CN112784572A - 一种营销场景话术分析方法和系统 - Google Patents
一种营销场景话术分析方法和系统 Download PDFInfo
- Publication number
- CN112784572A CN112784572A CN202110067774.6A CN202110067774A CN112784572A CN 112784572 A CN112784572 A CN 112784572A CN 202110067774 A CN202110067774 A CN 202110067774A CN 112784572 A CN112784572 A CN 112784572A
- Authority
- CN
- China
- Prior art keywords
- data
- marketing
- dialogue
- knowledge base
- text data
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 47
- 238000005516 engineering process Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 238000012800 visualization Methods 0.000 claims abstract description 5
- 238000003058 natural language processing Methods 0.000 claims description 16
- 238000000926 separation method Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000013501 data transformation Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000002860 competitive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- 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
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- 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
- G06F16/34—Browsing; Visualisation therefor
-
- 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
- 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
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种营销场景话术分析方法和系统,其方法技术方案包括数据获取步骤,获取营销场景下的对话语音数据,通过语音识别技术得到所述对话语音数据的非结构化对话文本数据;数据转化步骤,将所述非结构化对话文本数据转化为结构化对话文本数据;可视化分析步骤,将所述结构化文本数据可视化,根据一预设分析标准进行分析,并将所述分析结果输出。本发明解决了现有场景营销评估方案存在不客观、不智能的问题。
Description
技术领域
本发明属于语言处理领域,尤其涉及一种营销场景话术分析方法和系统。
背景技术
受互联网金融的持续冲击,银行的线下销售变得愈发困难,银行主动做出了场景化营销的选择,场景化营销作为未来银行业落地细分客户营销的核心抓手,众多银行的营销和运营模式也随之靠拢。
因此,通过ASR语音识别技术,对场景化营销服务人员的业务能力进行评估,通过对服务人员的话术点进行监控,制定出一套基于语音识别的银行场景化营销分析方法,填补该部分盲区,或可以提高业绩和银行网点的整体竞争优势。
发明内容
本申请实施例提供了一种营销场景话术分析方法和系统,以至少解决现有场景营销评估方案存在不客观、不智能的问题。
第一方面,本申请实施例提供了一种营销场景话术分析方法,包括:数据获取步骤,获取营销场景下的对话语音数据,通过语音识别技术得到所述对话语音数据的非结构化对话文本数据;数据转化步骤,将所述非结构化对话文本数据转化为结构化对话文本数据;可视化分析步骤,将所述结构化文本数据可视化,根据一预设分析标准进行分析,并将所述分析结果输出。
优选的,所述数据转化步骤包括:关键词提取步骤,抽取所述非结构化对话文本数据中的话术词,将所述话术词通过自然语言处理技术与一知识库进行匹配,得到所述知识库中与所述话术词相匹配的关键词;关键词聚类步骤,对所述关键词根据一预设聚类标准进行聚类,转化为所述结构化对话文本数据。
优选的,所述方法还包括一知识库建立步骤:对所述对话语音数据进行语音识别和角色分离,得到一基础文本,从所述基础文本中根据一预设分类标准抽取并建立不同类别的所述知识库。
优选的,所述方法还包括一知识库更新步骤:对所述知识库进行更新操作;所述更新操作包括通过所述语音识别技术和所述自然语言处理技术对所述对话语音数据进行新词拆分得到新词,并将所述新词添加入所述知识库中。
优选的,所述关键词聚类步骤包括:将所述关键词通过聚类形成固定分组,将所述固定分组内容串联形成营销场景的话题,通过不同所述话题的组合,用以形成不同所述营销场景的分析标准。
第二方面,本申请实施例提供了一种营销场景话术分析系统,适用于上述一种营销场景话术分析方法,包括:数据获取单元,获取营销场景下的对话语音数据,通过语音识别技术得到所述对话语音数据的非结构化对话文本数据;数据转化单元,将所述非结构化对话文本数据转化为结构化对话文本数据;可视化分析单元,将所述结构化文本数据可视化,根据一预设分析标准进行分析,并将所述分析结果输出。
在其中一些实施例中,所述数据转化单元包括:关键词提取模块,抽取所述非结构化对话文本数据中的话术词,将所述话术词通过自然语言处理技术与一知识库进行匹配,得到所述知识库中与所述话术词相匹配的关键词;关键词聚类模块,对所述关键词根据一预设聚类标准进行聚类,转化为所述结构化对话文本数据。
在其中一些实施例中,所述系统还包括一知识库建立单元:对所述对话语音数据进行语音识别和角色分离,得到一基础文本,从所述基础文本中根据一预设分类标准抽取并建立不同类别的所述知识库。
在其中一些实施例中,所述系统还包括一知识库更新单元:对所述知识库进行更新操作;所述更新操作包括通过所述语音识别技术和所述自然语言处理技术对所述对话语音数据进行新词拆分得到新词,并将所述新词添加入所述知识库中。
在其中一些实施例中,所述关键词聚类模块包括:将所述关键词通过聚类形成固定分组,将所述固定分组内容串联形成营销场景的话题,通过不同所述话题的组合,用以形成不同所述营销场景的分析标准。
相比于相关技术,本申请实施例提供的一种营销场景话术分析方法通过对服务人员的话术点进行监控,制定出一套基于语音识别的银行场景化营销分析方法,填补该部分盲区,或可以提高业绩和银行网点的整体竞争优势。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明的营销场景话术分析方法流程图;
图2为图1中步骤S2的分步骤流程图;
图3为本发明的营销场景话术分析系统的框架图;
图4为本发明的电子设备的框架图;
以上图中:
1、数据获取单元;2、数据转化单元;3、可视化分析单元;4、知识库建立单元;5、知识库更新单元;21、关键词提取模块;22、关键词聚类单元;60、总线;61、处理器;62、存储器;63、通信接口。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
以下,结合附图详细介绍本发明的实施例:
图1为本发明的营销场景话术分析方法流程图,请参见图1,本发明营销场景话术分析方法包括如下步骤:
S1:获取营销场景下的对话语音数据,通过语音识别技术得到所述对话语音数据的非结构化对话文本数据。
在具体实施中,通过对某场景下银行网点的销售过程录音,使用ASR语音识别技术,获得非结构化的对话文本数据。
S2:将所述非结构化对话文本数据转化为结构化对话文本数据。
可选的,图2为图1中步骤S2的分步骤流程图,请参见图2:
S21:抽取所述非结构化对话文本数据中的话术词,将所述话术词通过自然语言处理技术与一知识库进行匹配,得到所述知识库中与所述话术词相匹配的关键词。
在具体实施中,抽取对话文本中关键的话术点,与预先建立好的一知识库匹配,完成关键词提取。
S22:对所述关键词根据一预设聚类标准进行聚类,转化为结构化对话文本数据。
可选的,将所述关键词通过聚类形成固定分组,将所述固定分组内容串联形成营销场景的话题,通过不同所述话题的组合,用以形成不同所述营销场景的分析标准。
在具体实施中,在自定义知识库建立后,聚类形成固定的分组,将固定分组内容串联成某银行营销场景的集中话题,通过不同话题的组合,形成不同场景的分析依据,完成非结构化数据到结构化数据的转化。
请继续参见图1:
S3:将所述结构化文本数据可视化,根据一预设分析标准进行分析,并将所述分析结果输出。
在具体实施中,将这些结构化数据可视化,从数据看板入手,以提高网点服务人员的业务能力水平为目标导向,结合这些依据建立不同的维度,对银行营业网点的服务人员进行评价,评价的角度包括标准执行,业务能力,知识储备,主观能动。
S4:对所述对话语音数据进行语音识别和角色分离,得到一基础文本,从所述基础文本中根据一预设分类标准抽取并建立不同类别的所述知识库。
在具体实施中,通过ASR语音识别和角色分离后的文本进行自定义,可选的,具体可分为专业词库,场景词库,通用词库和客户词库:
专业词库主要记录与金融高度相关的专业词汇,比如银行利率,存单,本金,兑付,通货膨胀等。
场景词库主要记录不同的营销场景下银行网点服务人员使用的不同营销策略关键词,如ETC场景下的ETC设备、积分、免费道路救援、专用信用卡、减免、5折优惠等。
通用词库主要记录不因银行销售场景转化而出现较大差异的词汇,比如你好,输入,领取等。
客户词库主要以银行客户的角度出发,对于客户关心的问题进行关键词的提取,如收益,大小,期限等。
S5:对所述知识库进行更新操作;所述更新操作包括通过所述语音识别技术和所述自然语言处理技术对所述对话语音数据进行新词拆分得到新词,并将所述新词添加入所述知识库中。
在具体实施中,知识库更新主要通过两种方式进行,一种是ASR语音识别技术和NLP自然语言处理技术切分出的新词,可选的,另一种是银行网点根据自然周期内营销活动侧重点的不同提供的清单,以上两种方式对于企业知识库有修正、新增、更新作用。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例提供了一种营销场景话术分析系统,适用于上述的一种营销场景话术分析方法。如以下所使用的,术语“单元”、“模块”等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。
图3为根据本发明的营销场景话术分析系统的框架图,请参见图3,包括:
数据获取单元1:获取营销场景下的对话语音数据,通过语音识别技术得到所述对话语音数据的非结构化对话文本数据。
在具体实施中,通过对某场景下银行网点的销售过程录音,使用ASR语音识别技术,获得非结构化的对话文本数据。
数据转化单元2:将所述非结构化对话文本数据转化为结构化对话文本数据。
可选的,数据转化单元包括:
关键词提取模块21:抽取所述非结构化对话文本数据中的话术词,将所述话术词通过自然语言处理技术与一知识库进行匹配,得到所述知识库中与所述话术词相匹配的关键词。
在具体实施中,抽取对话文本中关键的话术点,与预先建立好的一知识库匹配,完成关键词提取。
关键词聚类模块22:对所述关键词根据一预设聚类标准进行聚类,转化为结构化对话文本数据。
可选的,将所述关键词通过聚类形成固定分组,将所述固定分组内容串联形成营销场景的话题,通过不同所述话题的组合,用以形成不同所述营销场景的分析标准。
在具体实施中,在自定义知识库建立后,聚类形成固定的分组,将固定分组内容串联成某银行营销场景的集中话题,通过不同话题的组合,形成不同场景的分析依据,完成非结构化数据到结构化数据的转化。
可视化分析单元3:将所述结构化文本数据可视化,根据一预设分析标准进行分析,并将所述分析结果输出。
在具体实施中,将这些结构化数据可视化,从数据看板入手,以提高网点服务人员的业务能力水平为目标导向,结合这些依据建立不同的维度,对银行营业网点的服务人员进行评价,评价的角度包括标准执行,业务能力,知识储备,主观能动。
知识库建立单元4:对所述对话语音数据进行语音识别和角色分离,得到一基础文本,从所述基础文本中根据一预设分类标准抽取并建立不同类别的所述知识库。
在具体实施中,通过ASR语音识别和角色分离后的文本进行自定义,可选的,具体可分为专业词库,场景词库,通用词库和客户词库:
专业词库主要记录与金融高度相关的专业词汇,比如银行利率,存单,本金,兑付,通货膨胀等。
场景词库主要记录不同的营销场景下银行网点服务人员使用的不同营销策略关键词,如ETC场景下的ETC设备、积分、免费道路救援、专用信用卡、减免、5折优惠等。
通用词库主要记录不因银行销售场景转化而出现较大差异的词汇,比如你好,输入,领取等。
客户词库主要以银行客户的角度出发,对于客户关心的问题进行关键词的提取,如收益,大小,期限等。
知识库更新单元5:对所述知识库进行更新操作;所述更新操作包括通过所述语音识别技术和所述自然语言处理技术对所述对话语音数据进行新词拆分得到新词,并将所述新词添加入所述知识库中。
在具体实施中,知识库更新主要通过两种方式进行,一种是ASR语音识别技术和NLP自然语言处理技术切分出的新词,可选的,另一种是银行网点根据自然周期内营销活动侧重点的不同提供的清单,以上两种方式对于企业知识库有修正、新增、更新作用。
另外,结合图1、图2描述的一种营销场景话术分析方法可以由一电子设备来实现。图4为本发明的电子设备的框架图。
电子设备可以包括处理器61以及存储有计算机程序指令的存储器62。
具体地,上述处理器61可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器62可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器62可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器62可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器62可在数据处理装置的内部或外部。在特定实施例中,存储器62是非易失性(Non-Volatile)存储器。在特定实施例中,存储器62包括只读存储器(Read-Only Memory,简称为ROM) 和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器62可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器61所执行的可能的计算机程序指令。
处理器61通过读取并执行存储器62中存储的计算机程序指令,以实现上述实施例中的任意一种营销场景话术分析方法。
在其中一些实施例中,电子设备还可包括通信接口63和总线60。其中,如图4所示,处理器61、存储器62、通信接口63通过总线60连接并完成相互间的通信。
通信端口63可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线60包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。总线60包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线60可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(FrontSide Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand) 互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA) 总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线60可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该电子设备可以执行本申请实施例中的一种营销场景话术分析方法。
另外,结合上述实施例中的一种营销场景话术分析方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种营销场景话术分析方法。
而前述的存储介质包括:U盘、移动硬盘、只读存储器(ReadOnly Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种营销场景话术分析方法,其特征在于,包括:
数据获取步骤,获取营销场景下的对话语音数据,通过语音识别技术得到所述对话语音数据的非结构化对话文本数据;
数据转化步骤,将所述非结构化对话文本数据转化为结构化对话文本数据;
可视化分析步骤,将所述结构化文本数据可视化,根据一预设分析标准进行分析,并将所述分析结果输出。
2.如权利要求1所述的营销场景话术分析方法,其特征在于,所述数据转化步骤包括:
关键词提取步骤,抽取所述非结构化对话文本数据中的话术词,将所述话术词通过自然语言处理技术与一知识库进行匹配,得到所述知识库中与所述话术词相匹配的关键词;
关键词聚类步骤,对所述关键词根据一预设聚类标准进行聚类,转化为所述结构化对话文本数据。
3.如权利要求1所述的营销场景话术分析方法,其特征在于,所述方法还包括一知识库建立步骤:对所述对话语音数据进行语音识别和角色分离,得到一基础文本,从所述基础文本中根据一预设分类标准抽取并建立不同类别的所述知识库。
4.如权利要求2所述的营销场景话术分析方法,其特征在于,所述方法还包括一知识库更新步骤:对所述知识库进行更新操作;所述更新操作包括通过所述语音识别技术和所述自然语言处理技术对所述对话语音数据进行新词拆分得到新词,并将所述新词添加入所述知识库中。
5.如权利要求2所述的营销场景话术分析方法,其特征在于,所述关键词聚类步骤包括:将所述关键词通过聚类形成固定分组,将所述固定分组内容串联形成营销场景的话题,通过不同所述话题的组合,用以形成不同所述营销场景的分析标准。
6.一种营销场景话术分析系统,其特征在于,包括:
数据获取单元,获取营销场景下的对话语音数据,通过语音识别技术得到所述对话语音数据的非结构化对话文本数据;
数据转化单元,将所述非结构化对话文本数据转化为结构化对话文本数据;
可视化分析单元,将所述结构化文本数据可视化,根据一预设分析标准进行分析,并将所述分析结果输出。
7.如权利要求6所述的营销场景话术分析系统,其特征在于,所述数据转化单元包括:
关键词提取模块,抽取所述非结构化对话文本数据中的话术词,将所述话术词通过自然语言处理技术与一知识库进行匹配,得到所述知识库中与所述话术词相匹配的关键词;
关键词聚类模块,对所述关键词根据一预设聚类标准进行聚类,转化为所述结构化对话文本数据。
8.如权利要求6所述的营销场景话术分析系统,其特征在于,所述系统还包括一知识库建立单元:对所述对话语音数据进行语音识别和角色分离,得到一基础文本,从所述基础文本中根据一预设分类标准抽取并建立不同类别的所述知识库。
9.如权利要求7所述的营销场景话术分析系统,其特征在于,所述系统还包括一知识库更新单元:对所述知识库进行更新操作;所述更新操作包括通过所述语音识别技术和所述自然语言处理技术对所述对话语音数据进行新词拆分得到新词,并将所述新词添加入所述知识库中。
10.如权利要求7所述的营销场景话术分析系统,其特征在于,所述关键词聚类模块包括:将所述关键词通过聚类形成固定分组,将所述固定分组内容串联形成营销场景的话题,通过不同所述话题的组合,用以形成不同所述营销场景的分析标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110067774.6A CN112784572A (zh) | 2021-01-19 | 2021-01-19 | 一种营销场景话术分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110067774.6A CN112784572A (zh) | 2021-01-19 | 2021-01-19 | 一种营销场景话术分析方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112784572A true CN112784572A (zh) | 2021-05-11 |
Family
ID=75757565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110067774.6A Pending CN112784572A (zh) | 2021-01-19 | 2021-01-19 | 一种营销场景话术分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112784572A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240473A (zh) * | 2021-05-20 | 2021-08-10 | 北京明略昭辉科技有限公司 | 服务场景销售行为计数方法、系统、计算机及存储介质 |
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004070636A (ja) * | 2002-08-06 | 2004-03-04 | Mitsubishi Electric Corp | 概念検索装置 |
CN101119334A (zh) * | 2007-09-21 | 2008-02-06 | 腾讯科技(深圳)有限公司 | 一种获取新词的方法、系统及设备 |
CN111639484A (zh) * | 2020-05-15 | 2020-09-08 | 北京青牛技术股份有限公司 | 坐席通话内容的分析方法 |
CN111858876A (zh) * | 2020-05-14 | 2020-10-30 | 北京捷通华声科技股份有限公司 | 一种知识库的生成方法、文本查找方法和装置 |
CN111966702A (zh) * | 2020-08-17 | 2020-11-20 | 中国银行股份有限公司 | 基于spark的金融资讯词袋模型增量更新方法及系统 |
-
2021
- 2021-01-19 CN CN202110067774.6A patent/CN112784572A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004070636A (ja) * | 2002-08-06 | 2004-03-04 | Mitsubishi Electric Corp | 概念検索装置 |
CN101119334A (zh) * | 2007-09-21 | 2008-02-06 | 腾讯科技(深圳)有限公司 | 一种获取新词的方法、系统及设备 |
CN111858876A (zh) * | 2020-05-14 | 2020-10-30 | 北京捷通华声科技股份有限公司 | 一种知识库的生成方法、文本查找方法和装置 |
CN111639484A (zh) * | 2020-05-15 | 2020-09-08 | 北京青牛技术股份有限公司 | 坐席通话内容的分析方法 |
CN111966702A (zh) * | 2020-08-17 | 2020-11-20 | 中国银行股份有限公司 | 基于spark的金融资讯词袋模型增量更新方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240473A (zh) * | 2021-05-20 | 2021-08-10 | 北京明略昭辉科技有限公司 | 服务场景销售行为计数方法、系统、计算机及存储介质 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108428447B (zh) | 一种语音意图识别方法及装置 | |
CN109117777A (zh) | 生成信息的方法和装置 | |
CN107229627B (zh) | 一种文本处理方法、装置及计算设备 | |
CN108228704A (zh) | 识别风险内容的方法及装置、设备 | |
CN106875936B (zh) | 语音识别方法及装置 | |
CN112784572A (zh) | 一种营销场景话术分析方法和系统 | |
CN111914169A (zh) | 产品的推荐方法、装置、电子设备及计算机可读存储介质 | |
CN112633992A (zh) | 基于语音识别的销售管理方法及系统 | |
CN112183102A (zh) | 基于注意力机制与图注意力网络的命名实体识别方法 | |
CN112232070A (zh) | 自然语言处理模型构建方法、系统、电子设备及存储介质 | |
CN111488813B (zh) | 视频的情感标注方法、装置、电子设备及存储介质 | |
CN116150651A (zh) | 基于ai的深度合成检测方法和系统 | |
CN112667792B (zh) | 人机对话数据处理方法、装置、计算机设备和存储介质 | |
CN111739537B (zh) | 语义识别方法、装置、存储介质及处理器 | |
CN110675865B (zh) | 用于训练混合语言识别模型的方法和装置 | |
CN113112992B (zh) | 一种语音识别方法、装置、存储介质和服务器 | |
CN117197857A (zh) | 人脸伪造攻击检测、人脸识别方法、装置和设备 | |
US20200089773A1 (en) | Implementing dynamic confidence rescaling with modularity in automatic user intent detection systems | |
CN115630643A (zh) | 语言模型的训练方法、装置、电子设备及存储介质 | |
CN112528646B (zh) | 词向量生成方法、终端设备及计算机可读存储介质 | |
CN111324732B (zh) | 模型训练方法、文本处理方法、装置及电子设备 | |
CN113742525A (zh) | 自监督视频哈希学习方法、系统、电子设备及存储介质 | |
CN113722471A (zh) | 一种文本摘要生成方法、系统、电子设备及介质 | |
CN113570417A (zh) | 社交数字化营销方法、系统、存储介质及电子设备 | |
CN113076932A (zh) | 训练音频语种识别模型的方法、视频检测方法及其装置 |
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 |