CN112866492A - 一种智能邀评的方法和装置 - Google Patents
一种智能邀评的方法和装置 Download PDFInfo
- Publication number
- CN112866492A CN112866492A CN201911173285.8A CN201911173285A CN112866492A CN 112866492 A CN112866492 A CN 112866492A CN 201911173285 A CN201911173285 A CN 201911173285A CN 112866492 A CN112866492 A CN 112866492A
- Authority
- CN
- China
- Prior art keywords
- data
- customer service
- invitation
- session
- customer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000011156 evaluation Methods 0.000 claims abstract description 41
- 238000012549 training Methods 0.000 claims abstract description 37
- 238000013210 evaluation model Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5175—Call or contact centers supervision arrangements
-
- 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
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
Landscapes
- Business, Economics & Management (AREA)
- Marketing (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能邀评的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:将第一客服服务对话数据输入到邀评判断模型以判断是否需要对第一客服服务对话对应的客户发送邀评信息,其中,邀评判断模型是通过对第二客服服务对话数据进行训练得到的,第一客服服务对话数据是线上实时产生的客服服务对话数据,第二客服服务对话数据是最近时间段内的客服服务对话数据;若需要,则将邀评信息发送给客户对应的终端。该实施方式实现了系统自动智能邀评,减少了因客服主观邀评导致客服满意度失真,而不能真实反映客服的服务水平的情况。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种智能邀评的方法和装置。
背景技术
在人工对话系统中,当客服帮客户处理完了客户咨询的问题,确认可以结束会话后,客服会主动发送邀评,以便客户对客服的服务进行评价,并将评价结果(即用户的满意度)作为评价客服服务的一个业务指标。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
现有的由客服发送邀评的邀评方式,由于客服会根据客户的咨询与服务情况,有选择的对会话进行邀评,故而会导致与实际的用户满意度存在偏差,不能真实的反应出用户对客服服务的满意度。
发明内容
有鉴于此,本发明实施例提供一种智能邀评的方法和装置,能够实现系统自动智能邀评,减少了因客服主观邀评导致客服满意度失真,而不能真实反映客服的服务水平的情况。
为实现上述目的,根据本发明实施例的一个方面,提供了一种智能邀评的方法。
一种智能邀评的方法,包括:将第一客服服务对话数据输入到邀评判断模型以判断是否需要对第一客服服务对话对应的客户发送邀评信息,其中,所述邀评判断模型是通过对第二客服服务对话数据进行训练得到的,所述第一客服服务对话数据是线上实时产生的客服服务对话数据,所述第二客服服务对话数据是最近时间段内的客服服务对话数据;若需要,则将所述邀评信息发送给所述客户对应的终端。
可选地,对第二客服服务对话数据进行训练包括:获取最近时间段内的第二客服服务对话数据;根据预设的维度指标对所述第二客服服务对话数据进行处理以得到样本数据,所述预设的维度指标包括数据完整性、数据有效性和数据是否符合业务流程规范;通过对所述样本数据进行训练以得到邀评判断模型。
可选地,根据预设的维度指标对所述第二客服服务对话数据进行处理以得到样本数据包括:对所述第二客服服务对话数据中的每条对话数据分别判断是否全部满足以下条件:所述对话数据对应的会话长度达到设定的第一长度阈值、所述对话数据不包括无效咨询问题和答复、所述对话数据的逻辑符合业务标准服务流程规范;若全部满足,则判断所述对话数据对应的会话长度是否超过设定的第二长度阈值;若未超过,则将所述对话数据作为样本数据;否则,将所述对话数据进行截取以得到符合所述第一长度阈值的对话数据,并将截取后的对话数据作为样本数据。
可选地,客服服务对话数据包括客服服务对话的会话标识;并且,在将所述邀评信息发送给所述客户对应的终端之后,还包括:通过数据埋点获取所述第一客服服务对话的会话标识;根据所述会话标识从客服服务对话日志中获取所述第一客服服务对话数据以及所述第一客服服务对话数据对应的邀评判断结果;通过对所述第一客服服务对话数据及其邀评判断结果进行分析以对所述邀评判断模型进行参数调整。
可选地,通过对所述第一客服服务对话数据及其邀评判断结果进行分析以对所述邀评判断模型进行参数调整包括:根据预设的维度指标判断所述第一客服服务对话数据是否满足样本数据的要求;若满足,则判断所述第一客服服务对话数据的邀评判断结果是否为“邀评”;若是,则将所述第一客服服务对话数据及其邀评判断结果作为正样本,否则,将所述第一客服服务对话数据及其邀评判断结果作为负样本;使用所述第一客服服务对话数据对应的样本数据对所述邀评判断模型进行参数调整。
可选地,在将所述邀评信息发送给所述客户对应的终端之后,还包括:通过数据埋点获取客户的评价指标值,并根据所述评价指标值分析客服的服务满意度。
根据本发明实施例的另一方面,提供了一种智能邀评的装置。
一种智能邀评的装置,包括:邀评判断模块,用于将第一客服服务对话数据输入到邀评判断模型以判断是否需要对第一客服服务对话对应的客户发送邀评信息,其中,所述邀评判断模型是通过对第二客服服务对话数据进行训练得到的,所述第一客服服务对话数据是线上实时产生的客服服务对话数据,所述第二客服服务对话数据是最近时间段内的客服服务对话数据;邀评发送模块,用于若需要,则将所述邀评信息发送给所述客户对应的终端。
可选地,还包括模型训练模块,用于训练所述邀评判断模型,包括:获取最近时间段内的第二客服服务对话数据;根据预设的维度指标对所述第二客服服务对话数据进行处理以得到样本数据,所述预设的维度指标包括数据完整性、数据有效性和数据是否符合业务流程规范;通过对所述样本数据进行训练以得到邀评判断模型。
可选地,所述模型训练模块还用于:对所述第二客服服务对话数据中的每条对话数据分别判断是否全部满足以下条件:所述对话数据对应的会话长度达到设定的第一长度阈值、所述对话数据不包括无效咨询问题和答复、所述对话数据的逻辑符合业务标准服务流程规范;若全部满足,则判断所述对话数据对应的会话长度是否超过设定的第二长度阈值;若未超过,则将所述对话数据作为样本数据;否则,将所述对话数据进行截取以得到符合所述第一长度阈值的对话数据,并将截取后的对话数据作为样本数据。
可选地,客服服务对话数据包括客服服务对话的会话标识;并且,所述装置还包括模型调整模块,用于:在将所述邀评信息发送给所述客户对应的终端之后,通过数据埋点获取所述第一客服服务对话的会话标识;根据所述会话标识从客服服务对话日志中获取所述第一客服服务对话数据以及所述第一客服服务对话数据对应的邀评判断结果;通过对所述第一客服服务对话数据及其邀评判断结果进行分析以对所述邀评判断模型进行参数调整。
可选地,所述模型调整模块还用于:根据预设的维度指标判断所述第一客服服务对话数据是否满足样本数据的要求;若满足,则判断所述第一客服服务对话数据的邀评判断结果是否为“邀评”;若是,则将所述第一客服服务对话数据及其邀评判断结果作为正样本,否则,将所述第一客服服务对话数据及其邀评判断结果作为负样本;使用所述第一客服服务对话数据对应的样本数据对所述邀评判断模型进行参数调整。
可选地,还包括评价获取模块,用于:在将所述邀评信息发送给所述客户对应的终端之后,通过数据埋点获取客户的评价指标值,并根据所述评价指标值分析客服的服务满意度。
根据本发明实施例的又一方面,提供了一种智能邀评的电子设备。
一种智能邀评的电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,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本发明实施例所提供的智能邀评的方法。
根据本发明实施例的再一方面,提供了一种计算机可读介质。
一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例所提供的智能邀评的方法。
上述发明中的一个实施例具有如下优点或有益效果:通过将线上实时产生的第一客服服务对话数据输入到邀评判断模型以判断是否需要对第一客服服务对话对应的客户发送邀评信息,其中,邀评判断模型是通过对最近时间段内的第二客服服务对话数据进行训练得到的;若需要,则将邀评信息发送给所述客户对应的终端,实现了通过邀评判断模型来判断是否需要发送邀评信息,实现了系统自动智能邀评,减少了因客服主观邀评导致客服满意度失真,而不能真实反映客服的服务水平的情况。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的智能邀评的方法的主要步骤示意图;
图2是客服业务标准服务流程示意图;
图3是本发明实施例的邀评判断模型的训练流程示意图;
图4是本发明实施例的智能邀评的方法的实现流程示意图;
图5是根据本发明实施例的智能邀评的装置的主要模块示意图;
图6是本发明实施例可以应用于其中的示例性系统架构图;
图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的智能邀评的方法的主要步骤示意图。如图1所示,本发明实施例的智能邀评的方法主要包括如下的步骤S101和步骤S102。
步骤S101:将第一客服服务对话数据输入到邀评判断模型以判断是否需要对第一客服服务对话对应的客户发送邀评信息,其中,邀评判断模型是通过对第二客服服务对话数据进行训练得到的,第一客服服务对话数据是线上实时产生的客服服务对话数据,第二客服服务对话数据是最近时间段内的客服服务对话数据;
步骤S102:若需要,则将所述邀评信息发送给所述客户对应的终端。
根据上述的步骤S101和步骤S102,即可通过系统自动智能邀评,减少因客服主观邀评导致客服满意度失真,而不能真实反映客服的服务水平的情况。
根据本发明的一个实施例,在训练邀评判断模型时,对第二客服服务对话数据进行训练具体可以包括:
获取最近时间段内的第二客服服务对话数据;
根据预设的维度指标对第二客服服务对话数据进行处理以得到样本数据,预设的维度指标包括数据完整性、数据有效性和数据是否符合业务流程规范;
通过对样本数据进行训练以得到邀评判断模型。
在上述的实施例中,在获取第二客服服务对话数据时,可以提取最近一周或最近一个月内的历史对话数据,例如通过对话日志来获取第二客服服务对话数据,具体包括:客服服务对话发生的时间、客服服务对话对应的会话标识ID、客户身份信息、客户咨询问题以及客服答复等等数据信息。之后,根据本发明预设的维度指标来对获取的第二客服服务对话数据进行判断、筛选、截取等操作,从而得到样本数据。例如:对于用户进线后没有咨询问题、咨询后没有说明咨询意图或者没有确认客服给出的回复是否解决了问题等,这些客服服务对话数据均需要被删除,不能作为样本数据。
根据本发明的一个实施例,邀评判断模型例如是采用分层注意力网HAN(Hierarchical Attention Network)网络结构算法来训练得到的,HAN模型的特征一是:分层采用word-level层与sentence-level,符合文档结构;二是:使用注意力机制,可直观的看出用这个模型构建文本表示时各个句子和单词的重要程度,可对词句子重要程度添加注意力机制,因此可以更好地对客户的意图进行判断。另外,还可以使用其他的模型框架来实现,例如:分类算法模型等。
在本发明的实施例中,根据预设的维度指标对第二客服服务对话数据进行处理以得到样本数据具体可以包括:
对第二客服服务对话数据中的每条对话数据分别判断是否全部满足以下条件:对话数据对应的会话长度达到设定的第一长度阈值、对话数据不包括无效咨询问题和答复、对话数据的逻辑符合业务标准服务流程规范;
若全部满足,则判断该对话数据对应的会话长度是否超过设定的第二长度阈值;
若未超过,则将该对话数据作为样本数据;
否则,将该对话数据进行截取以得到符合第一长度阈值的对话数据,并将截取后的对话数据作为样本数据。
在该实施例中,在对第二客服服务对话数据进行处理时,一般情况下,对话数据对应的会话长度过短时会无法准确判断客服的服务情况,因此,需要选择会话长度达到设定的第一长度阈值的对话数据,其中,会话长度指的是客户和客服之间发送的消息条数之和;第一长度阈值例如是8条,其可根据实际应用的需要灵活调整。由于无效咨询问题和答复也不能体现客服的服务情况,因此需要将该部分对话数据删除,例如:系统发送的消息、客户与客服的闲聊数据等,均为无效咨询问题和答复。另外,不符合业务标准服务流程规范的对话数据也无法作为训练样本。图2是客服业务标准服务流程示意图。如图2所示,当客户进线(即:进入客服咨询页面)后,客服需要首先确认客户意图,然后给出解决方案,并询问客户是否接受;若客户接受,则再次询问客户是否还有什么需要咨询的问题,直至客户无需要咨询的问题为止;若客户不接受,则再次给出其他解决方案,并询问用户是否接受。
图3是本发明实施例的邀评判断模型的训练流程示意图。如图3所示,在本发明的实施例中,通过提取最近一段时间内的客服服务对话日志,然后去掉日志中的系统消息以及无意义消息等,之后,合并连续的顾客或客服消息,具体地,可按照客户和客服发送消息的时间顺序合并成程序处理的一个对象,此处的连续指的是按照时间顺序连续。之后,判断每条客服服务对话数据的会话长度是否达到指定的第一阈值(例如:10);若未达到,则将该客服服务对话数据删除,否则,继续判断该会话长度是否超过第二阈值(例如:12),若未超过,则将该客服服务对话数据作为训练样本,若超过,则通过对该条客服服务对话数据进行截取以得到满足第一阈值长度的客服服务对话数据,并将该截取得到的客服服务对话数据作为训练样本,其中,在进行客服服务对话数据的截取时,为了更好地表达客户的意图特征,可以正向截取部分数据并反向截取部分数据,正向截取指的是按照客户和客服发送的消息的时间顺序从前往后截取,反向截取指的是按照客户和客服发送的消息的时间顺序从后往前截取。一般地,若需要截取10条消息,则可正向截取7条消息,反向截取3条消息,具体截取的消息的条数可根据需要灵活设定。
生成训练样本后,即可使用训练样本训练邀评判断模型。在模型训练好后,通过接口调用对指定时间段内的客服服务对话数据进行判断是否需要进行邀评,再由人工标注是否要评结果是否正确。通常是对模型判断的输出结果中判断错误的负样本数据进行分析,不断优化模型以在满足业务目标要求的前提下尽量最优。之后,判断邀评准确率是否达到最优(或者,是否达到设定目标值),若是,则将该模型作为训练得到的邀评判断模型,否则,进行算法参数调整,直至测评准确率达到最优(或者,达到设定目标值)。
在本发明的另一个实施例中,客服服务对话数据包括客服服务对话的会话标识;并且,在步骤S102中将邀评信息发送给客户对应的终端之后,还可以包括以下操作:
通过数据埋点获取第一客服服务对话的会话标识;
根据会话标识从客服服务对话日志中获取第一客服服务对话数据以及第一客服服务对话数据对应的邀评判断结果;
通过对第一客服服务对话数据及其邀评判断结果进行分析以对邀评判断模型进行参数调整。
在上述实施例中,通过对第一客服服务对话数据及其邀评判断结果进行分析以对邀评判断模型进行参数调整时,具体可以包括:
根据预设的维度指标判断第一客服服务对话数据是否满足样本数据的要求;
若满足,则判断第一客服服务对话数据的邀评判断结果是否为“邀评”;
若是,则将第一客服服务对话数据及其邀评判断结果作为正样本,否则,将第一客服服务对话数据及其邀评判断结果作为负样本;
使用第一客服服务对话数据对应的样本数据对邀评判断模型进行参数调整。
在上述的实施例中,通过根据线上的第一客服服务对话数据及其邀评判断结果来对邀评判断模型进行参数调整,从而实现了不断根据线上实时产生的数据来进行模型的优化,使得训练得到的模型更好地适应线上的客服服务邀评。
根据本发明的技术方案,在将邀评信息发送给客户对应的终端之后,还可以通过数据埋点获取客户的评价指标值,并根据评价指标值分析客服的服务满意度。用户在进行评价后,从大数据平台抽取埋点数据,用于统计分析整体客服满意度、单个客服的服务满意度。例如,一个客服一天有30通会话的自动邀评,单个客服这一天的服务满意度为30通会话的满意度求和之后除以30,整体客服满意度的计算方法同理。
图4是本发明实施例的智能邀评的方法的实现流程示意图。如图4所示,当对话开始后,客户咨询问题及客服答复,之后判断客户是否应答,若未应答,则流程结束,无需邀评;若应答,则邀评判断模型对该客服服务对话数据进行判断是否满足发送邀评信息条件;若不满足,则继续获取客户咨询问题及客服答复,若满足,则自动发送邀评信息;然后判断用户是否评价,若已评价,则获取评价指标值,否则,获取评价指标值失败,结束流程。
图5是根据本发明实施例的智能邀评的装置的主要模块示意图。如图5所示,本发明实施例的智能邀评的装置500主要包括邀评判断模块501和邀评发送模块502。
邀评判断模块501,用于将第一客服服务对话数据输入到邀评判断模型以判断是否需要对第一客服服务对话对应的客户发送邀评信息,其中,所述邀评判断模型是通过对第二客服服务对话数据进行训练得到的,所述第一客服服务对话数据是线上实时产生的客服服务对话数据,所述第二客服服务对话数据是最近时间段内的客服服务对话数据;
邀评发送模块502,用于若需要,则将所述邀评信息发送给所述客户对应的终端。
根据本发明的一个实施例,智能邀评的装置500还可以包括模型训练模块(图中未示出),用于训练所述邀评判断模型,具体地包括:
获取最近时间段内的第二客服服务对话数据;
根据预设的维度指标对所述第二客服服务对话数据进行处理以得到样本数据,所述预设的维度指标包括数据完整性、数据有效性和数据是否符合业务流程规范;
通过对所述样本数据进行训练以得到邀评判断模型。
根据本发明的另一个实施例,模型训练模块还可以用于:
对所述第二客服服务对话数据中的每条对话数据分别判断是否全部满足以下条件:所述对话数据对应的会话长度达到设定的第一长度阈值、所述对话数据不包括无效咨询问题和答复、所述对话数据的逻辑符合业务标准服务流程规范;
若全部满足,则判断所述对话数据对应的会话长度是否超过设定的第二长度阈值;
若未超过,则将所述对话数据作为样本数据;
否则,将所述对话数据进行截取以得到符合所述第一长度阈值的对话数据,并将截取后的对话数据作为样本数据。
根据本发明的又一个实施例,客服服务对话数据包括客服服务对话的会话标识;并且,智能邀评的装置500还可以包括模型调整模块(图中未示出),用于:
在将所述邀评信息发送给所述客户对应的终端之后,通过数据埋点获取所述第一客服服务对话的会话标识;
根据所述会话标识从客服服务对话日志中获取所述第一客服服务对话数据以及所述第一客服服务对话数据对应的邀评判断结果;
通过对所述第一客服服务对话数据及其邀评判断结果进行分析以对所述邀评判断模型进行参数调整。
根据本发明的再一个实施例,该模型调整模块还可以用于:
根据预设的维度指标判断所述第一客服服务对话数据是否满足样本数据的要求;
若满足,则判断所述第一客服服务对话数据的邀评判断结果是否为“邀评”;
若是,则将所述第一客服服务对话数据及其邀评判断结果作为正样本,否则,将所述第一客服服务对话数据及其邀评判断结果作为负样本;
使用所述第一客服服务对话数据对应的样本数据对所述邀评判断模型进行参数调整。
根据本发明的技术方案,智能邀评的装置500还可以包括评价获取模块(图中未示出),用于:
在将所述邀评信息发送给所述客户对应的终端之后,通过数据埋点获取客户的评价指标值,并根据所述评价指标值分析客服的服务满意度。
根据本发明实施例的技术方案,通过将线上实时产生的第一客服服务对话数据输入到邀评判断模型以判断是否需要对第一客服服务对话对应的客户发送邀评信息,其中,邀评判断模型是通过对最近时间段内的第二客服服务对话数据进行训练得到的;若需要,则将邀评信息发送给所述客户对应的终端,实现了通过邀评判断模型来判断是否需要发送邀评信息,实现了系统自动智能邀评,减少了因客服主观邀评导致客服满意度失真,而不能真实反映客服的服务水平的情况。
图6示出了可以应用本发明实施例的智能邀评的方法或智能邀评的装置的示例性系统架构600。
如图6所示,系统架构600可以包括终端设备601、602、603,网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604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。
用户可以使用终端设备601、602、603通过网络604与服务器605交互,以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器,例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的智能邀评的方法一般由服务器605执行,相应地,智能邀评的装置一般设置于服务器605中。
应该理解,图6中的终端设备、网络和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终端设备、网络和服务器。
下面参考图7,其示出了适于用来实现本发明实施例的终端设备或服务器的计算机系统700的结构示意图。图7示出的终端设备或服务器仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本发明公开的实施例,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,本发明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部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示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。在本发明中,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。而在本发明中,计算机可读的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。计算机可读的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:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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,上述模块、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,框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括邀评判断模块和邀评发送模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,邀评判断模块还可以被描述为“用于将第一客服服务对话数据输入到邀评判断模型以判断是否需要对第一客服服务对话对应的客户发送邀评信息的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。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一个该设备执行时,使得该设备包括:将第一客服服务对话数据输入到邀评判断模型以判断是否需要对第一客服服务对话对应的客户发送邀评信息,其中,所述邀评判断模型是通过对第二客服服务对话数据进行训练得到的,所述第一客服服务对话数据是线上实时产生的客服服务对话数据,所述第二客服服务对话数据是最近时间段内的客服服务对话数据;若需要,则将所述邀评信息发送给所述客户对应的终端。
根据本发明实施例的技术方案,通过将线上实时产生的第一客服服务对话数据输入到邀评判断模型以判断是否需要对第一客服服务对话对应的客户发送邀评信息,其中,邀评判断模型是通过对最近时间段内的第二客服服务对话数据进行训练得到的;若需要,则将邀评信息发送给所述客户对应的终端,实现了通过邀评判断模型来判断是否需要发送邀评信息,实现了系统自动智能邀评,减少了因客服主观邀评导致客服满意度失真,而不能真实反映客服的服务水平的情况。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种智能邀评的方法,其特征在于,包括:
将第一客服服务对话数据输入到邀评判断模型以判断是否需要对第一客服服务对话对应的客户发送邀评信息,其中,所述邀评判断模型是通过对第二客服服务对话数据进行训练得到的,所述第一客服服务对话数据是线上实时产生的客服服务对话数据,所述第二客服服务对话数据是最近时间段内的客服服务对话数据;
若需要,则将所述邀评信息发送给所述客户对应的终端。
2.根据权利要求1所述的方法,其特征在于,对第二客服服务对话数据进行训练包括:
获取最近时间段内的第二客服服务对话数据;
根据预设的维度指标对所述第二客服服务对话数据进行处理以得到样本数据,所述预设的维度指标包括数据完整性、数据有效性和数据是否符合业务流程规范;
通过对所述样本数据进行训练以得到邀评判断模型。
3.根据权利要求2所述的方法,其特征在于,根据预设的维度指标对所述第二客服服务对话数据进行处理以得到样本数据包括:
对所述第二客服服务对话数据中的每条对话数据分别判断是否全部满足以下条件:所述对话数据对应的会话长度达到设定的第一长度阈值、所述对话数据不包括无效咨询问题和答复、所述对话数据的逻辑符合业务标准服务流程规范;
若全部满足,则判断所述对话数据对应的会话长度是否超过设定的第二长度阈值;
若未超过,则将所述对话数据作为样本数据;
否则,将所述对话数据进行截取以得到符合所述第一长度阈值的对话数据,并将截取后的对话数据作为样本数据。
4.根据权利要求1所述的方法,其特征在于,客服服务对话数据包括客服服务对话的会话标识;
并且,在将所述邀评信息发送给所述客户对应的终端之后,还包括:
通过数据埋点获取所述第一客服服务对话的会话标识;
根据所述会话标识从客服服务对话日志中获取所述第一客服服务对话数据以及所述第一客服服务对话数据对应的邀评判断结果;
通过对所述第一客服服务对话数据及其邀评判断结果进行分析以对所述邀评判断模型进行参数调整。
5.根据权利要求4所述的方法,其特征在于,通过对所述第一客服服务对话数据及其邀评判断结果进行分析以对所述邀评判断模型进行参数调整包括:
根据预设的维度指标判断所述第一客服服务对话数据是否满足样本数据的要求;
若满足,则判断所述第一客服服务对话数据的邀评判断结果是否为“邀评”;
若是,则将所述第一客服服务对话数据及其邀评判断结果作为正样本,否则,将所述第一客服服务对话数据及其邀评判断结果作为负样本;
使用所述第一客服服务对话数据对应的样本数据对所述邀评判断模型进行参数调整。
6.根据权利要求1所述的方法,其特征在于,在将所述邀评信息发送给所述客户对应的终端之后,还包括:
通过数据埋点获取客户的评价指标值,并根据所述评价指标值分析客服的服务满意度。
7.一种智能邀评的装置,其特征在于,包括:
邀评判断模块,用于将第一客服服务对话数据输入到邀评判断模型以判断是否需要对第一客服服务对话对应的客户发送邀评信息,其中,所述邀评判断模型是通过对第二客服服务对话数据进行训练得到的,所述第一客服服务对话数据是线上实时产生的客服服务对话数据,所述第二客服服务对话数据是最近时间段内的客服服务对话数据;
邀评发送模块,用于若需要,则将所述邀评信息发送给所述客户对应的终端。
8.根据权利要求7所述的装置,其特征在于,还包括模型训练模块,用于训练所述邀评判断模型,包括:
获取最近时间段内的第二客服服务对话数据;
根据预设的维度指标对所述第二客服服务对话数据进行处理以得到样本数据,所述预设的维度指标包括数据完整性、数据有效性和数据是否符合业务流程规范;
通过对所述样本数据进行训练以得到邀评判断模型。
9.一种智能邀评的电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
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1-6中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911173285.8A CN112866492A (zh) | 2019-11-26 | 2019-11-26 | 一种智能邀评的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911173285.8A CN112866492A (zh) | 2019-11-26 | 2019-11-26 | 一种智能邀评的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112866492A true CN112866492A (zh) | 2021-05-28 |
Family
ID=75985500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911173285.8A Pending CN112866492A (zh) | 2019-11-26 | 2019-11-26 | 一种智能邀评的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112866492A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103188100A (zh) * | 2011-12-30 | 2013-07-03 | 乐活在线(北京)网络技术有限公司 | 一种评价信息的收集方法和系统 |
CN104809547A (zh) * | 2014-04-16 | 2015-07-29 | 惠州Tcl移动通信有限公司 | 基于事实及服务结果的服务评级系统及其评级方法 |
WO2017133165A1 (zh) * | 2016-02-01 | 2017-08-10 | 百度在线网络技术(北京)有限公司 | 一种满意度自动测评的方法、装置、设备和计算机存储介质 |
CN107342879A (zh) * | 2016-04-29 | 2017-11-10 | 北京京东尚科信息技术有限公司 | 用于确定向网络用户进行服务评价请求的方法和装置 |
KR20180093357A (ko) * | 2017-02-13 | 2018-08-22 | 에스케이플래닛 주식회사 | 사용자 리뷰 요청 방법 및 이를 위한 장치, 그리고 이를 수행하는 컴퓨터 프로그램을 기록한 기록 매체 |
CN109246324A (zh) * | 2018-10-23 | 2019-01-18 | 中国联合网络通信集团有限公司 | 客服质量的监控处理方法、装置、设备及移动终端 |
CN109784977A (zh) * | 2018-12-18 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 服务评分方法、装置、计算机设备和存储介质 |
CN109801105A (zh) * | 2019-01-17 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 基于人工智能的服务评分方法、装置、设备及存储介质 |
CN109885790A (zh) * | 2018-12-30 | 2019-06-14 | 贝壳技术有限公司 | 获取满意度评价数据的方法和装置 |
-
2019
- 2019-11-26 CN CN201911173285.8A patent/CN112866492A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103188100A (zh) * | 2011-12-30 | 2013-07-03 | 乐活在线(北京)网络技术有限公司 | 一种评价信息的收集方法和系统 |
CN104809547A (zh) * | 2014-04-16 | 2015-07-29 | 惠州Tcl移动通信有限公司 | 基于事实及服务结果的服务评级系统及其评级方法 |
WO2017133165A1 (zh) * | 2016-02-01 | 2017-08-10 | 百度在线网络技术(北京)有限公司 | 一种满意度自动测评的方法、装置、设备和计算机存储介质 |
CN107342879A (zh) * | 2016-04-29 | 2017-11-10 | 北京京东尚科信息技术有限公司 | 用于确定向网络用户进行服务评价请求的方法和装置 |
KR20180093357A (ko) * | 2017-02-13 | 2018-08-22 | 에스케이플래닛 주식회사 | 사용자 리뷰 요청 방법 및 이를 위한 장치, 그리고 이를 수행하는 컴퓨터 프로그램을 기록한 기록 매체 |
CN109246324A (zh) * | 2018-10-23 | 2019-01-18 | 中国联合网络通信集团有限公司 | 客服质量的监控处理方法、装置、设备及移动终端 |
CN109784977A (zh) * | 2018-12-18 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 服务评分方法、装置、计算机设备和存储介质 |
CN109885790A (zh) * | 2018-12-30 | 2019-06-14 | 贝壳技术有限公司 | 获取满意度评价数据的方法和装置 |
CN109801105A (zh) * | 2019-01-17 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 基于人工智能的服务评分方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
王敬一;: "基于大数据分析的智能客服系统研究与设计", 计算机产品与流通, no. 02, 15 February 2018 (2018-02-15) * |
高承芳;: "基于模糊神经网络的信息系统客户服务感知评价研究", 通讯世界, no. 20, 25 October 2014 (2014-10-25) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112184154A (zh) | 一种业务审批方法和装置 | |
US20100223335A1 (en) | Dynamically Managing Online Communication Groups | |
CN112527649A (zh) | 一种测试用例的生成方法和装置 | |
CN111861596B (zh) | 一种文本分类方法和装置 | |
CN110738056B (zh) | 用于生成信息的方法和装置 | |
CN113971243A (zh) | 应用于问卷调查的数据处理方法、系统、设备及存储介质 | |
CN111145063A (zh) | 一种业务系统指引方法和装置 | |
CN112906353A (zh) | 一种协同编辑文档的方法和系统 | |
WO2022078397A1 (zh) | 通信的方法、装置、设备及存储介质 | |
CN107885872B (zh) | 用于生成信息的方法和装置 | |
CN114171063A (zh) | 一种实时话务客户情绪分析辅助方法及系统 | |
CN113139377A (zh) | 推送信息的方法、装置、设备和计算机可读介质 | |
CN112866492A (zh) | 一种智能邀评的方法和装置 | |
CN114819679A (zh) | 一种客服会话质检方法和装置 | |
CN112131379A (zh) | 用于识别问题类别的方法、装置、电子设备及存储介质 | |
CN114064803A (zh) | 一种数据同步方法和装置 | |
CN111782776A (zh) | 一种通过填槽实现意图识别的方法和装置 | |
CN111131354B (zh) | 用于生成信息的方法和装置 | |
CN111178696A (zh) | 一种业务处理时长超时预警方法和装置 | |
CN113051381A (zh) | 信息质检方法、装置、计算机系统和计算机可读存储介质 | |
CN113066479A (zh) | 一种评测模型的方法和装置 | |
CN111274115A (zh) | 一种系统重构的验证方法和装置 | |
CN113010654A (zh) | 应用于保险行业的问题回复方法、装置、电子设备和介质 | |
CN112131380A (zh) | 用于识别问题类别的方法、装置、电子设备及存储介质 | |
CN112860859A (zh) | 一种推荐问题的方法和装置 |
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 |