KR102276391B1 - 고객 응대 방법을 제공하기 위한 컴퓨터 프로그램 - Google Patents

Abstract

전술한 과제를 해결하기 위한 본 개시의 일 실시예에서, 하나 이상의 프로세서들에 의해 실행 가능한 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 상기 하나 이상의 프로세서들로 하여금 고객 응대 방법을 제공하기 위한 동작들을 수행하도록 하며, 상기 동작들은: 고객 단말기로부터 상담콜을 수신하는 경우, 상기 고객 단말기의 식별 정보를 인식하여 상기 식별 정보에 대응하는 민원율 산정 기본 정보를 획득하는 동작, 상기 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 민원율을 산출하는 동작 및 상기 산출된 민원율에 기초하여 상기 상담콜에 대한 상담을 수행할 상담원을 결정하는 동작을 포함할 수 있다.

Description

고객 응대 방법을 제공하기 위한 컴퓨터 프로그램{COMPUTER PROGRAM FOR PROVIDING A WAY TO RESPOND TO CUSTOMERS}

본 개시는 고객 응대 방법을 제공하기 위한 컴퓨터 프로그램에 관한 것으로, 보다 구체적으로, 고객의 민원율을 예측하여 보다 체계적인 고객 응대 방법을 제공하기 위한 컴퓨터 프로그램에 관한 것이다.

은행이나 증권사 등과 같이 곳곳에 지점이 분포되어 운영되는 사업체에서는 해당 지점에서만 처리 가능한 업무를 제외한 나머지 업무 즉, 일반적인 정보 또는 서비스를 요청하는 업무에 대한 고객의 전화를 응대하기 위하여 콜 센터 시스템을 이용하고 있다.

오늘날, 콜 센터 시스템은 고객의 전화에 대응하여 고객의 개인정보를 취득한 후 IVR(Interactive Voice Response, 음성자동응답기)에서 고객의 요청을 응대하거나 콜 센터 시스템의 상담원과 고객이 연결되어 고객의 요청을 응대하고 있다.

최근 들어 오프라인 상거래 대신 온라인 상거래가 급증하면서 콜 센터의 중요성은 더욱 부각되고 있다. 이에 따라, 콜 센터에 걸려오는 상담 콜이 점점 증가하고 있다. 예컨대, 상담사 1명당 하루 평균 최대 80여건의 상담을 처리하고 있는 실정인데, 상담사가 100명이면 해당 콜 센터는 하루에 8,000건, 한 달이면 16만 건의 상담 콜을 처리하게 된다.

한편, 콜 센터의 활용도가 매우 높은 보험업계에서는 고객 서비스 지표 중에 하나인 대외민원 관리가 중요하다. 구체적으로, 현재 국내 보험 업계는 포화 상태로 신규 고객의 유치는 어려운 실정이므로 이른바 "고객 빼오기"가 성행하고 있다. 이러한 현실에서 보험회사는 고객의 이탈을 방지하기 위해 전담 부서와 같은 인력들을 동원하는 등 막대한 노력을 기울이고 있다. 일반적으로 고객이 불만을 제기하였으나 적절한 조치가 취해지지 않은 경우에 고객은 거듭하여 다시 동일한 방법으로 불만을 제기하기 보다는 다른 조치를 취할 가능성이 있으며, 이는 대외민원의 발생을 초래할 우려가 있다.

그러나, 현재는 상담사가 고객 불만 콜을 수신 후 불만의 강도가 강하다고 여겨지는 경우, 즉, 삼당사의 직관에 의해서 시스템에 이를 표기하고 관리하는 것이 대부분이기 때문에, 민원 응대자(즉, 상담사)의 주관적인 판단의 오류가 존재할 수 있으며, 그 외의 다양한 경로로 발생하는 대외민원에 대응하는 민원 대응체계 및 관리를 위한 시스템의 구축이 어려울 수 있다.

이에 따라, 고객의 불만 사항을 보다 명확히 파악하여 대외민원으로 연결되는 가능성을 저감시키기 위한 컴퓨터 프로그램에 대한 수요가 보험 업계에 존재할 수 있다.

한국 공개 특허 KR10-2005-0041485

본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 고객 응대 방법을 제공하기 위한 컴퓨터 프로그램을 제공할 수 있다.

전술한 과제를 해결하기 위한 본 개시의 일 실시예에서, 하나 이상의 프로세서들에 의해 실행 가능한 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 상기 하나 이상의 프로세서들로 하여금 고객 응대 방법을 제공하기 위한 동작들을 수행하도록 하며, 상기 동작들은: 고객 단말기로부터 상담콜을 수신하는 경우, 상기 고객 단말기의 식별 정보를 인식하여 상기 식별 정보에 대응하는 민원율 산정 기본 정보를 획득하는 동작, 상기 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 민원율을 산출하는 동작 및 상기 산출된 민원율에 기초하여 상기 상담콜에 대한 상담을 수행할 상담원을 결정하는 동작을 포함할 수 있다.

대안적으로, 상기 민원율 산정 기본 정보는, 상기 고객 단말기의 사용자에 대하여 발생 가능한 민원율을 예측하기 위한 정보로, 사용자 기본 정보 및 사용자 콜 이력 정보를 포함할 수 있다.

대안적으로, 상기 사용자 기본 정보는, 상기 고객 단말기에 대한 사용자를 식별하기 위한 정보들로, 보험 가입 이력 정보, 나이 및 성별 중 적어도 하나에 대한 정보를 포함하고, 그리고 상기 사용자 콜 이력 정보는, 상기 고객 단말기로부터 상담콜을 수신하는 시점보다 이전 시점 발생한 상담 과정에 대한 정보로, 이전 시점의 상담 요청 횟수에 대한 정보, 이전 시점의 상담 목적에 대한 정보 및 이전 시점의 상담에 대한 사후 처리에 관한 정보 중 적어도 하나를 포함할 수 있다.

대안적으로, 학습 입력 데이터 세트와 학습 결과 데이터 세트를 매칭시켜 라벨링된 학습 데이터 세트를 생성하는 동작 및 상기 라벨링된 학습 데이터 세트를 이용하여 하나 이상의 네트워크 함수를 학습시켜 상기 민원율 산정 기본 정보에 기초한 상기 민원율을 출력하도록 하는 상기 민원율 예측 모델을 생성하는 동작을 더 포함할 수 있다.

대안적으로, 상기 학습 입력 데이터 세트는, 외부 서버에 사전 저장된 사용자 별 민원율 산정 기본 정보들 각각에 대응하는 복수의 학습 입력 데이터 세트를 포함하고, 그리고 상기 학습 결과 데이터 세트는, 상기 학습 입력 데이터 세트에 포함된 복수의 학습 입력 데이터 각각에 대하여 발생한 대외민원에 대한 정보들을 포함할 수 있다.

대안적으로, 상기 산출된 민원율에 기초하여 상담콜에 대한 상담을 수행할 상담원을 결정하는 동작은, 상기 민원율이 사전 결정된 민원율 임계치 이상인 경우, 상기 고객 단말기에 대응하는 민원율 산정 기본 정보에 기초하여 고객의 상담 의도를 식별하는 동작 및 상기 식별된 고객의 상담 의도에 사전 매칭된 상담 서브 그룹을 식별하고, 상기 상담 서브 그룹에 포함된 복수의 상담사 중 적어도 하나의 상담사를 상기 고객 단말기에 대한 상담을 수행할 상담원으로 결정하는 동작을 포함할 수 있다.

대안적으로, 상기 고객 단말기에 대한 상담 과정 중 상기 고객 단말기의 사용자의 하나 이상의 음성 데이터를 획득하는 동작, 상기 하나 이상의 음성 데이터에 기초하여 상기 고객 단말기의 사용자의 감정 지수를 도출하는 동작, 상기 감정 지수 및 상기 민원율에 기초하여 변동 민원율을 산출하는 동작 및 상기 변동 민원율에 기초하여 상기 고객 단말기에 대한 실시간 응대를 위한 알림 정보를 생성하는 동작을 더 포함할 수 있다.

대안적으로, 상기 하나 이상의 음성 데이터에 기초하여 상기 고객 단말기의 사용자에 대한 감정 지수를 도출하는 동작은, 상기 하나 이상의 음성 데이터를 음성 평가 모델의 입력으로 하여 보이스 속도 정보 및 보이스 스타일 정보를 포함하는 보이스 정보를 획득하는 동작 및 상기 하나 이상의 음성 데이터 각각에 대한 상기 보이스 속도 정보 및 상기 하나 이상의 음성 데이터 각각에 대한 상기 보이스 스타일 정보 중 적어도 하나에 기초하여 상기 고객 단말기의 사용자에 대한 감정 지수를 도출하는 동작을 포함하고, 그리고 상기 보이스 속도 정보는, 상기 하나 이상의 음성 데이터 각각에 대한 발화 시점에 관한 정보 및 발화 속도에 과한 정보를 포함하며, 상기 보이스 스타일 정보는, 상기 하나 이상의 음성 데이터 각각에 대한 억양에 관한 정보 및 크기에 관한 정보를 포함할 수 있다.

대안적으로, 상기 하나 이상의 음성 데이터에 기초하여 상기 고객 단말기의 사용자에 대한 감정 지수를 도출하는 동작은, 상기 하나 이상의 음성 데이터를 STT(Speech To Text) 모델을 통해 하나 이상의 텍스트로 변환하는 동작, 상기 하나 이상의 텍스트 각각에 대한 의미 분석 결과, 상기 하나 이상의 텍스트에 포함된 단어 별 반복 횟수 및 상기 고객 단말기에 대하여 사전 식별된 상담 의도 중 적어도 하나에 기초하여 하나 이상의 키워드를 결정하는 동작 및 상기 하나 이상의 키워드에 기초하여 상기 고객 단말기의 사용자에 대한 감정 지수를 도출하는 동작을 포함할 수 있다.

대안적으로, 상기 변동 민원율에 기초하여 상기 고객 단말기에 대한 실시간 응대를 위한 알림 정보를 생성하는 동작은, 상기 민원율 및 상기 변동 민원율에 기초하여 분석값을 산출하는 동작, 상기 분석값 또는 상기 변동 민원율 중 적어도 하나에 기초하여 사전 결정된 복수 응대 템플릿 중 적어도 하나의 응대 템플릿을 식별하는 동작 및 상기 식별된 적어도 하나의 응대 템플릿을 포함하는 알림 정보를 생성하는 동작을 포함할 수 있다.

대안적으로, 상기 복수의 응대 템플릿 각각은, 상기 고객 단말기에 대한 상담 과정에서 실시간으로 변동되는 민원율에 대응하여 상담원에게 제공되는 응대 방법들에 관한 정보들을 포함하며, 상기 분석값 또는 상기 변동 민원율의 크기 구간 별 사전 매칭될 수 있다.

본 개시의 다른 실시예에 따른 고객 응대 방법을 제공하기 위한 방법이 개시된다. 상기 방법은, 고객 단말기로부터 상담콜을 수신하는 경우, 상기 고객 단말기의 식별 정보를 인식하여 상기 식별 정보에 대응하는 민원율 산정 기본 정보를 획득하는 단계, 상기 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 민원율을 산출하는 단계 및 상기 산출된 민원율에 기초하여 상기 상담콜에 대한 상담을 수행할 상담원을 결정하는 단계를 포함할 수 있다.

본 개시의 또 다른 실시예에 따른 고객 응대 방법을 제공하기 위한 서버가 개시된다. 상기 서버는, 하나 이상의 코어를 포함하는 프로세서, 상기 프로세서에서 실행가능한 프로그램 코드들을 저장하는 메모리 및 고객 단말기 및 상담원 단말기와 데이터를 송수신하는 네트워크부를 포함하고, 그리고 상기 프로세서는, 고객 단말기로부터 상담콜을 수신하는 경우, 상기 고객 단말기의 식별 정보를 인식하여 상기 식별 정보에 대응하는 민원율 산정 기본 정보를 획득하고, 상기 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 민원율을 산출하고, 그리고 상기 산출된 민원율에 기초하여 상기 상담콜에 대한 상담을 수행할 상담원을 결정할 수 있다.

본 개시는 고객의 민원율을 예측하여 보다 체계적인 고객 응대 방법을 제공하기 위한 컴퓨터 프로그램을 제공할 수 있다.

다양한 양상들이 이제 도면들을 참조로 기재되며, 여기서 유사한 참조 번호들은 총괄적으로 유사한 구성요소들을 지칭하는데 이용된다. 이하의 실시예에서, 설명 목적을 위해, 다수의 특정 세부사항들이 하나 이상의 양상들의 총체적 이해를 제공하기 위해 제시된다. 그러나, 그러한 양상(들)이 이러한 구체적인 세부사항들 없이 실시될 수 있음은 명백할 것이다.
도 1은 본 개시의 고객 응대 방법을 제공하기 위한 서버의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다.
도 2는 본 개시의 일 실시예와 관련된 고객 응대 방법을 제공하기 위한 서버의 블록 구성도를 도시한다.
도 3은 본 개시의 일 실시예와 관련된 고객 응대 방법에 대한 전체적인 흐름도를 도시한다.
도 4는 본 개시의 일 실시예와 관련된 하나 이상의 음성 데이터에 기초하여 사용자의 감정 지수를 도출하는 과정을 예시적으로 나타낸 예시도이다.
도 5는 본 개시의 일 실시예와 관련된 민원율 예측 모델을 구성하는 네트워크 함수를 나타낸 예시도이다.
도 6은 본 개시의 일 실시예와 관련된 상이한 두 고객 단말기 각각에 따라 구분되는 고객 응대 방법을 설명하기 위한 예시도이다.
도 7은 본 개시의 일 실시예와 관련된 고객 응대 방법에 대한 순서도를 도시한다.
도 8은 본 개시의 일 실시예와 관련된 고객 응대 방법을 구현하기 위한 로직을 도시한다.
도 9는 본 개시의 일 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.

다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.

본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.

더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.

당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시 적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시 적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.

본 개시내용의 청구범위에서의 동작들에 대한 권리범위는, 각 동작들에 기재된 기능 및 특징들에 의해 발생되는 것이지, 각각의 동작에서 그 순서의 선후관계를 명시하지 않는 이상, 청구범위에서의 각 동작들의 기재 순서에 영향을 받지 않는다. 예를 들어, A동작 및 B동작를 포함하는 동작으로 기재된 청구범위에서, A동작이 B동작 보다 먼저 기재되었다고 하더라도, A동작이 B동작에 선행되어야 한다는 것으로 권리범위가 제한되지는 않는다.

도 1은 본 개시의 고객 응대 방법을 제공하기 위한 서버의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다.

본 개시의 실시예들에 따른 시스템은 고객 응대 서버(100), 고객 단말기(10), 상담원 단말기(20), 외부 서버(30) 및 네트워크를 포함할 수 있다. 본 개시의 실시예들에 따른 고객 응대 서버(100), 고객 단말기(10), 상담원 단말기(20) 및 외부 서버(30)는 네트워크를 통해, 본 개시의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.

본 개시의 실시예들에 따른 네트워크는 공중전화 교환망(PSTN: Public Switched Telephone Network), xDSL(x Digital Subscriber Line), RADSL(Rate Adaptive DSL), MDSL(Multi Rate DSL), VDSL(Very High Speed DSL), UADSL(Universal Asymmetric DSL), HDSL(High Bit Rate DSL) 및 근거리 통신망(LAN) 등과 같은 다양한 유선 통신 시스템들을 사용할 수 있다.

또한, 여기서 제시되는 네트워크는 CDMA(Code Division Multi Access), TDMA(Time Division Multi Access), FDMA(Frequency Division Multi Access), OFDMA(Orthogonal Frequency Division Multi Access), SC-FDMA(Single Carrier-FDMA) 및 다른 시스템들과 같은 다양한 무선 통신 시스템들을 사용할 수 있다.

본 개시의 실시예들에 따른 네트워크는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW: World Wide Web)일 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다. 본 명세서에서 설명된 기술들은 위에서 언급된 네트워크들뿐만 아니라, 다른 네트워크들에서도 사용될 수 있다.

본 개시의 일 실시예에 따르면, 고객 응대 서버(100)는 고객 응대 서버(100)의 서버 환경을 수행하기 위한 다른 구성들이 포함될 수도 있다. 고객 응대 서버(100)는 임의의 형태의 장치는 모두 포함할 수 있다. 고객 응대 서버(100)는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다. 고객 응대 서버(100)는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 개시는 이에 제한되지 않는다. 본 개시의 고객 응대 서버(100)의 구체적인 구성 및 해당 구성에 따른 효과들은 하기의 도 2를 참조하여 자세히 후술하도록 한다.

본 개시의 일 실시예에 따르면, 고객 단말기(10)는 고객 응대 서버(100)와의 정보 교환을 통해 사용자의 계약 또는 서비스 안내를 수행할 수 있는 단말로, 사용자가 소지한 단말을 의미할 수 있다. 이러한 고객 단말기(10)는, 고객 단말기(UE), 모바일, 무선 통신이 가능한 PC, 핸드폰, 키오스크, 셀룰러 폰, 셀룰러, 셀룰러 단말, 가입자 유닛, 가입자국, 이동국, 단말, 원격국, PDA, 원격 단말, 엑세스 단말, 사용자 에이전트, 셀룰러 전화, 무선 전화, 세션 개시 프로토콜(SIP) 전화, 무선 로컬 루프(WLL) 국, 무선 접속 기능을 구비하는 휴대용 장치, 무선 모델과 같은, 무선 메커니즘을 사용할 수 있는 임의의 장치 등으로 지칭될 수 있으나, 이에 한정되지는 않는다.

또한, 고객 단말기(10)는, 유선 팩스, 유선 모델을 구비한 PC, 유선 전화, 유선 통신이 가능한 단말 등과 같은 유선 접속 메커니즘을 사용할 수 있는 임의의 장치 등으로 지칭될 수 있으나, 이들로 한정되지는 않는다.

즉, 사용자는 고객 단말기(10)를 통해 원하는 금융 상품에 대한 계약을 체결하거나 또는, 고객 응대 서버(100)에서 제공하는 서비스에 대한 상담을 수행할 수 있다. 예컨대, 사용자는 상술한 고객 단말기(10)를 통해 고객 응대 서버(100)에서 제공하는 서비스에 대한 가입 계약을 체결할 수 있다. 이러한 계약은 사전 설정된 금융 상품 정보 및 사용자 정보 등을 기초로 하여 체결될 수 있다. 또한, 고객 단말기(10)롤 입력된 계약 정보는 네트워크를 통해 고객 응대 서버(100) 및 외부 서버(30)로 전송될 수 있으며, 고객 응대 서버(100) 및 외부 서버(30)에 저장되어 관리될 수 있다.

본 개시의 일 실시예에 따르면, 상담원 단말기(20)는 고객 응대 서버(100)와 통신을 위한 메커니즘을 갖는 시스템에서의 임의의 형태의 노드(들)를 의미할 수 있다. 예를 들어, 상담원 단말기(20)는, PC(personal computer), 노트북(note book), 모바일 단말기(mobile terminal), 스마트 폰(smart phone), 태블릿 PC(tablet pc) 및 웨어러블 디바이스(wearable device) 등을 포함할 수 있으며, 유/무선 네트워크에 접속할 수 있는 모든 종류의 단말을 포함할 수 있다. 또한, 상담원 단말기(20)는 에이전트, API(Application Programming Interface) 및 플러그-인(Plug-in) 중 적어도 하나에 의해 구현되는 임의의 서버를 포함할 수도 있다. 또한, 상담원 단말기(10)는 애플리케이션 소스 및/또는 클라이언트 애플리케이션을 포함할 수 있다.

본 개시의 일 실시예에 따르면, 외부 서버(30)는 고객에 관한 정보를 저장하고 있는 서버를 의미할 수 있으며, 고객 응대 서버(100)가 본 개시의 고객 응대 방법을 제공하도록 상기 고객 응대 서버(100)로 고객에 관한 정보를 전송할 수 있다. 예컨대, 외부 서버(30)는 보험사 전산 서버로써, 해당 보험사에 가입한 고객 또는 서비스 문의를 하는 다수의 고객들에 관한 정보를 저장하고 있는 서버일 수 있다. 또한, 외부 서버(30)는 임의의 형태의 장치는 모두 포함할 수 있다. 외부 서버(30)는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다. 외부 서버(30)는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

도 2는 본 개시의 일 실시예와 관련된 고객 응대 방법을 제공하기 위한 서버의 블록 구성도를 도시한다.

본 개시의 일 실시예에 따르면, 고객 응대 서버(100)는 고객 단말기(10)로부터 개인 금융상품에 관련한 상담, 문의 또는 고객 서비스 중 하나에 대한 사용자의 상담콜을 수신할 수 있다. 여기서 개인 금융상품은 보험, 대출, 연금, 펀드 등의 일반적인 상품을 의미할 수 있다.

고객 응대 서버(100)는 고객 단말기(10)로부터 상담에 관련한 상담콜을 수신하는 경우, 상기 고객 단말기(10)의 사용자에 대하여 발생 가능한 민원율을 예측하기 위한 정보를 획득하고, 그리고 획득한 정보들에 기초하여 해당 사용자로부터 발생가능한 민원율을 산출할 수 있다. 또한, 고객 응대 서버(100)는 고객 단말기(10)에 대응하여 산출된 민원율에 기초하여 상담콜에 대한 상담을 수행할 최적의 상담원을 결정할 수 있다.

도 2에 도시된 바와 같이, 고객 응대 서버(100)는 네트워크부(110), 메모리(120) 및 프로세서(130)를 포함할 수 있다. 전술한 컴포넌트들은 예시적인 것으로서, 본 개시내용의 권리범위가 전술한 컴포넌트들로 제한되지 않는다. 즉, 본 개시의 실시예들에 대한 구현 양태에 따라서 추가적인 컴포넌트들이 포함되거나 또는 전술한 컴포넌트들 중 일부가 생략될 수 있다.

본 개시의 일 실시예에 따르면, 고객 응대 서버(100)는 고객 단말기(10), 상담원 단말기(20) 및 외부 서버(30)와 데이터를 송수신하는 네트워크부(110)를 포함할 수 있다. 즉, 네트워크부(110)는 서버(100)와 고객 단말기(10), 상담원 단말기(20) 및 외부 서버(30) 간의 통신 기능을 제공할 수 있다. 추가적으로, 네트워크부(110)는 서버(100)로 프로시저를 호출하는 방식으로 서버(100)와 고객 단말기(10), 상담원 단말기(20) 및 외부 서버(30) 간의 정보 전달을 허용할 수 있다.

본 개시의 일 실시예에 따르면, 네트워크부(110)는 고객 단말기(10), 상담원 단말기(20) 및 외부 서버(30)와 정보를 전송할 수 있고, 그리고 수신할 수 있다. 보다 구체적으로, 네트워크부(110)는 네트워크 접속을 위한 유/무선 인터넷 모듈을 포함할 수 있다. 무선 인터넷 기술로는 WLAN(Wireless LAN)(Wi-Fi), Wibro(Wireless broadband), Wimax(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access) 등이 이용될 수 있다. 유선 인터넷 기술로는 XDSL(Digital Subscriber Line), FTTH(Fibers to the home), PLC(Power Line Communication) 등이 이용될 수 있다.

또한, 네트워크부(110)는 근거리 통신 모듈을 포함하여, 고객 단말기(10), 상담원 단말기(20) 및 외부 서버(30)와 비교적 근거리에 위치하고 근거리 통신 모듈을 포함한 전자 장치와 데이터를 송수신할 수 있다. 근거리 통신(short range communication) 기술로 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(IrDA, infrared Data Association), UWB(Ultra Wideband), ZigBee 등이 이용될 수 있다.

본 개시의 일 실시예에 따르면, 메모리(120)는 프로세서(130)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(110)가 수신한 임의의 형태의 정보를 저장할 수 있다.

본 개시의 일 실시예에 따르면, 메모리(120)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 고객 응대 서버(100)는 인터넷(internet) 상에서 상기 메모리(120)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 통상적으로 고객 응대 서버(100)의 전반적인 동작을 처리할 수 있다. 프로세서(130)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(120)에 저장된 응용 프로그램을 구동함으로써, 고객 단말기(10) 및 외부 서버(30)에게 적절한 정보 또는, 기능을 제공하거나 처리할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다. 프로세서(130)는 메모리(120)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 고객 단말기(10)에 대응하는 민원율을 산출할 수 있다.

본 개시의 일 실시예에 따라 프로세서(130)는 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(130)는 딥러닝(DN: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피쳐(feature) 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다.

또한, 프로세서(130)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 모델의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 모델의 학습, 민원율 예측 모델을 이용한 민원율에 대한 연산을 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서(130)를 함께 사용하여 모델의 학습, 민원율 예측 모델을 통한 민원율에 대한 연산을 처리할 수 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.

이하에서는 본 개시의 일 실시예에 따른 고객 응대 방법에 관하여 설명하도록 한다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 민원율 산정 기본 정보를 획득할 수 있다. 구체적으로, 프로세서(130)는 고객 단말기(10)로부터 상담콜을 수신하는 경우, 상기 고객 단말기(10)의 식별 정보를 인식하여 상기 식별 정보에 대응하는 민원율 산정 기본 정보를 획득할 수 있다. 민원율 산정 기본 정보는 상기 고객 단말기(10)의 사용자에 대하여 발생 가능한 민원율을 예측하기 위한 정보로, 사용자 기본 정보 및 사용자 콜 이력 정보를 포함할 수 있다. 고객 단말기(10)로부터의 상담콜은 개인 금융상품에 관련한 상담, 문의 또는 고객 서비스 중 하나에 대한 사용자의 요청에 관련한 것일 수 있다.

사용자 기본 정보는, 고객 단말기(10)에 대한 사용자를 식별하기 위한 정보로, 보험 가입 이력 정보, 나이 및 성별 중 적어도 하나에 대한 정보를 포함할 수 있다. 예를 들어, 사용자 기본 정보는 사용자가 가입한 보험의 종류, 가입 시기, 가입 기간 및 보장 내용 등에 관한 정보들을 포함할 수 있다. 보다 구체적인 예를 들어, 사용자 기본 정보는 사용자의 나이, 성별 및 가입한 보험 각각이 '48세', '남성' 및 '연금 보험'이라는 정보를 포함할 수 있다. 전술한 사용자 기본 정보에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

또한, 사용자 콜 이력 정보는 고객 단말기로부터 상담콜을 수신하는 시점보다 이전 시점 발생한 상담 과정에 대한 정보로, 이전 시점의 상담 요청 횟수에 대한 정보, 이전 시점의 상담 목적에 대한 정보 및 이전 시점의 상담에 대한 사후 처리에 관한 정보 중 적어도 하나를 포함할 수 있다.

예를 들어, 사용자 콜 이력 정보는 고객 단말기(10)의 사용자가 상기 고객 단말기(10)를 통해 고객 응대 서버(100)로 상담콜을 송신하는 시점 보다 이전 시점에 해당 고객 응대 서버(100)로 상담콜을 요청한 횟수가 '5회'라는 정보를 포함할 수 있다.

다른 예를 들어, 사용자 콜 이력 정보는 고객 단말기(10)의 사용자가 상기 고객 단말기(10)를 통해 고객 응대 서버(100)로 상담콜을 송신하는 시점 보다 이전 시점에 해당 고객 응대 서버(100)로 상담콜을 1회 수행하였으며, 상기 1회 상담콜의 상담 목적이 '보험금 청구 문의'라는 정보를 포함할 수 있다.

또 다른 예를 들어, 사용자 콜 이력 정보는 고객 단말기(10)의 사용자가 상기 고객 단말기(10)를 통해 고객 응대 서버(100)로 상담콜을 송신하는 시점 보다 이전 시점에 해당 고객 응대 서버(100)로 상담콜을 1회 요청하였으며, 상기 1회 상담콜의 상담 목적이 '약관 대출 시, 필요 서류 문의'라는 정보를 포함하고, 그리고 해당 문의 사항에 대한 사후 처리가 '안내를 통해 필요 서류를 안내하였으며, 약관 대출 완료'라는 정보를 포함할 수 있다. 전술한 사용자 콜 이력 정보에 포함된 상담 요청 횟수, 상담 목적 및 상담에 대한 사후 처리에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 외부 서버(30)(예컨대, 보험사 전산 서버)로부터 학습 입력 데이터 세트 및 학습 결과 데이터 세트를 획득할 수 있다. 학습 입력 데이터 세트 및 학습 결과 데이터 세트는 고객 응대 서버(100)에 관련한 서비스에 가입한 복수의 고객에 대한 정보들이며, 외부 서버(30)를 통해 관리될 수 있다.

학습 입력 데이터 세트는, 외부 서버(30)에 사전 저장된 사용자 별 민원율 산정 기본 정보 각각에 대응하는 복수의 학습 입력 데이터를 포함할 수 있다. 예를 들어, 학습 입력 데이터 세트에 포함된 제 1 학습 입력 데이터는 A 사용자에 대한 민원율 산정 기본 정보를 포함할 수 있다. A 사용자에 대한 민원율 산정 기본 정보는 A 사용자가 해당 고객 응대 서버(100)에 관련한 금융 상품을 가입한 시점부터 최근 시점까지 외부 서버(30)를 통해 관리되고 있는 제 1 사용자 기본 정보 및 제 1 사용자 콜 이력 정보를 포함할 수 있다. 보다 구체적인 예를 들어, 제 1 학습 입력 데이터는 A 사용자의 나이, 성별 및 이전 시점의 상담 요청 횟수 각각이 52세, 남성 및 8회라는 정보를 포함할 수 있다. 다른 예를 들어, 제 1 학습 입력 데이터는 A 사용자의 이전 시점의 상담 요청 횟수가 '3회'라는 정보, 이전 시점의 상담 목적이 '보험금 청구 문의'라는 정보 및 이전 시점의 상담에 대한 사후 처리가 '보험금 지급 완료'하는 정보를 포함할 수 있다. 전술한 학습 입력 데이터에 포함된 정보 및 수치에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

즉, 제 1 학습 입력 데이터는 A 사용자의 보험 가입 이력 정보, 나이, 성별, 이전 시점의 상담 요청 횟수에 대한 정보, 이전 시점의 상담 목적에 대한 정보 및 이전 시점의 상담에 대한 사후 처리에 관한 정보들을 포함할 수 있다.

학습 결과 데이터 세트는 학습 입력 데이터 세트에 포함된 복수의 학습 입력 데이터 각각에 대하여 발생한 대외 민원에 대한 정보들을 포함할 수 있다. 예를 들어, 학습 결과 데이터 세트에 포함된 제 1 학습 결과 데이터는 A 사용자를 통해 발생한 대외민원(예를 들어, 금감원에 대한 신고 등)에 관한 정보를 포함할 수 있다. 보다 구체적인 예를 들어, 고객 응대 서버(100)가 제공하는 서비스에 가입한 A 사용자의 민원이 다른 기관을 통해 접수된 경우, 제 1 학습 결과 데이터는 대외민원이 발생하였다는 정보를 포함할 수 있다.

즉, 제 1 학습 결과 데이터는 A 사용자를 통해 발생한 대외민원이 존재하는지 여부에 관한 정보를 포함할 수 있다.

또한, 프로세서(130)는 학습 입력 데이터 세트 및 학습 결과 데이터 세트를 매칭시켜 라벨링된 학습 데이터 세트를 생성할 수 있다. 구체적으로, 프로세서(130)는 학습 입력 데이터 세트에 포함된 복수의 학습 입력 데이터 각각과 학습 결과 데이터 세트에 포함된 복수의 학습 결과 데이터 각각을 매칭시켜 라벨링된 학습 데이터 세트를 생성할 수 있다.

예를 들어, 프로세서(130)는 A 사용자의 제 1 학습 입력 데이터와 제 1 학습 결과 데이터를 매칭하여 제 1 학습 데이터를 생성할 수 있다. 다른 예를 들어, 프로세서(130)는 B 사용자의 제 2 학습 입력 데이터와 제 2 학습 결과 데이터를 매칭시켜 라벨링된 학습 데이터 세트를 생성할 수 있다.

보다 구체적인 예를 들어, 프로세서(130)는 A 사용자의 제 1 학습 입력 데이터에 포함된 나이가 48세라는 정보, 성별이 여성이라는 정보, 가입한 보험이 연금저축보험이라는 정보, 납입 기간이 20년이라는 정보 및 이전 시점의 상담 요청 횟수가 6회라는 정보와 제 1 학습 결과 데이터에 포함된 '정부민원포털을 통한 대외민원 발생'이라는 정보를 매칭시켜 라벨링된 제 1 학습 데이터를 생성할 수 있다. 다른 예를 들어, 프로세서(130)는 B 사용자의 제 2 학습 입력 데이터에 포함된 나이가 27세라는 정보, 성별이 여성이라는 정보, 가입한 보험이 자동차 보험이라는 정보 및 이전 시점의 상담 요청 횟수가 1회라는 정보와 제 2 학습 결과 데이터에 포함된 '대외민원 미 발생'이라는 정보를 매칭시켜 라벨링된 제 2 학습 데이터를 생성할 수 있다. 전술한 사용자 각각에 학습 입력 데이터 및 학습 결과 데이터에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 라벨링된 학습 데이터 세트를 이용하나 하나 이상의 네트워크 함수를 학습시켜 민원율 산정 기본 정보에 기초한 민원율을 출력하도록 하는 민원율 예측 모델을 생성할 수 있다.

도 5를 참조하여 민원율 예측 모델의 학습 방법에 관하여 설명하도록 한다. 본 예시도에서 히든 레이어1(440)과 히든 레이어2(450) 사이에 하나 이상의 히든 레이어가 포함될 수 있고, 본 예시도에서 상기 하나 이상의 히든 레이어는 생략되어 도시된 것일 수 있다.

프로세서(130)는 하나 이상의 네트워크 함수(400)를 포함하는 민원율 예측 모델을 생성할 수 있다. 네트워크 함수(400)는 하나의 입력 레이어(430)와 하나의 이상의 히든 레이어와 하나의 출력 레이어(460)를 포함할 수 있다.

프로세서(130)는 네트워크 함수(400)의 입력 레이어(430)에 포함된 입력 노드에 입력된 항목 값 각각에 대해, 상기 입력 노드와 연결된 링크에 설정된 가중치로 연산하여 히든 레이어로 전파할 수 있다. 예를 들어, 히든 레이어1(440)에 포함된 제 1 히든 노드(420)는 제 1 입력 노드(401)에 전달된 값과 제 1 가중치(411)를 연산한 값, 제 2 입력 노드(402)에 전달된 값과 제 2 가중치를 연산한 값, 제 3 입력 노드(403)에 전달된 값과 제 3 가중치를 연산한 값, 제 4 입력 노드(404)에 전달된 값과 제 4 가중치를 연산한 값, 제 5 입력 노드(405)에 전달된 값과 제 5 가중치를 연산한 값을 전달받을 수 있다. 예를 들어, 히든 레이어1(440)에 포함된 제 1 히든 노드(420)는 제 1 입력 노드(401)에 전달된 값과 제 1 가중치(411)를 곱한 값, 제 2 입력 노드(402)에 전달된 값과 제 2 가중치를 곱한 값, 제 3 입력 노드(403)에 전달된 값과 제 3 가중치를 곱한 값, 제 4 입력 노드(404)에 전달된 값과 제 4 가중치를 곱한 값, 제 5 입력 노드(405)에 전달된 값과 제 5 가중치를 곱한 값의 합을 전달받을 수 있다. 전술한 연산에 대한 기재는 예시일 뿐이며, 본 개시는 이에 제한되지 않는다.

네트워크 함수(400)의 민원율 산정 기본 정보는 입력 레이어(430)에서 히든 레이어1(440), 히든 레이어2(450)를 통해 출력 레이어(460)로 전파될 수 있다. 출력 레이어(460)에 포함된 출력 노드(462)에서의 출력 값인, 민원율(즉, 출력)과 실제 발생한 대외민원(즉, 정답)의 오차에 기초하여 네트워크 함수(400)의 가중치를 조정할 수 있다. 프로세서(130)는 네트워크 함수(400)의 출력 레이어(460)로부터 하나 이상의 히든 레이어(예를 들면, 히든 레이어2(450) 다음 히든 레이어1(440) 순으로)를 거쳐 입력 레이어(430)로 오차를 전파하면서, 각 링크에 설정된 가중치들을 업데이트(예를 들면, W1(1,1)(431)의 가중치를 조정한 이후 W1(1,1)(411)의 가중치를 조정)할 수 있다.

프로세서(130)는 민원율 예측 모델의 입력 레이어(430)에 포함된 입력 노드 각각에 특정 고객의 민원율 산정 기본 정보에 포함된 항목들의 항목 값 각각을 입력할 수 있다. 예를 들어, 고객 응대 서버(100)는 특정 고객의 민원율 산정 기본 정보 중 사용자 콜 이력 정보를 입력 레이어(430)의 제 1 입력 노드(401)에 입력할 수 있다. 프로세서(130)는 네트워크 함수(400)의 입력 레이어(430)에 입력된 값을 가중치(본 예시에서 제 1 가중치(W1(1,1)(411)) 및 제 2 가중치(W2(1,1)(431)))를 통해 연산하여 하나 이상의 히든 노드(본 예시에서, 히든 레이어1(440) 및 히든 레이어2(450)를 포함하는)를 통하여 출력 레이어(460)에 포함된 출력 노드(462)로 전파할 수 있다. 고객 응대 서버(100)는 출력 노드(462)의 출력 값인 민원율을 네트워크부(110)를 통해 발송하거나, 메모리(120)에 저장하거나, 또는 표시수단(예를 들어, 디스플레이)에 전달할 수 있다. 전술한 민원율 예측 모델 생성 방법에 관한 기재는 예시일 뿐이며, 본 개시는 이에 제한되지 않는다.

즉, 프로세서(130)는 특정 고객의 민원율 산정 기본 정보를 학습된 민원율 예측 모델의 입력으로 하여, 상기 고객에 대하여 발생 가능한 민원율를 산출하도록 네트워크 함수를 학습시킬 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 민원율 산정 기본 정보에 기초하여 민원율을 산출할 수 있다. 구체적으로, 프로세서(130)는 고객 단말기(10)로부터 상담콜을 수신하는 경우, 해당 고객 단말기(10)에 대응하는 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 상담을 요청한 고객 단말기(10)에 대응하여 민원율을 산출할 수 있다.

보다 구체적인 예를 들어, 프로세서(130)는 A 사용자가 소지한 제 1 고객 단말기로부터 상담콜을 수신하는 경우, 상기 제 1 고객 단말기의 식별 정보를 인식하여 상기 식별 정보에 대응하는 제 1 민원율 산정 기본 정보를 획득할 수 있다. 이 경우, 제 1 고객 단말기에 대응하는 제 1 민원율 산정 기본 정보는 예를 들어, 나이가 27세라는 정보, 성별이 여성이라는 정보, 가입한 보험이 자동차 보험이라는 정보 및 이전 시점의 상담 요청 횟수가 1회라는 정보라는 정보 등을 포함할 수 있다. 프로세서(130)는 해당 제 1 민원율 산정 기본 정보를 민원율 예측 모델의 입력함으로써, 12%의 민원율을 출력하도록 할 수 있다.

다른 예를 들어, 프로세서(130)는 B 사용자가 소지한 제 2 고객 단말기(10)로부터 상담콜을 수신하는 경우, 상기 제 2 고객 단말기의 식별 정보를 인식하여 상기 식별 정보에 대응하는 제 2 민원율 산정 기본 정보를 획득할 수 있다. 이 경우, 제 2 고객 단말기에 대응하는 제 2 민원율 산정 기본 정보는 예를 들어, 나이가 48세라는 정보, 성별이 여성이라는 정보, 가입한 보험이 연금저축보험이라는 정보, 납입 기간이 20년이라는 정보 및 이전 시점의 상담 요청 횟수가 6회라는 정보 등을 포함할 수 있다. 프로세서(130)는 해당 제 2 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 함으로써, 52%의 민원율을 출력하도록 할 수 있다.

전술한 각 사용자가 소지한 고객 단말기 각각에 대응하는 민원율 산정 기본 정보에 대한 구체적인 기재 및 각 민원율 산정 기본 정보에 대응하여 산출된 민원율의 구체적인 수치에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 민원율에 기초하여 상담콜에 대한 상담을 수행할 상담원을 결정할 수 있다. 구체적으로, 프로세서(130)는 민원율이 사전 결정된 민원율 임계치 이상인 경우, 고객 단말기에 대응하는 민원율 산정 기본 정보에 기초하여 고객의 상담 의도를 식별할 수 있다. 또한, 프로세서(130)는 식별된 고객의 상담 의도에 사전 매칭된 상담 서브 그룹을 식별하고, 그리고 상기 상담 서브 그룹에 포함된 복수의 상담사 중 적어도 하나의 상담사를 상기 고객 단말기에 대한 상담을 수행할 상담원으로 결정할 수 있다. 여기서, 복수의 상담 서브 그룹은 복수의 상담사 각각의 부서 또는 숙련도 중 적어도 하나에 기초하여 분류된 하나 이상의 그룹일 수 있다.

보다 구체적인 예를 들어, A 사용자가 소지한 제 1 고객 단말기로부터 상담콜을 수신하는 경우, 프로세서(130)는 제 1 고객 단말기의 식별 정보에 기초하여 제 1 민원율 산정 기본 정보를 획득할 수 있다. 또한, 프로세서(130)는 제 1 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 12%의 민원율을 산출할 수 있다. 이 경우, 사전 결정된 민원율 임계치는 30%일 수 있으며, 프로세서(130)는 제 1 고객 단말기에 대응하여 산출된 민원율이 상기 사전 결정된 민원율 임계치를 미만임을 식별할 수 있다. 즉, 프로세서(130)는 제 1 고객 단말기(10)에 대응하는 민원율이 임계치 미만이므로, 해당 고객 단말기를 통한 민원 발생 가능성이 낮은 것으로 판단하여 해당 고객 단말기(10)의 상담 목적을 별도로 파악하지 않고, 제 1 고객 단말기에 대한 상담을 수행할 상담원을 일반 상담원으로 결정할 수 있다.

다른 예를 들어, B 사용자가 소지한 제 2 고객 단말기로부터 상담콜을 수신하는 경우, 프로세서(130)는 제 2 고객 단말기의 식별 정보에 기초하여 제 2 민원율 산정 기본 정보를 획득할 수 있다. 또한, 프로세서(130)는 제 2 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 52%의 민원율을 산출할 수 있다. 이 경우, 사전 결정된 민원율 임계치는 30%일 수 있으며, 프로세서(130)는 제 2 고객 단말기에 대응하여 산출된 민원율이 상기 사전 결정된 민원율 임계치를 이상임을 식별할 수 있다. 이 경우, 프로세서(130)는 상기 제 2 고객 단말기에 관련된 제 2 민원율 산정 기본 정보(예컨대, B 사용자의 보험 가입 이력 정보는 자동차 보험 가입 이력이 존재하거나, 이전 시점에 자동차 보험에 관하여 상담이 수행된 이력을 포함함)에 기초하여 제 2 고객 단말기의 사용자의 상담 의도가 '자동차 보험 관련 보장 문의'임을 식별할 수 있다. 프로세서(130) 제 2 고객 단말기에 대하여 식별된 상담 의도에 대응하여 자동차 보험에 관련한 서브 그룹에 포함된 복수의 상담사 중 적어도 하나의 상담사를 제 2 고객 단말기에 대한 상담을 수행할 상담원으로 결정할 수 있다. 전술한 각 사용자가 소지한 고객 단말기 각각에 대응하는 민원율 산정 기본 정보에 대한 구체적인 기재, 각 민원율 산정 기본 정보에 대응하여 산출된 민원율의 구체적인 수치에 대한 기재 및 상담 의도에 대한 구체적인 기재들은 예시일 뿐, 본 개시는 이에 제한되지 않는다.

즉, 프로세서(130)는 고객 단말기(10)로부터 상담콜을 수신하는 경우, 해당 고객 단말기(10)의 민원율을 사전 결정된 민원율과 비교하여 해당 사용자의 민원 발생 확률이 비교적 높은 것으로 예상되는 경우, 사용자의 상담 의도를 파악하여 상기 상담 의도와 관련하여 보다 전문적인 지식을 가지거나, 또는 숙련도가 높은 상담원을 상담을 수행할 상담원으로 결정할 수 있다. 이에 따라, 민원 발생 가능한 확률이 비교적 높은 사용자에 대한 상담이 전문 상담사에게 진행될 수 있어, 사용자에 대한 상담이 보다 전문적으로 실시됨에 따라 사용자의 불만 또는 의문이 보다 용이하게 해소될 수 있다. 나아가, 사용자의 상담에 대한 만족도가 상승되어 민원율이 저감됨에 따라, 대외민원의 발생 가능성이 저감될 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 고객 단말기(10)에 대한 상담 과정 중 상기 고객 단말기(10)의 사용자의 하나 이상의 음성 데이터를 획득할 수 있다.

구체적으로, 프로세서(130)는 고객 단말기(10)와 상담원 단말기(20) 간의 상담 과정에서 사전 결정된 시간 간격 별로 상기 고객 단말기(10)를 통해 발화된 사용자의 음성 데이터를 획득할 수 있다.

예를 들어, 사전 결정된 시간 간격이 20초인 경우, 프로세서(130)는 상담 개시 시점부터 20초 간격으로 고객 단말기(10)를 통해 수신되는 사용자의 음성 데이터를 획득할 수 있다. 즉, 상담 개시 시점부터 20초 시점, 20초 시점부터 40초 시점, 40초 시점부터 60초 시점 각각에 대하여 사용자의 제 1 음성 데이터, 제 2 음성 데이터 및 제 3 음성 데이터를 획득할 수 있다. 전술한 사전 결정된 시간 간격의 구체적인 수치에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

또한, 프로세서(130)는 고객 단말기(10)와 상담원 단말기(20) 간의 상담 과정에서 발화 구간을 기준으로 상기 고객 단말기(10)를 통해 발화된 사용자의 음성 데이터를 획득할 수 있다.

구체적으로, 프로세서(130)는 고객 단말기(10)를 통해 수신되는 사용자의 음성 데이터에 존재하는 하나 이상의 묵음 구간을 기준으로 사용자의 발화 구간을 식별할 수 있으며, 상기 발화 구간을 기준으로 사용자의 음성 데이터를 획득할 수 있다.

예를 들어, 프로세서(130)는 고객 단말기(10)를 통해 수신되는 사용자의 음성 데이터에 포함된 제 1 묵음 구간과 제 2 묵음 구간 사이를 사용자의 제 1 발화 구간으로 식별할 수 있으며, 제 2 묵음 구간과 제 3 묵음 구간 사이를 사용자의 제 2 발화 구간으로 식별할 수 있다. 즉, 프로세서(130)는 제 1 발화 구간 및 제 2 발화 구간 각각을 기준으로 사용자의 제 1 음성 데이터 및 제 2 음성 데이터를 획득할 수 있다. 전술한 묵음 구간 및 발화 구간에 대한 구체적인 설명은 예시일 뿐, 본 개시는 이에 제한되지 않는다.

즉, 프로세서(130)는 고객 단말기(10)와 상담원 단말기(20) 간의 상담 과정에서 사전 결정된 시간 간격 및 발화 구간을 기준으로 상기 고객 단말기(10)를 통해 수신되는 사용자의 하나 이상의 음성 데이터를 획득할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 고객 단말기(10)와 상담원 단말기(20) 간의 상담 과정에서 실시간으로 획득되는 하나 이상의 음성 데이터에 기초하여 상기 고객 단말기(10)의 사용자의 감정 지수를 도출할 수 있다.

구체적으로, 프로세서(130)는 하나 이상의 음성 데이터를 음성 평가 모델(310)의 입력으로 하여 보이스 속도 정보 및 보이스 스타일 정보를 포함하는 보이스 정보를 출력하도록 할 수 있으며, 상기 보이스 정보에 기초하여 고객 단말기(10)의 사용자에 대한 감정 지수를 도출할 수 있다. 음성 평가 모델(310)은 하나 이상의 음성 데이터를 입력으로 하여 상기 하나 이상의 음성 데이터에 대한 보이스 정보를 출력하는 모델일 수 있다. 보이스 정보는, 사용자의 음성에 대한 음향학적 특징을 통해 사용자의 감정을 예측하기 정보로, 보이스 속도 정보 및 보이스 스타일 정보를 포함할 수 있다.

보이스 속도 정보는, 하나 이상의 음성 데이터 각각에 대한 발화 시점에 관한 정보 및 발화 속도에 관한 정보를 포함할 수 있다. 구체적으로, 보이스 속도 정보는, 사전 결정된 시간 간격 및 발화 구간 중 적어도 하나를 기준으로 획득된 하나 이상의 음성 데이터 각각의 발화 시점에 관한 정보 및 발화 속도에 관한 정보를 포함할 수 있다.

예를 들어, 보이스 속도 정보는, 사용자의 제 1 음성 데이터와 제 2 음성 데이터 각각의 발화 시점의 차이가 적다는 정보(즉, 각 음성 데이터 간의 묵음 구간이 적다는 정보)를 포함할 수 있다.

다른 예를 들어, 보이스 속도 정보는, 사전 결정된 시간 간격에 기초하여 획득한 사용자의 제 1 음성 데이터의 발화 속도가 느리다는 정보 및 제 2 음성 데이터의 발화 속도가 빠르다는 정보를 포함할 수 있다. 전술한 보이스 속도 정보에 포함된 하나 이상의 음성 데이터 각각에 대한 발화 시점 및 발화 속도에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

보이스 스타일 정보는, 하나 이상의 음성 데이터 각각에 대한 억양에 관한 정보 및 크기에 관한 정보를 포함할 수 있다. 구체적으로, 보이스 스타일 정보는 사전 결정된 시간 간격 및 발화 구간 중 적어도 하나를 기준으로 획득된 하나 이상의 음성 데이터 각각에 대한 억양에 관한 정보 및 크기에 관한 정보를 포함할 수 있다.

예를 들어, 보이스 스타일 정보는, 사전 결정된 시간 간격에 기초하여 획득한 사용자의 제 1 음성 데이터와 제 2 음성 데이터 각각의 주파수 특성을 비교하여 각 음성 데이터에 포함된 주파수 변동을 통해 사용자의 억양 변화를 나타내는 정보를 포함할 수 있다. 다른 예를 들어, 보이스 스타일 정보는, 묵음 구간에 기초하여 획득한 사용자의 제 1 음성 데이터의 크기와 제 2 음성 데이터의 각각의 크기에 대한 정보를 포함할 수 있다. 전술한 보이스 스타일 정보에 포함된 하나 이상의 음성 데이터 각각에 대한 억양 및 크기에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다. 전술한 보이스 스타일 정보에 포함된 하나 이상의 음성 데이터 각각에 억양 및 크기에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

프로세서(130)는 음성 평가 모델(310)에 고객 단말기(10)로부터 수신한 하나 이상의 음성 데이터를 입력하여 보이스 속도 정보 및 보이스 스타일 정보를 포함하는 보이스 정보를 획득할 수 있으며, 상기 보이스 정보에 기초하여 상기 고객 단말기(10)의 사용자의 감정 지수를 도출할 수 있다. 예를 들어, 감정 지수는, 고객 단말기(10)의 사용자의 민원율을 산정하기 위한 정보로, 민원 발생 가능성을 도모하는 사용자의 흥분도에 관한 감정을 수치로 나타낸 정보일 수 있다.

구체적인 예를 들어, 하나 이상의 음성 데이터에 대한 음성 평가 모델(310)의 출력인 보이스 정보가 제 1 시점 보다 상기 제 1 시점 이후 시점인 제 2 시점에 보이스 속도가 빨라졌다는 정보를 포함하는 경우, 프로세서(130)는 상기 제 2 시점에 대응하여 도출되는 사용자의 감정 지수의 크기를 상기 제 1 시점에 도출되는 사용자의 감정 지수의 크기보다 크게 도출할 수 있다. 다른 예를 들어, 하나 이상의 음성 데이터에 대한 음성 평가 모델(310)의 출력인 보이스 정보가 제 3 시점 보다 상기 제 3시점 이후 시점인 제 4 시점에 보이스의 크기가 커졌다는 정보를 포함하는 경우, 프로세서(130)는 상기 제 4 시점에 대응하여 도출되는 사용자의 감정 지수의 크기를 상기 제 3 시점에 도출되는 사용자의 감정 지수의 크기보다 도출할 수 있다. 전술한 보이스 정보의 각 시점에 대하여 도출되는 감정 지수에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

즉, 프로세서(130)는 실시간 고객 단말기(10)로부터 수신하는 하나 이상의 음성 데이터를 음성 평가 모델(310)에 입력으로 하여 보이스 정보를 획득하고, 획득한 보이스 정보에 기초하여 사전 결정된 시간 간격 및 묵음 구간 각각에 대한 사용자의 감정 지수를 도출할 수 있다. 또한, 도출된 사용자의 감정 지수는 실시간 변화하는 변동 민원율의 산출에 기여할 수 있다.

또한, 프로세서(130)는 고객 단말기(10)에 대한 실시간 상담 과정에서 고객 단말기(10)의 사용자를 통해 발화되는 음성인 하나 이상의 음성 데이터에 관련한 텍스트들에 기초하여 상기 사용자의 감정 지수를 도출할 수 있다.

구체적으로, 프로세서(130)는 하나 이상의 음성 데이터를 STT 모델(320)을 통해 하나 이상의 텍스트로 변환할 수 있다. 프로세서(130)는 변환된 하나 이상의 텍스트에 대한 자연어 처리를 수행할 수 있으며, 해당 수행 결과에 기초하여 고객 단말기의 사용자의 감정 지수를 도출할 수 있다. 자세히 설명하면, 프로세서(130)는 하나 이상의 텍스트 각각에 대한 의미 분석 결과, 하나 이상의 텍스트에 포함된 단어 별 반복 횟수 및 고객 단말기에 대하여 사전 식별된 상담 의도 중 적어도 하나에 기초하여 하나 이상의 키워드를 결정할 수 있다. 또한, 프로세서(130)는 하나 이상의 텍스트를 통해 결정된 하나 이상의 키워드에 기초하여 고객 단말기의 감정 지수를 도출할 수 있다.

예를 들어, 하나 이상의 음성 데이터를 STT 모델(320)의 입력으로 하여 출력된 하나 이상의 텍스트가 "하, 정말 짜증나네"인 경우, 프로세서(130)는 상기 하나 이상의 텍스트 각각에 대한 의미 분석을 통해 '짜증나네'를 키워드로 결정할 수 있다. 또한, 프로세서(130)는 키워드로 결정된 '짜증나네'에 기초하여 고객 단말기의 감정 지수를 기준 감정 지수 보다 높게 도출할 수 있다. 이 경우, 기준 감정 지수는, 고객 단말기(10)로부터 하나 이상의 음성 데이터가 수신되기 전 상기 고객 단말기(10)의 감정 지수에 기준점일 수 있다.

즉, 프로세서(130)는 하나 이상의 텍스트를 통해 결정된 키워드가 부정적 의미를 포함하는 경우, 고객 단말기(10)에 대한 감정 지수를 기준 감정 지수 보다 높게 도출할 수 있다. 또한, 프로세서(130)는 하나 이상의 텍스트를 결정된 키워드가 긍정적 의미를 포함하는 경우, 고객 단말기(10)에 대한 감정 지수를 기준 감정 지수 보다 낮게 도출할 수 있다.

다른 예를 들어, 하나 이상의 음성 데이터를 STT 모델(320)의 입력으로 하여 출력된 하나 이상의 텍스트에 포함된 단어 중 '보험금 지급'라는 단어가 가장 많은 횟수 반복되는 경우, 프로세서(130)는 상기 하나 이상의 텍스트에 포함된 단어 별 반복 회수에 기초하여 '보험금 지급'이라는 텍스트를 키워드로 결정할 수 있다. 또한, 프로세서(130)는 키워드로 결정된 '보험금 지급'에 기초하여 고객 단말기의 감정 지수를 기준 감정 지수 보다 높게 도출할 수 있다.

또 다른 예를 들어, 고객 단말기에 대하여 사전 식별된 상담 의도가 "구비 서류 관련 문의"인 경우, 프로세서(130)는 하나 이상의 음성 데이터를 STT 모델(320)의 입력으로 하여 출력된 하나 이상의 텍스트 중 '구비 서류'를 키워드로 결정할 수 있다. 또한, 프로세서(130)는 키워드로 결정된 '구비 서류'에 기초하여 고객 단말기(10)의 감정 지수를 기준 감정 지수 보다 낮게 도출할 수 있다.

즉, 프로세서(130)는 STT 모델(320)을 통해 출력된 하나 이상의 텍스트에 단어 별 반복 횟수, 또는 고객 단말기(10)에 대하여 사전 식별된 상담 의도에 기초하여 키워드를 결정할 수 있으며, 해당 키워드에 기초하여 고객 단말기(10)의 사용자의 감정 지수를 도출(예컨대, 민원 발생 확률이 높은 키워드에 대해서 높은 감정 지수를 도출하고, 그리고 민원 발생 확률이 낮은 키워드에 대해서 낮은 감정 지수를 도출함)할 수 있다.

다시 말해, 도 4에 도시된 바와 같이, 고객 단말기(10)의 사용자의 실시간 상담에 관련한 하나 이상의 음성 데이터를 수신하는 경우, 프로세서(130)는 음성 평가 모델(310) 및 STT 모델(320)을 통해 상기 하나 이상의 음성 데이터의 음향학적 특성을 분석하거나, 또는 텍스트 분석을 통해 상담 과정 중 실시간으로 변동하는 변동 민원율 산출에 기여하는 감정 지수를 도출할 수 있다.

즉, 프로세서(130)는 고객 단말기(10)를 통해 수신하는 사용자의 하나 이상의 음성 데이터에 대한 음향학적 특성 분석과 텍스트 분석을 통해 민원 발생 가능성을 도모하는 사용자의 흥분도에 관한 감정 지수를 도출하므로, 고객 단말기(10)의 사용자의 감정을 높은 정확도를 통해 예측할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 고객 단말기(10)에 대응하여 산출된 민원율 및 감정 지수에 기초하여 변동 민원율을 산출할 수 있다. 구체적으로, 프로세서(130)는 고객 단말기(10)로부터 상담콜을 수신하는 경우, 민원율 예측 모델을 통해 상기 고객 단말기(10)의 민원율을 산출할 수 있으며, 상기 고객 단말기(10)와 상담원 단말기(20) 간의 실시간 상담 도중 획득되는 하나 이상의 음성 데이터에 기초하여 고객 단말기(10)의 감정 지수를 도출할 수 있다. 프로세서(130)는 고객 단말기(10)에 대응하여 산출된 민원율 및 감정 지수에 기초하여 변동 민원율을 산출할 수 있다. 이 경우, 변동 민원율은 실시간 하나 이상의 음성 데이터가 획득되는 시점에 기초하여 도출되는 감정 지수에 대응하여 각 시점 별로 산출될 수 있다.

즉, 프로세서(130)는 상담콜을 수신하는 시점의 고객 단말기(10)의 민원율 및 상담 과정 중 실시간으로 도출되는 상기 고객 단말기(10)의 감정 지수 중 적어도 하나에 기초하여 변동 민원율을 산출할 수 있다.

예를 들어, 고객 단말기(10)로부터 상담콜을 수신하는 시점에 상기 고객 단말기(10)의 민원율이 30%로 산출되며, 상기 고객 단말기(10)와 상담원 단말기(20) 간의 사전 결정된 제 1 시간 동안 실시간 상담 도중 도출되는 감정 지수가 30인 경우, 프로세서(130)는 제 1 변동 민원율을 35%로 산출할 수 있다.

다른 예를 들어, 고객 단말기(10)와 상담원 단말기(20) 간의 사전 결정된 제 2 시간(예컨대, 상기 제 1 시간 이후 시점) 동안 실시간 상담 도중 도출되는 감정 지수가 60인 경우, 프로세서(130)는 제 2 변동 민원율을 55%로 산출할 수 있다.

또 다른 예를 들어, 고객 단말기(10)와 상담원 단말기(20) 간의 사전 결정된 제 3 시(예컨대, 상기 제 1 시간 이후 시점) 동안 실시간 상담 도중 도출되는 감정 지수가 80인 경우, 프로세서(130)는 제 3 변동 민원율을 75%로 산출할 수 있다.

전술한 민원율, 감정 지수 및 각 시점 별 산출되는 변동 민원율에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

즉, 프로세서(130)는 고객 단말기(10)의 민원율 및 상담 과정에서 각 시점 별 획득되는 상기 고객 단말기(10)의 감정 지수와 양의 상관 관계를 가지도록 시점 별 변동 민원율을 산출할 수 있다.

또한, 프로세서(130)는 변동 민원율에 기초하여 고객 단말기에 대한 실시간 응대를 위한 알림 정보를 생성할 수 있다. 구체적으로, 프로세서(130)는 민원율 및 변동 민원율에 기초하여 분석값을 산출할 수 있다. 분석값은, 상기 민원율과 변동 민원율의 차이값에 관한 것이거나, 또는 이전 시점의 변동 민원율과 다음 시점의 변동 민원율의 차이값에 관한 것일 수 있다. 또한, 프로세서(130)는 분석값의 크기에 기초하여 사전 결정된 복수의 응대 템플릿 중 적어도 하나의 응대 템플릿을 식별할 수 있다. 사전 결정된 복수의 응대 템플릿 각각은 고객 단말기에 대한 상담 과정에서 실시간으로 변화하는 민원율에 대응하는 상담원에게 제공되는 응대 방법들에 관한 정보들을 포함하며, 분석값의 크기 구간 별 사전 매칭된 것일 수 있다.

예를 들어, 고객 단말기(10)로부터 상담콜을 수신하는 시점에 상기 고객 단말기(10)의 민원율이 30%로 산출되며, 상기 고객 단말기(10)와 상담원 단말기(20) 간의 사전 결정된 제 1 시간 동안 상담이 수행됨에 따라 산출되는 제 1 변동 민원율이 35%인 경우, 프로세서(130)는 민원율과 상기 제 1 변동 민원율에 기초하여 분석값을 5%로 산출할 수 있다. 또한, 프로세서(130)는 5%의 분석값에 사전 매칭된 제 1 응대 템플릿을 포함하는 제 1 알림 정보를 생성하여 상담원 단말기(20)로 제공할 수 있다. 이 경우, 제 1 알림 정보는 비교적 적은 분석값(즉, 5%)에 대응하여 '민원율 소폭 상승 주의'라는 단순한 알림을 포함할 수 있으며, 민원 발생 레벨 1(예컨대, 민원율 레벨은 민원 발생 가능성이 높을수록 높은 레벨을 가짐)에 관련된 제 1 응대 템플릿을 포함할 수 있다. 제 1 응대 템플릿은 예컨대, 실시간 민원 발생 가능성과 관련된 분석값이 비교적 작은 경우에 대응하여 단순히 사용자의 흥분도를 저감시키기 위한 기본 응대 문구들을 포함할 수 있다.

다른 예를 들어, 고객 단말기(10)와 상담원 단말기(20) 간의 사전 결정된 제 2 시간(예컨대, 사전 결정된 제 1 시간 이후) 동안 상담이 수행됨에 따라 산출되는 제 2 변동 민원율이 70%인 경우, 프로세서(130)는 제 1 변동 민원율과 상기 제 2 변동 민원율에 기초하여 분석값을 35%로 산출할 수 있다. 또한, 프로세서(130)는 35%의 분석값에 사전 결정된 제 2 응대 템플릿을 포함하는 제 2 알림 정보를 생성하여 상담원 단말기로 제공할 수 있다. 이 경우, 제 2 알림 정보는 비교적 큰 분석값(즉, 35%)에 대응하여 '대외 민원 발생 가능성 매우 높음'이라는 중요도가 높은 알림을 포함할 수 있으며, 해당 알림은 복수회 반복되어 출력됨으로써, 상기 상담원 단말기(20)의 상담원을 상기시킬 수 있다. 또한, 제 2 알림 정보는, 민원 발생 레벨 5에 관련된 제 2 응대 템플릿을 포함할 수 있다. 제 2 응대 템플릿은 예컨대, 민원 발생율이 매우 높은 사용자에 대응하여 민원율을 저감시키기 위한 템플릿으로 관리자에게 해당 사용자와의 상담을 관리자(또는, 보다 숙련된 다른 상담원)에게 적절히 인계하는 방법 및 해당 사용자와 가입한 서비스에 관한 보다 구체적인 약관 내용 등을 포함할 수 있다.

또 다른 예를 들어, 고객 단말기(10)와 상담원 단말기(20) 간의 사전 결정된 제 3 시간(예컨대, 사전 결정된 제 2 시간 이후) 동안 상담이 수행됨에 따라 산출되는 제 3 변동 민원율이 34%인 경우, 변동 민원율이 사전 결정된 변동 민원율 임계치(예컨대, 40%) 이하임을 식별하여 상기 제 3 변동 민원율에 기초하여 제 3 알림 정보를 생성하여 상담원 단말기(20)로 제공할 수 있다. 이 경우, 제 3 알림 정보는 비교적 적은 변동 민원율에 대응하여 '민원율 발생 가능성 매우 적음. 현재 상담 스타일 유지'라는 단순한 알림만을 포함할 수 있다.

전술한 민원율, 변동 민원율, 분석값, 사전 결정된 시간 및 알림 정보에 대한 구체적인 기재들은 예시일 뿐, 본 개시는 이에 제한되지 않는다.

즉, 프로세서(130)는 고객 단말기(10)와 상담원 단말기(20) 간의 상담 도중 실시간으로 획득되는 변동 민원율 또는 분석값에 기초하여 해당 시점에 적절한 응대 템플릿을 포함하는 알림 정보를 생성하여 상담원 단말기(20)로 제공할 수 있다. 이에 따라, 상담원 단말기(20)는 해당 시점의 고객의 감정에 따라 발생 가능한 민원율에 대응하는 알림 정보를 통해 고객 단말기(10)의 사용자에 대한 상담을 용이하게 수행할 수 있다. 또한, 고객 단말기(10)의 사용자의 실시간 감정 변화에 따른 민원 대응 전략을 통해 서비스 품질의 향상을 도모할 수 있다. 나아가, 상담 서비스 품질의 향상으로 인해, 제공되는 서비스에 대한 고객 이탈을 방지할 수 있다.

도 3은 본 개시의 일 실시예와 관련된 고객 응대 방법에 대한 전체적인 흐름도를 도시한다.

본 개시의 일 실시예에 따르면, 고객 응대 서버(100)는 고객 단말기(10)로부터 상담콜을 수신할 수 있다(201).

또한, 고객 응대 서버(100)는 고객 단말기(10)로부터 상담콜을 수신하는 경우, 외부 서버(30)로부터 상기 고객 단말기(10)에 관련한 민원율 산정 기본 정보를 획득할 수 있다(203). 구체적으로, 고객 응대 서버(100)는 고객 단말기(10)의 식별 정보를 인식하여 상기 식별 정보에 대응하는 민원율 산정 기본 정보를 외부 서버(30)로부터 획득할 수 있다.

또한, 고객 응대 서버(100)는 민원율 산정 기본 정보에 기초하여 민원율을 산출할 수 있다(205). 구체적으로, 고객 응대 서버(100)는 고객 단말기(10)로부터 상담콜을 수신하는 경우, 해당 고객 단말기(10)에 대응하는 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 상담을 요청한 고객 단말기(10)에 대응하는 민원율을 산출할 수 있다.

또한, 고객 응대 서버(100)는 민원율에 기초하여 상담콜에 대한 상담을 수행할 상담원을 결정할 수 있다(207). 구체적으로, 고객 응대 서버(100)는 민원율이 사전 결정된 민원율 임계치 이상인 경우, 고객 단말기에 대응하는 민원율 산정 기본 정보에 기초하여 고객의 상담 의도를 식별할 수 있다. 또한, 고객 응대 서버(100)는 식별된 고객의 상담 의도에 사전 매칭된 상담 서브 그룹을 식별하고, 그리고 상기 상담 서브 그룹에 포함된 복수의 상담사 중 적어도 하나의 상담사를 상기 고객 단말기에 대한 상담을 수행할 상담원으로 결정할 수 있다. 여기서, 복수의 상담 서브 그룹은 복수의 상담사 각각의 부서 또는 숙련도 중 적어도 하나에 기초하여 분류된 하나 이상의 그룹일 수 있다.

또한, 고객 응대 서버(100)는 고객 단말기(10)의 상담콜에 대한 상담을 수행한 상담원을 결정한 경우, 해당 상담원 단말기로 상기 고객 단말기(10)에 대한 연결 신호를 송신할 수 있다(209). 이 경우, 상담원 단말기(20)와 고객 단말기(10)기 간의 통신 세션이 연결됨에 따라 상기 고객 단말기에 대한 상담이 개시될 수 있다(211).

또한, 고객 응대 서버(100)는 고객 단말기(10)에 대한 상담 과정 중 상기 고객 단말기(10)의 사용자의 발화와 연관된 하나 이상의 음성 데이터를 획득할 수 있다(213). 구체적으로, 고객 응대 서버(100)는 고객 단말기(10)와 상담원 단말기(20) 간의 상담 과정에서 사전 결정된 시간 간격 별로 상기 고객 단말기(10)를 통해 발화된 사용자의 음성 데이터를 획득할 수 있다.

또한, 고객 응대 서버(100)는 하나 이상의 음성 데이터에 기초하여 고객 단말기의 사용자의 감정 지수를 도출할 수 있다(215). 구체적으로, 고객 응대 서버(100)는 고객 단말기(10)를 통해 획득되는 사용자의 하나 이상의 음성 데이터에 대한 음향학적 특성 분석 및 텍스트 분석을 통해 민원 발생 가능성을 도모하는 사용자의 흥분도에 관한 감정 지수를 도출할 수 있다.

또한, 고객 응대 서버(100)는 감정 지수 및 민원율에 기초하여 변동 민원율을 산출할 수 있다(217). 구체적으로, 고객 응대 서버(100)는 고객 단말기(10)로부터 상담콜을 수신하는 경우, 민원율 예측 모델을 통해 상기 고객 단말기(10)의 민원율을 산출할 수 있으며, 상기 고객 단말기(10)와 상담원 단말기(20) 간의 실시간 상담 도중 획득되는 하나 이상의 음성 데이터에 기초하여 고객 단말기(10)의 감정 지수를 도출할 수 있다. 고객 응대 서버(100)는 고객 단말기(10)에 대응하여 산출된 민원율 및 감정 지수에 기초하여 변동 민원율을 산출할 수 있다. 이 경우, 변동 민원율은 실시간 하나 이상의 음성 데이터가 획득되는 시점에 기초하여 도출되는 감정 지수에 대응하여 각 시점 별로 산출될 수 있다.

또한, 고객 응대 서버(100)는 분석값 및 변동 민원율 중 적어도 하나에 기초하여 고객 단말기(10)에 대한 실시간 응대를 위한 알림 정보를 생성할 수 있다. 구체적으로, 고객 응대 서버(100)는 민원율 및 변동 민원율에 기초하여 분석값을 산출할 수 있다. 분석값은, 상기 민원율과 변동 민원율의 차이값에 관한 것이거나, 또는 이전 시점의 변동 민원율과 다음 시점의 변동 민원율의 차이값에 관한 것일 수 있다. 또한, 고객 응대 서버(100)는 분석값의 크기에 기초하여 사전 결정된 복수의 응대 템플릿 중 적어도 하나의 응대 템플릿을 식별할 수 있다. 사전 결정된 복수의 응대 템플릿 각각은 고객 단말기에 대한 상담 과정에서 실시간으로 변화하는 민원율에 대응하는 상담원에게 제공되는 응대 방법들에 관한 정보들을 포함하며, 분석값의 크기 구간 별 사전 매칭된 것일 수 있다.

또한, 고객 응대 서버(100)는 알림 정보를 상담원 단말기로 전송할 수 있다(221).

또한, 상담원 단말기(20)는 실시간 변동하는 고객 단말기(10)의 사용자의 감정에 대응하여 상담을 수행할 수 있다(223). 이에 따라, 실시간 고객 단말기(10)의 사용자의 감정 변화에 따른 민원 대응 전략을 통해 상담 서비스 품질의 향상을 도모할 수 있다. 나아가, 상담 서비스 품질의 향상으로 인해, 제공되는 서비스에 대한 고객 이탈을 방지할 수 있다.

도 6은 본 개시의 일 실시예와 관련된 상이한 두 고객 단말기 각각에 따라 구분되는 고객 응대 방법을 설명하기 위한 예시도이다.

본 개시의 일 실시예에 따르면, 고객 응대 서버(100)는 민원율 및 변동 민원율에 기초하여 분석값을 산출할 수 있다. 분석값은 상기 민원율과 변동 민원율의 차이값에 관한 것이거나, 또는 이전 시점의 변동 민원율과 다음 시점의 변동 민원율에 차이값에 관한 것일 수 있다. 또한, 고객 응대 서버(100)는 분석값 및 변동 민원율 중 적어도 하나에 기초하여 적어도 하나의 응대 템플릿을 포함하는 알림 정보를 생성하여 상담원 단말기(20)로 제공할 수 있다.

구체적인 예를 들어, 도 6을 참조하면, 고객 응대 서버(100)는 상담 개시 시점에 대응하는 A 고객 단말기(10)의 민원율을 30%으로 산출할 수 있다. 또한, 고객 응대 서버(100)는 해당 민원율 및 A 고객 단말기(10)에 대응하여 사전 결정된 제 1 시간 동안 도출된 감정 지수에 기초하여 제 1 시점에 대응하여 변동 민원율을 40%로 산출할 수 있다. 또한, 고객 응대 서버(100)는 민원율 및 변동 민원율에 기초하여 분석값을 10%로 산출할 수 있다. 또한, 고객 응대 서버(100)는 제 1 시점에 대응하여 산출된 10%의 분석값 또는 40%의 변동 민원율에 기초하여 제 1 응대 템플릿을 포함하는 알림 정보를 생성하여 제 1 상담원 단말기(20)에 제공할 수 있다.

또한, 고객 응대 서버(100)는 상담 개시 시점에 대응하는 B 고객 단말기(10)의 민원율을 30%로 산출할 수 있다. 또한, 고객 응대 서버(100)는 해당 민원율 및 B 고객 단말기(10)에 대응하여 사전 결정된 제 1 시간 동안 도출된 감정 지수에 기초하여 제 1 시점에 대응하여 변동 민원율을 80%로 산출할 수 있다. 또한, 고객 응대 서버(100)는 민원율 및 변동 민원율에 기초하여 분석값을 50%로 산출할 수 있다. 또한, 고객 응대 서버(100)는 제 1 시점에 대응하여 산출된 50%의 분석값 또는 80%의 변동 민원율에 기초하여 제 2 응대 템플릿을 포함하는 알림 정보를 생성하여 제 2 상담원 단말기(20)에 제공할 수 있다.

이 경우, 고객 응대 서버(100)가 A 고객 단말기(10)에 대한 상담을 수행하는 제 1 상담원 단말기에 제공하는 제 1 알림 정보와 B 고객 단말기(10)에 대한 상담을 수행하는 제 2 상담원 단말기에 제공하는 제 2 알림 정보는 상이한 정보를 포함할 수 있다.

구체적으로, 제 1 시점에 대응하는 B 고객 단말기(10)의 변동 민원율(즉, 80%)이 A 고객 단말기(10)의 변동 민원율(즉, 40%) 보다 크므로(또는, 제 1 시점에 대응하는 B 고객 단말기(10)의 분석값(즉, 50%)이 A 고객 단말기(10)의 분석값(즉, 10%)이 크므로), 고객 응대 서버(100)는 B 고객 단말기(10)에 대한 민원 발생 가능성이 A 고객 단말기(10)에 대한 민원 발생 가능성 보다 높다고 판단하여, 제 1 알림 정보 보다 전문적인 고객 응대 템플릿, 또는 상담원을 상기시키는 정보를 포함하는 제 2 알림 정보를 생성하여 제 2 상담원 단말기(20)로 제공할 수 있다. 전술한, 각 고객 단말기의 각 시점에 대응하는 민원율, 변동 민원율 및 분석값에 대한 구체적인 수치에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

즉, 고객 응대 서버(100)는 단순히 최초 예측된 사용자의 민원율에 기초한 응대 템플릿을 제공하는 것이 아닌, 고객 단말기(10)에 대하여 발생 가능한 민원율을 예측하고, 해당 예측된 민원율과 실시간 상담 과정에서 고객 단말기(10)의 사용자의 발화를 통해 변화하는 변동 민원율을 통해 상담 수행 도중 변경되는 사용자의 감정에 따른 응대 템플릿을 제공할 수 있다. 이는, 상담원으로 하여금 고객 단말기(10)의 사용자에 대하여 시점 별 적절한 응대가 가능하도록 하여, 상기 고객 단말기(10)의 사용자의 대외 민원 발생 가능성을 저감시킬 수 있다.

도 7은 본 개시의 일 실시예와 관련된 고객 응대 방법에 대한 순서도를 도시한다.

본 개시의 일 실시예에 따르면, 고객 응대 서버(100)는 고객 단말기(10)로부터 상담콜을 수신하는 경우, 고객 단말기(10)의 식별 정보를 인식하여 상기 식별 정보에 대응하는 민원율 산정 기본 정보를 획득할 수 있다(610).

본 개시의 일 실시예에 따르면, 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 민원율을 산출할 수 있다(620).

본 개시의 일 실시예에 따르면, 산출된 민원율에 기초하여 상담콜에 대한 상담을 수행할 상담원을 결정할 수 있다(630).

전술한 도 7에 도시된 단계들은 필요에 의해 순서가 변경될 수 있으며, 적어도 하나 이상의 단계가 생략 또는 추가될 수 있다. 즉, 전술한 단계는 본 개시의 일 실시예에 불과할 뿐, 본 개시의 권리 범위는 이에 제한되지 않는다.

도 8은 본 개시의 일 실시예와 관련된 고객 응대 방법을 구현하기 위한 로직을 도시한다.

본 개시의 일 실시예에 따르면 고객 응대 방법을 제공하기 위한 컴퓨터 프로그램은 다음과 같은 로직에 의해 구현될 수 있다.

상기 컴퓨터 프로그램은, 고객 단말기로부터 상담콜을 수신하는 경우, 상기 고객 단말기의 식별 정보를 인식하여 상기 식별 정보에 대응하는 민원율 산정 기본 정보를 획득하기 위한 로직(710), 상기 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 민원율을 산출하기 위한 로직(720) 및 상기 산출된 민원율에 기초하여 상기 상담콜에 대한 상담을 수행할 상담원을 결정하기 위한 로직(730)을 포함할 수 있다.

대안적으로, 상기 민원율 산정 기본 정보는, 상기 고객 단말기의 사용자에 대하여 발생 가능한 민원율을 예측하기 위한 정보로, 사용자 기본 정보 및 사용자 콜 이력 정보를 포함할 수 있다.

대안적으로, 상기 사용자 기본 정보는, 상기 고객 단말기에 대한 사용자를 식별하기 위한 정보들로, 보험 가입 이력 정보, 나이 및 성별 중 적어도 하나에 대한 정보를 포함하고, 그리고 상기 사용자 콜 이력 정보는, 상기 고객 단말기로부터 상담콜을 수신하는 시점보다 이전 시점 발생한 상담 과정에 대한 정보로, 이전 시점의 상담 요청 횟수에 대한 정보, 이전 시점의 상담 목적에 대한 정보 및 이전 시점의 상담에 대한 사후 처리에 관한 정보 중 적어도 하나를 포함할 수 있다.

대안적으로, 학습 입력 데이터 세트와 학습 결과 데이터 세트를 매칭시켜 라벨링된 학습 데이터 세트를 생성하기 위한 로직 및 상기 라벨링된 학습 데이터 세트를 이용하여 하나 이상의 네트워크 함수를 학습시켜 상기 민원율 산정 기본 정보에 기초한 상기 민원율을 출력하도록 하는 상기 민원율 예측 모델을 생성하기 위한 로직을 더 포함할 수 있다.

대안적으로, 상기 학습 입력 데이터 세트는, 외부 서버에 사전 저장된 사용자 별 민원율 산정 기본 정보들 각각에 대응하는 복수의 학습 입력 데이터 세트를 포함하고, 그리고 상기 학습 결과 데이터 세트는, 상기 학습 입력 데이터 세트에 포함된 복수의 학습 입력 데이터 각각에 대하여 발생한 대외민원에 대한 정보들을 포함할 수 있다.

대안적으로, 상기 산출된 민원율에 기초하여 상담콜에 대한 상담을 수행할 상담원을 결정하기 위한 로직은, 상기 민원율이 사전 결정된 민원율 임계치 이상인 경우, 상기 고객 단말기에 대응하는 민원율 산정 기본 정보에 기초하여 고객의 상담 의도를 식별하기 위한 로직 및 상기 식별된 고객의 상담 의도에 사전 매칭된 상담 서브 그룹을 식별하고, 상기 상담 서브 그룹에 포함된 복수의 상담사 중 적어도 하나의 상담사를 상기 고객 단말기에 대한 상담을 수행할 상담원으로 결정하기 위한 로직을 포함할 수 있다.

대안적으로, 상기 고객 단말기에 대한 상담 과정 중 상기 고객 단말기의 사용자의 하나 이상의 음성 데이터를 획득하기 위한 로직, 상기 하나 이상의 음성 데이터에 기초하여 상기 고객 단말기의 사용자의 감정 지수를 도출하기 위한 로직, 상기 감정 지수 및 상기 민원율에 기초하여 변동 민원율을 산출하기 위한 로직 및 상기 변동 민원율에 기초하여 상기 고객 단말기에 대한 실시간 응대를 위한 알림 정보를 생성하기 위한 로직을 더 포함할 수 있다.

대안적으로, 상기 하나 이상의 음성 데이터에 기초하여 상기 고객 단말기의 사용자에 대한 감정 지수를 도출하기 위한 로직은, 상기 하나 이상의 음성 데이터를 음성 평가 모델의 입력으로 하여 보이스 속도 정보 및 보이스 스타일 정보를 포함하는 보이스 정보를 획득하기 위한 로직 및 상기 하나 이상의 음성 데이터 각각에 대한 상기 보이스 속도 정보 및 상기 하나 이상의 음성 데이터 각각에 대한 상기 보이스 스타일 정보 중 적어도 하나에 기초하여 상기 고객 단말기의 사용자에 대한 감정 지수를 도출하기 위한 로직을 포함하고, 그리고 상기 보이스 속도 정보는, 상기 하나 이상의 음성 데이터 각각에 대한 발화 시점에 관한 정보 및 발화 속도에 과한 정보를 포함하며, 상기 보이스 스타일 정보는, 상기 하나 이상의 음성 데이터 각각에 대한 억양에 관한 정보 및 크기에 관한 정보를 포함할 수 있다.

대안적으로, 상기 하나 이상의 음성 데이터에 기초하여 상기 고객 단말기의 사용자에 대한 감정 지수를 도출하기 위한 로직은, 상기 하나 이상의 음성 데이터를 STT(Speech To Text) 모델을 통해 하나 이상의 텍스트로 변환하기 위한 로직, 상기 하나 이상의 텍스트 각각에 대한 의미 분석 결과, 상기 하나 이상의 텍스트에 포함된 단어 별 반복 횟수 및 상기 고객 단말기에 대하여 사전 식별된 상담 의도 중 적어도 하나에 기초하여 하나 이상의 키워드를 결정하기 위한 로직 및 상기 하나 이상의 키워드에 기초하여 상기 고객 단말기의 사용자에 대한 감정 지수를 도출하기 위한 로직을 포함할 수 있다.

대안적으로, 상기 변동 민원율에 기초하여 상기 고객 단말기에 대한 실시간 응대를 위한 알림 정보를 생성하기 위한 로직은, 상기 민원율 및 상기 변동 민원율에 기초하여 분석값을 산출하기 위한 로직, 상기 분석값 또는 상기 변동 민원율 중 적어도 하나에 기초하여 사전 결정된 복수 응대 템플릿 중 적어도 하나의 응대 템플릿을 식별하기 위한 로직 및 상기 식별된 적어도 하나의 응대 템플릿을 포함하는 알림 정보를 생성하기 위한 로직을 포함할 수 있다.

대안적으로, 상기 복수의 응대 템플릿 각각은, 상기 고객 단말기에 대한 상담 과정에서 실시간으로 변동되는 민원율에 대응하여 상담원에게 제공되는 응대 방법들에 관한 정보들을 포함하며, 상기 분석값 또는 상기 변동 민원율의 크기 구간 별 사전 매칭될 수 있다.

본 개시의 또 다른 실시예에 따르면, 컴퓨터 프로그램을 구현하기 위한 로직은, 컴퓨터 프로그램을 구현하기 위한 모듈, 회로 또는 수단에 의하여 구현될 수도 있다.

당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있으나, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.

도 9는 본 개시의 일 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.

본 개시가 일반적으로 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어와 관련하여 전술되었지만, 당업자라면 본 개시가 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로서 구현될 수 있다는 것을 잘 알 것이다.

일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.

본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘다에 위치할 수 있다.

컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.

컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.

컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.

시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.

컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)이 내장형 하드 디스크 드라이브(2114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음), 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.

이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.

운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용 가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.

사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.

모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.

컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 컴퓨팅 디바이스 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.

LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 컴퓨팅 디바이스에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.

컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.

Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a,b,g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5 GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.

여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다.

제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.

제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

Claims (13)

1. 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 고객 응대 방법으로서,
   고객 단말기로부터 상담콜을 수신하는 경우, 상기 고객 단말기의 식별 정보를 인식하여 상기 식별 정보에 대응하는 민원율 산정 기본 정보를 획득하는 단계;
   상기 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 민원율을 산출하는 단계;
   상기 산출된 민원율에 기초하여 상기 상담콜에 대한 상담을 수행할 상담원을 결정하는 단계;
   상기 고객 단말기에 대한 상담 과정 중 상기 고객 단말기의 사용자의 하나 이상의 음성 데이터를 획득하는 단계;
   상기 하나 이상의 음성 데이터 및 상기 민원율에 기초하여 변동 민원율을 산출하는 단계; 및
   상기 변동 민원율에 기초하여 상기 고객 단말기에 대한 실시간 응대를 위한 알림 정보를 생성하는 단계;
   를 포함하는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 고객 응대 방법.
   
2. 제 1 항에 있어서,
   상기 민원율 산정 기본 정보는,
   상기 고객 단말기의 사용자에 대하여 발생 가능한 민원율을 예측하기 위한 정보로, 사용자 기본 정보 및 사용자 콜 이력 정보를 포함하는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 고객 응대 방법.
   
3. 제 2 항에 있어서,
   상기 사용자 기본 정보는,
   상기 고객 단말기에 대한 사용자를 식별하기 위한 정보들로, 보험 가입 이력 정보, 나이 및 성별 중 적어도 하나에 대한 정보를 포함하고, 그리고
   상기 사용자 콜 이력 정보는,
   상기 고객 단말기로부터 상담콜을 수신하는 시점보다 이전 시점 발생한 상담 과정에 대한 정보로, 이전 시점의 상담 요청 횟수에 대한 정보, 이전 시점의 상담 목적에 대한 정보 및 이전 시점의 상담에 대한 사후 처리에 관한 정보 중 적어도 하나를 포함하는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 고객 응대 방법.
   
4. 제 1 항에 있어서,
   학습 입력 데이터 세트와 학습 결과 데이터 세트를 매칭시켜 라벨링된 학습 데이터 세트를 생성하는 단계; 및
   상기 라벨링된 학습 데이터 세트를 이용하여 하나 이상의 네트워크 함수를 학습시켜 상기 민원율 산정 기본 정보에 기초한 상기 민원율을 출력하도록 하는 상기 민원율 예측 모델을 생성하는 단계;
   를 더 포함하는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 고객 응대 방법.
   
5. 제 4 항에 있어서,
   상기 학습 입력 데이터 세트는,
   외부 서버에 사전 저장된 사용자 별 민원율 산정 기본 정보들 각각에 대응하는 복수의 학습 입력 데이터 세트를 포함하고, 그리고
   상기 학습 결과 데이터 세트는,
   상기 학습 입력 데이터 세트에 포함된 복수의 학습 입력 데이터 각각에 대하여 발생한 대외민원에 대한 정보들을 포함하는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 고객 응대 방법.
   
6. 제 1 항에 있어서,
   상기 산출된 민원율에 기초하여 상담콜에 대한 상담을 수행할 상담원을 결정하는 단계는,
   상기 민원율이 사전 결정된 민원율 임계치 이상인 경우, 상기 고객 단말기에 대응하는 민원율 산정 기본 정보에 기초하여 고객의 상담 의도를 식별하는 단계; 및
   상기 식별된 고객의 상담 의도에 사전 매칭된 상담 서브 그룹을 식별하고, 상기 상담 서브 그룹에 포함된 복수의 상담사 중 적어도 하나의 상담사를 상기 고객 단말기에 대한 상담을 수행할 상담원으로 결정하는 단계;
   를 포함하는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 고객 응대 방법.
   
7. 제 1 항에 있어서,
   상기 하나 이상의 음성 데이터 및 상기 민원율에 기초하여 변동 민원율을 산출하는 단계는:
   상기 하나 이상의 음성 데이터에 기초하여 상기 고객 단말기의 사용자의 감정 지수를 도출하는 단계; 및
   상기 감정 지수 및 상기 민원율에 기초하여 변동 민원율을 산출하는 단계;
   를 포함하는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 고객 응대 방법.
   
8. 제 7 항에 있어서,
   상기 하나 이상의 음성 데이터에 기초하여 상기 고객 단말기의 사용자에 대한 감정 지수를 도출하는 단계는,
   상기 하나 이상의 음성 데이터를 음성 평가 모델의 입력으로 하여 보이스 속도 정보 및 보이스 스타일 정보를 포함하는 보이스 정보를 획득하는 단계; 및
   상기 하나 이상의 음성 데이터 각각에 대한 상기 보이스 속도 정보 및 상기 하나 이상의 음성 데이터 각각에 대한 상기 보이스 스타일 정보 중 적어도 하나에 기초하여 상기 고객 단말기의 사용자에 대한 감정 지수를 도출하는 단계;
   을 포함하고, 그리고
   상기 보이스 속도 정보는,
   상기 하나 이상의 음성 데이터 각각에 대한 발화 시점에 관한 정보 및 발화 속도에 과한 정보를 포함하며,
   상기 보이스 스타일 정보는,
   상기 하나 이상의 음성 데이터 각각에 대한 억양에 관한 정보 및 크기에 관한 정보를 포함하는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 고객 응대 방법.
   
9. 제 7 항에 있어서,
   상기 하나 이상의 음성 데이터에 기초하여 상기 고객 단말기의 사용자에 대한 감정 지수를 도출하는 단계는,
   상기 하나 이상의 음성 데이터를 STT(Speech To Text) 모델을 통해 하나 이상의 텍스트로 변환하는 단계;
   상기 하나 이상의 텍스트 각각에 대한 의미 분석 결과, 상기 하나 이상의 텍스트에 포함된 단어 별 반복 횟수 및 상기 고객 단말기에 대하여 사전 식별된 상담 의도 중 적어도 하나에 기초하여 하나 이상의 키워드를 결정하는 단계; 및
   상기 하나 이상의 키워드에 기초하여 상기 고객 단말기의 사용자에 대한 감정 지수를 도출하는 단계;
   를 포함하는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 고객 응대 방법.
   
10. 제 1 항에 있어서,
    상기 변동 민원율에 기초하여 상기 고객 단말기에 대한 실시간 응대를 위한 알림 정보를 생성하는 단계는,
    상기 민원율 및 상기 변동 민원율에 기초하여 분석값을 산출하는 단계;
    상기 분석값 또는 상기 변동 민원율 중 적어도 하나에 기초하여 사전 결정된 복수의 응대 템플릿 중 적어도 하나의 응대 템플릿을 식별하는 단계; 및
    상기 식별된 적어도 하나의 응대 템플릿을 포함하는 알림 정보를 생성하는 단계;
    를 포함하는,
    컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 고객 응대 방법.
    
11. 제 10 항에 있어서,
    상기 복수의 응대 템플릿 각각은,
    상기 고객 단말기에 대한 상담 과정에서 실시간으로 변동되는 민원율에 대응하여 상담원에게 제공되는 응대 방법들에 관한 정보들을 포함하며, 상기 분석값 또는 상기 변동 민원율의 크기 구간 별 사전 매칭된,
    컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 고객 응대 방법.
    
12. 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에 의해 실행되는 경우, 고객 응대 방법을 제공하기 위한 이하의 동작들을 수행하도록 하며 상기 동작들은:
    고객 단말기로부터 상담콜을 수신하는 경우, 상기 고객 단말기의 식별 정보를 인식하여 상기 식별 정보에 대응하는 민원율 산정 기본 정보를 획득하는 동작;
    상기 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 민원율을 산출하는 동작;
    상기 산출된 민원율에 기초하여 상기 상담콜에 대한 상담을 수행할 상담원을 결정하는 동작;
    상기 고객 단말기에 대한 상담 과정 중 상기 고객 단말기의 사용자의 하나 이상의 음성 데이터를 획득하는 동작;
    상기 하나 이상의 음성 데이터 및 상기 민원율에 기초하여 변동 민원율을 산출하는 동작; 및
    상기 변동 민원율에 기초하여 상기 고객 단말기에 대한 실시간 응대를 위한 알림 정보를 생성하는 동작;
    을 포함하는,
    컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
    
13. 고객 응대 방법을 제공하기 위한 서버로서,
    하나 이상의 코어를 포함하는 프로세서;
    상기 프로세서에서 실행가능한 프로그램 코드들을 저장하는 메모리; 및
    고객 단말기와 데이터를 송수신하는 네트워크부;
    를 포함하고,
    상기 프로세서는,
    고객 단말기로부터 상담콜을 수신하는 경우, 상기 고객 단말기의 식별 정보를 인식하여 상기 식별 정보에 대응하는 민원율 산정 기본 정보를 획득하고,
    상기 민원율 산정 기본 정보를 민원율 예측 모델의 입력으로 하여 민원율을 산출하고,
    상기 산출된 민원율에 기초하여 상기 상담콜에 대한 상담을 수행할 상담원을 결정하고,
    상기 고객 단말기에 대한 상담 과정 중 상기 고객 단말기의 사용자의 하나 이상의 음성 데이터를 획득하고,
    상기 하나 이상의 음성 데이터 및 상기 민원율에 기초하여 변동 민원율을 산출하고, 그리고
    상기 변동 민원율에 기초하여 상기 고객 단말기에 대한 실시간 응대를 위한 알림 정보를 생성하는,
    고객 응대 방법을 제공하기 위한 서버.
    
    

Images