CN113505606A - 一种培训信息获取方法、装置、电子设备及存储介质 - Google Patents
一种培训信息获取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113505606A CN113505606A CN202111058853.7A CN202111058853A CN113505606A CN 113505606 A CN113505606 A CN 113505606A CN 202111058853 A CN202111058853 A CN 202111058853A CN 113505606 A CN113505606 A CN 113505606A
- Authority
- CN
- China
- Prior art keywords
- training
- information
- trained
- data
- service
- 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.)
- Granted
Links
- 238000012549 training Methods 0.000 title claims abstract description 343
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000013210 evaluation model Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims description 26
- 230000014509 gene expression Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 4
- 230000006735 deficit Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 34
- 230000000694 effects Effects 0.000 abstract description 18
- 230000008451 emotion Effects 0.000 description 8
- 238000012790 confirmation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 206010049976 Impatience Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003245 working 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
- G06F40/30—Semantic analysis
-
- 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
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种培训信息获取方法、装置、电子设备及存储介质,该方法包括:获取待培训对象的目标业务对应的历史数据;将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息,根据所述待培训对象的第一能力弱项信息从预设培训资料库中确定出与所述待培训对象匹配的目标培训信息。向待培训对象推送所述目标培训信息。可以有针对性的对特定用户完成培训,根据所述待培训对象的能力弱项信息在预设培训资料库中获取培训信息,能够更细节化的对用户的能力弱项进行培训,针对不同用户的不同能力弱项,更有效的完成培训过程,提高培训效果,避免现有技术中的培训过于宽泛,无法针对特定用户进行培训的问题。
Description
技术领域
本发明实施例涉及数据处理领域,尤其涉及一种培训信息获取方法、装置、电子设备及存储介质。
背景技术
随着商业的发展,在不同业务场景对销售人员、服务人员以及工作流程相关标准的工作人员的要求越来越高,由此需要对这些销售人员、服务人员以及标准化工作流程的工作人员进行相关培训,培训内容包括业务培训、工作流程培训、技术培训、话术培训、产品培训等等,根据不同的岗位或者不同的业务场景,进行不同内容的培训。培训的主要形式一般有线下讲师培训或者线上培训等形式,结合考试的形式来确认培训效果。培训的教材或者资料一般来源于培训经验丰富的讲师编写,或者经验丰富的管理者制定,或者是从其他业务场景复制,由此造成培训教材是以普适性为原则的同时具有较高概括性的培训信息,往往待培训人员并不能很好的将高概括性的培训信息运用于实践中,培训信息不具备针对性造成培训效果低下的问题。
发明内容
本发明实施例提供了一种培训信息获取方法、装置、电子设备及存储介质,避免了现有技术中培训教材是以普适性为原则的同时具有较高概括性的培训信息,缺乏对待培训人员的能力弱项的针对性问题。
第一方面,本发明实施例提供了一种培训信息获取方法,包括:
获取待培训对象的目标业务对应的历史数据;
将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息,其中,所述能力评估模型中包括多个业务场景和每个所述业务场景对应的考核指标数据;
根据所述待培训对象的第一能力弱项信息从预设培训资料库中确定出与所述待培训对象匹配的目标培训信息,其中,所述预设培训资料库存储有各种业务场景对应的培训信息;
向待培训对象推送所述目标培训信息。
可选的,所述将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息的步骤,包括:
从所述历史数据中提取出所述目标业务的各个业务场景出现的业务关键词;
对各个所述业务关键词分别添加能力标签;
根据每个能力标签出现的次数和所述能力评估模型中的考核指标数据,确定所述待培训对象的第一能力弱项信息。
可选的,在所述获取待培训对象的目标业务对应的历史数据的步骤之前,还包括:
获取多个工作人员在第一预设时间段内的业务数据,其中,所述业务数据为各个所述工作人员在接待客户期间产生的接待数据;
对所述业务数据进行语义分析和业务场景识别,得到结构化文本信息;
对所述结构化文本信息进行标准话术的评估和提取,得到各业务场景对应的培训数据;
基于各业务场景对应的培训数据构建与更新所述培训资料库。
可选的,所述对所述业务数据进行语义分析和业务场景识别,得到结构化文本信息的步骤,包括:
对所述业务数据进行有效性处理,得到有效文本信息;
对所述有效文本信息进行语义分析和业务场景识别,得到所述结构化文本信息。
可选的,所述对所述业务数据进行有效性处理,得到有效文本信息的步骤,包括:
获取所述多个工作人员在第一预设时间段内的成单信息;
基于所述成单信息对所述业务数据进行筛选,得到成单的业务数据;
根据预设关键词对成单的业务数据进行划分,得到所述工作人员在工作阶段的有效文本信息。
可选的,所述对所述有效文本信息进行语义分析和业务场景识别,得到所述结构化文本信息的步骤,包括:
获取各个所述工作人员的工作用语数据;
基于所述工作用语数据对所述工作人员在工作阶段的有效文本信息根据业务场景进行分段剪裁,得到剪裁后的多段子业务场景对应的有效文本信息;
将所述多段子业务场景对应的有效文本信息作为所述结构化文本信息。
可选的,所述对所述结构化文本信息进行标准话术的评估和提取,得到各业务场景对应的培训数据的步骤,包括:
统计各个所述工作人员在同一成单数据中不同业务场景下的时长数据,确定不同业务场景之间的时长占比;
基于不同业务场景的时长占比对所述结构化文本信息进行标注;
对标注后的所述结构化文本信息进行标准话术的评估和提取,得到包含各业务场景时长占比的培训数据。
可选的,所述根据待培训对象的第一能力弱项信息从预设培训资料库中确定出与待培训对象匹配的目标培训信息的步骤,包括:
根据所述待培训对象的第一能力弱项信息,为所述待培训对象设置培训关联信息,其中,所述关联信息包括业务场景、业务主题和关键词维度;
基于所述培训关联信息与所述预设培训资料库中各培训信息的培训标签进行匹配,确定出与所述待培训对象匹配的目标培训信息。
可选的,所述培训信息获取方法,还包括:
获取所述待培训对象在接收所述目标培训信息的第二预设时间段之后的目标业务对应的实时数据;
将所述实时数据输入所述能力评估模型,确定所述待培训对象的第二能力弱项信息;
将所述第一能力弱项信息和所述第二能力弱项信息进行比对,确定所述待培训对象的能力弱项提升度。
可选的,所述培训信息获取方法,还包括:
在获取到任意工作人员的实时数据之后,对所述预设培训资料库进行更新。
第二方面,本申请实施例提供了一种培训信息获取装置,包括:
信息采集模块,用于获取待培训对象的目标业务对应的历史数据;
确定模块,用于将所述历史数据和预设考核指标输入能力评估模型,确定待培训对象的能力弱项信息,其中,所述预设考核指标包括业务场景和对应所述业务场景的指标数据;
数据提取模块,用于根据待培训对象的能力弱项信息从预设培训资料库中确定出与待培训对象匹配的目标培训信息,其中,所述预设培训资料库存储有各种业务场景对应的培训信息;
推送模块,用于向待培训对象推送所述目标培训信息。
第三方面,本申请实施例提供了一种电子设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器用于执行存储器中存储的计算机程序时实现如上述的培训信息获取方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序:所述计算机程序被处理器执行时实现如上述的培训信息获取方法。
上述发明中的实施例具有如下优点或有益效果:
通过获取待培训对象的目标业务对应的历史数据;将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息,其中,所述能力评估模型中包括多个业务场景和每个所述业务场景对应的考核指标数据;确定了所述待培训对象的第一能力弱项信息,便于后续有针对性的为所述待培训对象提供培训资料;根据所述待培训对象的第一能力弱项信息从预设培训资料库中确定出与所述待培训对象匹配的目标培训信息,其中,所述预设培训资料库存储有各种业务场景对应的培训信息;向待培训对象推送所述目标培训信息。针对待培训用户的弱项给其推荐培训信息,可以提高培训效率和质量。
附图说明
图1是本申请实施例提供的一种培训信息获取方法的流程图;
图2是本申请实施例提供的一种培训信息获取装置的结构示意图;
图3是本申请实施例提供的一种电子设备的结构示意图;
图4是本申请实施例提供的一种存储介质的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
本发明实施例提供了一种培训信息获取方法,如图1所示,包括:
S101、获取待培训对象的目标业务对应的历史数据;
示例性的,采用线下设备获取待培训对象的目标业务对应的历史数据,例如,当待培训对象为销售人员,待培训对象的目标业务的目标业务为销售业务,对应的,所述历史数据为销售人员在进行销售业务时的工作数据。
若所述工作数据为音频数据,则采用音频数据完成后续评估过程。若所述工作数据为包含音频数据的影像数据,则对影像数据进行处理,删除所述影像数据中的图像数据,保留所述影像数据中的音频数据,采用音频数据完成后续评估过程。
其中,若影像数据中的图像数据配有字幕,则可以通过文字识别获取销售人员在进行销售业务时的历史数据,进而丰富了获取待培训对象的目标业务对应的历史数据的方式,增加了本方案所述方法的适用范围。面对不同类型的工作数据,都可以获取待培训对象的目标业务对应的历史数据。
S102、将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息;其中,所述能力评估模型中包括多个业务场景和每个所述业务场景对应的考核指标数据。
示例性的,将销售人员的整个销售过程分为多个业务场景,将所述历史数据按照对应多个业务场景的方式进行划分,将划分后的所述历史数据按照每个所述业务场景对应的考核指标数据进行评估,进而确定销售人员的第一能力弱项信息,即,所述销售人员在哪个业务场景表现不足。
根据在各个业务场景所出现的关键词,来定义员工的能力标签,比如迎宾、送宾业务场景下预定义能力标签为服务态度的关键词,在需求询问和产品介绍业务场景下预定义能力标签为专业能力的关键词,在关联销售和会员邀请业务场景下预定义能力标签为积极主动服务的关键词,将工作过程,即,销售过程与员工能力模型进行标签关联,得出一线优秀员工的能力模型,所述一线优秀员工为销售成单量最大的员工。
具体地,通过每个能力标签出现的次数与对应员工绩效进行对比,针对绩效值低于某个阈值的员工,进行对比分析,可以采用雷达图或者百分比或者图形占比块的方式,对能力模型进行呈现,同时判定出员工的能力弱项。
S103、根据所述待培训对象的第一能力弱项信息从预设培训资料库中确定出与所述待培训对象匹配的目标培训信息;其中,所述预设培训资料库存储有各种业务场景对应的培训信息;
示例性的,针对所述待培训对象的第一能力弱项信息对所述待培训对象进行培训,不需要获取完整的培训信息,进而避免了培训造成时间成本浪费的问题,针对性的培训有利于提高培训效果。
S104、向待培训对象推送所述目标培训信息。
示例性的,在为所述待培训对象推送所述目标培训信息时,往往出现多个与所述待培训对象匹配的目标培训信息,若将所有与所述待培训对象匹配的目标培训信息均推送给所述待培训对象,会导致占用大量数据资源,需要客户端与服务器端进行大量的数据交互过程,由此,需要在多个与所述待培训对象匹配的目标培训信息中,选择最优的目标培训信息推送给所述待培训对象。
在一种可能的实施方式中,获取多个目标培训信息的数据量,比较多个目标培训信息的数据量,将所述数据量最小的目标培训信息作为最优目标培训信息,并推送给所述待培训对象,减少了资源的占用,提高了培训的效率,避免冗长的培训信息降低培训效果。
在一种可能的实施方式中,获取多个目标培训信息的地域信息,将多个目标培训信息的地域信息与所述待培训对象的地域信息进行对比,将地域信息与所述待培训对象的地域信息最接近的目标培训信息作为最优目标培训信息,并推送给所述待培训对象,避免由于地域不同带来的风俗差异影响培训结果,减少无效培训,使得培训过程更合理。
在一种可能的实施方式中,获取多个目标培训信息的生成时间,计算多个目标培训信息的生成时间与所述待培训对象发送培训请求的时间的时间差,将最小的时间差对应的目标培训信息作为最优目标培训信息,并推送给所述待培训对象,使得所述培训信息更加符合用户的聊天方式,利于所述待培训对象学习培训信息后的实践过程。
在一种可能的实施方式中,获取多个目标培训信息的数据量、地域信息和生成时间等不同种类的基础数据,为多个目标培训信息的基础数据分别设置权重,进而根据不同种类的基础数据和对应不同种类的基础数据的权重计算多个目标培训信息的综合评分,比较所述综合评分,选择其中评分最高的目标培训信息作为最优目标培训信息,并推送给所述待培训对象,使得目标培训信息的选择更合理,有利于提高培训的效果。
示例性的,在面对众多工作人员时,可以对众多工作人员的能力弱项进行统计,得到所有工作人员的能力弱项分布情况,基于所述所有工作人员的能力弱项分布情况按比例获取对应工作人员能力弱项的培训信息,获取培训信息后进行线下培训,减少了为每个工作人员都配备设备的成本,也减少了每个工作人员的设备都进行运行的成本,更符合企业的成本管控方案。例如,将整个销售流程分为迎宾、问询、结束、送宾四个阶段,对众多工作人员的能力弱项进行统计得到所有工作人员的能力弱项分布情况为2:4:3:1;则按照2:4:3:1的比例获取对应工作人员能力弱项的培训信息,即,获取2个对应迎宾的培训信息,获取4个对应问询的培训信息,获取3个对应结束的培训信息,获取1个对应送宾的培训信息。保证了线下培训的针对性。
通过获取待培训对象的目标业务对应的历史数据;将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息,其中,所述能力评估模型中包括多个业务场景和每个所述业务场景对应的考核指标数据;确定了所述待培训对象的第一能力弱项信息,便于后续有针对性的为所述待培训对象提供培训资料;根据所述待培训对象的第一能力弱项信息从预设培训资料库中确定出与所述待培训对象匹配的目标培训信息,其中,所述预设培训资料库存储有各种业务场景对应的培训信息;向待培训对象推送所述目标培训信息。针对待培训用户的能力弱项给其推荐培训信息,可以提高培训效率和质量。
在一种可能的实施方式中,所述将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息的步骤,包括:
从所述历史数据中提取出所述目标业务的各个业务场景出现的业务关键词;
对各个所述业务关键词分别添加能力标签;
根据每个能力标签出现的次数和所述能力评估模型中的考核指标数据,确定所述待培训对象的第一能力弱项信息。
示例性的,根据在各个业务场景所出现的关键词,来定义员工的能力标签,比如迎宾业务场景、送宾业务场景定义为服务态度,需求询问业务场景和产品介绍业务场景定义为专业能力,关联销售业务场景和会员邀请业务场景定义为开拓能力,将工作过程,即,销售过程,与员工能力模型进行标签关联,得出一线优秀员工的能力模型,所述一线优秀员工为销售成单量最大或者销售成单量超过阈值的员工。
具体地,通过每个能力标签出现的次数与对应员工绩效进行对比,针对绩效值低于某个阈值的员工,进行对比分析,可以采用雷达图或者百分比或者图形占比块的方式,对能力模型进行呈现,同时判定出员工的能力弱项。
在一种可能的实施方式中,通过摄像设备获取所述历史数据的影像数据,即,获取销售人员在接待客户时的表情和客户被接待时的表情,通过面部识别技术,分析销售人员在接待客户时的表情和客户被接待时的表情,得到销售人员和客户的表情状态,基于所述客户的表情状态,分析客户对当前销售人员是否满意,基于所述销售人员的表情状态分析销售人员是否认真负责进行接待,例如,客户出现皱眉或者发怒的表情,则认定客户不满意当前销售人员,进而对当前业务场景进行标记,在计算销售人员的能力弱项时进行处理,例如,扣分处理,降低评价等级处理;基于所述销售人员的表情状态分析销售人员是否认真负责进行接待,例如,销售人员出现嬉笑或者不耐烦等表情,则认定销售人员并未认真负责接待,在计算销售人员的能力弱项时进行处理,例如,扣分处理,降低评价等级处理。
在一种可能的实施方式中,在所述获取待培训对象的目标业务对应的历史数据的步骤之前,还包括:
获取多个工作人员在第一预设时间段内的业务数据,其中,所述业务数据为各个所述工作人员在接待客户期间产生的接待数据;
对所述业务数据进行语义分析和业务场景识别,得到结构化文本信息;
对所述结构化文本信息进行标准话术的评估和提取,得到各业务场景对应的培训数据;
基于各业务场景对应的培训数据构建与更新所述培训资料库。
示例性的,通过音频采集设备,对预设范围内的多个工作人员,即,销售人员、服务人员或者部分岗位技术人员的线下工作过程进行数据采集,将采集到的数据进行存储并传输至云端服务器,例如,对同一个城市内的销售人员、服务人员或者部分岗位技术人员的线下工作过程进行数据采集。由此,可以根据实际需求选择培训资料的来源范围,使得本方案更加合理,更加灵活,可以满足不同需求。同时,所述培训资料库可以针对不同业务场景的培训信息进行分区存储,由此,在获取特定的业务场景的培训信息时,只需要访问特定的存储区域,提高了数据交互的速度。
在一种可能的实施方式中,所述对所述业务数据进行语义分析和业务场景识别,得到结构化文本信息的步骤,包括:
对所述业务数据进行有效性处理,得到有效文本信息;
对所述有效文本信息进行语义分析和业务场景识别,得到所述结构化文本信息。
示例性的,将采集到的数据中的音频数据,主要是一线工作人员的服务对话数据进行删除空白静默音频段(VAD)、语音识别(ASR)、语义理解分析(NLP)等语音处理,形成有效文本信息。对采集到的数据中的音频数据进行去除冗余操作,避免了无效音频数据对培训信息产生影响,使得培训资料更加准确。
在一种可能的实施方式中,所述对所述业务数据进行有效性处理,得到有效文本信息的步骤,包括:
获取所述多个工作人员在第一预设时间段内的成单信息;
基于所述成单信息对所述业务数据进行筛选,得到成单的业务数据;
根据预设关键词对成单的业务数据进行划分,得到所述工作人员在工作阶段的有效文本信息。
示例性的,根据成单数据对所述业务数据进行筛选,避免未成单的销售过程成为培训信息的情况,由于成单信息具有滞后性,即,成单总在销售人员的工作之后,所以根据成单信息筛选业务数据会造成筛选后的业务数据并不准确,会带有工作阶段外的信息,因此需要根据预设关键词对成单的业务数据进行划分,避免成单的业务数据之外的数据对培训信息的影响,保证培训信息的准确。
在一种可能的实施方式中,所述对所述有效文本信息进行语义分析和业务场景识别,得到所述结构化文本信息的步骤,包括:
获取各个所述工作人员的工作用语数据;
基于所述工作用语数据对所述工作人员在工作阶段的有效文本信息根据业务场景进行分段剪裁,得到剪裁后的多段子业务场景对应的有效文本信息;
将所述多段子业务场景对应的有效文本信息作为所述结构化文本信息。
示例性的,获取各个所述工作人员的工作用语数据,例如,出现“您好”、“欢迎光临”、“快请进”、“您来了”等定义为迎宾业务场景,出现“你需要什么”、“想看看什么”、“怎么了”等定义为需求问询业务场景,出现“该产品”、“特别好用”、“具有xxx效果”定义为产品介绍业务场景,出现“微信还是支付宝”、“请扫这里”、“二维码”等定义为成单或者唱收业务场景。基于工作用语数据对所述工作人员在工作阶段的有效文本信息根据业务场景进行分段剪裁,得到剪裁后的多段子业务场景对应的有效文本信息,即,结构化文本信息。
在一种可能的实施方式中,所述对所述结构化文本信息进行标准话术的评估和提取,得到各业务场景对应的培训数据的步骤,包括:
统计各个所述工作人员在同一成单数据中不同业务场景下的时长数据,确定不同业务场景之间的时长占比;
基于不同业务场景的时长占比对所述结构化文本信息进行标注;
对标注后的所述结构化文本信息进行标准话术的评估和提取,得到包含各业务场景时长占比的培训数据。
示例性的,通过得到包含各业务场景时长占比的培训数据,可以使得在对多个目标培训信息选择最优解时提供数据基础,由于不同人有不同的工作方式,即,在工作时选择的主要业务场景不同,由此,目标培训信息在对应的完整工作过程中所占时间比重越重,针对能力弱项越能够起到培训的作用,例如,待培训对象的能力弱项为迎客业务场景,但针对迎客阶段提供的多个目标培训信息中,存在迎客阶段时长占比较低的目标培训信息,若将迎客阶段时长占比较低的目标培训信息推送给能力弱项为迎客阶段的待培训对象,显然不能很好的起到培训作用,因此,为保证培训效果需要获取包含各业务场景时长占比的培训数据。通过对接待段中各个不同接待环节,进行相关标注,同时提取分析每个接待环节的时长信息,结合高绩效员工的信息,进行对比。比如产品介绍时长、需求问询时长、关联销售时长等,进行分析对比,比如需求询问时长中位数为整个销售时长的30%,产品介绍的市场中位数为整个销售时长的10%,对应员工的绩效占比员工销售以及排名的10%,则应该按照上述进行典型案例编写,以形成相关培训信息。
示例性的,对标注后的所述结构化文本信息进行标准话术的评估和提取,具体地,根据业务特征定义业务场景,在每个业务场景定义一些特征关键词,当有效文本信息出现上述预设的关键词,则触发标注为对应的业务场景B1,然后对该业务场景内的业务相关词语进行提取及记录,将提取出来的业务词语记录为B1w1、B1w2、B1w3……。根据大量的音频数据文件,得到大量的B1、B2、B3……,以及对应的B1w1、B1w2、B1w3……、B2w1、B2w2、B2w3……、B3w1、B3w2、B3w3……,进行聚类分析和高频词提取,得到高频词语或者短语,得到聚类后的高频词语或者短语作为优秀话术。这个过程在通过聚类得到优秀话术后,在标注模块需要人工进行复核,然后反向对优秀话术库,即,培训资料库进行补充。对关键词、词组进行标注标识,建立一定规则以后,可以通过AI技术由机器来完成标注过程。
举例说明,比如在某些销售场景,“口感好”作为产品卖点,同时该关键词已经录入产品介绍标准对比库,销售人员只要说“口感好”,则定义为产品介绍接待环节。但是其实口感好,对于消费者感知并不是很好,如果说了“口感好”之后,补充说道“入口顺滑”,并且通过大量高绩效员工的大数据分析,得出“入口顺滑”出现的频次在聚类分析中占比70%以上,则可定义“入口顺滑”为“口感好”的关键优秀话术,以形成相关培训信息。
示例性的,对标注后的所述结构化文本信息进行标准话术的评估和提取,具体地,从管理团队得到高绩效员工名单,将部分或者全部的高绩效员工的线下数据进行采集,进行数据分析。根据高绩效员工的成单的业务数据进行接待环节拆分,将每个销售过程的接待环节进行标签分析,比如对迎宾、需求问询、产品推荐、产品介绍、成单确认、特殊问题说明、关联销售、会员邀请、会员功能介绍、支付确认(唱收)、送宾这些业务场景的出现次数进行统计分析,出现频次高于某个阈值,定义为权重较高,低于某个阈值,则定义为非关键业务场景。例如,可以根据高绩效员工的接待段或者其他数据信息进行分析,以地域分布为维度,进行统计分析,得出不同地域、不同区域的优秀话术,以形成相关培训信息。
优秀话术根据不同的业务场景有所不同,但是针对大部分销售场景和服务场景都是有规范的要求。特别是在销售和服务场景,大部分企业或者团队对工作过程都是有相应培训,并且希望通过培训达到较好的业绩表现。所以优秀话术的一个评价维度为,以业绩或者销售成单为评价标准。即能够按照规范的流程及要求,能够成单的话术为优秀话术。具体来讲,比如有些销售场景需要有一些规定的服务过程,举例来讲服务过程包括:迎宾、需求问询、产品推荐、产品介绍、成单确认、特殊问题说明、关联销售、会员邀请、会员功能介绍、支付确认即,唱收、送宾等业务场景,上述业务场景定义为服务环节。
培训信息可以包括优秀话术。
优秀话术第一个评价维度:接待段中的服务环节是否完整,关键业务场景是否完成,是否成单。完整并成单的接待段对应的文本内容可以定义为优秀话术。
优秀话术第二个评价维度:高绩效员工的高频词汇,定义为优秀话术。
优秀话术第三个评价维度:针对销售或者服务,预定义的权重较高的关键词或者短语是否提及,比如汽车销售场景,如果定义销售车型的“发动机”为该产品的卖点,对“发动机”的介绍方法及提及率,即,在整个销售过程提及的次数,也是评价优秀话术的评价方法。
培训信息可以包括典型案例。典型案例的定义及评价维度:
每个销售过程或者服务过程都是由不同的业务场景组成,并且每个业务场景对于整个销售或者服务最终目标达成的重要程度均有不同,通过对线下销售或者服务过程每个业务场景或者业务场景的时长分布进行统计,结合目标达成,即,是否成单,判定是否为典型案例。比如,对每个成单的接待段案例进行分析,对业务场景的数量进行统计分析,将高频出现的业务场景定义为权重较高的接待段,即为一种典型案例。再比如,通过对大量高绩效员工的接待段或者服务过程进行分析,通过对数据聚类分析,能够发现案例库中没有的高频词汇或者过程阶段,则可以定义为新的典型案例。
在一种可能的实施方式中,所述根据待培训对象的第一能力弱项信息从预设培训资料库中确定出与待培训对象匹配的目标培训信息的步骤,包括:
根据所述待培训对象的第一能力弱项信息,为所述待培训对象设置培训关联信息,其中,所述关联信息包括业务场景、业务主题和关键词维度;
基于所述培训关联信息与所述预设培训资料库中各培训信息的培训标签进行匹配,确定出与所述待培训对象匹配的目标培训信息。
示例性的,根据员工的能力弱项,设置关联条件,将关联条件与培训资料库中优秀话术的培训标签进行匹配,获取到与员工的能力弱项相匹配的优秀话术并推送至待培训对象,通过为待培训对象提供优秀话术实例作为培训信息,利于待培训对象将培训信息运用于实践,提高培训效果,也加快了培训效果的展现速度。
在一种可能的实施方式中,所述培训信息获取方法,还包括:
获取所述待培训对象在接收所述目标培训信息的第二预设时间段之后的目标业务对应的实时数据;
将所述实时数据输入所述能力评估模型,确定所述待培训对象的第二能力弱项信息;
将所述第一能力弱项信息和所述第二能力弱项信息进行比对,确定所述待培训对象的能力弱项提升度。
示例性的,将所述待培训对象的实时数据和所述待培训对象的历史数据作为单一变量,采用单一变量法得出所述待培训对象的能力弱项提升度,能够及时获取到培训效果,便于及时调整考核指标或者培训方式。
在一种可能的实施方式中,所述培训信息获取方法,还包括:
在获取到任意工作人员的实时数据之后,对所述预设培训资料库进行更新。
示例性的,对所述预设培训资料库的实时更新,避免了现有技术中的培训资料库的更新间隔较久,致使现有技术中的培训资料库的培训效果较低,甚至脱离了现实需要的情况。
在一种可能的实施方式中,对更新后的预设培训资料库进行验证,以避免更新后的预设培训资料库存在负面情感的案例,具体地,
采集多个工作人员工作中与客户对话的录音;
基于多个工作人员的工作用语,例如“您好”“请您稍等”“抱歉”等语句建立情感映射语料库,文字过滤库;
对录音进行语音识别,将音频转化成文字;
对文字进行预处理,去除一些无益于话术提取的词、句子和段落等;
对预处理后的文字进行分句,分词,设对句子进行分词后,得到句子向量sk={wk1,wk2,…,wkm}。其中,sk表示第k个句子对应的向量,wki表示该句子中的词的词向量,i=1,2,…,m,
m表示该句子中词的个数,k=1,2,…,n,n表示句子的个数;
根据各个词在语料库中被判为的正向情感的频率计算句子sk为正向情感的概率:
根据句子的正向情感概率计算对应句子的段落的正向情感概率P(para),根据人工设定的阈值t0,当P(para)>t0时,撮取P(para)及其对应的段落存入预设培训资料库,作为话术,即,培训信息;当P(para)<t0时,删除P(para)及其对应的段落,不作为培训信息;当P(para)=t0时,撮取P(para)及其对应的段落存入预设培训资料库,作为培训信息。
避免预设培训资料库中保存负向情感语句和/或段落,将负向情感语句和/或段落作为培训信息时,并不能够起到很好的培训效果。
示例性的,在一次完整的销售过程中,客户向销售人员提出多个问题,而销售人员多次表示“抱歉”“请稍等”等语句,虽然最后客户购买了商品,但是本次销售并非一次成功的销售,因此,单独依靠成单数据筛选提取培训信息是容易出现漏洞的,所以,通过判断成功案例里段落的正向情感概率,可以避免将不成功的销售案例作为经典案例,即,培训信息。
在一种可能的实施方式中,基于语音识别技术,在待培训对象接待客户时,识别当前的业务场景,基于当前的业务场景,实时获取所述待培训对象的接待用语,当识别到所述接待用语为预设关键词时,及时在预设培训资料库中获取对应预设关键词经典案例,并推送给待培训对象,若所述待培训对象的用户端不存在显示文字的显示器,则将所述文本培训信息转化为音频播放给所述待培训对象。
示例性的,服务器实时记录用户和待培训对象之间的音频对话,并且根据音频对话分析出用户咨询的问题内容,如可以通过语音信息识别分析出用户咨询的问题内容。具体可以为:获取用户咨询的问题内容,根据问题内容获取问题答案,并在预设培训资料库获取针对用户咨询的问题的答案。还可以实时提示追问问题,具体可以为:根据问题内容获取问题答案和追问问题,并在当前预设培训资料库获取用户咨询的问题对应的经典案例,所述经典案例中包括用户咨询的问题对应的问题答案和追问问题。即,不仅可以根据用户咨询的问题提供问题答案,还可以根据用户咨询的问题或者问题答案提示可以进一步追问的相关问题,由此促进销售人员的工作效果,提高了沟通内容的针对性。
在一种可能的实施方式中,获取被接待用户的问题,例如,销售人员在推荐商品时,经常被问到商品性能等基础数据,当销售人员为新入职或者新接触当前商品的销售人员时,销售人员对商品基础数据也并不熟悉,由此可能造成用户流失的问题,因此,可以通过语音识别技术,实时获取被接待用户的问题在预设培训资料库中搜索对应被接待用户的问题的答案,或者将对应被接待用户的问题的答案作为培训信息存储在预设培训资料库中,利于新入职或者对商品不熟悉的销售人员对商品的介绍。
其中,在区分待培训对象和被接待客户的音频时,获取混合音频信息,并分割所述混合音频信息至少获得第一音频信息和第二音频信息;根据所述第一音频信息和/或所述第二音频信息获得目标文本;将所述目标文本与预设文本进行匹配,获得匹配结果,其中,所述预设文本为待培训对象对应的话术文本;根据所述匹配结果,从所述第一音频信息和所述第二音频信息中确定一个音频信息作为待培训对象的音频信息,以及确定另一个音频信息作为被接待客户的音频信息。
示例性的,获得问题文本,从预设培训资料库中查找与问题文本对应的答案文本,将问题文本和答案文本结合为待提取文本,采用文本提取模型对问题文本和与问题文本对应的答案文本进行提取,以获得提取结果,并根据提取结果生成话术。
所述预设培训资料库的构建过程还包括:构建问题库和构建答案库。
构建所述问题库的过程包括:获得预设问题文本;采用深度学习模型对所述预设问题文本进行扩展,以得到扩展问题文本,其中,所述扩展问题文本是对所述预设问题文本的表达方式进行扩展,因此,所述扩展问题文本具有与所述预设问题文本相同的关键词;采用文本关键词提取算法对所述预设问题文本和所述扩展问题文本进行关键词提取,以得到所述预设问题文本的关键词和所述扩展问题文本的关键词,其中,一组关键词对应一个预设问题文本和多个对该预设问题文本进行扩展得到的扩展问题文本。
构建所述答案库的过程包括:获得初始答案文本;采用文本关键词提取算法对所述初始答案文本进行语义分析,并按照语义分析结果将所述初始答案文本划分为不超过预设字数阈值的答案文本;采用文本关键词提取算法对所述答案文本进行关键词提取,以得到所述答案文本的关键词。
在将构建的所述问题库和所述答案库存储至预设培训资料库之后,将所述预设问题文本的关键词与所述答案文本的关键词进行对比,当关键词的匹配度达到预设阈值时,将所述关键词、所述关键词对应的所述预设问题文本,以及所述关键词对应的所述答案文本按照顺序进行排列,并生成结构化数据,将该结构化数据存储至所述预设培训资料库。应当说明的是,所述预设培训资料库中某一个答案文本可能有多个与之对应问题文本;所述预设培训资料库中的某一个问题文本也可能有多个与之对应的答案文本。
由于每个人的表述方式不同,用户提供的信息不一定与所述预设培训资料库中预存的问题文本的描述方式完全相同,因此,需要对所述文字信息是否是所述预设培训资料库中的问题进行判断。
所述的问题文本为查找的所述预设培训资料库中的结构化数据中的预设问题文本,在所述结构化数据中,每个预存问题文本都具有与之对应的一个或多个答案文本,因此,在确定了预设问题文本的前提下,能够从所述预设培训资料库中查找出与该预设问题文本对应的答案文本,具体的,从所述预设培训资料库中查找出与该预设问题文本对应的答案文本的方式可以是将所述问题文本输入搜索引擎,以搜索到所述预设培训资料库中与所述问题文本对应的答案文本;也可以是通过将关键词输入搜索引擎,以搜索到所述预设培训资料库中与所述问题文本的关键词对应的答案文本。
将所述问题文本和所述答案文本结合为待提取文本,当查找问题文本和与所述问题文本对应的答案文本之后,该答案文本可能较长,因此需要对该答案文本进行提炼,以得到精炼压缩的答案文本,该答案文本也可能表述方式太过书面,直接向用户反馈该答案文本不利于客户的理解;因此,将所述问题文本和所述答案文本结合为待提取文本以作后续处理,一方面能够对答案文本进行压缩,缩短客服人员与客户交流的时间;另一方面能够将所述问题文本的表述方式作为参考,通过后续处理过程生成与之表述方式类似的答案信息,以贴近用户的表述习惯;进一步地,将所述问题文本和所述答案文本结合为待提取文本以作后续处理,还能够便于工作人员通过所述问题文本深入分析客户需求,以根据分析结果对客户做出进一步的引导。
采用预训练模型对待提取文本进行预训练;通过对句子中词语的排列组合,把目标词语的一些下文词语排到该目标词语的上文位置中,由此获知该目标词语的上文信息和下文信息,从而达到对输入的文本信息进行摘要的功能。
进而,通过扩展预设培训资料库,使得预设培训资料库可以为销售人员提供更多信息,已满足客户需求,同时记录并统计客户的问题,生成培训信息。
在一种可能的实施方式中,在所述待培训人员获取到培训信息后,基于记录并统计后的客户的问题,对待培训人员的培训效果进行检验,根据在所述预设培训资料库中对应客户的问题的答案与待培训人员的答案完成检验过程,进而更直观的更合理的查看到待培训人员的提升程度,与通过获取所述提升度的方式相比,更直观。
通过让线下一线销售人员、服务人员或者标准流程工作人员佩戴/穿戴/手持音频采集设备,采集一线工作人员音频数据。通过大数据和知识图谱技术,对大量音频数据进行统计分析,通过高频词检测、销售业绩或者服务质量评价反馈作为关联检测、或者根据音频数据内分析出的客户反馈信息进行统计分析,形成优秀话术、典型案例。
这种优秀话术和典型案例的形成是输出的结果,结果的输入是大量的线下数据的搜集分析,并且线下数据的搜集与分析是持续进行,可以实时进行或者按天为维度进行统计分析,保证优秀话术和典型案例的及时性。
并且这种优秀话术及典型案例的产生来源于大量一线工作人员的实际工作场景,并且具有统计学意义,不是个例或者个案,因此具有较强的一线落地能力和指导意义。
由于这种方法产生优秀话术及典型案例来源于一线工作场景的全过程,能够对一些高频词的统计分析,全方位发现管理者或者培训教材编写者意识不到,或者无法预测的优秀话术或者典型案例,保证培训资料及内容的完整性及全面性。
根据对一线员工工作过程的音频采集,以及对应的数据分析,结合对员工的考核指标或者能力模型的不同维度进行匹配及比对,能够发现一线员工的不足或者待提高的能力点,同时将对应的优秀话术或者培训资料,即,视频、文字或者语音等推送给相应的员工,实现精准培训,免去大规模集体培训,提高培训效率。
根据上述精准培训,可以按照精准培训结束的时间节点为起始点,继续分析上述一线员工的后续工作数据,比如比对计算缺失能力点的关键词或者关键词组等,统计精准培训后的数据结果并与精准培训之前的结果进行对比分析,以验证精准培训效果。对精准培训的效果实现有效的闭环检测。
在一种可能的实施方式中,如图2所示,本申请实施例提供了一种培训信息获取装置,包括:
信息采集模块201,用于获取待培训对象的目标业务对应的历史数据;
确定模块202,用于将所述历史数据和预设考核指标输入能力评估模型,确定待培训对象的能力弱项信息,其中,所述预设考核指标包括业务场景和对应所述业务场景的指标数据;
数据提取模块203,用于根据待培训对象的能力弱项信息从预设培训资料库中确定出与待培训对象匹配的目标培训信息,其中,所述预设培训资料库存储有各种业务场景对应的培训信息;
推送模块204,用于向待培训对象推送所述目标培训信息。
通过获取待培训对象的目标业务对应的历史数据;将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息,其中,所述能力评估模型中包括多个业务场景和每个所述业务场景对应的考核指标数据;确定了所述待培训对象的第一能力弱项信息,便于后续有针对性的为所述待培训对象提供培训资料;根据所述待培训对象的第一能力弱项信息从预设培训资料库中确定出与所述待培训对象匹配的目标培训信息,其中,所述预设培训资料库存储有各种业务场景对应的培训信息;向待培训对象推送所述目标培训信息。针对待培训用户的能力弱项给其推荐培训信息,可以提高培训效率和质量。
在一种可能的实施方式中,确定模块202用于所述将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息的步骤,包括:
从所述历史数据中提取出所述目标业务的各个业务场景出现的业务关键词;
对各个所述业务关键词分别添加能力标签;
根据每个能力标签出现的次数和所述能力评估模型中的考核指标数据,确定所述待培训对象的第一能力弱项信息。
在一种可能的实施方式中,信息采集模块201用于所述获取待培训对象的目标业务对应的历史数据的步骤之前,还包括:
获取多个工作人员在第一预设时间段内的业务数据,其中,所述业务数据为各个所述工作人员在接待客户期间产生的接待数据;
对所述业务数据进行语义分析和业务场景识别,得到结构化文本信息;
对所述结构化文本信息进行标准话术的评估和提取,得到各业务场景对应的培训数据;
基于各业务场景对应的培训数据构建与更新所述培训资料库。
在一种可能的实施方式中,信息采集模块201用于所述对所述业务数据进行语义分析和业务场景识别,得到结构化文本信息的步骤,包括:
对所述业务数据进行有效性处理,得到有效文本信息;
对所述有效文本信息进行语义分析和业务场景识别,得到所述结构化文本信息。
在一种可能的实施方式中,信息采集模块201用于所述对所述业务数据进行有效性处理,得到有效文本信息的步骤,包括:
获取所述多个工作人员在预设时间段内的成单信息;
基于所述成单信息对所述业务数据进行筛选,得到成单的业务数据;
根据预设关键词对成单的业务数据进行划分,得到所述工作人员在工作阶段的有效文本信息。
在一种可能的实施方式中,信息采集模块201用于所述对所述有效文本信息进行语义分析和业务场景识别,得到所述结构化文本信息的步骤,包括:
获取各个所述工作人员的工作用语数据;
基于所述工作用语数据对所述工作人员在工作阶段的有效文本信息根据业务场景进行分段剪裁,得到剪裁后的多段子业务场景对应的有效文本信息;
将所述多段子业务场景对应的有效文本信息作为所述结构化文本信息。
在一种可能的实施方式中,信息采集模块201用于所述对所述结构化文本信息进行标准话术的评估和提取,得到各业务场景对应的培训数据的步骤,包括:
统计各个所述工作人员在同一成单数据中不同业务场景下的时长数据,确定不同业务场景之间的时长占比;
基于不同业务场景的时长占比对所述结构化文本信息进行标注;
对标注后的所述结构化文本信息进行标准话术的评估和提取,得到包含各业务场景时长占比的培训数据。
在一种可能的实施方式中,数据提取模块203用于所述根据待培训对象的第一能力弱项信息从预设培训资料库中确定出与待培训对象匹配的目标培训信息的步骤,包括:
根据所述待培训对象的第一能力弱项信息,为所述待培训对象设置培训关联信息,其中,所述关联信息包括业务场景、业务主题和关键词维度;
基于所述培训关联信息与所述预设培训资料库中各培训信息的培训标签进行匹配,确定出与所述待培训对象匹配的目标培训信息。
在一种可能的实施方式中,所述培训信息获取装置,还包括:
获取所述待培训对象在接收所述目标培训信息的第二预设时间段之后的目标业务对应的实时数据;
将所述实时数据输入所述能力评估模型,确定所述待培训对象的第二能力弱项信息;
将所述第一能力弱项信息和所述第二能力弱项信息进行比对,确定所述待培训对象的能力弱项提升度。
在一种可能的实施方式中,所述培训信息获取装置,还包括:
在获取到任意工作人员的实时数据之后,对所述预设培训资料库进行更新。
在一种可能的实时方式中,如图3所示,本申请实施例提供了一种电子设备,包括存储器310、处理器320及存储在存储器310上并可在处理器320上运行的计算机程序311,处理器320执行计算机程序311时,实现:获取待培训对象的目标业务对应的历史数据;将所述历史数据和预设考核指标输入能力评估模型,确定待培训对象的能力弱项信息,其中,所述预设考核指标包括业务场景和对应所述业务场景的指标数据;根据待培训对象的能力弱项信息从预设培训资料库中确定出与待培训对象匹配的目标培训信息,其中,所述预设培训资料库存储有各种业务场景对应的培训信息;向待培训对象推送所述目标培训信息。
通过获取待培训对象的目标业务对应的历史数据;将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息,其中,所述能力评估模型中包括多个业务场景和每个所述业务场景对应的考核指标数据;确定了所述待培训对象的第一能力弱项信息,便于后续有针对性的为所述待培训对象提供培训资料;根据所述待培训对象的第一能力弱项信息从预设培训资料库中确定出与所述待培训对象匹配的目标培训信息,其中,所述预设培训资料库存储有各种业务场景对应的培训信息;向待培训对象推送所述目标培训信息。针对待培训用户的弱项给其推荐培训信息,可以提高培训效率和质量。
在一种可能的实时方式中,如图4所示,本申请实施例提供了一种计算机可读存储介质400,其上存储有计算机程序411,该计算机程序411被处理器执行时实现:获取待培训对象的目标业务对应的历史数据;将所述历史数据和预设考核指标输入能力评估模型,确定待培训对象的能力弱项信息,其中,所述预设考核指标包括业务场景和对应所述业务场景的指标数据;根据待培训对象的能力弱项信息从预设培训资料库中确定出与待培训对象匹配的目标培训信息,其中,所述预设培训资料库存储有各种业务场景对应的培训信息;向待培训对象推送所述目标培训信息。
通过获取待培训对象的目标业务对应的历史数据;将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息,其中,所述能力评估模型中包括多个业务场景和每个所述业务场景对应的考核指标数据;确定了所述待培训对象的第一能力弱项信息,便于后续有针对性的为所述待培训对象提供培训资料;根据所述待培训对象的第一能力弱项信息从预设培训资料库中确定出与所述待培训对象匹配的目标培训信息,其中,所述预设培训资料库存储有各种业务场景对应的培训信息;向待培训对象推送所述目标培训信息。针对待培训用户的弱项给其推荐培训信息,可以提高培训效率和质量。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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。
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发明操作的计算机程序代码,上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)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里上述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (13)
1.一种培训信息获取方法,其特征在于,包括:
获取待培训对象的目标业务对应的历史数据;
将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息,其中,所述能力评估模型中包括多个业务场景和每个所述业务场景对应的考核指标数据;
根据所述待培训对象的第一能力弱项信息从预设培训资料库中确定出与所述待培训对象匹配的目标培训信息,其中,所述预设培训资料库存储有各种业务场景对应的培训信息;
向待培训对象推送所述目标培训信息。
2.根据权利要求1所述的培训信息获取方法,其特征在于,所述将所述历史数据输入能力评估模型,确定待培训对象的第一能力弱项信息的步骤,包括:
从所述历史数据中提取出所述目标业务的各个业务场景出现的业务关键词;
对各个所述业务关键词分别添加能力标签;
根据每个能力标签出现的次数和所述能力评估模型中的考核指标数据,确定所述待培训对象的第一能力弱项信息。
3.根据权利要求1所述的培训信息获取方法,其特征在于,在所述获取待培训对象的目标业务对应的历史数据的步骤之前,还包括:
获取多个工作人员在第一预设时间段内的业务数据,其中,所述业务数据为各个所述工作人员在接待客户期间产生的接待数据;
对所述业务数据进行语义分析和业务场景识别,得到结构化文本信息;
对所述结构化文本信息进行标准话术的评估和提取,得到各业务场景对应的培训数据;
基于各业务场景对应的培训数据构建与更新所述培训资料库。
4.根据权利要求3所述的培训信息获取方法,其特征在于,所述对所述业务数据进行语义分析和业务场景识别,得到结构化文本信息的步骤,包括:
对所述业务数据进行有效性处理,得到有效文本信息;
对所述有效文本信息进行语义分析和业务场景识别,得到所述结构化文本信息。
5.根据权利要求4所述的培训信息获取方法,其特征在于,所述对所述业务数据进行有效性处理,得到有效文本信息的步骤,包括:
获取所述多个工作人员在第一预设时间段内的成单信息;
基于所述成单信息对所述业务数据进行筛选,得到成单的业务数据;
根据预设关键词对成单的业务数据进行划分,得到所述工作人员在工作阶段的有效文本信息。
6.根据权利要求5所述的培训信息获取方法,其特征在于,所述对所述有效文本信息进行语义分析和业务场景识别,得到所述结构化文本信息的步骤,包括:
获取各个所述工作人员的工作用语数据;
基于所述工作用语数据对所述工作人员在工作阶段的有效文本信息根据业务场景进行分段剪裁,得到剪裁后的多段子业务场景对应的有效文本信息;
将所述多段子业务场景对应的有效文本信息作为所述结构化文本信息。
7.根据权利要求3所述的培训信息获取方法,其特征在于,所述对所述结构化文本信息进行标准话术的评估和提取,得到各业务场景对应的培训数据的步骤,包括:
统计各个所述工作人员在同一成单数据中不同业务场景下的时长数据,确定不同业务场景之间的时长占比;
基于不同业务场景的时长占比对所述结构化文本信息进行标注;
对标注后的所述结构化文本信息进行标准话术的评估和提取,得到包含各业务场景时长占比的培训数据。
8.根据权利要求1所述的培训信息获取方法,其特征在于,所述根据待培训对象的第一能力弱项信息从预设培训资料库中确定出与待培训对象匹配的目标培训信息的步骤,包括:
根据所述待培训对象的第一能力弱项信息,为所述待培训对象设置培训关联信息,其中,所述关联信息包括业务场景、业务主题和关键词维度;
基于所述培训关联信息与所述预设培训资料库中各培训信息的培训标签进行匹配,确定出与所述待培训对象匹配的目标培训信息。
9.根据权利要求1所述的培训信息获取方法,其特征在于,所述培训信息获取方法,还包括:
获取所述待培训对象在接收所述目标培训信息的第二预设时间段之后的目标业务对应的实时数据;
将所述实时数据输入所述能力评估模型,确定所述待培训对象的第二能力弱项信息;
将所述第一能力弱项信息和所述第二能力弱项信息进行比对,确定所述待培训对象的能力弱项提升度。
10.根据权利要求2所述的培训信息获取方法,其特征在于,所述培训信息获取方法,还包括:
在获取到任意工作人员的实时数据之后,对所述预设培训资料库进行更新。
11.一种培训信息获取装置,其特征在于,包括:
信息采集模块,用于获取待培训对象的目标业务对应的历史数据;
确定模块,用于将所述历史数据和预设考核指标输入能力评估模型,确定待培训对象的能力弱项信息,其中,所述预设考核指标包括业务场景和对应所述业务场景的指标数据;
数据提取模块,用于根据待培训对象的能力弱项信息从预设培训资料库中确定出与待培训对象匹配的目标培训信息,其中,所述预设培训资料库存储有各种业务场景对应的培训信息;
推送模块,用于向待培训对象推送所述目标培训信息。
12.一种电子设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至10中任一项所述的培训信息获取方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至10中任一项所述的培训信息获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111058853.7A CN113505606B (zh) | 2021-09-10 | 2021-09-10 | 一种培训信息获取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111058853.7A CN113505606B (zh) | 2021-09-10 | 2021-09-10 | 一种培训信息获取方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113505606A true CN113505606A (zh) | 2021-10-15 |
CN113505606B CN113505606B (zh) | 2021-12-28 |
Family
ID=78017134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111058853.7A Active CN113505606B (zh) | 2021-09-10 | 2021-09-10 | 一种培训信息获取方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113505606B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114267340A (zh) * | 2021-12-27 | 2022-04-01 | 科大讯飞股份有限公司 | 一种4s店服务质量评估方法、装置、存储介质及设备 |
WO2024032652A1 (zh) * | 2022-08-10 | 2024-02-15 | 第四范式(北京)技术有限公司 | 一种任务辅助方法、装置、电子设备及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130252224A1 (en) * | 2012-03-21 | 2013-09-26 | Charles J. Smith | Method and System for Knowledge Assessment And Learning |
CN110223570A (zh) * | 2019-06-12 | 2019-09-10 | 广州壹学车智能信息科技有限公司 | 一种驾驶理论训练系统及其学习方法 |
CN112001656A (zh) * | 2020-09-01 | 2020-11-27 | 北京弘远博学科技有限公司 | 基于员工历史培训信息针对性进行培训课推荐的方法 |
CN112328742A (zh) * | 2020-11-03 | 2021-02-05 | 平安科技(深圳)有限公司 | 基于人工智能的培训方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362742A (zh) * | 2019-06-18 | 2019-10-22 | 平安普惠企业管理有限公司 | 课程信息匹配方法、装置、计算机设备及存储介质 |
-
2021
- 2021-09-10 CN CN202111058853.7A patent/CN113505606B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130252224A1 (en) * | 2012-03-21 | 2013-09-26 | Charles J. Smith | Method and System for Knowledge Assessment And Learning |
CN110223570A (zh) * | 2019-06-12 | 2019-09-10 | 广州壹学车智能信息科技有限公司 | 一种驾驶理论训练系统及其学习方法 |
CN112001656A (zh) * | 2020-09-01 | 2020-11-27 | 北京弘远博学科技有限公司 | 基于员工历史培训信息针对性进行培训课推荐的方法 |
CN112328742A (zh) * | 2020-11-03 | 2021-02-05 | 平安科技(深圳)有限公司 | 基于人工智能的培训方法、装置、计算机设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114267340A (zh) * | 2021-12-27 | 2022-04-01 | 科大讯飞股份有限公司 | 一种4s店服务质量评估方法、装置、存储介质及设备 |
WO2024032652A1 (zh) * | 2022-08-10 | 2024-02-15 | 第四范式(北京)技术有限公司 | 一种任务辅助方法、装置、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113505606B (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767791B (zh) | 一种针对呼叫中心通话的语音情绪识别及应用系统 | |
WO2021017612A1 (zh) | 基于语音分析的问答方法、装置、设备及存储介质 | |
US20100332287A1 (en) | System and method for real-time prediction of customer satisfaction | |
CN113505606B (zh) | 一种培训信息获取方法、装置、电子设备及存储介质 | |
CN110610705A (zh) | 一种基于人工智能的语音交互提示器 | |
KR102100214B1 (ko) | 음성 인식 기반의 세일즈 대화 분석 방법 및 장치 | |
CN105808721A (zh) | 一种基于数据挖掘的客服内容分析方法及其系统 | |
US20150066549A1 (en) | System, Method and Apparatus for Voice Analytics of Recorded Audio | |
CN112699645B (zh) | 语料标注方法、装置及设备 | |
CN112966082A (zh) | 音频质检方法、装置、设备以及存储介质 | |
CN109325780A (zh) | 一种面向电子政务领域的智能客服系统的交互方法 | |
JP6208794B2 (ja) | 会話分析装置、方法及びコンピュータプログラム | |
CN111259124A (zh) | 对话管理方法、装置、系统及存储介质 | |
EP4352630A1 (en) | Reducing biases of generative language models | |
US20240179243A1 (en) | System and method for providing personalized customer experience in interactive communications | |
US20220129628A1 (en) | Artificial intelligence system for business processes | |
CN116828109A (zh) | 一种电话客服服务质量智能评估方法及系统 | |
KR102703212B1 (ko) | 챗봇 기반의 인공지능 심리상담 방법 및 장치 | |
CN115147067A (zh) | 一种基于深度学习智能招聘人才的方法 | |
CN115564529A (zh) | 语音导航控制方法、装置、计算机终端及存储介质 | |
CN112506405B (zh) | 一种基于互联网监管领域的人工智能语音大屏指挥方法 | |
KR102309778B1 (ko) | 자연어 처리 기술을 이용한 자기소개서 평가 시스템 및 방법 | |
CN115018633B (zh) | 一种业务推荐方法、装置、计算机设备及存储介质 | |
CN117453895B (zh) | 一种智能客服应答方法、装置、设备及可读存储介质 | |
US20240143643A1 (en) | Dynamic prediction of agenda item coverage in a communication session |
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 |