CN117236984A - 用户分层的管理方法、装置、电子设备及存储介质 - Google Patents
用户分层的管理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117236984A CN117236984A CN202311233374.3A CN202311233374A CN117236984A CN 117236984 A CN117236984 A CN 117236984A CN 202311233374 A CN202311233374 A CN 202311233374A CN 117236984 A CN117236984 A CN 117236984A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- call
- outbound
- target
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 58
- 230000004044 response Effects 0.000 claims abstract description 106
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000003068 static effect Effects 0.000 claims description 36
- 230000011218 segmentation Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 18
- 230000006399 behavior Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 21
- 238000003062 neural network model Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004821 distillation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种用户分层的管理方法、装置、电子设备及存储介质，涉及人工智能技术领域，其中方法包括：获取外呼机器人和用户之间的通话信息；通话信息中包括外呼机器人对应的多个外呼信息和用户针对各外呼信息的应答信息；至少一个外呼信息中包括目标产品；从各应答信息中提取通话特征，将各通话特征确定为通话信息对应的通话动态特征；基于通话动态特征确定用户的目标等级；存储用户的目标等级。本发明实现了对用户信息的分级管理；另外，由于用户的目标等级表征了用户对目标产品的感兴趣程度，从而便于销售人员基于用户的目标等级筛选对目标产品感兴趣的有效用户，提高了有效用户的筛选效率。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种用户分层的管理方法、装置、电子设备及存储介质。
背景技术
为提高销售营销的成功率，提升囤积线索利用率，增加单位时间内产能，人机结合的智能外呼模式应运而生。
相关技术中，外呼机器人主要应用于消息告知式外呼，外呼机器人将收集的所有营销信息均发送至销售人员对应的终端设备，便于销售人员基于这些营销信息对产品进行销售。
但上述相关技术中，外呼机器人将收集的所有营销信息均发送至销售人员对应的终端设备，销售人员需要人工从所有营销信息中筛选有效营销信息，从而降低了有效营销信息的筛选效率。
发明内容
本发明提供一种用户分层的管理方法、装置、电子设备及存储介质，用以解决现有技术中有效营销信息筛选效率低的缺陷。
本发明提供一种用户分层的管理方法，包括：
获取外呼机器人和用户之间的通话信息；所述通话信息中包括所述外呼机器人对应的多个外呼信息和所述用户针对各所述外呼信息的应答信息；至少一个所述外呼信息中包括目标产品；
从各所述应答信息中提取通话特征，将各所述通话特征确定为所述通话信息对应的通话动态特征；所述通话动态特征用于表征所述用户在通话过程中的通话行为；
基于所述通话动态特征确定所述用户的目标等级；所述目标等级用于表征所述用户对所述目标产品的感兴趣程度；
存储所述用户的目标等级。
根据本发明提供的一种用户分层的管理方法，所述基于所述通话动态特征确定所述用户的目标等级，包括：
获取所述用户对应的静态特征；所述静态特征包括所述用户的属性特征、所述用户对应的终端设备的属性特征、所述用户的购买行为特征和所述用户的活跃度特征；
基于所述通话动态特征和所述静态特征，确定所述用户的目标等级。
根据本发明提供的一种用户分层的管理方法，所述基于所述通话动态特征和所述静态特征，确定所述用户的目标等级，包括：
将所述通话动态特征和所述静态特征输入等级确定模型中，得到所述等级确定模型输出的所述目标等级；所述等级确定模型为基于用户样本的通话动态特征样本和静态特征样本进行训练得到的。
根据本发明提供的一种用户分层的管理方法，所述获取外呼机器人和用户之间的通话信息，包括：
向所述用户对应的终端设备发送第一外呼信息；
接收所述终端设备发送的所述用户针对所述第一外呼信息的第一应答信息；
将所述第一应答信息输入至学生模型中，得到所述学生模型输出的识别结果；所述学生模型为基于多个应答信息样本，并结合教师模型对初始学生模型进行训练得到的；所述教师模型用于提取所述应答信息样本的文本语义全局特征，所述初始学生模型用于提取所述应答信息样本的文本语义局部特征；
在所述识别结果为所述用户的意图信息的情况下，确定所述意图信息对应的外呼信息，将所述意图信息对应的外呼信息确定为新的第一外呼信息，并返回所述向所述用户对应的终端设备发送第一外呼信息的步骤，直至通话结束；
将通话过程中的所有第一外呼信息和各所述第一外呼信息对应的第一应答信息确定为所述通话信息。
根据本发明提供的一种用户分层的管理方法，所述方法还包括：
在所述识别结果为所述用户的意图信息识别失败的情况下，将所述第一应答信息输入至语义特征提取模型中，得到所述语义特征提取模型输出的语义特征；
确定所述语义特征和各预设问题文本对应的文本特征的相似度；
在最大相似度大于或等于预设相似度的情况下，确定所述最大相似度对应的目标预设问题文本，并将所述目标预设问题文本对应的预设答复话术确定为新的第一外呼信息，并返回所述向所述用户对应的终端设备发送第一外呼信息的步骤，直至通话结束。
根据本发明提供的一种用户分层的管理方法，所述方法还包括：
在所述目标等级大于预设等级的情况下，基于等级和销售终端的对应关系，确定所述目标等级对应的目标销售终端；
将所述用户的用户信息发送至所述目标销售终端。
根据本发明提供的一种用户分层的管理方法，所述从各所述应答信息中提取通话特征，包括：
对各所述应答信息进行分词，得到分词结果；
将各所述分词结果与所述目标产品对应的词库进行匹配；
在存在匹配成功的分词结果的情况下，从各所述应答信息中提取所述通话特征；所述词库中包括与所述目标产品相关的词汇。
本发明还提供一种用户分层的管理装置，包括：
获取单元，用于获取外呼机器人和用户之间的通话信息；所述通话信息中包括所述外呼机器人对应的多个外呼信息和所述用户针对各所述外呼信息的应答信息；至少一个所述外呼信息中包括目标产品；
第一确定单元，用于从各所述应答信息中提取通话特征，将各所述通话特征确定为所述通话信息对应的通话动态特征；所述通话动态特征用于表征所述用户在通话过程中的通话行为；
第二确定单元，用于基于所述通话动态特征确定所述用户的目标等级；所述目标等级用于表征所述用户对所述目标产品的感兴趣程度；
存储单元，用于存储所述用户的目标等级。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述用户分层的管理方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述用户分层的管理方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述用户分层的管理方法。
本发明提供的用户分层的管理方法、装置、电子设备及存储介质，获取外呼机器人对应的多个外呼信息和用户针对各外呼信息的应答信息，至少一个外呼信息中包括目标产品，从各应答信息中提取通话特征，将各通话特征确定为通话信息对应的通话动态特征，基于通话动态特征确定用户的目标等级，并存储用户的目标等级，实现了对用户信息的分级管理；另外，由于用户的目标等级表征了用户对目标产品的感兴趣程度，从而便于销售人员基于用户的目标等级筛选对目标产品感兴趣的有效用户，提高了有效用户的筛选效率。
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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的用户分层的管理方法的流程示意图之一；
图2是本发明实施例提供的用户分层的管理方法的流程示意图之二；
图3是本发明实施例提供的用户分层的管理方法的流程示意图之三；
图4是本发明实施例提供的用户分层的管理方法的流程示意图之四；
图5是本发明实施例提供的用户分层的管理装置的结构示意图；
图6是本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
企业拥有海量的库存线索，单位时间内，销售人员能处理的线索量是有限的，若能在固定时间内提高销售的产能，则能够显著提高电销的整体收益。因此，如何快速的消耗、高效的转化这类线索，是电销领域的一个核心挑战。
鉴于此，本发明提供的用户分层的管理方法，获取外呼机器人对应的多个外呼信息和用户针对各外呼信息的应答信息，至少一个外呼信息中包括目标产品，从各应答信息中提取通话特征，将各通话特征确定为通话信息对应的通话动态特征，基于通话动态特征确定用户的目标等级，并存储用户的目标等级，实现了对用户信息的分级管理；另外，由于用户的目标等级表征了用户对目标产品的感兴趣程度，从而便于销售人员基于用户的目标等级筛选对目标产品感兴趣的有效用户，提高了有效用户的筛选效率。即本发明结合外呼机器人和用户分级等技术手段，帮助销售人员快速、高效地筛选对目标产品感兴趣的有效用户，让销售人员在有限时间内，完成更多的成交订单，显著提高销售的产能。
下面结合图1-图4描述本发明的用户分层的管理方法。
图1是本发明实施例提供的用户分层的管理方法的流程示意图之一，应用于外呼机器人，如图1所示，该用户分层的管理方法包括以下步骤：
步骤101、获取外呼机器人和用户之间的通话信息；所述通话信息中包括所述外呼机器人对应的多个外呼信息和所述用户针对各所述外呼信息的应答信息；至少一个所述外呼信息中包括目标产品。
其中，外呼机器人能够基于自然语言处理(Natural Language Processing，NLP)、语音识别(Automatic Speech Recognition，ASR)和语音合成(Text To Speech，TTS)技术，实现自动电话外呼和应答，用自然逼真的对话与用户沟通，帮助企业提高外呼效率和标准化外呼流程，实现外呼数据智能化管理。目标产品可以为保险产品或者任一种实体产品，例如实体产品为汽车、手机等。
示例地，可以基于需求在外呼机器人上配置目标产品的营销场景，针对收集的各用户，外呼机器人与用户进行该营销场景的交互，以获取外呼机器人和用户之间的通话信息，通话信息中包括外呼机器人每次发送的外呼信息、以及用户针对每个外呼信息的应答信息。
需要说明的是，多个外呼信息中的至少一个外呼信息中包括目标产品，以便用户获知目标产品，从而可以基于用户针对每个外呼信息的应答信息来确定用户是否对目标产品感兴趣。
步骤102、从各所述应答信息中提取通话特征，将各所述通话特征确定为所述通话信息对应的通话动态特征；所述通话动态特征用于表征所述用户在通话过程中的通话行为。
示例地，在获取到目标产品对应的营销场景中，各外呼信息对应的应答信息时，对各应答信息进行分析，以提取应答信息中的通话特征，将各应答信息对应的通话特征确定为该营销场景对应的通话动态特征，该通话动态特征能够表征用户在通话过程中的通话行为；其中，通话动态特征包括以下至少一项：通话过程中用户的语气特征、转人工特征、沟通态度特征、沟通轮次特征、接收短信特征、关注公众号特征和下单特征；用户的语气特征包括用户的肯定语气特征或者用户的否定语气特征，沟通态度特征包括沟通积极特征或者沟通消极特征。
步骤103、基于所述通话动态特征确定所述用户的目标等级；所述目标等级用于表征所述用户对所述目标产品的感兴趣程度。
示例地，在确定目标产品对应的营销场景的通话动态特征时，可以对通话动态特征的具体内容进行分析，基于用户在通话过程中的配合程度、沟通进展、关键达成阶段、意向反馈情况等，确定该用户对目标产品的感兴趣程度，基于用户对目标产品的感兴趣程度确定用户的目标等级；例如，若通话动态特征包括用户的语气为肯定语气，沟通态度为沟通积极、沟通轮次大于预设轮次，则可以确定用户对目标产品的感兴趣程度为非常感兴趣，确定用户的目标等级为高级；若通话动态特征包括用户语气为的否定语气，沟通态度为沟通消极、沟通轮次小于预设轮次，则可以确定用户对目标产品的感兴趣程度为不感兴趣，确定用户的目标等级为低级。
步骤104、存储所述用户的目标等级。
其中，用户的等级具体分为几档，可以基于需求进行设定，本发明对此不做限定。
示例地，在确定每个用户的目标等级时，可以将每个用户的目标等级存储至等级列表中，实现对用户的分级管理，便于销售人员基于用户的目标等级筛选对目标产品感兴趣的有效用户，提高了有效用户的筛选效率，进而提高目标产品的销售产能。
本发明提供的用户分层的管理方法，获取外呼机器人对应的多个外呼信息和用户针对各外呼信息的应答信息，至少一个外呼信息中包括目标产品，从各应答信息中提取通话特征，将各通话特征确定为通话信息对应的通话动态特征，基于通话动态特征确定用户的目标等级，并存储用户的目标等级，实现了对用户信息的分级管理；另外，由于用户的目标等级表征了用户对目标产品的感兴趣程度，从而便于销售人员基于用户的目标等级筛选对目标产品感兴趣的有效用户，提高了有效用户的筛选效率。
在一实施例中，图2是本发明实施例提供的用户分层的管理方法的流程示意图之二，如图2所示，上述步骤103基于所述通话动态特征确定所述用户的目标等级，具体可通过以下步骤实现：
步骤1031、获取所述用户对应的静态特征；所述静态特征包括所述用户的属性特征、所述用户对应的终端设备的属性特征、所述用户的购买行为特征和所述用户的活跃度特征。
示例地，外呼机器人预先存储有收集的每个用户对应的静态特征，静态特征包括用户的属性特征、用户对应的终端设备的属性特征、用户的购买行为特征和用户的活跃度特征，其中，用户的属性特征可以为用户所在省份特征、用户年龄特征和用户性别特征等，用户对应的终端设备的属性特征可以为终端设备的型号、等级等特征，终端设备可以为智能手机、智能手表等，用户的购买行为特征可以为用户购买产品的类型特征、用户购买产品的时间特征和用户购买产品的金额特征等；用户的活跃度特征可以为用户在预设时间内对产品的点击次数特征、用户在预设时间内浏览的产品特征、用户在预设时间内对产品的浏览次数特征、以及用户对公众号的关注次数等，用户的静态特征代表了用户的粘性。
需要说明的是，在外呼机器人向用户对应的终端设备发送外呼信息之前，本发明还可以基于各用户的静态特征对各用户进行排序，并将排序结果基于业务策略进行调整，实现对各用户的初步分级。例如，业务策略为主要关注50岁左右的用户，则可以基于业务策略将50岁左右的用户排在最前面，对于调整后的排序结果中的后预设数量个用户直接丢弃。
步骤1032、基于所述通话动态特征和所述静态特征，确定所述用户的目标等级。
示例地，在确定目标产品对应的营销场景的通话动态特征和用户的静态特征时，可以基于通话动态特征的具体内容和静态特征的具体内容共同确定该用户对目标产品的感兴趣程度，基于用户对目标产品的感兴趣程度确定用户的目标等级；例如，若通话动态特征包括用户的语气为肯定语气，沟通态度为沟通积极、沟通轮次大于预设轮次，用户的静态特征包括用户年龄为35岁、性别为男、用户使用的终端设备的等级为高级，用户在预设时间内购买产品的金额均大于预设金额、且用户在预设时间内对产品的点击次数大于预设次数，则可以确定用户对目标产品的感兴趣程度为非常感兴趣，确定用户的目标等级为高级；若通话动态特征包括用户语气为的否定语气，沟通态度为沟通消极、沟通轮次小于预设轮次，用户的静态特征包括用户年龄为20岁、性别为男、用户使用的终端设备的等级为低级，用户在预设时间内购买产品的金额均小于预设金额、且用户在预设时间内对产品的点击次数小于预设次数，则可以确定用户对目标产品的感兴趣程度为不感兴趣，确定用户的目标等级为低级。
在本实施例中，同时基于通话动态特征和用户的静态特征确定用户的目标等级，增加了确定用户的目标等级时考虑的因素，从而提高了确定的目标等级的准确性。
在一实施例中，上述步骤1032基于所述通话动态特征和所述静态特征，确定所述用户的目标等级，具体可通过以下方式实现：
将所述通话动态特征和所述静态特征输入等级确定模型中，得到所述等级确定模型输出的所述目标等级；所述等级确定模型为基于用户样本的通话动态特征样本和静态特征样本进行训练得到的。
示例地，将通话动态特征和静态特征输入至等级确定模型中，通过等级确定模型对通话动态特征和静态特征进行分析，得到等级确定模型输出的用户的目标等级；其中，等级确定模型可以是基于初始神经网络模型经过训练而得到的模型；即获取销售场景下对应的多个用户样本，将多个用户样本的通话动态特征样本和静态特征样本输入至初始神经网络模型中，得到初始神经网络模型输出的各用户样本的预测等级，基于用户样本的预测等级和用户样本对应的等级标签确定损失函数，基于损失函数对初始神经网络模型进行优化，得到等级确定模型；另外，初始神经网络模型可以是深度神经网络(Deep NeuralNetworks，DNN)或卷积神经网络(Convolutional Neural Network，CNN)等，本发明实施例对初始神经网络模型不做限制。
在本实施例中，可以通过等级确定模型基于通话动态特征和静态特征确定用户的目标等级，提高了目标等级的确定效率。
在一实施例中，图3是本发明实施例提供的用户分层的管理方法的流程示意图之三，如图3所示，上述步骤101获取外呼机器人和用户之间的通话信息，具体可通过以下步骤实现：
步骤1011、向所述用户对应的终端设备发送第一外呼信息。
示例地，针对收集的各用户，外呼机器人基于目标产品对应的营销场景向用户对应的终端设备发送第一外呼信息，例如，第一外呼信息可以为“您好，我是**，最近新上**产品，麻烦问下您想了解一下吗？”。
需要说明的是，外呼机器人向用户对应的终端设备发送第一外呼信息，可以是向终端设备上安装的通讯应用程序发送第一外呼信息，也可以是外呼机器人呼叫终端设备，向终端设备发送第一外呼信息，本发明对此不做限定。
需要说明的是，第一外呼信息可以为纯文本信息，也可以为文本和语音的组合信息，还可以为纯语音信息，本发明对此不做限定。
步骤1012、接收所述终端设备发送的所述用户针对所述第一外呼信息的第一应答信息。
示例地，用户在通过终端设备接收到外呼机器人发送的第一外呼信息时，可基于第一外呼信息的内容确定需要答复的第一应答信息，通过终端设备输入第一应答信息，使得终端设备将第一应答信息发送至外呼机器人；例如，第一外呼信息为“您好，我是**，最近新上**产品，麻烦问下您想了解一下吗？”，第一应答信息为“**产品的功能有哪些？”，或者，第一应答信息为“不好意思，不想了解”等。
步骤1013、将所述第一应答信息输入至学生模型中，得到所述学生模型输出的识别结果；所述学生模型为基于多个应答信息样本，并结合教师模型对初始学生模型进行训练得到的；所述教师模型用于提取所述应答信息样本的文本语义全局特征，所述初始学生模型用于提取所述应答信息样本的文本语义局部特征。
其中，初始学生模型可以为TextCNN模型，TextCNN模型的专注点在于卷积预设窗口的大小，即TextCNN模型用于提取样本的局部特征，教师模型可以为BERT(BidirectionalEncoder Representation from Transformers)模型，BERT模型用于提取样本的全局特征。
示例地，外呼机器人在接收到用户针对第一外呼信息对应的第一应答信息时，将第一应答信息输入训练好的学生模型中，通过学生模型对第一应答信息进行特征提取，得到学生模型输出的识别结果；在学生模型能够从第一应答信息中提取到用户的意图信息时，则识别结果为用户的意图信息；在学生模型不能从第一应答信息中提取用户的意图信息时，则识别结果为用户的意图信息识别失败。
需要说明的是，外呼机器人还可以从第一应答信息中提取关键词和高频词汇，基于提取的关键词和高频词汇确定用户的意图信息，本发明对此不做限定。
需要说明的是，学生模型的具体训练过程如下：将多个应答信息样本分别输入至教师模型和初始学生模型中，通过蒸馏的手段，将教师模型输出的从应答信息样本提取的文本语义全局特征传导至初始学生模型中，初始学生模型从应答信息样本中提取文本语义局部特征，并融合文本语义局部特征和文本语义全局特征，最终输出预测识别结果，基于预测识别结果对教师模型和初始学生模型的模型参数进行优化，直至达到收敛条件，得到学生模型。本发明通过蒸馏的手段，能够将教师模型的知识传导至初始学生模型，初始学生模型额外引入文本语义全局特征，能够让训练得到的学生模型融合文本语义局部特征和文本语义全局特征，从而提高了应答信息识别的准确率，并且保证了学生模型的推理速度，降低了显存资源的消耗。
需要说明的是，外呼机器人还可以基于第一应答信息确定是否向用户的终端设备发送相关的短信信息、或者转人工的操作、或者通话挂断等，本发明对此不做限定。
步骤1014、在所述识别结果为所述用户的意图信息的情况下，确定所述意图信息对应的外呼信息，将所述意图信息对应的外呼信息确定为新的第一外呼信息，并返回所述向所述用户对应的终端设备发送第一外呼信息的步骤，直至通话结束。
示例地，在学生模型的识别结果为用户的意图信息的情况下，基于意图信息与分支的对应关系，获取用户的意图信息对应的目标分支，从目标分支获取用户的意图信息对应的外呼信息，并将用户的意图信息对应的外呼信息发送至用户对应的终端设备，用户在通过终端设备接收到用户的意图信息对应的外呼信息时，基于用户的意图信息对应的外呼信息确定新的应答信息，并通过终端设备将新的应答信息发送至外呼机器人，如此循环，按照一问一答的形式推进整个外呼进度，直至目标产品对应的营销场景的通话结束。
步骤1015、将通话过程中的所有第一外呼信息和各所述第一外呼信息对应的第一应答信息确定为所述通话信息。
示例地，在目标产品对应的营销场景的通话结束后，将通话过程中的所有第一外呼信息和用户针对各第一外呼信息对应的第一应答信息确定为通话信息。
在本实施例中，基于训练好的学生模型对第一应答信息进行分析，得到学生模型输出的识别结果，由于学生模型是基于多个应答信息样本，并结合教师模型对初始学生模型进行训练得到的，使得训练得到的学生模型能够融合文本语义局部特征和文本语义全局特征，从而提高了应答信息识别的准确率，并且保证了学生模型的推理速度，降低了显存资源的消耗。
在一实施例中，如图3所示，该用户分层的管理方法还包括以下步骤：
步骤1016、在所述识别结果为所述用户的意图信息识别失败的情况下，将所述第一应答信息输入至语义特征提取模型中，得到所述语义特征提取模型输出的语义特征。
示例地，在学生模型的识别结果为用户的意图信息识别失败的情况下，说明学生模型无法识别该第一应答信息，此时将第一应答信息输入至语义特征提取模型中，语义特征提取模型可以为SimBERT模型，通过SimBERT模型对第一应答信息进行分析，得到第一应答信息的语义特征。语义特征提取模型是基于多个应答信息样本进行训练得到的。
需要说明的是，在学生模型输出的识别结果为用户的意图信息识别失败的情况下，外呼机器人还可以重新向用户对应的终端设备发送第一应答信息或者与第一应答信息语义相同的应答信息，使得用户针对重新发送的第一应答信息或者与第一应答信息语义相同的应答信息，再次做出新的应答，并将新的应答信息发送至外呼机器人，便于外呼机器人基于新的应答信息确定用户的意图信息。
需要说明的是，外呼机器人在确定用户的意图信息为全局技能组意图时，可以基于全局技能组意图对应的分支向用户对应的终端设备发送新的外呼信息，或者结束通话等；例如，全局技能组意图为我现在很忙，请结束通话；则外呼机器人会直接结束通话，不向用户对应的终端设备发送新的外呼信息。
步骤1017、确定所述语义特征和各预设问题文本对应的文本特征的相似度。
示例地，在得到第一应答信息对应的语义特征时，将第一应答信息对应的语义特征和各个预设问题文本对应的文本特征的相似度，具体相似度的计算方法可以为内积相似度计算法、杰卡德(Jaccard)相似度计算法或者余弦相似度计算法等，本发明对此不做限定。
步骤1018、在最大相似度大于或等于预设相似度的情况下，确定所述最大相似度对应的目标预设问题文本，并将所述目标预设问题文本对应的预设答复话术确定为新的第一外呼信息，并返回所述向所述用户对应的终端设备发送第一外呼信息的步骤，直至通话结束。
示例地，在得到语义特征和各预设问题文本对应的文本特征的相似度时，从各相似度中确定最大相似度，并将最大相似度和预设相似度进行比较，在确定最大相似度大于或等于预设相似度时，说明所有预设问题文本对应的文本特征中包括与第一应答信息对应的语义特征匹配的文本特征，则将与第一应答信息对应的语义特征匹配的文本特征的预设问题文本，确定为最大相似度对应的目标预设问题文本，再基于问答系统(FrequentlyAsked Questions，FAQ)中预设问题文本和预设答复话术的对应关系，确定目标预设问题文本对应的预设答复话术，将目标预设问题文本对应的预设答复话术确定为新的第一外呼信息，并将目标预设问题文本对应的预设答复话术发送至用户对应的终端设备，用户在通过终端设备接收到目标预设问题文本对应的预设答复话术时，基于目标预设问题文本对应的预设答复话术确定新的应答信息，并通过终端设备将新的应答信息发送至外呼机器人，如此循环，按照一问一答的形式推进整个外呼进度，直至目标产品对应的营销场景的通话结束。
在本实施例中，在学生模型的识别结果为用户的意图信息识别失败的情况下，可基于语义特征提取模型提取第一应答信息的语义特征，确定语义特征与各预设问题文本对应的文本特征的相似度，在最大相似度大于或等于预设相似度时，将最大相似度对应的目标预设问题文本关联的预设答复话术确定为新的第一外呼信息，实现了外呼机器人对用户提问类的应答信息的正确回复，提高了人机交互的准确性。
在一实施例中，图4是本发明实施例提供的用户分层的管理方法的流程示意图之四，如图4所示，在上述步骤104之后，该用户分层的管理方法还包括以下步骤：
步骤105、在所述目标等级大于预设等级的情况下，基于等级和销售终端的对应关系，确定所述目标等级对应的目标销售终端。
步骤106、将所述用户的用户信息发送至所述目标销售终端。
示例地，在确定用户的目标等级时，将用户的目标等级与预设等级进行比较，在用户的目标等级大于预设等级时，认为该用户为对目标产品感兴趣的有效用户，此时基于预先存储的等级和销售终端的对应关系，确定目标等级对应的目标销售终端，并将用户的用户信息发送至该目标销售终端，用户的用户信息可以包括用户的手机号码信息、年龄信息、性别信息、即时通讯软件的账号信息等，便于目标销售终端对应的销售人员基于用户的用户信息向该用户推荐目标产品。
需要说明的是，外呼机器人在确定收集的每个用户的用户等级后，可以基于用户等级高的用户的用户信息引导用户购买目标产品，也可以将大于预设等级的目标等级对应的用户的用户信息下发至对应的销售终端，帮助销售人员识别用户等级高的用户信息，即识别优质线索，过滤低质量线索，实现人机协作，提高销售转化率；交由销售人员进行二次营销，以完成目标产品的最终转化，提高各个用户信息的利用率。
在本实施例中，基于用户的等级控制用户信息的归属，将等级与销售终端进行对应，使得等级高的用户的用户信息发送至优秀销售人员对应的销售终端，以提高销售的产能。
在一实施例中，上述步骤102中从各所述应答信息中提取通话特征，具体可通过以下方式实现：
对各所述应答信息进行分词，得到分词结果；将各所述分词结果与所述目标产品对应的词库进行匹配；在存在匹配成功的分词结果的情况下，从各所述应答信息中提取所述通话特征；所述词库中包括与所述目标产品相关的词汇。
示例地，针对各应答信息，对应答信息进行分词处理，得到所有应答信息对应的所有分词结果，将所有应答信息对应的所有分词结果与目标产品对应的词库进行匹配，在存在匹配成功的分词结果时，说明所有应答信息中包含与目标产品相关的应答信息，认为该用户对目标产品比较感兴趣，此时再从各应答信息中提取通话特征。
在本实施例中，将所有应答信息对应的所有分词结果与目标产品对应的词库进行匹配，在存在匹配成功的分词结果时，认为该用户对目标产品比较感兴趣，此时再从各应答信息中提取通话特征，进一步确定用户的等级，实现了对目标产品不感兴趣的用户的过滤，提高了对收集的所有用户的等级的确定效率。
下面对本发明提供的用户分层的管理装置进行描述，下文描述的用户分层的管理装置与上文描述的用户分层的管理方法可相互对应参照。
图5是本发明实施例提供的用户分层的管理装置的结构示意图，如图5所示，该用户分层的管理装置500包括获取单元501、第一确定单元502、第二确定单元503和存储单元504；其中：
获取单元501，用于获取外呼机器人和用户之间的通话信息；所述通话信息中包括所述外呼机器人对应的多个外呼信息和所述用户针对各所述外呼信息的应答信息；至少一个所述外呼信息中包括目标产品；
第一确定单元502，用于从各所述应答信息中提取通话特征，将各所述通话特征确定为所述通话信息对应的通话动态特征；所述通话动态特征用于表征所述用户在通话过程中的通话行为；
第二确定单元503，用于基于所述通话动态特征确定所述用户的目标等级；所述目标等级用于表征所述用户对所述目标产品的感兴趣程度；
存储单元504，用于存储所述用户的目标等级。
本发明提供的用户分层的管理装置，获取外呼机器人对应的多个外呼信息和用户针对各外呼信息的应答信息，至少一个外呼信息中包括目标产品，从各应答信息中提取通话特征，将各通话特征确定为通话信息对应的通话动态特征，基于通话动态特征确定用户的目标等级，并存储用户的目标等级，实现了对用户信息的分级管理；另外，由于用户的目标等级表征了用户对目标产品的感兴趣程度，从而便于销售人员基于用户的目标等级筛选对目标产品感兴趣的有效用户，提高了有效用户的筛选效率。
基于上述任一实施例，第二确定单元503具体用于：
获取所述用户对应的静态特征；所述静态特征包括所述用户的属性特征、所述用户对应的终端设备的属性特征、所述用户的购买行为特征和所述用户的活跃度特征；
基于所述通话动态特征和所述静态特征，确定所述用户的目标等级。
基于上述任一实施例，所述第二确定单元503还具体用于：
将所述通话动态特征和所述静态特征输入等级确定模型中，得到所述等级确定模型输出的所述目标等级；所述等级确定模型为基于用户样本的通话动态特征样本和静态特征样本进行训练得到的。
基于上述任一实施例，所述获取单元501具体用于：
向所述用户对应的终端设备发送第一外呼信息；
接收所述终端设备发送的所述用户针对所述第一外呼信息的第一应答信息；
将所述第一应答信息输入至学生模型中，得到所述学生模型输出的识别结果；所述学生模型为基于多个应答信息样本，并结合教师模型对初始学生模型进行训练得到的；所述教师模型用于提取所述应答信息样本的文本语义全局特征，所述初始学生模型用于提取所述应答信息样本的文本语义局部特征；
在所述识别结果为所述用户的意图信息的情况下，确定所述意图信息对应的外呼信息，将所述意图信息对应的外呼信息确定为新的第一外呼信息，并返回所述向所述用户对应的终端设备发送第一外呼信息的步骤，直至通话结束；
将通话过程中的所有第一外呼信息和各所述第一外呼信息对应的第一应答信息确定为所述通话信息。
基于上述任一实施例，所述用户分层的管理装置500还包括：
处理单元，用于在所述识别结果为所述用户的意图信息识别失败的情况下，将所述第一应答信息输入至语义特征提取模型中，得到所述语义特征提取模型输出的语义特征；
第三确定单元，用于确定所述语义特征和各预设问题文本对应的文本特征的相似度；
第四确定单元，用于在最大相似度大于或等于预设相似度的情况下，确定所述最大相似度对应的目标预设问题文本，并将所述目标预设问题文本对应的预设答复话术确定为新的第一外呼信息，并返回所述向所述用户对应的终端设备发送第一外呼信息的步骤，直至通话结束。
基于上述任一实施例，所述用户分层的管理装置500还包括：
第五确定单元，用于在所述目标等级大于预设等级的情况下，基于等级和销售终端的对应关系，确定所述目标等级对应的目标销售终端；
发送单元，用于将所述用户的用户信息发送至所述目标销售终端。
基于上述任一实施例，所述第一确定单元502具体用于：
对各所述应答信息进行分词，得到分词结果；
将各所述分词结果与所述目标产品对应的词库进行匹配；
在存在匹配成功的分词结果的情况下，从各所述应答信息中提取所述通话特征；所述词库中包括与所述目标产品相关的词汇。
图6是本发明实施例提供的电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行用户分层的管理方法，该方法包括：获取外呼机器人和用户之间的通话信息；所述通话信息中包括所述外呼机器人对应的多个外呼信息和所述用户针对各所述外呼信息的应答信息；至少一个所述外呼信息中包括目标产品；
从各所述应答信息中提取通话特征，将各所述通话特征确定为所述通话信息对应的通话动态特征；所述通话动态特征用于表征所述用户在通话过程中的通话行为；
基于所述通话动态特征确定所述用户的目标等级；所述目标等级用于表征所述用户对所述目标产品的感兴趣程度；
存储所述用户的目标等级。
此外，上述的存储器630中的逻辑指令可以通过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，本发明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(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的用户分层的管理方法，该方法包括：获取外呼机器人和用户之间的通话信息；所述通话信息中包括所述外呼机器人对应的多个外呼信息和所述用户针对各所述外呼信息的应答信息；至少一个所述外呼信息中包括目标产品；
从各所述应答信息中提取通话特征，将各所述通话特征确定为所述通话信息对应的通话动态特征；所述通话动态特征用于表征所述用户在通话过程中的通话行为；
基于所述通话动态特征确定所述用户的目标等级；所述目标等级用于表征所述用户对所述目标产品的感兴趣程度；
存储所述用户的目标等级。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的用户分层的管理方法，该方法包括：获取外呼机器人和用户之间的通话信息；所述通话信息中包括所述外呼机器人对应的多个外呼信息和所述用户针对各所述外呼信息的应答信息；至少一个所述外呼信息中包括目标产品；
从各所述应答信息中提取通话特征，将各所述通话特征确定为所述通话信息对应的通话动态特征；所述通话动态特征用于表征所述用户在通话过程中的通话行为；
基于所述通话动态特征确定所述用户的目标等级；所述目标等级用于表征所述用户对所述目标产品的感兴趣程度；
存储所述用户的目标等级。
以上所描述的装置实施例仅仅是示意性的，其中所述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网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用户分层的管理方法，其特征在于，包括：
获取外呼机器人和用户之间的通话信息；所述通话信息中包括所述外呼机器人对应的多个外呼信息和所述用户针对各所述外呼信息的应答信息；至少一个所述外呼信息中包括目标产品；
从各所述应答信息中提取通话特征，将各所述通话特征确定为所述通话信息对应的通话动态特征；所述通话动态特征用于表征所述用户在通话过程中的通话行为；
基于所述通话动态特征确定所述用户的目标等级；所述目标等级用于表征所述用户对所述目标产品的感兴趣程度；
存储所述用户的目标等级。
2.根据权利要求1所述的用户分层的管理方法，其特征在于，所述基于所述通话动态特征确定所述用户的目标等级，包括：
获取所述用户对应的静态特征；所述静态特征包括所述用户的属性特征、所述用户对应的终端设备的属性特征、所述用户的购买行为特征和所述用户的活跃度特征；
基于所述通话动态特征和所述静态特征，确定所述用户的目标等级。
3.根据权利要求2所述的用户分层的管理方法，其特征在于，所述基于所述通话动态特征和所述静态特征，确定所述用户的目标等级，包括：
将所述通话动态特征和所述静态特征输入等级确定模型中，得到所述等级确定模型输出的所述目标等级；所述等级确定模型为基于用户样本的通话动态特征样本和静态特征样本进行训练得到的。
4.根据权利要求1所述的用户分层的管理方法，其特征在于，所述获取外呼机器人和用户之间的通话信息，包括：
向所述用户对应的终端设备发送第一外呼信息；
接收所述终端设备发送的所述用户针对所述第一外呼信息的第一应答信息；
将所述第一应答信息输入至学生模型中，得到所述学生模型输出的识别结果；所述学生模型为基于多个应答信息样本，并结合教师模型对初始学生模型进行训练得到的；所述教师模型用于提取所述应答信息样本的文本语义全局特征，所述初始学生模型用于提取所述应答信息样本的文本语义局部特征；
在所述识别结果为所述用户的意图信息的情况下，确定所述意图信息对应的外呼信息，将所述意图信息对应的外呼信息确定为新的第一外呼信息，并返回所述向所述用户对应的终端设备发送第一外呼信息的步骤，直至通话结束；
将通话过程中的所有第一外呼信息和各所述第一外呼信息对应的第一应答信息确定为所述通话信息。
5.根据权利要求4所述的用户分层的管理方法，其特征在于，所述方法还包括：
在所述识别结果为所述用户的意图信息识别失败的情况下，将所述第一应答信息输入至语义特征提取模型中，得到所述语义特征提取模型输出的语义特征；
确定所述语义特征和各预设问题文本对应的文本特征的相似度；
在最大相似度大于或等于预设相似度的情况下，确定所述最大相似度对应的目标预设问题文本，并将所述目标预设问题文本对应的预设答复话术确定为新的第一外呼信息，并返回所述向所述用户对应的终端设备发送第一外呼信息的步骤，直至通话结束。
6.根据权利要求1-5任一项所述的用户分层的管理方法，其特征在于，所述方法还包括：
在所述目标等级大于预设等级的情况下，基于等级和销售终端的对应关系，确定所述目标等级对应的目标销售终端；
将所述用户的用户信息发送至所述目标销售终端。
7.根据权利要求1-5任一项所述的用户分层的管理方法，其特征在于，所述从各所述应答信息中提取通话特征，包括：
对各所述应答信息进行分词，得到分词结果；
将各所述分词结果与所述目标产品对应的词库进行匹配；
在存在匹配成功的分词结果的情况下，从各所述应答信息中提取所述通话特征；所述词库中包括与所述目标产品相关的词汇。
8.一种用户分层的管理装置，其特征在于，包括：
获取单元，用于获取外呼机器人和用户之间的通话信息；所述通话信息中包括所述外呼机器人对应的多个外呼信息和所述用户针对各所述外呼信息的应答信息；至少一个所述外呼信息中包括目标产品；
第一确定单元，用于从各所述应答信息中提取通话特征，将各所述通话特征确定为所述通话信息对应的通话动态特征；所述通话动态特征用于表征所述用户在通话过程中的通话行为；
第二确定单元，用于基于所述通话动态特征确定所述用户的目标等级；所述目标等级用于表征所述用户对所述目标产品的感兴趣程度；
存储单元，用于存储所述用户的目标等级。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述用户分层的管理方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述用户分层的管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311233374.3A CN117236984A (zh) | 2023-09-21 | 2023-09-21 | 用户分层的管理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311233374.3A CN117236984A (zh) | 2023-09-21 | 2023-09-21 | 用户分层的管理方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117236984A true CN117236984A (zh) | 2023-12-15 |
Family
ID=89085756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311233374.3A Pending CN117236984A (zh) | 2023-09-21 | 2023-09-21 | 用户分层的管理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117236984A (zh) |
-
2023
- 2023-09-21 CN CN202311233374.3A patent/CN117236984A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110555095B (zh) | 人机对话方法和装置 | |
| CN110019742B (zh) | 用于处理信息的方法和装置 | |
| CN112988991A (zh) | 一种通过人机对话进行反欺诈干预的方法和系统 | |
| CN112417158A (zh) | 文本数据分类模型的训练方法、分类方法、装置和设备 | |
| CN111930914A (zh) | 问题生成方法和装置、电子设备以及计算机可读存储介质 | |
| CN117332072B (zh) | 对话处理、语音摘要提取以及目标对话模型训练方法 | |
| CN113239204A (zh) | 文本分类方法及装置、电子设备、计算机可读存储介质 | |
| CN112364622A (zh) | 对话文本分析方法、装置、电子装置及存储介质 | |
| CN115269836A (zh) | 意图识别方法及装置 | |
| CN113901837A (zh) | 一种意图理解方法、装置、设备及存储介质 | |
| CN114491010A (zh) | 信息抽取模型的训练方法及装置 | |
| CN111464687A (zh) | 一种陌生呼叫请求的处理方法及装置 | |
| CN117236984A (zh) | 用户分层的管理方法、装置、电子设备及存储介质 | |
| CN115955452A (zh) | 基于多轮会话意图识别的5g消息推送方法和装置 | |
| CN114254088A (zh) | 自动应答模型的构建方法和自动应答方法 | |
| CN114328867A (zh) | 一种人机对话中智能打断的方法及装置 | |
| CN117349425B (zh) | 知识条目的生成方法、装置、设备和存储介质 | |
| CN111683174B (zh) | 来电处理方法、装置及系统 | |
| CN116431779B (zh) | 法律领域faq问答的匹配方法、装置、存储介质及电子装置 | |
| CN114065742B (zh) | 一种文本检测方法和装置 | |
| WO2024114335A1 (zh) | 主题识别模型的训练方法及装置 | |
| CN117807987A (zh) | 样本生成方法、装置、电子设备及存储介质 | |
| CN117332062A (zh) | 一种数据处理方法和相关装置 | |
| CN113076412A (zh) | 一种构建知识库的方法及系统 | |
| CN116303938A (zh) | 静默检测模型的训练方法、异常会话检测方法及相关设备 |
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 |