CN113596266B - 一种外呼时的智能选号方法及系统 - Google Patents
一种外呼时的智能选号方法及系统 Download PDFInfo
- Publication number
- CN113596266B CN113596266B CN202110751107.XA CN202110751107A CN113596266B CN 113596266 B CN113596266 B CN 113596266B CN 202110751107 A CN202110751107 A CN 202110751107A CN 113596266 B CN113596266 B CN 113596266B
- Authority
- CN
- China
- Prior art keywords
- external
- matching
- call
- called
- attribution
- 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
- 238000010187 selection method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000012549 training Methods 0.000 claims description 100
- 241001672694 Citrus reticulata Species 0.000 claims description 74
- 230000002776 aggregation Effects 0.000 claims description 26
- 238000004220 aggregation Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000008451 emotion Effects 0.000 claims description 18
- 230000008909 emotion recognition Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 230000036651 mood Effects 0.000 claims description 12
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 description 17
- 239000003795 chemical substances by application Substances 0.000 description 9
- 230000008901 benefit Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 108700024394 Exon Proteins 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 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
-
- 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
- G10L15/005—Language recognition
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- 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
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/36—Statistical metering, e.g. recording occasions when traffic exceeds capacity of trunks
-
- 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
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
- G10L2015/0631—Creating reference templates; Clustering
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Marketing (AREA)
- Hospice & Palliative Care (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Child & Adolescent Psychology (AREA)
- Evolutionary Computation (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明提供了一种外呼时的智能选号方法及系统,其中方法包括:对后台服务器发送请求获取选号规则;坐席外呼或自动外呼时,指定任一选号规则,根据选号规则与数据库内外显号码池中外显号码的参数从数据库内外显号码池的外显号码中确定初始外显号码发起外呼;获取外呼通话信息并将外呼通话信息发送至消息队列;对外呼通话信息进行处理,得到最新统计数据;基于最新统计数据对数据库内外显号码池中外显号码的参数进行更新;基于外呼时的智能选号方法的系统可以更灵活、智能的选择外显号,摆脱了之前针对坐席配置固定外显号,或由管理人员根据报表人工配置外显号的方法,提高了管理人员工作效率,降低了企业的外呼、获客成本,提高了企业运营效率。
Description
技术领域
本发明涉及互联网技术领域和呼叫中心领域,尤其涉及一种外呼时的智能选号方法及系统。
背景技术
在智能呼叫中心领域中,外呼和批量外呼功能是必不可少,通常外呼或批量外呼时的外显号是由管理员配置到某个坐席,或者给坐席指定有一个外显号池,并在外呼时随机一个外显号来外呼,无法有针对性的根据地域规则、接通率等指标动态选择合理的外显号来呼叫不同的客户,因此,亟需一种外呼时的智能选号方法及系统,用于解决在系统或坐席发起外呼或者批量外呼时,无法有针对性的根据地域规则、接通率等指标动态选择合理的外显号来呼叫不同的客户的问题。
发明内容
本发明提供一种外呼时的智能选号方法及系统,用于解决在系统或坐席发起外呼或者批量外呼时,无法有针对性的根据地域规则、接通率等指标动态选择合理的外显号来呼叫不同的客户的问题。
一种外呼时的智能选号方法,包括:
对后台服务器发送请求获取选号规则;
坐席外呼或自动外呼时,指定任一选号规则,并根据选号规则与数据库内外显号码池中外显号码的参数从数据库内外显号码池的外显号码中确定初始外显号码发起外呼;
获取外呼通话信息并将外呼通话信息发送至消息队列;
对外呼通话信息进行处理,得到最新统计数据;
基于最新统计数据对数据库内外显号码池中外显号码的参数进行更新呼。
作为本发明的一种实施例,选号规则可配置若干有序的匹配策略;
匹配策略包括:归属地匹配策略、号码类型匹配策略、最大号码接通率匹配策略、最少使用次数匹配策略、标签匹配策略、轮训策略;
归属地匹配策略,具体包括:获取被叫号码,将被叫号码标记为N1,获取被叫号码的号码归属地,将号码归属地标记为A1,从外显号码池中匹配号码归属地为A1的外显号码,若匹配成功,返回匹配成功的外显号码N2,若匹配失败,返回空;
号码类型匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的号码类型L1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,对外显号码组G依次遍历得到号码类型为L1的外显号号码列表,若外显号号码列表为空,则匹配失败,返回空,若外显号号码列表不为空,则匹配成功,返回匹配成功的外显号码G2,其中,若外显号号码列表存在若干外显号码,则返回外显号号码列表中匹配到的第一个外显号码;
最大号码接通率匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计外显号码组G中全部外显号码的接通率,确定外显号码组G中接通率最大的外显号码K1,若外显号码K1的接通率大于等于预设阈值S1,则匹配成功,返回匹配成功的外显号码K1,若外显号码K1的接通率小于预设阈值S1,则匹配失败,返回空;
最少使用次数匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计外显号码组G中全部外显号码的使用次数,确定外显号码组G中使用次数最少的外显号码K2,若外显号码K2的使用次数大于等于预设阈值S2,则匹配成功,返回匹配成功的外显号码K2,若外显号码K2的使用次数小于预设阈值S2,则匹配失败,返回空;
标签匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的标签B1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,获取外显号码组G中包含标签B1的外显号码B2,返回匹配成功的外显号码B2,其中,若外显号码组G中存在若干包含标签B1的外显号码,则返回外显号组G1中匹配到的第一个包含标签B1的外显号码;
轮训策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,并获取数据库中外显号码组G内所有外显号码的历史匹配顺序,基于历史匹配顺序获取外显号码组G中未被匹配的外显号码,返回匹配成功的第一个外显号码G3;
其中,若选号规则中任一匹配策略成功从数据库中匹配到外显号码,停止匹配。
作为本发明的一种实施例,对外呼通话信息进行处理,得到最新统计数据,包括:
步骤1:从消息队列中实时接收外呼通话信息;
步骤2:对外呼通话信息进行业务幂处理,并将进行业务幂处理后的第二外呼通话信息实时发送至基于clickhouse实现的OLAP大数据引擎子系统;
步骤3:基于第二外呼通话信息,通过OLAP大数据引擎子系统完成对初始外显号码的号码接通率、号码使用次数的实时聚合计算,得到最新统计数据。
作为本发明的一种实施例,一种外呼时的智能选号方法还包括:
获取外呼时被呼者的语音信息,将语音信息输入至训练好的方言口音普通话类别识别模型中得到语音信息的方言类别;
根据方言类别,确定被呼者的实际归属地;
获取被叫号码,获取被叫号码的号码归属地;
若号码归属地与实际归属地不同,将被叫号码的号码归属地更改为实际归属地,并对被叫号码进行标记,得到标记被叫号码;
基于标记被叫号码,建立被叫号码池;
获取第二被叫号码,将第二被叫号码与被叫号码池进行匹配,若被叫号码池中存在与第二被叫号码相同的标记被叫号码,则根据被叫号码池中与第二被叫号码相同的标记被叫号码的实际归属地对第二被叫号码进行归属地标记,得到归属地标记第二被叫号码;
当对归属地标记第二被叫号码进行外呼指定规则时,若指定的选号规则中包括归属地匹配策略,使用第二归属地匹配策略对归属地标记第二被叫号码进行归属地匹配;
其中,方言口音普通话类别识别模型的训练过程包括:
获取语音信息样本,语音信息样本包括:带标记的标准普通话语音信息、未标记的方言口音普通话语音信息和训练文本信息;
未标记的方言口音普通话语音信息包括若干类别的方言;
根据若干类别的方言确定方言语音体系,语音体系包括不同类别方言声母、韵母和声调的发音类型;
使用带标记的标准普通话语音信息训练得到第一语音模型;
使用训练文本信息训练得到第二语言模型;
使用不同类别方言声母、韵母和声调的发音类型迭代训练第一语音模型,得到第三语音模型;
使用由第三语音模型和第二语言模型识别得到的预训练文本信息训练得到第四语言模型;
将第四语言模型与第二语言模型进行合并,得到第五语音模型;
将第三语音模型和第五语言模型进行组合,得到方言口音普通话类别识别模型;
第二归属地匹配策略,具体包括:获取归属地标记第二被叫号码,将归属地标记第二被叫号码标记为N3,获取归属地标记第二被叫号码的实际归属地,将实际归属地标记为A2,从外显号码池中匹配号码归属地为A2的外显号码,若匹配成功,返回匹配成功的外显号码N4,若匹配失败,返回空。
作为本发明的一种实施例,一种外呼时的智能选号方法还包括:
获取外呼时被呼者的语音数据,所述语音数据包括:初始外呼通话时长和将所述被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得到的被呼者的初始情绪评分;
获取历史成功通话数据,所述历史成功通话数据包括:若干第一次外呼时便被成功发展为客户的被呼者的第一外呼通话时长和将所述被成功发展为客户的被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得到的被呼者的第一情绪评分;
基于所述语音数据和所述历史成功通话数据计算被呼者的可发展值,计算公式如下:
其中,为被呼者的可发展值,为历史成功通话数据中被成功发展为客户的被
呼者的总数目,为初始外呼通话时长,为第位被成功发展为客户的被呼者的第一外呼
通话时长,为第位被成功发展为客户的被呼者的第一情绪评分,为初始情绪评分;
获取第三被叫号码,将第三被叫号码与可发展客户号码池进行匹配,若可发展客户号码池中存在与第三被叫号码相同的号码,获取可发展客户号码池中与第三被叫号码相同的号码所对应的外显号码,并进行外呼。
一种外呼时的智能选号系统,包括:
获取模块,用于对后台服务器发送请求获取选号规则;
外呼指定模块,用于在坐席外呼或自动外呼时,指定任一选号规则,并根据选号规则与数据库内外显号码池中外显号码的参数从数据库内外显号码池的外显号码中确定初始外显号码发起外呼;
话务信息传递模块,用于获取外呼通话信息并将外呼通话信息发送至消息队列;
OLAP引擎计算模块,用于对外呼通话信息进行处理,得到最新统计数据;
更新模块,用于基于最新统计数据对数据库内外显号码池中外显号码的参数进行更新。
作为本发明的一种实施例,选号规则可配置若干有序的匹配策略;
匹配策略包括:归属地匹配策略、号码类型匹配策略、最大号码接通率匹配策略、最少使用次数匹配策略、标签匹配策略、轮训策略;
归属地匹配策略,具体包括:获取被叫号码,将被叫号码标记为N1,获取被叫号码的号码归属地,将号码归属地标记为A1,从外显号码池中匹配号码归属地为A1的外显号码,若匹配成功,返回匹配成功的外显号码N2,若匹配失败,返回空;
号码类型匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的号码类型L1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,对外显号码组G依次遍历得到号码类型为L1的外显号号码列表,若外显号号码列表为空,则匹配失败,返回空,若外显号号码列表不为空,则匹配成功,返回匹配成功的外显号码G2,其中,若外显号号码列表存在若干外显号码,则返回外显号号码列表中匹配到的第一个外显号码;
最大号码接通率匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计外显号码组G中全部外显号码的接通率,确定外显号码组G中接通率最大的外显号码K1,若外显号码K1的接通率大于等于预设阈值S1,则匹配成功,返回匹配成功的外显号码K1,若外显号码K1的接通率小于预设阈值S1,则匹配失败,返回空;
最少使用次数匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计外显号码组G中全部外显号码的使用次数,确定外显号码组G中使用次数最少的外显号码K2,若外显号码K2的使用次数大于等于预设阈值S2,则匹配成功,返回匹配成功的外显号码K2,若外显号码K2的使用次数小于预设阈值S2,则匹配失败,返回空;
标签匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的标签B1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,获取外显号码组G中包含标签B1的外显号码B2,返回匹配成功的外显号码B2,其中,若外显号码组G中存在若干包含标签B1的外显号码,则返回外显号组G1中匹配到的第一个包含标签B1的外显号码;
轮训策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,并获取数据库中外显号码组G内所有外显号码的历史匹配顺序,基于历史匹配顺序获取外显号码组G中未被匹配的外显号码,返回匹配成功的第一个外显号码G3;
其中,若选号规则中任一匹配策略成功从数据库中匹配到外显号码,停止匹配。
作为本发明的一种实施例,OLAP引擎计算模块执行包括如下操作:
步骤1:从消息队列中实时接收外呼通话信息;
步骤2:对外呼通话信息进行业务幂处理,并将进行业务幂处理后的第二外呼通话信息实时发送至基于clickhouse实现的OLAP大数据引擎子系统;
步骤3:基于第二外呼通话信息,通过OLAP大数据引擎子系统完成对初始外显号码的号码接通率、号码使用次数的实时聚合计算,得到最新统计数据。
作为本发明的一种实施例,一种外呼时的智能选号系统,还包括:
归属地二次匹配模块;
归属地二次匹配模块执行包括如下操作:
获取外呼时被呼者的语音信息,将语音信息输入至训练好的方言口音普通话类别识别模型中得到语音信息的方言类别;
根据方言类别,确定被呼者的实际归属地;
获取被叫号码,获取被叫号码的号码归属地;
若号码归属地与实际归属地不同,将被叫号码的号码归属地更改为实际归属地,并对被叫号码进行标记,得到标记被叫号码;
基于标记被叫号码,建立被叫号码池;
获取第二被叫号码,将第二被叫号码与被叫号码池进行匹配,若被叫号码池中存在与第二被叫号码相同的标记被叫号码,则根据被叫号码池中与第二被叫号码相同的标记被叫号码的实际归属地对第二被叫号码进行归属地标记,得到归属地标记第二被叫号码;
当对归属地标记第二被叫号码进行外呼指定规则时,若指定的选号规则中包括归属地匹配策略,使用第二归属地匹配策略对归属地标记第二被叫号码进行归属地匹配;
其中,方言口音普通话类别识别模型的训练过程包括:
获取语音信息样本,语音信息样本包括:带标记的标准普通话语音信息、未标记的方言口音普通话语音信息和训练文本信息;
未标记的方言口音普通话语音信息包括若干类别的方言;
根据若干类别的方言确定方言语音体系,语音体系包括不同类别方言声母、韵母和声调的发音类型;
使用带标记的标准普通话语音信息训练得到第一语音模型;
使用训练文本信息训练得到第二语言模型;
使用不同类别方言声母、韵母和声调的发音类型迭代训练第一语音模型,得到第三语音模型;
使用由第三语音模型和第二语言模型识别得到的预训练文本信息训练得到第四语言模型;
将第四语言模型与第二语言模型进行合并,得到第五语音模型;
将第三语音模型和第五语言模型进行组合,得到方言口音普通话类别识别模型;
第二归属地匹配策略,具体包括:获取归属地标记第二被叫号码,将归属地标记第二被叫号码标记为N3,获取归属地标记第二被叫号码的实际归属地,将实际归属地标记为A2,从外显号码池中匹配号码归属地为A2的外显号码,若匹配成功,返回匹配成功的外显号码N4,若匹配失败,返回空。
作为本发明的一种实施例,一种外呼时的智能选号系统,还包括:
可发展外呼选号模块;
可发展外呼选号模块执行包括如下操作:
获取外呼时被呼者的语音数据,所述语音数据包括:初始外呼通话时长和将所述被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得到的被呼者的初始情绪评分;
获取历史成功通话数据,所述历史成功通话数据包括:若干第一次外呼时便被成功发展为客户的被呼者的第一外呼通话时长和将所述被成功发展为客户的被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得到的被呼者的第一情绪评分;
基于所述语音数据和所述历史成功通话数据计算被呼者的可发展值,计算公式如下:
其中,为被呼者的可发展值,为历史成功通话数据中被成功发展为客户的被
呼者的总数目,为初始外呼通话时长,为第位被成功发展为客户的被呼者的第一外呼
通话时长,为第位被成功发展为客户的被呼者的第一情绪评分,为初始情绪评分;
获取第三被叫号码,将第三被叫号码与可发展客户号码池进行匹配,若可发展客户号码池中存在与第三被叫号码相同的号码,获取可发展客户号码池中与第三被叫号码相同的号码所对应的外显号码,并进行外呼。
本发明的有益效果为:在系统或坐席发起外呼或者批量外呼时,可以灵活、智能的选择外显号,摆脱了之前针对坐席配置固定外显号,或由管理人员根据报表人工配置外显号的方法,提高了管理人员的工作效率,降低了企业的外呼、获客成本,提高了企业运营效率。
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外呼时的智能选号方法的流程图。
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。
请参阅图1,本发明实施例提供了一种外呼时的智能选号方法,包括:
对后台服务器发送请求获取选号规则;
坐席外呼或自动外呼时,指定任一选号规则,并根据选号规则与数据库内外显号码池中外显号码的参数从数据库内外显号码池的外显号码中确定初始外显号码发起外呼;
获取外呼通话信息并将外呼通话信息发送至消息队列;
对外呼通话信息进行处理,得到最新统计数据;
基于最新统计数据对数据库内外显号码池中外显号码的参数进行更新;
上述技术方案的工作原理为:获取被叫号码前,在系统后台企业可以预先自定义配置选号规则,规则包括归属地匹配、号码接通率最大匹配、使用次数最少匹配、标签匹配、轮训策略、号码类型等,获取到被叫号码后,对企业系统的后台服务器发送请求获取选号规则,在获取到选号规则后,坐席外呼或自动外呼时,可以指定任一选号规则,然后从数据库中获取到本规则的详细配置,根据配置以及本次通话的信息(即数据库内外显号码池中外显号码的参数)在数据库内外显号码池的外显号码中智能选择外显号码进行外呼,该外显号码的参数包括号码归属地、号码类型、号码接通率、号码使用次数、号码标签等,当本次外呼结束后,话务处理集群会将本次外呼通话信息送入消息队列(kafka),同时与通话业务处理集群解耦,从消息队列(kafka)中实时接受本次外呼通话信息并处理,该外呼通话信息包括但不限于通话状态、挂机原因、挂机方、接听时间、号码接通率、号码接通次数、号码归属地、号码类型、号码标签等,在接受本次外呼通话信息后,第一步首先对事件进行业务幂等处理,以保证在网络出现异常时,消息不会被重复消息,第二步,将此事件实时的送到OLAP大数据引擎子系统(基于clickhouse实现),由大数据引擎子系统完成对号码接通率、号码接通次数等指标的实时聚合计算,得到最新统计数据,并将本结果落库存储到数据库中(即基于最新统计数据对数据库内外显号码池中外显号码的参数进行更新),本系统的处理延时<2s(即话务结束后2s,即可根据最新的分析数据进行号码选择),至此,下次呼叫时便可以根据最新的统计数据(即最新统计数据),选择最合理的外显号码进行外呼;
上述技术方案的有益效果为:在系统或坐席发起外呼或者批量外呼时,可以灵活、智能的选择外显号,摆脱了之前针对坐席配置固定外显号,或由管理人员根据报表人工配置外显号的方法,提高了管理人员的工作效率,降低了企业的外呼、获客成本,提高了企业运营效率。
在一个实施例中,选号规则可配置若干有序的匹配策略;
匹配策略包括:归属地匹配策略、号码类型匹配策略、最大号码接通率匹配策略、最少使用次数匹配策略、标签匹配策略、轮训策略;
归属地匹配策略,具体包括:获取被叫号码,将被叫号码标记为N1,获取被叫号码的号码归属地,将号码归属地标记为A1,从外显号码池中匹配号码归属地为A1的外显号码,若匹配成功,返回匹配成功的外显号码N2,若匹配失败,返回空;
号码类型匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的号码类型L1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,对外显号码组G依次遍历得到号码类型为L1的外显号号码列表,若外显号号码列表为空,则匹配失败,返回空,若外显号号码列表不为空,则匹配成功,返回匹配成功的外显号码G2,其中,若外显号号码列表存在若干外显号码,则返回外显号号码列表中匹配到的第一个外显号码;
最大号码接通率匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计外显号码组G中全部外显号码的接通率,确定外显号码组G中接通率最大的外显号码K1,若外显号码K1的接通率大于等于预设阈值S1,则匹配成功,返回匹配成功的外显号码K1,若外显号码K1的接通率小于预设阈值S1,则匹配失败,返回空;
最少使用次数匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计外显号码组G中全部外显号码的使用次数,确定外显号码组G中使用次数最少的外显号码K2,若外显号码K2的使用次数大于等于预设阈值S2,则匹配成功,返回匹配成功的外显号码K2,若外显号码K2的使用次数小于预设阈值S2,则匹配失败,返回空;
标签匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的标签B1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,获取外显号码组G中包含标签B1的外显号码B2,返回匹配成功的外显号码B2,其中,若外显号码组G中存在若干包含标签B1的外显号码,则返回外显号组G1中匹配到的第一个包含标签B1的外显号码;
轮训策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,并获取数据库中外显号码组G内所有外显号码的历史匹配顺序,基于历史匹配顺序获取外显号码组G中未被匹配的外显号码,返回匹配成功的第一个外显号码G3;
其中,若选号规则中任一匹配策略成功从数据库中匹配到外显号码,停止匹配;
上述技术方案的工作原理和有益效果为:选号规则中可以配置多个有序的匹配策略,策略之间遵循匹配到即终止的原则(即若选号规则中任一匹配策略成功从数据库中匹配到外显号码,停止匹配),匹配策略包括:归属地匹配策略、号码类型匹配策略、最大号码接通率匹配策略、最少使用次数匹配策略、标签匹配策略、轮训策略,详细匹配策略包括:归属地匹配策略,具体包括:获取被叫号码,将被叫号码标记为N1,获取被叫号码的号码归属地,将号码归属地标记为A1,从外显号码池中匹配号码归属地为A1的外显号码,若匹配成功,返回匹配成功的外显号码N2,若匹配失败,返回空;号码类型匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的号码类型L1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,对外显号码组G依次遍历得到号码类型为L1的外显号号码列表,若外显号号码列表为空,则匹配失败,返回空,若外显号号码列表不为空,则匹配成功,返回匹配成功的外显号码G2,其中,若外显号号码列表存在若干外显号码,则返回外显号号码列表中匹配到的第一个外显号码;最大号码接通率匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计外显号码组G中全部外显号码的接通率,确定外显号码组G中接通率最大的外显号码K1,若外显号码K1的接通率大于等于预设阈值S1,则匹配成功,返回匹配成功的外显号码K1,若外显号码K1的接通率小于预设阈值S1,则匹配失败,返回空;最少使用次数匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计外显号码组G中全部外显号码的使用次数,确定外显号码组G中使用次数最少的外显号码K2,若外显号码K2的使用次数大于等于预设阈值S2,则匹配成功,返回匹配成功的外显号码K2,若外显号码K2的使用次数小于预设阈值S2,则匹配失败,返回空;标签匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的标签B1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,获取外显号码组G中包含标签B1的外显号码B2,返回匹配成功的外显号码B2,其中,若外显号码组G中存在若干包含标签B1的外显号码,则返回外显号组G1中匹配到的第一个包含标签B1的外显号码;轮训策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,并获取数据库中外显号码组G内所有外显号码的历史匹配顺序,基于历史匹配顺序获取外显号码组G中未被匹配的外显号码,返回匹配成功的第一个外显号码G3,通过在外显号池中根据一定策略,智能化、定制化、灵活的选择外显号对外发起呼叫,最大化合理化的使用企业所属的外显号码。
在一个实施例中,外呼通话信息进行处理,得到最新统计数据,包括:
步骤1:从消息队列中实时接收外呼通话信息;
步骤2:对外呼通话信息进行业务幂处理,并将进行业务幂处理后的第二外呼通话信息实时发送至基于clickhouse实现的OLAP大数据引擎子系统;
步骤3:基于第二外呼通话信息,通过OLAP大数据引擎子系统完成对初始外显号码的号码接通率、号码使用次数的实时聚合计算,得到最新统计数据;
上述技术方案的工作原理和有益效果为:从消息队列(kafka)中实时接受本次外呼通话信息并处理,其外呼通话信息包括但不限于号码接通率、号码接通次数、号码归属地、号码类型、号码标签、通话状态、挂机原因、挂机方、接听时间等;在接受外呼通话信息后,第一步首先对外呼通话信息进行业务幂等处理,以保证在网络出现异常时,消息不会被重复消息;第二步,将此外呼通话信息实时的送到OLAP大数据引擎子系统(基于clickhouse实现),由大数据引擎子系统完成对号码接通率、号码接通次数等指标的实时聚合计算,得到最新统计数据,本系统的处理延时<2s(即话务结束后2s,即可根据最新的分析数据进行号码选择),通过对每次外呼通话信息进行计算处理,可以更灵活、智能的选择外显号,有益于提高外显号的使用效益。
在一个实施例中,一种外呼时的智能选号方法还包括:
获取外呼时被呼者的语音信息,将语音信息输入至训练好的方言口音普通话类别识别模型中得到语音信息的方言类别;
根据方言类别,确定被呼者的实际归属地;
获取被叫号码,获取被叫号码的号码归属地;
若号码归属地与实际归属地不同,将被叫号码的号码归属地更改为实际归属地,并对被叫号码进行标记,得到标记被叫号码;
基于标记被叫号码,建立被叫号码池;
获取第二被叫号码,将第二被叫号码与被叫号码池进行匹配,若被叫号码池中存在与第二被叫号码相同的标记被叫号码,则根据被叫号码池中与第二被叫号码相同的标记被叫号码的实际归属地对第二被叫号码进行归属地标记,得到归属地标记第二被叫号码;
当对归属地标记第二被叫号码进行外呼指定规则时,若指定的选号规则中包括归属地匹配策略,使用第二归属地匹配策略对归属地标记第二被叫号码进行归属地匹配;
其中,方言口音普通话类别识别模型的训练过程包括:
获取语音信息样本,语音信息样本包括:带标记的标准普通话语音信息、未标记的方言口音普通话语音信息和训练文本信息;
未标记的方言口音普通话语音信息包括若干类别的方言;
根据若干类别的方言确定方言语音体系,语音体系包括不同类别方言声母、韵母和声调的发音类型;
使用带标记的标准普通话语音信息训练得到第一语音模型;
使用训练文本信息训练得到第二语言模型;
使用不同类别方言声母、韵母和声调的发音类型迭代训练第一语音模型,得到第三语音模型;
使用由第三语音模型和第二语言模型识别得到的预训练文本信息训练得到第四语言模型;
将第四语言模型与第二语言模型进行合并,得到第五语音模型;
将第三语音模型和第五语言模型进行组合,得到方言口音普通话类别识别模型;
第二归属地匹配策略,具体包括:获取归属地标记第二被叫号码,将归属地标记第二被叫号码标记为N3,获取归属地标记第二被叫号码的实际归属地,将实际归属地标记为A2,从外显号码池中匹配号码归属地为A2的外显号码,若匹配成功,返回匹配成功的外显号码N4,若匹配失败,返回空;
上述技术方案的工作原理为:当确定初始外显号码进行外呼且电话接通后,获取在外呼过程中被呼者的语音信息,即被呼者的说话声音信息,将该语音信息输入至训练好的方言口音普通话类别识别模型中得到所述语音信息的方言类别,方言类别的种类数量根据训练方言口音普通话类别识别模型时输入的未标记的方言口音普通话语音信息确定,即未标记的方言口音普通话语音信息的种类数量相当于能识别到的语音信息的方言类别的种类数量,其中,方言口音普通话类别识别模型的训练过程包括:获取语音信息样本,所述语音信息样本包括:带标记的标准普通话语音信息、未标记的方言口音普通话语音信息和训练文本信息,对语音信息样本进行标注有益于提高训练模型的识别性能,其中,样本标注精度越高,训练得到的模型的识别精度也就越高;标注精度越低,训练得到的模型的识别精度也就越低;但是,标注样本需要耗费大量的时间和人力,可以根据模型的实际识别需求具体设置训练样本标注的精度,在此不做限定;未标记的方言口音普通话语音信息包括若干类别的方言,根据若干类别的方言确定方言语音体系,语音体系包括不同类别方言声母、韵母和声调的发音类型,例如,中国境内有十大汉语方言,分别是官话、晋话、吴语、湘语、粤语、赣语、徽语、闽语、客家话、平话;官话又进一步可分为北京官话、东北官话、冀鲁官话、江淮官话、西南官话、胶辽官话、中原官话、兰银官话,每种汉语方言均有其自身特点,且内部可以进一步分为许多的片和小片,在受到地区方言的影响,存在某些客户在使用普通话沟通时总会携带地方方言的口音,导致出现各种方言版本的普通话口音,其中最为显著的区别在于不同方言在声母、韵母和声调的发音类型不同,然后使用带标记的标准普通话语音信息训练得到第一语音模型,优选使用时延神经网络模型作为训练模型,将带标记的标准普通话语音信息输入至时延神经网络模型中,训练得到第一语音模型;再使用训练文本信息训练得到第二语言模型,优选使用基于文法四元式的初始语言模型作为训练模型,将训练文本信息输入至该基于文法四元式的初始语言模型中,训练得到第二语言模型,使用不同类别方言声母、韵母和声调的发音类型迭代训练第一语音模型,得到第三语音模型,得到第二语言模型和第三语音模型后,使用由第三语音模型和第二语言模型识别得到的预训练文本信息训练得到第四语言模型,优选为使用第二语言模型和第三语音模型对未标记的方言口音普通话语音信息数据解码,得到带标记的方言口音普通话语音信息,将该带标记的方言口音普通话语音信息作为预训练文本进行训练,得到基于文法四元式的第四语言模型,最后将第四语言模型与第二语言模型进行合并,得到第五语音模型;再将第三语音模型和第五语言模型进行组合,得到方言口音普通话类别识别模型,根据方言口音普通话类别识别模型得到被呼者的方言类别后,根据该方言类别,确定被呼者的实际归属地,然后获取被叫号码的号码归属地,若号码归属地与实际归属地不同,将被叫号码的号码归属地更改为实际归属地,并对被叫号码进行标记,得到标记被叫号码,其中标记被叫号码的标记便为归属地标记,通过基于本方法实现的外呼时的智能选号系统识别该归属地标记,将该归属地标记中携带的归属地信息的优先级提高,高于该被叫号码的号码归属地的优先级,即归属地匹配策略匹配归属地时,优先匹配实际归属地,得到标记被叫号码后,基于标记被叫号码,建立被叫号码池,当下次进行外呼时,获取第二被叫号码,即下一次的被叫号码,将第二被叫号码与被叫号码池进行匹配,若被叫号码池中存在与第二被叫号码相同的标记被叫号码,则根据被叫号码池中与第二被叫号码相同的标记被叫号码的实际归属地对第二被叫号码进行归属地标记,得到归属地标记第二被叫号码,当对归属地标记第二被叫号码进行外呼指定规则时,若指定的选号规则中包括归属地匹配策略,使用第二归属地匹配策略对归属地标记第二被叫号码进行归属地匹配,其中,第二归属地匹配策略,具体包括:获取归属地标记第二被叫号码,将归属地标记第二被叫号码标记为N3,获取归属地标记第二被叫号码的实际归属地,将实际归属地标记为A2,从外显号码池中匹配号码归属地为A2的外显号码,若匹配成功,返回匹配成功的外显号码N4,若匹配失败,返回空;
上述技术方案的有益效果为:通过被呼者的语音信息,对被呼者的归属地进行二次匹配,有益于精确判断该被呼者的实际归属地,下次对该被呼者进行外呼时,若选号规则中包含归属地匹配策略,有益于根据二次匹配的实际归属地智能选取外显号,从而降低降低了企业的外呼成本,提高外呼成功的成功概率。
在一个实施例中,一种外呼时的智能选号方法还包括:
获取外呼时被呼者的语音数据,语音数据包括:初始外呼通话时长和将被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得到的被呼者的初始情绪评分;
获取历史成功通话数据,历史成功通话数据包括:若干第一次外呼时便被成功发展为客户的被呼者的第一外呼通话时长和将被成功发展为客户的被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得到的被呼者的第一情绪评分;
基于语音数据和历史成功通话数据计算被呼者的可发展值,计算公式如下:
其中,为被呼者的可发展值,为历史成功通话数据中被成功发展为客户的被
呼者的总数目,为初始外呼通话时长,为第位被成功发展为客户的被呼者的第一外呼
通话时长,为第位被成功发展为客户的被呼者的第一情绪评分,为初始情绪评分;
获取第三被叫号码,将所述第三被叫号码与所述可发展客户号码池进行匹配,若所述可发展客户号码池中存在与所述第三被叫号码相同的号码,获取所述可发展客户号码池中与所述第三被叫号码相同的号码所对应的外显号码,并进行外呼;
上述技术方案的工作原理为:首先创建一个空号码池,然后获取外呼时被呼者的
语音数据,语音数据包括:初始外呼通话时长和将被呼者的语音信息输入至预先设置的语
音情绪识别评分模型中得到的被呼者的初始情绪评分,并获取历史成功通话数据,历史成
功通话数据包括:若干第一次外呼时便被成功发展为客户的被呼者的第一外呼通话时长和
将被成功发展为客户的被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得
到的被呼者的第一情绪评分,若干第一次外呼时便被成功发展为客户的被呼者即若干在第
一次外呼过程中便被企业发展为企业客户的被呼者,基于语音数据和历史成功通话数据计
算被呼者的可发展值,该可发展值也可以理解为该被呼者能成为该企业客户的成功率,当
被呼者的可发展值大于等于预设可发展阈值,基于被呼者的号码创建可发展客户号码
池,可以理解为将该被呼者的号码加入至空号码池中,而后续确定的号码则也加入到该“空
号码池”中,但此时的“空号码池”中已经包含了之前加入该号码池的所有被呼者的号码,获
取第三被叫号码,该第三被叫号码即下一次被呼者的被叫号码,将第三被叫号码与可发展
客户号码池进行匹配,若可发展客户号码池中存在与第三被叫号码相同的号码,获取可发
展客户号码池中与第三被叫号码相同的号码所对应的外显号码,并进行外呼,当被呼者被
成功发展为客户后,该被呼者的号码便从可发展客户号码池中删除,其中,预设可发展阈值
优选为根据企业对将被呼者发展为客户所预算的成本而确定,本实施例中的预设可发展阈
值为0.6,企业对将被呼者发展为客户所预算的成本越高预设可发展阈值则越高,企业对将
被呼者发展为客户所预算的成本越低预设可发展阈值则越低;
上述技术方案的有益效果为:根据被呼者在外呼过程中的情绪与通话时间确定该被呼者被企业发展为客户的成功率,从而建立可发展客户号码池,有益于降低企业获客成本,当再次对可发展客户号码池中的被呼号码进行外呼时,直接选取上一次对该被呼号码进行外呼的外显号码进行外呼,降低此次外呼被拦截的概率,有益于降低企业的外呼成本,提高了企业运营效率。
一种外呼时的智能选号系统,包括:
获取模块,用于对后台服务器发送请求获取选号规则;
外呼指定模块,用于在坐席外呼或自动外呼时,指定任一选号规则,并根据选号规则与数据库内外显号码池中外显号码的参数从数据库内外显号码池的外显号码中确定初始外显号码发起外呼;
话务信息传递模块,用于获取外呼通话信息并将外呼通话信息发送至消息队列;
OLAP引擎计算模块,用于对外呼通话信息进行处理,得到最新统计数据;
更新模块,用于基于最新统计数据对数据库内外显号码池中外显号码的参数进行更新;
上述技术方案的工作原理为:获取被叫号码前,在系统后台企业可以预先自定义配置选号规则,规则包括归属地匹配、号码接通率最大匹配、使用次数最少匹配、标签匹配、轮训策略、号码类型等,获取到被叫号码后,获取模块对企业系统的后台服务器发送请求获取选号规则,在获取到选号规则后,外呼指定模块在坐席外呼或自动外呼时,可以指定任一选号规则,然后从数据库中获取到本规则的详细配置,根据配置以及本次通话的信息(即数据库内外显号码池中外显号码的参数)在数据库内外显号码池的外显号码中智能选择外显号码进行外呼,该外显号码的参数包括号码归属地、号码类型、号码接通率、号码使用次数、号码标签等,当本次外呼结束后,话务信息传递模块通过话务处理集群会将本次外呼通话信息送入消息队列(kafka),同时与通话业务处理集群解耦,OLAP引擎计算模块从消息队列(kafka)中实时接受本次外呼通话信息并处理,该外呼通话信息包括但不限于通话状态、挂机原因、挂机方、接听时间、号码接通率、号码接通次数、号码归属地、号码类型、号码标签等,在接受本次外呼通话信息后,第一步首先对事件进行业务幂等处理,以保证在网络出现异常时,消息不会被重复消息,第二步,将此事件实时的送到OLAP大数据引擎子系统(基于clickhouse实现),由大数据引擎子系统完成对号码接通率、号码接通次数等指标的实时聚合计算,得到最新统计数据;将本结果落库存储到数据库中(即更新模块基于最新统计数据对数据库内外显号码池中外显号码的参数进行更新),本系统的处理延时<2s(即话务结束后2s,即可根据最新的分析数据进行号码选择),至此,下次呼叫时便可以根据最新的统计数据(即最新统计数据),选择最合理的外显号码进行外呼;
上述技术方案的有益效果为:在系统或坐席发起外呼或者批量外呼时,可以灵活、智能的选择外显号,摆脱了之前针对坐席配置固定外显号,或由管理人员根据报表人工配置外显号的方法,提高了管理人员的工作效率,降低了企业的外呼、获客成本,提高了企业运营效率。
在一个实施例中,所述选号规则可配置若干有序的匹配策略;
所述匹配策略包括:归属地匹配策略、号码类型匹配策略、最大号码接通率匹配策略、最少使用次数匹配策略、标签匹配策略、轮训策略;
所述归属地匹配策略,具体包括:获取被叫号码,将所述被叫号码标记为N1,获取所述被叫号码的号码归属地,将所述号码归属地标记为A1,从外显号码池中匹配号码归属地为A1的外显号码,若匹配成功,返回匹配成功的外显号码N2,若匹配失败,返回空;
所述号码类型匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的号码类型L1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,对所述外显号码组G依次遍历得到号码类型为L1的外显号号码列表,若所述外显号号码列表为空,则匹配失败,返回空,若所述外显号号码列表不为空,则匹配成功,返回匹配成功的外显号码G2,其中,若所述外显号号码列表存在若干外显号码,则返回所述外显号号码列表中匹配到的第一个外显号码;
所述最大号码接通率匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计所述外显号码组G中全部外显号码的接通率,确定所述外显号码组G中接通率最大的外显号码K1,若所述外显号码K1的接通率大于等于预设阈值S1,则匹配成功,返回匹配成功的外显号码K1,若所述外显号码K1的接通率小于预设阈值S1,则匹配失败,返回空;
所述最少使用次数匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计所述外显号码组G中全部外显号码的使用次数,确定所述外显号码组G中使用次数最少的外显号码K2,若所述外显号码K2的使用次数大于等于预设阈值S2,则匹配成功,返回匹配成功的外显号码K2,若所述外显号码K2的使用次数小于预设阈值S2,则匹配失败,返回空;
所述标签匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的标签B1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,获取所述外显号码组G中包含标签B1的外显号码B2,返回匹配成功的外显号码B2,其中,若所述外显号码组G中存在若干包含标签B1的外显号码,则返回所述外显号组G1中匹配到的第一个包含标签B1的外显号码;
所述轮训策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,并获取数据库中外显号码组G内所有外显号码的历史匹配顺序,基于所述历史匹配顺序获取外显号码组G中未被匹配的外显号码,返回匹配成功的第一个外显号码G3;
其中,若所述选号规则中任一匹配策略成功从数据库中匹配到外显号码,停止匹配;
上述技术方案的工作原理和有益效果为:选号规则中可以配置多个有序的匹配策略,策略之间遵循匹配到即终止的原则(即若选号规则中任一匹配策略成功从数据库中匹配到外显号码,停止匹配),匹配策略包括:归属地匹配策略、号码类型匹配策略、最大号码接通率匹配策略、最少使用次数匹配策略、标签匹配策略、轮训策略,详细匹配策略包括:归属地匹配策略,具体包括:获取被叫号码,将被叫号码标记为N1,获取被叫号码的号码归属地,将号码归属地标记为A1,从外显号码池中匹配号码归属地为A1的外显号码,若匹配成功,返回匹配成功的外显号码N2,若匹配失败,返回空;号码类型匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的号码类型L1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,对外显号码组G依次遍历得到号码类型为L1的外显号号码列表,若外显号号码列表为空,则匹配失败,返回空,若外显号号码列表不为空,则匹配成功,返回匹配成功的外显号码G2,其中,若外显号号码列表存在若干外显号码,则返回外显号号码列表中匹配到的第一个外显号码;最大号码接通率匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计外显号码组G中全部外显号码的接通率,确定外显号码组G中接通率最大的外显号码K1,若外显号码K1的接通率大于等于预设阈值S1,则匹配成功,返回匹配成功的外显号码K1,若外显号码K1的接通率小于预设阈值S1,则匹配失败,返回空;最少使用次数匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计外显号码组G中全部外显号码的使用次数,确定外显号码组G中使用次数最少的外显号码K2,若外显号码K2的使用次数大于等于预设阈值S2,则匹配成功,返回匹配成功的外显号码K2,若外显号码K2的使用次数小于预设阈值S2,则匹配失败,返回空;标签匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的标签B1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,获取外显号码组G中包含标签B1的外显号码B2,返回匹配成功的外显号码B2,其中,若外显号码组G中存在若干包含标签B1的外显号码,则返回外显号组G1中匹配到的第一个包含标签B1的外显号码;轮训策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,并获取数据库中外显号码组G内所有外显号码的历史匹配顺序,基于历史匹配顺序获取外显号码组G中未被匹配的外显号码,返回匹配成功的第一个外显号码G3,通过在外显号池中根据一定策略,智能化、定制化、灵活的选择外显号对外发起呼叫,最大化合理化的使用企业所属的外显号码。
在一个实施例中,OLAP引擎计算模块执行包括如下操作:
步骤1:从消息队列中实时接收外呼通话信息;
步骤2:对外呼通话信息进行业务幂处理,并将进行业务幂处理后的第二外呼通话信息实时发送至基于clickhouse实现的OLAP大数据引擎子系统;
步骤3:基于第二外呼通话信息,通过OLAP大数据引擎子系统完成对初始外显号码的号码接通率、号码使用次数的实时聚合计算,得到最新统计数据;
上述技术方案的工作原理和有益效果为:从消息队列(kafka)中实时接受本次外呼通话信息并处理,其外呼通话信息包括但不限于号码接通率、号码接通次数、号码归属地、号码类型、号码标签、通话状态、挂机原因、挂机方、接听时间等;在接受外呼通话信息后,第一步首先对外呼通话信息进行业务幂等处理,以保证在网络出现异常时,消息不会被重复消息;第二步,将此外呼通话信息实时的送到OLAP大数据引擎子系统(基于clickhouse实现),由大数据引擎子系统完成对号码接通率、号码接通次数等指标的实时聚合计算,得到最新统计数据,本系统的处理延时<2s(即话务结束后2s,即可根据最新的分析数据进行号码选择),通过对每次外呼通话信息进行计算处理,可以更灵活、智能的选择外显号,有益于提高外显号的使用效益。
在一个实施例中,一种外呼时的智能选号系统还包括:
归属地二次匹配模块;
归属地二次匹配模块执行包括如下操作:
获取外呼时被呼者的语音信息,将语音信息输入至训练好的方言口音普通话类别识别模型中得到语音信息的方言类别;
根据方言类别,确定被呼者的实际归属地;
获取被叫号码,获取被叫号码的号码归属地;
若号码归属地与实际归属地不同,将被叫号码的号码归属地更改为实际归属地,并对被叫号码进行标记,得到标记被叫号码;
基于标记被叫号码,建立被叫号码池;
获取第二被叫号码,将第二被叫号码与被叫号码池进行匹配,若被叫号码池中存在与第二被叫号码相同的标记被叫号码,则根据被叫号码池中与第二被叫号码相同的标记被叫号码的实际归属地对第二被叫号码进行归属地标记,得到归属地标记第二被叫号码;
当对归属地标记第二被叫号码进行外呼指定规则时,若指定的选号规则中包括归属地匹配策略,使用第二归属地匹配策略对归属地标记第二被叫号码进行归属地匹配;
其中,方言口音普通话类别识别模型的训练过程包括:
获取语音信息样本,语音信息样本包括:带标记的标准普通话语音信息、带标记的方言口音普通话语音信息和训练文本信息;
带标记的方言口音普通话语音信息包括若干类别的方言;
根据若干类别的方言确定方言语音体系,语音体系包括不同类别方言声母、韵母和声调的发音类型;
使用带标记的标准普通话语音信息训练得到第一语音模型;
使用训练文本信息训练得到第二语言模型;
使用不同类别方言声母、韵母和声调的发音类型迭代训练第一语音模型,得到第三语音模型;
使用由第三语音模型和第二语言模型识别得到的预训练文本信息训练得到第四语言模型;
将第四语言模型与第二语言模型进行合并,得到第五语音模型;
将第三语音模型和第五语言模型进行组合,得到方言口音普通话类别识别模型;
第二归属地匹配策略,具体包括:获取归属地标记第二被叫号码,将归属地标记第二被叫号码标记为N3,获取归属地标记第二被叫号码的实际归属地,将实际归属地标记为A2,从外显号码池中匹配号码归属地为A2的外显号码,若匹配成功,返回匹配成功的外显号码N4,若匹配失败,返回空;
上述技术方案的工作原理为:当确定初始外显号码进行外呼且电话接通后,获取在外呼过程中被呼者的语音信息,即被呼者的说话声音信息,将该语音信息输入至训练好的方言口音普通话类别识别模型中得到所述语音信息的方言类别,方言类别的种类数量根据训练方言口音普通话类别识别模型时输入的未标记的方言口音普通话语音信息确定,即未标记的方言口音普通话语音信息的种类数量相当于能识别到的语音信息的方言类别的种类数量,其中,方言口音普通话类别识别模型的训练过程包括:获取语音信息样本,所述语音信息样本包括:带标记的标准普通话语音信息、未标记的方言口音普通话语音信息和训练文本信息,对语音信息样本进行标注有益于提高训练模型的识别性能,其中,样本标注精度越高,训练得到的模型的识别精度也就越高;标注精度越低,训练得到的模型的识别精度也就越低;但是,标注样本需要耗费大量的时间和人力,可以根据模型的实际识别需求具体设置训练样本标注的精度,在此不做限定;未标记的方言口音普通话语音信息包括若干类别的方言,根据若干类别的方言确定方言语音体系,语音体系包括不同类别方言声母、韵母和声调的发音类型,例如,中国境内有十大汉语方言,分别是官话、晋话、吴语、湘语、粤语、赣语、徽语、闽语、客家话、平话;官话又进一步可分为北京官话、东北官话、冀鲁官话、江淮官话、西南官话、胶辽官话、中原官话、兰银官话,每种汉语方言均有其自身特点,且内部可以进一步分为许多的片和小片,在受到地区方言的影响,存在某些客户在使用普通话沟通时总会携带地方方言的口音,导致出现各种方言版本的普通话口音,其中最为显著的区别在于不同方言在声母、韵母和声调的发音类型不同,然后使用带标记的标准普通话语音信息训练得到第一语音模型,优选使用时延神经网络模型作为训练模型,将带标记的标准普通话语音信息输入至时延神经网络模型中,训练得到第一语音模型;再使用训练文本信息训练得到第二语言模型,优选使用基于文法四元式的初始语言模型作为训练模型,将训练文本信息输入至该基于文法四元式的初始语言模型中,训练得到第二语言模型,使用不同类别方言声母、韵母和声调的发音类型迭代训练第一语音模型,得到第三语音模型,得到第二语言模型和第三语音模型后,使用由第三语音模型和第二语言模型识别得到的预训练文本信息训练得到第四语言模型,优选为使用第二语言模型和第三语音模型对未标记的方言口音普通话语音信息数据解码,得到带标记的方言口音普通话语音信息,将该带标记的方言口音普通话语音信息作为预训练文本进行训练,得到基于文法四元式的第四语言模型,最后将第四语言模型与第二语言模型进行合并,得到第五语音模型;再将第三语音模型和第五语言模型进行组合,得到方言口音普通话类别识别模型,根据方言口音普通话类别识别模型得到被呼者的方言类别后,根据该方言类别,确定被呼者的实际归属地,然后获取被叫号码的号码归属地,若号码归属地与实际归属地不同,将被叫号码的号码归属地更改为实际归属地,并对被叫号码进行标记,得到标记被叫号码,其中标记被叫号码的标记便为归属地标记,通过基于本方法实现的外呼时的智能选号系统识别该归属地标记,将该归属地标记中携带的归属地信息的优先级提高,高于该被叫号码的号码归属地的优先级,即归属地匹配策略匹配归属地时,优先匹配实际归属地,得到标记被叫号码后,基于标记被叫号码,建立被叫号码池,当下次进行外呼时,获取第二被叫号码,即下一次的被叫号码,将第二被叫号码与被叫号码池进行匹配,若被叫号码池中存在与第二被叫号码相同的标记被叫号码,则根据被叫号码池中与第二被叫号码相同的标记被叫号码的实际归属地对第二被叫号码进行归属地标记,得到归属地标记第二被叫号码,当对归属地标记第二被叫号码进行外呼指定规则时,若指定的选号规则中包括归属地匹配策略,使用第二归属地匹配策略对归属地标记第二被叫号码进行归属地匹配,其中,第二归属地匹配策略,具体包括:获取归属地标记第二被叫号码,将归属地标记第二被叫号码标记为N3,获取归属地标记第二被叫号码的实际归属地,将实际归属地标记为A2,从外显号码池中匹配号码归属地为A2的外显号码,若匹配成功,返回匹配成功的外显号码N4,若匹配失败,返回空;
上述技术方案的有益效果为:通过被呼者的语音信息,对被呼者的归属地进行二次匹配,有益于精确判断该被呼者的实际归属地,下次对该被呼者进行外呼时,若选号规则中包含归属地匹配策略,有益于根据二次匹配的实际归属地智能选取外显号,从而降低了企业的外呼成本,提高外呼成功的成功概率。
在一个实施例中,一种外呼时的智能选号系统,还包括:
可发展外呼选号模块;
可发展外呼选号模块执行包括如下操作:
获取外呼时被呼者的语音数据,语音数据包括:初始外呼通话时长和将被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得到的被呼者的初始情绪评分;
获取历史成功通话数据,历史成功通话数据包括:若干第一次外呼时便被成功发展为客户的被呼者的第一外呼通话时长和将被成功发展为客户的被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得到的被呼者的第一情绪评分;
基于语音数据和历史成功通话数据计算被呼者的可发展值,计算公式如下:
其中,为被呼者的可发展值,为历史成功通话数据中被成功发展为客户的被
呼者的总数目,为初始外呼通话时长,为第位被成功发展为客户的被呼者的第一外呼
通话时长,为第位被成功发展为客户的被呼者的第一情绪评分,为初始情绪评分;
获取第三被叫号码,将第三被叫号码与可发展客户号码池进行匹配,若可发展客户号码池中存在与第三被叫号码相同的号码,获取可发展客户号码池中与第三被叫号码相同的号码所对应的外显号码,并进行外呼;
上述技术方案的工作原理为:首先创建一个空号码池,然后获取外呼时被呼者的
语音数据,语音数据包括:初始外呼通话时长和将被呼者的语音信息输入至预先设置的语
音情绪识别评分模型中得到的被呼者的初始情绪评分,并获取历史成功通话数据,历史成
功通话数据包括:若干第一次外呼时便被成功发展为客户的被呼者的第一外呼通话时长和
将被成功发展为客户的被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得
到的被呼者的第一情绪评分,若干第一次外呼时便被成功发展为客户的被呼者即若干在第
一次外呼过程中便被企业发展为企业客户的被呼者,基于语音数据和历史成功通话数据计
算被呼者的可发展值,该可发展值也可以理解为该被呼者能成为该企业客户的成功率,当
被呼者的可发展值大于等于预设可发展阈值,基于被呼者的号码创建可发展客户号码
池,可以理解为将该被呼者的号码加入至空号码池中,而后续确定的号码则也加入到该“空
号码池”中,但此时的“空号码池”中已经包含了之前加入该号码池的所有被呼者的号码,获
取第三被叫号码,该第三被叫号码即下一次被呼者的被叫号码,将第三被叫号码与可发展
客户号码池进行匹配,若可发展客户号码池中存在与第三被叫号码相同的号码,获取可发
展客户号码池中与第三被叫号码相同的号码所对应的外显号码,并进行外呼,当被呼者被
成功发展为客户后,该被呼者的号码便从可发展客户号码池中删除,其中,预设可发展阈值
优选为根据企业对将被呼者发展为客户所预算的成本而确定,本实施例中的预设可发展阈
值为0.6,企业对将被呼者发展为客户所预算的成本越高预设可发展阈值则越高,企业对将
被呼者发展为客户所预算的成本越低预设可发展阈值则越低;
上述技术方案的有益效果为:根据被呼者在外呼过程中的情绪与通话时间确定该被呼者被企业发展为客户的成功率,从而建立可发展客户号码池,有益于降低企业获客成本,当再次对可发展客户号码池中的被呼号码进行外呼时,直接选取上一次对该被呼号码进行外呼的外显号码进行外呼,降低此次外呼被拦截的概率,有益于降低企业的外呼成本,提高了企业运营效率。
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)
1.一种外呼时的智能选号方法,其特征在于,包括:
对后台服务器发送请求获取选号规则;
坐席外呼或自动外呼时,指定任一选号规则,并根据所述选号规则与数据库内外显号码池中外显号码的参数从数据库内外显号码池的外显号码中确定初始外显号码发起外呼;
获取外呼通话信息并将所述外呼通话信息发送至消息队列;
对所述外呼通话信息进行处理,得到最新统计数据;
基于所述最新统计数据对所述数据库内外显号码池中外显号码的参数进行更新;
其中,所述选号规则可配置若干有序的匹配策略;
所述匹配策略包括:归属地匹配策略、号码类型匹配策略、最大号码接通率匹配策略、最少使用次数匹配策略、标签匹配策略、轮训策略;
所述归属地匹配策略,具体包括:获取被叫号码,将所述被叫号码标记为N1,获取所述被叫号码的号码归属地,将所述号码归属地标记为A1,从外显号码池中匹配号码归属地为A1的外显号码,若匹配成功,返回匹配成功的外显号码N2,若匹配失败,返回空;
所述号码类型匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的号码类型L1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,对所述外显号码组G依次遍历得到号码类型为L1的外显号号码列表,若所述外显号号码列表为空,则匹配失败,返回空,若所述外显号号码列表不为空,则匹配成功,返回匹配成功的外显号码G2,其中,若所述外显号号码列表存在若干外显号码,则返回所述外显号号码列表中匹配到的第一个外显号码;
所述最大号码接通率匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计所述外显号码组G中全部外显号码的接通率,确定所述外显号码组G中接通率最大的外显号码K1,若所述外显号码K1的接通率大于等于预设阈值S1,则匹配成功,返回匹配成功的外显号码K1,若所述外显号码K1的接通率小于预设阈值S1,则匹配失败,返回空;
所述最少使用次数匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计所述外显号码组G中全部外显号码的使用次数,确定所述外显号码组G中使用次数最少的外显号码K2,若所述外显号码K2的使用次数大于等于预设阈值S2,则匹配成功,返回匹配成功的外显号码K2,若所述外显号码K2的使用次数小于预设阈值S2,则匹配失败,返回空;
所述标签匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的标签B1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,获取所述外显号码组G中包含标签B1的外显号码B2,返回匹配成功的外显号码B2,其中,若所述外显号码组G中存在若干包含标签B1的外显号码,则返回所述外显号组G1中匹配到的第一个包含标签B1的外显号码;
所述轮训策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,并获取数据库中外显号码组G内所有外显号码的历史匹配顺序,基于所述历史匹配顺序获取外显号码组G中未被匹配的外显号码,返回匹配成功的第一个外显号码G3;
其中,若所述选号规则中任一匹配策略成功从数据库中匹配到外显号码,停止匹配。
2.根据权利要求1所述的一种外呼时的智能选号方法,其特征在于,所述对所述外呼通话信息进行处理,得到最新统计数据,包括:
步骤1:从所述消息队列中实时接收外呼通话信息;
步骤2:对所述外呼通话信息进行业务幂处理,并将进行业务幂处理后的第二外呼通话信息实时发送至基于clickhouse实现的OLAP大数据引擎子系统;
步骤3:基于所述第二外呼通话信息,通过所述OLAP大数据引擎子系统完成对所述初始外显号码的号码接通率、号码使用次数的实时聚合计算,得到最新统计数据。
3.根据权利要求1所述的一种外呼时的智能选号方法,其特征在于,还包括:
获取外呼时被呼者的语音信息,将所述语音信息输入至训练好的方言口音普通话类别识别模型中得到所述语音信息的方言类别;
根据所述方言类别,确定被呼者的实际归属地;
获取被叫号码,获取所述被叫号码的号码归属地;
若所述号码归属地与所述实际归属地不同,将所述被叫号码的号码归属地更改为实际归属地,并对所述被叫号码进行标记,得到标记被叫号码;
基于所述标记被叫号码,建立被叫号码池;
获取第二被叫号码,将所述第二被叫号码与所述被叫号码池进行匹配,若所述被叫号码池中存在与所述第二被叫号码相同的标记被叫号码,则根据所述被叫号码池中与所述第二被叫号码相同的标记被叫号码的实际归属地对所述第二被叫号码进行归属地标记,得到归属地标记第二被叫号码;
当对所述归属地标记第二被叫号码进行外呼指定规则时,若指定的选号规则中包括归属地匹配策略,使用第二归属地匹配策略对所述归属地标记第二被叫号码进行归属地匹配;
其中,所述方言口音普通话类别识别模型的训练过程包括:
获取语音信息样本,所述语音信息样本包括:带标记的标准普通话语音信息、未标记的方言口音普通话语音信息和训练文本信息;
所述未标记的方言口音普通话语音信息包括若干类别的方言;
根据所述若干类别的方言确定方言语音体系,所述语音体系包括不同类别方言声母、韵母和声调的发音类型;
使用所述带标记的标准普通话语音信息训练得到第一语音模型;
使用所述训练文本信息训练得到第二语言模型;
使用所述不同类别方言声母、韵母和声调的发音类型迭代训练第一语音模型,得到第三语音模型;
使用由所述第三语音模型和所述第二语言模型识别得到的预训练文本信息训练得到第四语言模型;
将所述第四语言模型与所述第二语言模型进行合并,得到第五语音模型;
将所述第三语音模型和所述第五语言模型进行组合,得到方言口音普通话类别识别模型;
所述第二归属地匹配策略,具体包括:获取归属地标记第二被叫号码,将所述归属地标记第二被叫号码标记为N3,获取所述归属地标记第二被叫号码的实际归属地,将所述实际归属地标记为A2,从外显号码池中匹配号码归属地为A2的外显号码,若匹配成功,返回匹配成功的外显号码N4,若匹配失败,返回空。
4.根据权利要求1所述的一种外呼时的智能选号方法,其特征在于,还包括:
获取外呼时被呼者的语音数据,所述语音数据包括:初始外呼通话时长和将所述被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得到的被呼者的初始情绪评分;
获取历史成功通话数据,所述历史成功通话数据包括:若干第一次外呼时便被成功发展为客户的被呼者的第一外呼通话时长和将所述被成功发展为客户的被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得到的被呼者的第一情绪评分;
基于所述语音数据和所述历史成功通话数据计算被呼者的可发展值,计算公式如下:
其中,为被呼者的可发展值,为历史成功通话数据中被成功发展为客户的被呼者
的总数目,为初始外呼通话时长,为第位被成功发展为客户的被呼者的第一外呼通话
时长,为第位被成功发展为客户的被呼者的第一情绪评分,为初始情绪评分;
获取第三被叫号码,将所述第三被叫号码与所述可发展客户号码池进行匹配,若所述可发展客户号码池中存在与所述第三被叫号码相同的号码,获取所述可发展客户号码池中与所述第三被叫号码相同的号码所对应的外显号码,并进行外呼。
5.一种外呼时的智能选号系统,其特征在于,包括:
获取模块,用于对后台服务器发送请求获取选号规则;
外呼指定模块,用于在坐席外呼或自动外呼时,指定任一选号规则,并根据所述选号规则与数据库内外显号码池中外显号码的参数从数据库内外显号码池的外显号码中确定初始外显号码发起外呼;
话务信息传递模块,用于获取外呼通话信息并将所述外呼通话信息发送至消息队列;
OLAP引擎计算模块,用于对所述外呼通话信息进行处理,得到最新统计数据;
更新模块,用于基于所述最新统计数据对所述数据库内外显号码池中外显号码的参数进行更新;
其中,所述选号规则可配置若干有序的匹配策略;
所述匹配策略包括:归属地匹配策略、号码类型匹配策略、最大号码接通率匹配策略、最少使用次数匹配策略、标签匹配策略、轮训策略;
所述归属地匹配策略,具体包括:获取被叫号码,将所述被叫号码标记为N1,获取所述被叫号码的号码归属地,将所述号码归属地标记为A1,从外显号码池中匹配号码归属地为A1的外显号码,若匹配成功,返回匹配成功的外显号码N2,若匹配失败,返回空;
所述号码类型匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的号码类型L1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,对所述外显号码组G依次遍历得到号码类型为L1的外显号号码列表,若所述外显号号码列表为空,则匹配失败,返回空,若所述外显号号码列表不为空,则匹配成功,返回匹配成功的外显号码G2,其中,若所述外显号号码列表存在若干外显号码,则返回所述外显号号码列表中匹配到的第一个外显号码;
所述最大号码接通率匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计所述外显号码组G中全部外显号码的接通率,确定所述外显号码组G中接通率最大的外显号码K1,若所述外显号码K1的接通率大于等于预设阈值S1,则匹配成功,返回匹配成功的外显号码K1,若所述外显号码K1的接通率小于预设阈值S1,则匹配失败,返回空;
所述最少使用次数匹配策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,通过报表引擎中实时聚合统计所述外显号码组G中全部外显号码的使用次数,确定所述外显号码组G中使用次数最少的外显号码K2,若所述外显号码K2的使用次数大于等于预设阈值S2,则匹配成功,返回匹配成功的外显号码K2,若所述外显号码K2的使用次数小于预设阈值S2,则匹配失败,返回空;
所述标签匹配策略,具体包括:获取本次呼叫指定的外显号组G1和指定的标签B1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,获取所述外显号码组G中包含标签B1的外显号码B2,返回匹配成功的外显号码B2,其中,若所述外显号码组G中存在若干包含标签B1的外显号码,则返回所述外显号组G1中匹配到的第一个包含标签B1的外显号码;
所述轮训策略,具体包括:获取本次呼叫指定的外显号组G1,获取数据库中外显号组为G1的外显号码所组成的外显号码组G,并获取数据库中外显号码组G内所有外显号码的历史匹配顺序,基于所述历史匹配顺序获取外显号码组G中未被匹配的外显号码,返回匹配成功的第一个外显号码G3;
其中,若所述选号规则中任一匹配策略成功从数据库中匹配到外显号码,停止匹配。
6.根据权利要求5所述的一种外呼时的智能选号系统,其特征在于,所述OLAP引擎计算模块执行包括如下操作:
步骤1:从所述消息队列中实时接收外呼通话信息;
步骤2:对所述外呼通话信息进行业务幂处理,并将进行业务幂处理后的第二外呼通话信息实时发送至基于clickhouse实现的OLAP大数据引擎子系统;
步骤3:基于所述第二外呼通话信息,通过所述OLAP大数据引擎子系统完成对所述初始外显号码的号码接通率、号码使用次数的实时聚合计算,得到最新统计数据。
7.根据权利要求5所述的一种外呼时的智能选号系统,其特征在于,还包括:
归属地二次匹配模块;
所述归属地二次匹配模块执行包括如下操作:
获取外呼时被呼者的语音信息,将所述语音信息输入至训练好的方言口音普通话类别识别模型中得到所述语音信息的方言类别;
根据所述方言类别,确定被呼者的实际归属地;
获取被叫号码,获取所述被叫号码的号码归属地;
若所述号码归属地与所述实际归属地不同,将所述被叫号码的号码归属地更改为实际归属地,并对所述被叫号码进行标记,得到标记被叫号码;
基于所述标记被叫号码,建立被叫号码池;
获取第二被叫号码,将所述第二被叫号码与所述被叫号码池进行匹配,若所述被叫号码池中存在与所述第二被叫号码相同的标记被叫号码,则根据所述被叫号码池中与所述第二被叫号码相同的标记被叫号码的实际归属地对所述第二被叫号码进行归属地标记,得到归属地标记第二被叫号码;
当对所述归属地标记第二被叫号码进行外呼指定规则时,若指定的选号规则中包括归属地匹配策略,使用第二归属地匹配策略对所述归属地标记第二被叫号码进行归属地匹配;
其中,所述方言口音普通话类别识别模型的训练过程包括:
获取语音信息样本,所述语音信息样本包括:带标记的标准普通话语音信息、未标记的方言口音普通话语音信息和训练文本信息;
所述未标记的方言口音普通话语音信息包括若干类别的方言;
根据所述若干类别的方言确定方言语音体系,所述语音体系包括不同类别方言声母、韵母和声调的发音类型;
使用所述带标记的标准普通话语音信息训练得到第一语音模型;
使用所述训练文本信息训练得到第二语言模型;
使用所述不同类别方言声母、韵母和声调的发音类型迭代训练第一语音模型,得到第三语音模型;
使用由所述第三语音模型和所述第二语言模型识别得到的预训练文本信息训练得到第四语言模型;
将所述第四语言模型与所述第二语言模型进行合并,得到第五语音模型;
将所述第三语音模型和所述第五语言模型进行组合,得到方言口音普通话类别识别模型;
所述第二归属地匹配策略,具体包括:获取归属地标记第二被叫号码,将所述归属地标记第二被叫号码标记为N3,获取所述归属地标记第二被叫号码的实际归属地,将所述实际归属地标记为A2,从外显号码池中匹配号码归属地为A2的外显号码,若匹配成功,返回匹配成功的外显号码N4,若匹配失败,返回空。
8.根据权利要求5所述一种外呼时的智能选号系统,其特征在于,还包括:
可发展外呼选号模块;
所述可发展外呼选号模块执行包括如下操作:
获取外呼时被呼者的语音数据,所述语音数据包括:初始外呼通话时长和将所述被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得到的被呼者的初始情绪评分;
获取历史成功通话数据,所述历史成功通话数据包括:若干第一次外呼时便被成功发展为客户的被呼者的第一外呼通话时长和将所述被成功发展为客户的被呼者的语音信息输入至预先设置的语音情绪识别评分模型中得到的被呼者的第一情绪评分;
基于所述语音数据和所述历史成功通话数据计算被呼者的可发展值,计算公式如下:
其中,为被呼者的可发展值,为历史成功通话数据中被成功发展为客户的被呼者
的总数目,为初始外呼通话时长,为第位被成功发展为客户的被呼者的第一外呼通话
时长,为第位被成功发展为客户的被呼者的第一情绪评分,为初始情绪评分;
获取第三被叫号码,将所述第三被叫号码与所述可发展客户号码池进行匹配,若所述可发展客户号码池中存在与所述第三被叫号码相同的号码,获取所述可发展客户号码池中与所述第三被叫号码相同的号码所对应的外显号码,并进行外呼。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110751107.XA CN113596266B (zh) | 2021-07-02 | 2021-07-02 | 一种外呼时的智能选号方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110751107.XA CN113596266B (zh) | 2021-07-02 | 2021-07-02 | 一种外呼时的智能选号方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113596266A CN113596266A (zh) | 2021-11-02 |
CN113596266B true CN113596266B (zh) | 2022-04-08 |
Family
ID=78245742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110751107.XA Active CN113596266B (zh) | 2021-07-02 | 2021-07-02 | 一种外呼时的智能选号方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113596266B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114257690A (zh) * | 2021-12-22 | 2022-03-29 | 北京点控互联信息技术有限公司 | 一种电话外呼场景下的显示号码智能选择的方法 |
CN114827361A (zh) * | 2022-04-08 | 2022-07-29 | 马上消费金融股份有限公司 | 外呼的处理方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108156331A (zh) * | 2017-11-10 | 2018-06-12 | 大连金慧融智科技股份有限公司 | 一种智能自动拨号外呼系统及方法 |
CN109600522A (zh) * | 2018-12-10 | 2019-04-09 | 中国银行股份有限公司 | 一种外呼控制方法及装置 |
CN111916056A (zh) * | 2019-10-28 | 2020-11-10 | 宁波大学 | 一种智能语音识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110166632B (zh) * | 2019-04-15 | 2022-10-21 | 中国平安人寿保险股份有限公司 | 智能外呼处理方法、装置、计算机设备及存储介质 |
CN110290281B (zh) * | 2019-07-19 | 2020-10-16 | 携程旅游信息技术(上海)有限公司 | 外呼方法、系统、电子设备和介质 |
CN111669467B (zh) * | 2020-06-19 | 2021-04-23 | 深圳前海微众银行股份有限公司 | 一种拨打任务生成的方法及装置 |
-
2021
- 2021-07-02 CN CN202110751107.XA patent/CN113596266B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108156331A (zh) * | 2017-11-10 | 2018-06-12 | 大连金慧融智科技股份有限公司 | 一种智能自动拨号外呼系统及方法 |
CN109600522A (zh) * | 2018-12-10 | 2019-04-09 | 中国银行股份有限公司 | 一种外呼控制方法及装置 |
CN111916056A (zh) * | 2019-10-28 | 2020-11-10 | 宁波大学 | 一种智能语音识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113596266A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109672786B (zh) | 一种来电接听方法及装置 | |
US7966176B2 (en) | System and method for independently recognizing and selecting actions and objects in a speech recognition system | |
CN110263144A (zh) | 一种答案获取方法及装置 | |
US7280651B2 (en) | Method and system for performing automated telemarketing | |
CN113596266B (zh) | 一种外呼时的智能选号方法及系统 | |
US7751551B2 (en) | System and method for speech-enabled call routing | |
US7184540B2 (en) | Personality based matching of callers to agents in a communication system | |
US6721416B1 (en) | Call centre agent automated assistance | |
US8923502B2 (en) | Customer service system, method, and software program product for responding to queries using natural language understanding | |
US8923501B2 (en) | Method and system for managing contacts in a contact center | |
JP2019194839A (ja) | 人工知能に基づくサービス実施 | |
US20090067590A1 (en) | System and method of utilizing a hybrid semantic model for speech recognition | |
US20030191639A1 (en) | Dynamic and adaptive selection of vocabulary and acoustic models based on a call context for speech recognition | |
AU2005200320A1 (en) | Recognition results postprocessor for use in voice recognition systems | |
CN111212191B (zh) | 一种客户来电坐席分配方法 | |
CN108428148A (zh) | 主动智能电话营销方法和系统 | |
US8189762B2 (en) | System and method for interactive voice response enhanced out-calling | |
CN110705926A (zh) | 一种物流对象配送信息的获取方法、装置和系统 | |
US20050069119A1 (en) | Estimation of expected value for remaining work time for contact center agents | |
CN112925888A (zh) | 一种问答响应及小样本文本匹配模型的训练方法和装置 | |
CN115858744A (zh) | 一种基于ai的外呼方法、装置和存储介质 | |
JP4067481B2 (ja) | 電話受付システム | |
CN107800895A (zh) | 一种互动式语音应答方法及装置 | |
CN116340482A (zh) | 基于企业微信结合nlp引擎的多技能客服辅助产品 | |
CN101848282B (zh) | 质检处理方法、装置及系统、质检员客户端 |
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 |