CN115171453B - 一种基于智能电网的人工客服训练方法及客服系统 - Google Patents
一种基于智能电网的人工客服训练方法及客服系统 Download PDFInfo
- Publication number
- CN115171453B CN115171453B CN202210667185.6A CN202210667185A CN115171453B CN 115171453 B CN115171453 B CN 115171453B CN 202210667185 A CN202210667185 A CN 202210667185A CN 115171453 B CN115171453 B CN 115171453B
- Authority
- CN
- China
- Prior art keywords
- learning
- service
- training
- score
- business
- 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.)
- Active
Links
- 238000012549 training Methods 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004088 simulation Methods 0.000 claims abstract description 114
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 22
- 230000003068 static effect Effects 0.000 claims description 23
- 238000012360 testing method Methods 0.000 claims description 23
- 230000014759 maintenance of location Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000009897 systematic effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 43
- 238000009960 carding Methods 0.000 description 11
- 238000013209 evaluation strategy Methods 0.000 description 8
- 239000002131 composite material Substances 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 238000012550 audit Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于智能电网的人工客服训练方法及客服系统，涉及电网智能客服技术领域，包括：步骤S1，模拟人工坐席实际工作环境，并进行坐席仿真培训环境搭建；步骤S2，选择典型训练场景示例，并进行对应业务操作学习；步骤S3，选择不同类型的业务场景，并进行话务仿真实训；步骤S4，对培训过程进行标准评测，本发明通过设置系统化的培训模型，并对最终的培训进行评测，提高了培训效果，以解决现有的人工客服系统化培训存在困难导致客服质量较低的问题。
Description
技术领域
本发明涉及电网智能客服技术领域，尤其涉及一种基于智能电网的人工客服训练方法及客服系统。
背景技术
当前，以人工智能、大数据、清洁能源、量子信息、区块链以及生物技术等为主要特征的第四次工业革命，正在对人类生产生活产生广泛而深刻的影响。随着电网公司在营销领域一体化各项工作的进一步开展，用户对公司优质服务的要求和期望越来越高，需要不断的延伸客户管理、客户分析、客户差异化服务，但当前客户服务方面仍存在不少挑战。一方面，用户对“用好电”期望值的不断提升，公司也提出了客户服务“一次都不跑”的要求。另一方面，随着用电客户数量的不断攀升以及服务的多样化，话务量激增、业务复杂，导致坐席工作强度较大，容易出现疲劳，从而影响客户体验和服务质量。
现有的技术中，由于客服人员流动性大，培训成本和周期较长，客户服务质量难以保障，因此需要一套完备的人工客服培训系统来解决这一问题。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于智能电网的人工客服训练方法及客服系统，通过设置系统化的培训模型，并对最终的培训进行评测，提高了培训效果，以解决现有的人工客服系统化培训存在困难导致客服质量较低的问题。
为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于智能电网的人工客服训练方法，所述客服训练方法包括如下步骤：
步骤S1，模拟人工坐席实际工作环境，并进行坐席仿真培训环境搭建；
步骤S2，选择典型训练场景示例，并进行对应业务操作学习；
步骤S3，选择不同类型的业务场景，并进行话务仿真实训；
步骤S4，对培训过程进行标准评测。
进一步地，所述步骤S1还包括如下子步骤：
步骤A1，从业务数据库中选取需要进行受理操作的若干选项，对每一个受理操作的选项进行分类，将受理操作的选项分为查询选项、信息发送选项、自助操作链接选项、留存更新选项以及自助播报选项，并为查询选项、信息发送选项、自助操作链接选项、留存更新选项以及自助播报选项分别对应设置查询模型、信息发送模型、自助操作链接模型、留存更新模型以及自助播报模型；
步骤A2，采用端口镜像对接电话系统，并从中获取到整个通话的完整状态过程以及主被叫等信息，并根据获取到的话务信息进行仿真话务环境的搭建；
步骤A3，根据仿真业务受理搭建策略中的自助操作选项建立机器人自助拨测数据库，根据对应的自助操作选项输出机器人自助拨测功能；
步骤A4，获取第一时间段内业务场景出现次数大于等于第一典型次数的业务场景作为典型业务场景，提取典型业务场景中的必填内容、标准话术、分析判断说明以及风险点等信息，将上述信息以标准示例的方式添加到该典型业务场景中作为培训参考。
进一步地，所述步骤S2还包括如下子步骤：
步骤B1，将步骤A1、A2、A3以及A4中搭建的信息分别根据业务场景进行整合，并搭建不同业务学习场景的模型，培训人员根据实际需要选择需要进行培训的业务学习场景模型，通过业务学习场景模型能够学习该业务场景中的各类信息；
步骤B2，将业务场景的学习信息设置为文字、录音以及视频的存储方式，培训人员可以根据实际学习需求选择对应的业务场景的学习信息。
进一步地，所述步骤S3还包括如下子步骤：
步骤C1，根据业务场景分别搭建对应的话务实训模型；
步骤C2，选择对应的话务实训模型，根据对应的话务实训模型进行话务实训。
进一步地，所述步骤S4还包括步骤D1，所述步骤D1包括：根据受理操作的选项设置选项勾选分值，未进行勾选时则不进行计分；再根据仿真话务实训过程中的答复完整度设置答复完整度分值，当该问答未进行答复时或答复错误时则不进行计分；将选项勾选分值和答复完整度分值代入到业务学习评测公式中求得业务学习分值；
当业务学习分值大于等于第一业务学习阈值时，输出业务学习高等级信号；当业务学习分值大于等于第二业务学习阈值且小于第一业务学习阈值时，输出业务学习中等级信号；当业务学习分值小于第二业务学习阈值时，输出业务学习低等级信号；
所述业务学习评测公式配置为：Pyx＝Pxg×Pdw；其中，Pyx为业务学习分值，Pxg为选项勾选分值，Pdw为答复完整度分值。
进一步地，所述步骤S4还包括步骤D2，所述步骤D2包括：在设定的学习时间内设置对应的学习范围，然后获取设定的学习时间内的业务学习场景模型的学习进度的占比以及静态学习中的学习进度的占比，并将业务学习场景模型的学习进度的占比以及静态学习中的学习进度的占比代入到学习进度评测公式中求得学习进度分值；
当学习进度分值大于等于第一学习进度阈值时，输出学习进度高等级信号；当学习进度分值大于等于第二学习进度阈值且小于第一学习进度阈值时，输出学习进度中等级信号；当学习进度分值小于第二学习进度阈值时，输出学习进度低等级信号；
所述学习进度评测公式配置为：Pxj＝Zxc×Zjx；其中，Pxj为学习进度分值，Zxc为业务学习场景模型的学习进度的占比，Zjx为静态学习中的学习进度的占比。
进一步地，所述步骤S4还包括步骤D3，所述步骤D3包括：将业务学习分值和学习进度分值代入到综合学习公式中求得综合学习分值；
当综合学习分值大于等于第一综合阈值时，输出高等级综合培训信号；当综合学习分值大于等于第二综合阈值且小于第一综合阈值时，输出中等级综合培训信号；当综合学习分值小于第二综合阈值时，输出低等级综合培训信号；
所述综合学习公式配置为：Pzh＝Pyx×Pxj；其中，Pzh为综合学习分值。
一种基于智能电网的人工客服系统，所述客服系统包括：人工客服训练子系统，所述人工训练子系统包括仿真培训环境搭建模块、仿真业务学习模块、仿真话务实训模块以及培训评测模块；
所述仿真培训环境搭建模块用于模拟人工坐席实际工作环境，并进行坐席仿真培训环境搭建；
所述仿真业务学习模块用于选择典型训练场景示例，并进行对应业务操作学习；
所述仿真话务实训模块用于选择不同类型的业务场景，并进行话务仿真实训；
所述培训评测模块用于对培训过程进行标准评测。
进一步地，所述仿真培训环境搭建模块包括仿真业务受理搭建单元、仿真话务环境搭建单元、仿真拨测机器人搭建单元以及典型业务场景梳理单元；
所述仿真业务受理搭建单元配置有仿真业务受理搭建策略，所述仿真业务受理搭建策略包括：从业务数据库中选取需要进行受理操作的若干选项，对每一个受理操作的选项进行分类，将受理操作的选项分为查询选项、信息发送选项、自助操作链接选项、留存更新选项以及自助播报选项，并为查询选项、信息发送选项、自助操作链接选项、留存更新选项以及自助播报选项分别对应设置查询模型、信息发送模型、自助操作链接模型、留存更新模型以及自助播报模型；
所述仿真话务环境搭建单元配置有仿真话务环境搭建策略，所述仿真话务环境搭建策略包括：采用端口镜像对接电话系统，并从中获取到整个通话的完整状态过程以及主被叫等信息，并根据获取到的话务信息进行仿真话务环境的搭建；
所述仿真拨测机器人搭建单元配置有仿真拨测机器人搭建策略，所述仿真拨测机器人搭建策略包括：根据仿真业务受理搭建策略中的自助操作选项建立机器人自助拨测数据库，根据对应的自助操作选项输出机器人自助拨测功能；
所述典型业务场景梳理单元配置有典型业务场景梳理策略，所述典型业务场景梳理策略包括：获取第一时间段内业务场景出现次数大于等于第一典型次数的业务场景作为典型业务场景，提取典型业务场景中的必填内容、标准话术、分析判断说明以及风险点等信息，将上述信息以标准示例的方式添加到该典型业务场景中作为培训参考。
进一步地，所述仿真业务学习模块包括仿真业务学习场景搭建单元以及静态学习单元；
所述仿真业务学习场景搭建单元配置有仿真业务学习场景搭建策略，所述仿真业务学习场景搭建策略包括：将仿真业务受理搭建单元、仿真话务环境搭建单元、仿真拨测机器人搭建单元以及典型业务场景梳理单元中搭建的信息分别根据业务场景进行整合，并搭建不同业务学习场景的模型，培训人员根据实际需要选择需要进行培训的业务学习场景模型，通过业务学习场景模型能够学习该业务场景中的各类信息；
所述静态学习单元配置有静态学习策略，所述静态学习策略包括：将业务场景的学习信息设置为文字、录音以及视频的存储方式，培训人员可以根据实际学习需求选择对应的业务场景的学习信息。
进一步地，所述仿真话务实训模块包括仿真话务实训场景搭建单元以及仿真话务实训单元；
所述仿真话务实训场景搭建单元配置有仿真话务实训场景搭建策略，所述仿真话务实训场景搭建策略包括：根据业务场景分别搭建对应的话务实训模型；
所述仿真话务实训单元配置有仿真话务实训策略，所述仿真话务实训策略包括：选择对应的话务实训模型，根据对应的话务实训模型进行话务实训。
进一步地，所述培训评测模块包括业务学习评测单元以及学习进度评测单元，所述业务学习评测单元配置有业务学习评测策略，所述业务学习评测策略包括：根据受理操作的选项设置选项勾选分值，未进行勾选时则不进行计分；再根据仿真话务实训过程中的答复完整度设置答复完整度分值，当该问答未进行答复时或答复错误时则不进行计分；将选项勾选分值和答复完整度分值代入到业务学习评测公式中求得业务学习分值；所述业务学习评测公式配置为：Pyx＝Pxg×Pdw；其中，Pyx为业务学习分值，Pxg为选项勾选分值，Pdw为答复完整度分值；
当业务学习分值大于等于第一业务学习阈值时，输出业务学习高等级信号；当业务学习分值大于等于第二业务学习阈值且小于第一业务学习阈值时，输出业务学习中等级信号；当业务学习分值小于第二业务学习阈值时，输出业务学习低等级信号。
进一步地，所述学习进度评测单元配置有学习进度评测策略，所述学习进度评测策略包括：在设定的学习时间内设置对应的学习范围，然后获取设定的学习时间内的业务学习场景模型的学习进度的占比以及静态学习中的学习进度的占比，并将业务学习场景模型的学习进度的占比以及静态学习中的学习进度的占比代入到学习进度评测公式中求得学习进度分值；所述学习进度评测公式配置为：Pxj＝Zxc×Zjx；其中，Pxj为学习进度分值，Zxc为业务学习场景模型的学习进度的占比，Zjx为静态学习中的学习进度的占比；
当学习进度分值大于等于第一学习进度阈值时，输出学习进度高等级信号；当学习进度分值大于等于第二学习进度阈值且小于第一学习进度阈值时，输出学习进度中等级信号；当学习进度分值小于第二学习进度阈值时，输出学习进度低等级信号。
进一步地，所述培训评测模块还配置有综合评测策略，所述综合评测策略包括：将业务学习分值和学习进度分值代入到综合学习公式中求得综合学习分值；所述综合学习公式配置为：Pzh＝Pyx×Pxj；其中，Pzh为综合学习分值；
当综合学习分值大于等于第一综合阈值时，输出高等级综合培训信号；当综合学习分值大于等于第二综合阈值且小于第一综合阈值时，输出中等级综合培训信号；当综合学习分值小于第二综合阈值时，输出低等级综合培训信号。
本发明的有益效果：本发明通过模拟人工坐席实际工作环境，并进行坐席仿真培训环境搭建；再通过选择典型训练场景示例，并进行对应业务操作学习；然后通过选择不同类型的业务场景，并进行话务仿真实训；最后再对培训过程进行标准评测，该过程能够建立一套完备的人工客服培训方法，从而有助于提高客服统一化的标准质量，从而提高人工客服的服务水平。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的客服系统的原理框图；
图2为本发明的客服训练方法的流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
请参阅图1，本发明提供一种基于智能电网的人工客服系统，所述客服系统包括：人工客服训练子系统，通过搭建仿真培训环境，依托底层能力和引擎，结合实际业务需求，构建为客服代表提供仿真学习、仿真培训及评测的智能仿真培训应用。
所述人工训练子系统包括仿真培训环境搭建模块、仿真业务学习模块、仿真话务实训模块以及培训评测模块；
所述仿真培训环境搭建模块用于模拟人工坐席实际工作环境，并进行坐席仿真培训环境搭建；模拟坐席实际工作环境，进行坐席智能仿真培训环境搭建。环境搭建内容包括：仿真业务受理、仿真话务环境搭建、仿真拨测机器人、典型业务场景梳理。
所述培训评测模块用于对培训过程进行标准评测。
所述仿真培训环境搭建模块包括仿真业务受理搭建单元、仿真话务环境搭建单元、仿真拨测机器人搭建单元以及典型业务场景梳理单元；
所述仿真业务受理搭建单元配置有仿真业务受理搭建策略，所述仿真业务受理搭建策略包括：从业务数据库中选取需要进行受理操作的若干选项，对每一个受理操作的选项进行分类，将受理操作的选项分为查询选项、信息发送选项、自助操作链接选项、留存更新选项以及自助播报选项，并为查询选项、信息发送选项、自助操作链接选项、留存更新选项以及自助播报选项分别对应设置查询模型、信息发送模型、自助操作链接模型、留存更新模型以及自助播报模型；具体地，仿真业务模拟功能包含实际上岗后操作的业务系统主要功能。仿真业务受理包括坐席痕迹留存、仿真停电查询、仿真电费查询、仿真身份验证、仿真客户档案、仿真更新档案、仿真知识查询、仿真业扩业务、仿真一口受理、仿真快捷缴费、仿真电费模拟、仿真电子账单、仿真短信账单、仿真历史电费、仿真转自动播报、仿真交互记录、仿真历史来话、仿真复检管理、仿真语音评价、仿真短信发送、仿真邮件发送、仿真打印工作单、仿真关联工作单、仿真添加工作单。
所述仿真话务环境搭建单元配置有仿真话务环境搭建策略，所述仿真话务环境搭建策略包括：采用端口镜像对接电话系统，并从中获取到整个通话的完整状态过程以及主被叫等信息，并根据获取到的话务信息进行仿真话务环境的搭建；具体地，采用Mirror服务基于端口镜像技术，通过对PBX服务器中的SIP、RTP协议进行抓包分析，其中从SIP信令中获取到整个通话的完整状态过程，以及主被叫等信息；从SDP协议中获取到主被叫RTP语音流的连接地址、编码格式等通话数据信息，进而抓取通话的语音流数据。
所述仿真拨测机器人搭建单元配置有仿真拨测机器人搭建策略，所述仿真拨测机器人搭建策略包括：根据仿真业务受理搭建策略中的自助操作选项建立机器人自助拨测数据库，根据对应的自助操作选项输出机器人自助拨测功能。
所述典型业务场景梳理单元配置有典型业务场景梳理策略，所述典型业务场景梳理策略包括：获取第一时间段内业务场景出现次数大于等于第一典型次数的业务场景作为典型业务场景，提取典型业务场景中的必填内容、标准话术、分析判断说明以及风险点等信息，将上述信息以标准示例的方式添加到该典型业务场景中作为培训参考。具体地在典型业务场景梳理过程中，由经验丰富的人员收集实际工作中的常见业务场景，梳理每个场景评测的关键要素包括必填内容、标准话术、分析判断说明、风险点等细节，结合典型录音以标准示例的方式固化到系统中。每个场景的搭建都需投入大量人力物力，本项目建设范围可实现不超过三个拨测场景的搭建，后续场景搭建需另外项目支持或考量。其中，也可以设置最佳案例录音导入：业务专家选取对应业务类型的最佳案例录音，承建商配合业务专家将最佳案例录音提取并导入系统，作为场景搭建的依据；最佳案例播听：提供最佳案例播听功能，业务专家和承建商可通过此功能播听最佳案例录音，系统将最佳案例录音转译成文本并展示，业务专家或模型构建师调整转译不准确字眼，生成最佳案例文本；对白提取与调整：系统将最佳案例文本展示，模型构建师提取案例文本，并做微调，用于构建场景会话树；场景会话树搭建与训练：根据场景提取的对白，搭建场景会话树，利用仿真拨测机器人的智能应答能力和多轮会话配置能力构建会话场景；综合考虑建设成本和业务需求，可选择投诉、故障报修、电费查询各搭建一个对话场景。
所述仿真业务学习模块用于选择典型训练场景示例，并进行对应业务操作学习；智能业务仿真学习，新坐席人员可选择典型训练场景示例，根据录音中坐席员与客户对话内容，对服务话术以及相关业务操作进行学习。通过这些典型业务场景的培训学习，对实际业务办理过程中的关键点、风险点提前训练和预知，提升自身不足点。仿真业务学习包括静态学习和仿真学习；所述仿真业务学习模块包括仿真业务学习场景搭建单元以及静态学习单元；
所述仿真业务学习场景搭建单元配置有仿真业务学习场景搭建策略，所述仿真业务学习场景搭建策略包括：将仿真业务受理搭建单元、仿真话务环境搭建单元、仿真拨测机器人搭建单元以及典型业务场景梳理单元中搭建的信息分别根据业务场景进行整合，并搭建不同业务学习场景的模型，培训人员根据实际需要选择需要进行培训的业务学习场景模型，通过业务学习场景模型能够学习该业务场景中的各类信息；其中，每个业务受理场景都需要单独配置和维护，可配置的场景包括如下类型：咨询查询类工单，如果坐席可以直接答复客户，则工单进行归档操作；
咨询查询类工单，如不能直接答复且不能确定用户所属市局，则将工单传递至省调度审核环节；
咨询查询类工单，如不能直接答复且能确定用户所属市局，则将工单传递至地市诉求审核环节。
表扬类工单，如果坐席可以直接答复客户，则工单进行归档操作。
表扬类工单，如不能直接答复且不能确定用户所属市局，则将工单传递至省调度审核环节。
表扬类工单，如不能直接答复且能确定用户所属市局，则将工单传递至地市诉求审核环节。
节能服务类工单，如果坐席可以直接答复客户，则工单进行归档操作。
节能服务类工单，如不能直接答复且不能确定用户所属市局，则将工单传递至省调度审核环节。
节能服务类工单，如不能直接答复且能确定用户所属市局，则将工单传递至地市诉求审核环节。
订阅信息类工单，如果坐席可以直接答复客户，则工单进行归档操作。
订阅信息类工单，如不能直接答复且不能确定用户所属市局，则将工单传递至省调度审核环节。
订阅信息类工单，如不能直接答复且能确定用户所属市局，则将工单传递至地市诉求审核环节。
其他类工单，如果坐席可以直接答复客户，则工单进行归档操作。
其他类工单，如不能直接答复且不能确定用户所属市局，则将工单传递至省调度审核环节。
其他类工单，如不能直接答复且能确定用户所属市局，则将工单传递至地市诉求审核环节。
故障报修类工单，如果坐席能够判断故障所属市局并且需要地市调度分派部门，则传递至地市诉求审核环节。
故障报修类工单，如果坐席能够判断故障所属市局并且不需要地市调度分派部门，则传递至业务处理环节。
故障报修类工单，如果坐席不能判断故障所属市局则传递至省调度审核环节。
用电业务类工单，如果坐席能够判断用户所属市局，则传递至地市诉求审核。
用电业务类工单，如果坐席不能够判断用户所属市局，则传递至省调度审核环节。
投诉类工单，如果坐席能够判断用户所属市局，则传递至地市诉求审核。
投诉类工单，如果坐席不能够判断用户所属市局，则传递至省调度审核环节。
举报类工单，如果坐席能够判断用户所属市局，则传递至地市诉求审核。
举报类工单，如果坐席不能够判断用户所属市局，则传递至省调度审核环节。
意见类工单，如果坐席能够判断用户所属市局，则传递至地市诉求审核。
意见类工单，如果坐席不能够判断用户所属市局，则传递至省调度审核环节。
建议类工单，如果坐席能够判断用户所属市局，则传递至地市诉求审核。
建议类工单，如果坐席不能够判断用户所属市局，则传递至省调度审核环节。
所述静态学习单元配置有静态学习策略，所述静态学习策略包括：将业务场景的学习信息设置为文字、录音以及视频的存储方式，培训人员可以根据实际学习需求选择对应的业务场景的学习信息。
所述仿真话务实训模块用于选择不同类型的业务场景，并进行话务仿真实训；开发仿真话务实训功能，新进坐席可以选择不同类型的业务场景，进行话务仿真实训。话务仿真实训内容包括搭建仿真话务实训场景、话务实训和业务操作实训等；所述仿真话务实训模块包括仿真话务实训场景搭建单元以及仿真话务实训单元；
所述仿真话务实训场景搭建单元配置有仿真话务实训场景搭建策略，所述仿真话务实训场景搭建策略包括：根据业务场景分别搭建对应的话务实训模型；具体地，业务专家挑选典型的场景录音文件，选择场景类别，关联这些场景录音文件；业务专家分析这些典型场景录音，根据录音特点和难易度、业务分类等将该录音诉求处理要点、关键点、风险点、训练点等内容维护，关键信息保存后即生成实训场景；
所述仿真话务实训单元配置有仿真话务实训策略，所述仿真话务实训策略包括：选择对应的话务实训模型，根据对应的话务实训模型进行话务实训。具体地，在实训过程中，培训人员选择实训场景，开展仿真业务实训。通过语音平台IVR自动向实训坐席所在IP话机拨打电话，智能机器人模拟客户与受训坐席进行对话，培训人员与智能机器人进行仿真对话时，通过实时语音识别引擎对培训人员的语音进行实时转译，后台留存培训人员的对话全文本记录。
所述培训评测模块包括业务学习评测单元以及学习进度评测单元，所述业务学习评测单元配置有业务学习评测策略，所述业务学习评测策略包括：根据受理操作的选项设置选项勾选分值，未进行勾选时则不进行计分；再根据仿真话务实训过程中的答复完整度设置答复完整度分值，当该问答未进行答复时或答复错误时则不进行计分；将选项勾选分值和答复完整度分值代入到业务学习评测公式中求得业务学习分值；所述业务学习评测公式配置为：Pyx＝Pxg×Pdw；其中，Pyx为业务学习分值，Pxg为选项勾选分值，Pdw为答复完整度分值；
当业务学习分值大于等于第一业务学习阈值时，输出业务学习高等级信号；当业务学习分值大于等于第二业务学习阈值且小于第一业务学习阈值时，输出业务学习中等级信号；当业务学习分值小于第二业务学习阈值时，输出业务学习低等级信号；其中，第一业务学习阈值大于第二业务学习阈值，业务学习分值越大代表学习的质量越高。
所述学习进度评测单元配置有学习进度评测策略，所述学习进度评测策略包括：在设定的学习时间内设置对应的学习范围，然后获取设定的学习时间内的业务学习场景模型的学习进度的占比以及静态学习中的学习进度的占比，并将业务学习场景模型的学习进度的占比以及静态学习中的学习进度的占比代入到学习进度评测公式中求得学习进度分值；所述学习进度评测公式配置为：Pxj＝Zxc×Zjx；其中，Pxj为学习进度分值，Zxc为业务学习场景模型的学习进度的占比，Zjx为静态学习中的学习进度的占比；
当学习进度分值大于等于第一学习进度阈值时，输出学习进度高等级信号；当学习进度分值大于等于第二学习进度阈值且小于第一学习进度阈值时，输出学习进度中等级信号；当学习进度分值小于第二学习进度阈值时，输出学习进度低等级信号。其中第一学习进度阈值大于第二学习进度阈值，学习进度分值越大表示学习进度越快。
所述培训评测模块还配置有综合评测策略，所述综合评测策略包括：将业务学习分值和学习进度分值代入到综合学习公式中求得综合学习分值；所述综合学习公式配置为：Pzh＝Pyx×Pxj；其中，Pzh为综合学习分值；
当综合学习分值大于等于第一综合阈值时，输出高等级综合培训信号；当综合学习分值大于等于第二综合阈值且小于第一综合阈值时，输出中等级综合培训信号；当综合学习分值小于第二综合阈值时，输出低等级综合培训信号。其中第一综合阈值大于第二综合阈值，综合学习分值越高表示综合学习的质量越高。
请参阅图2，本发明还提供一种基于智能电网的人工客服训练方法，所述客服训练方法包括如下步骤：
步骤S1，模拟人工坐席实际工作环境，并进行坐席仿真培训环境搭建；所述步骤S1还包括如下子步骤：
步骤A1，从业务数据库中选取需要进行受理操作的若干选项，对每一个受理操作的选项进行分类，将受理操作的选项分为查询选项、信息发送选项、自助操作链接选项、留存更新选项以及自助播报选项，并为查询选项、信息发送选项、自助操作链接选项、留存更新选项以及自助播报选项分别对应设置查询模型、信息发送模型、自助操作链接模型、留存更新模型以及自助播报模型；
步骤A2，采用端口镜像对接电话系统，并从中获取到整个通话的完整状态过程以及主被叫等信息，并根据获取到的话务信息进行仿真话务环境的搭建；
步骤A3，根据仿真业务受理搭建策略中的自助操作选项建立机器人自助拨测数据库，根据对应的自助操作选项输出机器人自助拨测功能；
步骤A4，获取第一时间段内业务场景出现次数大于等于第一典型次数的业务场景作为典型业务场景，提取典型业务场景中的必填内容、标准话术、分析判断说明以及风险点等信息，将上述信息以标准示例的方式添加到该典型业务场景中作为培训参考。
步骤S2，选择典型训练场景示例，并进行对应业务操作学习；所述步骤S2还包括如下子步骤：
步骤B1，将步骤A1、A2、A3以及A4中搭建的信息分别根据业务场景进行整合，并搭建不同业务学习场景的模型，培训人员根据实际需要选择需要进行培训的业务学习场景模型，通过业务学习场景模型能够学习该业务场景中的各类信息；
步骤B2，将业务场景的学习信息设置为文字、录音以及视频的存储方式，培训人员可以根据实际学习需求选择对应的业务场景的学习信息。
步骤S3，选择不同类型的业务场景，并进行话务仿真实训；所述步骤S3还包括如下子步骤：
步骤C1，根据业务场景分别搭建对应的话务实训模型；
步骤C2，选择对应的话务实训模型，根据对应的话务实训模型进行话务实训。
步骤S4，对培训过程进行标准评测；所述步骤S4还包括如下子步骤：
步骤D1，根据受理操作的选项设置选项勾选分值，未进行勾选时则不进行计分；再根据仿真话务实训过程中的答复完整度设置答复完整度分值，当该问答未进行答复时或答复错误时则不进行计分；将选项勾选分值和答复完整度分值代入到业务学习评测公式中求得业务学习分值；
当业务学习分值大于等于第一业务学习阈值时，输出业务学习高等级信号；当业务学习分值大于等于第二业务学习阈值且小于第一业务学习阈值时，输出业务学习中等级信号；当业务学习分值小于第二业务学习阈值时，输出业务学习低等级信号。
步骤D2，在设定的学习时间内设置对应的学习范围，然后获取设定的学习时间内的业务学习场景模型的学习进度的占比以及静态学习中的学习进度的占比，并将业务学习场景模型的学习进度的占比以及静态学习中的学习进度的占比代入到学习进度评测公式中求得学习进度分值；
当学习进度分值大于等于第一学习进度阈值时，输出学习进度高等级信号；当学习进度分值大于等于第二学习进度阈值且小于第一学习进度阈值时，输出学习进度中等级信号；当学习进度分值小于第二学习进度阈值时，输出学习进度低等级信号。
步骤D3，将业务学习分值和学习进度分值代入到综合学习公式中求得综合学习分值；
当综合学习分值大于等于第一综合阈值时，输出高等级综合培训信号；当综合学习分值大于等于第二综合阈值且小于第一综合阈值时，输出中等级综合培训信号；当综合学习分值小于第二综合阈值时，输出低等级综合培训信号。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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所述权利要求的保护范围为准。
Claims (3)
1.一种基于智能电网的人工客服训练方法，其特征在于，所述客服训练方法包括如下步骤：
步骤S1，模拟人工坐席实际工作环境，并进行坐席仿真培训环境搭建；
步骤S2，选择典型训练场景示例，并进行对应业务操作学习；
步骤S3，选择不同类型的业务场景，并进行话务仿真实训；
步骤S4，对培训过程进行标准评测；
所述步骤S1还包括如下子步骤：
步骤A1，从业务数据库中选取需要进行受理操作的若干选项，对每一个受理操作的选项进行分类，将受理操作的选项分为查询选项、信息发送选项、自助操作链接选项、留存更新选项以及自助播报选项，并为查询选项、信息发送选项、自助操作链接选项、留存更新选项以及自助播报选项分别对应设置查询模型、信息发送模型、自助操作链接模型、留存更新模型以及自助播报模型；
步骤A2，采用端口镜像对接电话系统，并从中获取到整个通话的完整状态过程以及主被叫等信息，并根据获取到的话务信息进行仿真话务环境的搭建；
步骤A3，根据仿真业务受理搭建策略中的自助操作选项建立机器人自助拨测数据库，根据对应的自助操作选项输出机器人自助拨测功能；
步骤A4，获取第一时间段内业务场景出现次数大于等于第一典型次数的业务场景作为典型业务场景，提取典型业务场景中的必填内容、标准话术、分析判断说明以及风险点等信息，将上述信息以标准示例的方式添加到该典型业务场景中作为培训参考；
所述步骤S2还包括如下子步骤：
步骤B1，将步骤A1、A2、A3以及A4中搭建的信息分别根据业务场景进行整合，并搭建不同业务学习场景的模型，培训人员根据实际需要选择需要进行培训的业务学习场景模型，通过业务学习场景模型能够学习该业务场景中的各类信息；
步骤B2，将业务场景的学习信息设置为文字、录音以及视频的存储方式，培训人员可以根据实际学习需求选择对应的业务场景的学习信息；
所述步骤S3还包括如下子步骤：
步骤C1，根据业务场景分别搭建对应的话务实训模型；
步骤C2，选择对应的话务实训模型，根据对应的话务实训模型进行话务实训；
所述步骤S4还包括步骤D1，所述步骤D1包括：根据受理操作的选项设置选项勾选分值，未进行勾选时则不进行计分；再根据仿真话务实训过程中的答复完整度设置答复完整度分值，当该问答未进行答复时或答复错误时则不进行计分；将选项勾选分值和答复完整度分值代入到业务学习评测公式中求得业务学习分值；
当业务学习分值大于等于第一业务学习阈值时，输出业务学习高等级信号；当业务学习分值大于等于第二业务学习阈值且小于第一业务学习阈值时，输出业务学习中等级信号；当业务学习分值小于第二业务学习阈值时，输出业务学习低等级信号；
所述业务学习评测公式配置为：Pyx＝Pxg×Pdw；其中，Pyx为业务学习分值，Pxg为选项勾选分值，Pdw为答复完整度分值；
所述步骤S4还包括步骤D2，所述步骤D2包括：在设定的学习时间内设置对应的学习范围，然后获取设定的学习时间内的业务学习场景模型的学习进度的占比以及静态学习中的学习进度的占比，并将业务学习场景模型的学习进度的占比以及静态学习中的学习进度的占比代入到学习进度评测公式中求得学习进度分值；
当学习进度分值大于等于第一学习进度阈值时，输出学习进度高等级信号；当学习进度分值大于等于第二学习进度阈值且小于第一学习进度阈值时，输出学习进度中等级信号；当学习进度分值小于第二学习进度阈值时，输出学习进度低等级信号；
所述学习进度评测公式配置为：Pxj＝Zxc×Zjx；其中，Pxj为学习进度分值，Zxc为业务学习场景模型的学习进度的占比，Zjx为静态学习中的学习进度的占比。
2.根据权利要求1所述的一种基于智能电网的人工客服训练方法，其特征在于，所述步骤S4还包括步骤D3，所述步骤D3包括：将业务学习分值和学习进度分值代入到综合学习公式中求得综合学习分值；
当综合学习分值大于等于第一综合阈值时，输出高等级综合培训信号；当综合学习分值大于等于第二综合阈值且小于第一综合阈值时，输出中等级综合培训信号；当综合学习分值小于第二综合阈值时，输出低等级综合培训信号；
所述综合学习公式配置为：Pzh＝Pyx×Pxj；其中，Pzh为综合学习分值。
3.一种基于智能电网的人工客服系统，其特征在于，所述客服系统包括：人工客服训练子系统，所述人工训练子系统包括权利要求1和2中任意一项所述的一种基于智能电网的人工客服训练方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210667185.6A CN115171453B (zh) | 2022-06-13 | 2022-06-13 | 一种基于智能电网的人工客服训练方法及客服系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210667185.6A CN115171453B (zh) | 2022-06-13 | 2022-06-13 | 一种基于智能电网的人工客服训练方法及客服系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115171453A CN115171453A (zh) | 2022-10-11 |
| CN115171453B true CN115171453B (zh) | 2023-05-30 |
Family
ID=83485212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210667185.6A Active CN115171453B (zh) | 2022-06-13 | 2022-06-13 | 一种基于智能电网的人工客服训练方法及客服系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115171453B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111953854A (zh) * | 2019-05-14 | 2020-11-17 | 新联协同通信技术(北京)有限公司 | 一种基于场景模型的智能客服辅助方法 |
| CN112053597A (zh) * | 2020-10-13 | 2020-12-08 | 北京灵伴即时智能科技有限公司 | 人工坐席培训考核方法及系统 |
| CN114037569A (zh) * | 2021-09-27 | 2022-02-11 | 苏州贝果智能科技有限公司 | 基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04114263A (ja) * | 1990-09-04 | 1992-04-15 | Matsushita Electric Ind Co Ltd | 学習機械 |
| US20040214145A1 (en) * | 2003-04-23 | 2004-10-28 | Say-Ling Wen | Sentence-conversation teaching system with environment and role selections and method of the same |
| CN103200469B (zh) * | 2013-03-29 | 2016-08-03 | 烽火通信科技股份有限公司 | Pon系统接入终端实现ip语音业务呼叫仿真的方法 |
| CN109993314B (zh) * | 2019-02-13 | 2020-07-10 | 阿里巴巴集团控股有限公司 | 基于强化学习模型的业务用户分流方法和装置 |
| CN112017080A (zh) * | 2019-05-29 | 2020-12-01 | 广东小天才科技有限公司 | 一种学习任务的分配控制方法和系统 |
| CN112163066B (zh) * | 2020-09-08 | 2023-12-05 | 天讯瑞达通信技术有限公司 | 人工智能模型训练方法、知识点推送方法、装置和介质 |
-
2022
- 2022-06-13 CN CN202210667185.6A patent/CN115171453B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111953854A (zh) * | 2019-05-14 | 2020-11-17 | 新联协同通信技术(北京)有限公司 | 一种基于场景模型的智能客服辅助方法 |
| CN112053597A (zh) * | 2020-10-13 | 2020-12-08 | 北京灵伴即时智能科技有限公司 | 人工坐席培训考核方法及系统 |
| CN114037569A (zh) * | 2021-09-27 | 2022-02-11 | 苏州贝果智能科技有限公司 | 基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115171453A (zh) | 2022-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111192060B (zh) | 一种基于电力it服务全渠道自助应答实现方法 | |
| CN106815709B (zh) | 一种服务快速响应中心支撑系统及方法 | |
| CN104125349B (zh) | 一种基于话务预测的语音交互管理方法及其系统 | |
| CN102841923B (zh) | 信息处理平台及信息处理方法 | |
| CN105262977A (zh) | 一种基于云计算和网络视频会议的云客服平台 | |
| CN101373533A (zh) | 基于移动通信信令网关的实时精确营销装置及数据处理方法 | |
| CN104125354A (zh) | 一种基于来电需求的调控语音服务方法及其系统 | |
| CN104125352A (zh) | 一种基于来电需求的语音预测联动方法及其系统 | |
| CN110689385A (zh) | 一种基于知识图谱的电力客服用户画像构建方法 | |
| CN110392168A (zh) | 呼叫处理方法、装置、服务器、存储介质和系统 | |
| Sharp | Call center operation: design, operation, and maintenance | |
| CN107403396A (zh) | 一种基于微信的智慧物业管理平台 | |
| CN113408846A (zh) | 一种基于ai人工智能的电话营销管理方法及系统 | |
| CN112184530A (zh) | 政企互动服务平台 | |
| US11272056B2 (en) | Artificial-intelligence powered skill management systems and methods | |
| CN106920429B (zh) | 一种信息处理方法及装置 | |
| CN113139855A (zh) | 共享律所法律咨询快速响应系统 | |
| CN115858744A (zh) | 一种基于ai的外呼方法、装置和存储介质 | |
| CN115171453B (zh) | 一种基于智能电网的人工客服训练方法及客服系统 | |
| CN118037305A (zh) | 一种智能ai互动服务处理方法 | |
| CN111988476B (zh) | 客户服务系统的自动语音协同工作方法 | |
| CN116739434A (zh) | 一种基于四维客户契合管理的服务测评方法及系统 | |
| CN103685788A (zh) | 一种基于ip网络的自动电话外呼及语音交互系统 | |
| CN111985948A (zh) | 一种移动广告数据自动跟踪监测平台 | |
| CN102917317B (zh) | 欠费停机应急通讯系统 |
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 |