CN116828109A - 一种电话客服服务质量智能评估方法及系统 - Google Patents
一种电话客服服务质量智能评估方法及系统 Download PDFInfo
- Publication number
- CN116828109A CN116828109A CN202310904987.9A CN202310904987A CN116828109A CN 116828109 A CN116828109 A CN 116828109A CN 202310904987 A CN202310904987 A CN 202310904987A CN 116828109 A CN116828109 A CN 116828109A
- Authority
- CN
- China
- Prior art keywords
- personnel
- customer service
- customer
- emotion
- analysis
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 131
- 230000006872 improvement Effects 0.000 claims abstract description 83
- 238000013441 quality evaluation Methods 0.000 claims abstract description 47
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims abstract description 19
- 230000008451 emotion Effects 0.000 claims description 193
- 238000005065 mining Methods 0.000 claims description 99
- 230000000875 corresponding effect Effects 0.000 claims description 54
- 238000013527 convolutional neural network Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 11
- 230000006854 communication Effects 0.000 abstract description 6
- 238000004891 communication Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 description 11
- 230000001052 transient effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/2227—Quality of service monitoring
-
- 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
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1822—Parsing for meaning understanding
-
- 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
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Quality & Reliability (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
本发明公开了一种电话客服服务质量智能评估方法及系统，其方法包括：获取客服通话录音文件，提取出录音文件中客户人员和客服人员各自对应的语音内容；将客户人员和客服人员各自对应的语音内容转化为文字内容，将语音内容和文字内容进行同步分析，将分析数据存储到预设数据仓库中；对预设数据仓库中的存储分析数据进行预处理和大数据分析，根据分析结果获取客户人员对于客服人员的服务质量评价结果；将客户人员对于客服人员的服务质量评价结果进行可视化展示并生成对应的改进建议。可以实现系统自动评价电话客服服务质量，提高评价客观性和准确度，同时也降低了人力统计成本，提高了实用性为后续进行电话沟通改善提供了参考条件，提高了体验感。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种电话客服服务质量智能评估方法及系统。
背景技术
目前，电话银行的职能已逐步从服务支撑向客户经营转变，随着客服中心扩大嵌入式营销和外呼营销规模的增大，业务办理远程电话完成，业务办理的质量一致是客服中心的重点工作，如何提高客服的服务质量是以客户为中心的现代化服务的必然要求，现有评价电话客服服务质量的方法是通过对通话路劲进行统计抽样，听取录音文件样本并进行人工评价，其不仅费时费力，并且目的性和主观性以及随机性太强导致最终的评价结果缺乏客观性，降低了数据的参考意义。
发明内容
针对上述所显示出来的问题，本发明提供了一种电话客服服务质量智能评估方法及系统用以解决背景技术中提到的通过对通话路劲进行统计抽样，听取录音文件样本并进行人工评价，其不仅费时费力，并且目的性和主观性以及随机性太强导致最终的评价结果缺乏客观性，降低了数据的参考意义的问题。
一种电话客服服务质量智能评估方法，包括以下步骤：
获取客服通话录音文件，提取出录音文件中客户人员和客服人员各自对应的语音内容；
将客户人员和客服人员各自对应的语音内容转化为文字内容，将语音内容和文字内容进行同步分析，将分析数据存储到预设数据仓库中；
对预设数据仓库中的存储分析数据进行预处理和大数据分析，根据分析结果获取客户人员对于客服人员的服务质量评价结果；
将客户人员对于客服人员的服务质量评价结果进行可视化展示并生成对应的改进建议。
优选的，所述获取客服通话录音文件，提取出录音文件中客户人员和客服人员各自对应的语音内容，包括：
从录音数据库下载客服录音文件并对其进行语音信号增强处理，获取处理后的录音文件；
通过卷积神经网络CNN语音识别技术对处理后的录音文件进行音轨识别，获取客户人员的第一音轨和客服人员的第二音轨；
基于第一音轨从处理后的录音文件中提取出客户人员的第一语音内容，同时，基于第二音轨从处理后的录音文件中提取出客服人员的第二语音内容；
检测第一语音内容和第二语音内容中的空白语音段并对其进行剔除处理，获取第三语音内容和第四语音内容，将第三语音内容和第四语音内容作为客户人员和客服人员各自对应的最终语音内容。
优选的，所述将客户人员和客服人员各自对应的语音内容转化为文字内容，将语音内容和文字内容进行同步分析，将分析数据存储到预设数据仓库中，包括：
通过人工智能NLP语义识别技术将客户人员和客服人员各自对应的语音内容转化为文字内容；
构建客户人员和客服人员在进行通话时的虚拟业务场景；
在虚拟业务场景中分别对客户人员和客服人员各自对应的语音内容和文字内容进行词法分析、对话情绪分析和情感倾向分析，获取多维度分析数据；
将多维度分析数据按照标准存储格式存储到预设数据仓库中。
优选的，所述对预设数据仓库中的存储分析数据进行预处理和大数据分析，根据分析结果获取客户人员对于客服人员的服务质量评价结果，包括：
对预设数据仓库中的存储分析数据进行数据清洗和补全的预处理操作，获取预处理后的分析数据；
提取预处理后的分析数据中客户人员和客服人员各自对应的情绪显性特征以及情绪挖掘指标与情感显性特征以及情感挖掘指标；
基于情绪挖掘指标和情感挖掘指标进行情感特征挖掘和情绪特征挖掘，获取客户人员和客服人员各自的情感挖掘特征和情绪挖掘特征；
通过OLAP联机大数据分析方式对客户人员和客服人员各自的情绪显性特征以及情绪挖掘特征与情感显性特征以及情感挖掘特征进行分析，获取分析结果；
根据分析结果确定客户人员和客服人员各自的情感表达方向和情绪表达方向，根据情感表达方向和情绪表达方向确定客户人员对于客服人员的服务质量评价结果。
优选的，所述将客户人员对于客服人员的服务质量评价结果进行可视化展示并生成对应的改进建议，包括：
将客户人员对于客服人员的服务质量评价结果和推断依据相关联，获取关联后的数据；
将关联后的数据通过数据上传渠道上传到客服管理人员所在终端进行可视化展示；
根据客户人员对于客服人员的服务质量评价结果确定改进维度，针对改进维度和业务参数确定每个改进维度的多项改进指标；
根据每个改进维度的多项改进指标生成改进建议并上传到客服管理人员所在终端。
一种电话客服服务质量智能评估系统，该系统包括：
提取模块，用于获取客服通话录音文件，提取出录音文件中客户人员和客服人员各自对应的语音内容；
第一分析模块，用于将客户人员和客服人员各自对应的语音内容转化为文字内容，将语音内容和文字内容进行同步分析，将分析数据存储到预设数据仓库中；
第二分析模块，用于对预设数据仓库中的存储分析数据进行预处理和大数据分析，根据分析结果获取客户人员对于客服人员的服务质量评价结果；
展示模块，用于将客户人员对于客服人员的服务质量评价结果进行可视化展示并生成对应的改进建议。
优选的，所述提取模块，包括：
第一处理子模块，用于从录音数据库下载客服录音文件并对其进行语音信号增强处理，获取处理后的录音文件；
识别子模块，用于通过卷积神经网络CNN语音识别技术对处理后的录音文件进行音轨识别，获取客户人员的第一音轨和客服人员的第二音轨；
第一提取子模块，用于基于第一音轨从处理后的录音文件中提取出客户人员的第一语音内容，同时，基于第二音轨从处理后的录音文件中提取出客服人员的第二语音内容；
第二处理子模块，用于检测第一语音内容和第二语音内容中的空白语音段并对其进行剔除处理，获取第三语音内容和第四语音内容，将第三语音内容和第四语音内容作为客户人员和客服人员各自对应的最终语音内容。
优选的，所述第一分析模块，包括：
转化子模块，用于通过人工智能NLP语义识别技术将客户人员和客服人员各自对应的语音内容转化为文字内容；
构建子模块，用于构建客户人员和客服人员在进行通话时的虚拟业务场景；
第一分析子模块，用于在虚拟业务场景中分别对客户人员和客服人员各自对应的语音内容和文字内容进行词法分析、对话情绪分析和情感倾向分析，获取多维度分析数据；
存储子模块，用于将多维度分析数据按照标准存储格式存储到预设数据仓库中。
优选的，所述第二分析模块，包括：
预处理子模块，用于对预设数据仓库中的存储分析数据进行数据清洗和补全的预处理操作，获取预处理后的分析数据；
第二提取子模块，用于提取预处理后的分析数据中客户人员和客服人员各自对应的情绪显性特征以及情绪挖掘指标与情感显性特征以及情感挖掘指标；
挖掘子模块，用于基于情绪挖掘指标和情感挖掘指标进行情感特征挖掘和情绪特征挖掘，获取客户人员和客服人员各自的情感挖掘特征和情绪挖掘特征；
第二分析子模块，用于通过OLAP联机大数据分析方式对客户人员和客服人员各自的情绪显性特征以及情绪挖掘特征与情感显性特征以及情感挖掘特征进行分析，获取分析结果；
第一确定子模块，用于根据分析结果确定客户人员和客服人员各自的情感表达方向和情绪表达方向，根据情感表达方向和情绪表达方向确定客户人员对于客服人员的服务质量评价结果。
优选的，所述展示模块，包括：
关联子模块，用于将客户人员对于客服人员的服务质量评价结果和推断依据相关联，获取关联后的数据；
展示子模块，用于将关联后的数据通过数据上传渠道上传到客服管理人员所在终端进行可视化展示；
第二确定子模块，用于根据客户人员对于客服人员的服务质量评价结果确定改进维度，针对改进维度和业务参数确定每个改进维度的多项改进指标；
生成子模块，用于根据每个改进维度的多项改进指标生成改进建议并上传到客服管理人员所在终端。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明所提供的一种电话客服服务质量智能评估方法的工作流程图；
图2为本发明所提供的一种电话客服服务质量智能评估方法的另一工作流程图；
图3为本发明所提供的一种电话客服服务质量智能评估系统的结构示意图；
图4为本发明所提供的一种电话客服服务质量智能评估系统中提取模块的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
目前，电话银行的职能已逐步从服务支撑向客户经营转变，随着客服中心扩大嵌入式营销和外呼营销规模的增大，业务办理远程电话完成，业务办理的质量一致是客服中心的重点工作，如何提高客服的服务质量是以客户为中心的现代化服务的必然要求，现有评价电话客服服务质量的方法是通过对通话路劲进行统计抽样，听取录音文件样本并进行人工评价，其不仅费时费力，并且目的性和主观性以及随机性太强导致最终的评价结果缺乏客观性，降低了数据的参考意义。为了解决上述问题，本是实施例公开了一种电话客服服务质量智能评估方法。
一种电话客服服务质量智能评估方法，如图1所示，包括以下步骤：
步骤S101、获取客服通话录音文件，提取出录音文件中客户人员和客服人员各自对应的语音内容；
步骤S102、将客户人员和客服人员各自对应的语音内容转化为文字内容，将语音内容和文字内容进行同步分析，将分析数据存储到预设数据仓库中；
步骤S103、对预设数据仓库中的存储分析数据进行预处理和大数据分析，根据分析结果获取客户人员对于客服人员的服务质量评价结果；
步骤S104、将客户人员对于客服人员的服务质量评价结果进行可视化展示并生成对应的改进建议。
在本实施例中，通话录音文件表示为客服人员在和客户人员的沟通过程中的语音内容的录制文件；
在本实施例中，同步分析表示为将语音内容和文字内容进行同时分析，通过语音内容和文字内容分析客户和客服的情绪和情感表达；
在本实施例中，预处理表示为将存储分析数据进行数据清洗和数据补全的预处理操作；
在本实施例中，大数据分析表示为对存储分析数据进行大数据维度的综合情绪和情感分析，从而获取客户人员对于客服人员的最终服务质量评价结果；
在本实施例中，改进建议表示为对客服人员的服务改进建议，例如：从服务态度或者服务语气方面的改进或者更换不同性格的客服人员的改进。
上述技术方案的工作原理为：获取客服通话录音文件，提取出录音文件中客户人员和客服人员各自对应的语音内容；将客户人员和客服人员各自对应的语音内容转化为文字内容，将语音内容和文字内容进行同步分析，将分析数据存储到预设数据仓库中；对预设数据仓库中的存储分析数据进行预处理和大数据分析，根据分析结果获取客户人员对于客服人员的服务质量评价结果；将客户人员对于客服人员的服务质量评价结果进行可视化展示并生成对应的改进建议。
上述技术方案的有益效果为：通过利用大数据分析的方式对客户人员进行情绪和情感的统计分析可以实现系统自动评价电话客服服务质量，提高评价客观性和准确度，同时也有效地降低了人力统计成本，提高了实用性，进一步地，通过生成改进建议可以为电话服务管理人员在后续进行电话沟通改善提供了参考条件，提高了用户的体验感，解决了现有技术中通过对通话路劲进行统计抽样，听取录音文件样本并进行人工评价，其不仅费时费力，并且目的性和主观性以及随机性太强导致最终的评价结果缺乏客观性，降低了数据的参考意义的问题，
在一个实施例中，如图2所示，所述获取客服通话录音文件，提取出录音文件中客户人员和客服人员各自对应的语音内容，包括：
步骤S201、从录音数据库下载客服录音文件并对其进行语音信号增强处理，获取处理后的录音文件；
步骤S202、通过卷积神经网络CNN语音识别技术对处理后的录音文件进行音轨识别，获取客户人员的第一音轨和客服人员的第二音轨；
步骤S203、基于第一音轨从处理后的录音文件中提取出客户人员的第一语音内容，同时，基于第二音轨从处理后的录音文件中提取出客服人员的第二语音内容；
步骤S204、检测第一语音内容和第二语音内容中的空白语音段并对其进行剔除处理，获取第三语音内容和第四语音内容，将第三语音内容和第四语音内容作为客户人员和客服人员各自对应的最终语音内容。
在本实施例中，空白语音段表示为第一语音内容和第二语音内容中没有语音信号的语音段。
上述技术方案的有益效果为：通过利用卷积神经网络CNN语音识别技术对处理后的录音文件进行音轨识别来获取客户人员和客服人员各自的语音内容可以精准无误差地提取出客户人员和客服人员的语音内容，保证了提取结果的高质量性和稳定性，进一步地，通过将语音内容中的空白语音段剔除可以进一步地保证提取结果的高质量性，为后续进行语音分析奠定了条件。
在一个实施例中，所述将客户人员和客服人员各自对应的语音内容转化为文字内容，将语音内容和文字内容进行同步分析，将分析数据存储到预设数据仓库中，包括：
通过人工智能NLP语义识别技术将客户人员和客服人员各自对应的语音内容转化为文字内容；
构建客户人员和客服人员在进行通话时的虚拟业务场景；
在虚拟业务场景中分别对客户人员和客服人员各自对应的语音内容和文字内容进行词法分析、对话情绪分析和情感倾向分析，获取多维度分析数据；
将多维度分析数据按照标准存储格式存储到预设数据仓库中。
在本实施例中，虚拟业务场景表示为客服人员和客户人员在进行业务交互是的虚拟环境场景。
上述技术方案的有益效果为：通过构建虚拟业务场景进而在其中进行情绪和情感分析可以最大化地保证与实际沟通场景的吻合性，可以精准地对客户人员和客服人员的通话情绪和情感进行分析，保证了分析结果的客观性和准确性。
在一个实施例中，所述对预设数据仓库中的存储分析数据进行预处理和大数据分析，根据分析结果获取客户人员对于客服人员的服务质量评价结果，包括：
对预设数据仓库中的存储分析数据进行数据清洗和补全的预处理操作，获取预处理后的分析数据；
提取预处理后的分析数据中客户人员和客服人员各自对应的情绪显性特征以及情绪挖掘指标与情感显性特征以及情感挖掘指标；
基于情绪挖掘指标和情感挖掘指标进行情感特征挖掘和情绪特征挖掘，获取客户人员和客服人员各自的情感挖掘特征和情绪挖掘特征；
通过OLAP联机大数据分析方式对客户人员和客服人员各自的情绪显性特征以及情绪挖掘特征与情感显性特征以及情感挖掘特征进行分析，获取分析结果；
根据分析结果确定客户人员和客服人员各自的情感表达方向和情绪表达方向，根据情感表达方向和情绪表达方向确定客户人员对于客服人员的服务质量评价结果。
在本实施例中，情绪显性特征表示为客户人员和客服人员各自的语音内容中所表现出来的明显情绪特征；
在本实施例中，情绪挖掘指标表示为客户人员和客服人员各自的语音内容中所表现出来的隐性情绪的挖掘指标；
在本实施例中，情感显性特征表示为客户人员和客服人员各自的语音内容中所表现出来的明显情感特征；
在本实施例中，情感挖掘指标表示为客户人员和客服人员各自的语音内容中所表现出来的隐性情感的挖掘指标；
在本实施例中，情感挖掘特征表示为根据客户人员和客服人员各自的语音内容中所挖掘出来的情感表现特征；
在本实施例中，情绪挖掘特征表示为根据客户人员和客服人员各自的语音内容中所挖掘出来的情绪表现特征；
在本实施例中，情感表达方向表示为客户人员和客服人员各自的情感好坏的表达方向；
在本实施例中，情绪表达方向表示为客户人员和客服人员各自的情绪好坏的表达方向。
上述技术方案的有益效果为：通过进行情绪特征和情感特征的挖掘可以全面地确定客户人员和客服人员的潜在情绪和情感特征进而对其进行全方位的情绪和情感分析以根据分析结果确定客户人员对于客服人员的服务质量评价结果可以保证最终评价结果的客观性和全面性，提高了数据参考性。
在本实施例中，基于情绪挖掘指标和情感挖掘指标进行情感特征挖掘和情绪特征挖掘，获取客户人员和客服人员各自的情感挖掘特征和情绪挖掘特征，包括：
获取待挖掘的数据资源，对所述数据资源进行分类，获取多类型数据；
确定每一类型数据的数据特征，根据数据特征判定该类型数据与情绪挖掘指标和情感挖掘指标之间的关联权重；
选择关联权重大于等于预设阈值的目标类型数据作为挖掘数据；
获取每一挖掘数据的原始序列数据，对所述原始序列数据进行模态分解，获取多模态向量数据；
对每一挖掘数据的多模态向量数据进行聚类，获取该挖掘数据的多个聚类模态向量数据；
提取每个聚类模态向量数据的向量特征，根据向量特征确定每个聚类模态向量数据的数据标签；
确定每个聚类模态向量数据的数据标签与情绪挖掘指标和情感挖掘指标的瞬态响应概率；
基于每个聚类模态向量数据的数据标签与情绪挖掘指标和情感挖掘指标的瞬态响应概率选择瞬态响应概率大于等于预设概率值的目标挖掘数据作为情绪挖掘指标和情感挖掘指标各自的特征挖掘数据集；
基于情绪挖掘指标和情感挖掘指标分别构建情绪呼应模型和情感呼应模型；
通过情绪挖掘指标和情感挖掘指标各自的特征挖掘数据集获取每项挖掘子数据的跨模特征；
将每项子数据的跨模特征分别输入到所述情绪呼应模型和情感呼应模型中，获取二者的呼应结果；
根据情绪呼应模型和情感呼应模型的呼应结果选择呼应频率大于等于预设频率的目标跨模特征；
根据目标跨模特征获取获取客户人员和客服人员各自的情感挖掘特征和情绪挖掘特征。
在本实施例中，数据资源表示为将要进行情绪特征和情感特征挖掘的数据来源；
在本实施例中，数据特征表示为每一类型数据的功能或者表达特征；
在本实施例中，模态分解表示为将原始序列数据中的子数据按照静态或者动态进行分解；
在本实施例中，瞬态响应概率表示为数据标签与情绪挖掘指标和情感挖掘指标的瞬时贴合相应的概率；
在本实施例中，跨模特征表示为每项挖掘子数据在跨越人眼视觉模型后的情绪或者情感表达特征。
上述技术方案的有益效果为：可以保证情感挖掘特征和情绪挖掘特征的合理性和可靠性以及与指标的吻合性，提高了数据精度，为后续进行服务改善和服务质量评估奠定了条件，进一步地提高了实用性。
在一个实施例中，所述将客户人员对于客服人员的服务质量评价结果进行可视化展示并生成对应的改进建议，包括：
将客户人员对于客服人员的服务质量评价结果和推断依据相关联，获取关联后的数据；
将关联后的数据通过数据上传渠道上传到客服管理人员所在终端进行可视化展示；
根据客户人员对于客服人员的服务质量评价结果确定改进维度，针对改进维度和业务参数确定每个改进维度的多项改进指标；
根据每个改进维度的多项改进指标生成改进建议并上传到客服管理人员所在终端。
在本实施例中，改进维度表示为进行客服服务改善的角度，例如：从通话质量改善，从通话内容改善等；
在本实施例中，改进指标表示为服务改进项的描述指标，例如从通话质量改善的改进指标可以为语气指标、态度指标等。
上述技术方案的有益效果为：可以为管理人员提供有效地推断依据进而使其可以直观地确定评价结果的准确性，进一步地，通过通过多个改进维度的改进指标来生成改进建议可以有针对性地进行改正，提高了后续的电话服务质量和客户的体验感。
在一个实施例中，本实施例还公开了一种电话客服服务质量智能评估系统，如图3所示，该系统包括：
提取模块301，用于获取客服通话录音文件，提取出录音文件中客户人员和客服人员各自对应的语音内容；
第一分析模块302，用于将客户人员和客服人员各自对应的语音内容转化为文字内容，将语音内容和文字内容进行同步分析，将分析数据存储到预设数据仓库中；
第二分析模块303，用于对预设数据仓库中的存储分析数据进行预处理和大数据分析，根据分析结果获取客户人员对于客服人员的服务质量评价结果；
展示模块304，用于将客户人员对于客服人员的服务质量评价结果进行可视化展示并生成对应的改进建议。
上述技术方案的工作原理为：首先通过提取模块获取客服通话录音文件，提取出录音文件中客户人员和客服人员各自对应的语音内容；其次使用第一分析模块将客户人员和客服人员各自对应的语音内容转化为文字内容，将语音内容和文字内容进行同步分析，将分析数据存储到预设数据仓库中；然后通过第二分析模块对预设数据仓库中的存储分析数据进行预处理和大数据分析，根据分析结果获取客户人员对于客服人员的服务质量评价结果；最后使用展示模块将客户人员对于客服人员的服务质量评价结果进行可视化展示并生成对应的改进建议。
上述技术方案的有益效果为：通过利用大数据分析的方式对客户人员进行情绪和情感的统计分析可以实现系统自动评价电话客服服务质量，提高评价客观性和准确度，同时也有效地降低了人力统计成本，提高了实用性，进一步地，通过生成改进建议可以为电话服务管理人员在后续进行电话沟通改善提供了参考条件，提高了用户的体验感
在一个实施例中，如图4所示，所述提取模块301，包括：
第一处理子模块3011，用于从录音数据库下载客服录音文件并对其进行语音信号增强处理，获取处理后的录音文件；
识别子模块3012，用于通过卷积神经网络CNN语音识别技术对处理后的录音文件进行音轨识别，获取客户人员的第一音轨和客服人员的第二音轨；
第一提取子模块3013，用于基于第一音轨从处理后的录音文件中提取出客户人员的第一语音内容，同时，基于第二音轨从处理后的录音文件中提取出客服人员的第二语音内容；
第二处理子模块3014，用于检测第一语音内容和第二语音内容中的空白语音段并对其进行剔除处理，获取第三语音内容和第四语音内容，将第三语音内容和第四语音内容作为客户人员和客服人员各自对应的最终语音内容。
上述技术方案的有益效果为：通过利用卷积神经网络CNN语音识别技术对处理后的录音文件进行音轨识别来获取客户人员和客服人员各自的语音内容可以精准无误差地提取出客户人员和客服人员的语音内容，保证了提取结果的高质量性和稳定性，进一步地，通过将语音内容中的空白语音段剔除可以进一步地保证提取结果的高质量性，为后续进行语音分析奠定了条件。
在一个实施例中，所述第一分析模块，包括：
转化子模块，用于通过人工智能NLP语义识别技术将客户人员和客服人员各自对应的语音内容转化为文字内容；
构建子模块，用于构建客户人员和客服人员在进行通话时的虚拟业务场景；
第一分析子模块，用于在虚拟业务场景中分别对客户人员和客服人员各自对应的语音内容和文字内容进行词法分析、对话情绪分析和情感倾向分析，获取多维度分析数据；
存储子模块，用于将多维度分析数据按照标准存储格式存储到预设数据仓库中。
上述技术方案的有益效果为：通过构建虚拟业务场景进而在其中进行情绪和情感分析可以最大化地保证与实际沟通场景的吻合性，可以精准地对客户人员和客服人员的通话情绪和情感进行分析，保证了分析结果的客观性和准确性。
在一个实施例中，所述第二分析模块，包括：
预处理子模块，用于对预设数据仓库中的存储分析数据进行数据清洗和补全的预处理操作，获取预处理后的分析数据；
第二提取子模块，用于提取预处理后的分析数据中客户人员和客服人员各自对应的情绪显性特征以及情绪挖掘指标与情感显性特征以及情感挖掘指标；
挖掘子模块，用于基于情绪挖掘指标和情感挖掘指标进行情感特征挖掘和情绪特征挖掘，获取客户人员和客服人员各自的情感挖掘特征和情绪挖掘特征；
第二分析子模块，用于通过OLAP联机大数据分析方式对客户人员和客服人员各自的情绪显性特征以及情绪挖掘特征与情感显性特征以及情感挖掘特征进行分析，获取分析结果；
第一确定子模块，用于根据分析结果确定客户人员和客服人员各自的情感表达方向和情绪表达方向，根据情感表达方向和情绪表达方向确定客户人员对于客服人员的服务质量评价结果。
上述技术方案的有益效果为：通过进行情绪特征和情感特征的挖掘可以全面地确定客户人员和客服人员的潜在情绪和情感特征进而对其进行全方位的情绪和情感分析以根据分析结果确定客户人员对于客服人员的服务质量评价结果可以保证最终评价结果的客观性和全面性，提高了数据参考性。
在一个实施例中，所述展示模块，包括：
关联子模块，用于将客户人员对于客服人员的服务质量评价结果和推断依据相关联，获取关联后的数据；
展示子模块，用于将关联后的数据通过数据上传渠道上传到客服管理人员所在终端进行可视化展示；
第二确定子模块，用于根据客户人员对于客服人员的服务质量评价结果确定改进维度，针对改进维度和业务参数确定每个改进维度的多项改进指标；
生成子模块，用于根据每个改进维度的多项改进指标生成改进建议并上传到客服管理人员所在终端。
上述技术方案的有益效果为：可以为管理人员提供有效地推断依据进而使其可以直观地确定评价结果的准确性，进一步地，通过通过多个改进维度的改进指标来生成改进建议可以有针对性地进行改正，提高了后续的电话服务质量和客户的体验感。
本领域技术人员应当理解的是，本发明中的第一、第二指的是不同应用阶段而已。
本领域技术用户员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种电话客服服务质量智能评估方法，其特征在于，包括以下步骤：
获取客服通话录音文件，提取出录音文件中客户人员和客服人员各自对应的语音内容；
将客户人员和客服人员各自对应的语音内容转化为文字内容，将语音内容和文字内容进行同步分析，将分析数据存储到预设数据仓库中；
对预设数据仓库中的存储分析数据进行预处理和大数据分析，根据分析结果获取客户人员对于客服人员的服务质量评价结果；
将客户人员对于客服人员的服务质量评价结果进行可视化展示并生成对应的改进建议。
2.根据权利要求1所述一种电话客服服务质量智能评估方法，其特征在于，所述获取客服通话录音文件，提取出录音文件中客户人员和客服人员各自对应的语音内容，包括：
从录音数据库下载客服录音文件并对其进行语音信号增强处理，获取处理后的录音文件；
通过卷积神经网络CNN语音识别技术对处理后的录音文件进行音轨识别，获取客户人员的第一音轨和客服人员的第二音轨；
基于第一音轨从处理后的录音文件中提取出客户人员的第一语音内容，同时，基于第二音轨从处理后的录音文件中提取出客服人员的第二语音内容；
检测第一语音内容和第二语音内容中的空白语音段并对其进行剔除处理，获取第三语音内容和第四语音内容，将第三语音内容和第四语音内容作为客户人员和客服人员各自对应的最终语音内容。
3.根据权利要求1所述一种电话客服服务质量智能评估方法，其特征在于，所述将客户人员和客服人员各自对应的语音内容转化为文字内容，
将语音内容和文字内容进行同步分析，将分析数据存储到预设数据仓库中，
包括：
通过人工智能NLP语义识别技术将客户人员和客服人员各自对应的语音内容转化为文字内容；
构建客户人员和客服人员在进行通话时的虚拟业务场景；
在虚拟业务场景中分别对客户人员和客服人员各自对应的语音内容和文字内容进行词法分析、对话情绪分析和情感倾向分析，获取多维度分析数据；
将多维度分析数据按照标准存储格式存储到预设数据仓库中。
4.根据权利要求1所述一种电话客服服务质量智能评估方法，其特征在于，所述对预设数据仓库中的存储分析数据进行预处理和大数据分析，
根据分析结果获取客户人员对于客服人员的服务质量评价结果，包括：
对预设数据仓库中的存储分析数据进行数据清洗和补全的预处理操作，获取预处理后的分析数据；
提取预处理后的分析数据中客户人员和客服人员各自对应的情绪显性特征以及情绪挖掘指标与情感显性特征以及情感挖掘指标；
基于情绪挖掘指标和情感挖掘指标进行情感特征挖掘和情绪特征挖掘，获取客户人员和客服人员各自的情感挖掘特征和情绪挖掘特征；
通过OLAP联机大数据分析方式对客户人员和客服人员各自的情绪显性特征以及情绪挖掘特征与情感显性特征以及情感挖掘特征进行分析，获取分析结果；
根据分析结果确定客户人员和客服人员各自的情感表达方向和情绪表达方向，根据情感表达方向和情绪表达方向确定客户人员对于客服人员的服务质量评价结果。
5.根据权利要求1所述一种电话客服服务质量智能评估方法，其特征在于，所述将客户人员对于客服人员的服务质量评价结果进行可视化展示并生成对应的改进建议，包括：
将客户人员对于客服人员的服务质量评价结果和推断依据相关联，获取关联后的数据；
将关联后的数据通过数据上传渠道上传到客服管理人员所在终端进行可视化展示；
根据客户人员对于客服人员的服务质量评价结果确定改进维度，针对改进维度和业务参数确定每个改进维度的多项改进指标；
根据每个改进维度的多项改进指标生成改进建议并上传到客服管理人员所在终端。
6.一种电话客服服务质量智能评估系统，其特征在于，该系统包括：
提取模块，用于获取客服通话录音文件，提取出录音文件中客户人员和客服人员各自对应的语音内容；
第一分析模块，用于将客户人员和客服人员各自对应的语音内容转化为文字内容，将语音内容和文字内容进行同步分析，将分析数据存储到预设数据仓库中；
第二分析模块，用于对预设数据仓库中的存储分析数据进行预处理和大数据分析，根据分析结果获取客户人员对于客服人员的服务质量评价结果；
展示模块，用于将客户人员对于客服人员的服务质量评价结果进行可视化展示并生成对应的改进建议。
7.根据权利要求6所述一种电话客服服务质量智能评估系统，其特征在于，所述提取模块，包括：
第一处理子模块，用于从录音数据库下载客服录音文件并对其进行语音信号增强处理，获取处理后的录音文件；
识别子模块，用于通过卷积神经网络CNN语音识别技术对处理后的录音文件进行音轨识别，获取客户人员的第一音轨和客服人员的第二音轨；
第一提取子模块，用于基于第一音轨从处理后的录音文件中提取出客户人员的第一语音内容，同时，基于第二音轨从处理后的录音文件中提取出客服人员的第二语音内容；
第二处理子模块，用于检测第一语音内容和第二语音内容中的空白语音段并对其进行剔除处理，获取第三语音内容和第四语音内容，将第三语音内容和第四语音内容作为客户人员和客服人员各自对应的最终语音内容。
8.根据权利要求6所述一种电话客服服务质量智能评估系统，其特征在于，所述第一分析模块，包括：
转化子模块，用于通过人工智能NLP语义识别技术将客户人员和客服人员各自对应的语音内容转化为文字内容；
构建子模块，用于构建客户人员和客服人员在进行通话时的虚拟业务场景；
第一分析子模块，用于在虚拟业务场景中分别对客户人员和客服人员各自对应的语音内容和文字内容进行词法分析、对话情绪分析和情感倾向分析，获取多维度分析数据；
存储子模块，用于将多维度分析数据按照标准存储格式存储到预设数据仓库中。
9.根据权利要求6所述一种电话客服服务质量智能评估系统，其特征在于，所述第二分析模块，包括：
预处理子模块，用于对预设数据仓库中的存储分析数据进行数据清洗和补全的预处理操作，获取预处理后的分析数据；
第二提取子模块，用于提取预处理后的分析数据中客户人员和客服人员各自对应的情绪显性特征以及情绪挖掘指标与情感显性特征以及情感挖掘指标；
挖掘子模块，用于基于情绪挖掘指标和情感挖掘指标进行情感特征挖掘和情绪特征挖掘，获取客户人员和客服人员各自的情感挖掘特征和情绪挖掘特征；
第二分析子模块，用于通过OLAP联机大数据分析方式对客户人员和客服人员各自的情绪显性特征以及情绪挖掘特征与情感显性特征以及情感挖掘特征进行分析，获取分析结果；
第一确定子模块，用于根据分析结果确定客户人员和客服人员各自的情感表达方向和情绪表达方向，根据情感表达方向和情绪表达方向确定客户人员对于客服人员的服务质量评价结果。
10.根据权利要求6所述一种电话客服服务质量智能评估系统，其特征在于，所述展示模块，包括：
关联子模块，用于将客户人员对于客服人员的服务质量评价结果和推断依据相关联，获取关联后的数据；
展示子模块，用于将关联后的数据通过数据上传渠道上传到客服管理人员所在终端进行可视化展示；
第二确定子模块，用于根据客户人员对于客服人员的服务质量评价结果确定改进维度，针对改进维度和业务参数确定每个改进维度的多项改进指标；
生成子模块，用于根据每个改进维度的多项改进指标生成改进建议并上传到客服管理人员所在终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310904987.9A CN116828109A (zh) | 2023-07-21 | 2023-07-21 | 一种电话客服服务质量智能评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310904987.9A CN116828109A (zh) | 2023-07-21 | 2023-07-21 | 一种电话客服服务质量智能评估方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116828109A true CN116828109A (zh) | 2023-09-29 |
Family
ID=88116765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310904987.9A Pending CN116828109A (zh) | 2023-07-21 | 2023-07-21 | 一种电话客服服务质量智能评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116828109A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117649242A (zh) * | 2023-12-14 | 2024-03-05 | 联通(江苏)产业互联网有限公司 | 一种基于nlp模型的质检服务智能监管系统及方法 |
-
2023
- 2023-07-21 CN CN202310904987.9A patent/CN116828109A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117649242A (zh) * | 2023-12-14 | 2024-03-05 | 联通(江苏)产业互联网有限公司 | 一种基于nlp模型的质检服务智能监管系统及方法 |
| CN117649242B (zh) * | 2023-12-14 | 2024-05-28 | 联通(江苏)产业互联网有限公司 | 一种基于nlp模型的质检服务智能监管系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220044679A1 (en) | Speech communication system and method with human-machine coordination | |
| CN109767791B (zh) | 一种针对呼叫中心通话的语音情绪识别及应用系统 | |
| CN108962282B (zh) | 语音检测分析方法、装置、计算机设备及存储介质 | |
| CN113468296B (zh) | 可配置业务逻辑的模型自迭代式智能客服质检系统与方法 | |
| CN106446045B (zh) | 基于对话交互的用户画像的构建方法及系统 | |
| WO2021068843A1 (zh) | 一种情绪识别方法及装置、电子设备和可读存储介质 | |
| CN112804400A (zh) | 客服呼叫语音质检方法、装置、电子设备及存储介质 | |
| CN105141787A (zh) | 服务录音的合规检查方法及装置 | |
| US20150066549A1 (en) | System, Method and Apparatus for Voice Analytics of Recorded Audio | |
| CN112579789A (zh) | 一种设备故障诊断的方法和装置及设备 | |
| CN113297365B (zh) | 一种用户意向判定方法、装置、设备及存储介质 | |
| CN116828109A (zh) | 一种电话客服服务质量智能评估方法及系统 | |
| CN116600053B (zh) | 一种基于ai大语言模型的客服系统 | |
| CN113505606B (zh) | 一种培训信息获取方法、装置、电子设备及存储介质 | |
| CA3182191A1 (en) | Voice quality inspection method and device, computer equipment and storage medium | |
| CN117441165A (zh) | 减少生成语言模型的偏差 | |
| CN111104505A (zh) | 信息提示方法、装置、设备和存储介质 | |
| CN116663890A (zh) | 一种基于机器学习模型的供电客户满意度评价方法及系统 | |
| CN114240250A (zh) | 一种职业评测的智能管理方法及系统 | |
| CN114492436A (zh) | 一种审计访谈信息的处理方法、装置和系统 | |
| CN112434953A (zh) | 一种基于计算机数据处理的客服人员考核方法和装置 | |
| CN111507751A (zh) | 一种基于沟通数据的线索打分方法 | |
| CN114023355B (zh) | 基于人工智能的坐席外呼质检方法及系统 | |
| CN110166640B (zh) | 呼叫中心通用信息模型建立系统及方法 | |
| CN112992150B (zh) | 话术模板使用效果评价方法及装置 |
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 |