CN117151727B - 基于用户行为分析的客服智能切换方法 - Google Patents
基于用户行为分析的客服智能切换方法 Download PDFInfo
- Publication number
- CN117151727B CN117151727B CN202311420492.5A CN202311420492A CN117151727B CN 117151727 B CN117151727 B CN 117151727B CN 202311420492 A CN202311420492 A CN 202311420492A CN 117151727 B CN117151727 B CN 117151727B
- Authority
- CN
- China
- Prior art keywords
- customer service
- user
- communication
- emotion
- energy efficiency
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000006854 communication Effects 0.000 claims abstract description 211
- 238000004891 communication Methods 0.000 claims abstract description 210
- 230000008451 emotion Effects 0.000 claims abstract description 129
- 230000009471 action Effects 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims description 53
- 230000008859 change Effects 0.000 claims description 31
- 230000004044 response Effects 0.000 claims description 25
- 238000005457 optimization Methods 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 12
- 230000036651 mood Effects 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 7
- 230000006641 stabilisation Effects 0.000 claims description 7
- 238000011105 stabilization Methods 0.000 claims description 7
- 238000007418 data mining Methods 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 14
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000003019 stabilising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了基于用户行为分析的客服智能切换方法，涉及数据处理技术领域，该方法包括：得到关键词集合；得到比对结果；触发第一客服切换指令，获取第一用户对话行为信息集；进行回复内容相关性和用户情绪特征识别，得到第一沟通能效指数序列；生成第二客服切换指令；根据第二客服切换指令调取空闲客服集合，进行人工客服的寻优，得到寻优客服；将第一人工客服切换为寻优客服，解决了现有技术中存在由于对于人工客服的沟通能效和用户个体特征的分析准确性不佳，导致在人工客服之间的切换效果不佳，被切换后的客服沟通能力不足，影响用户体验的技术问题，达到提升切换后的客服沟通能效，进而提升用户体验感的技术效果。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及基于用户行为分析的客服智能切换方法。
背景技术
金融、电商、旅游、电信、保险等多个行业均会应用到客服，客服包括人工客服与机器人客服。现有技术中，往往通过对用户的对话进行情绪状态分析，从而在用户情绪状态不佳的情况下，进行客服的切换，但是其对于人工客服的沟通能效和用户个体特征的分析准确性不佳，导致在人工客服之间的切换效果不佳，被切换后的客服沟通能力不足，影响用户体验。
综上，现有技术中存在由于对于人工客服的沟通能效和用户个体特征的分析准确性不佳，导致在人工客服之间的切换效果不佳，被切换后的客服沟通能力不足，影响用户体验的技术问题。
发明内容
本发明提供了基于用户行为分析的客服智能切换方法，用以解决现有技术中存在由于对于人工客服的沟通能效和用户个体特征的分析准确性不佳，导致在人工客服之间的切换效果不佳，被切换后的客服沟通能力不足，影响用户体验的技术问题。
根据本发明的第一方面，提供了基于用户行为分析的客服智能切换方法，包括：通过第一客服平台接收第一用户的第一输入信息并进行关键词提取，得到关键词集合；根据所述关键词集合在基础提问数据库和答复模板数据库中进行遍历比对，得到比对结果；当所述比对结果为比对失败，触发第一客服切换指令，根据所述第一客服切换指令将客服机器人切换为第一人工客服，并采集获取第一用户对话行为信息集；以单轮沟通对话作为第一分析周期对所述第一用户对话行为信息集进行客户回复信息与用户咨询信息的识别分割，基于第一客服回复信息与第一用户咨询信息进行回复内容相关性和用户情绪特征识别，得到第一沟通能效指数序列；对所述第一沟通能效指数序列进行沟通能效变化趋势分析，根据沟通能效变化趋势生成第二客服切换指令；根据所述第二客服切换指令调取空闲客服集合，以所述空闲客服集合作为客服优化空间，以沟通能力评价分数大于或等于预定沟通能力阈值作为优化目标，进行人工客服的寻优，得到寻优客服；将所述第一人工客服切换为所述寻优客服。
根据本发明的第二方面，提供了基于用户行为分析的客服智能切换系统，包括：输入信息关键词提取模块，所述输入信息关键词提取模块用于通过第一客服平台接收第一用户的第一输入信息并进行关键词提取，得到关键词集合；遍历比对模块，所述遍历比对模块用于根据所述关键词集合在基础提问数据库和答复模板数据库中进行遍历比对，得到比对结果；第一客服切换模块，所述第一客服切换模块用于当所述比对结果为比对失败，触发第一客服切换指令，根据所述第一客服切换指令将客服机器人切换为第一人工客服，并采集获取第一用户对话行为信息集；对话行为分析模块，所述对话行为分析模块用于以单轮沟通对话作为第一分析周期对所述第一用户对话行为信息集进行客户回复信息与用户咨询信息的识别分割，基于第一客服回复信息与第一用户咨询信息进行回复内容相关性和用户情绪特征识别，得到第一沟通能效指数序列；第二客服切换指令生成模块，所述第二客服切换指令生成模块用于对所述第一沟通能效指数序列进行沟通能效变化趋势分析，根据沟通能效变化趋势生成第二客服切换指令；空闲客服寻优模块，所述空闲客服寻优模块用于根据所述第二客服切换指令调取空闲客服集合，以所述空闲客服集合作为客服优化空间，以沟通能力评价分数大于或等于预定沟通能力阈值作为优化目标，进行人工客服的寻优，得到寻优客服；第二客服切换模块，所述第二客服切换模块用于将所述第一人工客服切换为所述寻优客服。
根据本发明采用的一个或多个技术方案，其可达到的有益效果如下：
1.得到关键词集合，根据关键词集合在基础提问数据库和答复模板数据库中进行遍历比对，得到比对结果，当比对结果为比对失败，触发第一客服切换指令，根据第一客服切换指令将客服机器人切换为第一人工客服，并采集获取第一用户对话行为信息集，以单轮沟通对话作为第一分析周期对第一用户对话行为信息集进行客户回复信息与用户咨询信息的识别分割，基于第一客服回复信息与第一用户咨询信息进行回复内容相关性和用户情绪特征识别，得到第一沟通能效指数序列，对第一沟通能效指数序列进行沟通能效变化趋势分析，根据沟通能效变化趋势生成第二客服切换指令，根据第二客服切换指令调取空闲客服集合，以空闲客服集合作为客服优化空间，以沟通能力评价分数大于或等于预定沟通能力阈值作为优化目标，进行人工客服的寻优，得到寻优客服，将第一人工客服切换为寻优客服。由此根据沟通能力评价分数进行空闲状态的客服切换，达到提升切换后的客服沟通能效，进而提升用户体验感的技术效果。
2.当空闲客服集合中的所有客服的沟通能力评价分数均小于预定沟通能力阈值，获取占线客服集合中沟通能力评价分数大于或等于预定沟通能力阈值的第一占线客服，调取第一占线客服的第二用户，并通过第一客服平台的用户数据存储单元中存储的用户对话行为数据库调取第二用户的第二用户对话行为数据，基于第二用户对话行为数据提取第二用户的用户情绪稳定指数，当第二用户的用户情绪稳定指数满足预定情绪稳定阈值，将第一占线客服作为寻优客服，对寻优客服与第一人工客服进行同步切换，由此在处于空闲状态的客服不满足优化目标的前提下，对占线客服的服务用户进行情绪稳定状态的分析，从而根据分析结果进行第一人工客服与第一占线客服的同步切换，达到提升客服切换的准确性，在保证对第一用户的沟通效果的同时，兼顾第二用户的沟通效果，防止出现客服切换后，第二用户的沟通能效下降，从而保证客服切换的合理性和准确性的技术效果。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的基于用户行为分析的客服智能切换方法的流程示意图；
图2为基于用户行为分析的客服智能切换方法中对寻优客服与第一人工客服进行同步切换的流程示意图；
图3为本发明实施例提供的基于用户行为分析的客服智能切换系统的结构示意图。
附图标记说明：输入信息关键词提取模块11，遍历比对模块12，第一客服切换模块13，对话行为分析模块14，第二客服切换指令生成模块15，空闲客服寻优模块16，第二客服切换模块17。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。
说明书中使用的术语用于描述实施例，而不是限制本发明。如在说明书中所使用的，单数术语“一”“一个”和“该”旨在也包括复数形式，除非上下文另有清楚指示。当在说明书中使用时，术语“包括”和/或“包含”指定了步骤、操作、元件和/或组件的存在，但是不排除一个或多个其他步骤、操作、元件、组件和/或其组的存在或添加。
除非另有定义，本说明书中使用的所有术语(包括技术和科学术语)应具有与本发明所属领域的技术人员通常理解的相同含义。术语，如常用词典中定义的术语，不应以理想化或过于正式的意义来解释，除非在此明确定义。在整个说明书中，相同的附图标记表示相同的元件。
需要说明的是，本发明所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
实施例一
如图1所示，本发明实施例提供了基于用户行为分析的客服智能切换方法，所述方法包括：
通过第一客服平台接收第一用户的第一输入信息并进行关键词提取，得到关键词集合；
所述第一客服平台是指现有的任意类型的任一客服平台，比如电商平台上任意一家店铺的客服管理平台，通过第一客服平台向用户提供产品咨询、问题解答、售后处理等沟通服务。通过第一客服平台接收第一用户的第一输入信息并进行关键词提取，得到关键词集合，第一用户是指需要通过所述第一客服平台进行咨询、问题解答、售后处理等服务的任一用户，第一用户通过所述第一客服平台的用户端输入咨询信息，将输入的资讯信息作为第一输入信息。进一步对所述第一输入信息进行关键词提取，具体来说，可通过现有的词向量生成方法，比如Word2Vec对所述第一输入信息进行处理生成多个词向量，进一步将所述多个词向量中的停用词（“了”“的”等与内容无关的语气词、连接词等）剔除，以剔除停用词的词向量组成所述关键词集合。
根据所述关键词集合在基础提问数据库和答复模板数据库中进行遍历比对，得到比对结果；
基础提问数据库和答复模板数据库中的数据具有对应关系，所述基础提问数据库中存储着多种预先设定的问题关键词，比如尺码、物流等，所述答复模板数据库中则存储着与所述基础提问数据库中的多种预先设定的问题关键词相对应的答复模板，比如关于尺码的答复模板，关于物流的答复模板等。具体来说，所述基础提问数据库和答复模板数据库均可由本领域技术人员结合所述第一客服平台的业务类型（比如，服装售卖、电器售卖、银行业务咨询等），通过调取与所述业务类型对应的历史用户咨询信息，从所述历史用户咨询信息中提取关键词组成所述基础提问数据库，并由所述第一客服平台的专业人员针对关键词设置对应的答复模板组成答复模板数据库，将基础提问数据库和答复模板数据库上传至所述第一客服平台，便于后续调用。
根据所述关键词集合在基础提问数据库和答复模板数据库中进行遍历比对，具体来说，首先利用现有的相似度分析方法（比对余弦相似度）对所述关键词集合与所述基础提问数据库中的关键词进行相似性比对，获得相似度大于等于预定相似度阈值的匹配关键词，从答复模板数据库中提取与所述匹配关键词对应的答复模板进行回复，需要说明的是，预定相似度阈值由本领域技术人员自行设定，比如80%，当所述基础提问数据库中的关键词与所述关键词集合的相似度达到所述预定相似度阈值，即为比对成功，否则为比对失败。比对成功时，即可通过机器人客服对所述第一用户按照匹配的答复模板进行回复；比对失败时，则需要触发人工客服进行回复。
当所述比对结果为比对失败，触发第一客服切换指令，根据所述第一客服切换指令将客服机器人切换为第一人工客服，并采集获取第一用户对话行为信息集；
当所述比对结果为比对失败，触发第一客服切换指令，所述第一客服切换指令是指用于通过第一客服平台控制将机器人客服切换为人工客服的指令，根据所述第一客服切换指令将客服机器人切换为第一人工客服，所述第一人工客服为当前时刻处于空闲状态，即没有正在对用户进行服务的客服。将客服机器人切换为第一人工客服之后，第一人工客服会对第一用户提供沟通服务，实时采集第一人工客服与第一用户的对话信息作为第一用户对话行为信息集。
以单轮沟通对话作为第一分析周期对所述第一用户对话行为信息集进行客户回复信息与用户咨询信息的识别分割，基于第一客服回复信息与第一用户咨询信息进行回复内容相关性和用户情绪特征识别，得到第一沟通能效指数序列；
单轮沟通对话是指所述第一用户在发送完咨询信息后，所述第一人工客服在对第一用户做出回复，就是第一用户与第一人工客服只进行一次对话交替，以单轮沟通对话作为第一分析周期，采集所述第一用户的咨询信息和第一人工客服所做出的答复信息作为第一用户对话行为信息集。进一步对所述第一用户对话行为信息集，基于现有技术进行客户回复信息与用户咨询信息的识别分割，比如，在采集咨询信息和答复信息时，会对信息发送方进行标记，根据标记结果即可进行分割，将分割后的用户咨询信息记为第一用户咨询信息、分割后的客户回复信息记为第一客服回复信息。需要说明的是，如果所述第一用户连续发送多条咨询信息，或所述第一人工客服连续发送多条回复信息，第一客服回复信息或第一用户咨询信息中包含多条信息。进一步基于第一客服回复信息与第一用户咨询信息进行回复内容相关性和用户情绪特征识别，就是分析第一客服回复信息与第一用户咨询信息的内容相关程度，同时对第一用户进行用户情绪特征识别，结合两者计算得到第一沟通能效指数序列，具体获取过程如下详述。
在一个优选实施例中，还包括：
对所述第一用户对话行为信息集进行客户回复信息与用户咨询信息的分割，获得第一客服回复信息和第一用户咨询信息；对所述第一客服回复信息与所述第一用户咨询信息进行内容相关性分析，获得第一关联系数；对所述第一用户咨询信息进行用户情绪特征的分析，得到第一用户情绪特征系数；加权所述第一关联系数和所述第一用户情绪特征系数，获得第一对话指数，以所述第一对话指数组成所述第一沟通能效指数序列。
基于现有技术对所述第一用户对话行为信息集进行客户回复信息与用户咨询信息的识别分割，比如，在采集咨询信息和答复信息时，会对信息发送方进行标记，根据标记结果即可进行分割，将分割后的用户咨询信息记为第一用户咨询信息、分割后的客户回复信息记为第一客服回复信息。对所述第一客服回复信息与所述第一用户咨询信息进行内容相关性分析，优选地，可基于现有技术，调取所述第一客服平台的历史用户咨询信息，并调取与历史用户咨询信息对应的未进行客服切换的历史回复信息，因为未进行客服的切换，就认为回复信息与咨询信息的内容相关性较高，然后通过现有的分类方法，比如k-means，对所有的历史用户咨询信息进行聚类分析，得到不同类型的历史用户咨询信息对应的不同的历史回复信息集合，然后对不同类型的历史用户咨询信息对应的不同的历史回复信息集合进行词向量分割，得到不同类型的历史用户咨询信息对应的内容关键词集合，进而对第一用户咨询信息与不同类型的历史用户咨询信息进行类型比对，获取第一用户咨询信息所属类型对应的内容关键词集合，然后对第一客服回复信息与该内容关键词集合进行分析，统计内容关键词集合中的关键词是否在第一客服回复信息中出现，以关键词在第一客服回复信息中出现的总次数作为所述第一关联系数。进一步对所述第一用户咨询信息进行用户情绪特征的分析，得到第一用户情绪特征系数，简单来说，可由本领域技术人员结合历史经验，设置多个表征不同情绪等级的关键词集合，组建预定情绪关键词库，然后通过现有的词向量生成方法，比如Word2Vec对所述第一用户咨询信息进行词向量拆分，得到多个词向量，将多个词向量在预定情绪关键词库中进行匹配，获得与预定情绪关键词库中的情绪关键词相同的词向量对应的情绪等级，然后将获得的所有情绪等级求进行均值计算，以均值计算结果作为第一用户情绪特征系数。
最后，加权所述第一关联系数和所述第一用户情绪特征系数，其中，所述第一关联系数和所述第一用户情绪特征系数的权重由本领域技术人员结合历史经验设定，也可基于现有的权重分析方法，比如变异系数法获取，权重分析是本领域常用技术手段，故在此不进行展开。以加权结果作为第一对话指数，需要说明的是，所述第一对话指数泛指单轮沟通对话，即一个第一分析周期所对应的沟通能效指数，按照时间顺序，以此对多轮沟通对话分别进行回复内容相关性和用户情绪特征识别，可得到多个第一对话指数，以多个第一对话指数组成所述第一沟通能效指数序列。由此实现对第一人工客服的沟通能效分析，便于在沟通能效不佳的情况下进行人工客服的切换，提升用户的体验性。
对所述第一沟通能效指数序列进行沟通能效变化趋势分析，根据沟通能效变化趋势生成第二客服切换指令；
对所述第一沟通能效指数序列进行沟通能效变化趋势分析，就是分析第一沟通能效指数序列中多个第一对话指数的变化趋势，如果沟通能效变化趋势是上升，说明沟通能效随着沟通对话轮数的增加，呈上升趋势，此时不需要进行客服切换；如果沟通能效变化趋势是下降，说明第一人工客服的沟通能效不佳，生成第二客服切换指令。
在一个优选实施例中，还包括：
提取所述第一沟通能效指数序列中的第一对话指数和第二对话指数；对所述第一对话指数和所述第二对话指数进行比较，得到沟通能效变化趋势；当所述沟通能效变化趋势为减趋势生成所述第二客服切换指令。
提取所述第一沟通能效指数序列中的第一对话指数和第二对话指数，所述第一对话指数和第二对话指数泛指第一沟通能效指数序列中相邻的两个对话指数。对所述第一对话指数和所述第二对话指数进行比较，计算所述第一对话指数和所述第二对话指数的差值，如果差值大于或等于零，沟通能效变化趋势为增趋势，反之，沟通能效变化趋势为减趋势。当所述沟通能效变化趋势为减趋势生成所述第二客服切换指令。便于在第一人工客服的沟通能效不佳的情况下，切换客服，提升客服的沟通效果。
根据所述第二客服切换指令调取空闲客服集合，以所述空闲客服集合作为客服优化空间，以沟通能力评价分数大于或等于预定沟通能力阈值作为优化目标，进行人工客服的寻优，得到寻优客服；
空闲客服集合是指当前时刻下，处于空闲状态，即没有服务用户的人工客服组成的集合，可根据所述第二客服切换指令，通过第一客服平台实时读取所有客服的服务状态，从而根据服务状态筛选出处于空闲状态的客服。以所述空闲客服集合作为客服优化空间，以沟通能力评价分数大于或等于预定沟通能力阈值作为优化目标，进行人工客服的寻优，得到寻优客服，简单来说，寻优客服即为空闲客服集合中沟通能力评价分数大于或等于预定沟通能力阈值的空闲客服。
在一个优选实施例中，还包括：
调取所述空闲客服集合中的所有客服的历史沟通服务记录；基于所述历史沟通服务记录获取所有客服的被动切换频次与主动切换频次；基于所述历史沟通服务记录提取所有客服的客服评价记录；以所述被动切换频次、所述主动切换频次和所述客服评价记录计算获取所述沟通能力评价分数。
调取所述空闲客服集合中的所有客服的历史沟通服务记录，所述历史沟通服务记录包括每一个客服的切换记录、用户对客服的评价记录，在每一次进行沟通时，第一客服平台都会记录沟通过程，因此可直接调取过去的历史沟通服务记录。从所述历史沟通服务记录提取所有客服的被动切换频次与主动切换频次，被动切换频次是指客服由于沟通能效不佳，被切换的次数，主动切换频次则是由于客服沟通能效较好，替换沟通能效不佳的次数。具体来说，历史沟通服务记录包括每一个客服的切换记录，切换记录中包括有客服被切换的原因，由此可对每一个客服进行主动切换和被动切换进行频次累计，即可得到所有客服的被动切换频次与主动切换频次。基于所述历史沟通服务记录提取所有客服的客服评价记录，客服评价记录是指客服在对用户完成服务后，用户对客服的评价反馈，一般情况下，现有的客服平台都具备服务评价功能，因此可直接提取客服评价记录，需要说明的是，有的客服平台的客服评价结果是以分数进行评价，有的客服平台的客服评价结果是以不同的等级进行评价，比如满意、非常满意、一般等，需要结合第一客服平台的实际评价方式确定，如果客服评价结果不是以数字的形式展示，需要对其进行数值化转换，具体转换规则由本领域技术人员自行设定，比如满意代表80分，非常满意代表100分等。以所述被动切换频次、所述主动切换频次和所述客服评价记录计算获取所述沟通能力评价分数，具体计算方式为：客服评价记录的平均值。
进一步设置预定沟通能力阈值，预定沟通能力阈值为所述第一人工客服的沟通能力评价分数，需要结合实际情况获取。然后在空闲客服集合中选取任意一个沟通能力评价分数大于或等于预定沟通能力阈值的空闲客服作为寻优客服。由此实现对人工客服的比较寻优，便于切换后的客服的沟通能效高于切换前，从而提升对第一用户的沟通能效，提升沟通效果。
将所述第一人工客服切换为所述寻优客服。
将所述第一人工客服切换为所述寻优客服，由所述寻优客服接替所述第一人工客服进行第一用户的沟通服务，提升沟通效果。
如图2所示，在一个优选实施例中，还包括：
当所述空闲客服集合中的所有客服的沟通能力评价分数均小于所述预定沟通能力阈值，获取占线客服集合中沟通能力评价分数大于或等于预定沟通能力阈值的第一占线客服；调取所述第一占线客服的第二用户，并通过所述第一客服平台的用户数据存储单元中存储的用户对话行为数据库调取所述第二用户的第二用户对话行为数据；基于所述第二用户对话行为数据提取所述第二用户的用户情绪稳定指数；当所述第二用户的用户情绪稳定指数满足预定情绪稳定阈值，将所述第一占线客服作为所述寻优客服，对所述寻优客服与所述第一人工客服进行同步切换。
当所述空闲客服集合中的所有客服的沟通能力评价分数均小于所述预定沟通能力阈值，即所述空闲客服集中的所有客服均不满足所述优化目标，此时利用空闲客服集合进行人工客服的寻优没有任何意义，但是为了提升对第一用户的沟通效果，需要从占线客服中选取客服与第一人工客服进行同步对调切换，具体过程如下：
获取占线客服集合中沟通能力评价分数大于或等于预定沟通能力阈值的第一占线客服，占线客服集合中包含当前时刻正在与不同用户进行沟通的客服所组成的客服集合，可根据第一客服平台读取所有客服的服务状态，占线状态与空闲状态相反，第一占线客服泛指占线客服集合中任意一个客服。调取所述第一占线客服的第二用户，第二用户是指所述第一占线客服正在沟通的用户，并通过所述第一客服平台的用户数据存储单元中存储的用户对话行为数据库调取所述第二用户的第二用户对话行为数据，其中，所述用户数据存储单元是用于存储用户数据的存储器，且所述第二用户对话行为数据是实时更新的。用户对话行为数据库中包含所述第一客服平台历史中进行沟通服务的所有用户的用户对话行为数据，每个用户的用户对话行为数据是指该用户的用户情绪稳定指数。基于所述第二用户对话行为数据提取所述第二用户对应的用户情绪稳定指数，当所述第二用户的用户情绪稳定指数满足预定情绪稳定阈值，将所述第一占线客服作为所述寻优客服，对所述寻优客服与所述第一人工客服进行同步切换，预定情绪稳定阈值由本领域技术人员自行设定，具体来说，可根据第一人工客服的沟通能力评价分数确定。就是说，第一人工客服的沟通能力评价分数越低，预定情绪稳定阈值就越低，因为需要对第一人工客服和第一占线客服进行同步切换，就是两者交换沟通对象，就要保证第一占线客服所对应的第二用户的用户情绪稳定指数在所述第一人工客服的能力范围之内。具体地，可由本领域技术人员结合历史经验设置不同的沟通能力评价分数所对应的用户情绪稳定指数，示例性的，获取任意一个客服可以正常处理不需要进客服切换的用户所对应的用户情绪稳定指数最小值，建立用户情绪稳定指数最小值与该客服的沟通能力评价分数的对应关系，进而根据对应关系，匹配第一人工客服的沟通能力评价分数对应的用户情绪稳定指数最小值作为预定情绪稳定阈值。由此，当所述第二用户的用户情绪稳定指数满足预定情绪稳定阈值，将所述第一占线客服作为所述寻优客服，对所述寻优客服与所述第一人工客服进行同步切换，从而提升客服切换的准确性，在保证对第一用户的沟通效果的同时，兼顾第二用户的沟通效果，防止出现客服切换后，第二用户的沟通能效下降，从而保证客服切换的合理性和准确性。
在一个优选实施例中，还包括：
读取所述第一客服平台的所有客服的历史服务用户，并调取所述历史服务用户的历史沟通记录；基于数据挖掘技术构建预定情绪关键词库，所述预定情绪关键词库包括多个表征不同情绪等级的关键词集合；基于所述历史沟通记录和所述预定情绪关键词库进行用户情绪变化稳定性分析，获得用户情绪稳定指数，以所述用户情绪稳定指数构建所述用户对话行为数据库。
获得用户对话行为数据库的过程如下：读取所述第一客服平台的所有客服的历史服务用户，并调取所述历史服务用户的历史沟通记录，历史沟通记录包括所述历史服务用户向客服发送的所有回复信息，可通过第一客服平台直接调取。基于数据挖掘技术构建预定情绪关键词库，所述预定情绪关键词库包括多个表征不同情绪等级的关键词集合，就是说，不同的关键词所要表达的情绪恶劣程度是不同的，且情绪等级越高，对应的情绪恶劣程度越高，比如0级代表情绪状态较优，1级代表情绪状态良好，2级代表情绪状态一般，3级代表情绪状态为轻度愤怒，以此类推，基于现有技术中的数据挖掘技术，从海量的用户沟通信息中提取带有情感色彩的词汇，并通过本领域专业技术人员对这些词汇进行情绪恶劣程度的分析，获取属于同一情绪等级的所有词汇组成多个表征不同情绪等级的关键词集合，以多个表征不同情绪等级的关键词集合组成预定情绪关键词库。
进一步基于所述历史沟通记录和所述预定情绪关键词库进行用户情绪变化稳定性分析，获得用户情绪稳定指数，以所述用户情绪稳定指数构建所述用户对话行为数据库，其中，获得所述用户情绪稳定指数的表达式如下：
；
其中，为用户情绪稳定指数，也就是要求取得值，/>为所述预定情绪关键词库中的关键词在所述历史沟通记录中的第i个用户回复信息中的出现频次，就是说，所述历史沟通记录包含所述历史服务用户向客服发送的所有回复信息，对这些回复信息进行单独分析，统计所述预定情绪关键词库中的任一个关键词在每一条回复信息中出现的频次，需要说明的是，如果所述预定情绪关键词库中的某一个关键词在每一条回复信息中没有出现，不需要统计。n为所述历史沟通记录中的用户回复信息的总数，/>为第i个用户回复信息中的词向量总数，就是通过现有技术对第i个用户回复信息进行词向量生成，并删除其中的停用词后得到的词向量总数。/>为所述预定情绪关键词库中的关键词的情绪等级，就是预定情绪关键词库中在每一条回复信息中出现的关键词所对应的情绪等级。/>为包含所述预定情绪关键词库中的关键词的用户回复信息数量，可能某一条用户回复信息中不包含所述预定情绪关键词库中的关键词，就不需要统计，/>为所述历史沟通记录中的回复信息总数。
由上述表达式计算获取所述第一客服平台的所有历史用户的用户情绪稳定指数，以所述用户情绪稳定指数组成所述用户对话行为数据库。便于进行占线状态的客服切换，提升客服切换的准确性和切换效果。
基于上述分析可知，本发明提供的一个或多个技术方案，其可达到的有益效果如下：
1.得到关键词集合，根据关键词集合在基础提问数据库和答复模板数据库中进行遍历比对，得到比对结果，当比对结果为比对失败，触发第一客服切换指令，根据第一客服切换指令将客服机器人切换为第一人工客服，并采集获取第一用户对话行为信息集，以单轮沟通对话作为第一分析周期对第一用户对话行为信息集进行客户回复信息与用户咨询信息的识别分割，基于第一客服回复信息与第一用户咨询信息进行回复内容相关性和用户情绪特征识别，得到第一沟通能效指数序列，对第一沟通能效指数序列进行沟通能效变化趋势分析，根据沟通能效变化趋势生成第二客服切换指令，根据第二客服切换指令调取空闲客服集合，以空闲客服集合作为客服优化空间，以沟通能力评价分数大于或等于预定沟通能力阈值作为优化目标，进行人工客服的寻优，得到寻优客服，将第一人工客服切换为寻优客服。由此根据沟通能力评价分数进行空闲状态的客服切换，达到提升切换后的客服沟通能效，进而提升用户体验感的技术效果。
2.当空闲客服集合中的所有客服的沟通能力评价分数均小于预定沟通能力阈值，获取占线客服集合中沟通能力评价分数大于或等于预定沟通能力阈值的第一占线客服，调取第一占线客服的第二用户，并通过第一客服平台的用户数据存储单元中存储的用户对话行为数据库调取第二用户的第二用户对话行为数据，基于第二用户对话行为数据提取第二用户的用户情绪稳定指数，当第二用户的用户情绪稳定指数满足预定情绪稳定阈值，将第一占线客服作为寻优客服，对寻优客服与第一人工客服进行同步切换，由此在处于空闲状态的客服不满足优化目标的前提下，对占线客服的服务用户进行情绪稳定状态的分析，从而根据分析结果进行第一人工客服与第一占线客服的同步切换，达到提升客服切换的准确性，在保证对第一用户的沟通效果的同时，兼顾第二用户的沟通效果，防止出现客服切换后，第二用户的沟通能效下降，从而保证客服切换的合理性和准确性的技术效果。
实施例二
基于与前述实施例中基于用户行为分析的客服智能切换方法同样的发明构思，如图3所示，本发明还提供了基于用户行为分析的客服智能切换系统，所述系统包括：
输入信息关键词提取模块11，所述输入信息关键词提取模块11用于通过第一客服平台接收第一用户的第一输入信息并进行关键词提取，得到关键词集合；
遍历比对模块12，所述遍历比对模块12用于根据所述关键词集合在基础提问数据库和答复模板数据库中进行遍历比对，得到比对结果；
第一客服切换模块13，所述第一客服切换模块13用于当所述比对结果为比对失败，触发第一客服切换指令，根据所述第一客服切换指令将客服机器人切换为第一人工客服，并采集获取第一用户对话行为信息集；
对话行为分析模块14，所述对话行为分析模块14用于以单轮沟通对话作为第一分析周期对所述第一用户对话行为信息集进行客户回复信息与用户咨询信息的识别分割，基于第一客服回复信息与第一用户咨询信息进行回复内容相关性和用户情绪特征识别，得到第一沟通能效指数序列；
第二客服切换指令生成模块15，所述第二客服切换指令生成模块15用于对所述第一沟通能效指数序列进行沟通能效变化趋势分析，根据沟通能效变化趋势生成第二客服切换指令；
空闲客服寻优模块16，所述空闲客服寻优模块16用于根据所述第二客服切换指令调取空闲客服集合，以所述空闲客服集合作为客服优化空间，以沟通能力评价分数大于或等于预定沟通能力阈值作为优化目标，进行人工客服的寻优，得到寻优客服；
第二客服切换模块17，所述第二客服切换模块17用于将所述第一人工客服切换为所述寻优客服。
进一步而言，所述系统还包括占线客服寻优模块，所述占线客服寻优模块用于：
当所述空闲客服集合中的所有客服的沟通能力评价分数均小于所述预定沟通能力阈值，获取占线客服集合中沟通能力评价分数大于或等于预定沟通能力阈值的第一占线客服；
调取所述第一占线客服的第二用户，并通过所述第一客服平台的用户数据存储单元中存储的用户对话行为数据库调取所述第二用户的第二用户对话行为数据；
基于所述第二用户对话行为数据提取所述第二用户的用户情绪稳定指数；
当所述第二用户的用户情绪稳定指数满足预定情绪稳定阈值，将所述第一占线客服作为所述寻优客服，对所述寻优客服与所述第一人工客服进行同步切换。
进一步而言，所述占线客服寻优模块还用于：
读取所述第一客服平台的所有客服的历史服务用户，并调取所述历史服务用户的历史沟通记录；
基于数据挖掘技术构建预定情绪关键词库，所述预定情绪关键词库包括多个表征不同情绪等级的关键词集合；
基于所述历史沟通记录和所述预定情绪关键词库进行用户情绪变化稳定性分析，获得用户情绪稳定指数，以所述用户情绪稳定指数构建所述用户对话行为数据库。
进一步而言，所述占线客服寻优模块还用于：
获得所述用户情绪稳定指数的表达式如下：
；
其中，为用户情绪稳定指数，/>为所述预定情绪关键词库中的关键词在所述历史沟通记录中的第i个用户回复信息中的出现频次，n为所述历史沟通记录中的用户回复信息的总数，/>为第i个用户回复信息中的词向量总数，/>为所述预定情绪关键词库中的关键词的情绪等级，/>为包含所述预定情绪关键词库中的关键词的用户回复信息数量，/>为所述历史沟通记录中的回复信息总数。
进一步而言，所述对话行为分析模块14还用于：
对所述第一用户对话行为信息集进行客户回复信息与用户咨询信息的分割，获得第一客服回复信息和第一用户咨询信息；
对所述第一客服回复信息与所述第一用户咨询信息进行内容相关性分析，获得第一关联系数；
对所述第一用户咨询信息进行用户情绪特征的分析，得到第一用户情绪特征系数；
加权所述第一关联系数和所述第一用户情绪特征系数，获得第一对话指数，以所述第一对话指数组成所述第一沟通能效指数序列。
进一步而言，所述第二客服切换指令生成模块15还用于：
提取所述第一沟通能效指数序列中的第一对话指数和第二对话指数；
对所述第一对话指数和所述第二对话指数进行比较，得到沟通能效变化趋势；
当所述沟通能效变化趋势为减趋势生成所述第二客服切换指令。
进一步而言，所述空闲客服寻优模块16还用于：
调取所述空闲客服集合中的所有客服的历史沟通服务记录；
基于所述历史沟通服务记录获取所有客服的被动切换频次与主动切换频次；
基于所述历史沟通服务记录提取所有客服的客服评价记录；
以所述被动切换频次、所述主动切换频次和所述客服评价记录计算获取所述沟通能力评价分数。
前述实施例一中的基于用户行为分析的客服智能切换方法具体实例同样适用于本实施例的基于用户行为分析的客服智能切换系统，通过前述对基于用户行为分析的客服智能切换方法的详细描述，本领域技术人员可以清楚地知道本实施例中基于用户行为分析的客服智能切换系统，所以为了说明书的简洁，在此不再详述。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (6)
1.基于用户行为分析的客服智能切换方法，其特征在于，所述方法包括：
通过第一客服平台接收第一用户的第一输入信息并进行关键词提取，得到关键词集合；
根据所述关键词集合在基础提问数据库和答复模板数据库中进行遍历比对，得到比对结果；
当所述比对结果为比对失败，触发第一客服切换指令，根据所述第一客服切换指令将客服机器人切换为第一人工客服，并采集获取第一用户对话行为信息集；
以单轮沟通对话作为第一分析周期对所述第一用户对话行为信息集进行客户回复信息与用户咨询信息的识别分割，基于第一客服回复信息与第一用户咨询信息进行回复内容相关性和用户情绪特征识别，得到第一沟通能效指数序列；
对所述第一沟通能效指数序列进行沟通能效变化趋势分析，根据沟通能效变化趋势生成第二客服切换指令；
根据所述第二客服切换指令调取空闲客服集合，以所述空闲客服集合作为客服优化空间，以沟通能力评价分数大于或等于预定沟通能力阈值作为优化目标，进行人工客服的寻优，得到寻优客服；
将所述第一人工客服切换为所述寻优客服；
当所述空闲客服集合中的所有客服的沟通能力评价分数均小于所述预定沟通能力阈值，获取占线客服集合中沟通能力评价分数大于或等于预定沟通能力阈值的第一占线客服；
调取所述第一占线客服的第二用户，并通过所述第一客服平台的用户数据存储单元中存储的用户对话行为数据库调取所述第二用户的第二用户对话行为数据；
基于所述第二用户对话行为数据提取所述第二用户的用户情绪稳定指数；
当所述第二用户的用户情绪稳定指数满足预定情绪稳定阈值，将所述第一占线客服作为所述寻优客服，对所述寻优客服与所述第一人工客服进行同步切换；
所述基于第一客服回复信息与第一用户咨询信息进行回复内容相关性和用户情绪特征识别，得到第一沟通能效指数序列，包括：
对所述第一用户对话行为信息集进行客户回复信息与用户咨询信息的分割，获得第一客服回复信息和第一用户咨询信息；
对所述第一客服回复信息与所述第一用户咨询信息进行内容相关性分析，获得第一关联系数；
对所述第一用户咨询信息进行用户情绪特征的分析，得到第一用户情绪特征系数；
加权所述第一关联系数和所述第一用户情绪特征系数，获得第一对话指数，以所述第一对话指数组成所述第一沟通能效指数序列。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
读取所述第一客服平台的所有客服的历史服务用户，并调取所述历史服务用户的历史沟通记录；
基于数据挖掘技术构建预定情绪关键词库，所述预定情绪关键词库包括多个表征不同情绪等级的关键词集合；
基于所述历史沟通记录和所述预定情绪关键词库进行用户情绪变化稳定性分析，获得用户情绪稳定指数，以所述用户情绪稳定指数构建所述用户对话行为数据库。
3.如权利要求2所述的方法，其特征在于，获得所述用户情绪稳定指数的表达式如下：
；
其中，为用户情绪稳定指数，/>为所述预定情绪关键词库中的关键词在所述历史沟通记录中的第i个用户回复信息中的出现频次，n为所述历史沟通记录中的用户回复信息的总数，/>为第i个用户回复信息中的词向量总数，/>为所述预定情绪关键词库中的关键词的情绪等级，/>为包含所述预定情绪关键词库中的关键词的用户回复信息数量，/>为所述历史沟通记录中的回复信息总数。
4.如权利要求1所述的方法，其特征在于，所述对所述第一沟通能效指数序列进行沟通能效变化趋势分析，根据沟通能效变化趋势生成第二客服切换指令，包括：
提取所述第一沟通能效指数序列中的第一对话指数和第二对话指数；
对所述第一对话指数和所述第二对话指数进行比较，得到沟通能效变化趋势；
当所述沟通能效变化趋势为减趋势生成所述第二客服切换指令。
5.如权利要求1所述的方法，其特征在于，所述根据所述第二客服切换指令调取空闲客服集合，以所述空闲客服集合作为客服优化空间，以沟通能力评价分数大于或等于预定沟通能力阈值作为优化目标，进行人工客服的寻优，还包括：
调取所述空闲客服集合中的所有客服的历史沟通服务记录；
基于所述历史沟通服务记录获取所有客服的被动切换频次与主动切换频次；
基于所述历史沟通服务记录提取所有客服的客服评价记录；
以所述被动切换频次、所述主动切换频次和所述客服评价记录计算获取所述沟通能力评价分数。
6.基于用户行为分析的客服智能切换系统，其特征在于，用于执行权利要求1至5所述的基于用户行为分析的客服智能切换方法中任意一项方法的步骤，所述系统包括：
输入信息关键词提取模块，所述输入信息关键词提取模块用于通过第一客服平台接收第一用户的第一输入信息并进行关键词提取，得到关键词集合；
遍历比对模块，所述遍历比对模块用于根据所述关键词集合在基础提问数据库和答复模板数据库中进行遍历比对，得到比对结果；
第一客服切换模块，所述第一客服切换模块用于当所述比对结果为比对失败，触发第一客服切换指令，根据所述第一客服切换指令将客服机器人切换为第一人工客服，并采集获取第一用户对话行为信息集；
对话行为分析模块，所述对话行为分析模块用于以单轮沟通对话作为第一分析周期对所述第一用户对话行为信息集进行客户回复信息与用户咨询信息的识别分割，基于第一客服回复信息与第一用户咨询信息进行回复内容相关性和用户情绪特征识别，得到第一沟通能效指数序列；
第二客服切换指令生成模块，所述第二客服切换指令生成模块用于对所述第一沟通能效指数序列进行沟通能效变化趋势分析，根据沟通能效变化趋势生成第二客服切换指令；
空闲客服寻优模块，所述空闲客服寻优模块用于根据所述第二客服切换指令调取空闲客服集合，以所述空闲客服集合作为客服优化空间，以沟通能力评价分数大于或等于预定沟通能力阈值作为优化目标，进行人工客服的寻优，得到寻优客服；
第二客服切换模块，所述第二客服切换模块用于将所述第一人工客服切换为所述寻优客服。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311420492.5A CN117151727B (zh) | 2023-10-30 | 2023-10-30 | 基于用户行为分析的客服智能切换方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311420492.5A CN117151727B (zh) | 2023-10-30 | 2023-10-30 | 基于用户行为分析的客服智能切换方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117151727A CN117151727A (zh) | 2023-12-01 |
| CN117151727B true CN117151727B (zh) | 2024-02-02 |
Family
ID=88906511
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311420492.5A Active CN117151727B (zh) | 2023-10-30 | 2023-10-30 | 基于用户行为分析的客服智能切换方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117151727B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110472023A (zh) * | 2019-07-10 | 2019-11-19 | 深圳追一科技有限公司 | 客服切换方法、装置、计算机设备和存储介质 |
| CN110674385A (zh) * | 2018-06-14 | 2020-01-10 | 阿里巴巴集团控股有限公司 | 客服升级场景下匹配客服的方法及装置 |
| CN110991178A (zh) * | 2019-11-08 | 2020-04-10 | 苏宁金融科技(南京)有限公司 | 智能客服与人工客服的切换方法、装置及计算机设备 |
| CN113157371A (zh) * | 2021-04-26 | 2021-07-23 | 平安科技（深圳）有限公司 | 人工客服切换方法、装置、存储介质和计算机设备 |
| CN114866650A (zh) * | 2022-05-30 | 2022-08-05 | 广州品唯软件有限公司 | 一种客服沟通的监控方法及装置 |
-
2023
- 2023-10-30 CN CN202311420492.5A patent/CN117151727B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110674385A (zh) * | 2018-06-14 | 2020-01-10 | 阿里巴巴集团控股有限公司 | 客服升级场景下匹配客服的方法及装置 |
| CN110472023A (zh) * | 2019-07-10 | 2019-11-19 | 深圳追一科技有限公司 | 客服切换方法、装置、计算机设备和存储介质 |
| CN110991178A (zh) * | 2019-11-08 | 2020-04-10 | 苏宁金融科技(南京)有限公司 | 智能客服与人工客服的切换方法、装置及计算机设备 |
| CN113157371A (zh) * | 2021-04-26 | 2021-07-23 | 平安科技（深圳）有限公司 | 人工客服切换方法、装置、存储介质和计算机设备 |
| CN114866650A (zh) * | 2022-05-30 | 2022-08-05 | 广州品唯软件有限公司 | 一种客服沟通的监控方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117151727A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110598206B (zh) | 文本语义识别方法、装置、计算机设备和存储介质 | |
| CN111489095A (zh) | 一种风险用户管理方法、装置、计算机设备和存储介质 | |
| CN111368096A (zh) | 基于知识图谱的信息分析方法、装置、设备和存储介质 | |
| CN111127185A (zh) | 信贷欺诈识别模型构建方法及装置 | |
| CN113591924A (zh) | 一种网络诈骗号码检测方法、系统、存储介质及终端设备 | |
| CN112258250A (zh) | 基于网络热点的目标用户识别方法、装置和计算机设备 | |
| CN113656699B (zh) | 用户特征向量确定方法、相关设备及介质 | |
| CN117668205B (zh) | 智慧物流客服处理方法、系统、设备及存储介质 | |
| CN112667792B (zh) | 人机对话数据处理方法、装置、计算机设备和存储介质 | |
| CN113887214A (zh) | 基于人工智能的意愿推测方法、及其相关设备 | |
| CN117151727B (zh) | 基于用户行为分析的客服智能切换方法 | |
| CN112597292A (zh) | 问题回复推荐方法、装置、计算机设备和存储介质 | |
| CN116595486A (zh) | 风险识别方法、训练风险识别模型的方法及对应装置 | |
| CN113010664B (zh) | 一种数据处理方法、装置及计算机设备 | |
| CN113656927B (zh) | 数据处理方法、相关设备及计算机存储介质 | |
| CN115730058A (zh) | 一种基于知识融合的推理问答方法 | |
| CN115393100A (zh) | 资源推荐方法及装置 | |
| Raj et al. | Prediction of customer churn using resampling and ensemble classification algorithms on telecom dataset | |
| CN111931035B (zh) | 业务推荐方法、装置及设备 | |
| Li et al. | Hyperparameters tuning and model comparison for telecommunication customer churn predictive models | |
| CN112016004A (zh) | 一种基于多粒度信息融合的职务犯罪筛查系统及方法 | |
| CN117633165B (zh) | 一种智能ai客服对话引导方法 | |
| CN116955560B (zh) | 基于思考链和知识图谱的数据处理方法及系统 | |
| CN116484857A (zh) | 文本生成方法、装置、计算机设备和存储介质 | |
| CN116991997A (zh) | 一种情感分类应答方法、装置、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |