CN112215448A - 分配客服的方法和装置 - Google Patents
分配客服的方法和装置 Download PDFInfo
- Publication number
- CN112215448A CN112215448A CN201910624052.9A CN201910624052A CN112215448A CN 112215448 A CN112215448 A CN 112215448A CN 201910624052 A CN201910624052 A CN 201910624052A CN 112215448 A CN112215448 A CN 112215448A
- Authority
- CN
- China
- Prior art keywords
- customer
- service
- consultation
- customer service
- consulting
- 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
Abstract
本公开的实施例公开了分配客服的方法和装置。该方法的一具体实施方式包括:响应于接收到包括顾客的购物意图的咨询请求,获取所述顾客的咨询敏感度画像库,其中,所述咨询敏感度画像库用于表征顾客的咨询习惯;获取与所述购物意图匹配的候选客服组的客服信息;从所述候选客服组中选择客服信息与所述咨询敏感度画像库匹配的客服。该实施方式建立了顾客咨询敏感度画像,基于顾客咨询敏感度画像为顾客分配客服,从而提升了客服系统的促成转化效率,带来营收增长。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及分配客服的方法和装置。
背景技术
客服分配系统是根据客服工作状态及系统承载情况实时对客服业务进行调整的系统。现有的客服分配算法,主要是针对客服个体及系统承载压力进行优化,以期达到最高程度的利用客服人效,降低客服人力成本。通用的客服分配系统,分配原则偏向当前承接压力,如客服接待人数、客服工作时长、客服工作强度、系统人员排班等。而忽视了客服咨询需要以提升促成转化效率为目的的原则,没有充分考虑到人效利用,导致客服花费大量时间在无法产生实际收益的顾客身上。对客服而言,在分配的时候,以组内随机分配为主,没有考虑到客服对于不同类型顾客的承接能力有不同,导致客服承接效率低下。
当前的电商的用户画像都是通过获取顾客浏览记录,历史购买记录等,结合机器学习算法聚合成为顾客的购买浏览习惯、商品偏好等画像标签,此类顾客画像没有考虑到售前咨询与售后服务对顾客购买意愿的强烈影响,例如顾客习惯于先咨询后下单,或者顾客在咨询时长期占用客服时间而不会下单等。目前现有的客服分配系统没有对顾客建立咨询特性的画像,比如顾客咨询频次,常用话术,咨询转化率,品类倾向、话术倾向等等特性,而这些特性都是呈现群体差异的,可以通过挖掘顾客历史数据建模获得,并提升客服促成效率。
发明内容
本公开的实施例提出了分配客服的方法和装置。
第一方面,本公开的实施例提供了一种分配客服的方法,包括:响应于接收到包括顾客的购物意图的咨询请求,获取顾客的咨询敏感度画像库,其中,咨询敏感度画像库用于表征顾客的咨询习惯;获取与购物意图匹配的候选客服组的客服信息;从候选客服组中选择客服信息与咨询敏感度画像库匹配的客服。
在一些实施例中,咨询敏感度画像库包括客服工作量指标,客服工作量指标通过如下步骤得到:获取顾客在预定时间内的咨询会话记录;根据咨询会话记录计算会话时长和消息数;将会话时长和消息数去量纲化得到客服工作量指标。
在一些实施例中,咨询敏感度画像库还包括咨询服务价值模型,咨询服务价值模型通过如下步骤得到:获取顾客在预定时间内的咨询促成订单记录;根据咨询促成订单记录计算品类售前转化数据;根据品类售前转化数据和会话时长和消息数建立咨询服务价值模型。
在一些实施例中,咨询敏感度画像库还包括顾客语言习惯标签,顾客语言习惯标签通过如下步骤得到:获取顾客在预定时间内的咨询会话内容;根据咨询会话内容确定顾客咨询的情感倾向和用户习惯;根据用语习惯,使用半监督学习的卷积神经网络文本分类模型对咨询会话内容进行分类统计得到顾客的顾客语言习惯标签。
在一些实施例中,咨询敏感度画像库还包括品类咨询转化率,品类咨询转化率通过如下步骤得到:根据品类售前转化数据和顾客的咨询量计算顾客的品类咨询转化率。
在一些实施例中,咨询敏感度画像库还包括服务评价收益,服务评价收益通过如下步骤得到:获取顾客在预定时间内的评价记录;根据评价记录计算评价率和好评率;根据评价率和好评率计算服务评价收益。
在一些实施例中,从候选客服组中选择客服信息与咨询敏感度画像库匹配的客服,包括:通过咨询服务价值模型及客服工作量指标,计算顾客的优先级分值,并插入到当前顾客等待服务的队列;从所述候选客服组中选择业务能力与所述顾客语言习惯标签及所述品类咨询转化率匹配的客服。
在一些实施例中,该方法还包括:若无法选择出业务能力与所述顾客语言习惯标签及所述品类咨询转化率匹配的客服,从所述候选客服组中按接待压力由小到大的顺序选择客服。
在一些实施例中,该方法还包括:若所选择的客服的接待压力高于预定阈值,且所选择的客服正在接待的顾客中存在咨询服务价值模型小于顾客的其他顾客,则将已经接待时间最短的顾客转接至其他客服。
在一些实施例中,该方法还包括:若所选择的客服正在接待的顾客中没有咨询服务价值模型小于顾客的其他顾客,则从顾客的候选客服组中去除所选择的客服后重新匹配客服。
第二方面,本公开的实施例提供了一种分配客服的装置,包括:用户画像获取单元,被配置成响应于接收到包括顾客的购物意图的咨询请求,获取顾客的咨询敏感度画像库,其中,咨询敏感度画像库用于表征顾客的咨询习惯;客服信息获取单元,被配置成获取与购物意图匹配的候选客服组的客服信息;分配单元,被配置成从候选客服组中选择客服信息与咨询敏感度画像库匹配的客服。
在一些实施例中,咨询敏感度画像库包括客服工作量指标,客服工作量指标通过如下步骤得到:获取顾客在预定时间内的咨询会话记录;根据咨询会话记录计算会话时长和消息数;将会话时长和消息数去量纲化得到客服工作量指标。
在一些实施例中,咨询敏感度画像库还包括咨询服务价值模型,咨询服务价值模型通过如下步骤得到:获取顾客在预定时间内的咨询促成订单记录;根据咨询促成订单记录计算品类售前转化数据;根据品类售前转化数据和会话时长和消息数建立咨询服务价值模型。
在一些实施例中,咨询敏感度画像库还包括顾客语言习惯标签,顾客语言习惯标签通过如下步骤得到:获取顾客在预定时间内的咨询会话内容;根据咨询会话内容确定顾客咨询的情感倾向和用户习惯;根据用语习惯,使用半监督学习的卷积神经网络文本分类模型对咨询会话内容进行分类统计得到顾客的顾客语言习惯标签。
在一些实施例中,咨询敏感度画像库还包括品类咨询转化率,品类咨询转化率通过如下步骤得到:根据品类售前转化数据和顾客的咨询量计算顾客的品类咨询转化率。
在一些实施例中,咨询敏感度画像库还包括服务评价收益,服务评价收益通过如下步骤得到:获取顾客在预定时间内的评价记录;根据评价记录计算评价率和好评率;根据评价率和好评率计算服务评价收益。
在一些实施例中,分配单元进一步被配置成:通过咨询服务价值模型及客服工作量指标,计算顾客的优先级分值,并插入到当前顾客等待服务的队列;从所述候选客服组中选择业务能力与所述顾客语言习惯标签及所述品类咨询转化率匹配的客服。
在一些实施例中,分配单元进一步被配置成:若无法选择出业务能力与所述顾客语言习惯标签及所述品类咨询转化率匹配的客服,从所述候选客服组中按接待压力由小到大的顺序选择客服。
在一些实施例中,分配单元进一步被配置成:若所选择的客服的接待压力高于预定阈值,且所选择的客服正在接待的顾客中存在咨询服务价值模型小于顾客的其他顾客,则将已经接待时间最短的顾客转接至其他客服
在一些实施例中,分配单元进一步被配置成:若所选择的客服正在接待的顾客中没有咨询服务价值模型小于顾客的其他顾客,则从顾客的候选客服组中去除所选择的客服后重新匹配客服。
第三方面,本公开的实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一的方法。
本公开的实施例提供的分配客服的方法和装置,通过构建基于顾客咨询习惯的咨询敏感度画像,并且将咨询敏感度画像应用在同一组别的客服组分配调度算法中,改变了现有的仅基于客服组承接压力而进行调度的客服分配方式,提升了售前客服的转化效率,在相同人员配比及业务量的情况下,能够有效地提升商铺的促成营收能力。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的分配客服的方法的一个实施例的流程图;
图3是根据本公开的顾客的咨询敏感度画像库的生成流程图;
图4是根据本公开的分配客服的方法的又一个实施例的流程图;
图5是根据本公开的分配客服的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开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公开。
图1示出了可以应用本公开的分配客服的方法或分配客服的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括顾客数据库101、顾客咨询敏感度画像库102、顾客咨询入口103,客服服务器104。网络用以在顾客数据库101、顾客咨询敏感度画像库102、顾客咨询入口103,客服服务器104之间提供通信链路的介质。网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
顾客数据库101包括了顾客咨询日志库(用于记录顾客咨询的时间、消息数等信息)、顾客会话详情库(用户记录顾客咨询的具体内容)、顾客促成订单库(用于记录通过客服的服务促成的订单信息)、顾客咨询评价库(用于记录顾客对客服的评价)。
在线客服分配的常见基础流程如图1所示:首先将顾客进入会话,或者结束会话试作为一次客服事件,每次客服事件将会触发一次客服调度分配的算法,用于更新客服分配序列的排序、添加、删除情况。传统的基于压力的客服分配系统将会将客服压力从小到大排列,每次当发生顾客进线时,优先从队列头部取出一名客服分配给该顾客,同时更新其现在的压力值,在队列中重新插入到排序位置,当顾客结束会话时,服务该顾客的客服也会被更新压力值,在队列中找到对应的位置等待下次分配。
这样的做法是仅仅针对客服的状态进行调度分配从而减轻系统压力,而且其前提是假设所有顾客对客服带来的是同样的工作量,客服承接的效率也是相同的,所以只需要调度不同的客服去完成会话即可获得等效收益。而实际情况下,客服的能力差异不同,而顾客的咨询偏好则千差万别;同样的客服接待的不同顾客,给公司带来的商业化价值也会差异较大。因此有必要面向顾客的咨询习惯去调度客服服务。
本申请对传统的分配方法进行了改进,如图1所示,通过用户数据库获取用户开放数据,并计算得到用户咨询敏感度画像库,客服服务器将会调取从各入口进入本系统的顾客的咨询敏感度画像数据。通过客服服务器中的客服分配系统将顾客分配给客服,然后由内置的即时通讯系统与顾客关系管理系统,对顾客进行客户服务。
需要说明的是,客服服务器可以是硬件,也可以是软件。当客服服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当客服服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的分配客服的方法一般由客服服务器104执行,相应地,分配客服的装置一般设置于客服服务器104中。
应该理解,图1中的顾客数据库、顾客咨询敏感度画像库、顾客咨询入口,客服服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的顾客数据库、顾客咨询敏感度画像库、顾客咨询入口、客服服务器。
继续参考图2,示出了根据本公开的分配客服的方法的一个实施例的流程200。该分配客服的方法,包括以下步骤:
步骤201,响应于接收到包括顾客的购物意图的咨询请求,获取顾客的咨询敏感度画像库。
在本实施例中,分配客服的方法的执行主体(例如图1所示的客服服务器)可以通过有线连接方式或者无线连接方式从用户利用其进行服务咨询的终端接收咨询请求。其中,咨询请求可包括购物意图,例如,售前、售后、退换货、保修等。咨询请求还可包括商品信息。顾客可在咨询入口处选择购物意图,这样便于分配相应的客服。咨询敏感度画像库用于表征顾客的咨询习惯。咨询敏感度画像库可包括以下至少一项:客服工作量指标、咨询服务价值模型、顾客语言习惯标签、品类咨询转化率、服务评价收益。咨询敏感度画像库的生成流程如图3所示,包括以下步骤:
1、对于一个顾客,检索并获取其预定时间内,例如最近半年(时间范围可调整)的咨询会话记录,通过咨询会话记录所包含的会话时长、消息数等指标计算出客服工作量,代表接待该顾客所耗费的客服工作量。
2、根据咨询商品品类及咨询转化结果,获得顾客对于特定品类商品的咨询转化率,代表该顾客的品类转化难易度。
3、根据会话是否评价获得顾客评价率以及好评率,代表接待该顾客的服务评价收益。商家会对客服的服务质量考核,以决定分配给该店铺的促销活动和其他经济补贴,而客服服务评价的得分是考核的重要指标之一。换句话说,顾客带来的商业价值,一方面是下单购买等行为带来的直接金钱收益,另一方面是对店铺的好评,商品的传播等行为带来的间接收益。
4、使用NLP(Natural Language Processing,自然语言处理)方法,例如朴素贝叶斯结合情感字典法获得顾客咨询的情感倾向,并结合顾客用语习惯(例如常用关键词),使用半监督学习的卷积神经网络文本分类模型对顾客的历史日志进行分类统计,将顾客分为热情型、亲和型、直白型、冷漠型、暴躁型,代表其语言习惯标签。
5、建立RMF咨询服务顾客价值模型(表1所示):
近度R:以平均咨询间隔R为近度,代表客户最近的活跃时间距离数据采集点的时间距离,R越大,表示客户越久未咨询,则客户越可能会“沉睡”,流失的可能性越大。
频度F:以顾客咨询频率为F,代表客户过去某段时间内的活跃频率。F越大,则表示该顾客越具备咨询习惯,是非常忠诚的客户。
额度M:以平均促成金额表示额度M。代表客户每次消费金额的多少。一般来讲,平均促成金额较大的客户,促成价值最高,价格敏感度低,是较为优质的客户,而平均促成金额较小的客户,可能在支付能力和支付意愿上较低,需要多次咨询后才会下单,这样的顾客会降低客服营销的效率。
根据顾客的类型为咨询服务顾客价值打分。如表1所示,咨询服务顾客价值可依次递减。优先促成顾客是咨询服务顾客价值最高的顾客。
表1 RMF咨询服务顾客价值模型
6、结合顾客品类转化率、RMF咨询服务顾客价值模型、语言习惯标签、服务评价收益、客服工作量,构建顾客咨询敏感度画像。
步骤202,获取与购物意图匹配的候选客服组的客服信息。
在本实施例中,预先将客服们按照购物意图分成了若干组,例如,售前组、售后组等。同一组内的客服提供相应购物意图的咨询服务。例如,用户想售前咨询产品,则需要从售前组的客服中分配提供服务的客服。分配时要参考客服信息。客服信息可包括接待压力和业务能力。接待压力表示客服当前服务的顾客数量。每个客服可同时服务多个顾客,但会设置上限,例如10个。业务能力可包括转化能力、处理长时间顾客的能力、对产品的熟悉度等。业务能力通过历史服务数据计算得到。可以给客服的各项能力综合评分。按业务能力分组,在组内再按接待压力排序,将接待压力小的客服优先分配顾客。
步骤203,从候选客服组中选择客服信息与咨询敏感度画像库匹配的客服
在本实施例中,可根据咨询敏感度画像库确定的压力值和商业价值。可为咨询敏感度画像库中的每一项设置权重,将各项的加权和作为顾客的得分,可将与压力有关的权项的权重设置为负数,而与商业价值有关的权项的权重为正数,这样计算出的顾客的得分越大,则越需要优先服务。压力值可通过语言习惯标签、客服工作量的加权和确定。商业价值可通过咨询服务价值模型、品类咨询转化率、服务评价收益的加权和确定。例如,如果顾客的语言习惯标签为暴躁型、客服工作量超过平均值,则该顾客的压力值大,需要为其分配接待压力小的客服。如果顾客的商业价值高,则优先为其分配业务能力强的客服。可为所有顾客打分,然后按照由顾客的得分由高到低的顺序排序形成顾客等待队列,每个新顾客进入会话时会根据咨询敏感度画像库为他打分,然后根据打分将他插入到顾客等待队列中。再将同一组内的客服按照业务能力分组,在组内再按接待压力排序。分配客服时从顾客等待队列的头部取出顾客,然后找到与顾客的得分匹配的业务能力组,再将该业务能力组中接待压力最小的客服分配给该顾客。如果没有空闲的客服则令该顾客等待。可选地,可在与当前顾客的得分匹配的业务能力组中的客服所服务的其它顾客中查找是否存在得分小于当前顾客的其它顾客,若存在,则可抢占低得分顾客的客服,让业务能力低的客服来服务得分低的顾客。
本公开的上述实施例提供的方法,通过咨询敏感度画像库改变了现有的仅基于客服组承接压力而进行调度的客服分配方式,提升了售前客服的转化效率,在相同人员配比及业务量的情况下,有效的提升商铺的促成营收能力。本文提出的利用咨询敏感度的客服分配方法,其核心是以大数据算法带来商业能力提升的创新设计。
进一步参考图4,其示出了分配客服的方法的又一个实施例的流程400。该分配客服的方法的流程400,包括以下步骤:
步骤401,响应于接收到包括顾客的购物意图的咨询请求,获取顾客的咨询敏感度画像库。
步骤401与步骤201基本相同,因此不再赘述。
步骤402,根据顾客服务价值模型及客服工作量指标计算所得的排序值,插入到顾客等待队列的对应位置。
在本实施例中,根据顾客购物意图,顾客被分配至某一客服组,并进入到该客服组的接待队列。通过顾客的顾客服务价值模型及工作量指标,计算其优先级分值,并插入到当前顾客等待服务的队列,当前顾客等待服务的队列按照顾客的优先级分值由高到低的顺序排列。
步骤403,通过咨询敏感度画像库计算是否有能力匹配的客服。
在本实施例中,可根据咨询敏感度画像库中以下至少一项的加权和为顾客打分:顾客语言习惯标签、品类咨询转化率、服务评价收益。然后从客服组中选择业务能力与顾客打分匹配的客服。顾客打分越低则优先级越低,可分配业务能力较弱的客服,以避免浪费优质客服资源,使得业务能力强的客服能服务优质客户从而提高售前客服的转化效率。顾客打分越高则优先级越高,可分配业务能力较强的客服,以促进顾客购买。
步骤404,判断客服当前是否处于可接待状态下。
在本实施例中,判断业务能力匹配的客服的接待压力是否达到预定阈值。即,判断当前匹配的客服是否已经满负荷了。
步骤405,若匹配到当前处于可接待状态下的客服,则立即分配至该客服。
在本实施例中,如果业务能力匹配的客服还未满负荷,则可将客服分配给该顾客。
步骤406,提供咨询服务。
在本实施例中,分配好的客服可以为顾客提供咨询服务。
步骤407,判断正在接待顾客中是否有价值小于待分配顾客的。
在本实施例中,对于虽然业务能力匹配但满负荷的客服,可以判断他所接待的顾客中是否有价值小于待分配顾客的。顾客的价值指的是商业价值。商业价值可通过咨询服务价值模型、品类咨询转化率、服务评价收益的加权和确定。
步骤408,排除当前客服,选取次匹配客服。
在本实施例中,如果当前客服的接待的顾客中没有价值更小的顾客,则不能分配该客服,只能从次匹配客服中选择。次匹配指的是业务能力不能完全满足顾客。
步骤409,价值较小顾客转接至其他客服,接入当前高价值顾客。
在本实施例中,如果有价值更小的顾客,则可将价值更小顾客转接至其他客服,腾出名额来接入当前高价值顾客。如果有多个价值更小的顾客,则将多个价值更小的顾客中已经接待时间最短的顾客转接到其他客服。
步骤410,进行传统的基于客服压力的分配方式计算适合的客服。
在本实施例中,如果找不到业务能力匹配的客服,则按传统的基于客服压力的分配方式计算适合的客服。即,按照接待压力由小到大的顺序选择客服。优先把顾客分配给接待压力小的客服。
从图4中可以看出,与图2对应的实施例相比,本实施例中的分配客服的方法的流程400体现了灵活调度满负荷客服的步骤。由此,本实施例描述的方案可以引入更多的客服分配方案,从而实现更灵活、更高效的客服分配。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种分配客服的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的分配客服的装置500包括:用户画像获取单元501、客服信息获取单元502和分配单元503。用户画像获取单元501,被配置成响应于接收到包括顾客的购物意图的咨询请求,获取顾客的咨询敏感度画像库,其中,咨询敏感度画像库用于表征顾客的咨询习惯;客服信息获取单元502,被配置成获取与购物意图匹配的候选客服组的客服信息;分配单元503,被配置成从候选客服组中选择客服信息与咨询敏感度画像库匹配的客服。
在本实施例中,分配客服的装置500的用户画像获取单元501、客服信息获取单元502和分配单元503的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203。
在本实施例中,咨询敏感度画像库包括客服工作量指标,客服工作量指标通过如下步骤得到:获取顾客在预定时间内的咨询会话记录;根据咨询会话记录计算会话时长和消息数;将会话时长和消息数去量纲化得到客服工作量指标。
在本实施例中,咨询敏感度画像库还包括咨询服务价值模型,咨询服务价值模型通过如下步骤得到:获取顾客在预定时间内的咨询促成订单记录;根据咨询促成订单记录计算品类售前转化数据;根据品类售前转化数据和会话时长和消息数建立咨询服务价值模型。
在本实施例中,咨询敏感度画像库还包括顾客语言习惯标签,顾客语言习惯标签通过如下步骤得到:获取顾客在预定时间内的咨询会话内容;根据咨询会话内容确定顾客咨询的情感倾向和用户习惯;根据用语习惯,使用半监督学习的卷积神经网络文本分类模型对咨询会话内容进行分类统计得到顾客的顾客语言习惯标签。
在本实施例中,咨询敏感度画像库还包括品类咨询转化率,品类咨询转化率通过如下步骤得到:根据品类售前转化数据和顾客的咨询量计算顾客的品类咨询转化率。
在本实施例中,咨询敏感度画像库还包括服务评价收益,服务评价收益通过如下步骤得到:获取顾客在预定时间内的评价记录;根据评价记录计算评价率和好评率;根据评价率和好评率计算服务评价收益。
在本实施例中,客服信息包括接待压力和业务能力,分配单元进一步被配置成:通过咨询服务价值模型及客服工作量指标,计算顾客的优先级分值,并插入到当前顾客等待服务的队列;从候选客服组中选择业务能力与顾客语言习惯标签及品类咨询转化率匹配的客服。
在本实施例中,分配单元503进一步被配置成:若无法选择出业务能力与顾客语言习惯标签及品类咨询转化率匹配的客服,从候选客服组中按接待压力由小到大的顺序选择客服。
在本实施例中,分配单元503进一步被配置成:若所选择的客服的接待压力高于预定阈值,且所选择的客服正在接待的顾客中存在咨询服务价值模型小于顾客的其他顾客,则将已经接待时间最短的顾客转接至其他客服。
在本实施例中,分配单元503进一步被配置成:若所选择的客服正在接待的顾客中没有咨询服务价值模型小于顾客的其他顾客,则从顾客的候选客服组中去除所选择的客服后重新匹配客服。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的客服服务器)600的结构示意图。图6示出的客服服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机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。而在本公开的实施例中,计算机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,其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、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。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于接收到包括顾客的购物意图的咨询请求,获取所述顾客的咨询敏感度画像库,其中,所述咨询敏感度画像库用于表征顾客的咨询习惯;获取与所述购物意图匹配的候选客服组的客服信息;从所述候选客服组中选择客服信息与所述咨询敏感度画像库匹配的客服。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括用户画像获取单元、客服信息获取单元、分配单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,用户画像获取单元还可以被描述为“响应于接收到包括顾客的购物意图的咨询请求,获取所述顾客的咨询敏感度画像库的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (22)
1.一种分配客服的方法,包括:
响应于接收到包括顾客的购物意图的咨询请求,获取所述顾客的咨询敏感度画像库,其中,所述咨询敏感度画像库用于表征顾客的咨询习惯;
获取与所述购物意图匹配的候选客服组的客服信息;
从所述候选客服组中选择客服信息与所述咨询敏感度画像库匹配的客服。
2.根据权利要求1所述的方法,其中,所述咨询敏感度画像库包括客服工作量指标,所述客服工作量指标通过如下步骤得到:
获取所述顾客在预定时间内的咨询会话记录;
根据所述咨询会话记录计算会话时长和消息数;
将所述会话时长和所述消息数去量纲化得到客服工作量指标。
3.根据权利要求2所述的方法,其中,所述咨询敏感度画像库还包括咨询服务价值模型,所述咨询服务价值模型通过如下步骤得到:
获取所述顾客在预定时间内的咨询促成订单记录;
根据所述咨询促成订单记录计算品类售前转化数据;
根据所述品类售前转化数据和所述会话时长和所述消息数建立咨询服务价值模型。
4.根据权利要求3所述的方法,其中,所述咨询敏感度画像库还包括顾客语言习惯标签,所述顾客语言习惯标签通过如下步骤得到:
获取所述顾客在预定时间内的咨询会话内容;
根据所述咨询会话内容确定所述顾客咨询的情感倾向和用户习惯;
根据所述用语习惯,使用半监督学习的卷积神经网络文本分类模型对所述咨询会话内容进行分类统计得到所述顾客的顾客语言习惯标签。
5.根据权利要求4所述的方法,其中,所述咨询敏感度画像库还包括品类咨询转化率,所述品类咨询转化率通过如下步骤得到:
根据所述品类售前转化数据和所述顾客的咨询量计算所述顾客的品类咨询转化率。
6.根据权利要求5所述的方法,其中,所述咨询敏感度画像库还包括服务评价收益,所述服务评价收益通过如下步骤得到:
获取所述顾客在预定时间内的评价记录;
根据所述评价记录计算评价率和好评率;
根据所述评价率和所述好评率计算服务评价收益。
7.根据权利要求6所述的方法,其中,所述客服信息包括接待压力和业务能力,所述从所述候选客服组中选择客服信息与所述咨询敏感度画像库匹配的客服,包括:
通过所述咨询服务价值模型及所述客服工作量指标,计算所述顾客的优先级分值,并插入到当前顾客等待服务的队列;
从所述候选客服组中选择业务能力与所述顾客语言习惯标签及所述品类咨询转化率匹配的客服。
8.根据权利要求7所述的方法,其中,所述方法还包括:
若无法选择出业务能力与所述顾客语言习惯标签及所述品类咨询转化率匹配的客服,从所述候选客服组中按接待压力由小到大的顺序选择客服。
9.根据权利要求7所述的方法,其中,所述方法还包括:
若所选择的客服的接待压力高于预定阈值,且所选择的客服正在接待的顾客中存在咨询服务价值模型小于所述顾客的其他顾客,则将已经接待时间最短的顾客转接至其他客服。
10.根据权利要求9所述的方法,其中,所述方法还包括:
若所选择的客服正在接待的顾客中没有咨询服务价值模型小于所述顾客的其他顾客,则从所述候选客服组中去除所选择的客服后重新匹配客服。
11.一种分配客服的装置,包括:
用户画像获取单元,被配置成响应于接收到包括顾客的购物意图的咨询请求,获取所述顾客的咨询敏感度画像库,其中,所述咨询敏感度画像库用于表征顾客的咨询习惯;
客服信息获取单元,被配置成获取与所述购物意图匹配的候选客服组的客服信息;
分配单元,被配置成从所述候选客服组中选择客服信息与所述咨询敏感度画像库匹配的客服。
12.根据权利要求11所述的装置,其中,所述咨询敏感度画像库包括客服工作量指标,所述客服工作量指标通过如下步骤得到:
获取所述顾客在预定时间内的咨询会话记录;
根据所述咨询会话记录计算会话时长和消息数;
将所述会话时长和所述消息数去量纲化得到客服工作量指标。
13.根据权利要求12所述的装置,其中,所述咨询敏感度画像库还包括咨询服务价值模型,所述咨询服务价值模型通过如下步骤得到:
获取所述顾客在预定时间内的咨询促成订单记录;
根据所述咨询促成订单记录计算品类售前转化数据;
根据所述品类售前转化数据和所述会话时长和所述消息数建立咨询服务价值模型。
14.根据权利要求13所述的装置,其中,所述咨询敏感度画像库还包括顾客语言习惯标签,所述顾客语言习惯标签通过如下步骤得到:
获取所述顾客在预定时间内的咨询会话内容;
根据所述咨询会话内容确定所述顾客咨询的情感倾向和用户习惯;
根据所述用语习惯,使用半监督学习的卷积神经网络文本分类模型对所述咨询会话内容进行分类统计得到所述顾客的顾客语言习惯标签。
15.根据权利要求14所述的装置,其中,所述咨询敏感度画像库还包括品类咨询转化率,所述品类咨询转化率通过如下步骤得到:
根据所述品类售前转化数据和所述顾客的咨询量计算所述顾客的品类咨询转化率。
16.根据权利要求15所述的装置,其中,所述咨询敏感度画像库还包括服务评价收益,所述服务评价收益通过如下步骤得到:
获取所述顾客在预定时间内的评价记录;
根据所述评价记录计算评价率和好评率;
根据所述评价率和所述好评率计算服务评价收益。
17.根据权利要求16所述的装置,其中,所述客服信息包括接待压力和业务能力,所述分配单元进一步被配置成:
通过所述咨询服务价值模型及所述客服工作量指标,计算所述顾客的优先级分值,并插入到当前顾客等待服务的队列;
从所述候选客服组中选择业务能力与所述顾客语言习惯标签及所述品类咨询转化率匹配的客服。
18.根据权利要求17所述的装置,其中,所述分配单元进一步被配置成:
若无法选择出业务能力与所述顾客语言习惯标签及所述品类咨询转化率匹配的客服,从所述候选客服组中按接待压力由小到大的顺序选择客服。
19.根据权利要求17所述的装置,其中,所述分配单元进一步被配置成:
若所选择的客服的接待压力高于预定阈值,且所选择的客服正在接待的顾客中存在咨询服务价值模型小于所述顾客的其他顾客,则将已经接待时间最短的顾客转接至其他客服。
20.根据权利要求19所述的装置,其中,所述分配单元进一步被配置成:
若所选择的客服正在接待的顾客中没有咨询服务价值模型小于所述顾客的其他顾客,则从所述顾客的候选客服组中去除所选择的客服后重新匹配客服。
21.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
22.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910624052.9A CN112215448A (zh) | 2019-07-11 | 2019-07-11 | 分配客服的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910624052.9A CN112215448A (zh) | 2019-07-11 | 2019-07-11 | 分配客服的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215448A true CN112215448A (zh) | 2021-01-12 |
Family
ID=74047181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910624052.9A Pending CN112215448A (zh) | 2019-07-11 | 2019-07-11 | 分配客服的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215448A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112988983A (zh) * | 2021-05-19 | 2021-06-18 | 游密科技(深圳)有限公司 | 视频客服分配方法、装置、计算机设备和存储介质 |
CN113256173A (zh) * | 2021-06-30 | 2021-08-13 | 中信建投证券股份有限公司 | 一种路由选择方法、装置、电子设备及存储介质 |
CN113379229A (zh) * | 2021-06-08 | 2021-09-10 | 北京沃东天骏信息技术有限公司 | 一种资源调度方法和装置 |
CN114070937A (zh) * | 2021-11-10 | 2022-02-18 | 京东科技信息技术有限公司 | 多模态的客户咨询方法及相关设备 |
CN114648368A (zh) * | 2022-04-20 | 2022-06-21 | 北京梦蓝杉科技有限公司 | 一种基于网络大数据的经济信息咨询系统和方法 |
CN117453773A (zh) * | 2023-12-21 | 2024-01-26 | 深圳市活力天汇科技股份有限公司 | 一种基于用户意图预测的客服匹配方法及系统 |
-
2019
- 2019-07-11 CN CN201910624052.9A patent/CN112215448A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112988983A (zh) * | 2021-05-19 | 2021-06-18 | 游密科技(深圳)有限公司 | 视频客服分配方法、装置、计算机设备和存储介质 |
CN113379229A (zh) * | 2021-06-08 | 2021-09-10 | 北京沃东天骏信息技术有限公司 | 一种资源调度方法和装置 |
CN113256173A (zh) * | 2021-06-30 | 2021-08-13 | 中信建投证券股份有限公司 | 一种路由选择方法、装置、电子设备及存储介质 |
CN114070937A (zh) * | 2021-11-10 | 2022-02-18 | 京东科技信息技术有限公司 | 多模态的客户咨询方法及相关设备 |
CN114648368A (zh) * | 2022-04-20 | 2022-06-21 | 北京梦蓝杉科技有限公司 | 一种基于网络大数据的经济信息咨询系统和方法 |
CN117453773A (zh) * | 2023-12-21 | 2024-01-26 | 深圳市活力天汇科技股份有限公司 | 一种基于用户意图预测的客服匹配方法及系统 |
CN117453773B (zh) * | 2023-12-21 | 2024-03-26 | 深圳市活力天汇科技股份有限公司 | 一种基于用户意图预测的客服匹配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112215448A (zh) | 分配客服的方法和装置 | |
US11568334B2 (en) | Adaptive workflow definition of crowd sourced tasks and quality control mechanisms for multiple business applications | |
US11127032B2 (en) | Optimizing and predicting campaign attributes | |
WO2019061905A1 (zh) | 用户行为预测方法、装置及电子设备 | |
KR102297669B1 (ko) | 제조사 및 유통사 간 연결을 위한 매칭 서비스 제공 시스템 | |
US20210090017A1 (en) | Feedback-based management of delivery orders | |
US11651315B2 (en) | Intelligent diversification tool | |
US20200234218A1 (en) | Systems and methods for entity performance and risk scoring | |
CN107808314B (zh) | 用户推荐方法及装置 | |
CN110033120A (zh) | 用于为商户提供风险预测赋能服务的方法及装置 | |
EP3822902A1 (en) | Systems and methods for customization of reviews | |
CN110689402A (zh) | 推荐商家的方法、装置、电子设备及可读存储介质 | |
JP6906810B2 (ja) | 営業支援装置、プログラム、及び営業支援方法 | |
CN115578138A (zh) | 营销方法、装置、介质和计算设备 | |
CN111552835A (zh) | 文件推荐方法、装置及服务器 | |
JP2002297875A (ja) | 顧客関係管理方法、システム及びプログラム | |
CN113822734A (zh) | 用于生成信息的方法和装置 | |
CN112287208B (zh) | 用户画像生成方法、装置、电子设备及存储介质 | |
WO2020150597A1 (en) | Systems and methods for entity performance and risk scoring | |
CN109949065B (zh) | 属性数据分析的方法和装置 | |
CN115936764A (zh) | 一种产品推广方法和装置 | |
CN111445263A (zh) | 信息处理方法、装置和计算机系统及介质 | |
CN114581130A (zh) | 基于客户画像的银行网点派号方法及装置、存储介质 | |
US20210150593A1 (en) | Systems and methods for customization of reviews | |
US20160148220A1 (en) | Method and system for impact modeling of brand repulsion |
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 |