CN115330243A - 客服工单分配方法及装置 - Google Patents

Abstract

本申请公开了一种客服工单分配方法及装置。其中，该方法包括：基于目标对象特征数据和客服坐席特征数据，分别确定目标对象的第一画像评分和客服坐席的第二画像评分，客服工单对应目标对象的客服请求；依据第一画像评分与第二画像评分确定目标评分；统计目标评分得到每个待分配客服对应所有客服工单的评分集合；从评分集合中确定评分高于设定阈值的目标客服工单，并将目标客服工单分配给目标客服坐席。本申请解决了由于客服工单与客服坐席匹配准确率低造成的客服工单处理效率低的技术问题。

Description

客服工单分配方法及装置

技术领域

本申请涉及人工智能技术领域，具体而言，涉及一种客服工单分配方法及装置。

背景技术

在开展存量用户关怀维系时，常用的方法是生成外呼服务工单、匹配服务方案由客服代表外呼执行，当存在多个待处理的外呼服务工单时，需要合理分配坐席以快速准确的完成服务动作。相关技术中主要采用如下方法：一种是基于用户画像计算“用户单侧资源转化率”，根据坐席空闲状态无差别地平均分配或随机匹配外呼；一种是将预估成功率高的工单集中分配给优质坐席外呼；一种是匹配工单和坐席画像的关系后按预估完成概率进行分配。以上方法未综合考量用户特点、服务方案的特点以及坐席特点，容易出现因不合适的匹配导致交流效果不佳、不同技能的坐席效能空间利用不足的问题；同时，无法对工单分配动态调整，导致整体效能无法最大化。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种客服工单分配方法及装置，以至少解决由于客服工单与客服坐席匹配准确率低造成的客服工单处理效率低的技术问题。

根据本申请实施例的一个方面，提供了一种客服工单分配方法，包括：基于目标对象特征数据和客服坐席特征数据，分别确定目标对象的第一画像评分和客服坐席的第二画像评分，客服工单对应目标对象的客服请求；依据第一画像评分与第二画像评分确定目标评分；统计目标评分得到每个待分配客服对应所有客服工单的评分集合；从评分集合中确定评分高于设定阈值的目标客服工单，并将目标客服工单分配给目标客服坐席。

可选地，依据第一画像评分与第二画像评分确定目标评分之后，方法还包括：确定预设时段内目标评分的第一权重和第二权重；基于第一权重和第二权重确定第一目标评分，并统计第一目标评分得到第一评分集合。

可选地，确定预设时段内目标评分的第一权重，包括：提取客服坐席特征数据中的第一时序情绪特征；将第一时序情绪特征组合为高阶特征，高阶特征表示客服坐席在预设时段内的情绪承载能力变化曲线；将高阶特征确定为目标评分矩阵的第一权重。

可选地，确定预设时段内目标评分的第二权重，包括：确定待分配客服坐席已经完成的前一个客服工单的状态特征，客服工单的状态特征表示客服工单是否成功处理；将前一个客服工单的状态特征确定为目标评分的第二权重。

可选地，从评分集合中确定评分高于设定阈值的目标客服工单，并将目标客服工单分配给目标客服坐席，包括：在目标客服坐席还未处理客服工单的情况下，从评分集合中确定目标客服坐席对应的所有客服工单的评分，并从所有待分配客服工单中确定评分最高的待分配客服工单为目标客服工单；在目标客服坐席已经开始处理客服工单的情况下，从第一评分集合中确定所有客服工单中评分高于设定阈值的客服工单为目标客服工单。

可选地，基于目标对象特征数据和客服坐席特征数据，分别确定目标对象的第一画像评分和客服坐席的第二画像评分，包括：获取目标对象特征数据和客服坐席特征数据；将目标对象特征数据和客服坐席特征数据拼接为稀疏长向量，并将稀疏长向量编码为同一长度的稠密向量；将稠密向量输入到预设模型中得到目标对象的第一画像评分和客服坐席的第二画像评分。

可选地，在获取目标对象特征数据和客服坐席特征数据之后，方法还包括：对目标对象特征数据和客服坐席特征数据中的异常数据进行清洗。

根据本申请实施例的另一方面，还提供了一种客服工单分配方法，包括：接收目标对象的客服请求；确定目标对象对应的第一画像评分，并获取客服系统中所有客服坐席的第二画像评分；依据第一画像评分和第二画像评分确定目标评分，统计目标评分得到客服请求对应所有待分配客服坐席的评分集合；从评分集合中确定评分高于设定阈值的目标客服坐席，并将客服请求分配给目标客服坐席。

根据本申请实施例的再一方面，还提供了一种客服工单分配装置，包括：第一确定模块，用于基于目标对象特征数据和客服坐席特征数据，分别确定目标对象的第一画像评分和客服坐席的第二画像评分，客服工单对应目标对象的客服请求；第二确定模块，用于依据第一画像评分与第二画像评分确定目标评分；统计模块，用于统计目标评分得到每个待分配客服对应所有客服工单的评分集合；分配模块，用于从评分集合中确定评分高于设定阈值的目标客服工单，并将目标客服工单分配给目标客服坐席。

根据本申请实施例的再一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行上述客服工单分配方法。

根据本申请实施例的再一方面，还提供了一种电子设备，包括存储器和处理器，处理器用于运行程序，其中，程序运行时执行上述客服工单分配方法。

在本申请实施例中，采用基于目标对象特征数据和客服坐席特征数据，分别确定目标对象的第一画像评分和客服坐席的第二画像评分，客服工单对应目标对象的客服请求；依据第一画像评分与第二画像评分确定目标评分；统计目标评分得到每个待分配客服对应所有客服工单的评分集合；从评分集合中确定评分高于设定阈值的目标客服工单，并将目标客服工单分配给目标客服坐席的方式，通过获取目标对象特征数据和客服坐席特征数据，确定第一画像评分与第二画像评分，并综合第一画像评分与第二画像评分得到目标评分，并基于目标评分确定与客服坐席匹配的目标工单，达到了综合考虑目标对象与客服坐席两者关系目的，从而实现了提高客服工单与客服坐席匹配准确率的技术效果，进而解决了由于客服工单与客服坐席匹配准确率低造成的客服工单处理效率低技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种用于客服工单分配方法的计算机终端(或移动设备)的硬件结构框图；

图2是根据本申请的一种客服工单分配方法的示意图；

图3根据本申请实施例的另一种可选的客服工单分配方法的示意图；

图4是根据本申请实施例的一种可选的客服工单分配装置示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本申请实施例，还提供了一种客服工单分配方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例所提供的方法实施例可以在移动终端、计算机终端、云端服务器或者类似的运算装置中执行。图1示出了一种用于实现客服工单分配方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。

存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的客服工单分配方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的客服工单分配方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输模块106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输模块106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。

根据本申请实施例，提供了一种客服工单分配方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图2是根据本申请实施例的客服工单分配方法的流程图，如图2所示，该方法包括如下步骤：

步骤S202，基于目标对象特征数据和客服坐席特征数据，分别确定目标对象的第一画像评分和客服坐席的第二画像评分，客服工单对应目标对象的客服请求；

步骤S204，依据第一画像评分与第二画像评分确定目标评分；

步骤S206，统计目标评分得到每个待分配客服对应所有客服工单的评分集合；

步骤S208，从评分集合中确定评分高于设定阈值的目标客服工单，并将目标客服工单分配给目标客服坐席。

通过上述步骤，可以实现通过获取目标对象特征数据和客服坐席特征数据，确定第一画像评分与第二画像评分，并综合第一画像评分与第二画像评分得到目标评分，并基于目标评分确定与客服坐席匹配的目标工单，达到了综合考虑目标对象与客服坐席两者关系目的，从而实现了提高客服工单与客服坐席匹配准确率的技术效果，进而解决了由于客服工单与客服坐席匹配准确率低造成的客服工单处理效率低技术问题。

在步骤S202中目标对象特征数据至少包括：目标对象的属性特征、目标对象的历史消费信息、目标对象的历史投诉信息和目标对象的客服电话语音数据，目标对象的属性特征包括但不限于：目标对象的对象的年龄、性别和职业等；客服坐席特征数据至少包括：客服坐席的客服对话语音数据、客服坐席属性特征、客服坐席的工作绩效信息和客服坐席坐席历史接单信息，其中，客服坐席属性特征包括但不限于：客服坐席的年龄、性别等。

在步骤S204中，第一画像评分可以是目标对象的画像评分矩阵，矩阵中的元素可以是目标对象对不同产品的评分，反映目标对象对不同产品的接受程度；第二画像评分可以是客服坐席的画像评分矩阵，矩阵的元素可以是客服坐席针对不同产品的评分，反映了客服坐席针对不同产品的推荐惯性。依据依据第一画像评分与第二画像评分确定目标评分，可以将目标对象的画像评分矩阵与客服坐席的画像评分矩阵转置相乘，得到目标评分矩阵，矩阵中的元素可以是每个待处理的客服工单对应不同客服坐席的评分。

通过步骤S204的方式不仅考虑主体(目标对象和客服坐席)与产品特征之间的单侧理解，还通过将矩阵转置相乘的方式考虑目标对象与客服坐席之间的交叉特征理解，采用随机梯度下降算法更新神经网络的权重，通过计算交叉熵的值完成模型参数选择与优化，输出目标对象对应的第一画像评分矩阵和客服坐席对应的第二画像评分矩阵，转置相乘得到反映客服坐席与目标对象之间关系的目标评分矩阵，可以理解的是，目标评分矩阵反映了每一个待处理的客服工单对应不同客服坐席时的评分。

在步骤S208中，将评分高于设定阈值的目标客服工单，是从评分集合选出评分高于设定阈值的客服工单作为目标客服工单，一种可选的方式是，确定一名目标客服坐席，从评分集合中确定所有客服工单中评分高于设定阈值的客服工单作为目标客服坐席的目标客服工单，并将目标客服工单分配给目标客服坐席。

下面通过具体的实施例来详细说明上述步骤S202至步骤S208。

需要进行说明的是，相关技术中对于已分配的工单不再进行分配方案的更新，而本申请针对已分配的方案，通过动态计算“服务方案资源转化率”，在每一个工单状态发生变化且存在至少一名空闲坐席的情况下均对已分配的工单进行重新分配，最大限度的通过客服动态分配管理，提升资源转化的概率，从而实现提高客户感知的目标。

具体的，在步骤S206确定目标评分之后，确定预设时段内目标评分的第一权重和第二权重；基于第一权重和第二权重确定第一目标评分，并统计第一目标评分得到第一评分集合。利用第一画像评分和第二画像评分确定目标评分之后对目标评分进行动态更新，进而最大限度提升客服工单分配的合理性。

在本申请的一些实施例中，提出了第一权重的一种确定方式，具体如下：提取客服坐席特征数据中的第一时序情绪特征；将第一时序情绪特征组合为高阶特征，高阶特征表示客服坐席在预设时段内的情绪承载能力变化曲线；将高阶特征确定为目标评分矩阵的第一权重。

需要进行说明的是，情绪承载能力变化曲线包括但不限于：压力承载曲线、疲劳承载曲线、负能量承载曲线等。情绪承载能力曲线对应的第一权重值随着时间的变化而不断变化，加入第一权重值而重新计算的目标评分也随着时间的不同而动态更新。

进一步的，一种可选的确定第二权重的方式如下：确定待分配客服坐席已经完成的前一个客服工单的状态特征，客服工单的状态特征表示客服工单是否成功处理；将前一个客服工单的状态特征确定为目标评分的第二权重。

在本申请的一些实施例中，客服工单的状态特征包括但不限于：已处理(成功)、已处理(失败)、已处理(回滚)等。在实际的应用场景中，已处理(成功)表示客服工单已成功处理，例如：向用户推荐新产品，客户已采纳。已处理(失败)表示客服工单已处理，但用户并不满意，例如：向用户推荐新产品，客户并不采纳。已处理(回滚)，例如：向用户推荐新产品，用户采纳意愿不强或用户未接听。

由于客服工单的状态特征也反映了该客服工单二次沟通时，是否能够成功处理，可以理解的是，在客服工单首次处理失败的情况下，再次处理该客服工单的成功率也较低，通过将客服工单的状态特征作为第二权重加入目标评分的计算中，充分考虑了客服工单的状态特征对工单处理成功率的影响，使得客服工单的分配更加准确合理。

在步骤S206中从评分集合中确定评分高于设定阈值的目标客服工单，并将目标客服工单分配给目标客服坐席，包括：在目标客服坐席还未处理客服工单的情况下，从评分集合中确定目标客服坐席对应的所有客服工单的评分，并从所有待分配客服工单中确定评分最高的待分配客服工单为目标客服工单；在目标客服坐席已经开始处理客服工单的情况下，从第一评分集合中确定所有客服工单中评分高于设定阈值的客服工单为目标客服工单。

具体的，在客服坐席还未开始处理客服工单的情况下，因为还没有处理客服工单，暂时不考虑第一权重和第二权重对目标评分的影响，直接从评分集合中选取客服坐席对应的评分最高的客服工单作为为每名客服坐席匹配的第一个客服工单；在客服坐席处理完第一个客服工单之后，加入第一权重和第二权重对目标评分进行更新，针对每一个客服坐席，目标评分的更新时刻可以是客服工单的状态特征发生变化的时刻，例如：当客服工单的状态特征由待处理变为已处理(成功)的时刻，采集对应时刻的第一权重和第二权重，计算该客服工单对应所有待分配客服的第一目标评分，用第一目标评分替换该客服工单原有的目标评分完成原有目标评分的更新。

可以理解的是，本申请中在重新计算了客服工单的目标评分后，可以将已处理过一次的客服工单再次分给待分配客服坐席中的一位，而不是将该客服工单分配给某个客服坐席后，就固化下来一直有该客服坐席处理，进一步的提高了客服工单分配的准确性，进而提高了客服工单的处理效率。

在步骤S202中，基于目标对象特征数据和客服坐席特征数据，分别确定目标对象的第一画像评分和客服坐席的第二画像评分，首先获取目标对象特征数据和客服坐席特征数据；然后将目标对象特征数据和客服坐席特征数据拼接为稀疏长向量，并将稀疏长向量编码为同一长度的稠密向量；最后将稠密向量输入到预设模型中得到目标对象的第一画像评分和客服坐席的第二画像评分。

需要进行说明的是，预设模型可以是推荐算法模型，例如：DeepFM模型，考虑主体与产品特征之间的单侧理解，主体之间的交叉特征理解，挖掘用户-产品、客服代表-产品以及用户-客服代表之间的显式交互影响和隐式交互影响选择场景，采用随机梯度下降算法更新神经网络的权重，每次训练采用随机的样本集，以便最大限度的将各个场景的情况以及各个用户特征都得到比较充分的训练。通过计算交叉熵的值完成模型参数选择与优化，首先在Adam这些自适应学习率的方法中增加衰减因子加速模型优化效能，其次计算交叉熵正向引导模型效果提升，其中，在获取目标对象特征数据和客服坐席特征数据之后，还需要对目标对象特征数据和客服坐席特征数据中的异常数据进行清洗。

由于获取到的目标对象特征数据和客服坐席特征数据中包括数据、文本和语音等，需要分别进行处理。

针对线性数据，对线性数据中的离散变量进行编码，将其转化为稀疏矩阵作为低阶输入数据对连续变量，根据数据特征及量纲计算最大值和最小值，并进行标准化或归一化处理；对时序变量，计算平均值及波动幅度后按连续变量处理，计算变化趋势后按离散变量处理。针对目标对象与客服坐席间的交叉信息，对文本数据中的关键词进行分析，以此作为用户服务方案类别预测的主要依据对文本数据中有效词的词频进行统计，标记用户痛点对文本数据中的时序反馈内容进行重点关注，根据反馈的时限及处理情况进行综合考虑，增加时序特征。针对目标对象的语音数据，对话语音数据对应的用户情感识别结果可以反应用户表达方式的特征，通过语音数据特征为用户打标并作为后续服务方案匹配的重要依据，而打标的信息还需与用户情感识别的场景及坐席的应对关联，故而需要进行关联打标，并区分服务场景，同时排除服务中的其他变量。针对客服坐席语音数据，对话语音数据对应的客服代表情感识别结果、静默时长、语音语调等信息可以作为服务效能的特征进行抽取并分析得到高阶特征对高阶特征进行扩展，包括压力承载曲线、疲劳承载曲线、负能量承载曲线等，可以作为客服代表画像及动态计算的维度及权重。

本申请实施例还提供了一种客服工单分配方法，如图3所示，包括：步骤S302，接收目标对象的客服请求；步骤S304，确定目标对象对应的第一画像评分，并获取客服系统中所有客服坐席的第二画像评分；步骤S306，依据第一画像评分和第二画像评分确定目标评分，统计目标评分得到客服请求对应所有待分配客服坐席的评分集合；步骤S308，从评分集合中确定评分高于设定阈值的目标客服坐席，并将客服请求分配给目标客服坐席。

在实际的应用场景中，通过获取目标对象特征数据和客服坐席特征数据，确定第一画像评分与第二画像评分，并综合第一画像评分与第二画像评分得到目标评分，并基于目标评分确定与客服坐席匹配的目标工单，达到了综合考虑目标对象与客服坐席两者关系目的，从而实现了提高客服工单与客服坐席匹配准确率的技术效果，进而解决了由于客服工单与客服坐席匹配准确率低造成的客服工单处理效率低技术问题。

本申请实施例提供的客服工单分配方法还应用于本申请实施例提供的一种客服工单分配装置，如图4所示，包括：第一确定模块40，用于基于目标对象特征数据和客服坐席特征数据，分别确定目标对象的第一画像评分和客服坐席的第二画像评分，客服工单对应目标对象的客服请求；第二确定模块42，用于依据第一画像评分与第二画像评分确定目标评分；统计模块44，用于统计目标评分得到每个待分配客服对应所有客服工单的评分集合；分配模块46，用于从评分集合中确定评分高于设定阈值的目标客服工单，并将目标客服工单分配给目标客服坐席。

第二确定模块42包括：更新子模块，更新子模块用于确定预设时段内目标评分的第一权重和第二权重；基于第一权重和第二权重确定第一目标评分，并统计第一目标评分得到第一评分集合。

更新子模块包括：第一权重单元、第二权重单元和分配单元；

第一权重单元用于提取客服坐席特征数据中的第一时序情绪特征；将第一时序情绪特征组合为高阶特征，高阶特征表示客服坐席在预设时段内的情绪承载能力变化曲线；将高阶特征确定为目标评分矩阵的第一权重。

第二权重单元用于确定待分配客服坐席已经完成的前一个客服工单的状态特征，客服工单的状态特征表示客服工单是否成功处理；将前一个客服工单的状态特征确定为目标评分的第二权重。

分配单元用于在目标客服坐席还未处理客服工单的情况下，从评分集合中确定目标客服坐席对应的所有客服工单的评分，并从所有待分配客服工单中确定评分最高的待分配客服工单为目标客服工单；在目标客服坐席已经开始处理客服工单的情况下，从第一评分集合中确定所有客服工单中评分高于设定阈值的客服工单为目标客服工单。

第一确定模块40包括训练子模块，训练子模块用于获取目标对象特征数据和客服坐席特征数据；将目标对象特征数据和客服坐席特征数据拼接为稀疏长向量，并将稀疏长向量编码为同一长度的稠密向量；将稠密向量输入到预设模型中得到目标对象的第一画像评分和客服坐席的第二画像评分。

训练子模块还包括：清洗单元，清洗单元用于对目标对象特征数据和客服坐席特征数据中的异常数据进行清洗。

根据本申请实施例的另一方面，还提供了一种非易失性存储介质，包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行上述客服工单分配方法。

根据本申请实施例的另一方面，还提供了一种计算机设备，包括存储器和处理器，处理器用于运行程序，其中，程序运行时执行上述客服工单分配方法。

上述计算机设备执行上述客服工单分配方法，通过获取目标对象特征数据和客服坐席特征数据，确定第一画像评分与第二画像评分，并综合第一画像评分与第二画像评分得到目标评分，并基于目标评分确定与客服坐席匹配的目标工单，达到了综合考虑目标对象与客服坐席两者关系目的，从而实现了提高客服工单与客服坐席匹配准确率的技术效果，进而解决了由于客服工单与客服坐席匹配准确率低造成的客服工单处理效率低技术问题。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，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。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请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，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (11)

1.一种客服工单分配方法，其特征在于，包括：

基于目标对象特征数据和客服坐席特征数据，分别确定所述目标对象的第一画像评分和所述客服坐席的第二画像评分，所述客服工单对应所述目标对象的客服请求；

依据所述第一画像评分与所述第二画像评分确定目标评分；

统计所述目标评分得到每个待分配客服对应所有客服工单的评分集合；

从所述评分集合中确定评分高于设定阈值的目标客服工单，并将所述目标客服工单分配给目标客服坐席。

2.根据权利要求1所述的方法，其特征在于，依据所述第一画像评分与所述第二画像评分确定目标评分之后，所述方法还包括：

确定预设时段内所述目标评分的第一权重和第二权重；

基于所述第一权重和所述第二权重确定第一目标评分，并统计所述第一目标评分得到第一评分集合。

3.根据权利要求2所述的方法，其特征在于，确定预设时段内所述目标评分的第一权重，包括：

提取所述客服坐席特征数据中的第一时序情绪特征；

将所述第一时序情绪特征组合为高阶特征，所述高阶特征表示所述客服坐席在预设时段内的情绪承载能力变化曲线；

将所述高阶特征确定为所述目标评分矩阵的第一权重。

4.根据权利要求2所述的方法，其特征在于，确定预设时段内所述目标评分的第二权重，包括：

确定所述待分配客服坐席已经完成的前一个客服工单的状态特征，所述客服工单的状态特征表示所述客服工单是否成功处理；

将所述前一个客服工单的状态特征确定为所述目标评分的第二权重。

5.根据权利要求2所述的方法，其特征在于，从所述评分集合中确定评分高于设定阈值的目标客服工单，并将所述目标客服工单分配给目标客服坐席，包括：

在所述目标客服坐席还未处理客服工单的情况下，从所述评分集合中确定所述目标客服坐席对应的所有客服工单的评分，并从所有待分配客服工单中确定评分最高的待分配客服工单为所述目标客服工单；

在所述目标客服坐席已经开始处理客服工单的情况下，从所述第一评分集合中确定所有客服工单中评分高于所述设定阈值的客服工单为所述目标客服工单。

6.根据权利要求1所述的方法，其特征在于，基于目标对象特征数据和所述客服坐席特征数据，分别确定所述目标对象的第一画像评分和所述客服坐席的第二画像评分，包括：

获取所述目标对象特征数据和所述客服坐席特征数据；

将所述目标对象特征数据和所述客服坐席特征数据拼接为稀疏长向量，并将所述稀疏长向量编码为同一长度的稠密向量；

将所述稠密向量输入到预设模型中得到所述目标对象的第一画像评分和所述客服坐席的第二画像评分。

7.根据权利要求6所述的方法，其特征在于，在获取所述目标对象特征数据和所述客服坐席特征数据之后，所述方法还包括：

对所述目标对象特征数据和所述客服坐席特征数据中的异常数据进行清洗。

8.一种客服工单分配方法，其特征在于，包括：

接收目标对象的客服请求；

确定所述目标对象对应的第一画像评分，并获取客服系统中所有客服坐席的第二画像评分；

依据所述第一画像评分和所述第二画像评分确定目标评分，统计所述目标评分得到所述客服请求对应所有待分配客服坐席的评分集合；

从所述评分集合中确定评分高于设定阈值的目标客服坐席，并将所述客服请求分配给所述目标客服坐席。

9.一种客服工单分配装置，其特征在于，包括：

第一确定模块，用于基于目标对象特征数据和客服坐席特征数据，分别确定所述目标对象的第一画像评分和所述客服坐席的第二画像评分，所述客服工单对应所述目标对象的客服请求；

第二确定模块，用于依据所述第一画像评分与所述第二画像评分确定目标评分；

统计模块，用于统计所述目标评分得到每个待分配客服对应所有客服工单的评分集合；

分配模块，用于从所述评分集合中确定评分高于设定阈值的目标客服工单，并将所述目标客服工单分配给目标客服坐席。

10.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述客服工单分配方法。

11.一种计算机设备，其特征在于，包括存储器和处理器，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述客服工单分配方法。

Images