CN111866288A - 客户来电的处理方法及装置 - Google Patents
客户来电的处理方法及装置 Download PDFInfo
- Publication number
- CN111866288A CN111866288A CN202010776037.9A CN202010776037A CN111866288A CN 111866288 A CN111866288 A CN 111866288A CN 202010776037 A CN202010776037 A CN 202010776037A CN 111866288 A CN111866288 A CN 111866288A
- Authority
- CN
- China
- Prior art keywords
- client
- waiting
- call
- incoming call
- neural network
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/64—Automatic arrangements for answering calls; Automatic arrangements for recording messages for absent subscribers; Arrangements for recording conversations
-
- 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
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
-
- 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
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
- H04M3/5232—Call distribution algorithms
-
- 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
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
- H04M3/5238—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing with waiting time or load prediction arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种客户来电的处理方法及装置,该方法包括:在客户来电时,获得来电时刻之前的多个等待接通的客户的客户信息和待办业务类型;根据多个等待接通的客户的客户信息和待办业务类型,预测来电客户的等待时长;在该来电客户的等待时长大于预设时长阈值时,向该来电客户发送停止等待的指示,可以提醒客户挂断电话,避免客户在线等待较长时间,在多个等待接通的客户通话完成后,向该来电客户发起智能外呼,无需客户重复拨打电话,提高了客户来电的处理效率,提升了客户体验。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种客户来电的处理方法。
背景技术
在银行系统中,电话银行是一种重要的对客服务方式,目前大部分电话银行的操作链路长、用户接通耗时久,平均一个客户接通人工客服的时间大约要5-8分钟,这样在客户来电的高峰期,可能导致客户长期处于等待状态和客户重复来电,效率低,客户体验差。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供一种客户来电的处理方法,用以提高客户来电的处理效率,避免客户等待较长的时间,该方法包括:
在客户来电时,获得来电时刻之前的多个等待接通的客户的客户信息和待办业务类型;
根据多个等待接通的客户的客户信息和待办业务类型,预测来电客户的等待时长;
在该来电客户的等待时长大于预设时长阈值时,向该来电客户发送停止等待的指示;
在多个等待接通的客户通话完成后,向该来电客户发起智能外呼。
本发明实施例提供一种客户来电的处理装置,用以提高客户来电的处理效率,避免客户等待较长的时间,该装置包括:
等待信息确定模块,用于在客户来电时,获得来电时刻之前的多个等待接通的客户的客户信息和待办业务类型;
等待时长预测模块,用于根据多个等待接通的客户的客户信息和待办业务类型,预测来电客户的等待时长;
指示发送模块,用于在该来电客户的等待时长大于预设时长阈值时,向该来电客户发送停止等待的指示;
智能外呼模块,用于在等待接通的客户通话完成后,向该来电客户发起智能外呼。
本发明实施例还提供了一种计算机设备,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,处理器执行计算机程序时实现上述客户来电的处理方法。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有执行上述客户来电的处理方法的计算机程序。
本发明实施例通过:在客户来电时,获得来电时刻之前的多个等待接通的客户的客户信息和待办业务类型;根据多个等待接通的客户的客户信息和待办业务类型,预测来电客户的等待时长;在该来电客户的等待时长大于预设时长阈值时,向该来电客户发送停止等待的指示,可以提醒客户挂断电话,避免客户在线等待较长时间,在多个等待接通的客户通话完成后,向该来电客户发起智能外呼,无需客户重复拨打电话,提高了客户来电的处理效率,提升了客户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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。在附图中:
图1为本发明实施例中客户来电的处理方法流程的示意图;
图2为图1中步骤102的具体流程的示意图;
图3为本发明实施例中确定神经网络模型流程的示意图;
图4为本发明实施例中客户来电的处理装置结构的示意图;
图5为本发明实施例中客户来电的处理装置另一结构的示意图。
具体实施方式
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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本领域技术技术人员知道,本发明的实施方式可以实现为一种系统、装置、方法或计算机程序产品。因此,本发明公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
为了解决在客户来电的高峰期,可能导致客户长期处于等待状态和客户重复来电的技术问题,本发明实施例提供一种客户来电的处理方法,用以提高客户来电的处理效率,避免客户等待较长的时间,图1为本发明实施例中客户来电的处理方法流程的示意图,如图1所示,该方法包括:
步骤101:在客户来电时,获得来电时刻之前的多个等待接通的客户的客户信息和待办业务类型;
步骤102:根据多个等待接通的客户的客户信息和待办业务类型,预测来电客户的等待时长;
步骤103:在该来电客户的等待时长大于预设时长阈值时,向该来电客户发送停止等待的指示;
步骤104:在多个等待接通的客户通话完成后,向该来电客户发起智能外呼。
如图1所示,本发明实施例通过:在客户来电时,获得来电时刻之前的多个等待接通的客户的客户信息和待办业务类型;根据多个等待接通的客户的客户信息和待办业务类型,预测来电客户的等待时长;在该来电客户的等待时长大于预设时长阈值时,向该来电客户发送停止等待的指示,可以提醒客户挂断电话,避免客户在线等待较长时间,在多个等待接通的客户通话完成后,向该来电客户发起智能外呼,无需客户重复拨打电话,提高了客户来电的处理效率,提升了客户体验。
具体实施时,当客户需要接入电话银行寻求人工帮助时,客户可以拨打银行服务号码,按照提示音选择需要办理的业务类型,步骤101中在客户来电时,可以从排队序列中获得来电时刻之前的等待接通的客户的数目,以及等待接通的客户的客户信息和待办业务类型,其中,客户信息可以包括:客户账户余额、客户等级、客户职业、是否具有信用卡等信息,还可以包括其他信息,本发明不以此为限定。
图2为图1中步骤102的具体流程的示意图,如图2所示,在一个实施例中,步骤102中,根据多个等待接通的客户的客户信息和待办业务类型,预测来电客户的等待时长,可以包括:
步骤201:分别将各个等待接通的客户的客户信息和待办业务类型输入神经网络模型,输出各个等待接通的客户的通话时长;其中,神经网络模型根据多个等待接通的客户的历史通话数据训练得到;
步骤202:将各个等待接通的客户的通话时长之和确定为来电客户的等待时长。
图3为本发明实施例中确定神经网络模型流程的示意图,如图3所示,在一个实施例中,在步骤102将各个等待接通的客户的客户信息和待办业务类型输入神经网络模型之前,还包括:
按照如下方式确定神经网络模型:
步骤301:确定神经网络模型的网络结构;
步骤302:基于遗传算法优化神经网络模型的初始权值和阈值;
步骤303:获得样本数据,将样本数据划分为训练集和验证集,其中,样本数据为各个等待接通的客户的历史通话业务类型和历史通话时长;
步骤304:根据训练集对神经网络模型进行训练;
步骤305:根据验证集对训练好的神经网络模型进行验证。
在一个实施例中,上述步骤305可以包括:
在验证通过时,确定神经网络模型;
在验证未通过时,调整神经网络模型的网络参数,根据训练集对调整后的神经网络模型重新训练。
下面介绍确定神经网络模型的具体过程。
首先建立一个三层BP神经网络,根据kolmogorov原理,一个三层BP神经网络足以完成任意的n维到m维的映射,然后,将遗传算法输出的最优个体作为BP神经网络初始权值和阈值,接着,对于多个等待接通的客户,从数据库中查询这些客户最近几次的历史通话数据,包括:历史通话业务类型、历史通话时长、月来电次数、上次来电时间等,将这些历史通话数据作为样本数据,将样本数据分为训练集和验证集,根据训练集对神经网络模型进行训练,根据验证集对训练好的神经网络模型进行验证,在验证通过时,确定神经网络模型,在验证未通过时,调整神经网络模型的网络参数,根据训练集对调整后的神经网络模型重新训练和重新验证,直至验证通过,确定最终的神经网络模型。
具体实施时,步骤201中,可以分别将各个等待接通的客户的客户信息和待办业务类型输入上述训练好的神经网络模型中,输出各个等待接通的客户的通话时长,对各个等待接通的客户的通话时长进行预测,然后步骤202中可以基于等待接通的客户的数目,将各个等待接通的客户的通话时长相加,确定为来电客户的等待时长。
具体实施时,步骤103中,在该来电客户的等待时长大于预设时长阈值时,预设时长阈值例如可以是10分钟,认为该来电客户需要在线等待较长时间,可以向该来电客户发送停止等待的指示,提示客户挂机,而无需一直在线上等待,缩短了客户线上等待时长,提升了客户体验。停止等待的指示可以是通过管理员配置话术的一段语言提示,可以包括预计智能外呼的时刻,其中,预计智能外呼的时刻可以基于客户等待时长确定,语言提示例如可以是:“尊敬的客户您好,由于当前排队人数较多,系统已经自动登记您的来电信息,预计在XX时间后自动外呼到您的手机,请您保持通话畅通,谢谢您的配合”。在该来电客户的等待时长小于或等于预设时长阈值时,可以将该来电客户加入排队序列中,等待接通。
具体实施时,步骤104中,在多个等待接通的客户通话完成后,可以向该来电客户发起智能外呼,而无需客户重复拨打电话,重复输入业务类型,减少了客户的操作流程,提升了客户体验。
在一个实施例中,向该来电客户发送停止等待的指示后,还可以包括:
存储该来电客户的来电数据;
步骤104向该来电客户发起智能外呼,还包括:
根据该来电客户的来电数据,查询该来电客户的历史通话数据;
将该来电客户的来电数据和历史通话数据发送至该智能外呼对应的客服端。
具体实施时,向该来电客户发送停止等待的指示后,可以存储该来电客户的来电数据,包括客户标识和待办业务类型,然后可以根据客户标识,从数据库中查询该客户的历史通话数据,包括:历史通话次数、历史通话业务类型和历史通话时间等信息,可以将该来电客户的来电数据和历史通话数据发送至该智能外呼对应的客服端,这样便于客服端的人员了解该客户的需求,更加快捷的为该客户提供服务,提升沟通效率,进一步提升客户体验。
应当注意,尽管在附图中以特定顺序描述了本发明方法的操作,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。
基于同一发明构思,本发明实施例中还提供了一种客户来电的处理装置,如下面的实施例。由于客户来电的处理装置解决问题的原理与客户来电的处理方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本发明实施例提供一种客户来电的处理装置,用以提高客户来电的处理效率,避免客户等待较长的时间,图4为本发明实施例中客户来电的处理装置结构的示意图,如图4所示,该装置可以包括:
等待信息确定模块01,用于在客户来电时,获得来电时刻之前的多个等待接通的客户的客户信息和待办业务类型;
等待时长预测模块02,用于根据多个等待接通的客户的客户信息和待办业务类型,预测来电客户的等待时长;
指示发送模块03,用于在该来电客户的等待时长大于预设时长阈值时,向该来电客户发送停止等待的指示;
智能外呼模块04,用于在等待接通的客户通话完成后,向该来电客户发起智能外呼。
在一个实施例中,等待时长预测模块02具体用于:
分别将各个等待接通的客户的客户信息和待办业务类型输入神经网络模型,输出各个等待接通的客户的通话时长;其中,神经网络模型根据多个等待接通的客户的历史通话数据训练得到;
将各个等待接通的客户的通话时长之和确定为来电客户的等待时长。
图5为本发明实施例中客户来电的处理装置另一结构的示意图,如图5所示,在一个实施例中,该装置还包括:神经网络模型确定模块05,用于:
在将各个等待接通的客户的客户信息和待办业务类型输入神经网络模型之前,按照如下方式确定神经网络模型:
确定神经网络模型的网络结构;
基于遗传算法优化神经网络模型的初始权值和阈值;
获得样本数据,将样本数据划分为训练集和验证集,其中,样本数据为各个等待接通的客户的历史通话业务类型和历史通话时长;
根据训练集对神经网络模型进行训练;
根据验证集对训练好的神经网络模型进行验证。
在一个实施例中,神经网络模型确定模块05具体用于:
在验证通过时,确定神经网络模型;
在验证未通过时,调整神经网络模型的网络参数,根据训练集对调整后的神经网络模型重新训练。
如图5所示,在一个实施例中,该装置还包括:存储模块06,用于向该来电客户发送停止等待的指示后,
存储该来电客户的来电数据;
智能外呼模块04还用于:
根据该来电客户的来电数据,查询该来电客户的历史通话数据;
将该来电客户的来电数据和历史通话数据发送至该智能外呼对应的客服端。
本发明实施例还提供了一种计算机设备,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,处理器执行计算机程序时实现上述客户来电的处理方法。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有执行上述客户来电的处理方法的计算机程序。
下面举一个具体的例子,以便于理解本发明如何实施。
第一步:当客户需要接入电话银行寻求人工帮助时,客户拨打银行服务号码,按照提示音选择需要办理的业务类型,在收到客户来电时,从排队序列中获得来电时刻之前的等待接通的客户数目,以及等待接通的客户的客户信息和待办业务类型;
第二步:建立三层BP神经网络,将遗传算法输出的最优个体作为BP神经网络初始权值和阈值,对于多个等待接通的客户,从数据库中查询这些客户最近几次的历史通话数据,将历史通话数据作为样本数据,将样本数据分为训练集和验证集,根据训练集对神经网络模型进行训练,根据验证集对训练好的神经网络模型进行验证,在验证通过时,确定神经网络模型,在验证未通过时,调整神经网络模型的网络参数,根据训练集对调整后的神经网络模型重新训练和重新验证,直至验证通过,确定最终的神经网络模型;
第三步:分别将各个等待接通的客户的客户信息和待办业务类型输入上述训练好的神经网络模型中,输出各个等待接通的客户的通话时长,将各个等待接通的客户的通话时长相加,确定为来电客户的等待时长;
第四步:在该来电客户的等待时长大于10分钟时,向该来电客户发送停止等待的指示,提示客户挂机;在该来电客户的等待时长小于或等于10分钟时,可以将该来电客户加入排队序列中,等待接通;
第五步:向该来电客户发送停止等待的指示后,存储该来电客户的来电数据,在多个等待接通的客户通话完成后,向该来电客户发起智能外呼,根据来电数据中的客户标识,从数据库中查询该客户的历史通话数据,将该来电客户的来电数据和历史通话数据发送至该智能外呼对应的客服端,便于客服端的人员了解该客户的需求,更加快捷的为该客户提供服务。
综上所述,本发明实施例通过:在客户来电时,获得来电时刻之前的多个等待接通的客户的客户信息和待办业务类型;根据多个等待接通的客户的客户信息和待办业务类型,预测来电客户的等待时长;在该来电客户的等待时长大于预设时长阈值时,向该来电客户发送停止等待的指示,可以提醒客户挂断电话,避免客户在线等待较长时间,在多个等待接通的客户通话完成后,向该来电客户发起智能外呼,无需客户重复拨打电话,提高了客户来电的处理效率,提升了客户体验。
此外,在向该来电客户发起智能外呼将的同时,将该来电客户的来电数据和历史通话数据发送至该智能外呼对应的客服端,便于客服端的人员了解该客户的需求,更加快捷的为该客户提供服务,提升沟通效率,进一步提升客户体验。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明可采用在一个或多个其中包含有计算机可用程序代码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。
本发明是参照根据本发明实施例的方法、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。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种客户来电的处理方法,其特征在于,包括:
在客户来电时,获得来电时刻之前的多个等待接通的客户的客户信息和待办业务类型;
根据所述多个等待接通的客户的客户信息和待办业务类型,预测来电客户的等待时长;
在该来电客户的等待时长大于预设时长阈值时,向该来电客户发送停止等待的指示;
在多个等待接通的客户通话完成后,向该来电客户发起智能外呼。
2.如权利要求1所述的方法,其特征在于,根据所述多个等待接通的客户的客户信息和待办业务类型,预测来电客户的等待时长,包括:
分别将各个等待接通的客户的客户信息和待办业务类型输入神经网络模型,输出各个等待接通的客户的通话时长;其中,所述神经网络模型根据多个等待接通的客户的历史通话数据训练得到;
将各个等待接通的客户的通话时长之和确定为来电客户的等待时长。
3.如权利要求2所述的方法,其特征在于,在将各个等待接通的客户的客户信息和待办业务类型输入神经网络模型之前,还包括:
按照如下方式确定所述神经网络模型:
确定神经网络模型的网络结构;
基于遗传算法优化神经网络模型的初始权值和阈值;
获得样本数据,将所述样本数据划分为训练集和验证集,其中,所述样本数据为各个等待接通的客户的历史通话业务类型和历史通话时长;
根据所述训练集对神经网络模型进行训练;
根据所述验证集对训练好的神经网络模型进行验证。
4.如权利要求3所述的方法,其特征在于,根据所述验证集对训练好的神经网络模型进行验证,包括:
在验证通过时,确定神经网络模型;
在验证未通过时,调整神经网络模型的网络参数,根据所述训练集对调整后的神经网络模型重新训练。
5.如权利要求1所述的方法,其特征在于,向该来电客户发送停止等待的指示后,还包括:
存储该来电客户的来电数据;
向该来电客户发起智能外呼,还包括:
根据该来电客户的来电数据,查询该来电客户的历史通话数据;
将该来电客户的来电数据和历史通话数据发送至该智能外呼对应的客服端。
6.一种客户来电的处理装置,其特征在于,包括:
等待信息确定模块,用于在客户来电时,获得来电时刻之前的多个等待接通的客户的客户信息和待办业务类型;
等待时长预测模块,用于根据所述多个等待接通的客户的客户信息和待办业务类型,预测来电客户的等待时长;
指示发送模块,用于在该来电客户的等待时长大于预设时长阈值时,向该来电客户发送停止等待的指示;
智能外呼模块,用于在等待接通的客户通话完成后,向该来电客户发起智能外呼。
7.如权利要求6所述的装置,其特征在于,所述等待时长预测模块具体用于:
分别将各个等待接通的客户的客户信息和待办业务类型输入神经网络模型,输出各个等待接通的客户的通话时长;其中,所述神经网络模型根据多个等待接通的客户的历史通话数据训练得到;
将各个等待接通的客户的通话时长之和确定为来电客户的等待时长。
8.如权利要求7所述的装置,其特征在于,还包括神经网络模型确定模块,用于:
在将各个等待接通的客户的客户信息和待办业务类型输入神经网络模型之前,按照如下方式确定所述神经网络模型:
确定神经网络模型的网络结构;
基于遗传算法优化神经网络模型的初始权值和阈值;
获得样本数据,将所述样本数据划分为训练集和验证集,其中,所述样本数据为各个等待接通的客户的历史通话业务类型和历史通话时长;
根据所述训练集对神经网络模型进行训练;
根据所述验证集对训练好的神经网络模型进行验证。
9.一种计算机设备,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计算机程序时实现权利要求1至5任一所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至5任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010776037.9A CN111866288A (zh) | 2020-08-05 | 2020-08-05 | 客户来电的处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010776037.9A CN111866288A (zh) | 2020-08-05 | 2020-08-05 | 客户来电的处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111866288A true CN111866288A (zh) | 2020-10-30 |
Family
ID=72971897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010776037.9A Pending CN111866288A (zh) | 2020-08-05 | 2020-08-05 | 客户来电的处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111866288A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269559A (zh) * | 2021-06-25 | 2021-08-17 | 中国银行股份有限公司 | 无网络客户端交易行为控制方法及装置 |
CN113315876A (zh) * | 2021-05-27 | 2021-08-27 | 中国银行股份有限公司 | 电话银行服务控制方法、装置、服务器及存储介质 |
CN113489851A (zh) * | 2021-07-02 | 2021-10-08 | 拉卡拉支付股份有限公司 | 信息提示方法、装置、电子设备、存储介质及程序产品 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2392190A4 (en) * | 2009-01-28 | 2012-08-01 | Virtual Hold Technology Llc | MOBILE COMMUNICATION DEVICE FOR ESTABLISHING AN AUTOMATED RECALL |
CN107800896A (zh) * | 2017-02-20 | 2018-03-13 | 平安科技(深圳)有限公司 | 电话业务交互方法和装置 |
CN108418980A (zh) * | 2018-02-28 | 2018-08-17 | 四川新网银行股份有限公司 | 一种挽回排队过程中丢失客户的方法 |
CN108683818A (zh) * | 2018-09-03 | 2018-10-19 | 携程旅游信息技术(上海)有限公司 | 呼叫中心分配坐席的方法、系统、设备及存储介质 |
CN109087435A (zh) * | 2018-08-13 | 2018-12-25 | 中国联合网络通信集团有限公司 | 排队时间的预测方法及排队系统 |
CN109698875A (zh) * | 2018-08-27 | 2019-04-30 | 平安科技(深圳)有限公司 | 外呼方法、系统、设备及计算机可读存储介质 |
CN111489026A (zh) * | 2020-04-08 | 2020-08-04 | 中国银行股份有限公司 | 一种排队时间预估方法、系统及装置 |
-
2020
- 2020-08-05 CN CN202010776037.9A patent/CN111866288A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2392190A4 (en) * | 2009-01-28 | 2012-08-01 | Virtual Hold Technology Llc | MOBILE COMMUNICATION DEVICE FOR ESTABLISHING AN AUTOMATED RECALL |
CN107800896A (zh) * | 2017-02-20 | 2018-03-13 | 平安科技(深圳)有限公司 | 电话业务交互方法和装置 |
CN108418980A (zh) * | 2018-02-28 | 2018-08-17 | 四川新网银行股份有限公司 | 一种挽回排队过程中丢失客户的方法 |
CN109087435A (zh) * | 2018-08-13 | 2018-12-25 | 中国联合网络通信集团有限公司 | 排队时间的预测方法及排队系统 |
CN109698875A (zh) * | 2018-08-27 | 2019-04-30 | 平安科技(深圳)有限公司 | 外呼方法、系统、设备及计算机可读存储介质 |
CN108683818A (zh) * | 2018-09-03 | 2018-10-19 | 携程旅游信息技术(上海)有限公司 | 呼叫中心分配坐席的方法、系统、设备及存储介质 |
CN111489026A (zh) * | 2020-04-08 | 2020-08-04 | 中国银行股份有限公司 | 一种排队时间预估方法、系统及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113315876A (zh) * | 2021-05-27 | 2021-08-27 | 中国银行股份有限公司 | 电话银行服务控制方法、装置、服务器及存储介质 |
CN113269559A (zh) * | 2021-06-25 | 2021-08-17 | 中国银行股份有限公司 | 无网络客户端交易行为控制方法及装置 |
CN113269559B (zh) * | 2021-06-25 | 2024-04-19 | 中国银行股份有限公司 | 无网络客户端交易行为控制方法及装置 |
CN113489851A (zh) * | 2021-07-02 | 2021-10-08 | 拉卡拉支付股份有限公司 | 信息提示方法、装置、电子设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111866288A (zh) | 客户来电的处理方法及装置 | |
AU2017404110B2 (en) | Agent allocation method and device, server, and storage medium | |
US8923502B2 (en) | Customer service system, method, and software program product for responding to queries using natural language understanding | |
JP4209046B2 (ja) | 複数のエージェントを備える通信処理設備において通信を処理する方法と装置 | |
WO2018086489A1 (zh) | 来电处理方法、装置及终端 | |
CN108259685B (zh) | 一种呼叫处理方法及装置 | |
US9635182B2 (en) | Method and system for managing interactive communications campaigns with call pacing | |
EP2312819B1 (en) | A method, apparatus and system for processing outbound calls | |
CN107231496A (zh) | 话务处理、服务处理方法、装置及服务器 | |
WO2019157779A1 (zh) | 一种来电处理方法、电子装置及计算机可读存储介质 | |
CN106993089A (zh) | 语音菜单显示的方法与装置 | |
CN108259681B (zh) | 基于保险业务的电话交互方法和装置 | |
WO2011140866A1 (zh) | 呼叫处理方法、装置和系统 | |
CN108632475B (zh) | 语音留言方法、装置、计算机设备和存储介质 | |
CN110572524B (zh) | 一种用户呼叫处理方法、装置、存储介质和服务器 | |
WO2022104266A1 (en) | Machine learning system for routing optimization based on historical performance data | |
CN111988478A (zh) | 一种呼入管理方法、装置、服务器及存储介质 | |
CN107786759A (zh) | 基于sip协议的呼叫排队方法和装置 | |
US20090323922A1 (en) | Method for providing call services by call center, call service system and server thereof | |
CN111601003A (zh) | 会话建立方法及装置 | |
US20200014801A1 (en) | System and method to route calls based upon agent performance indicators | |
CN105450879A (zh) | 对用户来电进行处理的方法和装置 | |
US11115536B1 (en) | Dynamic precision queue routing | |
CN111968293A (zh) | 一种银行排队队列号置换方法、装置、存储介质及设备 | |
US7885401B1 (en) | Method and apparatus to forecast the availability of a resource |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201030 |