征信信息对逾期客户进行评级,并根据评级结果制定催收任务发送到对应的催收子系统中。本发明的有益之处在于所提供的智能催收系统及方法,在对客户进行评级时,不仅考虑该客户当前的还款情况,还将该客户历史征信记录作为评级的参考因素,能够更加准确的反映逾期客户的风险等级。
Description
技术领域
本发明涉及一种智能催收系统及方法。
背景技术
随着大数据、云计算以及AI技术的发展,传统的人工客服向智能客服升级,全新的SaaS模式大大的降低了企业搭建客服中心的成本,产品功能更加丰富,应用场景也延伸到催收领域。同时,客服机器人大大提高了人工客服的效率和准确率。AI技术不断发展,在催收领域的应用逐渐深化,将为企业客户提供更加智能化的催收解决方案。
发明内容
本发明提供了一种智能催收系统及方法,采用如下的技术方案:
一种智能催收系统,包括:
客户管理子系统、短信催收子系统、人工催收子系统和电话催收子系统;
客户管理子系统连接至短信催收子系统、人工催收子系统和电话催收子系统;
客户管理子系统包括:客户管理单元、逾期客户识别单元、外部征信获取单元、评级单元、策略选择单元和催收任务生成单元;
客户管理单元存储客户的客户信息,客户信息包含个人信息和还款信息;
逾期客户识别单元从客户管理单元中识别出逾期的客户并将其对应的客户信息提取出来;
外部征信获取单元用于获取该逾期客户的外部征信信息;
评级单元根据该逾期客户的客户信息和外部征信信息对逾期客户进行评级;
策略选择单元根据评级单元的评级结果选择催收方式,催收方式包括:不催收、短信催收、电话催收和上门催收;
催收任务生成单元根据策略选择单元选择的催收方式生成催收任务并发送至对应的催收子系统;
当催收方式为短信催收时,催收任务生成单元将生成的催收任务发送至短信催收子系统,短信催收子系统根据催收任务发送催收短信至逾期客户进行短信催收;
当催收方式为人工催收时,催收任务生成单元将生成的催收任务发送至人工催收子系统,人工催收子系统根据催收任务指定派遣计划并将派遣计划发送至对应的催收人员,催收人员按照派遣计划上门催收;
当催收方式为电话催收时,催收任务生成单元将生成的催收任务发送至电话催收子系统,电话催收子系统根据催收任务自动向逾期客户拨打电话进行电话催收。
进一步地,客户管理子系统还包括社会指标获取单元;
社会指标获取单元用于获取当前的社会指标;
评级单元根据该逾期客户的客户信息、外部征信信息和社会指标对逾期客户进行评级。
进一步地,客户管理子系统还包括:信息更新单元;
信息更新单元保存该逾期客户的客户信息、外部征信信息、社会指标和评级结果;
人工催收子系统或电话催收子系统将催收结果反馈至客户管理子系统;
信息更新单元根据人工催收子系统或电话催收子系统的催收结果对其内存储的客户信息进行更新;
评级单元根据该逾期客户的更新后的客户信息、外部征信信息和社会指标对逾期客户进行重新评级。
进一步地,电话催收子系统包括:任务解析单元、开场语音存储单元、语音匹配单元、智能呼叫单元、语音播放单元、语音接收单元、ASR语音识别单元、TTS语音合成单元、意图识别单元、话术存储单元和话术匹配单元;
任务解析单元解析催收任务得到呼叫策略并将其发送至语音匹配单元和智能呼叫单元,呼叫策略包括开场语音类型和客户电话;
开场语音存储单元用存储若干开场语音;
语音匹配单元根据呼叫策略从开场语音存储单元中匹配出对应的开场语音并发送至语音播放单元;
智能呼叫单元用于根据呼叫策略拨打逾期客户的电话;
语音播放单元用于当呼叫单元拨通逾期客户的电话后将匹配出的开场语音向逾期客户播放;
语音接收单元用于接收逾期客户的语音信息并将其发送至ASR语音识别单元;
ASR语音识别单元将逾期客户的语音信息转换成文本信息并发送至意图识别单元;
意图识别单元分析文本信息以识别出客户意图;
话术存储单元存储答复客户的回复文本;
话术匹配单元根据客户意图从话术存储单元中匹配出对应的回复文本并将其发送至TTS语音合成单元;
TTS语音合成单元将接收到的回复文本转换成回复语音并发送至语音播放单元;
语音播放单元向逾期客户播放回复语音。
进一步地,意图识别单元包括:
文本处理模块,用于对文本信息进行处理得到输入特征;
分类网络模块,用于接收输入特征并通过分类模型对输入特征进行处理得到客户意图;
训练模块,用于通过样本对分类网络模块的分类模型进行训练;
训练模块包括:
识别子模块,用于识别出与小样本相似的大样本;
替换子模块,用于对识别出的大样本按照模板进行替换得到第一虚拟小样本;
生成子模块,用于通过生成模型生成第二虚拟小样本;
第一训练子模块,用于通过小样本和其对应的第一虚拟小样本对生成子模块中的生成模型进行训练;
第二训练子模块,用于通过大样本、小样本和生成子模块根据小样本生成的第二虚拟小样本对分类网络模块的分类模型进行训练。
一种智能催收方法,包括以下步骤:
识别出逾期客户并获取其对应的客户信息,客户信息包含个人信息和还款信息;
获取该逾期客户的外部征信信息;
根据该逾期客户的客户信息和外部征信信息对该逾期客户进行评级;
根据评级结果选择针对该客户的催收方式,催收方式包括:不催收、短信催收、电话催收和上门催收;
根据具体的催收方式生成催收任务;
当催收方式为短信催收时,根据催收任务发送催收短信至逾期客户进行短信催收;
当催收方式为人工催收时,根据催收任务指定派遣计划并将派遣计划发送至对应的催收人员,催收人员按照派遣计划上门催收;
当催收方式为电话催收时,根据催收任务自动向逾期客户拨打电话进行电话催收。
进一步地,在获取该逾期客户的外部征信信息之后,智能催收方法还包括:
获取当前的社会指标;
根据该逾期客户的客户信息和外部征信信息对该逾期客户进行评级具体为:
根据该逾期客户的客户信息、外部征信信息和社会指标对该逾期客户进行评级。
进一步地,智能催收方法还包括:
通过电话催收的结果或人工催收的结果对该逾期客户的客户信息进行更新;
根据该逾期客户的更新后的客户信息、外部征信信息和社会指标对该逾期客户进行重新评级。
进一步地,根据催收任务自动向逾期客户拨打电话进行电话催收的具体方法为:
解析催收任务得到呼叫策略,呼叫策略包括开场语音类型和客户电话;
根据呼叫策略匹配出对应的开场语音;
根据呼叫策略拨打逾期客户的电话并当接通电话后向该逾期客户播放开场语音;
接收逾期客户的语音信息并将其转换成文本信息;
根据文本信息识别出该逾期客户的客户意图;
根据客户意图匹配出对应的回复文本;
将回复文本转换成回复语音并向该逾期客户播放。
进一步地,根据文本信息识别出该逾期客户的客户意图的具体方法为:
对文本信息进行处理得到输入特征;
通过分类模型对输入特征进行处理得到客户意图;
其中,对分类模型进行训练的具体方法为:
识别出与小样本相似的大样本;
对识别出的大样本按照模板进行替换得到第一虚拟小样本;
通过小样本和其对应的第一虚拟小样本对生成模型进行训练;
通过大样本、小样本和训练好的生成模型根据小样本生成的第二虚拟小样本对分类模型进行训练。
本发明的有益之处在于所提供的智能催收系统及方法,通过逾期客户的个人信息、还款信息以及逾期客户的外部征信信息对逾期客户进行风险评级,并根据评级结果制定相应的催收任务发送到对应的催收子系统中。在对客户进行评级时,不仅考虑该客户当前的还款情况,还将该客户历史征信记录作为评级的参考因素,能够更加准确的反映逾期客户的风险等级。
附图说明
图1是本发明的智能催收系统的示意图;
图2是本发明的客户管理子系统的示意图;
图3是本发明的电话催收子系统的示意图;
图4是本发明的意图识别单元的示意图;
图5是本发明的智能催收方法的示意图;
基智能催收系统100,客户管理子系统10,客户管理单元11,逾期客户识别单元12,外部征信获取单元13,评级单元14,策略选择单元15,催收任务生成单元16,社会指标获取单元17,信息更新单元18,短信催收子系统20,人工催收子系统30,电话催收子系统40,任务解析单元41,开场语音存储单元42,语音匹配单元43,智能呼叫单元44,语音播放单元45,语音接收单元46,ASR语音识别单元47,TTS语音合成单元48,意图识别单元49,文本处理模块491,分类网络模块492,训练模块493,识别子模块4931,替换子模块4932,生成子模块4933,第一训练子模块4934,第二训练子模块4935,话术存储单元50,话术匹配单元51。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1所示为本发明的一种智能催收系统100,包括:客户管理子系统10、短信催收子系统20、人工催收子系统30和电话催收子系统40。客户管理子系统10连接至短信催收子系统20、人工催收子系统30和电话催收子系统40。
具体而言,如图2所示,客户管理子系统10包括:客户管理单元11、逾期客户识别单元12、外部征信获取单元13、评级单元14、策略选择单元15和催收任务生成单元16。
客户管理单元11存储客户的客户信息,客户信息包含个人信息和还款信息。其中,个人信息包含但不限于客户姓名、电话、身份证和住址等客户信息。还款信息包括但不限于客户的贷款金额、还款历史行为、逾期期数和信用评分等。
逾期客户识别单元12从客户管理单元11中识别出逾期的客户并将其对应的客户信息提取出来,具体的,根据客户信息中的还款信息判断该客户是否逾期,将逾期的客户的客户信息提取出来。
外部征信获取单元13用于获取该逾期客户的外部征信信息。外部征信获取单元13连接到外部征信系统中,根据客户的姓名、身份证等个人信息从外部征信系统中获取到该逾期客户的外部征信情况。
评级单元14根据该逾期客户的客户信息和外部征信信息对逾期客户进行评级。具体的,评级单元14通过训练好的分类模型,以客户信息和外部征信信息作为输入,以评级结果作为输出。例如可以通过Transformer模型进行风险评级。具体的,首先对输入变量进行初筛,在变量处理上采用one-hot编码变换,对于连续性变量进行标准化处理,利用Transformer特征抽取,可以实现模型的并行计算,训练和预测推理速度比较快,transformer中的self-attention计算实现上下文,更有质量。在Transformer的后面后连接全连接层和softmax,输出客户需要被催收的风险等级。
策略选择单元15根据评级单元14的评级结果选择催收方式,催收方式包括:不催收、短信催收、电话催收和上门催收。
催收任务生成单元16根据策略选择单元15选择的催收方式生成催收任务并发送至对应的催收子系统。
在本发明中,评级单元14根据上述信息将逾期客户划分为1-9个等级,数字越大表示客户风险度越大。评级结果为1的客户无需处理。评级结果为2的客户需要进行短信催收。评级结果为3-8的客户需要进行电话催收。评级等级越高,制定的催收任务中对应的电话催收频率越大。可以理解的是,等级的划分以及每个等级对应的催收方式可以根据具体情况进行调整。
当催收方式为短信催收时,催收任务生成单元16将生成的催收任务发送至短信催收子系统20,短信催收子系统20根据催收任务发送催收短信至逾期客户进行短信催收。当催收方式为人工催收时,催收任务生成单元16将生成的催收任务发送至人工催收子系统30,人工催收子系统30根据催收任务指定派遣计划并将派遣计划发送至对应的催收人员,催收人员按照派遣计划上门催收。当催收方式为电话催收时,催收任务生成单元16将生成的催收任务发送至电话催收子系统40,电话催收子系统40根据催收任务自动向逾期客户拨打电话进行电话催收。
作为一种优选的实施方式,客户管理子系统10还包括社会指标获取单元17。
具体的,社会指标获取单元17用于获取当前的社会指标。社会指标获取单元17连接到外部系统中获取到能够反映社会经济情况的社会指标。社会指标包括但不限于季度指标的失业率、消费者信心指数、消费者价格指数和银行间拆借利率等。评级单元14根据该逾期客户的客户信息、外部征信信息和社会指标对逾期客户进行评级。相比较于仅考虑客户信息和外部征信信息,将社会指标作为评级单元14的评级输入,能够更加精确的反应该逾期客户的风险等级。
作为一种优选的实施方式,客户管理子系统10还包括:信息更新单元18。
信息更新单元18保存该逾期客户的客户信息、外部征信信息、社会指标和评级结果。人工催收子系统30或电话催收子系统40将催收结果反馈至客户管理子系统10。信息更新单元18根据人工催收子系统30或电话催收子系统40的催收结果对其内存储的客户信息进行更新。评级单元14根据该逾期客户的更新后的客户信息、外部征信信息和社会指标对逾期客户进行重新评级。
可以理解的是,客户的风险等级是一个动态指标,是根据客户的还款表现不断变换的。举例说明,当逾期客户积极响应电话催收或人工催收,该逾期客户的实际风险等级会比原先评定的低。相反,当逾期客户拒绝电话催收或人工催收,该逾期客户的实际风险等级会比原先评定的高。通过信息更新单元18根据电话催收或人工催收的催收结果对逾期客户的客户信息进行更新,再通过评级单元14对该逾期客户进行重新评级。进一步地,当重新评级后的评级结果发生变化时,再根据新的评级结果生成新的催收任务。
作为一种优选的实施方式,如图3所示,电话催收子系统40包括:任务解析单元41、开场语音存储单元42、语音匹配单元43、智能呼叫单元44、语音播放单元45、语音接收单元46、ASR(Automatic Speech Recognition,自动语音识别)语音识别单元47、TTS(Text ToSpeech,文本转语音)语音合成单元48、意图识别单元49、话术存储单元50和话术匹配单元51。
具体而言,任务解析单元41解析催收任务得到呼叫策略并将其发送至语音匹配单元43和智能呼叫单元44,呼叫策略包括开场语音类型和客户电话。开场语音存储单元42用存储若干开场语音。语音匹配单元43根据呼叫策略从开场语音存储单元42中匹配出对应的开场语音并发送至语音播放单元45。智能呼叫单元44用于根据呼叫策略拨打逾期客户的电话。语音播放单元45用于当呼叫单元拨通逾期客户的电话后将匹配出的开场语音向逾期客户播放。语音接收单元46用于接收逾期客户的语音信息并将其发送至ASR语音识别单元47。ASR语音识别单元47将逾期客户的语音信息转换成文本信息并发送至意图识别单元49。意图识别单元49分析文本信息以识别出客户意图。话术存储单元50存储答复客户的回复文本。话术匹配单元51根据客户意图从话术存储单元50中匹配出对应的回复文本并将其发送至TTS语音合成单元48。TTS语音合成单元48将接收到的回复文本转换成回复语音并发送至语音播放单元45。语音播放单元45向逾期客户播放回复语音。
作为一种优选的实施方式,如图4所示,意图识别单元49包括:文本处理模块491、分类网络模块492和训练模块493。文本处理模块491用于对文本信息进行处理得到输入特征。分类网络模块492用于接收输入特征并通过分类模型对输入特征进行处理得到客户意图。训练模块493用于通过样本对分类网络模块492的分类模型进行训练。其中,训练模块493包括:识别子模块4931、替换子模块4932、生成子模块4933、第一训练子模块4934和第二训练子模块4935。识别子模块4931用于识别出与小样本相似的大样本,相似度阈值可以根据实际情况进行设定。替换子模块4932用于对识别出的大样本按照模板进行替换得到第一虚拟小样本。生成子模块4933用于通过生成模型生成第二虚拟小样本。第一训练子模块4934用于通过小样本和其对应的第一虚拟小样本对生成子模块4933中的生成模型进行训练。第二训练子模块4935用于通过大样本、小样本和生成子模块4933根据小样本生成的第二虚拟小样本对分类网络模块492的分类模型进行训练。
可以理解的是,不同意图的样本数据存在数据不平衡性。某些意图的样本数据非常少,为小样本。而有些意图的样本数据很多,为大样本。样本不平衡会导致模型训练过程中,模型过拟合。导致的结果是当接电话的逾期客户咨询一个小样本意图的问题时,分类模型常常会出错将其识别成大样本意图。为了解决该问题,在本发明中,通过技术手段对样本数据中的小样本进行扩充,进而通过大样本和扩充后的小样本对分类模型进行训练,从而避免模型过拟合。具体的,通过识别子模块4931识别出与小样本近似的大样本数据,再通过替换子模块4932对识别出的大样本数据进行模板替换,将大样本数据转换成第一虚拟小样本数据。再通过第一训练子模块4934,以小样本作为输入,以第一虚拟小样本数据作为输出,对生成子模块4933中的生成模型进行训练使其具有生成功能。最后将小样本作为输入,生成子模块4933能够生成若干第二虚拟小样本,将第二虚拟小样本作为小样本的扩充,提高小样本的基数。最后再通过第二训练子模块4935,以大样本、小样本以及第二虚拟小样本对分类网络模块492的分类模型进行训练。进过上述过程,训练好的分类模型不会产生模型过拟合,从而提高意图识别单元49识别精度。
如图5所示为本发明的一种智能催收方法,包括以下步骤:
S1:识别出逾期客户并获取其对应的客户信息,客户信息包含个人信息和还款信息。
S2:获取该逾期客户的外部征信信息。
S3:根据该逾期客户的客户信息和外部征信信息对该逾期客户进行评级。
S4:根据评级结果选择针对该客户的催收方式,催收方式包括:不催收、短信催收、电话催收和上门催收。
S5:根据具体的催收方式生成催收任务。
S6:当催收方式为短信催收时,根据催收任务发送催收短信至逾期客户进行短信催收。
S7:当催收方式为人工催收时,根据催收任务指定派遣计划并将派遣计划发送至对应的催收人员,催收人员按照派遣计划上门催收。
S8:当催收方式为电话催收时,根据催收任务自动向逾期客户拨打电话进行电话催收。
作为一种优选的实施方式,在获取该逾期客户的外部征信信息之后,智能催收方法还包括:
获取当前的社会指标。根据该逾期客户的客户信息和外部征信信息对该逾期客户进行评级具体为:根据该逾期客户的客户信息、外部征信信息和社会指标对该逾期客户进行评级。
作为一种优选的实施方式,智能催收方法还包括:
通过电话催收的结果或人工催收的结果对该逾期客户的客户信息进行更新。根据该逾期客户的更新后的客户信息、外部征信信息和社会指标对该逾期客户进行重新评级。
作为一种优选的实施方式,根据催收任务自动向逾期客户拨打电话进行电话催收的具体方法为:解析催收任务得到呼叫策略,呼叫策略包括开场语音类型和客户电话。根据呼叫策略匹配出对应的开场语音。根据呼叫策略拨打逾期客户的电话并当接通电话后向该逾期客户播放开场语音。接收逾期客户的语音信息并将其转换成文本信息。根据文本信息识别出该逾期客户的客户意图。根据客户意图匹配出对应的回复文本。将回复文本转换成回复语音并向该逾期客户播放。
作为一种优选的实施方式,根据文本信息识别出该逾期客户的客户意图的具体方法为:对文本信息进行处理得到输入特征。通过分类模型对输入特征进行处理得到客户意图。其中,对分类模型进行训练的具体方法为:识别出与小样本相似的大样本。对识别出的大样本按照模板进行替换得到第一虚拟小样本。通过小样本和其对应的第一虚拟小样本对生成模型进行训练。通过大样本、小样本和训练好的生成模型根据小样本生成的第二虚拟小样本对分类模型进行训练。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (10)
1.一种智能催收系统,其特征在于,包括:
客户管理子系统、短信催收子系统、人工催收子系统和电话催收子系统;
所述客户管理子系统连接至所述短信催收子系统、所述人工催收子系统和所述电话催收子系统;
所述客户管理子系统包括:客户管理单元、逾期客户识别单元、外部征信获取单元、评级单元、策略选择单元和催收任务生成单元;
所述客户管理单元存储客户的客户信息,所述客户信息包含个人信息和还款信息;
所述逾期客户识别单元从所述客户管理单元中识别出逾期的客户并将其对应的客户信息提取出来;
所述外部征信获取单元用于获取该逾期客户的外部征信信息;
所述评级单元根据该逾期客户的客户信息和外部征信信息对逾期客户进行评级;
所述策略选择单元根据所述评级单元的评级结果选择催收方式,所述催收方式包括:不催收、短信催收、电话催收和上门催收;
所述催收任务生成单元根据所述策略选择单元选择的催收方式生成催收任务并发送至对应的催收子系统;
当所述催收方式为短信催收时,所述催收任务生成单元将生成的催收任务发送至所述短信催收子系统,所述短信催收子系统根据所述催收任务发送催收短信至逾期客户进行短信催收;
当所述催收方式为人工催收时,所述催收任务生成单元将生成的催收任务发送至所述人工催收子系统,所述人工催收子系统根据所述催收任务指定派遣计划并将所述派遣计划发送至对应的催收人员,催收人员按照所述派遣计划上门催收;
当所述催收方式为电话催收时,所述催收任务生成单元将生成的催收任务发送至所述电话催收子系统,所述电话催收子系统根据所述催收任务自动向逾期客户拨打电话进行电话催收。
2.根据权利要求1所述的智能催收系统,其特征在于,
所述客户管理子系统还包括社会指标获取单元;
所述社会指标获取单元用于获取当前的社会指标;
所述评级单元根据该逾期客户的客户信息、外部征信信息和所述社会指标对逾期客户进行评级。
3.根据权利要求2所述的智能催收系统,其特征在于,
所述客户管理子系统还包括:信息更新单元;
所述信息更新单元保存该逾期客户的客户信息、外部征信信息、所述社会指标和所述评级结果;
所述人工催收子系统或所述电话催收子系统将催收结果反馈至所述客户管理子系统;
所述信息更新单元根据所述人工催收子系统或所述电话催收子系统的催收结果对其内存储的所述客户信息进行更新;
所述评级单元根据该逾期客户的更新后的客户信息、外部征信信息和所述社会指标对逾期客户进行重新评级。
4.根据权利要求1所述的智能催收系统,其特征在于,
所述电话催收子系统包括:任务解析单元、开场语音存储单元、语音匹配单元、智能呼叫单元、语音播放单元、语音接收单元、ASR语音识别单元、TTS语音合成单元、意图识别单元、话术存储单元和话术匹配单元;
所述任务解析单元解析所述催收任务得到呼叫策略并将其发送至所述语音匹配单元和所述智能呼叫单元,所述呼叫策略包括开场语音类型和客户电话;
所述开场语音存储单元用存储若干开场语音;
所述语音匹配单元根据所述呼叫策略从所述开场语音存储单元中匹配出对应的开场语音并发送至所述语音播放单元;
所述智能呼叫单元用于根据所述呼叫策略拨打逾期客户的电话;
所述语音播放单元用于当所述呼叫单元拨通逾期客户的电话后将匹配出的开场语音向逾期客户播放;
所述语音接收单元用于接收逾期客户的语音信息并将其发送至所述ASR语音识别单元;
所述ASR语音识别单元将逾期客户的语音信息转换成文本信息并发送至所述意图识别单元;
所述意图识别单元分析所述文本信息以识别出客户意图;
所述话术存储单元存储答复客户的回复文本;
所述话术匹配单元根据所述客户意图从所述话术存储单元中匹配出对应的回复文本并将其发送至所述TTS语音合成单元;
所述TTS语音合成单元将接收到的回复文本转换成回复语音并发送至所述语音播放单元;
所述语音播放单元向逾期客户播放所述回复语音。
5.根据权利要求4所述的智能催收系统,其特征在于,
所述意图识别单元包括:
文本处理模块,用于对所述文本信息进行处理得到输入特征;
分类网络模块,用于接收所述输入特征并通过分类模型对所述输入特征进行处理得到所述客户意图;
训练模块,用于通过样本对所述分类网络模块的分类模型进行训练;
所述训练模块包括:
识别子模块,用于识别出与小样本相似的大样本;
替换子模块,用于对识别出的大样本按照模板进行替换得到第一虚拟小样本;
生成子模块,用于通过生成模型生成第二虚拟小样本;
第一训练子模块,用于通过小样本和其对应的第一虚拟小样本对所述生成子模块中的生成模型进行训练;
第二训练子模块,用于通过大样本、小样本和所述生成子模块根据小样本生成的第二虚拟小样本对所述分类网络模块的分类模型进行训练。
6.一种智能催收方法,其特征在于,包括以下步骤:
识别出逾期客户并获取其对应的客户信息,所述客户信息包含个人信息和还款信息;
获取该逾期客户的外部征信信息;
根据该逾期客户的客户信息和外部征信信息对该逾期客户进行评级;
根据评级结果选择针对该客户的催收方式,所述催收方式包括:不催收、短信催收、电话催收和上门催收;
根据具体的催收方式生成催收任务;
当所述催收方式为短信催收时,根据所述催收任务发送催收短信至逾期客户进行短信催收;
当所述催收方式为人工催收时,根据所述催收任务指定派遣计划并将所述派遣计划发送至对应的催收人员,催收人员按照所述派遣计划上门催收;
当所述催收方式为电话催收时,根据所述催收任务自动向逾期客户拨打电话进行电话催收。
7.根据权利要求6所述的智能催收方法,其特征在于,
在所述获取该逾期客户的外部征信信息之后,所述智能催收方法还包括:
获取当前的社会指标;
所述根据该逾期客户的客户信息和外部征信信息对该逾期客户进行评级具体为:
根据该逾期客户的客户信息、外部征信信息和所述社会指标对该逾期客户进行评级。
8.根据权利要求7所述的智能催收方法,其特征在于,
所述智能催收方法还包括:
通过电话催收的结果或人工催收的结果对该逾期客户的客户信息进行更新;
根据该逾期客户的更新后的客户信息、外部征信信息和所述社会指标对该逾期客户进行重新评级。
9.根据权利要求6所述的智能催收方法,其特征在于,
所述根据所述催收任务自动向逾期客户拨打电话进行电话催收的具体方法为:
解析所述催收任务得到呼叫策略,所述呼叫策略包括开场语音类型和客户电话;
根据所述呼叫策略匹配出对应的开场语音;
根据所述呼叫策略拨打逾期客户的电话并当接通电话后向该逾期客户播放所述开场语音;
接收逾期客户的语音信息并将其转换成文本信息;
根据所述文本信息识别出该逾期客户的客户意图;
根据所述客户意图匹配出对应的回复文本;
将所述回复文本转换成回复语音并向该逾期客户播放。
10.根据权利要求9所述的智能催收方法,其特征在于,
所述根据所述文本信息识别出该逾期客户的客户意图的具体方法为:
对所述文本信息进行处理得到输入特征;
通过分类模型对所述输入特征进行处理得到所述客户意图;
其中,对分类模型进行训练的具体方法为:
识别出与小样本相似的大样本;
对识别出的大样本按照模板进行替换得到第一虚拟小样本;
通过小样本和其对应的第一虚拟小样本对生成模型进行训练;
通过大样本、小样本和训练好的所述生成模型根据小样本生成的第二虚拟小样本对所述分类模型进行训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010646427.4A CN111833076A (zh) | 2020-07-07 | 2020-07-07 | 智能催收系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010646427.4A CN111833076A (zh) | 2020-07-07 | 2020-07-07 | 智能催收系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111833076A true CN111833076A (zh) | 2020-10-27 |
Family
ID=72900322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010646427.4A Pending CN111833076A (zh) | 2020-07-07 | 2020-07-07 | 智能催收系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111833076A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819613A (zh) * | 2021-03-09 | 2021-05-18 | 重庆度小满优扬科技有限公司 | 贷款信息的处理方法、设备以及存储介质 |
CN113284497A (zh) * | 2020-12-31 | 2021-08-20 | 一汽资本控股有限公司 | 一种向客户进行催收的方法、装置以及智能催收系统 |
TWI785721B (zh) * | 2021-08-05 | 2022-12-01 | 中國信託商業銀行股份有限公司 | 即時分析回覆設備 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040073607A1 (en) * | 2002-09-25 | 2004-04-15 | Su Chi Chung | Multimedia messaging system and method |
CN109064315A (zh) * | 2018-08-02 | 2018-12-21 | 平安科技(深圳)有限公司 | 逾期账单智能催收方法、装置、计算机设备及存储介质 |
CN109800306A (zh) * | 2019-01-10 | 2019-05-24 | 深圳Tcl新技术有限公司 | 意图分析方法、装置、显示终端及计算机可读存储介质 |
CN110321928A (zh) * | 2019-06-03 | 2019-10-11 | 深圳中兴网信科技有限公司 | 环境检测模型的生成方法、计算机设备及可读存储介质 |
CN110335138A (zh) * | 2019-06-21 | 2019-10-15 | 上海淇馥信息技术有限公司 | 一种预测客群资质变化的风险预警方法、装置和电子设备 |
CN111192136A (zh) * | 2019-12-24 | 2020-05-22 | 中信百信银行股份有限公司 | 一种信贷业务的催收方法、装置、电子设备及存储介质 |
-
2020
- 2020-07-07 CN CN202010646427.4A patent/CN111833076A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040073607A1 (en) * | 2002-09-25 | 2004-04-15 | Su Chi Chung | Multimedia messaging system and method |
CN109064315A (zh) * | 2018-08-02 | 2018-12-21 | 平安科技(深圳)有限公司 | 逾期账单智能催收方法、装置、计算机设备及存储介质 |
CN109800306A (zh) * | 2019-01-10 | 2019-05-24 | 深圳Tcl新技术有限公司 | 意图分析方法、装置、显示终端及计算机可读存储介质 |
CN110321928A (zh) * | 2019-06-03 | 2019-10-11 | 深圳中兴网信科技有限公司 | 环境检测模型的生成方法、计算机设备及可读存储介质 |
CN110335138A (zh) * | 2019-06-21 | 2019-10-15 | 上海淇馥信息技术有限公司 | 一种预测客群资质变化的风险预警方法、装置和电子设备 |
CN111192136A (zh) * | 2019-12-24 | 2020-05-22 | 中信百信银行股份有限公司 | 一种信贷业务的催收方法、装置、电子设备及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113284497A (zh) * | 2020-12-31 | 2021-08-20 | 一汽资本控股有限公司 | 一种向客户进行催收的方法、装置以及智能催收系统 |
CN112819613A (zh) * | 2021-03-09 | 2021-05-18 | 重庆度小满优扬科技有限公司 | 贷款信息的处理方法、设备以及存储介质 |
TWI785721B (zh) * | 2021-08-05 | 2022-12-01 | 中國信託商業銀行股份有限公司 | 即時分析回覆設備 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111833076A (zh) | 智能催收系统及方法 | |
CN111653262B (zh) | 一种智能语音交互系统及方法 | |
CN111833871A (zh) | 基于意图识别的智能外呼系统及其方法 | |
CN103458056B (zh) | 自动外呼系统基于自动分类技术的语音意图判定系统 | |
CN102802114B (zh) | 利用语音进行座席筛选的方法及系统 | |
CN107169034B (zh) | 一种多轮人机交互的方法及系统 | |
CN111223485A (zh) | 智能交互方法、装置、电子设备及存储介质 | |
CN111696558A (zh) | 智能外呼方法、装置、计算机设备及存储介质 | |
AU2005200320A1 (en) | Recognition results postprocessor for use in voice recognition systems | |
CN101334999A (zh) | 中文语音识别系统及其语音识别方法 | |
CN110266900B (zh) | 客户意图的识别方法、装置及客服系统 | |
CN111475714A (zh) | 一种信息推荐的方法、装置、设备和介质 | |
CN106993089A (zh) | 语音菜单显示的方法与装置 | |
CN110110038A (zh) | 话务预测方法、装置、服务器及存储介质 | |
CN112131358A (zh) | 场景流程结构及所应用的智能客服系统 | |
CN107800900B (zh) | 通话数据处理方法、装置、存储介质和计算机设备 | |
CN110782341A (zh) | 业务催收方法、装置、设备及介质 | |
CN112102807A (zh) | 语音合成方法、装置、计算机设备和存储介质 | |
CN113132214B (zh) | 一种对话方法、装置、服务器及存储介质 | |
CN114490994B (zh) | 对话管理方法及装置 | |
CN110047486A (zh) | 语音控制方法、装置、服务器、系统及存储介质 | |
CN112929502B (zh) | 一种基于电力客服的语音识别方法及系统 | |
CN110765242A (zh) | 一种客服信息的提供方法,装置及系统 | |
CN114254088A (zh) | 自动应答模型的构建方法和自动应答方法 | |
CN111340555A (zh) | 基于法律领域用户画像模型的建议决策系统及方法 |
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 | ||
CB02 | Change of applicant information |
Address after: Xinyada technology building, 3888 Jiangnan Avenue, Binjiang District, Hangzhou City, Zhejiang Province 310051 Applicant after: Sinyada Technology Co.,Ltd. Address before: Xinyada technology building, 3888 Jiangnan Avenue, Binjiang District, Hangzhou City, Zhejiang Province 310051 Applicant before: SUNYARD SYSTEM ENGINEERING Co.,Ltd. |
|
CB02 | Change of applicant information |