CN113656664A - 一种快递呼叫中心异常呼入检测方法及系统 - Google Patents

Abstract

本发明涉及一种快递呼叫中心异常呼入检测方法及系统，该方法通过依据云呼历史数据组建历史快递数据集，预处理后得到归一化历史数据集，筛选后得到异常数据集；依据云呼实时数据组建实时快递数据集，预处理后得到归一化实时数据集，离群分析后得到实时离群数据集；参照异常数据集，从所述实时离群数据集中识别出异常呼入数据。本发明提供的技术方案，实现了对异常呼入的自动检测，节约了人工成本，提升了检测效率，降低了误判事件发生的概率，极大地提高了对异常检测的覆盖率，能够应对大规模的异常呼入行为；在节假日等非工作时间也能实现对异常呼入的检测及自动处理，保证了呼叫中心的整体服务质量。

Description

一种快递呼叫中心异常呼入检测方法及系统

技术领域

本发明涉及信息通信技术领域，具体涉及一种快递呼叫中心异常呼入检测方法及系统。

背景技术

呼叫中心就是在一个相对集中的场所，由一批服务人员组成的服务机构。呼叫中心通常利用计算机通信技术，处理来自企业、顾客的电话垂询，尤其具备同时处理大量来话的能力，还具备主叫号码显示，可将来电自动分配给具备相应技能的人员处理，并能记录和储存所有来话信息。

快递呼叫中心是物流行业专用的呼叫中心。快递呼叫中心在物流企业发挥的作用大致包括：对遍布全国的分公司进行统一调度、统一管理；受理客户预约、咨询、投诉等需求；受理平台或者商家的相关业务需求。

快递呼叫中心日常运营中出现的客户异常呼入事件，严重浪费系统资源，降低系统可用性，影响客服服务质量。客户的呼叫行为无法预测，针对客户的异常呼入话务，通常根据实际运营情况反馈的监控数据以及客服的反馈，采用人工识别并采用呼入限制策略等措施。异常检测过程需要专职人员时刻关注话务情况、工单情况、运单情况，发现异常时，需要及时寻找技术人员协助处理。

发明内容

本发明的目的在于提供一种快递呼叫中心异常呼入检测方法及系统，解决现有技术中人工进行异常呼入数据检测，无法全面覆盖异常呼入事件，人力投入大、效率低的问题。

根据本发明实施例的第一方面，提供一种快递呼叫中心异常呼入检测方法，包括：

依据云呼历史数据组建历史快递数据集，预处理后得到归一化历史数据集，筛选后得到异常数据集；

依据云呼实时数据组建实时快递数据集，预处理后得到归一化实时数据集，离群分析后得到实时离群数据集；

参照异常数据集，从所述实时离群数据集中识别出异常呼入数据。

优选地，所述预处理后得到归一化历史数据集，和/或，所述预处理后得到归一化实时数据集，具体为：

使用独热码对所述历史数据集进行编码，得到归一化历史数据集；和/或，

使用独热码对所述实时数据集进行编码，得到归一化实时数据集。

优选地，所述离群分析后得到实时离群数据集之前，还包括：

将归一化实时数据集中的数据，与业务白名单中的数据进行对比；如果所述归一化实时数据集中的数据命中白名单则放弃处理，自动放行。

优选地，所述离群分析后得到实时离群数据集，包括：

计算所述归一化实时数据集中各数据的离群因子；根据所述离群因子，判断各数据是否为离群数据；将判定为离群数据的数据组成实时离群数据集。

优选地，所述参照异常数据集，从所述实时离群数据集中识别出异常呼入数据，包括：

对任一离群数据，判断是否在所述异常数据集中，若是，将所述离群数据判定为异常呼入数据。

优选地，所述方法，还包括：

从所述实时离群数据中识别出的异常呼入数据，加入黑名单。

优选地，所述方法，还包括：

生成包含所述异常呼入数据的报表发送给管理员，以使管理员人工核验所述报表中的异常呼入数据；将管理员人工核验后的报表数据更新到所述异常数据集中。

优选地，所述筛选后得到异常数据集，包括：

根据预设规则，对归一化历史数据集进行筛选；所述预设规则，包括：客户投诉次数是否超过第一阈值；和/或，订单取消次数是否超过第二阈值。

优选地，所述依据云呼实时数据组建实时快递数据集，包括：

查找到与云呼实时数据相关联的订单信息数据，添加进实时快递数据集；和/或，查找到与云呼实时数据相关联的运单信息数据，添加进实时快递数据集；和/或，查找到与云呼实时数据相关联的工单信息数据，添加进实时快递数据集；和/或，把云呼实时数据添加进实时快递数据集。

根据本发明实施例的第二方面，提供一种快递呼叫中心异常呼入检测系统，包括：

第一预处理模块，用于依据云呼历史数据组建历史快递数据集，预处理后得到归一化历史数据集，筛选后得到异常数据集；

第二预处理模块，用于依据云呼实时数据组建实时快递数据集，预处理后得到归一化实时数据集，离群分析后得到实时离群数据；

识别模块，用于参照异常数据集，从所述实时离群数据中识别出异常呼入数据。

本发明的实施例提供的技术方案可以包括以下有益效果：

通过云呼历史数据筛选得到异常数据集，通过云呼实时数据离群分析得到实时离群数据集，参照异常数据集，从所述实时离群数据集中识别出异常呼入数据，相比现有技术，实现了对快递呼叫中心异常呼入的实时自动化检测，实现了对异常检测的全面覆盖，节省了客服人员的时间，降低了人工成本；另外，还可以应对大规模及不定期(例如节假日)的异常呼叫行为，保证有足够的线路资源全天候为正常客户提供服务。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种快递呼叫中心异常呼入检测方法的示意框图；

图2是根据另一示例性实施例示出的一种快递呼叫中心异常呼入检测方法的流程图；

图3是根据一示例性实施例示出的一种快递呼叫中心异常呼入检测系统的示意框图；

图4是根据另一示例性实施例示出的一种快递呼叫中心异常呼入检测系统的架构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种快递呼叫中心异常呼入检测方法的示意框图，如图1所示，该方法包括：

步骤S1依据云呼历史数据，最终得到异常数据集，包含三个子步骤：

步骤S11依据云呼历史数据组建历史快递数据集；

步骤S12预处理后得到归一化历史数据集；

步骤S13筛选后得到异常数据集。

步骤S2依据云呼实时数据，最终得到实时离群数据集，包含三个子步骤：

步骤S21依据云呼实时数据组建实时快递数据集；

步骤S22预处理后得到归一化实时数据集；

步骤S23离群分析后得到实时离群数据集。

步骤S3参照异常数据集，从所述实时离群数据集中识别出异常呼入数据。

其中，在步骤S11中，依据云呼历史数据，查找到与之对应的工单信息数据、运单信息数据，组成历史快递数据集；在步骤S12中采用独热码对历史快递数据集进行编码，得到归一化历史数据集；在步骤S13中对归一化历史数据集按照定义特征进行筛选，得到异常数据集。

在步骤S21中，依据云呼实时数据，查找到与之对应的工单信息数据、运单信息数据，组成实时快递数据集；在步骤S22中采用独热码对实时快递数据集进行编码，得到归一化实时数据集；在步骤S23中对归一化实时数据集进行离群分析，根据计算得到的各个数据的离群因子，对各个数据是否离群进行判断，选择离群的数据组成实时离群数据集。

在步骤S3中，对实时离群数据集中的任一离群数据，判断是否在异常数据集中，若是，将此离群数据判定为异常呼入数据；对实时离群数据集中的所有离群数据做同样的操作，获得全部的异常呼入数据。

本实施例提供的技术方案，通过云呼历史数据筛选得到异常数据集，通过云呼实时数据离群分析得到实时离群数据集，参照异常数据集，从所述实时离群数据集中识别出异常呼入数据，相比现有技术，实现了对快递呼叫中心异常呼入的实时自动化检测，实现了对异常检测的全面覆盖，节省了客服人员的时间，降低了人工成本；另外，还可以应对大规模及不定期(例如节假日)的异常呼叫行为，保证有足够的线路资源全天候为正常客户提供服务。

图2是根据另一示例性实施例示出的一种快递呼叫中心异常呼入检测方法的流程图，如图2所示，该方法包括：

云呼历史数据、工单信息数据、运单信息数据组成了历史快递数据集；使用独热码对历史快递数据集进行编码，得到归一化历史数据集；根据定义特征对归一化历史数据集进行筛选，得到异常数据集。

云呼实时数据、工单信息数据、运单信息数据组成了实时快递数据集；使用独热码对实时快递数据集进行编码，得到归一化实时数据集。

将归一化实时数据集中的数据，与业务白名单中的数据进行对比；如果归一化实时数据集中的数据命中白名单则放弃处理，自动放行。

计算归一化实时数据集中各数据的离群因子；根据离群因子，判断各数据是否为离群数据；将各个离群数据组成实时离群数据集。

对实时离群数据集中的任一离群数据，判断是否在异常数据集中，若是，将此离群数据判定为异常呼入数据；对实时离群数据集中的所有离群数据做同样的操作，获得全部的异常呼入数据，并把这些异常呼入数据加入黑名单。

将异常呼入数据形成报表并发送给管理员，管理员对报表进行人工核验，去除其中被误判为异常数据的正常数据，之后把报表数据中的数据都标注为异常数据并更新到异常数据集中。

本实施例提供的技术方案，实现了对快递呼叫中心异常呼入的实时自动化检测。在本实施例提供的技术方案中，业务白名单中设置了一些快递呼叫中心常见客户(淘宝、拼多多平台)的电话号码，当这些电话号码拨进来时，不再进行离群检测，直接放行，避免将这些电话号码误判为异常号码，同时节省了计算资源；异常呼入数据被识别出来后，直接把这些异常呼入数据加入黑名单；客服人员不需要时刻关注话务情况，只需要对报表数据进行审核，去除其中被误判的数据。

图3是根据一示例性实施例示出的一种快递呼叫中心异常呼入检测系统的示意框图，如图3所示，该系统100包括：

第一预处理模块101，用于依据云呼历史数据组建历史快递数据集，预处理后得到归一化历史数据集，筛选后得到异常数据集；

第二预处理模块102，用于依据云呼实时数据组建实时快递数据集，预处理后得到归一化实时数据集，离群分析后得到实时离群数据；

识别模块103，用于参照异常数据集，从所述实时离群数据中识别出异常呼入数据。

需要说明的是，历史快递数据集包括：云呼历史数据、工单信息数据、运单信息数据；实时快递数据集包括：云呼实时数据、工单信息数据、运单信息数据；预处理是指使用独热码对数据集进行归一化编码。

本实施例提供的技术方案，实现了快递呼叫中心异常呼入的自动检测，能够实时识别客户异常呼入行为，并根据预先配置的规则自动处理，主动通知运营人员跟进；在保障服务可用性的基础上，降低误判、节约人工成本，并保障了对正常客户的服务质量。

图4是根据另一示例性实施例示出的一种快递呼叫中心异常呼入检测系统的架构图，参见图4，该快递呼叫中心异常呼入检测系统，包括：

呼叫中心服务器、运单数据服务器、工单数据服务器、数据存储服务器、预处理服务器、分析服务器、报表服务器。

客户拨打快递呼叫中心电话，快递呼叫中心服务器接听电话；呼叫中心服务器把实时话务数据传递到数据存储服务器；运单数据服务器把运单信息数据传递到数据存储服务器，工单数据服务器把工单信息数据传递到数据存储服务器。

数据存储服务器把实时话务数据、运单信息数据、工单信息数据三种数据传递到预处理服务器，预处理服务器使用独热码对三种数据进行编码，获得归一化实时数据集，并将此数据集输出到分析服务器。

分析服务器根据白名单对归一化实时数据集进行检测，命中白名单的数据予以放行；分析服务器使用局部异常因子算法对归一化实时数据集进行离群分析，获得各个数据的离群因子，根据离群因子判断各个数据是否离群，把离群数据组成实时离群数据集；分析服务器中内置异常数据集，根据异常数据集，从实时离群数据集中获得异常呼入数据；将异常呼入数据加入黑名单，同时生成报表数据传递给报表服务器。

管理人员从报表服务器中获得报表数据进行审核，经由报表服务器查阅数据存储服务器中与报表数据有关的明细和录音，去掉报表数据中被误判为异常数据的正常数据，并在黑名单中做同步处理；管理人员把报表数据中的异常数据进行标记并更新到异常数据集。

黑名单设置在快递呼叫中心服务器中，当异常号码拨打快递呼叫中心时，若此号码在黑名单上，则此号码被阻挡；若此号码不在黑名单上，经过快递呼叫中心的异常呼入检测机制，此号码会被加入黑名单。为了避免管理人员因工作疏忽未能去掉黑名单中混入的正常呼入数据，导致正常号码长期无法打通快递呼叫中心，黑名单中的数据每过一段时间会清空一次。

白名单设置在预处理服务器中。淘宝、拼多多平台与快递公司有大量业务往来，当它们多次拨打快递呼叫中心的热线电话时，异常呼入检测机制可能会把它们误判为异常呼入并加入黑名单；在这种情况下，白名单就显得非常重要，把淘宝、拼多多平台的官方电话号码加入白名单，使这些电话号码不做离群分析，保证这些电话号码可以实时呼入快递呼叫中心。

本实施例针对呼入话务实时分析，节省人工成本并可以实现全量检测；本实施例结合白名单数据，使用局部异常因子算法对实时数据进行离群分析，自动检测异常呼入并处理，提高效率、保障资源；本实施例可以避免对正常呼入数据的误判，系统会生成报表数据供管理人员使用，可及时修正异常数据集。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、方法、设备或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、方法、设备或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种快递呼叫中心异常呼入检测方法，其特征在于，包括：

依据云呼历史数据组建历史快递数据集，预处理后得到归一化历史数据集，筛选后得到异常数据集；

依据云呼实时数据组建实时快递数据集，预处理后得到归一化实时数据集，离群分析后得到实时离群数据集；

参照异常数据集，从所述实时离群数据集中识别出异常呼入数据。

2.根据权利要求1所述的方法，其特征在于，所述预处理后得到归一化历史数据集，和/或，所述预处理后得到归一化实时数据集，具体为：

使用独热码对所述历史数据集进行编码，得到归一化历史数据集；和/或，

使用独热码对所述实时数据集进行编码，得到归一化实时数据集。

3.如权利要求1所述的方法，其特征在于，所述离群分析后得到实时离群数据集之前，还包括：

将归一化实时数据集中的数据，与业务白名单中的数据进行对比；

如果所述归一化实时数据集中的数据命中白名单则放弃处理，自动放行。

4.根据权利要求1所述的方法，其特征在于，所述离群分析后得到实时离群数据集，包括：

计算所述归一化实时数据集中各数据的离群因子；

根据所述离群因子，判断各数据是否为离群数据；

将判定为离群数据的数据组成实时离群数据集。

5.根据权利要求4所述的方法，其特征在于，所述参照异常数据集，从所述实时离群数据集中识别出异常呼入数据，包括：

对任一离群数据，判断是否在所述异常数据集中，若是，将所述离群数据判定为异常呼入数据。

6.如权利要求1所述的方法，其特征在于，还包括：

从所述实时离群数据中识别出的异常呼入数据，加入黑名单。

7.根据权利要求1～6任一项所述的方法，其特征在于，还包括：

生成包含所述异常呼入数据的报表发送给管理员，以使管理员人工核验所述报表中的异常呼入数据；

将管理员人工核验后的报表数据更新到所述异常数据集中。

8.根据权利要求7所述的方法，其特征在于，所述筛选后得到异常数据集，包括：

根据预设规则，对归一化历史数据集进行筛选；

所述预设规则，包括：客户投诉次数是否超过第一阈值；和/或，订单取消次数是否超过第二阈值。

9.如权利要求1所述的方法，其特征在于，所述依据云呼实时数据组建实时快递数据集，包括：

查找到与云呼实时数据相关联的订单信息数据，添加进实时快递数据集；和/或，查找到与云呼实时数据相关联的运单信息数据，添加进实时快递数据集；和/或，查找到与云呼实时数据相关联的工单信息数据，添加进实时快递数据集；和/或，把云呼实时数据添加进实时快递数据集。

10.一种快递呼叫中心异常呼入检测系统，其特征在于，包括：

第一预处理模块，用于依据云呼历史数据组建历史快递数据集，预处理后得到归一化历史数据集，筛选后得到异常数据集；

第二预处理模块，用于依据云呼实时数据组建实时快递数据集，预处理后得到归一化实时数据集，离群分析后得到实时离群数据；

识别模块，用于参照异常数据集，从所述实时离群数据中识别出异常呼入数据。

Images