CN114125154A - 外呼策略参数调整方法、装置、计算机设备及存储介质 - Google Patents
外呼策略参数调整方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114125154A CN114125154A CN202111338509.3A CN202111338509A CN114125154A CN 114125154 A CN114125154 A CN 114125154A CN 202111338509 A CN202111338509 A CN 202111338509A CN 114125154 A CN114125154 A CN 114125154A
- Authority
- CN
- China
- Prior art keywords
- outbound
- user
- dialed
- call
- call data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000003066 decision tree Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 21
- 238000013441 quality evaluation Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 7
- 238000000586 desensitisation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/2227—Quality of service monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/2281—Call monitoring, e.g. for law enforcement purposes; Call tracing; Detection or prevention of malicious calls
-
- 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
- H04M3/5141—Details of processing calls and other types of contacts in an unified manner
-
- 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
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
- H04M3/5232—Call distribution algorithms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明实施例公开了外呼策略参数调整方法、装置、计算机设备及存储介质。所述方法包括：获取历史外呼通话数据以及用户画像信息；根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征；根据所述通话数据特征确定当前待拨打用户的拨打顺序；根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数；采用各个待拨打用户对应的外呼策略参数进行外呼拨打。通过实施本发明实施例的方法可实现可根据客户个性化特征信息进行拨打策略参数的自动调整优化，提高电话接通率，改善营销效果。
Description
技术领域
本发明涉及智能外呼方法，更具体地说是指外呼策略参数调整方法、装置、计算机设备及存储介质。
背景技术
在银行金融领域，有大量的推广营销场景，如车主卡、信用卡开卡、大额存单、手机促活等业务场景。由于银行业务面向的客户群体庞大，客户性别、客户职业、工作生活、作息时间、营销敏感性等基本画像差异显著，但目前市场上的智能外呼营销系统却都是整齐划一地进行营销，而没有根据客户个性化特征信息进行拨打策略参数如拨打时间段、播音音色、音速等进行自动调整优化，从而导致接通率低，营销效果不佳，并导致大量的客户投诉。
因此，有必要设计一种新的方法，实现可根据客户个性化特征信息进行拨打策略参数的自动调整优化，提高电话接通率，改善营销效果。
发明内容
本发明的目的在于克服现有技术的缺陷，提供外呼策略参数调整方法、装置、计算机设备及存储介质。
为实现上述目的，本发明采用以下技术方案：外呼策略参数调整方法，包括：
获取历史外呼通话数据以及用户画像信息；
根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征；
根据所述通话数据特征确定当前待拨打用户的拨打顺序；
根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数；
采用各个待拨打用户对应的外呼策略参数进行外呼拨打。
其进一步技术方案为：所述用户画像信息是通过将原始用户信息依据用户字段及范围进行脱敏转换形成的信息。
其进一步技术方案为：所述根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征，包括：
将所述历史外呼通话数据中的每通对话按照所述用户画像信息、外呼场景特征信息、外呼时间信息、外呼结果进行拉平组装，以形成通话数据特征。
其进一步技术方案为：所述根据所述通话数据特征确定当前待拨打用户的拨打顺序，包括：
采用GBDT模型对当前待拨打用户相关的所述通话数据特征进行质量预测，以确定每个待拨打用户的质量评估分值；
对每个待拨打用户的质量评估分值按照从高到低的顺序进行排序，以得到当前待拨打用户的拨打顺序。
其进一步技术方案为：所述根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数，包括：
根据所述拨打顺序并采用决策树进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数。
其进一步技术方案为：所述根据所述拨打顺序并采用决策树进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数，包括：
对于每一个待拨打用户根据历史外呼通话样本记录，构建优先以确定性参数进行决策树顶部分支，而可变性参数作为决策树底部枝叶分支条件的分类决策树，并依次统计每个节点的历史通接通话概率、特征分布比例信息；
计算每一个待拨打用户的预测接通率；
判断所述预测接通率是否小于设定阈值；
若预测接通率小于阈值，则反向选择历史的可变特征参数，以形成所述待拨打用户对应的外呼策略参数；
对外呼策略参数进行查漏，若存在拨打的可变参数没有确定，则将可变参数按照默认规则配置，按照空闲度进行分配时间端；
若预测接通率不小于阈值，则选择当前节点的下面额历史通接通话概率最高的分支节点，并将分支条件作为可变参数保存记录下来，如果下面存在多个概率一样的分支，则随机选择一条分支进入，直到达到叶节点为止，以得到可变参数；并执行所述对外呼策略参数进行查漏，若存在拨打的可变参数没有确定，则将可变参数按照默认规则配置，按照空闲度进行分配时间端。
本发明还提供了外呼策略参数调整装置，包括：
数据获取单元，用于获取历史外呼通话数据以及用户画像信息；
特征分析单元，用于根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征；
顺序确定单元，用于根据所述通话数据特征确定当前待拨打用户的拨打顺序；
参数构建单元，用于根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数；
外呼拨打单元，用于采用各个待拨打用户对应的外呼策略参数进行外呼拨打。
其进一步技术方案为：所述特征分析单元，用于将所述历史外呼通话数据中的每通对话按照所述用户画像信息、外呼场景特征信息、外呼时间信息、外呼结果进行拉平组装，以形成通话数据特征。
本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质，所述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时可实现上述的方法。
本发明与现有技术相比的有益效果是：本发明通过获取历史外呼通话数据以及用户画像信息后，进行特征分析、拨打顺序确定、外呼策略参数的建模并执行外呼，在构建参数时主要依据用户画像特征信息以及历史外呼通话数据形成的特征进行设定，实现可根据客户个性化特征信息进行拨打策略参数的自动调整优化，提高电话接通率，改善营销效果。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例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发明的一些实施例，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为本发明实施例提供的外呼策略参数调整方法的应用场景示意图；
图2为本发明实施例提供的外呼策略参数调整方法的流程示意图；
图3为本发明实施例提供的外呼策略参数调整方法的子流程示意图；
图4为本发明实施例提供的外呼策略参数调整方法的子流程示意图；
图5为本发明实施例提供的决策树分类示意图；
图6为本发明实施例提供的外呼策略参数调整装置的示意性框图；
图7为本发明实施例提供的外呼策略参数调整装置的顺序确定单元的示意性框图；
图8为本发明实施例提供的外呼策略参数调整装置的参数构建单元的示意性框图；
图9为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1和图2，图1为本发明实施例提供的外呼策略参数调整方法的应用场景示意图。图2为本发明实施例提供的外呼策略参数调整方法的示意性流程图。该外呼策略参数调整方法应用于服务器中。该服务器与终端进行数据交互，从终端获取历史外呼通话数据以及用户画像信息后，进行特征分析、拨打顺序确定、外呼策略参数的建模并执行外呼。主要分析历史外呼数据与用户特征信息之间的关联特性，自动根据用户特性确定用户质量评分、最佳外呼时间、播音音色等策略参数。
图2是本发明实施例提供的外呼策略参数调整方法的流程示意图。如图2所示，该方法包括以下步骤S110至S150。
S110、获取历史外呼通话数据以及用户画像信息。
在本实施例中，历史外呼通话数据由部署在银行公有云系统的外呼系统产生，主要是包括外呼场景如大额存单、理财产品等；外呼音色；外呼语速；外呼时间；用户手机号码；外呼时间；通话接通状态如拨打异常、无人接听、直接挂断、用户在忙、接通；通话时长；对话轮数；最终用户意向比如有意向/无意向等信息。
由于手机号码是敏感信息，采用手机号码MD5编码进行用户标识，由于外呼接听情况，跟客户工作生活作息时间密切相关，一般而言，其工作作息时间一般跟行业性质、岗位性质、教育背景等都有关系。因此，需要将外呼时间转化工作作息相关的事件，具体包括：星期、24小时时间点、15分钟区段三类时间，其中我们将1个小时按每15分钟划分成4个区段。例如对于“2021-05-11 09:40:15”拨打时间最终转化为跟工作作息密切相关的星期、小时、15分钟区段型时间：星期2，小时9，分钟区段3。
在本实施例中，所述用户画像信息是通过将原始用户信息依据用户字段及范围进行脱敏转换形成的信息。
用户画像信息包括用户手机号码、用户年龄、用户性别、用户教育背景、工作单位、AUM（资产管理规模，Asset Under Management）值、用户消费额度等数据，这些数据都对用户的电话接通、转化意向等有关联。而这些用户画像数据都是银行敏感性数据，存放于银行内私有云系统中，位于银行共有的外呼系统获取用户数据，需要通过API方式进行接口请求，具体地，外呼系统采用手机号码MD5经过防火墙从银行私由于查询用户原始数据后，采用SDK脱敏转换后，在外呼系统形成脱敏用户数据。
在银行系统中，用户画像信息都是敏感性数据，因此用户画像信息准备最重要的就是数据脱敏编码，为了使得在不同银行间的预测训练模型能够相互通用，由B端外呼平台提供SDK用户信息转换工具到行方私有云，其将原始用户信息依据用户字段及范围进行脱敏转换，最终完成用户画像信息的数值特征化，具体如下表1所示。
表1.用户画像信息
| 字段信息 | 脱敏转化方法 |
| 手机号码 | MD5盐值加密 |
| 用户性别 | 将男、女映射成1、2，未知用0标识 |
| 用户年龄 | 将年龄转换成20岁以内映射成1、20~30映射成2等，未知0 |
| 教育背景 | 初中及以下：1，高中：2，本科：3，硕士：3，博士：4，未知0 |
| 工作单位 | 区分成国企：1、事业：2、政府：3、私企：4、自由职业：5等类别，未知0 |
| 工作岗位 | 员工：1、部门领导：2、公司领导：3, 未知0 |
| 月均收入 | 5000以内：1，5千~1万:2，1万~2万：3，2万~5万：4，5万~10万：5，10万~30万：6，30万~50万：7，50万以上：8 |
| AUM值 | 2万以内：1，2万到5万：2，5万~10万：3，10万~30万：4，30万~50万：4，50万~100万：5，100万以上：6 |
| 消费额度 | 月均500以内：1，500~1千：2，1千~3千：3，3千~5千：3，5千~1万：4，1万~2万：5，2万~5万：6，5万~10万：7，10万以上：8 |
| ... | ... |
确定数据后，并进行基本的数值化处理，根据历史外呼数据和用户画像数据来进行分析确定，自动对相关策略参数，如拨打时间如星期、小时、分钟区段；音色；音速等，进行调整。
S120、根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征。
在本实施例中，通话数据特征包括确定性特征和可变性特征，确定性特征包括用户特征信息以及外呼场景特征；可变性特征包括外呼场景特征以及外呼时间特征；其中，用户特征信息和外呼场景、开场白等信息都是客户自身属性或银行硬性要求的，这些特征是确定性的；而外呼场景特征比如男声、女声等的外呼音色、外呼播报音速和外呼时间特征是在外呼系统中是可以进行调整的，属于可变性特征信息。接通情况和意向情况是外呼结果，最终由用户特征、外呼场景特征、外呼时间等特征信息共同确定的，即外呼对话可以视为由固定特征和外呼可选参数特征共同组成了自变量，它们共同作用决定了外呼结果。
用户特征信息包括年龄、工作单元以及月均收入等，外呼场景特征包括外呼场景、开场白以及外呼银色，外呼时间特征包括外呼时间：星期、外呼时间：小时、分钟区段：x；外呼结果包括接通情况以及意向情况等。
在本实施例中，将所述历史外呼通话数据中的每通对话按照所述用户画像信息、外呼场景特征信息、外呼时间信息、外呼结果进行拉平组装，以形成通话数据特征。
面对一个确定的用户和外呼场景，需要将历史外呼通话中的每通对话，按照用户特征信息、外呼场景特征信息、外呼时间信息、外呼结果进行拉平组装，以完成通话记录的全部特征化表示。基于这些历史通话数据识别出哪些用户是高优质用户，以及分析它们潜在时间\音色等偏好可能，并按照策略进行组织拨打计划，以优化调整变动外呼时间、外呼音色等可变特征参数，使得接通情况最高，以提高最终意向转化率。
S130、根据所述通话数据特征确定当前待拨打用户的拨打顺序。
在本实施例中，拨打顺序是指基于历史通话情况及用户接通情况进行优质用户识别，由此确定当前待拨打用户的外呼顺序。
由于外呼线路有限从而导致同时间拨打用户有限，因此，对于一批待拨打用户需要优先进行时间、线路这类排他占用性资源需要优先分配给高优质用户，就是说高优质用户具有优先占用某个拨打时间的权力。从上面数据可知，可以基于历史通话情况及用户接通情况进行优质用户识别。
在一实施例中，请参阅图3，上述的步骤S130可包括步骤S131~S132。
S131、采用GBDT模型对当前待拨打用户相关的所述通话数据特征进行质量预测，以确定每个待拨打用户的质量评估分值。
在本实施例中，每个待拨打用户的质量评估分值是指根据当前待拨打用户相关的所述通话数据特征转化形成分数值。
具体地，在数据中有通话接通状态（拨打异常、无人接听、直接挂断、用户在忙、接通）、通话轮数、最终用户意向(有意向/无意向)几个类别，因此，首先需要按照通话的最终情况将其转化为对用户质量分值，我们按照通话和意向情况，将用户质量评分分成从小到大的6个分值等级，具体如下表2所示。
表2.用户质量评分
| 通话状态 \ 最终意向 | 有意向 | 无意向 |
| 拨打异常 | \ | 1 |
| 无人接听 | \ | 2 |
| 直接挂断 | \ | 2 |
| 用户在忙 | \ | 3 |
| 接通(对话轮1~2) | 6 | 4 |
| 接通(对话轮数3~5) | 6 | 5 |
| 接通(对话轮数>5) | 6 | 5 |
按照分值越大用户的优先级别越高。在确定了用户质量分值标准后，便能够将历史通话记录特征化信息进行转化，根据用户特征、外呼场景等确定性特征信息来预测当前待拨打用户质量评分。
采用GBDT（梯度提升决策树，Gradient Boosting Decision Tree）模型来对用户评分进行预测，主要是由于该模型在分类和线性拟合上表现优异。GBDT是一类Boosting模型，其通过构多颗CART回归树，GBDT每轮的训练是在上一轮的训练的残差基础也是当前模型的负梯度值之上进行训练的。GBDT分类训练时，其针对样本按每个类都训练一个分类回归树。正如上面分值评估可知，用户质量评级有6类情况，因此在每轮训练的时候都同时训练6颗树，每棵树专门针对某类数据进行训练。假如，在某一样本x用户质量评分为4，那么对于第1、第2、第3、第5、第6棵树其输入都是（x，0），只有第4棵为(x，1)。GBDT基于CART进行迭代训练过程如下：
对于顶层节点，参照生成树的程序即可以就解出6棵树以及这6棵树对x类别的预测值f1(x)、f2(x)、f3(x)、f4(x)、f5(x)、f6(x)。这里f(x)函数是CART的线性回归函数；
针对每个样本x求出残差，类别1的残差为f11(x)=0−f1(x)；类别2求出残差f22(x)=0−f2(x)；类别3求出残差f33(x) =0−f3(x)；类别4求出残差f44(x)=1–f4(x)；类别5求出残差f55(x)=1–f5(x)；类别 6求出残差f66(x)=1–f6(x)；
开始第二轮训练，第二轮的原始特征还是x，但是类别预测值是是第一轮的残差，即针对第1类输入为(x，f11(x))，针对第2类输入为(x，f22(x))，针对第3类输入为(x，f33(x)) ，针对第4类输入为(x，f44(x))，针对第5类输入为(x，f55(x))针对第6类输入为(x，f66(x))，继续训练出6棵树；
一直迭代M轮，预先设定的最大迭代轮数，每轮都构建6棵树；
当训练完毕以后，新来一个样本xi，需要预测该样本的类别的时候，便可使用softmax计算每个类别的概率。
由此，能够对待拨打用户进行质量预测，确定出用户质量评估分值。
S132、对每个待拨打用户的质量评估分值按照从高到低的顺序进行排序，以得到当前待拨打用户的拨打顺序。
具体地，按照每个待拨打用户的质量评估分值按照从高到低的顺序进行排列，并进一步按优先顺序依次确定用户外呼时间如星期、小时、分钟区段以及音色、音速等外呼参数信息。并不是高分值的用户就优先拨打，而是根据其工作生活作息等特征信息，具有占用某个时间线路的优先权利。
S140、根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数。
在本实施例中，各个待拨打用户对应的外呼策略参数包括拨打时间、音色等自变量特征取值。
具体地，根据所述拨打顺序并采用决策树进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数。
按照用户评分顺序，依次对每个用户在其个画像特征特确定的情况下，调整其他拨打时间、音色等自变量特征取值以使得最终接通概率最大。
在一实施例中，请参阅图4，上述的步骤S140可包括步骤S141~S146。
S141、对于每一个待拨打用户根据历史外呼通话样本记录，构建优先以确定性参数进行决策树顶部分支，而可变性参数作为决策树底部枝叶分支条件的分类决策树，并依次统计每个节点的历史通接通话概率、特征分布比例信息；
S142、计算每一个待拨打用户的预测接通率；
在本实施例中，预测接通率是指预测的外呼接通概率。基于S141方式对历史通话数据所构建出决策树进行计算而来。历史数据按照属性特征在决策树上分支散布，我们就能够统计出经过决策树中每个节点的历史样本总数和其中接通的样本总数，经过一个节点的接通样本总数除以该节点全部的历史样本总数乘以 100%，就是该节点的预测接通率。
S143、判断所述预测接通率是否小于设定阈值。
在本实施例中，阈值是指远低于正常接通比例，例如小于正常接通比例的5%
S144、若预测接通率小于阈值，则反向选择历史的可变特征参数，以形成所述待拨打用户对应的外呼策略参数。
如果预测接通率小于一定阈值，即历史通话数据下该用户接通率都非常低下，那么反向选择历史可变特征参数参数，就是说，该分支情况下出现的高概率可变参数本次以交底概率选择，而历史上选择参数概率低的本次则以高概率选择。
S145、对外呼策略参数进行查漏，若存在拨打的可变参数没有确定，则将可变参数按照默认规则配置，按照空闲度进行分配时间端。
S146、若预测接通率不小于阈值，则选择当前节点的下面额历史通接通话概率最高的分支节点，并将分支条件作为可变参数保存记录下来，如果下面存在多个概率一样的分支，则随机选择一条分支进入，直到达到叶节点为止，以得到可变参数；并执行所述步骤S145。
选择当前节点下面接通概率最高的分支节点，并将分支条件作为可变参数保存记录下来，如果下面存在多个概率一样的分支，则随机选择1条分支进入；重复上述内容，直到达到叶节点为止；从而获取到了根据历史情况可以确定的可变参数。
对拨打参数进行查漏，如果存在拨打可变参数没有确定，即由于历史数据不全导致当前决策树路径分支未能涵盖全部可变性参数特征，那么对于音色、音速等可变参数按照默认规则配置进行，而对于时间端的选择则按照空闲度进行分配。
采用决策树进行问题建模，如图5所示，决策树的详细构建过程如下：
步骤一、先将所有记录看作一个节点，统计当前节点的接通比例等，如果接通比例小于阈值，即节点纯度小于阈值则不再分裂；
步骤二、将可变性参数视而不见，即优先利用确定性参数进行节点分割，遍历确定性变量的每进行划分，计算每种特征划分的信息增益，然后选择信息增益最大属性参数进行分支条件；
步骤三、按照属性参数进行节点分支，并计算每个分支节点的接通率、参数特征分布；
步骤四、递归的并对每个分支按照步骤迭代递归进行，直到节点纯度大于阈值或确定性特征分类完毕；
步骤五、当确定性特征选择完毕之后，继续按照可变性特征进行分支划分，具体方法类似于上面步骤二和三；
步骤六、重复上述步骤五，直到分支纯度大于阈值或全部特征选择完毕。
S150、采用各个待拨打用户对应的外呼策略参数进行外呼拨打。
经过上述处理之后，就能够按照用户质量评分从高到底自主依据历史通话特征信息进行通话策略参数自主选择，以提高通话接通率，并且充分考虑拨打时间资源分配情况，避免时间拥挤或浪费现象发生。
上述的外呼策略参数自主调整方法，通过获取历史外呼通话数据以及用户画像信息后，进行特征分析、拨打顺序确定、外呼策略参数的建模并执行外呼，在构建参数时主要依据用户画像特征信息以及历史外呼通话数据形成的特征进行设定，实现可根据客户个性化特征信息进行拨打策略参数的自动调整优化，提高电话接通率，改善营销效果。
图6是本发明实施例提供的一种外呼策略参数调整装置300的示意性框图。如图6所示，对应于以上外呼策略参数调整方法，本发明还提供一种外呼策略参数调整装置300。该外呼策略参数调整装置300包括用于执行上述外呼策略参数调整方法的单元，该装置可以被配置于服务器中。具体地，请参阅图6，该外呼策略参数调整装置300包括数据获取单元301、特征分析单元302、顺序确定单元303、参数构建单元304以及外呼拨打单元305。
数据获取单元301，用于获取历史外呼通话数据以及用户画像信息；特征分析单元302，用于根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征；顺序确定单元303，用于根据所述通话数据特征确定当前待拨打用户的拨打顺序；参数构建单元304，用于根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数；外呼拨打单元305，用于采用各个待拨打用户对应的外呼策略参数进行外呼拨打。
在一实施例中，所述特征分析单元302，用于将所述历史外呼通话数据中的每通对话按照所述用户画像信息、外呼场景特征信息、外呼时间信息、外呼结果进行拉平组装，以形成通话数据特征。
在一实施例中，如图7所示，所述顺序确定单元303包括质量预测子单元3031以及排序子单元3032。
质量预测子单元3031，用于采用GBDT模型对当前待拨打用户相关的所述通话数据特征进行质量预测，以确定每个待拨打用户的质量评估分值；排序子单元3032，用于对每个待拨打用户的质量评估分值按照从高到低的顺序进行排序，以得到当前待拨打用户的拨打顺序。
在一实施例中，所述参数构建单元304，用于根据所述拨打顺序并采用决策树进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数。
在一实施例中，如图8所示，所述参数构建单元304包括统计子单元3041、计算子单元3042、判断子单元3043、反向选择子单元3044、查漏子单元3045以及随机选择子单元3046。
统计子单元3041，用于对于每一个待拨打用户根据历史外呼通话样本记录，构建优先以确定性参数进行决策树顶部分支，而可变性参数作为决策树底部枝叶分支条件的分类决策树，并依次统计每个节点的历史通接通话概率、特征分布比例信息；计算子单元3042，用于计算每一个待拨打用户的预测接通率；判断子单元3043，用于判断所述预测接通率是否小于设定阈值；反向选择子单元3044，用于若预测接通率小于阈值，则反向选择历史的可变特征参数，以形成所述待拨打用户对应的外呼策略参数；查漏子单元3045，用于对外呼策略参数进行查漏，若存在拨打的可变参数没有确定，则将可变参数按照默认规则配置，按照空闲度进行分配时间端。随机选择子单元3046，用于若预测接通率不小于阈值，则选择当前节点的下面额历史通接通话概率最高的分支节点，并将分支条件作为可变参数保存记录下来，如果下面存在多个概率一样的分支，则随机选择一条分支进入，直到达到叶节点为止，以得到可变参数；并执行所述对外呼策略参数进行查漏，若存在拨打的可变参数没有确定，则将可变参数按照默认规则配置，按照空闲度进行分配时间端
需要说明的是，所属领域的技术人员可以清楚地了解到，上述外呼策略参数调整装置300和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
上述外呼策略参数调整装置300可以实现为一种计算机程序的形式，该计算机程序可以在如图9所示的计算机设备上运行。
请参阅图9，图9是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图9，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种外呼策略参数调整方法。
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种外呼策略参数调整方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下步骤：
获取历史外呼通话数据以及用户画像信息；根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征；根据所述通话数据特征确定当前待拨打用户的拨打顺序；根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数；采用各个待拨打用户对应的外呼策略参数进行外呼拨打。
其中，所述用户画像信息是通过将原始用户信息依据用户字段及范围进行脱敏转换形成的信息。
在一实施例中，处理器502在实现所述根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征步骤时，具体实现如下步骤：
将所述历史外呼通话数据中的每通对话按照所述用户画像信息、外呼场景特征信息、外呼时间信息、外呼结果进行拉平组装，以形成通话数据特征。
在一实施例中，处理器502在实现所述根据所述通话数据特征确定当前待拨打用户的拨打顺序步骤时，具体实现如下步骤：
采用GBDT模型对当前待拨打用户相关的所述通话数据特征进行质量预测，以确定每个待拨打用户的质量评估分值；对每个待拨打用户的质量评估分值按照从高到低的顺序进行排序，以得到当前待拨打用户的拨打顺序。
在一实施例中，处理器502在实现所述根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数步骤时，具体实现如下步骤：
根据所述拨打顺序并采用决策树进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数。
在一实施例中，处理器502在实现所述根据所述拨打顺序并采用决策树进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数步骤时，具体实现如下步骤：
对于每一个待拨打用户根据历史外呼通话样本记录，构建优先以确定性参数进行决策树顶部分支，而可变性参数作为决策树底部枝叶分支条件的分类决策树，并依次统计每个节点的历史通接通话概率、特征分布比例信息；计算每一个待拨打用户的预测接通率；判断所述预测接通率是否小于设定阈值；若预测接通率小于阈值，则反向选择历史的可变特征参数，以形成所述待拨打用户对应的外呼策略参数；对外呼策略参数进行查漏，若存在拨打的可变参数没有确定，则将可变参数按照默认规则配置，按照空闲度进行分配时间端；若预测接通率不小于阈值，则选择当前节点的下面额历史通接通话概率最高的分支节点，并将分支条件作为可变参数保存记录下来，如果下面存在多个概率一样的分支，则随机选择一条分支进入，直到达到叶节点为止，以得到可变参数；并执行所述对外呼策略参数进行查漏，若存在拨打的可变参数没有确定，则将可变参数按照默认规则配置，按照空闲度进行分配时间端。
应当理解，在本申请实施例中，处理器502可以是中央处理单元 (CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路 (Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中该计算机程序被处理器执行时使处理器执行如下步骤：
获取历史外呼通话数据以及用户画像信息；根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征；根据所述通话数据特征确定当前待拨打用户的拨打顺序；根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数；采用各个待拨打用户对应的外呼策略参数进行外呼拨打。
其中，所述用户画像信息是通过将原始用户信息依据用户字段及范围进行脱敏转换形成的信息。
在一实施例中，所述处理器在执行所述计算机程序而实现所述根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征步骤时，具体实现如下步骤：
将所述历史外呼通话数据中的每通对话按照所述用户画像信息、外呼场景特征信息、外呼时间信息、外呼结果进行拉平组装，以形成通话数据特征。
在一实施例中，所述处理器在执行所述计算机程序而实现所述根据所述通话数据特征确定当前待拨打用户的拨打顺序步骤时，具体实现如下步骤：
采用GBDT模型对当前待拨打用户相关的所述通话数据特征进行质量预测，以确定每个待拨打用户的质量评估分值；对每个待拨打用户的质量评估分值按照从高到低的顺序进行排序，以得到当前待拨打用户的拨打顺序。
在一实施例中，所述处理器在执行所述计算机程序而实现所述根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数步骤时，具体实现如下步骤：
根据所述拨打顺序并采用决策树进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数。
在一实施例中，所述处理器在执行所述计算机程序而实现所述根据所述拨打顺序并采用决策树进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数步骤时，具体实现如下步骤：
对于每一个待拨打用户根据历史外呼通话样本记录，构建优先以确定性参数进行决策树顶部分支，而可变性参数作为决策树底部枝叶分支条件的分类决策树，并依次统计每个节点的历史通接通话概率、特征分布比例信息；
计算每一个待拨打用户的预测接通率；判断所述预测接通率是否小于设定阈值；若预测接通率小于阈值，则反向选择历史的可变特征参数，以形成所述待拨打用户对应的外呼策略参数；对外呼策略参数进行查漏，若存在拨打的可变参数没有确定，则将可变参数按照默认规则配置，按照空闲度进行分配时间端；若预测接通率不小于阈值，则选择当前节点的下面额历史通接通话概率最高的分支节点，并将分支条件作为可变参数保存记录下来，如果下面存在多个概率一样的分支，则随机选择一条分支进入，直到达到叶节点为止，以得到可变参数；并执行所述对外呼策略参数进行查漏，若存在拨打的可变参数没有确定，则将可变参数按照默认规则配置，按照空闲度进行分配时间端。
所述存储介质可以是U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，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。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例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，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明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介质中，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，终端，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.外呼策略参数调整方法，其特征在于，包括：
获取历史外呼通话数据以及用户画像信息；
根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征；
根据所述通话数据特征确定当前待拨打用户的拨打顺序；
根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数；
采用各个待拨打用户对应的外呼策略参数进行外呼拨打。
2.根据权利要求1所述的外呼策略参数调整方法，其特征在于，所述用户画像信息是通过将原始用户信息依据用户字段及范围进行脱敏转换形成的信息。
3.根据权利要求1所述的外呼策略参数调整方法，其特征在于，所述根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征，包括：
将所述历史外呼通话数据中的每通对话按照所述用户画像信息、外呼场景特征信息、外呼时间信息、外呼结果进行拉平组装，以形成通话数据特征。
4.根据权利要求1所述的外呼策略参数调整方法，其特征在于，所述根据所述通话数据特征确定当前待拨打用户的拨打顺序，包括：
采用GBDT模型对当前待拨打用户相关的所述通话数据特征进行质量预测，以确定每个待拨打用户的质量评估分值；
对每个待拨打用户的质量评估分值按照从高到低的顺序进行排序，以得到当前待拨打用户的拨打顺序。
5.根据权利要求1所述的外呼策略参数调整方法，其特征在于，所述根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数，包括：
根据所述拨打顺序并采用决策树进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数。
6.根据权利要求5所述的外呼策略参数调整方法，其特征在于，所述根据所述拨打顺序并采用决策树进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数，包括：
对于每一个待拨打用户根据历史外呼通话样本记录，构建优先以确定性参数进行决策树顶部分支，而可变性参数作为决策树底部枝叶分支条件的分类决策树，并依次统计每个节点的历史通接通话概率、特征分布比例信息；
计算每一个待拨打用户的预测接通率；
判断所述预测接通率是否小于设定阈值；
若预测接通率小于阈值，则反向选择历史的可变特征参数，以形成所述待拨打用户对应的外呼策略参数；
对外呼策略参数进行查漏，若存在拨打的可变参数没有确定，则将可变参数按照默认规则配置，按照空闲度进行分配时间端；
若预测接通率不小于阈值，则选择当前节点的下面额历史通接通话概率最高的分支节点，并将分支条件作为可变参数保存记录下来，如果下面存在多个概率一样的分支，则随机选择一条分支进入，直到达到叶节点为止，以得到可变参数；并执行所述对外呼策略参数进行查漏，若存在拨打的可变参数没有确定，则将可变参数按照默认规则配置，按照空闲度进行分配时间端。
7.外呼策略参数调整装置，其特征在于，包括：
数据获取单元，用于获取历史外呼通话数据以及用户画像信息；
特征分析单元，用于根据所述历史外呼通话数据以及用户画像信息进行外呼通话记录特征的分析，以得到通话数据特征；
顺序确定单元，用于根据所述通话数据特征确定当前待拨打用户的拨打顺序；
参数构建单元，用于根据所述拨打顺序进行对应待拨打用户的外呼策略参数的建模，以得到各个待拨打用户对应的外呼策略参数；
外呼拨打单元，用于采用各个待拨打用户对应的外呼策略参数进行外呼拨打。
8.根据权利要求7所述的外呼策略参数调整装置，其特征在于，所述特征分析单元，用于将所述历史外呼通话数据中的每通对话按照所述用户画像信息、外呼场景特征信息、外呼时间信息、外呼结果进行拉平组装，以形成通话数据特征。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法。
10.一种存储介质，其特征在于，所述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时可实现如权利要求1至6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111338509.3A CN114125154B (zh) | 2021-11-12 | 2021-11-12 | 外呼策略参数调整方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111338509.3A CN114125154B (zh) | 2021-11-12 | 2021-11-12 | 外呼策略参数调整方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114125154A true CN114125154A (zh) | 2022-03-01 |
| CN114125154B CN114125154B (zh) | 2022-11-11 |
Family
ID=80379232
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111338509.3A Active CN114125154B (zh) | 2021-11-12 | 2021-11-12 | 外呼策略参数调整方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114125154B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114979369A (zh) * | 2022-04-14 | 2022-08-30 | 马上消费金融股份有限公司 | 异常通话检测方法、装置、电子设备及存储介质 |
| CN117155844A (zh) * | 2023-10-27 | 2023-12-01 | 北京华翔联信科技股份有限公司 | 一种通信链路选择方法、系统、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110116618A1 (en) * | 2009-11-19 | 2011-05-19 | Vadim Zyarko | System and Methods for Selecting a Dialing Strategy for Placing an Outbound Call |
| CN107786757A (zh) * | 2017-02-17 | 2018-03-09 | 平安科技（深圳）有限公司 | 银行卡业务参数调整方法和装置 |
| US20180309873A1 (en) * | 2015-06-01 | 2018-10-25 | AffectLayer, Inc. | Modeling voice calls to improve an outcome of a call between a representative and a customer |
| CN111435482A (zh) * | 2019-01-14 | 2020-07-21 | 顺丰科技有限公司 | 一种外呼模型的构建方法、外呼方法、装置和存储介质 |
| CN111901485A (zh) * | 2020-08-12 | 2020-11-06 | 中国银行股份有限公司 | 外呼系统的控制方法及装置 |
| CN112329843A (zh) * | 2020-11-03 | 2021-02-05 | 中国平安人寿保险股份有限公司 | 基于决策树的呼叫数据处理方法、装置、设备及存储介质 |
| CN112926845A (zh) * | 2021-02-18 | 2021-06-08 | 上海翰声信息技术有限公司 | 基于大数据的外呼方法、电子装置及计算机可读存储介质 |
| CN113435912A (zh) * | 2021-06-29 | 2021-09-24 | 平安科技（深圳）有限公司 | 基于客户画像的数据分析方法、装置、设备及介质 |
| CN113627972A (zh) * | 2021-07-01 | 2021-11-09 | 北京三快在线科技有限公司 | 数据处理方法、装置、电子设备及可读存储介质 |
-
2021
- 2021-11-12 CN CN202111338509.3A patent/CN114125154B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110116618A1 (en) * | 2009-11-19 | 2011-05-19 | Vadim Zyarko | System and Methods for Selecting a Dialing Strategy for Placing an Outbound Call |
| US20180309873A1 (en) * | 2015-06-01 | 2018-10-25 | AffectLayer, Inc. | Modeling voice calls to improve an outcome of a call between a representative and a customer |
| CN107786757A (zh) * | 2017-02-17 | 2018-03-09 | 平安科技（深圳）有限公司 | 银行卡业务参数调整方法和装置 |
| CN111435482A (zh) * | 2019-01-14 | 2020-07-21 | 顺丰科技有限公司 | 一种外呼模型的构建方法、外呼方法、装置和存储介质 |
| CN111901485A (zh) * | 2020-08-12 | 2020-11-06 | 中国银行股份有限公司 | 外呼系统的控制方法及装置 |
| CN112329843A (zh) * | 2020-11-03 | 2021-02-05 | 中国平安人寿保险股份有限公司 | 基于决策树的呼叫数据处理方法、装置、设备及存储介质 |
| CN112926845A (zh) * | 2021-02-18 | 2021-06-08 | 上海翰声信息技术有限公司 | 基于大数据的外呼方法、电子装置及计算机可读存储介质 |
| CN113435912A (zh) * | 2021-06-29 | 2021-09-24 | 平安科技（深圳）有限公司 | 基于客户画像的数据分析方法、装置、设备及介质 |
| CN113627972A (zh) * | 2021-07-01 | 2021-11-09 | 北京三快在线科技有限公司 | 数据处理方法、装置、电子设备及可读存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114979369A (zh) * | 2022-04-14 | 2022-08-30 | 马上消费金融股份有限公司 | 异常通话检测方法、装置、电子设备及存储介质 |
| CN117155844A (zh) * | 2023-10-27 | 2023-12-01 | 北京华翔联信科技股份有限公司 | 一种通信链路选择方法、系统、电子设备及存储介质 |
| CN117155844B (zh) * | 2023-10-27 | 2024-01-09 | 北京华翔联信科技股份有限公司 | 一种通信链路选择方法、系统、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114125154B (zh) | 2022-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114125154B (zh) | 外呼策略参数调整方法、装置、计算机设备及存储介质 | |
| CN110033314B (zh) | 广告数据处理方法及装置 | |
| WO2019214248A1 (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
| EP2652909B1 (en) | Method and system for carrying out predictive analysis relating to nodes of a communication network | |
| CN111915156B (zh) | 基于用户价值的业务推送方法、电子设备及存储介质 | |
| CN111459922A (zh) | 用户识别方法、装置、设备及存储介质 | |
| CN111510368B (zh) | 家庭群组识别方法、装置、设备及计算机可读存储介质 | |
| CN111652661B (zh) | 一种手机客户端用户流失预警处理方法 | |
| CN113379301A (zh) | 通过决策树模型对用户进行分类的方法、装置和设备 | |
| CN112200659A (zh) | 建立风控模型的方法、装置及存储介质 | |
| CN113206909A (zh) | 骚扰电话拦截方法及装置 | |
| CN108197795B (zh) | 恶意团体账户识别方法、装置、终端及存储介质 | |
| CN112001756B (zh) | 异常电信业务场景的确定方法、装置、计算机设备 | |
| WO2019157780A1 (zh) | 一种通话自动接听方法、电子装置及计算机可读存储介质 | |
| CN112085596A (zh) | 用户风险等级信息的确定方法及装置 | |
| CN110677269B (zh) | 通信用户关系的确定方法、装置和计算机可读存储介质 | |
| CN111091460A (zh) | 一种数据处理方法及装置 | |
| CN113052422A (zh) | 风控模型训练方法和用户信用评估方法 | |
| CN113313386B (zh) | 汽车金融风险智能语音调查系统及调查方法 | |
| CN114219611A (zh) | 贷款额度计算方法、装置、计算机设备和存储介质 | |
| CN116156416A (zh) | 基于信令数据的职住地提取方法及装置 | |
| CN109308565B (zh) | 人群绩效等级识别方法、装置、存储介质及计算机设备 | |
| CN114268939B (zh) | 一种移动通信中异常用户识别的方法及智能设备 | |
| CN113469235A (zh) | 用水波动异常识别方法及装置、计算机装置及存储介质 | |
| CN112419050B (zh) | 基于电话通讯网络和社交行为的信用评估方法及装置 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method, device, computer equipment, and storage medium for adjusting outbound call strategy parameters Granted publication date: 20221111 Pledgee: China Everbright Bank Limited by Share Ltd. Hangzhou Yuhang sub branch Pledgor: HANGZHOU MJOYS BIG DATA TECHNOLOGY Co.,Ltd. Registration number: Y2024980005009 |