CN115103069A - 一种业务推荐方法、装置、计算机设备及存储介质 - Google Patents

一种业务推荐方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN115103069A
CN115103069A CN202210731821.7A CN202210731821A CN115103069A CN 115103069 A CN115103069 A CN 115103069A CN 202210731821 A CN202210731821 A CN 202210731821A CN 115103069 A CN115103069 A CN 115103069A
Authority
CN
China
Prior art keywords
service
target
client
historical
voice
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
CN202210731821.7A
Other languages
English (en)
Inventor
陈杭
陈子意
朱益兴
于欣璐
李骁
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 Bank Co Ltd
Original Assignee
Ping An Bank Co 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 Bank Co Ltd filed Critical Ping An Bank Co Ltd
Priority to CN202210731821.7A priority Critical patent/CN115103069A/zh
Publication of CN115103069A publication Critical patent/CN115103069A/zh
Pending legal-status Critical Current

Links

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
    • H04M3/436—Arrangements for screening incoming calls, i.e. evaluating the characteristics of a call before deciding whether to answer it
    • 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
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using 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
    • H04M3/2218—Call detail recording
    • 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
    • H04M3/527—Centralised call answering arrangements not requiring operator intervention

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Child & Adolescent Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例公开了一种业务推荐方法、装置、计算机设备及存储介质，本方案获取待推荐业务，确定上述待推荐业务的目标业务类型，再根据上述目标业务类型从预设的历史信息集合中确定出相同类型的目标推荐业务，并从上述历史信息集合中获取对上述目标推荐业务的业务意向度大于预设业务意向度阈值的目标客户，得到上述待推荐业务对应的客户名单，最后获取上述客户名单中各个目标客户的电话号码，以对上述客户名单中各个上述目标客户的电话号码进行AI智能语音外呼，从而通过业务的业务类型智能得到对该业务的业务意向度较高的客户，并对业务意向度较高的客户进行AI智能语音外呼，从而提高了业务推荐效率。

Description

一种业务推荐方法、装置、计算机设备及存储介质
技术领域
本申请涉及业务推荐技术领域，具体涉及一种业务推荐方法、装置、计算机设备及存储介质。
背景技术
随着社会的发展，银行所涉及的业务范围越来越广泛，而为了让客户充分了解业务，需通过AI智能语音外呼的方式向客户进行相关业务的推荐。
目前，AI智能语音外呼通常是对数据库中客户的电话号码逐一拨号进行询问推荐，但由于客户存在的不同需求以及电话号码的数量的日益增多，而导致虽然花费了较多的时间进行业务推荐，但业务的成交率还是难以保证，从而致使业务推荐效率较低。
发明内容
本申请实施例提供一种业务推荐方法、装置、计算机设备及存储介质，可以提高业务推荐效率。
本申请实施例提供了一种业务推荐方法，包括：
获取各个历史推荐业务对应的历史智能语音外呼记录中的接听客户语音；
通过双模态神经网络模型对各个接听客户语音，提取语音和文本两个模态下的特征，得到各个接听客户语音对应的语音特征和文本特征；
通过双模态神经网络模型对各个接听客户语音对应的语音特征和文本特征，进行接听客户的业务意向度识别，得到接听客户面对各个历史推荐业务时的业务意向度；
根据待推荐业务的目标业务类型，获取目标业务类型的历史推荐业务对应的历史智能外呼名单；
基于历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户。
相应的，本申请实施例还提供了一种业务推荐装置，包括：
语音获取模块，用于获取各个历史推荐业务对应的历史智能语音外呼记录中的接听客户语音；
特征提取模块，用于通过双模态神经网络模型对各个接听客户语音，提取语音和文本两个模态下的特征，得到各个接听客户语音对应的语音特征和文本特征；
识别模块，用于通过双模态神经网络模型对各个接听客户语音对应的语音特征和文本特征，进行接听客户的业务意向度识别，得到接听客户面对各个历史推荐业务时的业务意向度；
名单获取模块，用于根据待推荐业务的目标业务类型，获取目标业务类型的历史推荐业务对应的历史智能外呼名单；
选择模块，用于基于历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户。
在一些实施例中，上述业务推荐装置还包括：
次数确定模块，用于根据目标客户对目标类型的历史推荐业务的业务意向度，确定目标客户在预设时间段内接受的目标通话次数；
次数获取模块，用于获取目标客户在预设时间段内的历史通话次数；
删除模块，用于若历史通话次数大于或等于目标通话次数，则将目标客户从待推荐业务对应的智能外呼名单中删除。
在一些实施例中，上述业务推荐装置还包括：
标识模块，用于获取目标客户的电话号码，对电话号码进行特征标识，得到目标电话号码；
外呼模块，用于当接收到携带特征标识的智能外呼指令时，对目标电话号码进行AI智能语音外呼。
在一些实施例中，上述标识模块包括：
标识单元，用于根据目标客户的客户信息和/或目标业务类型对电话号码进行特征标识。
在一些实施例中，上述外呼模块还包括：
状态获取单元，用于获取目标客户的至少一个历史通话时刻的接听状态；
时刻确定单元，用于根据至少一个历史通话时刻的接听状态确定目标客户的目标通话时刻。
在一些实施例中，上述外呼模块还包括：
外呼单元，用于根据目标通话时刻对目标电话号码进行AI智能语音外呼。
在一些实施例中，上述业务推荐装置还包括：
第一意向度确定模块，用于当同一接听客户存在至少两项历史推荐业务为目标业务类型时，确定同一接听客户的至少两项历史推荐业务分别对应的目标业务意向度；
第二意向度确定模块，用于根据至少两个目标业务意向度之间的均值，确定同一接听客户对目标业务类型的历史推荐业务的业务意向度。
相应的，本申请实施例还提供了一种计算机设备，包括存储器，处理器及存储在储存器上并可在处理器上运行的计算机程序，其中，处理器执行本申请实施例任一提供的业务推荐方法。
相应的，本申请实施例还提供了一种存储介质，存储介质存储有多条指令，指令适于处理器进行加载，以执行如上的业务推荐方法。
本申请实施例获取待推荐业务，确定上述待推荐业务的目标业务类型，再根据上述目标业务类型从预设的历史信息集合中确定出相同类型的目标推荐业务，并从上述历史信息集合中获取对上述目标推荐业务的业务意向度大于预设业务意向度阈值的目标客户，得到上述待推荐业务对应的客户名单，最后获取上述客户名单中各个目标客户的电话号码，以对上述客户名单中各个上述目标客户的电话号码进行AI智能语音外呼，从而通过业务的业务类型智能得到对该业务的业务意向度较高的客户，并对业务意向度较高的客户进行AI智能语音外呼，以在缩减通话次数的同时保证了业务的成交率，以提高了业务推荐效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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为本申请实施例提供的一种业务推荐方法的流程示意图。
图2为本申请实施例提供的一种业务推荐装置的结构框图。
图3为本申请实施例提供的计算机设备的结构示意图。
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的一部分实施例，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例，都属于本申请保护的范围。
本申请实施例提供一种业务推荐方法、装置、存储介质及计算机设备。具体地，本申请实施例的业务推荐方法可以由计算机设备执行，其中，该计算机设备可以为服务器，也可以为终端等设备。其中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、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、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。终端可以是智能手机、台式计算机、笔记本电脑、平板电脑等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。
例如，该计算机设备可以是终端，该终端可以获取各个历史推荐业务对应的历史智能语音外呼记录中的接听客户语音；通过双模态神经网络模型对各个接听客户语音，提取语音和文本两个模态下的特征，得到各个接听客户语音对应的语音特征和文本特征；通过双模态神经网络模型对各个接听客户语音对应的语音特征和文本特征，进行接听客户的业务意向度识别，得到接听客户面对各个历史推荐业务时的业务意向度；根据待推荐业务的目标业务类型，获取目标业务类型的历史推荐业务对应的历史智能外呼名单；基于历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户。
基于上述问题，本申请实施例提供了一种业务推荐方法、装置、计算机设备及存储介质，可以提高业务推荐效率。
以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
本申请实施例提供一种业务推荐方法，该方法可以由终端或服务器执行，本申请实施例以业务推荐方法由终端执行为例来进行说明。
请参阅图1，图1为本申请实施例提供的一种业务推荐方法的流程示意图。该业务推荐方法的具体流程可以如下：
101、获取各个历史推荐业务对应的历史智能语音外呼记录中的接听客户语音。
其中，推荐业务是向客户推荐，以使客户办理的业务，例如，贷款业务、贸易融资业务、证券投资业务、理财业务、银行卡业务等。而历史推荐业务就是在当前时刻之前向客户推荐过的业务。终端通过AI智能语音外呼向客户进行业务推荐，而在这个过程中会得到智能语音外呼记录，该智能语音外呼记录中包括外呼智能客服语音和接听客户语音，该接听客户语音为接听客户面对推荐业务时的语音。
可以理解的是，因存在基于某个推荐业务同时向多个客户进行推荐的现象，所以各个历史推荐业务对应的历史智能语音外呼记录中存在至少一个接听客户对应的接听客户语音。
示例性地，设定当前存在历史推荐业务A、历史推荐业务B、历史推荐业务C，根据历史推荐业务A、B、C获取历史推荐业务A对应的接听客户语音Ya，历史推荐业务B对应的接听客户语音Yb，历史推荐业务C对应的接听客户语音Yc。
102、通过双模态神经网络模型对各个接听客户语音，提取语音和文本两个模态下的特征，得到各个接听客户语音对应的语音特征和文本特征。
其中，双模态神经网络模型可以用于对输入信息从两个语音和文本两个模态的角度，进行特征提取，以得到输入信息的特征，通过从两个模态进行特征提取可以提高后期对输入信息进行识别时的精准度，该输入信息在本实施例中为接听客户语音。
可以理解的是，当需提取接听客户语音的文本特征时，需将接听客户语音转化成文本信息，再对该文本信息进行特征提取，从而得到文本特征。
103、通过双模态神经网络模型对各个接听客户语音对应的语音特征和文本特征，进行接听客户的业务意向度识别，得到接听客户面对各个历史推荐业务时的业务意向度。
其中，上述业务意向度为接听客户面对某一推荐业务时的接受或者同意该推荐业务的意向度。在此，通过利用双模态神经网络模型基于其所提取的特征，进行意向度识别，从而得到至少一个接听客户面对各个历史推荐业务时的业务意向度，以通过至少一个接听客户面对各个历史推荐业务时的业务意向度得到接听客户相对接受的业务类型。
可以理解的是，通过根据客户面对各推荐业务时的语音，即接听客户语音，进行对应的业务意向度识别，从而可得到客户面对个推荐业务时的业务意向度，进而可以依据该业务意向度确定客户相对喜欢的推荐业务。
具体地，通过双模态神经网络模型进行接听客户的业务意向度识别时，双模态神经网络模型会输出一个有理数分数，该有理数分数四舍五入后得到的整数为接听客户面对历史推荐业务时的业务意向度。
104、根据待推荐业务的目标业务类型，获取目标业务类型的历史推荐业务对应的历史智能外呼名单。
其中，上述目标业务类型是待推荐业务对应的业务类型，每个推荐业务都对应一个业务类型，而且不同推荐业务之间的业务类型可能存在不同，该业务类型包括但不限于是负债类型、资产类型、中间类型等，例如，上述贷款业务为负债类型，上述证券投资业务为资产类型，上述银行卡业务为中间类型。
在本实施例中，终端获取将要向客户推荐的待推荐业务，再根据其所获取的待推荐业务确定对应的目标业务类型，该目标业务类型为待推荐业务对应的业务类型，该待推荐业务可以是新业务，也可以是已推荐过的旧业务，其中，上述新业务可以是将旧业务更改部分业务内容后产生的业务，也可以是新产生的业务。
可选的，倘若待推荐业务是由旧业务更改部分业务内容后产生的业务，那么该待推荐业务的业务类型可以与产生该推荐业务的旧业务的业务类型一致。
上述获取目标业务类型的历史推荐业务对应的历史智能外呼名单具体可以包括：首先通过待推荐业务的目标业务类型，确定与目标业务类型的类型一致的至少一个历史推荐业务，再确定该至少一个历史推荐业务分别对应的各个历史智能外呼名单。该历史智能外呼名单中包括至少一个在历史时刻中接听过该历史推荐业务的接听客户。
105、基于历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户。
在本实施例中，基于上述步骤S103得到的接听客户面对各个历史推荐业务时的业务意向度，可以得到历史智能外呼名单中的接听客户分别面对其所对应的目标业务类型的历史推荐业务时的业务意向度，进而将历史智能外呼名单中的接听客户分别面对其所对应的目标业务类型的历史推荐业务时的业务意向度与预设阈值进行对比，从历史智能外呼名单中的接听客户分别面对其所对应的目标业务类型的历史推荐业务时的业务意向度中选择出业务意向度大于预设阈值的目标客户，并将选择出来的目标客户作为待推荐业务对应的智能外呼名单中的客户，从而通过选择出对该待推荐业务的业务意向度高的客户，来提高业务推荐效率。
在一些实施例中，在选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户之前，需确定进行并对比为阈值，为提高选择目标客户的准确性，在本实施例中，可基于历史智能外呼名单来确定，具体可以包括：获取历史智能外呼名单中各个接听客户对目标业务类型的历史推荐业务的业务意向度，确定各个业务意向度的平均值，计算该平均值和预设的选取系数的乘积，将该乘积作为上述进行对比的阈值，该选取系数可根据待推荐业务对于外呼人数的需求进行设定。
在一些实施例中，在选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户之后还可以包括：终端可以根据目标客户对目标类型的历史推荐业务的业务意向度，确定目标客户在预设时间段内接受的目标通话次数，该目标通话次数即相当于客户在一段时间内可接受的业务推荐的次数，倘若超过该目标通话次数，则可能导致发生客户投诉的现象。
可以理解的是，业务意向度越高的客户在预设时间段内可接受的目标通话次数就越高，而业务意向度越低的客户在预设时间段内可接受的目标童话次数就越低。
再获取目标客户在预设时间段内的历史通话次数，从而将目标通话次数与历史通话次数进行判断，以得到该目标客户是否还可以接受待推荐业务对应的AI智能语音外呼。若历史通话次数大于或等于目标通话次数，说明当前目标客户对推荐业务的AI智能语音外呼可接受度较小了，为避免引起客户方案，或导致客户投诉，则将目标客户从待推荐业务对应的智能外呼名单中删除，从而在本次即将进行的待推荐业务的AI智能语音外呼中不对目标客户进行AI智能语音外呼。
示例性地，若得到目标通话次数为8次，而历史通话次数为7次，则由于目标通话次数大于历史通话次数，所以不将该目标客户从待推荐业务对应的智能外呼名单中删除。
在一些实施例中，在选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户之后还可以包括：获取目标客户的电话号码，对电话号码进行特征标识，得到目标电话号码，该目标电话号码为携带该特征标识的电话号码，当接收到携带特征标识的智能外呼指令时，对目标电话号码进行AI智能语音外呼。其中，特征标识可以是通过字符、数字、字母等生成。
在一些实施例中，上述对电话号码进行特征标识具体可以包括：根据目标客户的客户信息和/或目标业务类型对电话号码进行特征标识，其中，客户信息包括但不限于是客户的性别、名字、年龄等。
在一些实施例中，在上述对目标电话号码进行AI智能语音外呼之前还可以包括：获取目标客户的至少一个历史通话时刻的接听状态，并根据至少一个历史通话时刻的接听状态确定目标客户的目标通话时刻。其中，该历史通话时刻可以通过上述历史智能语音外呼记录得到，而历史通话时刻对应的接听状态可以是进一步根据历史智能语音外呼记录中的接听客户语音得到，该接听状态包括但不限于是接听时长、接听情绪等；上述目标通话时刻为向目标客户推荐待推荐业务的时刻。
可以理解的是，通过得到目标客户在历史阶段所有的通话时刻对应的接听状态可以得到目标客户的接听状态，以判断接下来哪一时刻向目标客户进行AI智能语音外呼最为方便。例如，倘若得到各个历史通话时刻中处于8小时至17小时中的历史通话时刻对应的接听状态都是挂断，即可得到8小时至17小时并不适合向目标客户进行AI智能语音外呼，从而根据除8小时至17小时之外的其他历史通话时刻的反馈确定目标用户的目标通话时刻。
具体地，根据至少一个历史通话时刻的接听状态确定目标客户地目标通话时刻，可以包括：通过情绪识别模型获取各个历史通话时刻的接听状态中的接听情绪对应的情绪评分，该情绪评分越高则情绪越好。从各个历史通话时刻中选取情绪评分最高的历史通话时刻，将该情绪评分最高的历史通话时刻确定为目标通话时刻。
具体地，根据至少一个历史通话时刻的接听状态确定目标客户地目标通话时刻，可以包括：通过情绪识别模型获取各个历史通话时刻的接听状态中的接听情绪对应的情绪评分，该情绪评分越高则情绪越好。从各个历史通话时刻对应的情绪评分中选取预设数量的情绪评分最高的评分，并确定该预设数量的情绪评分分别对应的历史通话时刻，根据预设数量的历史通话时刻确定目标通话时刻。
例如，从预设数量的历史通话时刻中删除时刻差大于预设时差阈值的历史通话时刻，计算删除后的历史通话时刻的时间均值，将该时间均值确定为目标通话时刻。倘若预设数量的历史通话时刻中各个历史通话时刻之间的时刻差均大于预设时刻阈值，则从预设数量的历史通话时刻中选取情绪评分最高的历史通话时刻，将该情绪评分最高的历史通话时刻确定为目标通话时刻。
相应地，上述得到目标用户的目标通话时刻后，在对目标电话号码进行AI智能语音外呼，具体可以包括：根据目标通话时刻对目标电话号码进行AI智能语音外呼。
在一些实施例中，由于某一客户可能会接听过相同类型但业务不同的至少两个推荐业务，所以在基于历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户之前，还可以包括：
当同一接听客户存在至少两项历史推荐业务为目标业务类型时，说明一个接听客户接听的多次AI智能外呼中存在至少两次外呼所推荐的推荐业务的业务类型是同一类型，且为待推荐业务对应的目标业务类型。确定同一接听客户的至少两项历史推荐业务分别对应的目标业务意向度，再根据同一接听客户的至少两项历史推荐业务分别对应的目标业务意向度之间的均值，确定同一接听客户对目标业务类型的历史推荐业务的业务意向度。
本申请实施例公开了一种业务推荐方法，该方法包括：获取各个历史推荐业务对应的历史智能语音外呼记录中的接听客户语音；通过双模态神经网络模型对各个接听客户语音，提取语音和文本两个模态下的特征，得到各个接听客户语音对应的语音特征和文本特征；通过双模态神经网络模型对各个接听客户语音对应的语音特征和文本特征，进行接听客户的业务意向度识别，得到接听客户面对各个历史推荐业务时的业务意向度；根据待推荐业务的目标业务类型，获取目标业务类型的历史推荐业务对应的历史智能外呼名单；基于历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户，以此，可以提高业务推荐效率。
为便于更好的实施本申请实施例提供的业务推荐方法，本申请实施例还提供一种基于上述业务推荐方法的业务推荐装置。其中名词的含义与上述业务推荐方法中相同，具体实现细节可以参考方法实施例中的说明。
请参阅图2，图2为本申请实施例提供的一种业务推荐装置的结构框图，该装置包括：
语音获取模块201，用于获取各个历史推荐业务对应的历史智能语音外呼记录中的接听客户语音。
特征提取模块202，用于通过双模态神经网络模型对各个接听客户语音，提取语音和文本两个模态下的特征，得到各个接听客户语音对应的语音特征和文本特征。
识别模块203，用于通过双模态神经网络模型对各个接听客户语音对应的语音特征和文本特征，进行接听客户的业务意向度识别，得到接听客户面对各个历史推荐业务时的业务意向度。
名单获取模块204，用于根据待推荐业务的目标业务类型，获取目标业务类型的历史推荐业务对应的历史智能外呼名单。
选择模块205，用于基于历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户。
在一些实施例中，上述业务推荐装置还包括：
次数确定模块，用于根据目标客户对目标类型的历史推荐业务的业务意向度，确定目标客户在预设时间段内接受的目标通话次数。
次数获取模块，用于获取目标客户在预设时间段内的历史通话次数。
删除模块，用于若历史通话次数大于或等于目标通话次数，则将目标客户从待推荐业务对应的智能外呼名单中删除。
在一些实施例中，上述业务推荐装置还包括：
标识模块，用于获取目标客户的电话号码，对电话号码进行特征标识，得到目标电话号码。
外呼模块，用于当接收到携带特征标识的智能外呼指令时，对目标电话号码进行AI智能语音外呼。
在一些实施例中，上述标识模块包括：
标识单元，用于根据目标客户的客户信息和/或目标业务类型对电话号码进行特征标识。
在一些实施例中，上述外呼模块还包括：
状态获取单元，用于获取目标客户的至少一个历史通话时刻的接听状态。
时刻确定单元，用于根据至少一个历史通话时刻的接听状态确定目标客户的目标通话时刻。
在一些实施例中，上述外呼模块还包括：
外呼单元，用于根据目标通话时刻对目标电话号码进行AI智能语音外呼。
在一些实施例中，上述业务推荐装置还包括：
第一意向度确定模块，用于当同一接听客户存在至少两项历史推荐业务为目标业务类型时，确定同一接听客户的至少两项历史推荐业务分别对应的目标业务意向度。
第二意向度确定模块，用于根据至少两个目标业务意向度之间的均值，确定同一接听客户对目标业务类型的历史推荐业务的业务意向度。
本申请实施例公开了一种业务推荐装置，通过语音获取模块201，用于获取各个历史推荐业务对应的历史智能语音外呼记录中的接听客户语音；特征提取模块202，用于通过双模态神经网络模型对各个接听客户语音，提取语音和文本两个模态下的特征，得到各个接听客户语音对应的语音特征和文本特征；识别模块203，用于通过双模态神经网络模型对各个接听客户语音对应的语音特征和文本特征，进行接听客户的业务意向度识别，得到接听客户面对各个历史推荐业务时的业务意向度；名单获取模块204，用于根据待推荐业务的目标业务类型，获取目标业务类型的历史推荐业务对应的历史智能外呼名单；选择模块205，用于基于历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户。以此，提高业务推荐效率。
相应的，本申请实施例还提供一种计算机设备，该计算机设备可以为终端。如图3所示，图3为本申请实施例提供的计算机设备的结构示意图。该计算机设备300包括有一个或者一个以上处理核心的处理器301、有一个或一个以上计算机可读存储介质的存储器302及存储在存储器302上并可在处理器上运行的计算机程序。其中，处理器301与存储器302电性连接。本领域技术人员可以理解，图中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
处理器301是计算机设备300的控制中心，利用各种接口和线路连接整个计算机设备300的各个部分，通过运行或加载存储在存储器302内的软件程序和/或模块，以及调用存储在存储器302内的数据，执行计算机设备300的各种功能和处理数据，从而对计算机设备300进行整体监控。
在本申请实施例中，计算机设备300中的处理器301会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器302中，并由处理器301来运行存储在存储器302中的应用程序，从而实现各种功能：
获取各个历史推荐业务对应的历史智能语音外呼记录中的接听客户语音；
通过双模态神经网络模型对各个接听客户语音，提取语音和文本两个模态下的特征，得到各个接听客户语音对应的语音特征和文本特征；
通过双模态神经网络模型对各个接听客户语音对应的语音特征和文本特征，进行接听客户的业务意向度识别，得到接听客户面对各个历史推荐业务时的业务意向度；
根据待推荐业务的目标业务类型，获取目标业务类型的历史推荐业务对应的历史智能外呼名单；
基于历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
可选的，如图3所示，计算机设备300还包括：触控显示屏303、射频电路304、音频电路305、输入单元306以及电源307。其中，处理器301分别与触控显示屏303、射频电路304、音频电路305、输入单元306以及电源307电性连接。本领域技术人员可以理解，图3中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
触控显示屏303可用于显示图形用户界面以及接收用户作用于图形用户界面产生的操作指令。触控显示屏303可以包括显示面板和触控面板。其中，显示面板可用于显示由用户输入的消息或提供给用户的消息以及计算机设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。可选的，可以采用液晶显示器(LCD，Liquid Cryst客户端账户l Displ客户端账户y)、有机发光二极管(OLED，Org客户端账户nic Light-Emitting Diode)等形式来配置显示面板。触控面板可用于收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并生成相应的操作指令，且操作指令执行对应程序。可选的，触控面板可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸消息，并将它转换成触点坐标，再送给处理器301，并能接收处理器301发来的命令并加以执行。触控面板可覆盖显示面板，当触控面板检测到在其上或附近的触摸操作后，传送给处理器301以确定触摸事件的类型，随后处理器301根据触摸事件的类型在显示面板上提供相应的视觉输出。在本申请实施例中，可以将触控面板与显示面板集成到触控显示屏303而实现输入和输出功能。但是在某些实施例中，触控面板与触控面板可以作为两个独立的部件来实现输入和输出功能。即触控显示屏303也可以作为输入单元306的一部分实现输入功能。
射频电路304可用于收发射频信号，以通过无线通信与网络设备或其他计算机设备建立无线通讯，与网络设备或其他计算机设备之间收发信号。
音频电路305可以用于通过扬声器、传声器提供用户与计算机设备之间的音频接口。音频电路305可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路305接收后转换为音频数据，再将音频数据输出处理器301处理后，经射频电路304以发送给比如另一计算机设备，或者将音频数据输出至存储器302以便进一步处理。音频电路305还可能包括耳塞插孔，以提供外设耳机与计算机设备的通信。
输入单元306可用于接收输入的数字、字符消息或用户特征消息(例如指纹、虹膜、面部消息等)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
电源307用于给计算机设备300的各个部件供电。可选的，电源307可以通过电源管理系统与处理器301逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源307还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管图3中未示出，计算机设备300还可以包括摄像头、传感器、无线保真模块、蓝牙模块等，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
由上可知，本实施例提供的计算机设备，通过获取各个历史推荐业务对应的历史智能语音外呼记录中的接听客户语音；通过双模态神经网络模型对各个接听客户语音，提取语音和文本两个模态下的特征，得到各个接听客户语音对应的语音特征和文本特征；通过双模态神经网络模型对各个接听客户语音对应的语音特征和文本特征，进行接听客户的业务意向度识别，得到接听客户面对各个历史推荐业务时的业务意向度；根据待推荐业务的目标业务类型，获取目标业务类型的历史推荐业务对应的历史智能外呼名单；基于历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条计算机程序，该计算机程序能够被处理器进行加载，以执行本申请实施例所提供的任一种业务推荐方法中的步骤。例如，该计算机程序可以执行如下步骤：
获取各个历史推荐业务对应的历史智能语音外呼记录中的接听客户语音；
通过双模态神经网络模型对各个接听客户语音，提取语音和文本两个模态下的特征，得到各个接听客户语音对应的语音特征和文本特征；
通过双模态神经网络模型对各个接听客户语音对应的语音特征和文本特征，进行接听客户的业务意向度识别，得到接听客户面对各个历史推荐业务时的业务意向度；
根据待推荐业务的目标业务类型，获取目标业务类型的历史推荐业务对应的历史智能外呼名单；
基于历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为待推荐业务对应的智能外呼名单中的客户。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该存储介质可以包括：只读存储器(ROM，Re客户端账户d Only Memory)、随机存取记忆体(R客户端账户M，R客户端账户ndom客户端账户ccess Memory)、磁盘或光盘等。
由于该存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种业务推荐方法中的步骤，因此，可以实现本申请实施例所提供的任一种业务推荐方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种业务推荐方法、装置、存储介质及计算机设备进行了详细介绍，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，以上实施例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)

1.一种业务推荐方法，其特征在于，所述方法包括：
获取各个历史推荐业务对应的历史智能语音外呼记录中的接听客户语音；
通过双模态神经网络模型对各个所述接听客户语音，提取语音和文本两个模态下的特征，得到各个所述接听客户语音对应的语音特征和文本特征；
通过所述双模态神经网络模型对各个所述接听客户语音对应的语音特征和文本特征，进行接听客户的业务意向度识别，得到所述接听客户面对各个历史推荐业务时的业务意向度；
根据待推荐业务的目标业务类型，获取所述目标业务类型的历史推荐业务对应的历史智能外呼名单；
基于所述历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为所述待推荐业务对应的智能外呼名单中的客户。
2.根据权利要求1所述的方法，其特征在于，在选择业务意向度大于预设阈值的目标客户作为所述待推荐业务对应的智能外呼名单中的客户之后，还包括：
根据所述目标客户对所述目标类型的历史推荐业务的业务意向度，确定所述目标客户在预设时间段内接受的目标通话次数；
获取所述目标客户在预设时间段内的历史通话次数；
若所述历史通话次数大于或等于所述目标通话次数，则将所述目标客户从所述待推荐业务对应的智能外呼名单中删除。
3.根据权利要求1所述的方法，其特征在于，在选择业务意向度大于预设阈值的目标客户作为所述待推荐业务对应的智能外呼名单中的客户之后，还包括：
获取所述目标客户的电话号码，对所述电话号码进行特征标识，得到目标电话号码；
当接收到携带所述特征标识的智能外呼指令时，对所述目标电话号码进行AI智能语音外呼。
4.根据权利要求3所述的方法，其特征在于，所述对所述电话号码进行特征标识，包括：
根据所述目标客户的客户信息和/或所述目标业务类型对所述电话号码进行特征标识。
5.根据权利要求3所述的方法，其特征在于，在对所述目标电话号码进行AI智能语音外呼之前，还包括：
获取所述目标客户的至少一个历史通话时刻的接听状态；
根据所述至少一个历史通话时刻的接听状态确定所述目标客户的目标通话时刻。
6.根据权利要求5所述的方法，其特征在于，所述对所述目标电话号码进行AI智能语音外呼，包括：
根据所述目标通话时刻对所述目标电话号码进行AI智能语音外呼。
7.根据权利要求1所述的方法，其特征在于，在基于所述历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为所述待推荐业务对应的智能外呼名单中的客户之前，还包括：
当同一接听客户存在至少两项历史推荐业务为目标业务类型时，确定所述同一接听客户的至少两项历史推荐业务分别对应的目标业务意向度；
根据所述至少两个目标业务意向度之间的均值，确定所述同一接听客户对目标业务类型的历史推荐业务的业务意向度。
8.一种业务推荐装置，其特征在于，所述装置包括：
语音获取模块，用于获取各个历史推荐业务对应的历史智能语音外呼记录中的接听客户语音；
特征提取模块，用于通过双模态神经网络模型对各个所述接听客户语音，提取语音和文本两个模态下的特征，得到各个所述接听客户语音对应的语音特征和文本特征；
识别模块，用于通过所述双模态神经网络模型对各个所述接听客户语音对应的语音特征和文本特征，进行接听客户的业务意向度识别，得到所述接听客户面对各个历史推荐业务时的业务意向度；
名单获取模块，用于根据待推荐业务的目标业务类型，获取所述目标业务类型的历史推荐业务对应的历史智能外呼名单；
选择模块，用于基于所述历史智能外呼名单中接听客户对目标业务类型的历史推荐业务的业务意向度，选择业务意向度大于预设阈值的目标客户作为所述待推荐业务对应的智能外呼名单中的客户。
9.一种计算机设备，包括存储器，处理器及存储在存储器上并在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1至7任一项所述的业务推荐方法。
10.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至7任一项所述的业务推荐方法。
CN202210731821.7A 2022-06-25 2022-06-25 一种业务推荐方法、装置、计算机设备及存储介质 Pending CN115103069A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210731821.7A CN115103069A (zh) 2022-06-25 2022-06-25 一种业务推荐方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210731821.7A CN115103069A (zh) 2022-06-25 2022-06-25 一种业务推荐方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN115103069A true CN115103069A (zh) 2022-09-23

Family

ID=83292899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210731821.7A Pending CN115103069A (zh) 2022-06-25 2022-06-25 一种业务推荐方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN115103069A (zh)

Similar Documents

Publication Publication Date Title
CN109514586B (zh) 实现智能客服机器人的方法及系统
CN115083434B (zh) 一种情绪识别方法、装置、计算机设备及存储介质
US20210142798A1 (en) Systems and methods for automating voice commands
JP4522345B2 (ja) 電話業務検査システム及びそのプログラム
CN108810280A (zh) 语音采集频率的处理方法、装置、存储介质及电子设备
CN115118820A (zh) 一种通话处理方法、装置、计算机设备及存储介质
CN115103069A (zh) 一种业务推荐方法、装置、计算机设备及存储介质
CN115798459A (zh) 音频处理方法、装置、存储介质及电子设备
CN115101053A (zh) 基于情绪识别的对话处理方法、装置、终端及存储介质
CN115065754A (zh) 一种外呼成本预估方法、装置、计算机设备及存储介质
EP4055590A1 (en) Systems and methods for automating voice commands
CN112969000A (zh) 网络会议的控制方法、装置、电子设备和存储介质
CN115514850A (zh) 外呼项目的价值分析方法、装置、计算机设备及存储介质
CN115103321B (zh) 一种短信发送方法、装置、计算机设备及存储介质
CN115204631A (zh) 一种产品营销管理方法、装置、计算机设备及存储介质
CN115063154A (zh) 基于兴趣度的业务推荐方法、装置、终端及存储介质
CN115330514A (zh) 贷款行为的风险管理方法、装置、计算机设备及存储介质
US11394831B1 (en) System and methods for dynamically routing and rating customer service communications
CN115392981A (zh) 一种广告投放方法、装置、计算机设备及存储介质
CN116383518A (zh) 一种业务处理方法、装置、计算机设备及存储介质
CN113807403A (zh) 模型训练的方法、装置、计算机设备及存储介质
CN114898739A (zh) 语音呼叫的应答处理方法、装置、计算机设备、存储介质
CN115018496A (zh) 一种碳账户管理方法、装置、计算机设备及存储介质
CN116468044A (zh) 数据集生成方法、装置、电子设备和存储介质
CN115794915A (zh) 一种数据调用方法、装置、计算机设备及存储介质

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