CN114065855A - 坐席人员分类方法、装置、电子设备及存储介质 - Google Patents

坐席人员分类方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114065855A
CN114065855A CN202111357856.0A CN202111357856A CN114065855A CN 114065855 A CN114065855 A CN 114065855A CN 202111357856 A CN202111357856 A CN 202111357856A CN 114065855 A CN114065855 A CN 114065855A
Authority
CN
China
Prior art keywords
data
clustering
group
determining
seat personnel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111357856.0A
Other languages
English (en)
Inventor
严杨扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202111357856.0A priority Critical patent/CN114065855A/zh
Publication of CN114065855A publication Critical patent/CN114065855A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及人工智能技术领域，公开了一种坐席人员分类方法、装置、电子设备及存储介质，其中，分类方法包括：获取所有坐席人员中每个坐席人员的基本信息；对每个坐席人员的基本信息进行分值转化，得到每个坐席人员对应的特征分值；根据每个坐席人员对应的特征分值，对所有坐席人员进行至少一次聚类处理，得到目标处理结果；根据目标处理结果生成可视化聚类图；确定所有坐席人员所属机构的业务需求，并根据业务需求确定机构需要的坐席人员的类别数量；根据类别数量和可视化聚类图，确定坐席人员的分类方法，并根据分类方法将所有坐席人员进行分类。由此，可以将能力近似的坐席人员尽可能的分配在一起，且分配结果可以最大化的满足机构的业务需求。

Description

坐席人员分类方法、装置、电子设备及存储介质
技术领域
本发明涉及人工智能技术领域，具体涉及一种坐席人员分类方法、装置、电子设备及存储介质。
背景技术
随着国家经济的快速发展，相关政策的支持以及全民保险意识的进一步升级，导致国内保险需求的增长趋势十分明显。例如，在2020年9月3日，中国银保监会印发了关于车险改革的综改意见。该意见大幅度提升了交强险责任赔付限额，此外浮动费率系数下调至50％。这意味着保险公司之间的竞争将会更加激烈，直接的表现就是不同的保险公司会制定各自的交强险保费降价策略，以提升自己公司在市场上的竞争力，另一面，由于交强险责任赔付限额的提升，保险公司在交强险这一项上的收益将进一步降低，商业险带来的保费收益对于公司的整体收益的维稳变得更加重要。
基于此，对于各大保险公司而言，如何更好的开拓业务与维护客户将成为一项十分重要的指标。目前，对于业务的开拓，以及客户的维护主要依靠坐席人员与客户的交流沟通为主。但是，目前对于坐席人员的分配是完全随机的，导致某些坐席人员的业务能力无法被完全发挥，继而影响保险业务的开展与客户的维护。基于此，目前亟需一种基于坐席人员的工作能力，将坐席人员进行分类的方法，以将保险坐席人员合理的分配到符合各自能力等级的群体中。
发明内容
为了解决现有技术中存在的上述问题，本申请实施方式提供了一种坐席人员分类方法、装置、电子设备及存储介质，可以将能力近似的坐席尽可能的分配在一起，且分配结果可以最大化的满足机构的业务需求。
第一方面，本申请的实施方式提供了一种坐席人员分类方法，包括：
获取所有坐席人员中每个坐席人员的基本信息；
对每个坐席人员的基本信息进行分值转化，得到每个坐席人员对应的特征分值；
根据每个坐席人员对应的特征分值，对所有坐席人员进行至少一次聚类处理，得到目标处理结果；
根据目标处理结果生成可视化聚类图；
确定所有坐席人员所属机构的业务需求，并根据业务需求确定机构需要的坐席人员的类别数量；
根据类别数量和可视化聚类图，确定坐席人员的分类方法，并根据分类方法将所有坐席人员进行分类。
第二方面，本申请的实施方式提供了一种坐席人员分类装置，包括：
采集模块，用于获取所有坐席人员中每个坐席人员的基本信息；
转化模块，用于对每个坐席人员的基本信息进行分值转化，得到每个坐席人员对应的特征分值；
聚类模块，用于根据每个坐席人员对应的特征分值，对所有坐席人员进行至少一次聚类处理，得到目标处理结果，并根据目标处理结果生成可视化聚类图；
处理模块，用于确定所有坐席人员所属机构的业务需求，并根据业务需求确定机构需要的坐席人员的类别数量，并根据类别数量和可视化聚类图，确定坐席人员的分类方法，并根据分类方法将所有坐席人员进行分类。
第三方面，本申请实施方式提供一种电子设备，包括：处理器，处理器与存储器相连，存储器用于存储计算机程序，处理器用于执行存储器中存储的计算机程序，以使得电子设备执行如第一方面的方法。
第四方面，本申请实施方式提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序使得计算机执行如第一方面的方法。
第五方面，本申请实施方式提供一种计算机程序产品，计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，计算机可操作来使计算机执行如第一方面的方法。
实施本申请实施方式，具有如下有益效果：
在本申请实施方式中，通过将坐席人员的基本信息进行分值化，作为对应的坐席人员的特征分值，从而根据每个坐席人员的特征分值的计算每个坐席人员之间的距离，将坐席人员进行至少一次聚类。然后，通过多次聚类中聚类的聚类结果，生成可视化聚类图，再通过机构的业务需求确定需要的坐席人员的类别数量。最后，根据类别数量和可视化聚类图，确定坐席人员的分类方法，并根据分类方法将所有坐席人员进行分类。由此，可以将能力近似的坐席尽可能的分配在一起，且分配结果可以最大化的满足机构的业务需求。
附图说明
为了更清楚地说明本申请实施方式中的技术方案，下面将对实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施方式提供的一种坐席人员分类装置的硬件结构示意图；
图2为本申请实施方式提供的一种坐席人员分类方法的流程示意图；
图3为本申请实施方式提供的一种根据每个坐席人员对应的特征分值，对所有坐席人员进行多次聚类处理，得到目标处理结果的方法的流程示意图；
图4为本申请实施方式提供的一种可视化聚类图的示意图；
图5为本申请实施方式提供的一种在可视化聚类图中进行划线移动的示意图；
图6为本申请实施方式提供的一种坐席人员分类装置的功能模块组成框图；
图7为本申请实施方式提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施方式”意味着，结合实施方式描述的特定特征、结果或特性可以包含在本申请的至少一个实施方式中。在说明书中的各个位置出现该短语并不一定均是指相同的实施方式，也不是与其它实施方式互斥的独立的或备选的实施方式。本领域技术人员显式地和隐式地理解的是，本文所描述的实施方式可以与其它实施方式相结合。
首先，参阅图1，图1为本申请实施方式提供的一种坐席人员分类装置的硬件结构示意图。该坐席人员分类装置100包括至少一个处理器101，通信线路102，存储器103以及至少一个通信接口104。
在本实施方式中，处理器101，可以是一个通用中央处理器(central processingunit，CPU)，微处理器，特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制本申请方案程序执行的集成电路。
通信线路102，可以包括一通路，在上述组件之间传送信息。
通信接口104，可以是任何收发器一类的装置(如天线等)，用于与其他设备或通信网络通信，例如以太网，RAN，无线局域网(wireless local area networks，WLAN)等。
存储器103，可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
在本实施方式中，存储器103可以独立存在，通过通信线路102与处理器101相连接。存储器103也可以和处理器101集成在一起。本申请实施方式提供的存储器103通常可以具有非易失性。其中，存储器103用于存储执行本申请方案的计算机执行指令，并由处理器101来控制执行。处理器101用于执行存储器103中存储的计算机执行指令，从而实现本申请下述实施方式中提供的方法。
在可选的实施方式中，计算机执行指令也可以称之为应用程序代码，本申请对此不作具体限定。
在可选的实施方式中，处理器101可以包括一个或多个CPU，例如图1中的CPU0和CPU1。
在可选的实施方式中，该坐席人员分类装置100可以包括多个处理器，例如图1中的处理器101和处理器107。这些处理器中的每一个可以是一个单核(single-CPU)处理器，也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在可选的实施方式中，若坐席人员分类装置100为服务器，例如，可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。则坐席人员分类装置100还可以包括输出设备105和输入设备106。输出设备105和处理器101通信，可以以多种方式来显示信息。例如，输出设备105可以是液晶显示器(liquid crystal display，LCD)，发光二级管(lightemitting diode，LED)显示设备，阴极射线管(cathode ray tube，CRT)显示设备，或投影仪(projector)等。输入设备106和处理器101通信，可以以多种方式接收用户的输入。例如，输入设备106可以是鼠标、键盘、触摸屏设备或传感设备等。
上述的坐席人员分类装置100可以是一个通用设备或者是一个专用设备。本申请实施方式不限定坐席人员分类装置100的类型。
其次，需要说明的是，本申请所公开的实施方式可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
以下，将对本申请所公开的坐席人员分类方法进行说明：
参阅图2，图2为本申请实施方式提供的一种坐席人员分类方法的流程示意图。该坐席人员分类方法包括以下步骤：
201：获取所有坐席人员中每个坐席人员的基本信息。
在本实施方式中，每个坐席人员的基本信息可以包括至少一项子信息，例如：表征身份的坐席年龄、坐席性别、坐席籍贯、学历等；表征工作的工龄、司龄、上年总工时、上年总奖金数、上年总加班时长等；以及表征能力的上年客户数、上年承保单数、上年保费总额、上年被投诉次数、上年平均连续出单数、上年各渠道出单量等各项子信息。上述各项子信息可以通过查询该坐席人员所属的机构的数据库获得。
202：对每个坐席人员的基本信息进行分值转化，得到每个坐席人员对应的特征分值。
在本实施方式中，由于每个坐席人员的基本信息包括至少一个子信息，同时，这些子信息的项数多且杂，同时数据格式也各不相同。因此，在对这些数据进行分析前，可以将这些数据进行分值转化，统一其数据格式，以简化后续的分析复杂度。
示例性的，可以通过确定该至少一个子信息中的每个子信息对应的值域，从而根据每个子信息对应的值域，将每个子信息转化为分值，得到与至少一个子信息一一对应的至少一个分值。最后，将至少一个分值作为每个坐席人员对应的特征分值。
具体而言，可以针对每项子信息，预先设定一个该子信息对应的映射表，该映射表记录了该子信息的不同的值域对应的分值。因此，通过确定每项子信息对应的值域，即可以通过映射表中的映射关系确定该项子信息对应的分值。例如，对于工龄，可以设置工龄1～3年的对应1分，4～6年的对应2分，7～9年的对应3分，以此类推。当一个坐席人员的工龄为4年时，其值落入4～6年的值域中，因此，该坐席人员的工龄转化的分值即为2。由此，将每个坐席人员的基本信息包括至少一个子信息一一转化为分值后，可以将这些分支按照预设的子信息的顺序进行排序，得到一个分值序列作为该坐席人员的特征分值。
203：根据每个坐席人员对应的特征分值，对所有坐席人员进行至少一次聚类处理，得到目标处理结果。
在本实施方式中，提供了一种根据每个坐席人员对应的特征分值，对所有坐席人员进行至少一次聚类处理，得到目标处理结果的方法，如图3所示，该方法包括：
301：确定第i次聚类处理的起始数据组A，计算起始数据组A中的数据B与数据C之间的距离，得到n个距离。
在本实施方式中，数据B和数据C为起始数据组中任意不相同的两个数据，对此，可以理解为计算起始数据组A中任意两个不同的数据之间的距离值。示例性的，当起始数据组A中包括数据1、数据2和数据3三个数据时，可以分别计算数据1和数据2之间的距离，数据2与数据3之间的距离，以及数据1与数据3之间的距离。
同时，在本实施方式中，i为大于或等于1的整数，且当i＝1时，起始数据组A为所有坐席人员对应的特征分值组成的数据组。即，当i＝1是，起始数据组A中的各个数据即为各个坐席人员的特征分值。此时，起始数据组A中的每个数据可以理解为单一的数据，即每个数据中只包括一个坐席人员的特征分值。对此，在本实施方式提供了一种在i＝1时，计算起始数据组A中的数据B与数据C之间的距离的方法，具体而言，该方法如下：
首先，确定数据B[x1,x2,x3,……,xs]中的元素的平均值
Figure BDA0003356977550000089
以及数据C[y1,y2,y3,……,ye]中的元素的平均值
Figure BDA00033569775500000810
再根据数据B、数据B中的元素的平均值
Figure BDA0003356977550000081
数据C和数据C中的元素的平均值
Figure BDA0003356977550000082
确定数据B与数据C之间的距离hAB，其中，数据B、数据B中的元素的平均值
Figure BDA0003356977550000083
数据C、数据C中的元素的平均值
Figure BDA0003356977550000084
和数据B与数据C之间的距离hAB满足公式①：
Figure BDA0003356977550000085
其中，xj为数据B中的第j位元素；yj为数据C中的第j位元素。
此外，当i>1时，由于经过了聚类处理，此时的起始数据组A中的各个数据均为聚类后的数据，即复合类数据。简单而言，此时起始数据组A中的每个数据包括至少两个坐席人员的特征分值。对此，在本实施方式也提供了一种在i>1时，计算起始数据组A中的数据B与数据C之间的距离的方法，具体而言，该方法如下：
首先，确定数据B包括的子数据Bk，以及数据C包括的子数据Cf。然后，根据数据B包括的子数据Bk，以及数据C包括的子数据Cf，确定数据B与数据C之间的距离qAB，其中，数据B包括的子数据Bk、数据C包括的子数据Cf和数据B与数据C之间的距离qAB满足公式②：
Figure BDA0003356977550000086
其中，
Figure BDA0003356977550000087
为数据B中的第k位子数据Bk和数据C中的第f位子数据Cf之间的距离，可以通过公式①中的方式计算；K为数据B包括的子数据的数量，F为数据C包括的子数据的数量。
示例性的，假设现在数据B中包括P和O两个坐席人员的子数据，数据C中包括V和U两个坐席人员的子数据，则数据B与数据C之间的距离qAB满足公式③：
Figure BDA0003356977550000088
其中，hPV表示坐席P与坐席V之间的距离，可以通过公式①中的方式计算；hOV表示坐席O与坐席V之间的距离；hPU表示坐席P与坐席U之间的距离；hOU表示坐席O与坐席U之间的距离。
302：根据n个距离，将起始数据组A中的数据进行聚类，得到聚类数据组D，并将本次聚类处理的处理结果添加至第i-1次聚类处理的处理结果中，得到第i次聚类处理的最终处理结果。
在本实施方式中，聚类数据组D中的每个聚类数据中包括至少两个数据，且至少两个数据中的任意两个不同数据之间的距离均小于或等于第一阈值。具体而言，在每次聚类时，第一阈值的实际值是变化的，例如，可以根据聚类的次数慢慢变大，具体可以由坐席人员所在的机构预先设置。
同时，通过将本次的处理结果添加至上一次的处理结果中生成对应与本次的最终结果，可以使每一次的最终处理结果都包括本次，和本次之前多次的处理结果，基于此，当i＝1时，第i-1次聚类处理的处理结果可以为空结果。示例性的，第1次聚类处理的最终处理结果为：G1＝g1+0，其中，g1即为第1次聚类处理的处理结果；第2次聚类处理的最终处理结果为：G2＝g2+G1＝g2+g1，其中，g2即为第2次聚类处理的处理结果；第3次聚类处理的最终处理结果为：G3＝g3+G2＝g3+g2+g1，其中，g3即为第3次聚类处理的处理结果，以此类推.
303：当聚类数据组D中的聚类数据的个数小于或等于第二阈值时，将第i次聚类处理的最终处理结果作为目标处理结果。
在本实施方式中，第二阈值可以是聚类得到的聚类结果中，类别数量的最小数值。例如，当第二阈值为1时，则说明当经过多次聚类，将所有坐席人员聚类为一个类别时，停止聚类。
304：当聚类数据组D中的聚类数据的个数大于第二阈值时，将聚类数据组D作为第i+1次聚类处理的起始数据组进行第i+1次聚类处理，直至进行多次聚类处理后，得到目标处理结果。
204：根据目标处理结果生成可视化聚类图。
在本实施方式中，由于，目标处理结果可以包括该多次聚类处理中，每一次聚类处理的聚类方式和聚类结果。因此，可以将每个坐席人员作为横轴，距离作为纵轴，通过目标处理结果，将每次聚类处理中相互聚类的坐席人员进行连线，并将连线的纵轴值设置为连线的两个坐席人员之间的距离，继而生成如图4所示的可视化聚类图。
205：确定所有坐席人员所属机构的业务需求，并根据业务需求确定机构需要的坐席人员的类别数量。
在本实施方式中，可以根据业务类型将机构包括的业务进行分类，得到至少一个业务组。继而确定至少一个业务组中的每个业务组的客户群体的特征，并根据每个业务组的客户群体的特征，对每个业务组的客户群体进行划分，确定每个业务组的客户群体数量。最终，根据每个业务组的客户群体数量，确定业务需求确定机构需要的坐席人员的类别数量，即需要将坐席人员分成几类。
具体而言，对于机构L，其包括业务1、业务2、业务3和业务4。根据每个业务的业务特性，将该4个业务分为两类，分别为：类别1[业务1，业务4]，类别2[业务2，业务3]。再通过对类别1的业务的业务特性进行分析，将类别1的客户分为3类。同样的，通过对类别2的业务的业务特性进行分析，将类别2的客户分为2类。由此，该机构的客户总体可以分为5类，因此该机构需要的坐席人员的类别数量即为5。
206：根据类别数量和可视化聚类图，确定坐席人员的分类方法，并根据分类方法将所有坐席人员进行分类。
在本实施方式中，在确定了机构需要的类别数量后，可以在可视化聚类图绘制一条平行于横轴的线，并将该线从可视化聚类图的横轴的位置开始，向上移动，确定该线与可视化聚类图的交点数量，如图5所示。当交点数量等于需要的类别数量时，将此时横线对应的位置的分类结果作为最终的分类方法，依此对所有坐席人员进行分类。
综上所述，本发明所提供的坐席人员分类方法中，通过将坐席人员的基本信息进行分值化，作为对应的坐席人员的特征分值，从而根据每个坐席人员的特征分值的计算每个坐席人员之间的距离，将坐席人员进行至少一次聚类。然后，通过多次聚类中聚类的聚类结果，生成可视化聚类图，再通过机构的业务需求确定需要的坐席人员的类别数量。最后，根据类别数量和可视化聚类图，确定坐席人员的分类方法，并根据分类方法将所有坐席人员进行分类。由此，可以将能力近似的坐席尽可能的分配在一起，且分配结果可以最大化的满足机构的业务需求。
参阅图6，图6为本申请实施方式提供的一种坐席人员分类装置的功能模块组成框图。如图6所示，该客户实时对话转接装置600包括：
采集模块601，用于获取所有坐席人员中每个坐席人员的基本信息；
转化模块602，用于对每个坐席人员的基本信息进行分值转化，得到每个坐席人员对应的特征分值；
聚类模块603，用于根据每个坐席人员对应的特征分值，对所有坐席人员进行至少一次聚类处理，得到目标处理结果，并根据目标处理结果生成可视化聚类图；
处理模块604，用于确定所有坐席人员所属机构的业务需求，并根据业务需求确定机构需要的坐席人员的类别数量，并根据类别数量和可视化聚类图，确定坐席人员的分类方法，并根据分类方法将所有坐席人员进行分类。
在本发明的实施方式中，在根据每个坐席人员对应的特征分值，对所有坐席人员进行至少一次聚类处理，得到目标处理结果方面，聚类模块603，具体用于：
确定第i次聚类处理的起始数据组A，计算起始数据组A中的数据B与数据C之间的距离，得到n个距离，其中，数据B和数据C为起始数据组中任意不相同的两个数据，i为大于或等于1的整数，且当i＝1时，起始数据组A为所有坐席人员对应的特征分值组成的数据组；
根据n个距离，将起始数据组A中的数据进行聚类，得到聚类数据组D，并将本次聚类处理的处理结果添加至第i-1次聚类处理的处理结果中，得到第i次聚类处理的最终处理结果，其中，聚类数据组D中的每个聚类数据中包括至少两个数据，且至少两个数据中的任意两个不同数据之间的距离小于或等于第一阈值，当i＝1时，第i-1次聚类处理的处理结果为空结果；
当聚类数据组D中的聚类数据的个数小于或等于第二阈值时，将第i次聚类处理的最终处理结果作为目标处理结果；
当聚类数据组D中的聚类数据的个数大于第二阈值时，将聚类数据组D作为第i+1次聚类处理的起始数据组进行第i+1次聚类处理，直至进行多次聚类处理后，得到目标处理结果。
在本发明的实施方式中，当i＝1时，在计算起始数据组A中的数据B与数据C之间的距离方面，聚类模块603，具体用于：
确定数据B中的元素的平均值
Figure BDA0003356977550000121
以及数据C中的元素的平均值
Figure BDA0003356977550000122
根据数据B、数据B中的元素的平均值
Figure BDA0003356977550000123
数据C和数据C中的元素的平均值
Figure BDA0003356977550000124
确定数据B与数据C之间的距离hAB，其中，数据B、数据B中的元素的平均值
Figure BDA0003356977550000125
数据C、数据C中的元素的平均值
Figure BDA0003356977550000126
和数据B与数据C之间的距离hAB满足公式④：
Figure BDA0003356977550000127
其中，xj为数据B中的第j位元素，yj为数据C中的第j位元素。
在本发明的实施方式中，当i>1时，在计算起始数据组A中的数据B与数据C之间的距离方面，聚类模块603，具体用于：
确定数据B包括的子数据Bk，以及数据C包括的子数据Cf；
根据数据B包括的子数据Bk，以及数据C包括的子数据Cf，确定数据B与数据C之间的距离qAB，其中，数据B包括的子数据Bk、数据C包括的子数据Cf和数据B与数据C之间的距离qAB满足公式⑤：
Figure BDA0003356977550000128
其中，
Figure BDA0003356977550000129
为数据B中的第k位子数据Bk和数据C中的第f位子数据Cf之间的距离，K为数据B包括的子数据的数量，F为数据C包括的子数据的数量。
在本发明的实施方式中，在对每个坐席人员的基本信息进行分值转化，得到每个坐席人员对应的特征分值方面，转化模块602，具体用于：
每个坐席人员的基本信息包括至少一个子信息；
确定至少一个子信息中的每个子信息对应的值域；
根据每个子信息对应的值域，将每个子信息转化为分值，得到至少一个分值，其中，至少一个分值与至少一个子信息一一对应；
将至少一个分值作为每个坐席人员对应的特征分值。
在本发明的实施方式中，在确定所有坐席人员所属机构的业务需求，并根据业务需求确定机构需要的坐席人员的类别数量方面，处理模块604，具体用于：
根据业务类型将机构包括的业务进行分类，得到至少一个业务组；
确定至少一个业务组中的每个业务组的客户群体的特征；
根据每个业务组的客户群体的特征，对每个业务组的客户群体进行划分，确定每个业务组的客户群体数量；
根据每个业务组的客户群体数量，确定业务需求确定机构需要的坐席人员的类别数量。
参阅图7，图7为本申请实施方式提供的一种电子设备的结构示意图。如图7所示，电子设备700包括收发器701、处理器702和存储器703。它们之间通过总线704连接。存储器703用于存储计算机程序和数据，并可以将存储器703存储的数据传输给处理器702。
处理器702用于读取存储器703中的计算机程序执行以下操作：
获取所有坐席人员中每个坐席人员的基本信息；
对每个坐席人员的基本信息进行分值转化，得到每个坐席人员对应的特征分值；
根据每个坐席人员对应的特征分值，对所有坐席人员进行至少一次聚类处理，得到目标处理结果；
根据目标处理结果生成可视化聚类图；
确定所有坐席人员所属机构的业务需求，并根据业务需求确定机构需要的坐席人员的类别数量；
根据类别数量和可视化聚类图，确定坐席人员的分类方法，并根据分类方法将所有坐席人员进行分类。
在本发明的实施方式中，在根据每个坐席人员对应的特征分值，对所有坐席人员进行至少一次聚类处理，得到目标处理结果方面，处理器702，具体用于执行以下操作：
确定第i次聚类处理的起始数据组A，计算起始数据组A中的数据B与数据C之间的距离，得到n个距离，其中，数据B和数据C为起始数据组中任意不相同的两个数据，i为大于或等于1的整数，且当i＝1时，起始数据组A为所有坐席人员对应的特征分值组成的数据组；
根据n个距离，将起始数据组A中的数据进行聚类，得到聚类数据组D，并将本次聚类处理的处理结果添加至第i-1次聚类处理的处理结果中，得到第i次聚类处理的最终处理结果，其中，聚类数据组D中的每个聚类数据中包括至少两个数据，且至少两个数据中的任意两个不同数据之间的距离小于或等于第一阈值，当i＝1时，第i-1次聚类处理的处理结果为空结果；
当聚类数据组D中的聚类数据的个数小于或等于第二阈值时，将第i次聚类处理的最终处理结果作为目标处理结果；
当聚类数据组D中的聚类数据的个数大于第二阈值时，将聚类数据组D作为第i+1次聚类处理的起始数据组进行第i+1次聚类处理，直至进行多次聚类处理后，得到目标处理结果。
在本发明的实施方式中，当i＝1时，在计算起始数据组A中的数据B与数据C之间的距离方面，处理器702，具体用于执行以下操作：
确定数据B中的元素的平均值
Figure BDA0003356977550000141
以及数据C中的元素的平均值
Figure BDA0003356977550000142
根据数据B、数据B中的元素的平均值
Figure BDA0003356977550000143
数据C和数据C中的元素的平均值
Figure BDA0003356977550000144
确定数据B与数据C之间的距离hAB，其中，数据B、数据B中的元素的平均值
Figure BDA0003356977550000145
数据C、数据C中的元素的平均值
Figure BDA0003356977550000146
和数据B与数据C之间的距离hAB满足公式⑥：
Figure BDA0003356977550000147
其中，xj为数据B中的第j位元素，yj为数据C中的第j位元素。
在本发明的实施方式中，当i>1时，在计算起始数据组A中的数据B与数据C之间的距离方面，处理器702，具体用于执行以下操作：
确定数据B包括的子数据Bk，以及数据C包括的子数据Cf；
根据数据B包括的子数据Bk，以及数据C包括的子数据Cf，确定数据B与数据C之间的距离qAB，其中，数据B包括的子数据Bk、数据C包括的子数据Cf和数据B与数据C之间的距离qAB满足公式⑦：
Figure BDA0003356977550000151
其中，
Figure BDA0003356977550000152
为数据B中的第k位子数据Bk和数据C中的第f位子数据Cf之间的距离，K为数据B包括的子数据的数量，F为数据C包括的子数据的数量。
在本发明的实施方式中，在对每个坐席人员的基本信息进行分值转化，得到每个坐席人员对应的特征分值方面，处理器702，具体用于执行以下操作：
每个坐席人员的基本信息包括至少一个子信息；
确定至少一个子信息中的每个子信息对应的值域；
根据每个子信息对应的值域，将每个子信息转化为分值，得到至少一个分值，其中，至少一个分值与至少一个子信息一一对应；
将至少一个分值作为每个坐席人员对应的特征分值。
在本发明的实施方式中，在确定所有坐席人员所属机构的业务需求，并根据业务需求确定机构需要的坐席人员的类别数量方面，处理器702，具体用于执行以下操作：
根据业务类型将机构包括的业务进行分类，得到至少一个业务组；
确定至少一个业务组中的每个业务组的客户群体的特征；
根据每个业务组的客户群体的特征，对每个业务组的客户群体进行划分，确定每个业务组的客户群体数量；
根据每个业务组的客户群体数量，确定业务需求确定机构需要的坐席人员的类别数量。
应理解，本申请中的坐席人员分类装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(MobileInternet Devices，简称：MID)、机器人或穿戴式设备等。上述坐席人员分类装置仅是举例，而非穷举，包含但不限于上述坐席人员分类装置。在实际应用中，上述坐席人员分类装置还可以包括：智能车载终端、计算机设备等等。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件结合硬件平台的方式来实现。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施方式或者实施方式的某些部分所述的方法。
因此，本申请实施方式还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如上述方法实施方式中记载的任何一种坐席人员分类方法的部分或全部步骤。例如，所述存储介质可以包括硬盘、软盘、光盘、磁带、磁盘、优盘、闪存等。
本申请实施方式还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施方式中记载的任何一种坐席人员分类方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施方式，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施方式均属于可选的实施方式，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施方式中，对各个实施方式的描述都各有侧重，某个实施方式中没有详述的部分，可以参见其他实施方式的相关描述。
在本申请所提供的几个实施方式中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施方式的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施方式进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施方式的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种坐席人员分类方法，其特征在于，所述方法包括：
获取所有坐席人员中每个坐席人员的基本信息；
对所述每个坐席人员的基本信息进行分值转化，得到所述每个坐席人员对应的特征分值；
根据所述每个坐席人员对应的特征分值，对所述所有坐席人员进行至少一次聚类处理，得到目标处理结果；
根据所述目标处理结果生成可视化聚类图；
确定所述所有坐席人员所属机构的业务需求，并根据所述业务需求确定所述机构需要的坐席人员的类别数量；
根据所述类别数量和所述可视化聚类图，确定所述坐席人员的分类方法，并根据所述分类方法将所述所有坐席人员进行分类。
2.根据权利要求1所述的方法，其特征在于，所述根据所述每个坐席人员对应的特征分值，对所述所有坐席人员进行至少一次聚类处理，得到目标处理结果，包括：
确定第i次聚类处理的起始数据组A，计算所述起始数据组A中的数据B与数据C之间的距离，得到n个距离，其中，所述数据B和所述数据C为所述起始数据组中任意不相同的两个数据，i为大于或等于1的整数，且当i＝1时，所述起始数据组A为所述所有坐席人员对应的特征分值组成的数据组；
根据所述n个距离，将所述起始数据组A中的数据进行聚类，得到聚类数据组D，并将本次聚类处理的处理结果添加至第i-1次聚类处理的处理结果中，得到第i次聚类处理的最终处理结果，其中，所述聚类数据组D中的每个聚类数据中包括至少两个数据，且所述至少两个数据中的任意两个不同数据之间的距离小于或等于第一阈值，当i＝1时，所述第i-1次聚类处理的处理结果为空结果；
当所述聚类数据组D中的聚类数据的个数小于或等于第二阈值时，将所述第i次聚类处理的最终处理结果作为所述目标处理结果；
当所述聚类数据组D中的聚类数据的个数大于第二阈值时，将所述聚类数据组D作为第i+1次聚类处理的起始数据组进行第i+1次聚类处理，直至进行多次聚类处理后，得到所述目标处理结果。
3.根据权利要求2所述的方法，其特征在于，当i＝1时，所述计算所述起始数据组A中的数据B与数据C之间的距离，包括：
确定所述数据B中的元素的平均值
Figure FDA0003356977540000021
以及所述数据C中的元素的平均值
Figure FDA0003356977540000022
根据所述数据B、所述数据B中的元素的平均值
Figure FDA0003356977540000023
所述数据C和所述数据C中的元素的平均值
Figure FDA0003356977540000024
确定所述数据B与所述数据C之间的距离hAB，其中，所述数据B、所述数据B中的元素的平均值
Figure FDA0003356977540000025
所述数据C、所述数据C中的元素的平均值
Figure FDA0003356977540000026
和所述数据B与所述数据C之间的距离hAB满足以下公式：
Figure FDA0003356977540000027
其中，xj为数据B中的第j位元素，yj为数据C中的第j位元素。
4.根据权利要求2或3所述的方法，其特征在于，当i>1时，所述计算所述起始数据组A中的数据B与数据C之间的距离，包括：
确定所述数据B包括的子数据Bk，以及所述数据C包括的子数据Cf；
根据所述数据B包括的子数据Bk，以及所述数据C包括的子数据Cf，确定所述数据B与所述数据C之间的距离qAB，其中，所述数据B包括的子数据Bk、所述数据C包括的子数据Cf和所述数据B与所述数据C之间的距离qAB满足以下公式：
Figure FDA0003356977540000028
其中，
Figure FDA0003356977540000029
为数据B中的第k位子数据Bk和数据C中的第f位子数据Cf之间的距离，K为数据B包括的子数据的数量，F为数据C包括的子数据的数量。
5.根据权利要求1所述的方法，其特征在于，所述对所述每个坐席人员的基本信息进行分值转化，得到所述每个坐席人员对应的特征分值，包括：
所述每个坐席人员的基本信息包括至少一个子信息；
确定所述至少一个子信息中的每个子信息对应的值域；
根据所述每个子信息对应的值域，将所述每个子信息转化为分值，得到至少一个分值，其中，所述至少一个分值与所述至少一个子信息一一对应；
将所述至少一个分值作为所述每个坐席人员对应的特征分值。
6.根据权利要求1所述的方法，其特征在于，所述确定所述所有坐席人员所属机构的业务需求，并根据所述业务需求确定所述机构需要的坐席人员的类别数量，包括：
根据业务类型将所述机构包括的业务进行分类，得到至少一个业务组；
确定所述至少一个业务组中的每个业务组的客户群体的特征；
根据所述每个业务组的客户群体的特征，对所述每个业务组的客户群体进行划分，确定所述每个业务组的客户群体数量；
根据所述每个业务组的客户群体数量，确定所述业务需求确定所述机构需要的坐席人员的类别数量。
7.一种坐席人员分类装置，其特征在于，所述装置包括：
采集模块，用于获取所有坐席人员中每个坐席人员的基本信息；
转化模块，用于对所述每个坐席人员的基本信息进行分值转化，得到所述每个坐席人员对应的特征分值；
聚类模块，用于根据所述每个坐席人员对应的特征分值，对所述所有坐席人员进行至少一次聚类处理，得到目标处理结果，并根据所述目标处理结果生成可视化聚类图；
处理模块，用于确定所述所有坐席人员所属机构的业务需求，并根据所述业务需求确定所述机构需要的坐席人员的类别数量，并根据所述类别数量和所述可视化聚类图，确定所述坐席人员的分类方法，并根据所述分类方法将所述所有坐席人员进行分类。
8.根据权利要求7所述的装置，其特征在于，在所述根据所述每个坐席人员对应的特征分值，对所述所有坐席人员进行至少一次聚类处理，得到目标处理结果方面，所述聚类模块，具体用于：
确定第i次聚类处理的起始数据组A，计算所述起始数据组A中的数据B与数据C之间的距离，得到n个距离，其中，所述数据B和所述数据C为所述起始数据组中任意不相同的两个数据，i为大于或等于1的整数，且当i＝1时，所述起始数据组A为所述所有坐席人员对应的特征分值组成的数据组；
根据所述n个距离，将所述起始数据组A中的数据进行聚类，得到聚类数据组D，并将本次聚类处理的处理结果添加至第i-1次聚类处理的处理结果中，得到第i次聚类处理的最终处理结果，其中，所述聚类数据组D中的每个聚类数据中包括至少两个数据，且所述至少两个数据中的任意两个不同数据之间的距离小于或等于第一阈值，当i＝1时，所述第i-1次聚类处理的处理结果为空结果；
当所述聚类数据组D中的聚类数据的个数小于或等于第二阈值时，将所述第i次聚类处理的最终处理结果作为所述目标处理结果；
当所述聚类数据组D中的聚类数据的个数大于第二阈值时，将所述聚类数据组D作为第i+1次聚类处理的起始数据组进行第i+1次聚类处理，直至进行多次聚类处理后，得到所述目标处理结果。
9.一种电子设备，其特征在于，包括处理器、存储器，其中，所述存储器存储有计算机程序，所述计算机程序被配置由所述处理器执行，以执行权利要求1-6任一项方法中的步骤。
10.一种可读计算机存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-6任一项所述的方法。
CN202111357856.0A 2021-11-16 2021-11-16 坐席人员分类方法、装置、电子设备及存储介质 Pending CN114065855A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111357856.0A CN114065855A (zh) 2021-11-16 2021-11-16 坐席人员分类方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111357856.0A CN114065855A (zh) 2021-11-16 2021-11-16 坐席人员分类方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114065855A true CN114065855A (zh) 2022-02-18

Family

ID=80273170

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111357856.0A Pending CN114065855A (zh) 2021-11-16 2021-11-16 坐席人员分类方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114065855A (zh)

Similar Documents

Publication Publication Date Title
CN112148987B (zh) 基于目标对象活跃度的消息推送方法及相关设备
CN107729519B (zh) 基于多源多维数据的评估方法及装置、终端
CN112733042A (zh) 推荐信息的生成方法、相关装置及计算机程序产品
US10067964B2 (en) System and method for analyzing popularity of one or more user defined topics among the big data
CN110060167A (zh) 一种保险产品推荐方法、服务器及计算机可读介质
US20130325861A1 (en) Data Clustering for Multi-Layer Social Link Analysis
CN116383198A (zh) 基于大数据的决策分析方法及系统
CN114612194A (zh) 产品推荐方法、装置、电子设备及存储介质
CA3169417A1 (en) Method of and system for appraising risk
CN111598360A (zh) 服务策略确定方法、装置及电子设备
US10719561B2 (en) System and method for analyzing popularity of one or more user defined topics among the big data
CN114065855A (zh) 坐席人员分类方法、装置、电子设备及存储介质
CN115375453A (zh) 系统资源分配方法及装置
CN115099680A (zh) 风险管理方法、装置、设备及存储介质
CN113781247A (zh) 协议数据推荐方法、装置、计算机设备及存储介质
CN109584047B (zh) 一种授信方法、系统、计算机设备及介质
CN111124394A (zh) 基于元数据的表单配置方法及装置、设备和介质
CN109872024A (zh) 信用评估指标处理方法以及装置
CN114155038B (zh) 受疫情影响用户识别方法
CN112270350B (zh) 组织机构的画像方法、装置、设备及存储介质
CN113837764B (zh) 风险预警方法、装置、电子设备和存储介质
WO2023119460A1 (ja) 質問予測システム、質問予測方法およびプログラム記録媒体
CN116756539A (zh) 项目推荐方法、装置、计算机设备及存储介质
CN117291693A (zh) 基于人工智能的策略生成方法、装置、设备及存储介质
CN115204679A (zh) 研发项目的效果智能分析方法、装置、电子设备及介质

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