CN113360625B - 一种基于nlp的智能对话营销获客方法及系统 - Google Patents
一种基于nlp的智能对话营销获客方法及系统 Download PDFInfo
- Publication number
- CN113360625B CN113360625B CN202110751113.5A CN202110751113A CN113360625B CN 113360625 B CN113360625 B CN 113360625B CN 202110751113 A CN202110751113 A CN 202110751113A CN 113360625 B CN113360625 B CN 113360625B
- Authority
- CN
- China
- Prior art keywords
- user
- dialogue
- preset
- attitude
- information
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本发明提供一种基于NLP的智能对话营销获客方法及系统,其中方法包括:通过预先配置的营销获客主流程与用户进行对话,获取用户的第一对话信息;解析第一对话信息,确定用户的第一意图;当第一意图为触发预设的分支场景流程的意图时,跳转至分支场景流程,通过分支场景流程与用户进行对话,获取第二对话信息;解析第一对话信息和第二对话信息,当用户留下联系方式时,跳转至预设的已获联流程;基于已获联流程对用户进行引导。本发明的基于NLP的智能对话营销获客方法,基于机器人智能对话,代替客服人员与客户沟通,并且通过在各个阶段、各种场景的套电话术配置,增强了机器人的拟人化程度、提升二次开口率以及灵活选择套电时机,提高机器人的套电成功机率。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种基于NLP的智能对话营销获客系统方法及系统。
背景技术
传统的在线咨询获客方式,往往是通过招聘售前人工客服,主要工作就是与客户沟通索电,最终形成商机线索进行销售分配。这个过程中,除了人工和获客成本居高不下外,在售前获客过程中经常还会遇到以下困扰。
一、索电成功率因人而异。成熟经验的优秀客服难招,不同客服人员,能力不一样,与客户沟通索电成功率也不一样。
二、高峰/夜间,商机流失严重。咨询高峰或夜间无人值守时,经常会出现客服接待不及时,导致访客商机流失。
三、客服状态影响商机。大量无效访客或恶意咨询,消耗客服时间精力,造成情绪干扰,接待状态低迷,影响商机获取。
发明内容
本发明目的之一在于提供了一种基于NLP的智能对话营销获客方法,基于机器人智能对话,代替客服人员与客户沟通,并且通过在各个阶段、各种场景的套电话术配置,增强了机器人的拟人化程度、提升二次开口率以及灵活选择套电时机,提高机器人的套电成功机率。
本发明实施例提供的一种基于NLP的智能对话营销获客方法,包括:
通过预先配置的营销获客主流程与用户进行对话,获取用户的第一对话信息;
解析第一对话信息,确定用户的第一意图;
当第一意图为触发预设的分支场景流程的意图时,跳转至分支场景流程,通过分支场景流程与用户进行对话,获取第二对话信息;
解析第一对话信息和第二对话信息,当用户留下联系方式时,跳转至预设的已获联流程;
基于已获联流程对用户进行引导。
优选的,基于NLP的智能对话营销获客方法,还包括:
通过预先构建的FAQ知识库问答模块与用户进行对话。
优选的,基于NLP的智能对话营销获客方法,还包括:
在解析第一对话信息和第二对话信息时,当并未识别到用户留下联系方式,基于预设的第一兜底回复话术与用户对话;
当已获联流程结束时,基于预设的第二兜底回复话术与用户对话;
在与用户的对话过程中,对用户的问题的进行参数提取,获取多个参数值;
基于多个参数值查询预设的时间调整表,确定对应用户的问题的的回答的调整时间,
基于调整时间对输出用户的问题的回答的初始启动时间进行调整,调整后的启动时间为初始启动时间与调整时间的和值。
优选的,基于NLP的智能对话营销获客方法,还包括:
在与用户对话过程中,当用户沉默超过预设的第一时间时,获取用户沉默前预设的第二时间内的第三对话信息;
解析第三对话信息,确定用户的态度;
当态度为预设的负面态度列表中的态度时,跳转至第三兜底回复话术与用户对话;
当态度为预设的正面态度列表中的态度时,通过预设的暖场引导话术与用户进行对话;
其中,解析第三对话信息,确定用户的态度;包括:
对第三对话信息进行特征提取,获取多个特征参数;
基于多个特征参数构建态度确定参数集;
获取预设的态度确定库,态度确定库中对比参数集与对话表达的态度一一对应;
计算态度确定参数集与对比参数集的相似度,相似度计算公式如下:
公式中,XSD表示相似度;xj为态度确定参数集中第j个特征参数的参数值;yj为对比参数集中第j个参数值;m为态度确定参数集中特征参数的总数或对比参数集的参数值的个数;
将态度确定库中与态度确定参数集的相似度最大且相似度大于预设的相似度阈值的对比参数集所对应的对话表达的态度作为用户的态度。
优选的,基于NLP的智能对话营销获客方法,还包括:
营销获客主流程、分支场景流程、第一兜底回复话术、暖场引导话术中的多个预设位置设置套电引导;
在执行套电引导之前,获取套电引导之前的用户的第四对话信息;
当第四对话信息中用户已留电,不执行套电引导;
当第四对话信息中用户未留电时,解析第四对话信息,确定是否进行过套电引导;
当进行过套电引导时,获取用户对于套电引导的应答;
将应答输入预设的第一神经网络中,确定用户对于留电的反感度;
获取应答距离当前时刻的时间差值,查询预设的时间差值与效用系数表,确定应答的效用系数;
将第四对话信息对应的输入预设的第二神经网络中,确定用户对于咨询问题的意愿度;
基于效用系数、意愿度和反感度,预测用户对于将要进行的套电引导的兴趣值,兴趣值的计算公式如下:
其中,X为兴趣值,D为意愿度,Fi为第四对话信息中第i次套电引导对应的用户的应答确定的反感度;γi为对应第四对话信息中第i次套电引导对应的用户的应答确定的反感度的效用系数;n为第四对话信息中套电引导的次数;α为对应意愿度的预设的第一关系系数;β为对应反感度的预设的第二关系系数;
当兴趣值大于等于预设的兴趣阈值时,执行套电引导;否则,不执行。
本发明还提供一种基于NLP的智能对话营销获客系统,包括:
第一信息获取模块,用于通过预先配置的营销获客主流程与用户进行对话,获取用户的第一对话信息;
第一解析模块,用于解析第一对话信息,确定用户的第一意图;
第二信息获取模块,用于当第一意图为触发预设的分支场景流程的意图时,跳转至分支场景流程,通过分支场景流程与用户进行对话,获取第二对话信息;
第二解析模块,用于解析第一对话信息和第二对话信息,当用户留下联系方式时,跳转至预设的已获联流程;
引导模块,用于基于已获联流程对用户进行引导。
优选的,基于NLP的智能对话营销获客系统,还包括:
答疑模块,用于通过预先构建的FAQ知识库问答模块与用户进行对话。
优选的,基于NLP的智能对话营销获客系统,还包括:
兜底回复模块,用于在解析第一对话信息和第二对话信息时,当并未识别到用户留下联系方式,基于预设的第一兜底回复话术与用户对话;
当已获联流程结束时,基于预设的第二兜底回复话术与用户对话;
时间调整模块,用于在与用户的对话过程中,对用户的问题的进行参数提取,获取多个参数值;
基于多个参数值查询预设的时间调整表,确定对应用户的问题的的回答的调整时间,
基于调整时间对输出用户的问题的回答的初始启动时间进行调整,调整后的启动时间为初始启动时间与调整时间的和值。
优选的,基于NLP的智能对话营销获客系统,还包括:
静默应对模块,用于在与用户对话过程中,当用户沉默超过预设的第一时间时,获取用户沉默前预设的第二时间内的第三对话信息;
解析第三对话信息,确定用户的态度;
当态度为预设的负面态度列表中的态度时,跳转至第三兜底回复话术与用户对话;
当态度为预设的正面态度列表中的态度时,通过预设的暖场引导话术与用户进行对话;
其中,解析第三对话信息,确定用户的态度;包括:
对第三对话信息进行特征提取,获取多个特征参数;
基于多个特征参数构建态度确定参数集;
获取预设的态度确定库,态度确定库中对比参数集与对话表达的态度一一对应;
计算态度确定参数集与对比参数集的相似度,相似度计算公式如下:
公式中,XSD表示相似度;xj为态度确定参数集中第j个特征参数的参数值;yj为对比参数集中第j个参数值;m为态度确定参数集中特征参数的总数或对比参数集的参数值的个数;
将态度确定库中与态度确定参数集的相似度最大且相似度大于预设的相似度阈值的对比参数集所对应的对话表达的态度作为用户的态度。
优选的,基于NLP的智能对话营销获客系统,还包括:套电模块,
套电模块执行如下操作:
营销获客主流程、分支场景流程、第一兜底回复话术、暖场引导话术中的多个预设位置设置套电引导;
在执行套电引导之前,获取套电引导之前的用户的第四对话信息;
当第四对话信息中用户已留电,不执行套电引导;
当第四对话信息中用户未留电时,解析第四对话信息,确定是否进行过套电引导;
当进行过套电引导时,获取用户对于套电引导的应答;
将应答输入预设的第一神经网络中,确定用户对于留电的反感度;
获取应答距离当前时刻的时间差值,查询预设的时间差值与效用系数表,确定应答的效用系数;
将第四对话信息对应的输入预设的第二神经网络中,确定用户对于咨询问题的意愿度;
基于效用系数、意愿度和反感度,预测用户对于将要进行的套电引导的兴趣值,兴趣值的计算公式如下:
其中,X为兴趣值,D为意愿度,Fi为第四对话信息中第i次套电引导对应的用户的应答确定的反感度;γi为对应第四对话信息中第i次套电引导对应的用户的应答确定的反感度的效用系数;n为第四对话信息中套电引导的次数;α为对应意愿度的预设的第一关系系数;β为对应反感度的预设的第二关系系数;
当兴趣值大于等于预设的兴趣阈值时,执行套电引导;否则,不执行。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于NLP的智能对话营销获客方法的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种基于NLP的智能对话营销获客方法,如图1所示,包括:
步骤S1:通过预先配置的营销获客主流程与用户进行对话,获取用户的第一对话信息;
步骤S2:解析第一对话信息,确定用户的第一意图;
步骤S3:当第一意图为触发预设的分支场景流程的意图时,跳转至分支场景流程,通过分支场景流程与用户进行对话,获取第二对话信息;
步骤S4:解析第一对话信息和第二对话信息,当用户留下联系方式时,跳转至预设的已获联流程;
步骤S5:基于已获联流程对用户进行引导。
上述技术方案的工作原理及有益效果为:
在机器人配置阶段完成营销获客主流程的配置。用户进线自动触发营销获客主流程,根据用户的轨迹、搜索词、竞价词等触发智能进入不同的营销流程;在用户与营销获客主流程对话过程中,同步进行用户的第一对话信息的分析,确定用户是否有进入分支场景流程的意图,识别出用户的意图后跳转至对应的分支场景流程,例如,用户问到具体的项目或产品(如双眼皮项目),则机器人可识别对应分支场景流程,走双眼皮项目流程,介绍双眼皮项目同时,引导客户留电话。在用户的对话中,即用户对于营销获客主流程的第一对话信息和分支场景流程的第二对话信息;当用户留下电话、微信或者QQ等联系方式时,机器人立即进入已获联流程,对用户继续进行引导,比如引导用户留下更多的信息,还可以创建一些工单等。
本基于NLP的智能对话营销获客方法,基于机器人智能对话,代替客服人员与客户沟通,实现了最大概率的将进线用户转化为客户,实现有效的商机获取。
在一个实施例中,基于NLP的智能对话营销获客方法,还包括:
通过预先构建的FAQ知识库问答模块与用户进行对话。
上述技术方案的工作原理及有益效果为:
构建了FAQ知识库问答模块,可配置一些通用的业务介绍答疑,实现了机器人解决回复用户问题的同时还可以主动引导留电。
在一个实施例中,基于NLP的智能对话营销获客方法,还包括:
在解析第一对话信息和第二对话信息时,当并未识别到用户留下联系方式,基于预设的第一兜底回复话术与用户对话;
当已获联流程结束时,基于预设的第二兜底回复话术与用户对话;
在与用户的对话过程中,对用户的问题的进行参数提取,获取多个参数值;
基于多个参数值查询预设的时间调整表,确定对应用户的问题的的回答的调整时间,
基于调整时间对输出用户的问题的回答的初始启动时间进行调整,调整后的启动时间为初始启动时间与调整时间的和值。
上述技术方案的工作原理及有益效果为:
在对话结束时,获得用户联系方式采用第二兜底回复话术与用户对话,实现结束与用户的对话。例如机器人:“通过本次对话,我们记录了您的号码为XXX,需要更改码?”;当用户回复:“无需更改”;机器人回复“好的,请在X月X日,保持电话畅通,我们会有专人联系您,为您介绍依据您的情况设计的专属方案,感谢您的来电,再见”。当对话过程中,用户始终都未留下联系方式时,采用第一兜底话术与用户对话。例如:机器人:“请问,您还有什么需要咨询的吗?”;客户回复:“没有了,谢谢”,此时,机器人回复“很高兴为您服务,基于您咨询的XX问题,若您有空可前往XX地点进行进一步咨询,谢谢!”。此外,可以采用延时回复,避免因瞬时回复造成用户识破机器人身份,充分保障拟人化程度;即可在用户发出问题后,机器人故意延迟n秒再进行回复。更进一步地,可以根据用户的问题确定回复的启动时间;该启动时间为用户问题结束后至机器人回答的时间;具体,可以对用户的问题的进行参数提取,参数包括:问题总长度、问题对应的问题的关键词个数、问题中语速等。当总长度越长,调整时间的值越大;关键词个数越多,调整时间的值越大;当语速越快,调整时间的值越大;即通过调整时间对初始启动时间进行调整,实现模拟真人对于问题的接收理解时间,提高机器人的拟人化。
在一个实施例中,基于NLP的智能对话营销获客方法,还包括:
在与用户对话过程中,当用户沉默超过预设的第一时间时,获取用户沉默前预设的第二时间内的第三对话信息;
解析第三对话信息,确定用户的态度;
当态度为预设的负面态度列表中的态度时,跳转至第三兜底回复话术与用户对话;
当态度为预设的正面态度列表中的态度时,通过预设的暖场引导话术与用户进行对话;
其中,解析第三对话信息,确定用户的态度;包括:
对第三对话信息进行特征提取,获取多个特征参数;
基于多个特征参数构建态度确定参数集;
获取预设的态度确定库,态度确定库中对比参数集与对话表达的态度一一对应;
计算态度确定参数集与对比参数集的相似度,相似度计算公式如下:
公式中,XSD表示相似度;xj为态度确定参数集中第j个特征参数的参数值;yj为对比参数集中第j个参数值;m为态度确定参数集中特征参数的总数或对比参数集的参数值的个数;
将态度确定库中与态度确定参数集的相似度最大且相似度大于预设的相似度阈值的对比参数集所对应的对话表达的态度作为用户的态度。
上述技术方案的工作原理及有益效果为:
通过对用户的沉默前的第三对话信息进行分析,可以知晓用户沉默的原因;以对应不同的原因提供不同的应对方案;当沉默前用户的态度为负面态度列表中的态度时,直接通过第三兜底回复话术与用户对话,实现兜底回复。例如:当用户态度为反感、不耐烦等负面态度时,机器人:“很抱歉,未能解决您的问题,但是,还是很感谢您的来电”。当沉默前用户的态度为正面态度列表中态度时,采用暖场引导话术进行引导;正面态度包括:感兴趣、求知等,求知可以从咨询问题的数量来确定,当咨询数量大于预设的个数即可认定为求知态度;故,在态度确定的特征参数提取时,提取的特征参数可以从语速、语调、关键词、背景音中的音量、关键词、在机器人回答问题后再次提出问题的时间间隔等方面出发,通过态度确定库,确定用户的态度。
在一个实施例中,基于NLP的智能对话营销获客方法,还包括:
营销获客主流程、分支场景流程、第一兜底回复话术、暖场引导话术中的多个预设位置设置套电引导;
在执行套电引导之前,获取套电引导之前的用户的第四对话信息;
当第四对话信息中用户已留电,不执行套电引导;
当第四对话信息中用户未留电时,解析第四对话信息,确定是否进行过套电引导;
当进行过套电引导时,获取用户对于套电引导的应答;
将应答输入预设的第一神经网络中,确定用户对于留电的反感度;
获取应答距离当前时刻的时间差值,查询预设的时间差值与效用系数表,确定应答的效用系数;
将第四对话信息对应的输入预设的第二神经网络中,确定用户对于咨询问题的意愿度;
基于效用系数、意愿度和反感度,预测用户对于将要进行的套电引导的兴趣值,兴趣值的计算公式如下:
其中,X为兴趣值,D为意愿度,Fi为第四对话信息中第i次套电引导对应的用户的应答确定的反感度;γi为对应第四对话信息中第i次套电引导对应的用户的应答确定的反感度的效用系数;n为第四对话信息中套电引导的次数;α为对应意愿度的预设的第一关系系数;β为对应反感度的预设的第二关系系数;
当兴趣值大于等于预设的兴趣阈值时,执行套电引导;否则,不执行。
上述技术方案的工作原理及有益效果为:
获取客户的联系方式主要还是通过营销获客主流程、分支场景流程、第一兜底回复话术、暖场引导话术中的多个预设位置设置套电引导;在一次对话过程中,可能经历多次套电引导,当套电引导次数过多且时间间隔并不长时,可能引起用户的反感,而影响获客率;故在套电引导执行前需要分析,将用户的在套电引导前的对话信息进行分析,以确定是否执行套电引导;并且预测用户对于套电引导兴趣值,主要从用户对咨询问题的意愿度以及用户留点的反感度两方面出发,兴趣值一定程度上可以反应套电引导执行会不会引起用户的体验上的不适,当兴趣值不高(未达到预设的兴趣阈值时),不执行,分析用户的第三对话信息确定用户感兴趣的问题进行引导,以提高用户的咨询问题的意愿度,为下次进行套电引导提供基础。更进一步地,可以将套电引导替换为获取联系方式的引导。在对话中设计套电引导,从而确定用户是否公司潜在用户的手段。
本发明还提供一种基于NLP的智能对话营销获客系统,包括:
第一信息获取模块,用于通过预先配置的营销获客主流程与用户进行对话,获取用户的第一对话信息;
第一解析模块,用于解析第一对话信息,确定用户的第一意图;
第二信息获取模块,用于当第一意图为触发预设的分支场景流程的意图时,跳转至分支场景流程,通过分支场景流程与用户进行对话,获取第二对话信息;
第二解析模块,用于解析第一对话信息和第二对话信息,当用户留下联系方式时,跳转至预设的已获联流程;
引导模块,用于基于已获联流程对用户进行引导。
上述技术方案的工作原理及有益效果为:
在机器人配置阶段完成营销获客主流程的配置。用户进线自动触发营销获客主流程,根据用户的轨迹、搜索词、竞价词等触发智能进入不同的营销流程;在用户与营销获客主流程对话过程中,同步进行用户的第一对话信息的分析,确定用户是否有进入分支场景流程的意图,识别出用户的意图后跳转至对应的分支场景流程,例如,用户问到具体的项目或产品(如双眼皮项目),则机器人可识别对应分支场景流程,走双眼皮项目流程,介绍双眼皮项目同时,引导客户留电话。在用户的对话中,即用户对于营销获客主流程的第一对话信息和分支场景流程的第二对话信息;当用户留下电话、微信或者QQ等联系方式时,机器人立即进入已获联流程,对用户继续进行引导,比如引导用户留下更多的信息,还可以创建一些工单等。
本基于NLP的智能对话营销获客系统,基于机器人智能对话,代替客服人员与客户沟通,实现了最大概率的将进线用户转化为客户,实现有效的商机获取。
在一个实施例中,基于NLP的智能对话营销获客系统,还包括:
答疑模块,用于通过预先构建的FAQ知识库问答模块与用户进行对话。
上述技术方案的工作原理及有益效果为:
构建了FAQ知识库问答模块,可配置一些通用的业务介绍答疑,实现了机器人解决回复用户问题的同时还可以主动引导留电。
在一个实施例中,基于NLP的智能对话营销获客系统,还包括:
兜底回复模块,用于在解析第一对话信息和第二对话信息时,当并未识别到用户留下联系方式,基于预设的第一兜底回复话术与用户对话;
当已获联流程结束时,基于预设的第二兜底回复话术与用户对话;
时间调整模块,用于在与用户的对话过程中,对用户的问题的进行参数提取,获取多个参数值;
基于多个参数值查询预设的时间调整表,确定对应用户的问题的的回答的调整时间,
基于调整时间对输出用户的问题的回答的初始启动时间进行调整,调整后的启动时间为初始启动时间与调整时间的和值。
上述技术方案的工作原理及有益效果为:
在对话结束时,获得用户联系方式采用第二兜底回复话术与用户对话,实现结束与用户的对话。例如机器人:“通过本次对话,我们记录了您的号码为XXX,需要更改码?”;当用户回复:“无需更改”;机器人回复“好的,请在X月X日,保持电话畅通,我们会有专人联系您,为您介绍依据您的情况设计的专属方案,感谢您的来电,再见”。当对话过程中,用户始终都未留下联系方式时,采用第一兜底话术与用户对话。例如:机器人:“请问,您还有什么需要咨询的吗?”;客户回复:“没有了,谢谢”,此时,机器人回复“很高兴为您服务,基于您咨询的XX问题,若您有空可前往XX地点进行进一步咨询,谢谢!”。此外,可以采用延时回复,避免因瞬时回复造成用户识破机器人身份,充分保障拟人化程度;即可在用户发出问题后,机器人故意延迟n秒再进行回复。更进一步地,可以根据用户的问题确定回复的启动时间;该启动时间为用户问题结束后至机器人回答的时间;具体,可以对用户的问题的进行参数提取,参数包括:问题总长度、问题对应的问题的关键词个数、问题中语速(字符输入速度)等。当问题总长度越长,调整时间的值越大;关键词个数越多,调整时间的值越大;当语速(字符输入速度)越快,调整时间的值越大;即通过调整时间对初始启动时间进行调整,实现模拟真人对于问题的接收理解时间,提高机器人的拟人化。
在一个实施例中,基于NLP的智能对话营销获客系统,还包括:
静默应对模块,用于在与用户对话过程中,当用户沉默超过预设的第一时间时,获取用户沉默前预设的第二时间内的第三对话信息;
解析第三对话信息,确定用户的态度;
当态度为预设的负面态度列表中的态度时,跳转至第三兜底回复话术与用户对话;
当态度为预设的正面态度列表中的态度时,通过预设的暖场引导话术与用户进行对话;
其中,解析第三对话信息,确定用户的态度;包括:
对第三对话信息进行特征提取,获取多个特征参数;
基于多个特征参数构建态度确定参数集;
获取预设的态度确定库,态度确定库中对比参数集与对话表达的态度一一对应;
计算态度确定参数集与对比参数集的相似度,相似度计算公式如下:
公式中,XSD表示相似度;xj为态度确定参数集中第j个特征参数的参数值;yj为对比参数集中第j个参数值;m为态度确定参数集中特征参数的总数或对比参数集的参数值的个数;
将态度确定库中与态度确定参数集的相似度最大且相似度大于预设的相似度阈值的对比参数集所对应的对话表达的态度作为用户的态度。
上述技术方案的工作原理及有益效果为:
通过对用户的沉默前的第三对话信息进行分析,可以知晓用户沉默的原因;以对应不同的原因提供不同的应对方案;当沉默前用户的态度为负面态度列表中的态度时,直接通过第三兜底回复话术与用户对话,实现兜底回复。例如:当用户态度为反感、不耐烦等负面态度时,机器人:“很抱歉,未能解决您的问题,但是,还是很感谢您的来电”。当沉默前用户的态度为正面态度列表中态度时,采用暖场引导话术进行引导;正面态度包括:感兴趣、求知等,求知可以从咨询问题的数量来确定,当咨询数量大于预设的个数即可认定为求知态度;故,在态度确定的特征参数提取时,提取的特征参数可以从语速(打字速度)、语调(感叹标点的使用确定)、关键词、在机器人回答问题后再次提出问题的时间间隔等方面出发,通过态度确定库,确定用户的态度。
在一个实施例中,基于NLP的智能对话营销获客系统,还包括:套电模块,
套电模块执行如下操作:
营销获客主流程、分支场景流程、第一兜底回复话术、暖场引导话术中的多个预设位置设置套电引导;
在执行套电引导之前,获取套电引导之前的用户的第四对话信息;
当第四对话信息中用户已留电,不执行套电引导;
当第四对话信息中用户未留电时,解析第四对话信息,确定是否进行过套电引导;
当进行过套电引导时,获取用户对于套电引导的应答;
将应答输入预设的第一神经网络中,确定用户对于留电的反感度;
获取应答距离当前时刻的时间差值,查询预设的时间差值与效用系数表,确定应答的效用系数;
将第四对话信息对应的输入预设的第二神经网络中,确定用户对于咨询问题的意愿度;
基于效用系数、意愿度和反感度,预测用户对于将要进行的套电引导的兴趣值,兴趣值的计算公式如下:
其中,X为兴趣值,D为意愿度,Fi为第四对话信息中第i次套电引导对应的用户的应答确定的反感度;γi为对应第四对话信息中第i次套电引导对应的用户的应答确定的反感度的效用系数;n为第四对话信息中套电引导的次数;α为对应意愿度的预设的第一关系系数;β为对应反感度的预设的第二关系系数;
当兴趣值大于等于预设的兴趣阈值时,执行套电引导;否则,不执行。
上述技术方案的工作原理及有益效果为:
获取客户的联系方式主要还是通过营销获客主流程、分支场景流程、第一兜底回复话术、暖场引导话术中的多个预设位置设置套电引导;在一次对话过程中,可能经历多次套电引导,当套电引导次数过多且时间间隔并不长时,可能引起用户的反感,而影响获客率;故在套电引导执行前需要分析,将用户的在套电引导前的对话信息进行分析,以确定是否执行套电引导;并且预测用户对于套电引导兴趣值,主要从用户对咨询问题的意愿度以及用户留点的反感度两方面出发,兴趣值一定程度上可以反应套电引导执行会不会引起用户的体验上的不适,当兴趣值不高(未达到预设的兴趣阈值时),不执行,分析用户的第三对话信息确定用户感兴趣的问题进行引导,以提高用户的咨询问题的意愿度,为下次进行套电引导提供基础。更进一步地,可以将套电引导替换为获取联系方式的引导。在对话中设计套电引导,从而确定用户是否公司潜在用户的手段。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于NLP的智能对话营销获客方法,其特征在于,包括:
通过预先配置的营销获客主流程与用户进行对话,获取用户的第一对话信息;
解析所述第一对话信息,确定用户的第一意图;
当所述第一意图为触发预设的分支场景流程的意图时,跳转至所述分支场景流程,通过所述分支场景流程与用户进行对话,获取第二对话信息;
解析所述第一对话信息和所述第二对话信息,当所述用户留下联系方式时,跳转至预设的已获联流程;
基于所述已获联流程对所述用户进行引导;
在与用户对话过程中,当所述用户沉默超过预设的第一时间时,获取所述用户沉默前预设的第二时间内的第三对话信息;
解析所述第三对话信息,确定用户的态度;
当所述态度为预设的负面态度列表中的态度时,跳转至第三兜底回复话术与所述用户对话;
当所述态度为预设的正面态度列表中的态度时,通过预设的暖场引导话术与所述用户进行对话;
其中,解析所述第三对话信息,确定用户的态度;包括:
对所述第三对话信息进行特征提取,获取多个特征参数;
基于多个所述特征参数构建态度确定参数集;
获取预设的态度确定库,所述态度确定库中对比参数集与对话表达的态度一一对应;
计算所述态度确定参数集与所述对比参数集的相似度,所述相似度计算公式如下:
公式中,XSD表示所述相似度;xj为所述态度确定参数集中第j个所述特征参数的参数值;yj为所述对比参数集中第j个参数值;m为所述态度确定参数集中特征参数的总数或所述对比参数集的参数值的个数;
将所述态度确定库中与所述态度确定参数集的相似度最大且所述相似度大于预设的相似度阈值的所述对比参数集所对应的对话表达的态度作为用户的态度。
2.如权利要求1所述的基于NLP的智能对话营销获客方法,其特征在于,还包括:
通过预先构建的FAQ知识库问答模块与用户进行对话。
3.如权利要求1所述的基于NLP的智能对话营销获客方法,其特征在于,还包括:
在解析所述第一对话信息和所述第二对话信息时,当并未识别到所述用户留下联系方式,基于预设的第一兜底回复话术与所述用户对话;
当已获联流程结束时,基于预设的第二兜底回复话术与所述用户对话;
在与用户的对话过程中,对用户的问题的进行参数提取,获取多个参数值;
基于多个所述参数值查询预设的时间调整表,确定对应所述用户的问题的回答的调整时间,
基于所述调整时间对输出所述用户的问题的回答的初始启动时间进行调整,调整后的启动时间为初始启动时间与所述调整时间的和值。
4.如权利要求1至3中任一项所述的基于NLP的智能对话营销获客方法,其特征在于,还包括:
营销获客主流程、分支场景流程、第一兜底回复话术、暖场引导话术中的多个预设位置设置套电引导;
在执行所述套电引导之前,获取所述套电引导之前的所述用户的第四对话信息;
当所述第四对话信息中用户已留电,不执行所述套电引导;
当所述第四对话信息中用户未留电时,解析所述第四对话信息,确定是否进行过套电引导;
当进行过套电引导时,获取所述用户对于所述套电引导的应答;
将所述应答输入预设的第一神经网络中,确定所述用户对于留电的反感度;
获取所述应答距离当前时刻的时间差值,查询预设的时间差值与效用系数表,确定所述应答的效用系数;
将所述第四对话信息对应的输入预设的第二神经网络中,确定所述用户对于咨询问题的意愿度;
基于所述效用系数、所述意愿度和所述反感度,预测所述用户对于将要进行的套电引导的兴趣值,所述兴趣值的计算公式如下:
其中,X为所述兴趣值,D为所述意愿度,Fi为所述第四对话信息中第i次所述套电引导对应的所述用户的应答确定的所述反感度;γi为对应所述第四对话信息中第i次所述套电引导对应的所述用户的应答确定的所述反感度的所述效用系数;n为所述第四对话信息中所述套电引导的次数;α为对应所述意愿度的预设的第一关系系数;β为对应所述反感度的预设的第二关系系数;
当所述兴趣值大于等于预设的兴趣阈值时,执行所述套电引导;否则,不执行。
5.一种基于NLP的智能对话营销获客系统,其特征在于,包括:
第一信息获取模块,用于通过预先配置的营销获客主流程与用户进行对话,获取用户的第一对话信息;
第一解析模块,用于解析所述第一对话信息,确定用户的第一意图;
第二信息获取模块,用于当所述第一意图为触发预设的分支场景流程的意图时,跳转至所述分支场景流程,通过所述分支场景流程与用户进行对话,获取第二对话信息;
第二解析模块,用于解析所述第一对话信息和所述第二对话信息,当所述用户留下联系方式时,跳转至预设的已获联流程;
引导模块,用于基于所述已获联流程对所述用户进行引导;
静默应对模块,用于在与用户对话过程中,当所述用户沉默超过预设的第一时间时,获取所述用户沉默前预设的第二时间内的第三对话信息;
解析所述第三对话信息,确定用户的态度;
当所述态度为预设的负面态度列表中的态度时,跳转至第三兜底回复话术与所述用户对话;
当所述态度为预设的正面态度列表中的态度时,通过预设的暖场引导话术与所述用户进行对话;
其中,解析所述第三对话信息,确定用户的态度;包括:
对所述第三对话信息进行特征提取,获取多个特征参数;
基于多个所述特征参数构建态度确定参数集;
获取预设的态度确定库,所述态度确定库中对比参数集与对话表达的态度一一对应;
计算所述态度确定参数集与所述对比参数集的相似度,所述相似度计算公式如下:
公式中,XSD表示所述相似度;xj为所述态度确定参数集中第j个所述特征参数的参数值;yj为所述对比参数集中第j个参数值;m为所述态度确定参数集中特征参数的总数或所述对比参数集的参数值的个数;
将所述态度确定库中与所述态度确定参数集的相似度最大且所述相似度大于预设的相似度阈值的所述对比参数集所对应的对话表达的态度作为用户的态度。
6.如权利要求5所述的基于NLP的智能对话营销获客系统,其特征在于,还包括:
答疑模块,用于通过预先构建的FAQ知识库问答模块与用户进行对话。
7.如权利要求5所述的基于NLP的智能对话营销获客系统,其特征在于,还包括:
兜底回复模块,用于在解析所述第一对话信息和所述第二对话信息时,当并未识别到所述用户留下联系方式,基于预设的第一兜底回复话术与所述用户对话;
当已获联流程结束时,基于预设的第二兜底回复话术与所述用户对话;
时间调整模块,用于在与用户的对话过程中,对用户的问题的进行参数提取,获取多个参数值;
基于多个所述参数值查询预设的时间调整表,确定对应所述用户的问题的回答的调整时间,
基于所述调整时间对输出所述用户的问题的回答的初始启动时间进行调整,调整后的启动时间为初始启动时间与所述调整时间的和值。
8.如权利要求5至7中任一项所述的基于NLP的智能对话营销获客系统,其特征在于,还包括:套电模块,
所述套电模块执行如下操作:
营销获客主流程、分支场景流程、第一兜底回复话术、暖场引导话术中的多个预设位置设置套电引导;
在执行所述套电引导之前,获取所述套电引导之前的所述用户的第四对话信息;
当所述第四对话信息中用户已留电,不执行所述套电引导;
当所述第四对话信息中用户未留电时,解析所述第四对话信息,确定是否进行过套电引导;
当进行过套电引导时,获取所述用户对于所述套电引导的应答;
将所述应答输入预设的第一神经网络中,确定所述用户对于留电的反感度;
获取所述应答距离当前时刻的时间差值,查询预设的时间差值与效用系数表,确定所述应答的效用系数;
将所述第四对话信息对应的输入预设的第二神经网络中,确定所述用户对于咨询问题的意愿度;
基于所述效用系数、所述意愿度和所述反感度,预测所述用户对于将要进行的套电引导的兴趣值,所述兴趣值的计算公式如下:
其中,X为所述兴趣值,D为所述意愿度,Fi为所述第四对话信息中第i次所述套电引导对应的所述用户的应答确定的所述反感度;γi为对应所述第四对话信息中第i次所述套电引导对应的所述用户的应答确定的所述反感度的所述效用系数;n为所述第四对话信息中所述套电引导的次数;α为对应所述意愿度的预设的第一关系系数;β为对应所述反感度的预设的第二关系系数;
当所述兴趣值大于等于预设的兴趣阈值时,执行所述套电引导;否则,不执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110751113.5A CN113360625B (zh) | 2021-07-02 | 2021-07-02 | 一种基于nlp的智能对话营销获客方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110751113.5A CN113360625B (zh) | 2021-07-02 | 2021-07-02 | 一种基于nlp的智能对话营销获客方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113360625A CN113360625A (zh) | 2021-09-07 |
CN113360625B true CN113360625B (zh) | 2022-01-04 |
Family
ID=77537989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110751113.5A Active CN113360625B (zh) | 2021-07-02 | 2021-07-02 | 一种基于nlp的智能对话营销获客方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113360625B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116226356B (zh) * | 2023-05-08 | 2023-07-04 | 深圳市拓保软件有限公司 | 一种基于nlp的智能客服交互方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107133349A (zh) * | 2017-05-24 | 2017-09-05 | 北京无忧创新科技有限公司 | 一种对话机器人系统 |
CN109767818A (zh) * | 2018-12-27 | 2019-05-17 | 厦门快商通信息技术有限公司 | 一种定制医疗答疑问诊引导系统 |
CN110096191A (zh) * | 2019-04-24 | 2019-08-06 | 北京百度网讯科技有限公司 | 一种人机对话方法、装置及电子设备 |
CN110457709A (zh) * | 2019-08-16 | 2019-11-15 | 北京一链数云科技有限公司 | 外呼对话处理方法、装置及服务器 |
CN110633037A (zh) * | 2018-06-25 | 2019-12-31 | 蔚来汽车有限公司 | 基于自然语言的人机交互方法、装置和计算机存储介质 |
CN110990545A (zh) * | 2019-11-28 | 2020-04-10 | 重庆锐云科技有限公司 | 一种人工智能电话拓客营销管理系统、方法 |
WO2021048572A1 (en) * | 2019-09-09 | 2021-03-18 | Citrix Systems, Inc | Conversational ai platform using declarative graph model |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105094315B (zh) * | 2015-06-25 | 2018-03-06 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机智能聊天的方法和装置 |
US20210142291A1 (en) * | 2019-07-01 | 2021-05-13 | Srivatsan Laxman | Virtual business assistant ai engine for multipoint communication |
-
2021
- 2021-07-02 CN CN202110751113.5A patent/CN113360625B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107133349A (zh) * | 2017-05-24 | 2017-09-05 | 北京无忧创新科技有限公司 | 一种对话机器人系统 |
CN110633037A (zh) * | 2018-06-25 | 2019-12-31 | 蔚来汽车有限公司 | 基于自然语言的人机交互方法、装置和计算机存储介质 |
CN109767818A (zh) * | 2018-12-27 | 2019-05-17 | 厦门快商通信息技术有限公司 | 一种定制医疗答疑问诊引导系统 |
CN110096191A (zh) * | 2019-04-24 | 2019-08-06 | 北京百度网讯科技有限公司 | 一种人机对话方法、装置及电子设备 |
CN110457709A (zh) * | 2019-08-16 | 2019-11-15 | 北京一链数云科技有限公司 | 外呼对话处理方法、装置及服务器 |
WO2021048572A1 (en) * | 2019-09-09 | 2021-03-18 | Citrix Systems, Inc | Conversational ai platform using declarative graph model |
CN110990545A (zh) * | 2019-11-28 | 2020-04-10 | 重庆锐云科技有限公司 | 一种人工智能电话拓客营销管理系统、方法 |
Non-Patent Citations (4)
Title |
---|
Can machines talk? Comparison of Eliza with modern dialogue systems;Huma Shah et al.;《Computers in Human Behavior》;20160119;278-295 * |
Similarity Attraction Effects in Mobile Advertisement: Interaction between User Personality and Advertisement Personality;Hongseok Lee et al.;《The International Conference on Information Network 2012》;20120309;506-511 * |
基于深度学习的开放领域对话系统研究综述;陈晨 等;《计算机学报》;20190328;第42卷(第7期);1439-1466 * |
智能语音外呼系统业务交互子系统的设计与实现;郭明;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190815(第8期);I138-203 * |
Also Published As
Publication number | Publication date |
---|---|
CN113360625A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818798A (zh) | 客服服务质量评价方法、装置、设备及存储介质 | |
CN112365894B (zh) | 基于ai的复合语音交互方法、装置及计算机设备 | |
CN111932144B (zh) | 一种客服坐席分配方法、装置、服务器及存储介质 | |
CN109065052B (zh) | 一种语音机器人 | |
CN109977202A (zh) | 一种智能客服系统及其控制方法 | |
CN110347863A (zh) | 话术推荐方法和装置及存储介质 | |
CN110633912A (zh) | 监测服务人员服务质量的方法及系统 | |
CN110689261A (zh) | 服务质量评测产品定制平台及方法 | |
Higashinaka et al. | Modeling user satisfaction transitions in dialogues from overall ratings | |
CN106815321A (zh) | 基于智能聊天机器人的聊天方法及装置 | |
CN113360625B (zh) | 一种基于nlp的智能对话营销获客方法及系统 | |
CN112199486A (zh) | 一种办公场景的任务型多轮对话方法及系统 | |
CN110489519B (zh) | 基于会话预测模型的会话方法及相关产品 | |
CN115982400A (zh) | 基于多模态的情绪图像的生成方法和服务器 | |
CN114974253A (zh) | 一种基于人物画像的自然语言解释方法、装置及存储介质 | |
CN117216229A (zh) | 一种生成客服答案的方法及装置 | |
CN112015879A (zh) | 基于文本结构化管理的人机交互引擎实现方法及装置 | |
TWI782442B (zh) | 一種在線訪談的方法及系統 | |
CN110765242A (zh) | 一种客服信息的提供方法,装置及系统 | |
Edirisinghe et al. | Application of robot autobiographical memory in long-term human-robot social interactions | |
CN113782010A (zh) | 机器人响应方法、装置、电子设备及存储介质 | |
CN113111157A (zh) | 问答处理方法、装置、计算机设备和存储介质 | |
KR20200122916A (ko) | 대화 시스템 및 그 제어 방법 | |
CN111324719A (zh) | 用于法律咨询的模糊识别系统 | |
CN111556096A (zh) | 信息推送方法、装置、介质及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |