CN117291617A - 一种自动建立客服反馈工单的方法及智能研判系统 - Google Patents
一种自动建立客服反馈工单的方法及智能研判系统 Download PDFInfo
- Publication number
- CN117291617A CN117291617A CN202311244450.0A CN202311244450A CN117291617A CN 117291617 A CN117291617 A CN 117291617A CN 202311244450 A CN202311244450 A CN 202311244450A CN 117291617 A CN117291617 A CN 117291617A
- Authority
- CN
- China
- Prior art keywords
- index
- customer service
- order data
- similarity
- order
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 230000002159 abnormal effect Effects 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 24
- 238000011160 research Methods 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自动建立客服反馈工单的方法及智能研判系统。获取用户设备发送的订单数据,订单数据包括订单的出发地、目的地、价格和行驶轨迹数据;调取预先配置的投诉问题类型,根据投诉问题类型获取对应的指标和指标阈值,其中,指标阈值为根据历史订单数据计算所得;根据指标从订单数据中提取目标信息;根据指标选择对应的算法,计算目标信息的指标相似度;将指标相似度与指标阈值进行比较;当指标相似度小于指标阈值,确定订单数据存在异常;确定建立客服反馈工单,并发送通知至客服。通过智能研判的方式,判断是否建立客服反馈工单,将被动建立工单变成主动建立工单,提前发现并解决问题,可有效降低投诉量并提升乘客的体验满意度。
Description
技术领域
本发明属于网约车技术领域,具体涉及一种自动建立客服反馈工单的方法及智能研判系统。
背景技术
随着技术的不断发展,使用网约车的人数越来越多,随之也使行程单量越来越大,服务乘客与次数也越来越多。为了保证网约车的高质量出行服务,通常会允许乘客或司机对本次出行服务提出投诉。
在行程服务中会产生各种各样的出行服务问题,情况越来越复杂,因此会投入更多的客服资源介入以应对乘客或司机提出的投诉问题。在实际应用中,出现问题的时候往往是由乘客主动向客服反馈,再由客服人工建立工单并进行处理。
但是,这无疑会增加客服资源成本,以及客服从接到乘客或司机的反馈问题再给出评判结果,整个过程变得漫长而繁杂,尤其是客服也无法辨别乘客或司机的投诉是否属实,会造成投诉处理结果信服度低。
申请人在运营过程中发现,人工建立工单的方式使得乘客投诉量增多,乘客体验满意度低。
发明内容
本发明的目的是要解决上述的技术问题,提供一种自动建立客服反馈工单的方法及智能研判系统。
为了解决上述问题,本发明按以下技术方案予以实现的:
根据本发明的一方面,提供了一种自动建立客服反馈工单的方法,所述方法包括:
获取用户设备发送的订单数据,所述订单数据包括订单的出发地、目的地、价格和行驶轨迹数据;
调取预先配置的投诉问题类型,根据所述投诉问题类型获取对应的指标和指标阈值,其中,所述指标阈值为根据历史订单数据计算所得;
根据所述指标从所述订单数据中提取目标信息;
根据所述指标选择对应的算法,计算所述目标信息的指标相似度,所述指标相似度为所述订单数据与所述指标的相似度;
将所述指标相似度与指标阈值进行比较;
当所述指标相似度小于所述指标阈值,确定所述订单数据存在异常;
确定建立客服反馈工单,并发送消息至客服。
根据本发明的另一方面,提供了一种智能研判系统,所述系统包括:
获取订单数据模块,用于获取用户设备发送的订单数据,所述订单数据包括订单的出发地、目的地、价格和行驶轨迹数据;
获取指标模块,用于调取预先配置的投诉问题类型,根据所述投诉问题类型获取对应的指标和指标阈值,其中,所述指标阈值为根据历史订单数据计算所得;
提取目标信息模块,用于根据所述指标从所述订单数据中提取目标信息;
计算模块,用于根据所述指标选择对应的算法,计算所述目标信息的指标相似度,所述指标相似度为所述订单数据与所述指标的相似度;
比较模块,用于将所述指标相似度与指标阈值进行比较;
确定异常模块,用于当所述指标相似度小于所述指标阈值,确定所述订单数据存在异常;
确定建立工单模块,用于确定建立客服反馈工单,并发送消息至客服。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明实施例所述的自动建立客服反馈工单的方法。
根据本发明的另一方面,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,所述计算机程序用于使处理器执行时实现本发明实施例所述的自动建立客服反馈工单的方法。
在本发明实施例中,获取用户设备发送的订单数据,订单数据包括订单的出发地、目的地、价格和行驶轨迹数据;调取预先配置的投诉问题类型,根据投诉问题类型获取对应的指标和指标阈值,其中,指标阈值为根据历史订单数据计算所得;根据指标从订单数据中提取目标信息;根据指标选择对应的算法,计算目标信息的指标相似度,指标相似度为订单数据与指标的相似度;将指标相似度与指标阈值进行比较;当指标相似度小于指标阈值,确定订单数据存在异常;确定建立客服反馈工单,并发送消息至客服。本发明实施例中,系统将获取到的订单数据与自身存储的历史订单数据进行计算比对,根据其指标相似度与指标阈值的差距,判断是否需要自动建立客服反馈工单,若建立了客服反馈工单,则发送通知给人工客服,客服对工单进行处理。通过智能研判的方式,判断是否建立客服反馈工单,将被动建立工单变成主动建立工单,提前发现并解决问题,可有效降低投诉量并提升乘客的体验满意度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明,其中:
图1是本发明实施例的一种自动建立客服反馈工单的方法的流程图;
图2是本发明实施例的一种智能研判系统的结构示意图;
图3是本发明实施例的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
在网约车领域,如何降低客诉量以及提升乘客体验满意度是最大的难点,客诉问题主要包括以下问题:1、司机绕路;2、收费高于预估价;3、不认可取消费。
以上常见问题的发现方式往往是由乘客主动向客服反馈,再由客服人工建立工单处理,这种方式太过被动,发现问题的时机太晚,导致乘客投诉量增多,体验满意度低。
为此,本发明的技术方案的目的是化被动为主动,基于海量数据主动分析订单数据,提前发现并解决问题,降低投诉量并提升乘客的体验满意度。
图1是本发明实施例的一种自动建立客服反馈工单的方法的流程图,本实施例可适用于网约车订单结束后,客服处理投诉问题的情况,该方法可以由一种智能研判系统来执行,该系统可以采用硬件和/或软件的形式实现,该系统可配置于电子设备中。如图1所示,该方法包括:
步骤101、获取用户设备发送的订单数据。
其中,用户设备具体指的是司机端。
订单数据指的是当司机端确认完成乘客发起的网约车订单,系统自动产生该订单的所有数据内容。在本发明实施例中,订单数据至少包括订单的出发地、目的地、价格和行驶轨迹数据等信息。
当订单结束后,司机端会自动将本次行程的订单数据上报至智能研判系统并进行存储,智能研判系统获取到生成的订单数据。
其中,智能研判系统为可装载本发明的自动建立客服反馈工单的方法的系统,任何一个能够装载自动建立客服反馈工单的方法的系统均能实现本发明的技术方案,本发明对此(智能研判系统)不加以实施限制。
步骤102、调取预先配置的投诉问题类型,根据投诉问题类型获取对应的指标和指标阈值。
技术人员可事先在智能研判系统中预先配置投诉问题类型,在需要时进行调取即可。
其中,投诉问题指的是乘客或者司机在行程结束(订单结束)后发现的问题,并基于该问题在网约车平台进行了投诉。本发明实施例中,投诉问题类型至少包括司机绕路和收费高于预估价。此外,还可包括不认可取消费的投诉问题类型,本发明对此不加以限制。
智能研判系统在获取订单数据后,调取在智能研判系统中人工配置的投诉问题类型。再根据投诉问题类型获取到不同投诉问题类型所对应的指标和指标阈值。
在一种示例中,所述指标是说明总体数量特征的概念及其数值的综合,故又称为综合指标。所述指标阈值指的是根据历史订单数据计算所得的数据。相关技术人员根据历史订单数据计算所得的数据作为基准,预先设定基准数值作为指标阈值。本发明实施例中,指标阈值至少包括轨迹相似度和收费差值,对应的投诉问题类型是司机绕路的收费高于预估价。
示例性的,所述历史订单数据为历史每一个司机的每一笔订单上报的订单数据。在本发明实施例中,对历史订单数据无须特殊处理,只需要存储即可。
步骤103、根据指标从订单数据中提取目标信息。
本方案主要是利用历史订单数据与当前订单数据作对比,因此,智能研判系统需要根据指标从订单数据中提取目标信息。这里的目标信息指的是订单数据包括的订单的出发地、目的地、价格和行驶轨迹数据等信息。
步骤104、根据指标选择对应的算法,计算目标信息的指标相似度。
根据提取到订单数据的目标信息与对应指标,选择对应的算法计算目标信息的指标相似度。
其中,根据不同的指标对应的算法包括欧式距离算法和加权平均值算法。指标相似度指的是订单数据与指标的相似度。
欧式距离算法是最常见的距离算法,又称两点间的距离,它是指在n维空间中两点之间的实际距离,本发明实施例中,运用的欧式距离算法公式如下:
例如,现在完成了一笔订单,从其上报的经纬度轨迹L1中筛选出k个点(1~n),这里取三个点示例(二维坐标)为:A(x1,y1)、B(x2,y2)、C(x3,y3),从相似历史订单数据得出的轨迹L2同样筛选出对应的k个点(1~n),这里取三个点示例(二维坐标)a(a1,b1)、b(a2,b2)、c(a3,b3)。
其中,dis(L1n,L2n)代表L1与L2在第n个点两者之间的距离,(L1nx1,L2na1)2代表L1在第n个点的x轴坐标与L2第n个点的x轴坐标的差值再取平方,(L1ny1,L2nb1)2代表L1的第n个点的y轴坐标与L2第n个点的y轴坐标的差值再取平方。
示例L1第一个点A(x1,y1)与L2的第一个点a(a1,b1)的距离为:EU(L1,L2)表示L1与L2之间的总距离;/>代表L1与L2从第一个点到第n个点每个点的距离进行求和,如本示例为:
加权平均值即将各数值乘以相应的权数,然后加总求和得到总体值,再除以总的单位数。加权平均值的大小不仅取决于总体中各单位的数值的大小,而且取决于各数值出现的次数(频数)。本发明实施例中的加权平均值算法即为加权平均值的计算公式,如下:
例如,现在完成了一笔订单,预估价为prePrice,实际收费为actualPrice,从历史相似订单数据中筛选出n单(这里取3单示例),这3单的预估价分别为p1~p3,实际收费为a1~a3,则预估价的加权平均值为:(p1*(p1/(p1+p2+p3))+p2*(p2/(p1+p2+p3))+
p3*(p3/(p1+p2+p3)))/3,实际收费的加权平均值为:(a1*(a1/(a1+a2+a3))+
a2*(a2/(a1+a2+a3))+a3*(a3/(a1+a2+a3)))/3,X1~Xn代表每一笔订单的预估价或实际收费,f1~fn代表每一笔订单的预估价或实际收费占预估价或实际收费的总和的比例(即权重),n代表选取的订单数量。
指标为轨迹相似度时,需要提取的信息包括订单出发地、目的地和行驶途中的经纬度。使用欧式距离算法计算当前订单经纬度路径轨迹点和历史订单数据(历史出发点以及目的地相似(即两者的距离在1公里内))的订单经纬度路径轨迹点的相似度(轨迹点均由司机端上报)。
指标为收费差值时,需要提取的目标信息包括订单的出发地、目的地和价格。使用加权平均值算法计算当前订单的收费与预估价的差值和历史出发点以及目的地相似订单的收费与预估价的差值之间的差值。
步骤105、将指标相似度与指标阈值进行比较。
智能研判系统通过不同的算法计算出了各指标相似度,并将指标相似度与智能研判系统中的指标阈值进行比较。
具体的,以司机绕路指标为例,阐述智能研判系统的基本原理:1、当前订单结束,自动将订单数据发送至智能研判系统;2、获取历史订单数据计算其加权平均值,以此作为基线判断依据;3、通过欧式距离算法计算当前订单的行车上报轨迹的有序经纬度与基线的相似度(指标相似度);4、对比当前订单和基线的相似度。
步骤106、当指标相似度小于指标阈值,确定订单数据存在异常。
本发明实施例中,指标阈值由人工在智能研判系统中进行设置(即计算结果的判断基线),这里以轨迹相似度的指标为例说明:相似度(指标相似度)为1时说明两条轨迹百分百重合,不存在绕路问题,越小于1则说明存在绕路问题的概率越大,可设置该指标阈值为0.8(本发明实施例对设置的指标阈值不加以限制,可根据实际需求进行设置)。
当计算出的相似度(指标相似度)小于0.8则判断为存在绕路问题,即订单数据存在异常。
当计算出的相似度大于等于0.8时则判断不存在绕路问题,即订单数据无异常。
步骤107、确定建立客服反馈工单,并发送消息至客服。
当智能研判系统判断指标相似度小于指标阈值时,确定订单数据存在异常,智能研判系统判断确定建立客服反馈工单。并在自动建立客服反馈工单完成后,发送消息通知客服人员及时处理该工单。
其中,由于订单数据异常结果为指标相似度与指标阈值比较得到,指标阈值与指标对应,指标与投诉问题类型对应。由此可知,建立客服反馈工单与投诉问题类型对应。
通过发送消息及时通知客服人员对客服反馈工单的问题进行处理,降低了投诉量,提高了乘客体验满意度。
图2是本发明实施例的一种智能研判系统的结构示意图。如图2所示,该系统包括:
获取订单数据模块201,用于获取用户设备发送的订单数据,所述订单数据包括订单的出发地、目的地、价格和行驶轨迹数据;
获取指标模块202,用于调取预先配置的投诉问题类型,根据所述投诉问题类型获取对应的指标和指标阈值,其中,所述指标阈值为根据历史订单数据计算所得;
提取目标信息模块203,用于根据所述指标从所述订单数据中提取目标信息;
计算模块204,用于根据所述指标选择对应的算法,计算所述目标信息的指标相似度,所述指标相似度为所述订单数据与所述指标的相似度;
比较模块205,用于将所述指标相似度与指标阈值进行比较;
确定异常模块206,用于当所述指标相似度小于所述指标阈值,确定所述订单数据存在异常;
确定建立工单模块207,用于确定建立客服反馈工单,并发送消息至客服。
图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,如自动建立客服反馈工单的方法。
在一些实施例中,自动建立客服反馈工单的方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的自动建立客服反馈工单的方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行自动建立客服反馈工单的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
本发明实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序在被处理器执行时实现如本发明实施例所提供的自动建立客服反馈工单的方法。
计算机程序产品在实现的过程中,可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
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。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (8)
1.一种自动建立客服反馈工单的方法,其特征在于,所述方法应用于智能研判系统,所述方法包括:
获取用户设备发送的订单数据,所述订单数据包括订单的出发地、目的地、价格和行驶轨迹数据;
调取预先配置的投诉问题类型,根据所述投诉问题类型获取对应的指标和指标阈值,其中,所述指标阈值为根据历史订单数据计算所得;
根据所述指标从所述订单数据中提取目标信息;
根据所述指标选择对应的算法,计算所述目标信息的指标相似度,所述指标相似度为所述订单数据与所述指标的相似度;
将所述指标相似度与指标阈值进行比较;
当所述指标相似度小于所述指标阈值,确定所述订单数据存在异常;
确定建立客服反馈工单,并发送消息至客服。
2.根据权利要求1所述一种自动建立客服反馈工单的方法,其特征在于,包括:
当所述指标相似度大于所述指标阈值,确定所述订单数据无异常。
3.根据权利要求1所述一种自动建立客服反馈工单的方法,其特征在于,所述调取投诉问题类型至少包括司机绕路和收费高于预估价。
4.根据权利要求3所述一种自动建立客服反馈工单的方法,其特征在于,所述根据所述投诉问题类型获取对应的指标和指标阈值,所述指标包括轨迹相似度和收费差值。
5.根据权利要求4所述一种自动建立客服反馈工单的方法,其特征在于,所述根据所述指标选择对应的算法计算指标相似度,所述算法包括欧式距离算法和加权平均值算法。
6.一种智能研判系统,其特征在于,所述系统包括:
获取订单数据模块,用于获取用户设备发送的订单数据,所述订单数据包括订单的出发地、目的地、价格和行驶轨迹数据;
获取指标模块,用于调取预先配置的投诉问题类型,根据所述投诉问题类型获取对应的指标和指标阈值,其中,所述指标阈值为根据历史订单数据计算所得;
提取目标信息模块,用于根据所述指标从所述订单数据中提取目标信息;
计算模块,用于根据所述指标选择对应的算法,计算所述目标信息的指标相似度,所述指标相似度为所述订单数据与所述指标的相似度;
比较模块,用于将所述指标相似度与指标阈值进行比较;
确定异常模块,用于当所述指标相似度小于所述指标阈值,确定所述订单数据存在异常;
确定建立工单模块,用于确定建立客服反馈工单,并发送消息至客服。
7.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的自动建立客服反馈工单的方法。
8.一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存储有计算机程序,所述计算机程序用于使处理器执行时实现权利要求1-5中任一项所述的自动建立客服反馈工单的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311244450.0A CN117291617A (zh) | 2023-09-25 | 2023-09-25 | 一种自动建立客服反馈工单的方法及智能研判系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311244450.0A CN117291617A (zh) | 2023-09-25 | 2023-09-25 | 一种自动建立客服反馈工单的方法及智能研判系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117291617A true CN117291617A (zh) | 2023-12-26 |
Family
ID=89258192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311244450.0A Pending CN117291617A (zh) | 2023-09-25 | 2023-09-25 | 一种自动建立客服反馈工单的方法及智能研判系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117291617A (zh) |
-
2023
- 2023-09-25 CN CN202311244450.0A patent/CN117291617A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345166B (zh) | 用于生成信息的方法和装置 | |
US20240169462A1 (en) | Online ride-hailing information processing method, device and computer storage medium | |
CN114987515A (zh) | 驾驶策略的确定方法、装置及自动驾驶车辆 | |
CN114491269A (zh) | 出行服务的推荐方法及装置、设备和介质 | |
US20220164723A1 (en) | Method for determining boarding information, electronic device, and storage medium | |
CN114884813B (zh) | 一种网络架构确定方法、装置、电子设备及存储介质 | |
CN117291617A (zh) | 一种自动建立客服反馈工单的方法及智能研判系统 | |
CN113447013B (zh) | 施工道路识别方法、装置、设备、存储介质和程序产品 | |
CN112836626B (zh) | 事故确定方法及装置、模型训练方法及装置、电子设备 | |
CN114661562A (zh) | 一种数据告警方法、装置、设备及介质 | |
CN114863715A (zh) | 停车数据确定方法、装置、电子设备及存储介质 | |
CN111339468B (zh) | 信息推送方法、装置、电子设备和存储介质 | |
CN113610008A (zh) | 获取渣土车状态的方法、装置、设备以及存储介质 | |
CN117291393A (zh) | 一种网约车接力单的派单方法、设备、装置及存储介质 | |
CN116523231A (zh) | 一种代驾订单的匹配方法、设备、装置及存储介质 | |
CN114093170B (zh) | 一种信号机控制方案的生成方法、系统、装置及电子设备 | |
CN116915711A (zh) | 一种派单服务扩容保护下游服务的方法、装置、设备及存储介质 | |
CN117668377A (zh) | 公交路线识别方法、装置、电子设备及存储介质 | |
CN118114942A (zh) | 一种参竞方法、装置、设备以及存储介质 | |
CN116484993A (zh) | 换电站换电需求预测方法、装置、设备及介质 | |
CN114579594A (zh) | 信息更新方法、装置、电子设备以及存储介质 | |
CN117077911A (zh) | 一种代驾服务个推订单匹配方法、装置、设备及存储介质 | |
CN114926002A (zh) | 客户亲密度判定方法、装置、设备、介质和程序产品 | |
CN115017145A (zh) | 数据扩展方法、装置及存储介质 | |
CN116823159A (zh) | 金融项目的工作量预估方法、装置及程序产品 |
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 |