CN115858744A - 一种基于ai的外呼方法、装置和存储介质 - Google Patents

Abstract

本申请实施例提供一种基于AI的外呼方法、装置和存储介质。该方法包括：获取多条文本记录，多条文本记录中每条文本记录为目标对象与一个客户语音沟通生成的语音信息对应的文本内容，目标对象包括人工智能AI机器人，或者目标对象包括AI机器人与人工客服两者；将多条文本记录输入至意图识别模型，得到多条文本记录各对应的客户的意向信息和意向等级；向人工客服推送目标客户的标签信息；根据意向等级高于预设意向等级的文本记录对应的客户的数量变化趋势，更新回复话术文本。采用本申请实施例，能够提升AI机器人处理电话客服业务的交易成交率。

Description

一种基于AI的外呼方法、装置和存储介质

技术领域

本申请涉及外呼语音服务技术领域，尤其涉及一种基于AI的外呼方法、装置和存储介质。

背景技术

现有技术的外呼语音服务中，电话客服系统主要通过使用人工客服进行电话外呼和接听呼入电话的方式进行操作；其中，在外呼场景中，电话客服系统通过拨号系统将接通的电话转接给当前为空闲状态的人工坐席。由此可见，呼叫中心的规模受限于人工坐席的数量，如果要处理更多的电话外呼与呼入接听操作，呼叫中心需要雇佣更多的客服人员；单纯依赖人工坐席进行电话作业，使得呼叫中心面临大量人员招聘、培训、管理问题，以及雇佣人工的工资成本日渐增高。

而随着语音机器人的出现，一些企业开始采用人工智能AI机器人来处理电话客服的业务。AI机器人相较于人工客服，性价比更高，因此在很多行业领域中，采用AI机器人来代替人工客服已经成为一种发展的趋势。

然而，经实践发现，现有技术中的AI机器人受限于机器人的语音识别及语义理解的准确率、知识库内容数量以及目前的相关技术手段不够成熟，因此，采用AI机器人来代替人工客服处理电话客服业务可能会导致部分客户的满意度下降，从而导致成交率下降，因此，如何提升AI机器人处理电话客服业务的交易成交率是一个亟需解决的问题。

发明内容

本申请实施例提供一种基于AI的外呼方法、装置和存储介质，能够提升AI机器人处理电话客服业务的交易成交率。

第一方面，本申请实施例提供了一种基于AI的外呼方法，所述方法包括：

获取多条文本记录，其中，所述多条文本记录中每条文本记录为目标对象与一个客户语音沟通生成的语音信息对应的文本内容，所述目标对象包括人工智能AI机器人，或者所述目标对象包括所述AI机器人与人工客服两者；

将所述多条文本记录输入至意图识别模型，得到所述多条文本记录各对应的客户的意向信息和意向等级，其中，所述意图识别模型为根据历史场景下的多条文本记录和与所述多条文本记录分别对应的意向信息和意向等级训练得到，所述多条文本记录为特征数据，所述意向信息和意向等级为标签数据，所述意向等级用于表征所述意向信息中描述的意向的强烈程度；

向人工客服推送目标客户的标签信息，其中，所述目标客户为所述意向等级高于预设意向等级的文本记录对应的客户，所述标签信息包括对应的文本记录、与所述文本记录对应的意向信息和意向等级；

根据所述意向等级高于预设意向等级的文本记录对应的客户的数量变化趋势，更新回复话术文本，所述回复话术文本用于所述目标对象与客户的语音沟通中。

在目前大多数的企业中所涉及到的电话客服工作大致可以分为两种，第一种是与客户简单沟通，承接转接、转达、业务办理之类的工作；第二种是与客户深入沟通交流，有可能涉及到交易、购买之类的经济性消费的电话客服工作；由于第一种情况的电话客服工作性质较为简单，很多企业主要是由简单的AI机器人去承接，而面对第二种情况的电话客服工作，由于工作性质较为复杂，沟通轮次较多，一般是由人工客服操作进行的，但全由人工客服进行又会涉及到大量人员招聘、培训、管理问题，以及雇佣人工的工资成本日渐增高的问题。

因此，本申请提供的方法通过构建模型的方式，使AI机器人能够承接较为复杂的外呼工作的前期工作，且设置了兜底模式，使AI机器人在因技术手段不达标、与客户沟通不顺畅，致使无法正常完成某次外呼工作时，能使该次外呼工作正常完成；进一步的，在AI机器人工作的同时，不断复盘和自我更新，逐步提高AI机器人与客户沟通的流畅度，进而提高AI机器人处理电话客服业务的交易成交率。

具体的，首先在应用AI机器人承接电话客服的工作后，获取单位时间内的文本记录，所述文本记录可以简单的理解为通过语音转文字方式形成的电话记录，用于进行分析和模型训练，进一步的，所述文本记录可能为AI机器人与客户沟通形成的，也可能为AI机器人与人工客服一起或有先后顺序的与客户沟通的形成的，所述文本记录的数量由所述AI机器人在单位时间内，与客户进行电话沟通的次数相关，一般来说所述文本记录的数量为多条；进一步的，将所述多条文本记录输入至意图识别模型，得到所述多条文本记录各对应的客户的意向信息和意向等级，所述意向信息可以简单的理解为客户的意向是什么，例如，在房地产领域，客户的意向信息可能为购房、购置小户型、有没有物业较好的小区等；所述意向等级用于表征所述意向信息中描述的意向的强烈程度，可通过客户的语气、措辞等因素得到，在实际应用中，可将所述意向等级分为多个等级，例如高、中、低等。更进一步的，将与高意向的文本记录对应的客户和标签信息向人工客服进行推送，由人工客服负责该客户的后续跟进或带看等工作，所述标签信息包括对应的文本记录、与所述文本记录对应的意向信息和意向等级，还可能包括所述客户的个人信息，如姓名、联系方式等，使未监控此次通话的人工客服更清楚和了解该客户的需求，以便于进行后期的跟进。

最后，根据高意向客户的数量变化趋势，更新回复话术文本，所述回复话术文本用于所述目标对象与客户的语音沟通中，可选的，所述目标对象根据与客户的对话轮次和内容，选择合适的回复话术文本回复客户；可通过高意向的客户数量变多或变少，侧面反应所述回复话术文本与当前阶段的客户的适配程度，在高意向度的客户数量变少或所述回复话术文本与所述客户不匹配的情况下，不断调整和更新所述回复话术文本，进而提高交易成交率。

在第一方面的又一种可能的实施方式中，所述获取多条文本记录，包括：

通过所述目标对象与多个客户进行外呼通话；

所述目标对象根据预设算法识别客户讲话中的关键词；

根据所述关键词和回复数据库，所述目标对象与客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录，其中，所述回复数据库包括多个所述回复话术文本与关键词的对应关系，所述回复数据库中的多个回复话术文本包括由第一预测模型训练得到的回复话术文本和第二预测模型训练得到的回复话术文本，所述第一预测模型为根据历史场景下人工客服与客户的对话文本中的第一问题信息与第一回复信息训练得到，所述问题信息为特征数据，所述回复信息为标签数据，所述第二预测模型为根据所述AI机器人与客户的外呼文本记录训练得到，所述外呼文本记录中的第二问题信息为特征数据，所述外呼文本记录中的第二回复信息为标签数据。

具体的，由于AI机器人的语音识别及语义理解的准确率、知识库内容数量以及目前的相关技术手段不够成熟，使AI机器人完整的理解客户的提问或话语相对困难，因此，本方法中涉及的AI机器人可根据预设算法识别客户讲话中的关键词，如在房地产行业，所述关键词可以是购置、购买、房型、物业等，通过所述关键词来简单理解所述客户的语义，以及查询与所述关键词对应的回复；所述预设算法可以是模型，也可以与行业相关的关键词词库，而查询与所述关键词对应的回复在本实施方式中是通过所述回复数据库实现的，所述回复数据库包括多个所述回复话术文本与关键词的对应关系。

所述回复数据库中有两类回复话术文本，一类是通过第一预测模型得到的，另一类是通过第二预测模型得到的，所述第一预测模型的训练数据为历史场景下人工客服与客户的对话文本，所述第二预测模型的训练数据为所述AI机器人与客户的外呼文本记录，上述的对话文本和外呼文本记录中均包括了客服和客户的对话，也就是包括了问题信息和回复信息，所述回复信息即可视为回复话术文本，通过所述第一预测模型和所述第二预测模型也更方便于后续对回复话术文本的更新和修正。

需要说明的是，根据所述关键词和回复数据库，所述目标对象与客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录，而在单位时间内生成的所述文本记录中，包含着两种文本记录，一种是单纯由AI机器人与客户进行语音沟通得到的，另一种是由AI机器人开头，但由于对话不顺畅或是客户的情绪不对时，由人工客服代替AI机器人与客户进行后续沟通的，可选的，所述第一预测模型的训练数据由所述代替AI机器人的人工客服在历史场景下与客户的对话文本，如此设置，首先解决了AI机器人的语音和语义的识别问题，仅通过某些与行业相关的关键词去理解客户的询问，以此进行对应的回复，其次是所述回复话术文本的来源清晰明了，便于在碰到问题时，对所述回复话术文本进行自查，最后是通过人工客服给所述AI机器人进行兜底，便于在AI机器人碰到问题或受限于技术沟通无法顺畅进行时，挽回客户，进而提高交易成交率。

在第一方面的又一种可能的实施方式中，所述通过所述目标对象与多个客户进行外呼通话，包括：

从多个客户池中选择无绑定或与所述特定的人工客服绑定的客户，以进行外呼任务的创建，其中，所述多个客户池根据来源、意向购买地区或客户年龄划分；

在预设的可拨打时间内，使用所述AI机器人拨打所述客户的电话；

根据拨打所述客户电话时的铃声或彩铃判断通话是否接通。

具体的，所述AI机器人从所述多个客户池中选择无绑定或与所述特定的人工客服绑定的客户进行自动外呼，且对手机号状态进行识别，如可通过语音识别引擎，结合号码接通过程中运营商的接通提示音或彩铃音，如“您所拨打的电话正在通话中”、“您所拨打的电话已关机”等，识别出正在呼叫的手机号状态。对于空号、停机、错号的手机号码进行客户信息数据优化更新，例如可以将上述号码进行删除，对于未接通的手机号进行记录，并在其他时间段再次拨打。值得说明的是，通过设置多个客户池，对客户类型进行精确划分，使后期复盘时，结合客户的类型进行分析，从而提升模型的性能；设置可拨打时间和不可拨打时间，避免在一些休息时间打扰到客户。

在第一方面的又一种可能的实施方式中，所述根据所述关键词和回复数据库，所述目标对象与所述客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录，包括：

根据对话轮次在所述回复数据库中查询与所述关键词对应的回复话术文本，其中，所述AI机器人与特定的人工客服绑定，所述AI机器人的声音要素与所述特定的人工客服相同，所述声音要素至少包括音色和音量；

通过所述AI机器人根据所述回复话术文本与所述客户进行语音沟通；

在所述回复话术文本的匹配度低于预设匹配度时，输出提示信息，所述提示信息用于提示所述特定的人工客服介入至所述语音沟通中，以替代所述AI机器人与所述客户进行沟通；

生成所述文本记录，其中，所述文本记录包括第一文本记录和第二文本记录，所述第一文本记录为根据所述AI机器人与所述客户语音沟通中的对话生成的，所述第二文本记录为根据所述特定的人工客服与所述客户语音沟通中的对话生成的。

具体的，在本实施方式中，所述AI机器人与特定的人工客服进行绑定，这也就代表着，假如所述AI机器人在沟通中出现问题，将由所述特定的人工客服替代所述AI机器人进行后续沟通，可选的，所述特定的人工客服与多个AI机器人进行绑定。为了使沟通更为顺畅和避免客户发现在沟通中有人员变换，所述AI机器人的声音要素与所述特定的人工客服相同，所述声音要素至少包括音色和音量；而在实际应用中，所述特定的人工客服也很难随时对所述AI机器人与客户的沟通进行监控，因此，在所述回复话术文本的匹配度低于预设匹配度时，输出提示信息，所述提示信息用于提示所述特定的人工客服介入至所述语音沟通中，以替代所述AI机器人与所述客户进行沟通，在一种可选的实施方式中，所述回复话术文本的匹配度为根据客户的提问与所述回复话术文本的相关度得到，在另一种可选的实施方式中，所述回复数据库中预设有关键词与回复话术文本的匹配度，当与所述AI机器人选择的回复话术文本对应的匹配度低于预设匹配度时，输出提示信息。

当通话结束后，生成所述文本记录，在本实施方式中，当某一次沟通对话中涉及到了AI机器人和人工客服两者时，则所述文本记录包括第一文本记录和第二文本记录，所述第一文本记录为根据所述AI机器人与所述客户语音沟通中的对话生成的，所述第二文本记录为根据所述特定的人工客服与所述客户语音沟通中的对话生成的；当某一次沟通对话中仅涉及到了AI机器人时，则所述文本记录仅包括与所述AI机器人相关的第一文本记录。

综上，通过所述特定的人工客服给一个或多个所述AI机器人兜底，既使AI机器人能够外呼客服工作中能够正常应用，也在一定程度上节约了与人工客服相关的成本，并且通过人机协作的方式进行外呼任务，以提高外呼效率。

在第一方面的又一种可能的实施方式中，在所述生成所述文本记录之后，还包括：

根据所述特定的人工客服的介入次数，确定所述回复数据库中的所述回复话术文本是否需要更新。

具体的，在生成所述文本记录之后，对所述文本记录进行归档，在固定时间内对单位时间内生成的文本记录进行核查，如在每个月月初对上个月的文本记录进行核查，通过核查所述文本记录中所述特定的人工客服的介入次数，也就是所述文本记录中包括第二文本记录的数量，确定所述回复数据库中的所述回复话术文本是否需要更新；当所述特定的人工客服的介入次数超过预设次数时，则说明所述回复话术文本出现了问题，需要进行更新。

在第一方面的又一种可能的实施方式中，所述根据所述意向等级高于预设意向等级的文本记录对应的客户的数量变化趋势，更新回复话术文本，包括：

根据单位时间内获取的文本记录，确定所述文本记录中的所述回复话术文本的来源占比，所述来源包括所述第一预测模型和所述第二预测模型；

若所述单位时间内所述意向等级高于预设意向等级的文本记录对应的客户的数量增多，则对所述来源中占比相对较小的预测模型所生成的所述回复话术文本进行更新。

在房地产领域，每个阶段的客户关注点是不尽相同的，如在夏季，很多购房客户更关注学区问题，在冬季，很多购房客户更关心折扣和价格，这也就说明着，所述回复话术文本需要及时更新，因此根据高意向度的客户的数量变化趋势，可判断所述回复话术文本是否适应于当前的客户群体。

具体的，统计单位时间内获取的文本记录中所述涉及到的所述回复话术文本的来源，如上所述，所述回复话术文本可分为两类，一类是通过第一预测模型得到的，另一类是通过第二预测模型得到的，所述第一预测模型的训练数据为历史场景下人工客服与客户的对话文本，所述第二预测模型的训练数据为所述AI机器人与客户的外呼文本记录，因此通过统计所述回复话术文本的来源占比，分析是哪一类的回复话术文本出现了问题。

进一步的，若所述单位时间内所述意向等级高于预设意向等级的文本记录对应的客户的数量增多，则对所述来源中占比相对较小的预测模型所生成的所述回复话术文本进行更新，若所述单位时间内所述意向等级高于预设意向等级的文本记录对应的客户的数量变少，则对所述来源中占比相对较多的预测模型所生成的所述回复话术文本进行更新。

在第一方面的又一种可能的实施方式中，所述回复数据库中存储有分别归属于多轮对话中的各个轮次的回复话术文本，所述多轮对话至少包括最开始一轮、最后一轮、以及所述最开始一轮和最后一轮之外的一轮。

具体的，如上所述，电话客服工作大致可以分为两种，第一种是与客户简单沟通，承接转接、转达、业务办理之类的工作；第二种是与客户深入沟通交流，有可能涉及到交易、购买之类的经济性消费的工作，第二种情况需要涉及到多轮对话，尤其是在大宗交易中，与客户的对话大部分不是简单的几句话能够讲清楚的，需要多轮问答和交流，如在第二种情况的对话中，与客户的沟通是循序渐进的，如客户最开始一轮的询问：“有几种房子”、“多少钱”，接下来的一轮的询问：“这种房子的房型、楼层怎么样”“边户还是中间户”，最后一轮的询问：“什么时候能去实地看看”等，这种对话是逐渐深入的，这也就是AI机器人负责此类沟通交流的难点，因此，所述回复数据库中存储有分别归属于多轮对话中的各个轮次的回复话术文本，所述多轮对话至少包括最开始一轮、最后一轮、以及所述最开始一轮和最后一轮之外的一轮，每一轮均有对应的回复话术文本，可能客户提出的问题中所涉及的关键词是相同的，但是不同轮次中，与之对应的回复话术文本可能是不同的。

在第一方面的又一种可能的实施方式中，在所述获取多条文本记录之后，还包括：

将所述多条文本记录中的问题信息和回复信息输入至所述第一预测模型和/或所述第二预测模型中进行训练；

将训练好的所述第一预测模型和/或所述第二预测模型替换原有的所述第一预测模型和/或所述第二预测模型。

具体的，在获取所述多条文本记录之后，通过所述多条文本记录对所述第一预测模型和/或所述第二预测模式进行更新，并且在更新结束之后，将训练好的所述第一预测模型和/或所述第二预测模型替换原有的所述第一预测模型和/或所述第二预测模型，以使后生成的回复话术文本能够更适应当前阶段的客户群体。

第二方面，本申请实施例提供一种外呼装置，所述装置至少包括获取单元、第一输入单元、推送单元和更新单元。该外呼装置用于实现第一方面任一项实施方式所描述方法，其中获取单元、第一输入单元、推送单元和更新单元的介绍如下：

获取单元，用于获取多条文本记录，其中，所述多条文本记录中每条文本记录为目标对象与一个客户语音沟通生成的语音信息对应的文本内容，所述目标对象包括人工智能AI机器人，或者所述目标对象包括所述AI机器人与人工客服两者；

第一输入单元，用于将所述多条文本记录输入至意图识别模型，得到所述多条文本记录各对应的客户的意向信息和意向等级，其中，所述意图识别模型为根据历史场景下的多条文本记录和与所述多条文本记录分别对应的意向信息和意向等级训练得到，所述多条文本记录为特征数据，所述意向信息和意向等级为标签数据，所述意向等级用于表征所述意向信息中描述的意向的强烈程度；

推送单元，用于向人工客服推送目标客户的标签信息，其中，所述目标客户为所述意向等级高于预设意向等级的文本记录对应的客户，所述标签信息包括对应的文本记录、与所述文本记录对应的意向信息和意向等级；

更新单元，用于根据所述意向等级高于预设意向等级的文本记录对应的客户的数量变化趋势，更新回复话术文本，所述回复话术文本用于所述目标对象与客户的语音沟通中。

在目前大多数的企业中所涉及到的电话客服工作大致可以分为两种，第一种是与客户简单沟通，承接转接、转达、业务办理之类的工作；第二种是与客户深入沟通交流，有可能涉及到交易、购买之类的经济性消费的电话客服工作；由于第一种情况的电话客服工作性质较为简单，很多企业主要是由简单的AI机器人去承接，而面对第二种情况的电话客服工作，由于工作性质较为复杂，沟通轮次较多，一般是由人工客服操作进行的，但全由人工客服进行又会涉及到大量人员招聘、培训、管理问题，以及雇佣人工的工资成本日渐增高的问题。

因此，本申请提供的方法通过构建模型的方式，使AI机器人能够承接较为复杂的外呼工作的前期工作，且设置了兜底模式，使AI机器人在因技术手段不达标、与客户沟通不顺畅，致使无法正常完成某次外呼工作时，能使该次外呼工作正常完成；进一步的，在AI机器人工作的同时，不断复盘和自我更新，逐步提高AI机器人与客户沟通的流畅度，进而提高AI机器人处理电话客服业务的交易成交率。

具体的，首先在应用AI机器人承接电话客服的工作后，获取单位时间内的文本记录，所述文本记录可以简单的理解为通过语音转文字方式形成的电话记录，用于进行分析和模型训练，进一步的，所述文本记录可能为AI机器人与客户沟通形成的，也可能为AI机器人与人工客服一起或有先后顺序的与客户沟通的形成的，所述文本记录的数量由所述AI机器人在单位时间内，与客户进行电话沟通的次数相关，一般来说所述文本记录的数量为多条；进一步的，将所述多条文本记录输入至意图识别模型，得到所述多条文本记录各对应的客户的意向信息和意向等级，所述意向信息可以简单的理解为客户的意向是什么，例如，在房地产领域，客户的意向信息可能为购房、购置小户型、有没有物业较好的小区等；所述意向等级用于表征所述意向信息中描述的意向的强烈程度，可通过客户的语气、措辞等因素得到，在实际应用中，可将所述意向等级分为多个等级，例如高、中、低等。更进一步的，将与高意向的文本记录对应的客户和标签信息向人工客服进行推送，由人工客服负责该客户的后续跟进或带看等工作，所述标签信息包括对应的文本记录、与所述文本记录对应的意向信息和意向等级，还可能包括所述客户的个人信息，如姓名、联系方式等。

最后，根据高意向客户的数量变化趋势，更新回复话术文本，所述回复话术文本用于所述目标对象与客户的语音沟通中，可选的，所述目标对象根据与客户的对话轮次和内容，选择合适的回复话术文本回复客户；可通过高意向的客户数量变多或变少，侧面反应所述回复话术文本与当前阶段的客户的适配程度，在高意向度的客户数量变少或所述回复话术文本与所述客户不匹配的情况下，不断调整和更新所述回复话术文本，进而提高交易成交率。

在第二方面的又一种可能的实施方式中，所述获取单元用于：

通过所述目标对象与多个客户进行外呼通话；

所述目标对象根据预设算法识别客户讲话中的关键词；

根据所述关键词和回复数据库，所述目标对象与客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录，其中，所述回复数据库包括多个所述回复话术文本与关键词的对应关系，所述回复数据库中的多个回复话术文本包括由第一预测模型训练得到的回复话术文本和第二预测模型训练得到的回复话术文本，所述第一预测模型为根据历史场景下人工客服与客户的对话文本中的第一问题信息与第一回复信息训练得到，所述问题信息为特征数据，所述回复信息为标签数据，所述第二预测模型为根据所述AI机器人与客户的外呼文本记录训练得到，所述外呼文本记录中的第二问题信息为特征数据，所述外呼文本记录中的第二回复信息为标签数据。

具体的，由于AI机器人的语音识别及语义理解的准确率、知识库内容数量以及目前的相关技术手段不够成熟，使AI机器人完整的理解客户的提问或话语相对困难，因此，本方法中涉及的AI机器人可根据预设算法识别客户讲话中的关键词，如在房地产行业，所述关键词可以是购置、购买、房型、物业等，通过所述关键词来简单理解所述客户的语义，以及查询与所述关键词对应的回复；所述预设算法可以是模型，也可以与行业相关的关键词词库，而查询与所述关键词对应的回复在本实施方式中是通过所述回复数据库实现的，所述回复数据库包括多个所述回复话术文本与关键词的对应关系。

所述回复数据库中有两类回复话术文本，一类是通过第一预测模型得到的，另一类是通过第二预测模型得到的，所述第一预测模型的训练数据为历史场景下人工客服与客户的对话文本，所述第二预测模型的训练数据为所述AI机器人与客户的外呼文本记录，上述的对话文本和外呼文本记录中均包括了客服和客户的对话，也就是包括了问题信息和回复信息，所述回复信息即可视为回复话术文本，通过所述第一预测模型和所述第二预测模型也更方便于后续对回复话术文本的更新和修正。

需要说明的是，根据所述关键词和回复数据库，所述目标对象与客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录，而在单位时间内生成的所述文本记录中，包含着两种文本记录，一种是单纯由AI机器人与客户进行语音沟通得到的，另一种是由AI机器人开头，但由于对话不顺畅或是客户的情绪不对时，由人工客服代替AI机器人与客户进行后续沟通的，可选的，所述第一预测模型的训练数据由所述代替AI机器人的人工客服在历史场景下与客户的对话文本，如此设置，首先解决了AI机器人的语音和语义的识别问题，仅通过某些与行业相关的关键词去理解客户的询问，以此进行对应的回复，其次是所述回复话术文本的来源清晰明了，便于在碰到问题时，对所述回复话术文本进行自查，最后是通过人工客服给所述AI机器人进行兜底，便于在AI机器人碰到问题或受限于技术沟通无法顺畅进行时，挽回客户，进而提高交易成交率。

在第二方面的又一种可能的实施方式中，在所述通过所述目标对象与多个客户进行外呼通话方面，所述获取单元还用于：

从多个客户池中选择无绑定或与所述特定的人工客服绑定的客户，以进行外呼任务的创建，其中，所述多个客户池根据来源、意向购买地区或客户年龄划分；

在预设的可拨打时间内，使用所述AI机器人拨打所述客户的电话；

根据拨打所述客户电话时的铃声或彩铃判断通话是否接通。

具体的，所述AI机器人从所述多个客户池中选择无绑定或与所述特定的人工客服绑定的客户进行自动外呼，且对手机号状态进行识别，如可通过语音识别引擎，结合号码接通过程中运营商的接通提示音或彩铃音，如“您所拨打的电话正在通话中”、“您所拨打的电话已关机”等，识别出正在呼叫的手机号状态。对于空号、停机、错号的手机号码进行客户信息数据优化更新，例如可以将上述号码进行删除，对于未接通的手机号进行记录，并在其他时间段再次拨打。值得说明的是，通过设置多个客户池，对客户类型进行精确划分，使后期复盘时，结合客户的类型进行分析，从而提升模型的性能；设置可拨打时间和不可拨打时间，避免在一些休息时间打扰到客户。

在第二方面的又一种可能的实施方式中，在所述根据所述关键词和回复数据库，所述目标对象与所述客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录方面，所述获取单元还用于：

根据对话轮次在所述回复数据库中查询与所述关键词对应的回复话术文本，其中，所述AI机器人与特定的人工客服绑定，所述AI机器人的声音要素与所述特定的人工客服相同，所述声音要素至少包括音色和音量；

通过所述AI机器人根据所述回复话术文本与所述客户进行语音沟通；

在所述回复话术文本的匹配度低于预设匹配度时，输出提示信息，所述提示信息用于提示所述特定的人工客服介入至所述语音沟通中，以替代所述AI机器人与所述客户进行沟通；

生成所述文本记录，其中，所述文本记录包括第一文本记录和第二文本记录，所述第一文本记录为根据所述AI机器人与所述客户语音沟通中的对话生成的，所述第二文本记录为根据所述特定的人工客服与所述客户语音沟通中的对话生成的。

具体的，在本实施方式中，所述AI机器人与特定的人工客服进行绑定，这也就代表着，假如所述AI机器人在沟通中出现问题，将由所述特定的人工客服替代所述AI机器人进行后续沟通，可选的，所述特定的人工客服与多个AI机器人进行绑定。为了使沟通更为顺畅和避免客户发现在沟通中有人员变换，所述AI机器人的声音要素与所述特定的人工客服相同，所述声音要素至少包括音色和音量；而在实际应用中，所述特定的人工客服也很难随时对所述AI机器人与客户的沟通进行监控，因此，在所述回复话术文本的匹配度低于预设匹配度时，输出提示信息，所述提示信息用于提示所述特定的人工客服介入至所述语音沟通中，以替代所述AI机器人与所述客户进行沟通，在一种可选的实施方式中，所述回复话术文本的匹配度为根据客户的提问与所述回复话术文本的相关度得到，在另一种可选的实施方式中，所述回复数据库中预设有关键词与回复话术文本的匹配度，当与所述AI机器人选择的回复话术文本对应的匹配度低于预设匹配度时，输出提示信息。

当通话结束后，生成所述文本记录，在本实施方式中，当某一次沟通对话中涉及到了AI机器人和人工客服两者时，则所述文本记录包括第一文本记录和第二文本记录，所述第一文本记录为根据所述AI机器人与所述客户语音沟通中的对话生成的，所述第二文本记录为根据所述特定的人工客服与所述客户语音沟通中的对话生成的；当某一次沟通对话中仅涉及到了AI机器人时，则所述文本记录仅包括与所述AI机器人相关的第一文本记录。

综上，通过所述特定的人工客服给一个或多个所述AI机器人兜底，既使AI机器人能够外呼客服工作中能够正常应用，也在一定程度上节约了与人工客服相关的成本。

在第二方面的又一种可能的实施方式中，在所述根据所述关键词和回复数据库，所述目标对象与所述客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录方面，所述获取单元还用于：

根据所述特定的人工客服的介入次数，确定所述回复数据库中的所述回复话术文本是否需要更新。

具体的，在生成所述文本记录之后，对所述文本记录进行归档，在固定时间内对单位时间内生成的文本记录进行核查，如在每个月月初对上个月的文本记录进行核查，通过核查所述文本记录中所述特定的人工客服的介入次数，也就是所述文本记录中包括第二文本记录的数量，确定所述回复数据库中的所述回复话术文本是否需要更新；当所述特定的人工客服的介入次数超过预设次数时，则说明所述回复话术文本出现了问题，需要进行更新。

在第二方面的又一种可能的实施方式中，所述更新单元用于：

根据单位时间内获取的文本记录，确定所述文本记录中的所述回复话术文本的来源占比，所述来源包括所述第一预测模型和所述第二预测模型；

若所述单位时间内所述意向等级高于预设意向等级的文本记录对应的客户的数量增多，则对所述来源中占比相对较小的预测模型所生成的所述回复话术文本进行更新。

在房地产领域，每个阶段的客户关注点是不尽相同的，如在夏季，很多购房客户更关注学区问题，在冬季，很多购房客户更关心折扣和价格，这也就说明着，所述回复话术文本需要及时更新，因此根据高意向度的客户的数量变化趋势，可判断所述回复话术文本是否适应于当前的客户群体。

具体的，统计单位时间内获取的文本记录中所述涉及到的所述回复话术文本的来源，如上所述，所述回复话术文本可分为两类，一类是通过第一预测模型得到的，另一类是通过第二预测模型得到的，所述第一预测模型的训练数据为历史场景下人工客服与客户的对话文本，所述第二预测模型的训练数据为所述AI机器人与客户的外呼文本记录，因此通过统计所述回复话术文本的来源占比，分析是哪一类的回复话术文本出现了问题。

进一步的，若所述单位时间内所述意向等级高于预设意向等级的文本记录对应的客户的数量增多，则对所述来源中占比相对较小的预测模型所生成的所述回复话术文本进行更新，若所述单位时间内所述意向等级高于预设意向等级的文本记录对应的客户的数量变少，则对所述来源中占比相对较多的预测模型所生成的所述回复话术文本进行更新。

在第二方面的又一种可能的实施方式中，所述装置还包括：

第二输入单元，用于将所述多条文本记录中的问题信息和回复信息输入至所述第一预测模型和/或所述第二预测模型中进行训练；

替换单元，用于将训练好的所述第一预测模型和/或所述第二预测模型替换原有的所述第一预测模型和/或所述第二预测模型。

具体的，在获取所述多条文本记录之后，通过所述多条文本记录对所述第一预测模型和/或所述第二预测模式进行更新，并且在更新结束之后，将训练好的所述第一预测模型和/或所述第二预测模型替换原有的所述第一预测模型和/或所述第二预测模型，以使后生成的回复话术文本能够更适应当前阶段的客户群体。

第三方面，本申请实施例提供一种外呼设备，该外呼设备包括处理器、存储器和通信接口；存储器中存储有计算机程序；处理器执行计算机程序时，所述通信接口用于发送和/或接收数据，该外呼设备可执行前述第一方面或者第一方面的任一种可能的实现方式所描述的方法。

需要说明的是，上述第三方面所描述的外呼设备所包含的处理器，可以是专门用于执行这些方法的处理器(便于区别称为专用处理器)，也可以是通过调用计算机程序来执行这些方法的处理器，例如通用处理器。可选的，至少一个处理器还可以既包括专用处理器也包括通用处理器。

可选的，上述计算机程序可以存在存储器中。示例性的，存储器可以为非瞬时性(non-transitory)存储器，例如只读存储器(Read Only Memory，ROM)，其可以与处理器集成在同一块器件上，也可以分别设置在不同的器件上，本申请实施例对存储器的类型以及存储器与处理器的设置方式不做限定。

在一种可能的实施方式中，上述至少一个存储器位于上述外呼设备之外。

在又一种可能的实施方式中，上述至少一个存储器位于上述外呼设备之内。

在又一种可能的实施方式之中，上述至少一个存储器的部分存储器位于上述外呼设备之内，另一部分存储器位于上述外呼设备之外。

本申请中，处理器和存储器还可能集成于一个器件中，即处理器和存储器还可以被集成在一起。

第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储计算机程序，当所述指令在至少一个处理器上运行时，实现前述第一方面或者第一方面的任一种可选的方案所描述的方法。

第五方面，本申请提供了一种计算机程序产品，计算机程序产品包括计算机程序，当所述程序在至少一个处理器上运行时，实现前述第一方面或者第一方面的任一种可选的方案所描述的方法中。

可选的，该计算机程序产品可以为一个软件安装包，在需要使用前述方法的情况下，可以下载该计算机程序产品并在计算设备上执行该计算机程序产品。

本申请第三至第五方面所提供的技术方案，其有益效果可以参考第一方面和第二方面的技术方案的有益效果，此处不再赘述。

附图说明

下面将对实施例描述中所需要使用的附图作简单的介绍。

图1是本申请实施例提供的一种外呼系统的架构示意图；

图2是本申请实施例提供的一种基于AI的外呼方法的流程示意图；

图3是本申请实施例提供的一种文本记录的获取方法的流程示意图；

图4是本申请实施例提供的一种文本记录的生成方法的流程示意图；

图5是本申请实施例提供的一种外呼装置的结构示意图；

图6是本申请实施例提供的一种外呼设备的结构示意图。

具体实施方式

下面结合附图对本申请实施例进行详细介绍。

本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选的还包括没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

人工智能AI基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

AI机器人是以电话为媒介载体的语音交互机器人，其基于底层的语音识别(ASR)、语义理解(NLP)、语音合成(TTS)等基础设施型产品之上，搭载对话管理、客户管理、用户画像、数据分析等技术，帮助用户降低人工成本，提升工作效率。

下面对本申请实施例应用的系统架构进行介绍。需要说明的是，本申请描述的系统架构及业务场景是为了更加清楚的说明本申请的技术方案，并不构成对于本申请提供的技术方案的限定，本领域普通技术人员可知，随着系统架构的演变和新业务场景的出现，本申请提供的技术方案对于类似的技术问题，同样适用。

请参见图1，图1是本申请实施例提供的一种外呼系统的架构示意图，该系统包括外呼设备101和服务器102，其中：

外呼设备101可以是一个物理实体构成，也可以是由两个或多个物理实体构成。例如所述外呼设备101可以是手机、移动式终端、工业控制计算机等终端设备，也可以是一个服务器或者多个服务器组成的服务器集群。外呼设备101中至少包括了AI机器人，外呼设备101可通过调用AI机器人与客户进行外呼通话，且外呼设备101可获取文本记录，且通过安装在外呼设备101上意图识别模型对文本记录进行识别，需要说明的是，该文本记录可以是本地获取，也可以是通过网络从线上下载的，值得说明的是，安装在外呼设备101上的意图识别模型可以是接收服务器102发送的。

服务器102，该服务器102可以为一个服务器或者多个服务器组成的服务器集群，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。该服务器102用于进行意图识别模型的训练，意图识别模型可以有多种，同时每一种意图识别模型可以采用不同的训练文本也可采用相同的训练文本，具体可根据实际应用场景确定，在此不做限制；训练模型所需要的训练文本可以是服务器102内置的，也可以是在网上下载的。在模型训练完成后，服务器102将训练好的意图识别模型发送给外呼设备101。

值得说明的是，本申请实施例所提供的方法中涉及到的预测模型可以在服务器102中训练的，也可以在外呼设备101中训练的，具体可根据实际应用场景确定，但最终上述的预测模型是安装在外呼设备101上的；在某些应用场景中，外呼设备101可以自行进行意图识别模型和/或预测模型的训练，无需接收来自服务器102发送的模型。

请参见图2，图2是本申请实施例提供的一种基于AI的外呼方法的流程示意图，该外呼方法可以基于图1所示的系统架构中的外呼设备实现，也可以基于其他设备实现，该方法包括但不限于如下步骤：

步骤S201：获取多条文本记录。

具体的，所述多条文本记录为单位时间内所述目标对象与客户语音沟通生成的语音信息对应的文本记录总和，所述多条文本记录中每条文本记录为目标对象与一个客户语音沟通生成的语音信息对应的文本内容，所述目标对象可能为AI机器人、可能为所述目标对象包括所述AI机器人与人工客服两者、也可能仅为人工客服，可选的，所述多条文本记录既可能包括AI机器人单独与一个客户语音沟通生成的语音信息对应的文本内容，又可能包括AI机器人和人工客服人机协作与一个客户语音沟通生成的语音信息对应的文本内容，还可能包括人工客服与一个客户语音沟通生成的语音信息对应的文本内容；在本申请实施例中所述文本记录为语音信息转为文字信息生成的，在一种可选的实施方式中，所述文本记录的获取过程如图3所示：

步骤11：通过目标对象与多个客户进行外呼通话。

在一种可选的实施方式中，从多个客户池中选择无绑定或与所述特定的人工客服绑定的客户，以进行外呼任务的创建，其中，所述多个客户池根据来源、意向购买地区或客户年龄划分；针对上述的每一个客户池中的客户，可设置对应的定时外呼任务，该定时任务可以用于指示每一个外呼任务被自动外呼的预设外呼时间；

当到达预设外呼时间后，则进行对应预设外呼时间的外呼任务，且相应的获取与所述外呼任务对应的AI机器人标识以及与所述外呼任务对应的客户的对象终端标识，以调用AI机器人标识对应的AI机器人与对象终端标识对应的客户进行外呼沟通。其中，AI机器人标识可以用于唯一指示AI机器人，对象终端标识可以用于唯一指示对象终端。

可选的，在设置自动外呼案件的定时外呼任务时，还可以设置自动外呼案件的外呼次数，外呼时间间隔等信息。例如，在上述调用AI机器人标识对应的AI机器人与对象终端标识对应的对象终端进行外呼时，根据拨打所述客户电话时的铃声或彩铃判断通话是否接通，因此可能会出现与对象终端标识对应的对象终端的电话无人接听的情况。在这种情况下，可以基于外呼任务进行外呼所对应的外呼时间间隔，对对象终端标识对应的对象终端继续拨打电话，如果电话拨打次数超过预设外呼次数，则表明该自动外呼案件的外呼任务未成功，进而继续执行对下一个自动外呼案件的外呼任务。可选的，在自动外呼案件的外呼案件未成功的情况下，还可以将案件外呼未成功的原因，例如电话无人接听的情况，记录在预先设置的外呼报告中，以便于后续可以根据外呼报告所记录的信息进行后续的案件处理；进一步的，当到达预设的外呼时间后，由于与某一外呼任务对应的AI机器人正在执行另一外呼任务，而无法执行所述某一外呼任务，则对所述某一外呼任务进行记录，且修改对应的外呼时间。

步骤12：所述目标对象根据预设算法识别客户讲话中的关键词。

在沟通过程中，可选的，所述AI机器人根据预设的与行业相关的关键词库，识别与其进行语音沟通的客户讲话中的关键词，例如，当客户提出“这个小区我之前有来过，里面房型大概怎样，多少钱一平”的问题时，所述AI机器人可识别出所述问题中的关键词：“小区”“房型”“多少钱”“一平”，并在后续的文本记录中对所述关键词进行记录和标注。

步骤13：根据所述关键词和回复数据库，所述目标对象与客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录。

其中，所述回复数据库包括多个所述回复话术文本与关键词的对应关系，所述回复数据库中的多个回复话术文本包括由第一预测模型训练得到的回复话术文本和第二预测模型训练得到的回复话术文本，所述第一预测模型为根据历史场景下人工客服与客户的对话文本中的第一问题信息与第一回复信息训练得到，所述问题信息为特征数据，所述回复信息为标签数据，所述第二预测模型为根据所述AI机器人与客户的外呼文本记录训练得到，所述外呼文本记录中的第二问题信息为特征数据，所述外呼文本记录中的第二回复信息为标签数据。在一种可选的实施方式中，所述回复数据库中存储有分别归属于多轮对话中的各个轮次的回复话术文本，所述多轮对话至少包括最开始一轮、最后一轮、以及所述最开始一轮和最后一轮之外的一轮，可选的，所述多轮对话中的最开始一轮和最后一轮之外的一轮可能存在多个；下面进行举例说明，可选的，与所述回复数据库中的回复话术文本对应的对话轮次，以及所述回复话术文本与关键词的对应关系，如表1所示：

表1

综上，可以看出，每一个关键词在不同的对话轮次中对应的回复话术文本是不同的，并且每一个关键词在同一个对话轮次中对应的回复话术文本也是多个的，AI机器人可根据实际情况，选择对应的回复话术文本，如当与关键词对应的回复话术文本存在多个时，所述AI机器人结合其他关键词选择合适的回复话术文本，如当不存在其他关键词时，所述AI机器人可根据回复话术文本的使用次数，去选择使用次数较多的回复话术文本；而当一个问题中出现多个关键词，且每个关键词均有对应的回复话术文本时，所述AI机器人可按照所述问题中关键词的顺序，将与所述多个关键词分别对应的回复话术文本进行组合，以对所述问题进行回复。在回复数据库的实际应用中，可能会包含相当数量的限时性信息，如房地产领域中售价、折扣等可能随时会发生变化的信息，因此所述回复数据库中的限时性信息会设置统一的统计界面，以便于随时修改，进一步的，所述AI机器人根据对话轮次与客户进行沟通交流时，后一轮的对话中可能会需要前一轮的关键词，如某一轮客户的询问为“这个144的房型还有么”，该轮的后一轮的提问为“多少钱”，客户先问出“这个144的房型还有么”，得到答案后，紧接着问出的“多少钱”，虽然没有主语，但是显然是问“144的房型”的价格，因此，每一轮的关键词会在AI机器人的系统中进行存储，以便于在后续对话中应用，以及所述AI机器人在与客户沟通交流时会存在，开场话术和结尾话术，所述开场话术和结尾话术是固定，可按时间或关键词进行触发。而AI机器人在实际应用中的技术关键显然不止上述所讲到的细节，其他的细节在此不多赘述，通过上述内容理解所述回复数据库的作用即可。

值得说明的是，上述的回复话术文本与房地产领域相关，但仅供参考，实际应用中的回复话术文本与表1所呈现的内容可能并不相同。

进一步的，所述AI机器人根据所述关键词，在所述回复数据库中查询与所述关键词对应的回复文本话术，以用于所述目标对象与客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录，显然，上述图3中所呈现的目标对象为AI机器人。

因此，除了纯由AI机器人与客户进行外呼沟通的情况之外，还有AI机器人与人工客服人机协作，与客户进行沟通交流，并生成文本记录的情况。在又一种可选的实施方式中，AI机器人与人工客服人机协作，与客户进行沟通交流，并生成文本记录的过程如图4所示，具体如下：

步骤21：所述根据对话轮次在所述回复数据库中查询与所述关键词对应的回复话术文本。

具体的，AI机器人根据对话轮次和关键词，在回复数据库中查询对应的回复话术文本，其中，所述AI机器人与特定的人工客服绑定，所述AI机器人的声音要素与所述特定的人工客服相同，所述声音要素至少包括音色和音量，以及，所述AI机器人在与客户进行交流时，所给予客户的个人信息均为所述特定的人工客服的个人信息，所述个人信息包括姓名和联系方式，显然，当人工客服需要介入到AI机器人与客户的沟通中时，声音要素的相同可避免客户发现人员的切换，最大程度的保障客户的满意度，值得说明的是，可选的，所述回复数据库中的多个回复话术文本包括由第一预测模型训练得到的回复话术文本和第二预测模型训练得到的回复话术文本，所述第一预测模型为根据历史场景下人工客服与客户的对话文本中的第一问题信息与第一回复信息训练得到，所述第二预测模型为根据所述AI机器人与客户的外呼文本记录训练得到，所述第一预测模型的训练数据来源为在历史场景下，所述特定的人工客服与客户进行语音沟通，生成的对话文本。

步骤22：通过所述AI机器人根据所述回复话术文本与所述客户进行语音沟通。

通过所述AI机器人和所述回复话术文本，与所述客户进行语音沟通交流。

步骤23：在所述回复话术文本的匹配度低于预设匹配度时，输出提示信息。

在实际应用中，所述特定的人工客服也很难随时对所述AI机器人与客户的沟通进行监控，因此，在所述回复话术文本的匹配度低于预设匹配度时，输出提示信息，所述提示信息用于提示所述特定的人工客服介入至所述语音沟通中，以替代所述AI机器人与所述客户进行沟通，在一种可选的实施方式中，所述回复话术文本的匹配度为根据客户的提问与所述回复话术文本的相关度得到，在另一种可选的实施方式中，所述回复数据库中预设有关键词与回复话术文本的匹配度，当与所述AI机器人选择的回复话术文本对应的匹配度低于预设匹配度时，输出提示信息，所述提示信息用于提示所述特定的人工客服介入至所述语音沟通中，以替代所述AI机器人与所述客户进行沟通。

所述特定的人工客服当接收到所述提示信息后，会直接切入到所述AI机器人与所述客户的沟通过程中，以替代AI机器人与客户进行沟通，这种切入方式可根据网络电话中的多方会谈实现，如当AI机器人在与所述客户对拨打电话时，其实还有一个接听对象，所述接听对象即为特定的人工客服，但在所述特定的人工客服在切入到AI机器人与所述客户的语音沟通之前，所述接听对象是静默的状态。

在一种可选的实施方式中，根据所述特定的人工客服的介入次数，确定所述回复数据库中的所述回复话术文本是否需要更新，具体的，在生成所述文本记录之后，对所述文本记录进行归档，在固定时间内对单位时间内生成的文本记录进行核查和数据收集，如在每个月月初对上个月的文本记录进行核查，通过核查所述文本记录中所述特定的人工客服的介入次数，也就是所述文本记录中包括第二文本记录的数量，确定所述回复数据库中的所述回复话术文本是否需要更新；当所述特定的人工客服的介入次数超过预设次数时，则说明所述回复话术文本出现了问题，需要进行更新。

步骤24：生成所述文本记录。

当通话结束后，生成所述文本记录，在本实施方式中，所述文本记录包括第一文本记录和第二文本记录，所述第一文本记录为根据所述AI机器人与所述客户语音沟通中的对话生成的，所述第二文本记录为根据所述特定的人工客服与所述客户语音沟通中的对话生成的。

在一种可选的实施方式中，在生成所述文本记录之后，及时的通过所述文本记录对预测模型进行训练。将所述多条文本记录中的问题信息和回复信息输入至所述第一预测模型和/或所述第二预测模型中进行训练；将训练好的所述第一预测模型和/或所述第二预测模型替换原有的所述第一预测模型和/或所述第二预测模型。

步骤S202：将所述多条文本记录输入至意图识别模型，得到所述多条文本记录各对应的客户的意向信息和意向等级。

所述意图识别模型为根据历史场景下的多条文本记录和与所述多条文本记录分别对应的意向信息和意向等级训练得到，所述多条文本记录为特征数据，所述意向信息和意向等级为标签数据，所述意向信息可以简单的理解为客户的意向是什么，例如，在房地产领域，客户的意向信息可能为购房、购置小户型、有没有物业较好的小区等；所述意向等级用于表征所述意向信息中描述的意向的强烈程度，可通过客户的语气、措辞等因素得到，在实际应用中，可将所述意向等级分为多个等级，例如高、中、低等。

步骤S203：向人工客服推送目标客户的标签信息。

其中，所述目标客户为所述意向等级高于预设意向等级的文本记录对应的客户，所述标签信息包括对应的文本记录、与所述文本记录对应的意向信息和意向等级，也包括所述客户的个人信息，如姓名、联系方式等，以便于所述人工客服进行后续工作。

步骤S204：根据所述意向等级高于预设意向等级的文本记录对应的客户的数量变化趋势，更新回复话术文本。

在很多行业领域中，每个时间阶段的客户群体的需求或是关注点不尽相同，如在夏季，很多购房客户更关注学区问题，在冬季，很多购房客户更关心折扣和价格，这也就说明着，在每个阶段，所述回复话术文本需要及时更新，所述阶段可按不同尺度划分，例如，在房地产领域，可按时间阶段划分客户群体，因此根据高意向度的客户的数量变化趋势，可判断所述回复话术文本是否适应于当前的客户群体。

在一种可选的实施方式中，根据单位时间内获取的文本记录，确定所述文本记录中的所述回复话术文本的来源占比，所述来源包括所述第一预测模型和所述第二预测模型，通过统计所述回复话术文本的来源占比，分析是哪一类的回复话术文本出现了问题。

具体的，若所述单位时间内所述意向等级高于预设意向等级的文本记录对应的客户的数量增多，则说明来源占比相对较高的预测模型所训练出来的回复话术文本是较为符合当前阶段的客户的需求的，因此，可对所述来源中占比相对较小的预测模型所生成的所述回复话术文本进行更新；若所述单位时间内所述意向等级高于预设意向等级的文本记录对应的客户的数量变少，则说明来源占比相对较高的预测模型所训练出来的回复话术文本不太符合当前阶段的客户的需求，因此，可对所述来源中占比相对较多的预测模型所生成的所述回复话术文本进行更新，综上，所述述文本记录中的所述回复话术文本的来源占比可作为分析高意向客户的数量变化趋势的重要参考因素；

在本实施方式中涉及到的、更新后的回复话术文本与前述步骤中的回复话术文本存在区别，例如，在房地产领域，前述步骤中的回复话术文本可能为“先生/女士您好，这种房型在XX小区比较多，X室X厅，您家里常住几口人呢”，而更新后的回复话术文本可能为“先生/女士您好，这种房型目前的价格为XXX，挂牌价为XXX，由于XXX因素，投资回报率比较高，假如是自住的话，这种房型X室X厅...”，在该例中的回复话术文本强调的重心不同，前一阶段所应用的回复话术文本的重心为自住、舒适和房型的特点，而更新后的回复话术文本的重心为价格、投资汇报比，回复话术文本中强调重心的切换，可更适应当前阶段的客户的需求。

进一步的，对意向低的客户进行回访，确定问题来源，从而确定AI机器人在具体哪个对话轮次出现问题，导致客户的意向度低。

综上，本申请实施例通过AI机器人，或，AI机器人与人工客服的人机协作，来与客户进行沟通交流，承担了语音客服中的前期工作，使人工客服更多的工作在现场等AI机器人无法替代的场景中，减轻了人工客服的培养成本和经济成本，其次，通过意图识别模型确定的高意向客户的数量变换趋势，反思和确定通过预测模型得出的回复话术文本的问题来源，以此更新目标对象所使用回复话术文本，从而提升AI机器人与客户交流的流畅度，降低客户的流失率，提高客户的满意度，提升交易成功率。

上述详细阐述了本申请实施例的方法，下面提供了本申请实施例的装置。

请参见图5，图5是本申请实施例提供一种外呼装置50的结构示意图，该外呼装置50可以为前面提及的外呼设备或者外呼设备中的器件，该外呼装置50可以包括获取单元501、第一输入单元502、推送单元503和更新单元504，其中，各个单元的详细描述如下。

获取单元501，用于获取多条文本记录，其中，所述多条文本记录中每条文本记录为目标对象与一个客户语音沟通生成的语音信息对应的文本内容，所述目标对象包括人工智能AI机器人，或者所述目标对象包括所述AI机器人与人工客服两者；

第一输入单元502，用于将所述多条文本记录输入至意图识别模型，得到所述多条文本记录各对应的客户的意向信息和意向等级，其中，所述意图识别模型为根据历史场景下的多条文本记录和与所述多条文本记录分别对应的意向信息和意向等级训练得到，所述多条文本记录为特征数据，所述意向信息和意向等级为标签数据，所述意向等级用于表征所述意向信息中描述的意向的强烈程度；

推送单元503，用于向人工客服推送目标客户的标签信息，其中，所述目标客户为所述意向等级高于预设意向等级的文本记录对应的客户，所述标签信息包括对应的文本记录、与所述文本记录对应的意向信息和意向等级；

更新单元504，用于根据所述意向等级高于预设意向等级的文本记录对应的客户的数量变化趋势，更新回复话术文本，所述回复话术文本用于所述目标对象与客户的语音沟通中。

在一种可能的实施方式中，所述获取501单元具体用于：

通过所述目标对象与多个客户进行外呼通话；

所述目标对象根据预设算法识别客户讲话中的关键词；

根据所述关键词和回复数据库，所述目标对象与客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录，其中，所述回复数据库包括多个所述回复话术文本与关键词的对应关系，所述回复数据库中的多个回复话术文本包括由第一预测模型训练得到的回复话术文本和第二预测模型训练得到的回复话术文本，所述第一预测模型为根据历史场景下人工客服与客户的对话文本中的第一问题信息与第一回复信息训练得到，所述问题信息为特征数据，所述回复信息为标签数据，所述第二预测模型为根据所述AI机器人与客户的外呼文本记录训练得到，所述外呼文本记录中的第二问题信息为特征数据，所述外呼文本记录中的第二回复信息为标签数据。

在一种可能的实施方式中，在所述通过所述目标对象与多个客户进行外呼通话方面，所述获取单元501还用于：

从多个客户池中选择无绑定或与所述特定的人工客服绑定的客户，以进行外呼任务的创建，其中，所述多个客户池根据来源、意向购买地区或客户年龄划分；

在预设的可拨打时间内，使用所述AI机器人拨打所述客户的电话；

根据拨打所述客户电话时的铃声或彩铃判断通话是否接通。

在一种可能的实施方式中，在所述根据所述关键词和回复数据库，所述目标对象与所述客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录方面，所述获取单元501具体用于：

根据对话轮次在所述回复数据库中查询与所述关键词对应的回复话术文本，其中，所述AI机器人与特定的人工客服绑定，所述AI机器人的声音要素与所述特定的人工客服相同，所述声音要素至少包括音色和音量；

通过所述AI机器人根据所述回复话术文本与所述客户进行语音沟通；

在所述回复话术文本的匹配度低于预设匹配度时，输出提示信息，所述提示信息用于提示所述特定的人工客服介入至所述语音沟通中，以替代所述AI机器人与所述客户进行沟通；

生成所述文本记录，其中，所述文本记录包括第一文本记录和第二文本记录，所述第一文本记录为根据所述AI机器人与所述客户语音沟通中的对话生成的，所述第二文本记录为根据所述特定的人工客服与所述客户语音沟通中的对话生成的。

在一种可能的实施方式中，在所述根据所述关键词和回复数据库，所述目标对象与所述客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录方面，所述获取单元501还用于：

根据所述特定的人工客服的介入次数，确定所述回复数据库中的所述回复话术文本是否需要更新。

在一种可能的实施方式中，在所述根据所述意向等级高于预设意向等级的文本记录对应的客户的数量变化趋势，更新回复话术文本方面，所述更新单元504具体用于：

根据单位时间内获取的文本记录，确定所述文本记录中的所述回复话术文本的来源占比，所述来源包括所述第一预测模型和所述第二预测模型；

若所述单位时间内所述意向等级高于预设意向等级的文本记录对应的客户的数量增多，则对所述来源中占比相对较小的预测模型所生成的所述回复话术文本进行更新。

在一种可能的实施方式中，所述装置50还包括：

第二输入单元，用于将所述多条文本记录中的问题信息和回复信息输入至所述第一预测模型和/或所述第二预测模型中进行训练；

替换单元，用于将训练好的所述第一预测模型和/或所述第二预测模型替换原有的所述第一预测模型和/或所述第二预测模型。

图5所示的外呼装置中各个单元的具体实现及有益效果可以参照图2、图3和图4所示方法实施例的相应描述。

请参见图6，图6是本申请实施例提供的一种外呼设备60的结构示意图，所述外呼设备60包括：处理器601、通信接口602及存储器603。其中，处理器601、通信接口602及存储器603可通过总线或其他方式连接，本申请实施例以通过总线连接为例。

其中，处理器601是外呼设备60的计算核心以及控制核心，其可以解析外呼设备60内的各类指令以及外呼设备60的各类数据，例如：该处理器601可为中央处理器(CentralProcessing Unit，CPU)，可以在外呼设备60内部结构之间传输各类交互数据，等等。通信接口602可选的可以包括标准的有线接口、无线接口(如WI-FI、移动通信接口等)，受处理器601的控制可以用于收发数据；通信接口602还可以用于所述外呼设备60内部信令或者指令的传输以及交互。存储器603(Memory)是所述外呼设备60中的记忆设备，用于存放程序和数据。可以理解的是，此处的存储器603既可以包括所述外呼设备60的内置存储器，当然也可以包括所述外呼设备60所支持的扩展存储器。存储器603提供存储空间，该存储空间存储了所述外呼设备60的操作系统，该存储空间还存储了处理器执行相应操作所需的程序代码或指令，可选的，该存储空间还可以存储该处理器执行该相应操作后产生的相关数据。

在本申请实施例中，处理器601运行存储器603中的可执行程序代码，用于执行如下操作：

获取多条文本记录，其中，所述多条文本记录中每条文本记录为目标对象与一个客户语音沟通生成的语音信息对应的文本内容，所述目标对象包括人工智能AI机器人，或者所述目标对象包括所述AI机器人与人工客服两者；

将所述多条文本记录输入至意图识别模型，得到所述多条文本记录各对应的客户的意向信息和意向等级，其中，所述意图识别模型为根据历史场景下的多条文本记录和与所述多条文本记录分别对应的意向信息和意向等级训练得到，所述多条文本记录为特征数据，所述意向信息和意向等级为标签数据，所述意向等级用于表征所述意向信息中描述的意向的强烈程度；

向人工客服推送目标客户的标签信息，其中，所述目标客户为所述意向等级高于预设意向等级的文本记录对应的客户，所述标签信息包括对应的文本记录、与所述文本记录对应的意向信息和意向等级；

根据所述意向等级高于预设意向等级的文本记录对应的客户的数量变化趋势，更新回复话术文本，所述回复话术文本用于所述目标对象与客户的语音沟通中。

在一种可选方案中，在所述获取多条文本记录方面，所述处理器601用于：

通过所述目标对象与多个客户进行外呼通话；

所述目标对象根据预设算法识别客户讲话中的关键词；

根据所述关键词和回复数据库，所述目标对象与客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录，其中，所述回复数据库包括多个所述回复话术文本与关键词的对应关系，所述回复数据库中的多个回复话术文本包括由第一预测模型训练得到的回复话术文本和第二预测模型训练得到的回复话术文本，所述第一预测模型为根据历史场景下人工客服与客户的对话文本中的第一问题信息与第一回复信息训练得到，所述问题信息为特征数据，所述回复信息为标签数据，所述第二预测模型为根据所述AI机器人与客户的外呼文本记录训练得到，所述外呼文本记录中的第二问题信息为特征数据，所述外呼文本记录中的第二回复信息为标签数据。

在一种可选方案中，在所述根据所述关键词和回复数据库，所述目标对象与所述客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录方面，所述处理器601用于：

根据对话轮次在所述回复数据库中查询与所述关键词对应的回复话术文本，其中，所述AI机器人与特定的人工客服绑定，所述AI机器人的声音要素与所述特定的人工客服相同，所述声音要素至少包括音色和音量；

通过所述AI机器人根据所述回复话术文本与所述客户进行语音沟通；

在所述回复话术文本的匹配度低于预设匹配度时，输出提示信息，所述提示信息用于提示所述特定的人工客服介入至所述语音沟通中，以替代所述AI机器人与所述客户进行沟通；

生成所述文本记录，其中，所述文本记录包括第一文本记录和第二文本记录，所述第一文本记录为根据所述AI机器人与所述客户语音沟通中的对话生成的，所述第二文本记录为根据所述特定的人工客服与所述客户语音沟通中的对话生成的。

在一种可选方案中，所述处理器601还用于：

根据所述特定的人工客服的介入次数，确定所述回复数据库中的所述回复话术文本是否需要更新。

在一种可选方案中，在所述根据所述意向等级高于预设意向等级的文本记录对应的客户的数量变化趋势，更新回复话术文本方面，所述处理器601用于：

根据单位时间内获取的文本记录，确定所述文本记录中的所述回复话术文本的来源占比，所述来源包括所述第一预测模型和所述第二预测模型；

若所述单位时间内所述意向等级高于预设意向等级的文本记录对应的客户的数量增多，则对所述来源中占比相对较小的预测模型所生成的所述回复话术文本进行更新。

在一种可选方案中，所述处理器601还用于：

将所述多条文本记录中的问题信息和回复信息输入至所述第一预测模型和/或所述第二预测模型中进行训练；

将训练好的所述第一预测模型和/或所述第二预测模型替换原有的所述第一预测模型和/或所述第二预测模型。

需要说明的是，上述各个操作的实现及有益效果还可以对应参照图2、图3和图4所示的方法实施例中的相应描述。

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存储有计算机程序，所述计算机程序包括程序指令，所述计算机程序当被处理器执行时使所述处理器实现图2、图3和图4所述实施例中所执行的操作。

本申请实施例还提供一种计算机程序产品，当所述计算机程序产品在处理器上运行时，实现图2、图3和图4所述实施例中所执行的操作。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过程序来指令相关的硬件来完成，该的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可存储程序代码的介质。

Claims (10)

1.一种基于AI的外呼方法，其特征在于，所述方法包括：

获取多条文本记录，其中，所述多条文本记录中每条文本记录为目标对象与一个客户语音沟通生成的语音信息对应的文本内容，所述目标对象包括人工智能AI机器人，或者所述目标对象包括所述AI机器人与人工客服两者；

将所述多条文本记录输入至意图识别模型，得到所述多条文本记录各对应的客户的意向信息和意向等级，其中，所述意图识别模型为根据历史场景下的多条文本记录和与所述多条文本记录分别对应的意向信息和意向等级训练得到，所述多条文本记录为特征数据，所述意向信息和意向等级为标签数据，所述意向等级用于表征所述意向信息中描述的意向的强烈程度；

向人工客服推送目标客户的标签信息，其中，所述目标客户为所述意向等级高于预设意向等级的文本记录对应的客户，所述标签信息包括对应的文本记录、与所述文本记录对应的意向信息和意向等级；

根据所述意向等级高于预设意向等级的文本记录对应的客户的数量变化趋势，更新回复话术文本，所述回复话术文本用于所述目标对象与客户的语音沟通中。

2.根据权利要求1所述的方法，其特征在于，所述获取多条文本记录，包括：

通过所述目标对象与多个客户进行外呼通话；

所述目标对象根据预设算法识别客户讲话中的关键词；

根据所述关键词和回复数据库，所述目标对象与客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录，其中，所述回复数据库包括多个所述回复话术文本与关键词的对应关系，所述回复数据库中的多个回复话术文本包括由第一预测模型训练得到的回复话术文本和第二预测模型训练得到的回复话术文本，所述第一预测模型为根据历史场景下人工客服与客户的对话文本中的第一问题信息与第一回复信息训练得到，所述问题信息为特征数据，所述回复信息为标签数据，所述第二预测模型为根据所述AI机器人与客户的外呼文本记录训练得到，所述外呼文本记录中的第二问题信息为特征数据，所述外呼文本记录中的第二回复信息为标签数据。

3.根据权利要求2所述的方法，其特征在于，所述根据所述关键词和回复数据库，所述目标对象与所述客户进行语音沟通，并生成所述语音信息和与所述语音信息对应的所述文本记录，包括：

根据对话轮次在所述回复数据库中查询与所述关键词对应的回复话术文本，其中，所述AI机器人与特定的人工客服绑定，所述AI机器人的声音要素与所述特定的人工客服相同，所述声音要素至少包括音色和音量；

通过所述AI机器人根据所述回复话术文本与所述客户进行语音沟通；

在所述回复话术文本的匹配度低于预设匹配度时，输出提示信息，所述提示信息用于提示所述特定的人工客服介入至所述语音沟通中，以替代所述AI机器人与所述客户进行沟通；

生成所述文本记录，其中，所述文本记录包括第一文本记录和第二文本记录，所述第一文本记录为根据所述AI机器人与所述客户语音沟通中的对话生成的，所述第二文本记录为根据所述特定的人工客服与所述客户语音沟通中的对话生成的。

4.根据权利要求3所述的方法，其特征在于，在所述生成所述文本记录之后，还包括：

根据所述特定的人工客服的介入次数，确定所述回复数据库中的所述回复话术文本是否需要更新。

5.根据权利要求2所述的方法，其特征在于，所述根据所述意向等级高于预设意向等级的文本记录对应的客户的数量变化趋势，更新回复话术文本，包括：

根据单位时间内获取的文本记录，确定所述文本记录中的所述回复话术文本的来源占比，所述来源包括所述第一预测模型和所述第二预测模型；

若所述单位时间内所述意向等级高于预设意向等级的文本记录对应的客户的数量增多，则对所述来源中占比相对较小的预测模型所生成的所述回复话术文本进行更新。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述回复数据库中存储有分别归属于多轮对话中的各个轮次的回复话术文本，所述多轮对话至少包括最开始一轮、最后一轮、以及所述最开始一轮和最后一轮之外的一轮。

7.根据权利要求2-5任一项所述的方法，其特征在于，在所述获取多条文本记录之后，还包括：

将所述多条文本记录中的问题信息和回复信息输入至所述第一预测模型和/或所述第二预测模型中进行训练；

将训练好的所述第一预测模型和/或所述第二预测模型替换原有的所述第一预测模型和/或所述第二预测模型。

8.一种外呼装置，其特征在于，所述装置包括：

获取单元，用于获取多条文本记录，其中，所述多条文本记录中每条文本记录为目标对象与一个客户语音沟通生成的语音信息对应的文本内容，所述目标对象包括人工智能AI机器人，或者所述目标对象包括所述AI机器人与人工客服两者；

第一输入单元，用于将所述多条文本记录输入至意图识别模型，得到所述多条文本记录各对应的客户的意向信息和意向等级，其中，所述意图识别模型为根据历史场景下的多条文本记录和与所述多条文本记录分别对应的意向信息和意向等级训练得到，所述多条文本记录为特征数据，所述意向信息和意向等级为标签数据，所述意向等级用于表征所述意向信息中描述的意向的强烈程度；

推送单元，用于向人工客服推送目标客户的标签信息，其中，所述目标客户为所述意向等级高于预设意向等级的文本记录对应的客户，所述标签信息包括对应的文本记录、与所述文本记录对应的意向信息和意向等级；

更新单元，用于根据所述意向等级高于预设意向等级的文本记录对应的客户的数量变化趋势，更新回复话术文本，所述回复话术文本用于所述目标对象与客户的语音沟通中。

9.一种外呼设备，其特征在于，所述设备包括至少一个处理器、通信接口和存储器，所述通信接口用于发送和/或接收数据，所述存储器用于存储计算机程序，所述至少一个处理器用于调用至少一个存储器中存储的计算机程序，以实现如权利要求1-7任一项所述的方法。

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中存储有计算机程序，当所述计算机程序在处理器上运行时，实现如权利要求1-7任一项所述的方法。

Images