KR102464156B1 - 사용자의 상태 및 상담원의 상태에 기초하여 사용자와 상담원을 매칭하는 콜센터 서비스 제공 장치, 방법 및 프로그램 - Google Patents

Abstract

본 발명의 실시 예에 따르면, 사용자의 상태 및 상담원의 상태에 기초하여 사용자와 상담원을 매칭하는 콜센터 서비스를 제공하기 위한 장치가 제공된다. 상기 장치는, 사용자 단말로부터 상기 사용자의 기본 정보 및 상담 정보를 수신하고, 수신한 기본 정보 및 상담 정보를 이용하여 미리 저장된 단어들 중에서 사용자의 키워드를 결정하는 키워드 추출부; 상기 키워드 추출부가 결정한 상기 키워드에 대하여 상기 상담원의 대응빈도, 상기 사용자에 대한 상담원의 응답 속도, MBTI 및 고객 평점을 이용하여 상기 사용자에 대응되는 상담원을 매칭하는 상담원 매칭부; 상기 사용자의 음성 고저, 음성 속도, 대화시간 및 반복어를 이용하여 상기 사용자의 상태에 대한 제1 위험도를 결정하는 사용자 상태 판단부; 및 상기 상담원의 음성 고저, 음성 속도, 대화시간, 휴식 빈도 및 휴식 시간을 이용하여 상기 상담원의 상태에 대한 제2 위험도를 결정하는 상담원 상태 결정부를 포함하며, 상기 키워드 추출부는, 제1 상담원에 대한 상기 사용자의 음성 입력을 변환한 제1 텍스트 정보와 데이터 베이스에 주제에 따라 구분하여 저장된 단어들을 매칭시켜 중복되는 단어를 제1 단어로 결정하고, 상기 제1 단어 중 기 설정된 횟수 이상 반복되는 제2 단어를 추출하고, 상기 제1 상담원의 음성 입력을 변환한 제2 텍스트 정보 중 상기 제1 단어와 상기 데이터베이스에 동일한 주제로 분류되고, 기 설정된 횟수 이상 반복되는 제3 단어를 추출하고, 상기 제2 단어 및 상기 제3 단어를 이용하여 각 단어에 대응하는 추천도를 결정할 수 있다.

Description

사용자의 상태 및 상담원의 상태에 기초하여 사용자와 상담원을 매칭하는 콜센터 서비스 제공 장치, 방법 및 프로그램{CALL CENTER SERVICE PROVIDING APPARATUS, METHOD, AND PROGRAM FOR MATCHING A USER AND AN AGENT VASDED ON THE USER`S STATUS AND THE AGENT`S STATUS}

본 발명은 콜센터 서비스 제공 장치, 방법 및 프로그램에 관한 것으로, 더욱 상세하게는 사용자의 상태 및 상담원의 상태에 기초하여 사용자와 상담원을 매칭하는 콜센터 서비스 제공 장치, 방법 및 프로그램에 관한 것이다.

본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.

일반적인 음성 데이터의 텍스트 변환(STT: Speech To Text) 기술은 녹취된 음성 또는 실시간으로 재생되는 음성 데이터가 입력되면, 상기 입력되는 음성 데이터의 발음, 억양, 길이를 분석하여, 단어와 문장을 생성하는 기술을 말한다.

최근, 이러한 음성 데이터의 텍스트 변환은 다양한 분야에서 활용되고 있으며, 특히, 콜센터에서 상담원이 고객과 상담할 때 유선상으로 이루어지는 상담 내용을 텍스트로 변환하여 상담에 활용되고 있다.

그러나 음성 데이터의 경우, 말하는 사람의 발음, 억양이 다르며, 말하는 사람의 주변 환경에 따라 음성에 잡음이 끼어 정확한 발음을 인식하고 분석하기까지 많은 어려움이 따른다.

또한, 과거와 달리 최근 사용자인 고객이 상담원들에게 폭언 등 불쾌함을 조성하는 경우가 증가하고 있는 바, 업무 중 상담원의 감정을 상하지 않도록 사용자와 상담원의 매칭을 자동으로 회피할 수 있는 기술이 필요한 실정이다.

이상의 배경기술에 기재된 사항은 발명의 배경에 대한 이해를 돕기 위한 것으로서, 공개된　종래 기술이 아닌 사항을 포함할 수 있다.

본 발명은, 사용자와 상담원의 대화를 통하여 상담 내용의 키워드를 추출하는, 사용자의 상태 및 상담원의 상태에 기초하여 사용자와 상담원을 매칭하는 콜센터 서비스 제공 장치, 방법 및 프로그램을 제공하는 것을 일 목적으로 한다.

또한, 본 발명은, 사용자의 감정과 상담원의 감정을 파악하여 사용자가 상담 중 상담원에게 불쾌감을 조성할 확률이 높은지 판단하며, 상담원에게 휴식이 필요한지 판단하는 것이 가능한 사용자의 상태 및 상담원의 상태에 기초하여 사용자와 상담원을 매칭하는 콜센터 서비스 제공 장치, 방법 및 프로그램을 제공하는 것을 다른 목적으로 한다.

본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상기 목적을 달성하기 위한 본 발명의 일 측면은, 사용자의 상태 및 상담원의 상태에 기초하여 사용자와 상담원을 매칭하는 콜센터 서비스를 제공하기 위한 장치를 제공한다.

상기 장치는 사용자 단말로부터 상기 사용자의 기본 정보 및 상담 정보를 수신하고, 수신한 기본 정보 및 상담 정보를 이용하여 미리 저장된 단어들 중에서 사용자의 키워드를 결정하는 키워드 추출부; 상기 키워드 추출부가 결정한 상기 키워드에 대하여 상기 상담원의 대응빈도, 상기 사용자에 대한 상담원의 응답 속도, MBTI 및 고객 평점을 이용하여 상기 사용자에 대응되는 상담원을 매칭하는 상담원 매칭부; 상기 사용자의 음성 고저, 음성 속도, 대화시간 및 반복어를 이용하여 상기 사용자의 상태에 대한 제1 위험도를 결정하는 사용자 상태 판단부; 및 상기 상담원의 음성 고저, 음성 속도, 대화시간, 휴식 빈도 및 휴식 시간을 이용하여 상기 상담원의 상태에 대한 제2 위험도를 결정하는 상담원 상태 결정부를 포함하며, 상기 키워드 추출부는, 제1 상담원에 대한 상기 사용자의 음성 입력을 변환한 제1 텍스트 정보와 데이터 베이스에 주제에 따라 구분하여 저장된 단어들을 매칭시켜 중복되는 단어를 제1 단어로 결정하고, 상기 제1 단어 중 기 설정된 횟수 이상 반복되는 제2 단어를 추출하고, 상기 제1 상담원의 음성 입력을 변환한 제2 텍스트 정보 중 상기 제1 단어와 상기 데이터베이스에 동일한 주제로 분류되고, 기 설정된 횟수 이상 반복되는 제3 단어를 추출하고, 상기 제2 단어 및 상기 제3 단어를 이용하여 각 단어에 대응하는 추천도를 결정할 수 있다.

또한, 상기 키워드 추출부는, 하기의 수학식에 기초하여, 추천도를 결정하고,

상기 수학식에서, R은 추천도를 의미하고, WN은 상기 제2 단어 및 상기 제3 단어들 중 상위 N번째까지 많이 반복된 단어들의 개수를 의미하며, SW는 추출된 단어들 중 동일한 단어들을 의미할 수 있다.

또한, 상기 상담원 매칭부는, 상기 제1 상담원에 이어서 상기 사용자와 상담을 이어가는 제2 상담원에 대응하는 매칭도를 결정하고, 하기의 수학식에 기초하여 상기 매칭도를 결정하며,

상기 수학식에서, M은 매칭도를 의미하고, N은 상담원의 응답 빈도, V는 상담원의 응답속도를 의미하며, S는 사용자와 상담원의 MBTI 유사도를 의미하고, P는 상담원의 고객 평점을 의미하며, K1은 제1 보정계수, K2는 제2 보정계수, K3는 제3 보정계수, K4는 제4 보정계수를 의미할 수 있다.

또한, 상기 사용자 상태 판단부는, 하기의 수학식에 기초하여 상기 제1 위험도를 결정하며,

상기 수학식에서, D1은 제1 위험도를 의미하고, F1은 음성 고저를 의미하며, F2는 음성 속도를 의미하고, F3는 대화 시간을 의미하며, 및 F4는 대화 내용에 포함된 반복어의 개수를 의미하고, K1은 제1 보정계수를 의미하며, K2는 제2 보정계수를 의미할 수 있다.

또한, 상기 상담원 상태 결정부는, 하기의 수학식에 기초하여 상기 제2 위험도를 결정하며,

상기 수학식에서, D2는 제2 위험도를 의미하고, C1은 상담원의 음성 고저를 의미하며, C2는 상담원의 음성 속도를 의미하고, C3는 상담원의 대화 시간을 의미하며, 및 C4는 휴식 빈도를 의미하고, C5는 휴식 시간을 의미하며, K1은 제1 보정계수를 의미하고, K2는 제2 보정계수를 의미할 수 있다.

또한, 상기 상담원 상태 결정부(104)는, 상기 제1 위험도 및 상기 제2 위험도를 미리 학습된 기계학습모델에 입력 값으로 입력하고, 상기 기계학습모델로부터 상기 제2 상담원의 스트레스 지수를 획득하고, 상기 기계학습모델은 랜덤 포레스트(Random Forest) 알고리즘에 기초하여 기 학습될 수 있다.

본 발명은, 키워드 추출부가 사용자와 상담원의 대화를 통하여 상담 내용의 키워드를 추출한다. 이를 통해, 상담원 매칭부는 추출된 키워드에 대하여 사용자에게 가장 적합한 상담내용을 제공할 수 있는 상담원을 사용자에게 매칭하여, 보다 수월하게 사용자가 요구사항을 해결할 수 있다.

또한, 본 발명은, 사용자 상태 판단부가 사용자의 상태를 파악하고, 상담원 상태 결정부가 상담원의 상태를 파악할 수 있다. 이를 통해, 상담원에게 적절한 휴식을 제공할 수 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 일 실시 예에 사용자의 상태 및 상담원의 상태에 기초하여 사용자와 상담원을 매칭하는 콜센터 서비스를 제공하는 시스템에 대한 개요도이다.
도 2는 도 1에 따른 서비스 제공 장치의 기능적 모듈을 예시적으로 나타낸 블록도이다.
도 3은 도 2에 따른 서비스 제공 장치의 동작 과정을 도시하는 흐름도이다.
도 4는 도 3의 S100 단계의 구체적인 과정을 도시하는 흐름도이다.
도 5는 도 3의 S200 단계의 구체적인 과정을 도시하는 흐름도이다.
도 6은 도 3의 S300 단계의 구체적인 과정을 도시하는 흐름도이다.
도 7은 도 3의 S400 단계의 구체적인 과정을 도시하는 흐름도이다.
도 8은 상담원과 사용자의 통화 내용에서 키워드를 추출하는 실시 예를 나타내는 개념도이다.
도 9는 도 1에 따른 서비스 제공 장치의 하드웨어 구성을 예시적으로 나타낸 도면이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 일 실시예에 따른 사용자의 상태 및 상담원의 상태에 기초하여 사용자와 상담원을 매칭하는 콜센터 서비스를 제공하는 시스템에 대한 개요도이다.

도 1을 참조하면, 서비스 제공 장치(100), 상담원 단말(200) 및 사용자 단말(300)을 포함한다. 이하 설명되는 동작들은 서비스 제공 장치(100)에 의하여 제어되는 플랫폼을 통해 수행될 수 있다. 일 실시 예에서 플랫폼은 웹 페이지, 어플리케이션 등 일 수 있다.

상담원 단말(200) 및 사용자 단말(300)은 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), 및 PDA(Personal Digital Assistant) 등 일 수 있다.

서비스 제공 장치(100), 상담원 단말(200), 사용자 단말(300)는 각각 통신 네트워크(400)에 연결되어, 통신 네트워크(400)를 통해 서로간 데이터를 송수신할 수 있다. 예를 들어, 통신 네트워크(50)는 LAN(Local Area Network), MAN(Metropolitan Area Network), GSM(Global System for Mobile Network), EDGE(Enhanced Data GSM Environment), HSDPA(High Speed Downlink Packet Access), W-CDMA(Wideband Code Division Multiple Access), CDMA(Code Division Multiple Access), TDMA(Time Division Multiple Access), 블루투스(Bluetooth), 지그비(Zigbee), 와이-파이(WiFi), VoIP(Voice over Internet Protocol), LTE Advanced, IEEE802.16m, WirelessMAN-Advanced, HSPA+, 3GPP Long Term Evolution (LTE), Mobile WiMAX(IEEE 802.16e), UMB(formerly EV-DO Rev. C), Flash-OFDM, iBurst and MBWA(IEEE 802.20) systems, HIPERMAN, Beam-Division Multiple Access (BDMA), WiMAX(World Interoperability for Microwave Access), 5G 등 다양한 종류의 유선 또는 무선 네트워크가 사용될 수 있다.

도 2는 도 1에 따른 서비스 제공 장치(100)의 기능적 모듈을 예시적으로 나타낸 블록도이다.

도 2를 참조하면, 서비스 제공 장치(100)는 키워드 추출부(101), 상담원 매칭부(102), 사용자 상태 판단부(103) 및 상담원 상태 결정부(104)를 포함한다.

키워드 추출부(101)는, 사용자 단말(300)로부터 사용자의 기본 정보 및 상담 정보를 수신하고, 수신한 기본 정보 및 상담 정보를 이용하여 미리 저장된 단어들 중에서 사용자의 키워드를 결정한다.

상담원 매칭부(102)는 키워드 추출부(101)가 결정한 키워드에 대하여 상담원의 대응빈도, 사용자에 대한 상담원의 응답 속도, MBTI 및 고객 평점을 이용하여 사용자에 효율적으로 대응할 수 있는 상담원을 매칭한다.

사용자 상태 판단부(103)는, 사용자의 음성 고저, 음성 속도, 대화시간 및 반복어를 이용하여 사용자의 상태에 대한 위험도를 결정한다.

상담원 상태 결정부(104)는, 상담원의 음성 고저, 음성 속도, 대화시간, 휴식 빈도 및 휴식 시간을 이용하여 상담원의 업무패턴을 결정하고, 결정된 상담원의 업무패턴을 이용하여 상담원의 상태에 대한 위험도를 결정한다.

도 3은 도 2에 따른 서비스 제공 장치(100)의 동작 과정을 도시하는 흐름도이다.

도 3을 참조하면, 키워드 추출부(101)는 사용자 단말(300)로부터 사용자의 기본 정보 및 상담 정보를 수신하고, 수신한 기본 정보 및 상담 정보를 이용하여 미리 저장된 단어들 중에서 사용자의 키워드를 결정한다(S100). 일 실시 예에서 사용자의 기본 정보는, 사용자의 이름, 핸드폰 번호, 생년월일, 주민등록번호, 집주소, 전자메일 주소일 수 있다. 사용자의 기본 정보는 상술한 내용으로 한정되는 것은 아니다. 일 실시 예에서 상담 정보는, 사용자가 결제한 상품 내용 또는 서비스 내용, 사용자의 기존 결제 수단, 사용자의 기존 결제일 일 수 있다. 사용자의 상담 정보는 상술한 내용으로 한정되는 것은 아니다.

도 4는 도 3의 S100 단계의 구체적인 과정을 도시하는 흐름도이다.

도 4를 참조하면, 키워드 추출부(101)는 사용자 단말(300)로부터 사용자의 기본 정보 및 상담 정보를 수신한다. 일 실시 예에서 사용자의 기본 정보 및 사용자의 상담 정보는 상술한 바와 같다. 그리고 키워드 추출부(101)는 제1 상담원에 대한 사용자의 음성 입력을 제1 텍스트 정보로 변환한다(S110).

일 실시 예에서 제1 상담원은, 사용자가 콜센터 서비스를 이용하기 위하여 콜센터에 연락할 때, 사용자의 연락에 대하여 최초로 응답하는 상담원이다.

또한, 일 실시 예에서 사용자의 음성 입력은, 사용자가 언급하는 사용자의 기본 정보 및 사용자의 상담 정보를 포함하는, 상담원과 사용자의 유선 또는 무선 상 대화이다.

또한, 일 실시 예에서, 제1 텍스트 정보는, 사용자의 음성 입력을 키워드 추출부가 사용자 단말(300)로부터 수신하고, 수신된 음성 입력을 텍스트데이터로 변환하여 구현한 것이다.

키워드 추출부(101)는 변환된 제1 텍스트 정보를, 데이터베이스(미도시)에 주제에 따라 구분하여 저장된 단어들과 중복되는지 판단한다.

이때 키워드 추출부(101)는 변환된 제1 텍스트 정보를 각각의 단어들을 서로 다른 높낮이, 단어들의 길이, 억양 및 발음으로 구현하여 텍스트 단어를 생성하고, 이를 데이터베이스(미도시)에 주제에 따라 구분하여 저장된 단어들을 매칭시켜 중복되는 단어를 제1 단어로 결정한다(S120). 일 실시 예에서 텍스트 단어는 "정수기, 징수기, 증수기", "필터, 휠터, 삘터", "교체, 겨체, 교채", "물맛, 믈맛, 멀맛", "가격, 그격, 거격"과 같은 단어로 구현될 수 있다. 이는, 동일한 단어라도 발화하는 사용자마다 서로 다른 높낮이, 단어들의 길이, 억양 및 발음으로 다른 음성으로 인식될 수 있기 때문에, 텍스트 단어를 별도로 생성하여 키워드의 누락을 방지하는 것이다. 일 실시 예에서 제1 단어는 데이터베이스(미도시)에 정수기와 관련하여 "A/S"주제에 구분되어 저장된 단어 중 "정수기, 필터, 교체, 물맛, 가격" 등 일 수 있다.

또한, 키워드 추출부(101)는, 제1 단어 중 기 설정된 횟수 이상 반복되는 제2 단어들을 추출한다(S130). 일 실시 예에서 제2 단어는, 사용자와 상담원이 대화하는 도중 다른 단어들보다 상대적으로 많은 횟수가 반복되는 "정수기, 필터, 교체, 가격"일 수 있다. 기 설정된 횟수는 임의로 조절할 수 있다. 이를 통해, 제1 단어에 포함된 노이즈인 "물맛"을 제거할 수 있다.

또한, 키워드 추출부(101)는, 제1 상담원의 음성 입력을 제2 텍스트 정보로 변환한다. 일 실시 예에서, 제2 텍스트 정보는, 제1 상담원의 음성 입력을 키워드 추출부가 상담원 단말(200)로부터 수신하고, 수신된 음성 입력을 텍스트데이터로 변환하여 구현한 것이다.

그리고, 키워드 추출부(101)는 변환된 제2 텍스트 정보 중 제1 단어와 동일한 주제이며 기 설정된 횟수 이상 반복되는 제3 단어를 추출한다(S140). 일 실시 예에서 제3 단어들은, "정수기, 필터, 교체, 고객"이다.

또한, 키워드 추출부(101)는, 제2 단어 및 제3 단어들을 이용하여 각 단어에 대응하는 추천도를 결정한다(S150).

구체적으로, 제2 단어들 중 상위 세번째까지 반복된 3개의 단어들을 추출하고, 제3 단어들 중 상위 네번째까지 반복된 3개의 단어들을 추출하고, 추출된 단어들의 유사율을 백분율로 환산하여 추천도를 결정한다.

추천도는 아래의 수학식 1에 의해 결정될 수 있다.

상기 수학식 1에서, R은 추천도를 의미하고, WN은 제2 단어 및 제3 단어들 중 상위 N번째까지 많이 반복된 단어들의 개수를 의미하며, SW는 추출된 단어들 중 동일한 단어들을 의미한다. 예를 들어, 제2 단어 중 많이 반복된 단어들을 상위 네번째까지 순서대로 나열하면"정수기, 필터, 교체, 가격"이며, 제3 단어 중 많이 반복된 단어들을 상위 네번째까지 순서대로 나열하면"정수기, 필터, 교체, 고객"이다. 이때 WN은 상위 네번째이므로 4의 값을 가지며, SW는 추출된 단어 중 동일한 단어가 "정수기, 필터, 교체" 3개 이므로 3의 값을 갖는다. 따라서 R은 75%에 해당한다.

또한, 키워드 추출부(101)는 추천도가 기 설정된 기준 추천도 이상일 때 제2 단어들 및 제3 단어들을 구성하는 단어 중 상위 두번째까지 많이 반복된 두 개의 단어들을 키워드로 결정한다(S160). 이때 키워드로 결정하는 단어의 개수는 반드시 두 개로 한정할 것은 아니며, 세 개로 늘릴수도 있고, 하나로 줄일 수도 있다. 일 실시 예에서, 상위 두번째까지 많이 반복된 두 개의 단어는 "정수기, 필터"이므로 키워드는 "정수기, 필터"이다.

다시 도 3을 참조하면, 상담원 매칭부(102)는 결정된 키워드에 대하여, 상담원의 대응빈도, 사용자에 대한 상담원의 응답 속도, MBTI 및 고객 평점을 이용하여 사용자에 대응되는 제2 상담원을 매칭한다(S200). 일 실시 예에서, "정수기, 필터"에 대하여 상술한 요소들을 고려하여 사용자에게 가장 적절한 상담원인 제2 상담원을 매칭할 수 있다.

도 5는 도 3의 S200 단계의 구체적인 과정을 도시하는 흐름도이다.

도 5를 참조하면, 상담원 매칭부(102)는, 결정된 키워드에 대하여, 상담원의 기존 응답 횟수에 기초하여 상담원의 응답 빈도를 결정한다(S210). 일 실시 예에서, "정수기, 필터"에 대하여 사용자를 상대로 상담원들 각각이 응답한 횟수가 응답 빈도일 수 있다.

또한, 상담원 매칭부(102)는 결정된 키워드에 대하여, 사용자에 대한 상담원의 응답 속도를 획득한다(S220). 일 실시 예에서 응답 속도는, "정수기, 필터"에 관하여 콜센터와 상담한 사용자들에 대하여, 상담원들 각각이 최초로 사용자와 연결된 시간이다.

또한, 상담원 매칭부(102)는, 사용자의 MBTI 성향 및 상담원의 MBTI의 성향 사이 유사도를 획득한다(S230). 일 실시 예에서, 유사도는 MBTI의 4가지 요소 모두가 동일하면 1, 3가지가 동일하면 0.75, 2가지가 동일하면 0.5, 1가지가 동일하면 0.25의 값을 갖는다. 한편, E와 I 중 하나가 같은 경우라면 상술한 유사도 값에 1.5를 곱하여 유사도 값을 산출한다.

또한, 상담원 매칭부(102)는, 사용자의 상담원에 대한 평점을 이용하여 상담원의 고객 평점을 획득한다(S240). 일 실시 예에서, 고객 평점은 상담원 매칭부(102)는 사용자 단말(300)로부터, 사용자와 상담원의 대화가 종료된 후, 사용자에게 상담원에 대한 설문조사를 실시하여 획득한 평점을 10점 만점으로 환산한 값이다.

또한, 상담원 매칭부(102)는, 상담원의 응답 빈도, 상담원의 응답 속도, 사용자와 상담원의 MBTI성향 유사도 및 상담원의 고객 평점을 이용하여, 제1 상담원에 이어서 사용자와 상담을 이어가는 제2 상담원에 대응하는 매칭도를 결정한다 (S250).

매칭도는 아래의 수학식 2에 의하여 결정될 수 있다.

상기 수학식 2에서, M은 매칭도를 의미하고, N은 상담원의 응답 빈도, V는 상담원의 응답속도를 의미하며, S는 사용자와 상담원의 MBTI 유사도를 의미하고, P는 상담원의 고객 평점을 의미하며, K1은 제1 보정계수, K2는 제2 보정계수, K3는 제3 보정계수, K4는 제4 보정계수를 의미한다.

제1 보정계수는 0.1이며, 제2 보정계수는 1/60이며, 제3 보정계수는, 사용자와 상담원의 MBTI 성향에 둘 다 E가 포함되거나, 사용자와 상담원의 MBTI 성향에 둘 다 I가 포함되는 경우는 1.5의 값을 가지고, 그 외의 경우에는 모두 1의 값을 가지며, 제4 보정계수는 0.1의 값을 갖는다.

상담원 중 매칭도가 기 설정된 기준 매칭도 이상인 상담원이 제2 상담원이며, 제2 상담원은 제1 상담원으로부터 전화를 이어받아, 사용자와의 상담을 더 빠르고 수월하게 이어갈 수 있다. 기준 매칭도는 수학식 2에 의한 매칭도 결과값이 두번째로 높은 값이다. 다만 기준 매칭도가 상술한 기준으로 한정되는 것은 아니고, 임의의 값으로 조절할 수 있다.

다시 도 3을 참조하면, 사용자 상태 판단부(103)는, 사용자의 음성 고저, 음성 속도, 대화시간 및 반복어를 이용하여 사용자의 상태에 대한 제1 위험도를 결정한다(S300).

도 6은 도 3의 S300 단계의 구체적인 과정을 도시하는 흐름도이다.

도 6을 참조하면, 사용자 상태 판단부(103)는, 사용자 단말로부터 사용자의 음성 입력을 수신한다(S310).

그리고, 사용자 상태 판단부(103)는, 사용자 음성 입력을 음성 고저, 음성 속도, 대화시간 및 반복어로 분류하고, 음성 고저, 음성 속도, 대화시간 및 반복어를 이용하여 사용자에 대응하는 제1 위험도를 결정한다(S320).

또한, 사용자 상태 판단부(103)는 사용자 음성 입력 중 사용자 음성의 주파수로 음성 고저를 판단한다. 일 실시 예에서, 주파수가 높을수록 높은 음이며, 주파수가 낮을수록 낮은 음이다. 주파수가 높을수록 제1 위험도는 상대적으로 높다. 또한, 사용자 상태 판단부(103)는 사용자의 음성 입력 중 문장이 끝나는 어미를 이용하여 음성 속도를 판단한다. 음성 속도는 1분당 말하는 단어의 개수로 판단할 수 있으며, 음성 속도가 빠를수록 제1 위험도는 상대적으로 높다. 또한, 사용자 상태 판단부(103)는 사용자 음성 입력의 총 입력 시간, 즉 사용자와 상담원의 대화가 길수록 제1 위험도가 상대적으로 높다. 또한, 사용자 상태 판단부(103)는 사용자 음성 입력 중에서 특정 반복어가 기 설정된 횟수 이상 나타나는 경우, 제1 위험도가 상대적으로 높게 결정된다. 일 실시 예에서, 반복어는 데이터베이스(미도시)에 저장된 상담원을 불쾌하게 할 수 있는 단어들이며, 국어 사전에 등재된 모든 비속어, 2인칭 대명사 등 일 수 있다. 다만 반복어는 언급된 예시로 한정되는 것은 아니며, 상담원이 사용자와의 상담 후 피드백에 의하여 반복어를 추가할 수 있다.

제1 위험도는 아래의 수학식 3에 의하여 결정될 수 있다.

상기 수학식 3에서, D1은 제1 위험도를 의미하고, F1은 음성 고저를 의미하며, F2는 음성 속도를 의미하고, F3는 대화 시간을 의미하며, 및 F4는 대화 내용에 포함된 반복어의 개수를 의미하고, K1은 제1 보정계수, K2는 제2 보정계수를 의미한다.

제1 보정계수는, 사용자가 남성인 경우 100, 사용자가 여성인 경우 200의 값을 가지며, 제2 보정계수는 60의 값을 가진다.

제1 위험도가 높을수록 상담원이 사용자와의 상담 중에 불쾌감을 느낄 확률이 높을 것을 예측할 수 있으며, 제1 위험도가 낮을수록 상담원이 사용자와의 상담 중에 불쾌감을 느낄 확률이 낮음을 예측할 수 있다.

한편, 상담원 매칭부(102)는, 제1 위험도가 기 설정된 기준 위험도 이상인 사용자를 블랙리스트로 결정한다(S330). 일 실시 예에서 블랙리스트는, 상담원에게 윽박지르거나, 폭언, 비속어 등을 사용하여 위협을 가하는 사용자이다.

상담원 매칭부(102)는, 결정된 블랙리스트가 이후 다시 상담원과 연락하는 경우, 제1 상담원 및 제2 상담원과 연결 없이 자동응답으로 바로 연결한다(S340). 이로 인해, 제1 상담원 및 제2 상담원에게 사용자가 가하는 폭언 등을 예방할 수 있다.

다시 도 3을 참조하면, 상담원 상태 결정부(104)는, 상담원의 음성 고저, 음성 속도, 대화시간, 휴식 빈도 및 휴식 시간을 이용하여 상담원의 업무패턴을 결정하고, 결정된 상담원의 업무패턴을 이용하여 상담원의 상태에 대한 제2 위험도를 결정한다(S400).

도 7은 도 3의 S400 단계의 구체적인 과정을 도시하는 흐름도이다.

도 7을 참조하면, 상담원 상태 결정부(104)는, 상담원의 음성 입력을 음성 고저, 음성 속도, 대화시간, 휴식 빈도 및 휴식 시간을 이용하여 상담원의 업무패턴을 결정한다(S410).

또한, 상담원 상태 결정부(104)는 상담원 음성 입력 중 상담원 음성의 주파수로 음성 고저를 판단한다. 일 실시 예에서, 주파수가 높을수록 높은 음이며, 주파수가 낮을수록 낮은 음이다. 또한, 상담원 상태 결정부(104)는 상담원의 음성 입력 중 문장이 끝나는 어미를 이용하여 음성 속도를 판단한다. 음성 속도는 1분당 말하는 단어의 개수로 판단할 수 있다. 또한, 상담원 상태 결정부(104)는 상담원 음성 입력의 총 입력 시간이 대화시간이다, 또한, 상담원 상태 결정부(104)는 상담원이 사용자와 하나의 상담이 끝나면 바로 다음 사용자와 상담을 이어가는지, 바로 다음 사용자와 상담을 이어가지 않고 휴식을 취한 후 상담을 이어가는지에 따라 휴식 빈도를 판단한다. 또한, 상담원 상태 결정부(104)는 상담원이 사용자와 하나의 상담이 끝나고 다음 사용자와 상담을 이어가기 전에 가지는 휴식 시간을 결정한다.

상담원 상태 결정부(104)는 업무 패턴을 이용하여 상담원의 상태에 대한 제2 위험도를 결정한다(S420). 일 실시 예에서, 주파수가 높을수록 제2 위험도는 상대적으로 높고, 음성 속도가 빠를수록 제2 위험도는 상대적으로 높으며, 사용자와 상담원의 대화가 길수록 제2 위험도가 상대적으로 높고, 휴식 빈도가 낮을수록 제2 위험도는 상대적으로 높으며, 휴식 시간이 짧을수록 제2 위험도는 상대적으로 높다.

제2 위험도는 아래의 수학식 4에 의하여 결정될 수 있다.

상기 수학식 4에서, D2는 제2 위험도를 의미하고, C1은 상담원의 음성 고저를 의미하며, C2는 상담원의 음성 속도를 의미하고, C3는 상담원의 대화 시간을 의미하며, 및 C4는 휴식 빈도를 의미하고, C5는 휴식 시간을 의미하며, K1은 제1 보정계수, K2는 제2 보정계수를 의미한다.

제1 보정계수는, 사용자가 남성인 경우 100, 사용자가 여성인 경우 200의 값을 가지며, 제2 보정계수는 60의 값을 가진다.

제2 위험도가 높을수록 상담원이 사용자와의 상담 중에 불쾌감을 느낄 확률이 높을 것을 예측할 수 있으며, 제2 위험도가 낮을수록 상담원이 사용자와의 상담 중에 불쾌감을 느낄 확률이 낮음을 예측할 수 있다.

상담원 상태 결정부(104)는, 제2 상담원에 대응하는 제2 위험도가 기 설정된 기준 위험도 이상인 제2 상담원은 기 설정된 휴식 시간동안 휴식이 결정되고, 휴식 시간 이후 상담 업무를 재개한다(S430).

다시 도 3을 참조하면, 상담원 상태 결정부(104)는, 제1 위험도 및 제2 위험도에 기초하여, 제2 상담원의 스트레스 지수를 산출하는 기계학습모델을 생성한다(S500).

구체적으로, 상담원 상태 결정부(104)는 제1 위험도 및 제2 위험도에 기초하여, 제2 상담원의 스트레스 지수를 산출하는 기계학습모델을 생성한다. 일 실시 예에서, 제2 상담원의 스트레스 지수는, 사용자와의 상담이 불쾌할수록 높게 나오고, 사용자와의 상담이 편안할수록 낮은 값으로 출력된다.

일 실시 예에서, 제1 위험도 및 제2 위험도가 결정된 경우, 상담원 상태 결정부(104)는, 제1 위험도 및 제2 위험도를 미리 학습된 기계학습모델에 입력 값으로 입력하고, 기계학습모델로부터 제2 상담원의 스트레스 지수를 획득한다.

일 실시 예에서, 기계학습모델은 제2 상담원과 대응되는 제1 위험도 및 제2 위험도에 스트레스 지수를 라벨링하여 생성된 학습데이터를 포함하는 학습데이터 셋을 이용한 기계학습을 통해 생성될 수 있다. 예를 들어, Random Forest, Xgboost, 다중회귀분석 등이 기계학습모델의 학습에 사용될 수 있다.

획득된 스트레스 지수는, 제2 상담원이 사용자와의 상담 후 획득한 스트레스를 수치화한 것을 의미한다. 따라서, 스트레스 지수가 높은 제2 상담원은 휴식 시간을 부여하여 제2 상담원의 업무 효율을 향상시킬 수 있다.

한편, 도 8은 상담원과 사용자의 통화 내용에서 키워드를 추출하는 실시 예를 나타내는 개념도이다.

도 8을 참조하면, 본 발명은, 상담원과 사용자 각각의 통화 내용인 음성 입력을 텍스트로 변환하여, 상담원이 상담하는데 필요한 정보를 실시간으로 텍스트로 확인할 수 있다. 또한, 텍스트 속에서 상술한 바와 같이 키워드를 추출하고, 추출된 키워드를 이용하여 상담원이 상담에 필요한 정보를 검색하는 시간을 단축할 수 있다. 이로 인해, 상담원은 사용자인 고객과의 대화에만 집중하여 업무 정확성이 향상되며, 사용자인 고객도 기다림 없이 빠르게 문제점을 해결 할 수 있다.

도 9는 도 1에 따른 서비스 제공 장치(100)의 하드웨어 구성을 예시적으로 나타낸 도면이다.

도 9를 참조하면, 서비스 제공 장치(100)는, 적어도 하나의 프로세서(110) 및 상기 적어도 하나의 프로세서(110)가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.

상기 적어도 하나의 동작은 전술한 서비스 제공 장치(100)의 구성부들(101~104)이나 기타 기능 또는 동작 방법을 포함할 수 있다.

여기서 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다.

예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있고, 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.

또한, 장치(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 장치(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 장치(100)에 포함된 각각의 구성 요소들은 버스(bus, 170)에 의해 연결되어 서로 통신을 수행할 수 있다.

장치(100)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.

본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (6)

1. 사용자의 상태 및 상담원의 상태에 기초하여 사용자와 상담원을 매칭하는 콜센터 서비스를 제공하기 위한 장치로서,
   사용자 단말로부터 상기 사용자의 기본 정보 및 상담 정보를 수신하고, 수신한 기본 정보 및 상담 정보를 이용하여 미리 저장된 단어들 중에서 사용자의 키워드를 결정하는 키워드 추출부;
   상기 키워드 추출부가 결정한 상기 키워드에 대하여 상기 상담원의 대응빈도, 상기 사용자에 대한 상담원의 응답 속도, MBTI 및 고객 평점을 이용하여 상기 사용자에 대응되는 상담원을 매칭하는 상담원 매칭부;
   상기 사용자의 음성 고저, 음성 속도, 대화시간 및 반복어를 이용하여 상기 사용자의 상태에 대한 제1 위험도를 결정하는 사용자 상태 판단부; 및
   상기 상담원의 음성 고저, 음성 속도, 대화시간, 휴식 빈도 및 휴식 시간을 이용하여 상기 상담원의 상태에 대한 제2 위험도를 결정하는 상담원 상태 결정부를 포함하며,
   상기 키워드 추출부는,
   제1 상담원에 대한 상기 사용자의 음성 입력을 변환한 제1 텍스트 정보와 데이터 베이스에 주제에 따라 구분하여 저장된 단어들을 매칭시켜 중복되는 단어를 제1 단어로 결정하고, 상기 제1 단어 중 기 설정된 횟수 이상 반복되는 제2 단어를 추출하고, 상기 제1 상담원의 음성 입력을 변환한 제2 텍스트 정보 중 상기 제1 단어와 상기 데이터베이스에 동일한 주제로 분류되고, 기 설정된 횟수 이상 반복되는 제3 단어를 추출하고, 상기 제2 단어 및 상기 제3 단어를 이용하여 각 단어에 대응하는 추천도를 결정하고, 상기 추천도가 높은 단어를 사용자의 상기 키워드로 결정하며, 하기의 수학식에 기초하여 상기 추천도를 결정하고,
   

   

   
   상기 수학식에서, R은 추천도를 의미하고, WN은 상기 제2 단어 및 상기 제3 단어들 중 상위 N번째까지 많이 반복된 단어들의 개수를 의미하며, SW는 추출된 단어들 중 동일한 단어들을 의미하는,
   장치.
2. 삭제
3. 제1항에 있어서,
   상기 상담원 매칭부는,
   상기 제1 상담원에 이어서 상기 사용자와 상담을 이어가는 제2 상담원에 대응하는 매칭도를 결정하고,
   하기의 수학식에 기초하여 상기 매칭도를 결정하며,
   

   

   
   상기 수학식에서, M은 매칭도를 의미하고, N은 상담원의 응답 빈도, V는 상담원의 응답속도를 의미하며, S는 사용자와 상담원의 MBTI 유사도를 의미하고, P는 상담원의 고객 평점을 의미하며, K1은 제1 보정계수, K2는 제2 보정계수, K3는 제3 보정계수, K4는 제4 보정계수를 의미하는,
   장치.
4. 제3항에 있어서,
   상기 사용자 상태 판단부는,
   하기의 수학식에 기초하여 상기 제1 위험도를 결정하며,
   

   

   
   상기 수학식에서, D1은 제1 위험도를 의미하고, F1은 음성 고저를 의미하며, F2는 음성 속도를 의미하고, F3는 대화 시간을 의미하며, 및 F4는 대화 내용에 포함된 반복어의 개수를 의미하고, K1은 제1 보정계수를 의미하며, K2는 제2 보정계수를 의미하는,
   장치.
5. 제4항에 있어서,
   상기 상담원 상태 결정부는,
   하기의 수학식에 기초하여 상기 제2 위험도를 결정하며,
   

   

   
   상기 수학식에서, D2는 제2 위험도를 의미하고, C1은 상담원의 음성 고저를 의미하며, C2는 상담원의 음성 속도를 의미하고, C3는 상담원의 대화 시간을 의미하며, 및 C4는 휴식 빈도를 의미하고, C5는 휴식 시간을 의미하며, K1은 제1 보정계수를 의미하고, K2는 제2 보정계수를 의미하는,
   장치.
6. 제5항에 있어서,
   상기 상담원 상태 결정부(104)는,
   상기 제1 위험도 및 상기 제2 위험도를 미리 학습된 기계학습모델에 입력 값으로 입력하고, 상기 기계학습모델로부터 상기 제2 상담원의 스트레스 지수를 획득하고,
   상기 기계학습모델은 랜덤 포레스트(Random Forest) 알고리즘에 기초하여 기 학습되는,
   장치.

Images