CN114548846A - 一种人机任务分配决策方法、装置及电子设备 - Google Patents

Abstract

本申请实施例提供了一种人机任务分配决策方法、装置及电子设备，获取目标人员在预设业务中所处的阶段得到目标阶段，并获取目标人员处于目标阶段的时长得到目标时长；在目标时长超过目标阶段对应的预设等待时长且目标人员存在历史营销对话记录时，根据历史营销记录，确定目标人员的用户办理业务意图及其置信度；在用户办理业务意图的置信度不小于第二预设客户意愿阈值时，根据至少一项用户意图、各用户意图各自对应的置信度、目标人员的业务进度信息及个人信息，得到第一成功概率；判断第一成功概率是否小于第一预设客户意愿阈值，若是，生成机器人外呼营销任务；若否，生成人工外呼营销任务。本申请可自动生成针对该用户的营销任务。

Description

一种人机任务分配决策方法、装置及电子设备

技术领域

本申请涉及人工智能技术领域，特别是涉及一种人机任务分配决策方法、装置及电子设备。

背景技术

随着自然语言处理与深度学习等智能化技术的不断发展，传统的客服或营销中心也在逐步进行智能化改造，以传统营销客服搭配推荐算法等方案成为目前主流的改造方案。然而，目前对于客户购买过程或业务办理过程中问题的及时感知和服务还不够完善，尤其面临大批量客户时无法及时提供服务，人工服务方式会造成大量任务的积压，导致部分意愿较高的客户热情丧失，最终导致业务办理失败。虽然目前有方案采用智能外呼的机器人呼叫方式，采用语音合成及语音识别技术模拟人工电话进行服务，但是受技术成熟度和应用场景的限制，难以完全解决客户的所有问题，且会被客户认为服务敷衍。

针对客户购买过程或业务办理过程中出现问题，现有技术中通过人工对客户出现的问题进行分析，并由人工生成营销任务。然而人工生成营销任务的方式存在人工工作量大和工作效率低下的问题。

发明内容

本申请实施例的目的在于提供一种人机任务分配决策方法、装置及电子设备，以实现自动生成营销任务，降低人工工作量，提高营销任务生成工作效率。具体技术方案如下：

第一方面，本申请实施例提供了一种人机任务分配决策方法，所述方法包括：

获取目标人员在预设业务中所处的阶段得到目标阶段，并获取所述目标人员处于所述目标阶段的时长得到目标时长，其中，所述预设业务包括多个阶段，每个所述阶段各自对应有预设等待时长；

在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员存在历史营销对话记录的情况下，获取所述目标人员的历史营销记录、业务进度信息及个人信息；

根据所述目标人员的历史营销记录，确定所述目标人员的至少一项用户意图以及各所述用户意图各自对应的置信度，其中，所述至少一项用户意图包括用户办理业务意图；

在所述用户办理业务意图的置信度不小于第二预设客户意愿阈值的情况下，根据所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率；

在所述第一成功概率小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的机器人外呼营销任务；

在所述第一成功概率不小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的人工外呼营销任务；

获取所述人工外呼营销任务对应的业务话术，并将所述人工外呼营销任务及所述人工外呼营销任务对应的业务话术分配给营销人员。

在一种可能的实施方式中，所述方法还包括：

在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员不存在历史营销对话记录的情况下，获取所述目标人员的业务进度信息及个人信息；

根据所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率；

在所述第一成功概率小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的机器人外呼营销任务。

在一种可能的实施方式中，所述方法还包括：

在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员不存在历史营销对话记录的情况下，获取所述目标人员的业务进度信息及个人信息，将所述目标人员的历史营销记录置空，并将所述用户办理业务意图的置信度设置为1。

在一种可能的实施方式中，所述根据所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率，包括：

对所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息进行预处理，得到所述目标人员的目标信息特征；

将所述目标人员的目标信息特征输入到预先训练的第一深度学习模型中，得到所述目标人员成功办理所述预设业务的第一成功概率。

在一种可能的实施方式中，所述方法还包括：

在所述用户办理业务意图的置信度小于第二预设客户意愿阈值的情况下，不生成针对所述目标人员的营销任务。

在一种可能的实施方式中，获取所述人工外呼营销任务对应的业务话术，并将所述人工外呼营销任务及所述人工外呼营销任务对应的业务话术分配给营销人员，包括：

在所述第一成功概率不小于第一预设客户意愿阈值的情况下，将所述目标人员的目标信息特征输入到预先训练的第二深度学习模型中，得到所述目标人员针对所述预设业务的多个业务停滞原因及各所述业务停滞原因各自对应的置信度；

选取置信度最高的前N个业务停滞原因，得到各目标业务停滞原因，其中，N为预先设置的正整数；

获取各所述目标业务停滞原因对应的业务话术；

将所述人工外呼营销任务及各所述目标业务停滞原因对应的业务话术分配给营销人员。

在一种可能的实施方式中，所述方法还包括：

基于营销人员的历史工作情况，确定当前日期营销人员能够处理的人工外呼营销任务的总数量；

根据所述总数量，调整所述第一预设客户意愿阈值。

第二方面，本申请实施例提供了一种人机任务分配决策装置，所述装置包括：

阶段获取模块，用于获取目标人员在预设业务中所处的阶段得到目标阶段，并获取所述目标人员处于所述目标阶段的时长得到目标时长，其中，所述预设业务包括多个阶段，每个所述阶段各自对应有预设等待时长；

第一信息获取模块，用于在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员存在历史营销对话记录的情况下，获取所述目标人员的历史营销记录、业务进度信息及个人信息；

意图获取模块，用于根据所述目标人员的历史营销记录，确定所述目标人员的至少一项用户意图以及各所述用户意图各自对应的置信度，其中，所述至少一项用户意图包括用户办理业务意图；

第一确定模块，用于在所述用户办理业务意图的置信度不小于第二预设客户意愿阈值的情况下，根据所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率；

第一任务生成模块，用于在所述第一成功概率小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的机器人外呼营销任务；

第二任务生成模块，用于在所述第一成功概率不小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的人工外呼营销任务；

任务分配模块，用于获取所述人工外呼营销任务对应的业务话术，并将所述人工外呼营销任务及所述人工外呼营销任务对应的业务话术分配给营销人员。

在一种可能的实施方式中，所述装置还包括：

第二信息获取模块，用于在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员不存在历史营销对话记录的情况下，获取所述目标人员的业务进度信息及个人信息；

第二确定模块，用于根据所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率；

第三任务生成模块，用于在所述第一成功概率小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的机器人外呼营销任务。

在一种可能的实施方式中，所述装置还包括：

置信度设置模块，用于在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员不存在历史营销对话记录的情况下，获取所述目标人员的业务进度信息及个人信息，将所述目标人员的历史营销记录置空，并将所述用户办理业务意图的置信度设置为1。

在一种可能的实施方式中，第一确定模块，具体用于：对所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息进行预处理，得到所述目标人员的目标信息特征；

将所述目标人员的目标信息特征输入到预先训练的第一深度学习模型中，得到所述目标人员成功办理所述预设业务的第一成功概率。

在一种可能的实施方式中，所述装置还包括：

勿扰模块，用于在所述用户办理业务意图的置信度小于第二预设客户意愿阈值的情况下，不生成针对所述目标人员的营销任务。

在一种可能的实施方式中，任务分配模块，具体用于：在所述第一成功概率不小于第一预设客户意愿阈值的情况下，将所述目标人员的目标信息特征输入到预先训练的第二深度学习模型中，得到所述目标人员针对所述预设业务的多个业务停滞原因及各所述业务停滞原因各自对应的置信度；

选取置信度最高的前N个业务停滞原因，得到各目标业务停滞原因，其中，N为预先设置的正整数；

获取各所述目标业务停滞原因对应的业务话术；

将所述人工外呼营销任务及各所述目标业务停滞原因对应的业务话术分配给营销人员。

在一种可能的实施方式中，所述装置还包括：

数量确定模块，用于基于营销人员的历史工作情况，确定当前日期营销人员能够处理的人工外呼营销任务的总数量；

调整模块，用于根据所述总数量，调整所述第一预设客户意愿阈值。

第三方面，本申请实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现本申请中任一所述的人机任务分配决策方法步骤。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本申请中任一所述的人机任务分配决策方法步骤。

本申请实施例有益效果：

本申请实施例提供的一种人机任务分配决策方法、装置及电子设备，获取目标人员在预设业务中所处的阶段得到目标阶段，并获取所述目标人员处于所述目标阶段的时长得到目标时长，其中，所述预设业务包括多个阶段，每个所述阶段各自对应有预设等待时长；在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员存在历史营销对话记录的情况下，获取所述目标人员的历史营销记录、业务进度信息及个人信息；根据所述目标人员的历史营销记录，确定所述目标人员的至少一项用户意图以及各所述用户意图各自对应的置信度，其中，所述至少一项用户意图包括用户办理业务意图；在所述用户办理业务意图的置信度不小于第二预设客户意愿阈值的情况下，根据所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率；在所述第一成功概率小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的机器人外呼营销任务；在所述第一成功概率不小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的人工外呼营销任务；获取所述人工外呼营销任务对应的业务话术，并将所述人工外呼营销任务及所述人工外呼营销任务对应的业务话术分配给营销人员。本申请通过监测客户在办理业务过程中的进度信息，以及获取到的历史营销对话记录和个人信息，自动生成针对目标人员的营销任务，相比于人工生成营销任务，大大减少了人工工作量，提高了营销任务生成的效率。

当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。

图1为本申请实施例的人机任务分配决策方法的第一种示意图；

图2为本申请实施例的人机任务分配决策方法的第二种示意图；

图3为本申请实施例的人机任务分配决策方法的第三种示意图；

图4为本申请实施例的人机任务分配决策方法中步骤S104的一种可能的实施方式示意图；

图5为本申请实施例的人机任务分配决策方法的第四种示意图；

图6为本申请实施例的人机任务分配决策方法中步骤S107的一种可能的实施方式示意图；

图7为本申请实施例的人机任务分配决策装置的一种示意图；

图8为本申请实施例的电子设备的一种示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员基于本申请所获得的所有其他实施例，都属于本申请保护的范围。

为了更清楚的理解本申请的方案，首先介绍一下本申请的应用场景，本申请可以应用于在手机、平板电脑或电脑等终端上购买基金或理财产品时，通过页面监听方式得到用户在业务办理或者产品购买过程中的流程步骤信息，通过对流程步骤信息的分析确定针对该用户后续是提供人工营销还是机器人营销的应用场景。

在目前营销服务电话已经大量普及的前提下，针对业务办理或产品购买过程中出现中断的客户，在发现问题和快速响应等方面的决策支持力度仍旧不足，大致存在以下缺点：（1）客户进度跟踪出现停顿时难以判断原因，具体的，目前多数决策支持为营销人员告知客户的当前进度，例如，在营销开户过程中，客户进度停滞在某一步骤，但营销人员无法感知客户为何停留在该步骤，虽然某些步骤可以提供具体失败的原因，例如，“上传身份中”步骤中可以提供上传失败、身份证过期等系统原因，但并非所有原因都可以被系统检测到，现有系统难以挖掘客户本身的问题，例如，某些大龄客户会出现“不会绑定银行卡”、“担心信息泄露”等问题。（2）无法解决全部客户问题，具体的，目前大多数实现采用页面监听，当客户一段时间无动作时会主动弹窗告知客户可进行在线服务咨询或直接提示可能遇到的问题，上述方案能够为部分客户解决问题，但无法全面覆盖全部客户，可能导致部分有意愿的客户流失。（3）缺乏与外呼机器人的协同方案，具体的，目前服务方案一般为全部采用人工或全部采用外呼机器人，但由于全部人工或全部机器人均有相应的弊端，机器人缺乏贴近营销人员的理解能力和解决问题能力，人工服务有缺乏机器人服务的高效，如何建立协同服务方案，是目前需要解决的重要问题。

相关技术中，均将与客户的实时通话内容作为意图识别的唯一特征来源，会导致在未与客户接触时缺乏对客户的了解。基于上述问题，缺乏一套自动智能决策系统来预测业务办理中断客户需要帮助的紧急程度以及业务办理意图强弱，并建立分级的服务策略，最大化人工营销能力和营销服务范围，解决人工分配营销任务存在工作量大和工作效率低下的问题，提升营销效果。

为了解决上述问题中的至少一项，本申请实施例提供了一种人机任务分配决策方法，参见图1，所述方法包括：

S101，获取目标人员在预设业务中所处的阶段得到目标阶段，并获取所述目标人员处于所述目标阶段的时长得到目标时长，其中，所述预设业务包括多个阶段，每个所述阶段各自对应有预设等待时长。

本申请实施例的任务生成方法可以通过电子设备实现，一个例子中，该电子设备可以为个人电脑或服务器等设备。

目标人员是指参与预设业务办理的客户。预设业务为预先设置的需要进行任务分配的业务，可以根据实际的应用场景进行设置，例如，针对办理理财产品业务的应用场景，预设业务可以为某项理财产品的办理业务。预设业务的流程可以划分为多个阶段（也可以称为步骤），例如，预设业务的流程划分为N个步骤N={n ₁ ,n ₂ …n _n }，客户逐步进行各步骤，当完成最后一个步骤时表明业务办理成功，客户在办理业务过程中可由于客户主动放弃或审核不通过等被动因素而回退。

每个阶段各自对应有预设等待时长，预设等待时长可根据实际需求自行设置，也可以为经验值等。例如，假设各步骤对应的预设等待时长为T={t ₁ ,t ₂ …t _n }。将目标人员在预设业务中当前所处的阶段称为目标阶段，将目标人员处于目标阶段的时长称为目标时长。

S102，在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员存在历史营销对话记录的情况下，获取所述目标人员的历史营销记录、业务进度信息及个人信息。

在目标时长未超过目标阶段对应的预设等待时长的情况下，不需要针对目标人员执行后续的任务生成过程，等待下一检测周期重新获取目标阶段及目标时长。在目标时长超过目标阶段对应的预设等待时长的情况下，则需要针对目标人员执行后续的任务生成过程。

一个例子中，目标阶段为n _i （n _i 为N个步骤N={n ₁ ,n ₂ …n _n }中的一个步骤），n _i 对应的预设等待时长为t _i （t _i 为目标阶段n _i 对应的预设等待时长），目标时长为S，S大于t _i ，表示目标时长超过目标阶段对应的预设等待时长。

目标人员的历史营销对话记录是指之前针对目标人员所记载的电话营销、聊天工具营销或视频营销等的营销记录。

客户特征包括客户的业务进度信息及个人信息，假设客户当前办理流程M={m ₁ , m ₂ …m _m }，其中m _i ∈N，客户的业务进度信息是由客户办理流程得到的特征信息，可以包括：客户办理业务进行的总步骤数m、客户回退的步骤总数、客户平均停留时长、客户历史停留超时次数、客户当前停留步骤、客户是否主动回退。客户的个人信息可以包括：客户的基本信息，即户籍地址、住址地址、教育程度、性别、年龄等。

S103，根据所述目标人员的历史营销记录，确定所述目标人员的至少一项用户意图以及各所述用户意图各自对应的置信度，其中，所述至少一项用户意图包括用户办理业务意图。

历史营销记录用以表征客户历史意愿特征，即历史营销记录中办理意愿的强弱。通过获取目标人员的历史营销记录中的对话语音，对语音进行转文字后，利用分词、文本特征提取后得到文本矩阵，输入至意图检测模型检测目标人员是否有产品购买意愿。

意图检测模型可以采用BiLSTM（双向长短时神经网络）模型，该模型包括输入层、BiLSTM层、全连接层、Softmax层。其中，BiLSTM包括隐藏层节点数为128，Dropout设置为0.8，全连接层获得最终文本的特征向量表示，最后通过Softmax层输出用户意图分类与及其各个用户意图对应的置信度c。c表示分配至该意图的概率，取值范围为[0,1]，用以表示该通语音文本分配至该意图的可信程度。

S104，在所述用户办理业务意图的置信度不小于第二预设客户意愿阈值的情况下，根据所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率。

第二预设客户意愿阈值γ根据经验值自行设置，例如，第二预设客户意愿阈值γ设置为20%。

在用户办理业务意图的置信度c不小于第二预设客户意愿阈值γ的情况下，根据至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息进行分析预测，确定目标人员成功办理所述预设业务的概率得到第一成功概率α。

S105，在所述第一成功概率小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的机器人外呼营销任务。

第一预设客户意愿阈值β在系统中可根据客户量进行动态调整，后面会详细介绍。在第一成功概率α小于第一预设客户意愿阈值β的情况下，生成针对目标人员的机器人外呼营销任务，后续根据机器人外呼营销任务提供机器人外呼营销服务，系统中机器人外呼营销任务调用该业务营销模板进行电话呼出。

S106，在所述第一成功概率不小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的人工外呼营销任务。

在第一成功概率α不小于预设客户意愿阈值β的情况下，生成针对目标人员的人工外呼营销任务，后续根据人工外呼营销任务提供人工外呼营销服务。

S107，获取所述人工外呼营销任务对应的业务话术，并将所述人工外呼营销任务及所述人工外呼营销任务对应的业务话术分配给营销人员。

针对人工外呼营销任务，系统会提供分析业务停滞的原因并根据原因提供对应的业务话术，并将所述人工外呼营销任务及所述人工外呼营销任务对应的业务话术分配给营销人员。

在本申请实施例中，通过对历史营销对话记录、目标人员的业务进度信息及个人信息进行综合分析，自动生成针对目标人员的营销任务，相比于人工生成营销任务，大大减少了人工工作量，提高了营销任务生成的效率。

在一种可能的实施方式中，参见图2，所述方法还包括：

S201，在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员不存在历史营销对话记录的情况下，获取所述目标人员的业务进度信息及个人信息。

S202，根据所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率。

S203，在所述第一成功概率小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的机器人外呼营销任务。

可以理解的是，上述图1与图2描述的实施例是并列的实施例，用于分别表述目标人员是否存在历史营销对话记录两种情况，并不限制图1与图2描述的实施例的执行顺序。

本申请实施例中，通过获取目标人员的业务进度信息及个人信息，针对业务办理中断的客户进行预测分析，根据预测出的客户业务办理成功的概率，对于概率低的客户提供机器人外呼服务，能够提高服务的效率。

在一种可能的实施方式中，参见图3，所述方法还包括：

S301，在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员不存在历史营销对话记录的情况下，获取所述目标人员的业务进度信息及个人信息，将所述目标人员的历史营销记录置空，并将所述用户办理业务意图的置信度设置为1。

用户办理业务意图指用户继续办理业务的意图，若客户无历史对话记录，则用户继续办理意图的置信度c设置为1。

一个例子中，在目标人员不存在历史营销对话记录的情况下，也就不存在确定用户办理业务意图的置信度的过程，当然也就更不存在比较用户办理业务意图的置信度与第二预设客户意愿阈值的过程。一个例子中，为了方便设计，在目标人员不存在历史营销对话记录的情况下，可以默认目标人员有继续办理业务的意愿，将用户办理业务意图的置信度设置为1。

在用户办理业务意图的置信度设置为1时，同时根据目标人员的业务进度信息及个人信息，综合客户历史意愿特征、业务进度信息及个人信息进行分析，得到目标人员成功办理预设业务的概率，即第一成功概率α。

在本申请实施例中，通过将目标人员的历史营销记录置空，并将所述用户办理业务意图的置信度设置为1，以及目标人员的业务进度信息、个人信息进行综合分析，自动生成针对目标人员的营销任务，相比于人工生成营销任务，大大减少了人工工作量，提高了营销任务生成的效率。

在一种可能的实施方式中，参见图4，上述S104，包括：

S1041，对所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息进行预处理，得到所述目标人员的目标信息特征。

预处理是可以是对上述至少一项用户意图、各所述用户意图各自对应的置信度、业务进度信息、个人信息进行数值、离散整形或热度特征编码等转化，转化为计算可理解的特征信息。例如，对于户籍地址、现居地等个人信息可提取所在市行政编码，对于教育程度和性别等个人信息转化为0和1的定性类型。

S1042，将所述目标人员的目标信息特征输入到预先训练的第一深度学习模型中，得到所述目标人员成功办理所述预设业务的第一成功概率。

第一深度学习模型可以为二分类器模型，该二分类器模型根据历史数据训练得到，用于对客户业务是否能够办理成功或者产品能否购买成功进行预测，并输出具体成功的概率。一个例子中，二分类器模型可以采用轻量级的LightGBM实现，能够大幅度提升模型训练的速度，同时减少了内存的消耗，采用按叶生长（Leaf-wise）的策略代替按层生长（Level-wise）策略，增加了最大深度的限制，在保证高效的同时防止过拟合。一个例子中，该二分类器模型也可以采用SVM（Support Vector Machine，支持向量机）等经典机器学习算法，得到目标人员成功办理预设业务的第一成功概率α。

在本申请实施例中，利用预先训练的第一深度学习模型根据目标信息特征对目标人员成功办理预设业务的成功概率进行预测，为目标人员最终的营销任务分配提供依据。

在一种可能的实施方式中，参见图5，所述方法还包括：

S108，在所述用户办理业务意图的置信度小于第二预设客户意愿阈值的情况下，不生成针对所述目标人员的营销任务。

系统会周期性扫描超时中断客户群体，并针对该客户群体进行轮询检测，首先判断用户办理业务意图的置信度c是否小于第二预设客户意愿阈值γ的客户，若是，不采取任何营销策略。例如，将第二预设客户意愿阈值γ设置为20%，在目标人员存在历史营销对话记录的情况下，且用户办理业务意图的置信度c小于20%，则不打扰该客户。

在本申请实施例中，在目标人员存在历史营销对话记录的情况下，首先对于用户办理业务意图的置信度小于第二预设客户意愿阈值的客户，采用免打扰可以减少客户投诉，其次，对于用户办理业务意图的置信度不小于第二预设客户意愿阈值的客户，通过判断第一成功概率是否小于第一预设客户意愿阈值，确定针对目标人员分配机器人外呼营销任务还是人工外呼营销任务。实现保证高概率客户能够得到优先服务，增加服务的精准度，提升营销业绩的目的。

在一种可能的实施方式中，参见图6，上述S107，包括：

S1071，在所述第一成功概率不小于第一预设客户意愿阈值的情况下，将所述目标人员的目标信息特征输入到预先训练的第二深度学习模型中，得到所述目标人员针对所述预设业务的多个业务停滞原因及各所述业务停滞原因各自对应的置信度。

第二深度学习模型为多分类器，用于进行业务停滞原因的预测，得到目标人员针对预设业务的多个业务停滞原因及各业务停滞原因各自对应的置信度。该多分类器同样采用LightGBM实现，在LightGBM中设置模型用途为multiclass，输出选择softmax作为目标分类和置信度。多分类器也可以采用SVM等经典机器学习算法,但考虑模型效果以及运行效率，LightGBM的各方面性能更为优秀。

S1072，选取置信度最高的前N个业务停滞原因，得到各目标业务停滞原因，其中，N为预先设置的正整数。

将多分类器提供的业务停滞原因预测的概率分布进行排序，选取置信度最高的前N个业务停滞原因，得到各目标业务停滞原因。例如，当N=3，表示选取前三项业务停滞原因。

S1073，获取各所述目标业务停滞原因对应的业务话术。

通过检索获取各目标业务停滞原因对应的业务话术。

S1074，将所述人工外呼营销任务及各所述目标业务停滞原因对应的业务话术分配给营销人员。

将人工外呼营销任务及各目标业务停滞原因对应的业务话术分配给营销人员，营销人员可根据分配的客户任务进行概率排序和业务停滞原因筛选，决定人工电话的拨打顺序。

在本申请实施例中，对于第一成功概率不小于第一预设客户意愿阈值的客户，将目标信息特征再次输入多分类器进行业务停滞原因预测，并提供相应原因对应的话术，协助人工客服在对话前了解客户，可以优先处理办理成功概率高和紧急程度高的停滞原因的客户，提前掌握客户意图，实现精准营销，提升营销成功率。

在一种可能的实施方式中，所述方法还包括：

基于营销人员的历史工作情况，确定当前日期营销人员能够处理的人工外呼营销任务的总数量；

根据所述总数量，调整所述第一预设客户意愿阈值。

第一预设客户意愿阈值β在系统中可根据客户量进行动态调整，当调整为0时表示全部生成人工外呼营销任务。

为防止人工外呼营销任务过多，可根据历史经验设置第一预设客户意愿阈值β的经验模型，模型描述如下：系统收集近期n个工作日内除去用户办理业务意图的置信度c小于第二预设客户意愿阈值γ的客户（除去免打扰的客户），剩余总任务数记做h，日均任务数记做h_a，例如，n在本文中可以取5。n个工作日所有任务中对应客户办理成功概率从高至低排序，表述为E={e ₁ ,e ₂ …e _i …e _h }, e _i 即为第i个任务对应客户的办理成功概率。假设当日上班的营销人员过去n个工作日每通电话平均时长为

,其中l为当日上班营销人员总数，sp为通话间隔时长，员工每日工作时长定义为w,则定义Z为当日预计可解决的人工通话总数:

则可将第一预设客户意愿阈值β设置为：

其中，

表示n个工作日能够处理的人工外呼营销任务的总数量，

∈E。

通过当前日期营销人员能够处理的人工外呼营销任务的总数量与剩余总任务数的比较，调整第一预设客户意愿阈值β的取值。在营销人员能够处理的人工外呼营销任务的总数量小于剩余总任务数时，第一预设客户意愿阈值β取值为人工外呼营销任务的总数量对应的客户办理成功概率。在营销人员能够处理的人工外呼营销任务的总数量不小于剩余总任务数时，第一预设客户意愿阈值β取值0，即表示全部生成人工外呼营销任务。

在本申请实施例中，可实现第一预设客户意愿阈值根据营销人员的情况进行调整，确保精准营销，提升营销成功率。

在一个例子中，在目标人员不存在历史营销对话记录的情况下的任务生成方法步骤如下：

S1、在到检测客户在某个阶段n _i 停留时间超过预设等待时长t _i 时，获取业务进度信息及个人信息。

S2、在目标人员不存在历史营销对话记录的情况下，将客户继续的意图置信度c设置为1。

S3、将客户业务进度信息及个人信息进行预处理，转化为计算机可理解的特征。

S4、将上述特征输入LightGBM二分类器，获取预设业务的概率得到第一成功概率α。

S5、获取第一预设客户意愿阈值β，获取第二预设客户意愿阈值γ。

S6、判断α是否小于β，若判断为是，则生成机器人外呼营销任务。

S7、系统中机器人外呼营销任务调用该业务营销模板进行电话呼出。

在一个例子中，在目标人员存在历史营销对话记录的情况下的任务生成方法步骤如下：

S1、在到检测客户在某个阶段n _i 停留时间超过预设等待时长t _i 时，获取业务进度信息及个人信息。

S2、在目标人员存在历史营销对话记录的情况下，提取取对话语音，进行语音转本文。

S3、对转本文后内容进行分词、特征提取，并输入BiLSTM意图检测模型，得到各意图分类与其置信度c。

S4、对各意图分类与其对应的置信度c、客户业务进度信息及个人信息进行预处理，转化为计算机可理解的特征。

S5、将上述特征输入LightGBM二分类器，获取预设业务的概率得到第一成功概率α。

S6、获取第一预设客户意愿阈值β，获取第二预设客户意愿阈值γ。

S7、判断S3得到的意图分类中用户办理意图的意图置信度是否小于客户意愿阈值γ。若是，则该用户不采纳任何营销策略，免打扰。若否，转入S8。

S8、判断α是否小于β，若是，则生成机器人外呼营销任务，系统中机器人外呼营销任务调用该业务营销模板进行电话呼出。若否，进入S9。

S9、生成人工外呼营销任务，随机分配至营销人员中，并将各意图分类与其对应的置信度c、客户业务进度信息及个人信息进行预处理后的特征信息输入LightGBM多分类器中。

S10、多分类器计算得到预设业务的多个业务停滞原因及各业务停滞原因各自对应的置信度，选取置信度最高的前N个业务停滞原因。

S11、获取各目标业务停滞原因对应的业务话术。

S12、将人工外呼营销任务及各目标业务停滞原因对应的业务话术分配给营销人员，营销人员可根据分配的人员进行概率排序与停滞原因筛选，决定人工电话的拨打顺序。

本申请实施例提供了一种人机任务分配决策装置，参见图7，所述装置包括：

阶段获取模块701，用于获取目标人员在预设业务中所处的阶段得到目标阶段，并获取所述目标人员处于所述目标阶段的时长得到目标时长，其中，所述预设业务包括多个阶段，每个所述阶段各自对应有预设等待时长；

第一信息获取模块702，用于在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员存在历史营销对话记录的情况下，获取所述目标人员的历史营销记录、业务进度信息及个人信息；

意图获取模块703，用于根据所述目标人员的历史营销记录，确定所述目标人员的至少一项用户意图以及各所述用户意图各自对应的置信度，其中，所述至少一项用户意图包括用户办理业务意图；

第一确定模块704，用于在所述用户办理业务意图的置信度不小于第二预设客户意愿阈值的情况下，根据所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率；

第一任务生成模块705，用于在所述第一成功概率小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的机器人外呼营销任务；

第二任务生成模块706，用于在所述第一成功概率不小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的人工外呼营销任务；

任务分配模块707，用于获取所述人工外呼营销任务对应的业务话术，并将所述人工外呼营销任务及所述人工外呼营销任务对应的业务话术分配给营销人员。

在一种可能的实施方式中，所述装置还包括：

第二信息获取模块，用于在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员不存在历史营销对话记录的情况下，获取所述目标人员的业务进度信息及个人信息；

第二确定模块，用于根据所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率；

第三任务生成模块，用于在所述第一成功概率小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的机器人外呼营销任务。

在一种可能的实施方式中，所述装置还包括：

置信度设置模块，用于在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员不存在历史营销对话记录的情况下，获取所述目标人员的业务进度信息及个人信息，将所述目标人员的历史营销记录置空，并将所述用户办理业务意图的置信度设置为1。

在一种可能的实施方式中，第一确定模块，具体用于：对所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息进行预处理，得到所述目标人员的目标信息特征；

将所述目标人员的目标信息特征输入到预先训练的第一深度学习模型中，得到所述目标人员成功办理所述预设业务的第一成功概率。

在一种可能的实施方式中，所述装置还包括：

勿扰模块，用于在所述用户办理业务意图的置信度小于第二预设客户意愿阈值的情况下，不生成针对所述目标人员的营销任务。

在一种可能的实施方式中，任务分配模块，具体用于：在所述第一成功概率不小于第一预设客户意愿阈值的情况下，将所述目标人员的目标信息特征输入到预先训练的第二深度学习模型中，得到所述目标人员针对所述预设业务的多个业务停滞原因及各所述业务停滞原因各自对应的置信度；

选取置信度最高的前N个业务停滞原因，得到各目标业务停滞原因，其中，N为预先设置的正整数；

获取各所述目标业务停滞原因对应的业务话术；

将所述人工外呼营销任务及各所述目标业务停滞原因对应的业务话术分配给营销人员。

在一种可能的实施方式中，所述装置还包括：

数量确定模块，用于基于营销人员的历史工作情况，确定当前日期营销人员能够处理的人工外呼营销任务的总数量；

调整模块，用于根据所述总数量，调整所述第一预设客户意愿阈值。

本申请实施例还提供了一种电子设备，如图8所示，包括处理器801、通信接口802、存储器803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信，

存储器803，用于存放计算机程序；

处理器801，用于执行存储器803上所存放的程序时，实现本申请中任一所述的富媒体播放页面控制方法。

上述电子设备提到的通信总线可以是外设部件互连标准（Peripheral ComponentInterconnect，PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，EISA）总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器（Random Access Memory，RAM），也可以包括非易失性存储器（Non-Volatile Memory，NVM），例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（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。

在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本申请中任一所述的任务生成方法的步骤。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质（例如固态硬盘Solid State Disk (SSD)）等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

以上所述仅为本申请的较佳实施例，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。

Claims (10)

1.一种人机任务分配决策方法，其特征在于，所述方法包括：

获取目标人员在预设业务中所处的阶段得到目标阶段，并获取所述目标人员处于所述目标阶段的时长得到目标时长，其中，所述预设业务包括多个阶段，每个所述阶段各自对应有预设等待时长；

在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员存在历史营销对话记录的情况下，获取所述目标人员的历史营销记录、业务进度信息及个人信息；

根据所述目标人员的历史营销记录，确定所述目标人员的至少一项用户意图以及各所述用户意图各自对应的置信度，其中，所述至少一项用户意图包括用户办理业务意图；

在所述用户办理业务意图的置信度不小于第二预设客户意愿阈值的情况下，根据所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率；

在所述第一成功概率小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的机器人外呼营销任务；

在所述第一成功概率不小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的人工外呼营销任务；

获取所述人工外呼营销任务对应的业务话术，并将所述人工外呼营销任务及所述人工外呼营销任务对应的业务话术分配给营销人员。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员不存在历史营销对话记录的情况下，获取所述目标人员的业务进度信息及个人信息；

根据所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率；

在所述第一成功概率小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的机器人外呼营销任务。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员不存在历史营销对话记录的情况下，获取所述目标人员的业务进度信息及个人信息，将所述目标人员的历史营销记录置空，并将所述用户办理业务意图的置信度设置为1。

4.根据权利要求1所述的方法，其特征在于，所述根据所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率，包括：

对所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息进行预处理，得到所述目标人员的目标信息特征；

将所述目标人员的目标信息特征输入到预先训练的第一深度学习模型中，得到所述目标人员成功办理所述预设业务的第一成功概率。

5.根据权利要求1所述的方法，其特征在于， 所述方法还包括：

在所述用户办理业务意图的置信度小于第二预设客户意愿阈值的情况下，不生成针对所述目标人员的营销任务。

6.根据权利要求1所述的方法，其特征在于，获取所述人工外呼营销任务对应的业务话术，并将所述人工外呼营销任务及所述人工外呼营销任务对应的业务话术分配给营销人员，包括：

在所述第一成功概率不小于第一预设客户意愿阈值的情况下，将所述目标人员的目标信息特征输入到预先训练的第二深度学习模型中，得到所述目标人员针对所述预设业务的多个业务停滞原因及各所述业务停滞原因各自对应的置信度；

选取置信度最高的前N个业务停滞原因，得到各目标业务停滞原因，其中，N为预先设置的正整数；

获取各所述目标业务停滞原因对应的业务话术；

将所述人工外呼营销任务及各所述目标业务停滞原因对应的业务话术分配给营销人员。

7.根据权利要求1-6任一所述的方法，其特征在于，所述方法还包括：

基于营销人员的历史工作情况，确定当前日期营销人员能够处理的人工外呼营销任务的总数量；

根据所述总数量，调整所述第一预设客户意愿阈值。

8.一种人机任务分配决策装置，其特征在于，所述装置包括：

阶段获取模块，用于获取目标人员在预设业务中所处的阶段得到目标阶段，并获取所述目标人员处于所述目标阶段的时长得到目标时长，其中，所述预设业务包括多个阶段，每个所述阶段各自对应有预设等待时长；

第一信息获取模块，用于在所述目标时长超过所述目标阶段对应的预设等待时长且所述目标人员存在历史营销对话记录的情况下，获取所述目标人员的历史营销记录、业务进度信息及个人信息；

意图获取模块，用于根据所述目标人员的历史营销记录，确定所述目标人员的至少一项用户意图以及各所述用户意图各自对应的置信度，其中，所述至少一项用户意图包括用户办理业务意图；

第一确定模块，用于在所述用户办理业务意图的置信度不小于第二预设客户意愿阈值的情况下，根据所述至少一项用户意图、各所述用户意图各自对应的置信度、所述目标人员的业务进度信息及个人信息，确定所述目标人员成功办理所述预设业务的概率得到第一成功概率；

第一任务生成模块，用于在所述第一成功概率小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的机器人外呼营销任务；

第二任务生成模块，用于在所述第一成功概率不小于第一预设客户意愿阈值的情况下，生成针对所述目标人员的人工外呼营销任务；

任务分配模块，用于获取所述人工外呼营销任务对应的业务话术，并将所述人工外呼营销任务及所述人工外呼营销任务对应的业务话术分配给营销人员。

9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一所述的人机任务分配决策方法步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的人机任务分配决策方法步骤。

Images