KR102503260B1 - 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템 - Google Patents
고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템 Download PDFInfo
- Publication number
- KR102503260B1 KR102503260B1 KR1020220040781A KR20220040781A KR102503260B1 KR 102503260 B1 KR102503260 B1 KR 102503260B1 KR 1020220040781 A KR1020220040781 A KR 1020220040781A KR 20220040781 A KR20220040781 A KR 20220040781A KR 102503260 B1 KR102503260 B1 KR 102503260B1
- Authority
- KR
- South Korea
- Prior art keywords
- customer
- consultation
- treatment
- contents
- hospital
- Prior art date
Links
- 230000004044 response Effects 0.000 title claims abstract description 12
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 10
- 238000011282 treatment Methods 0.000 claims abstract description 153
- 238000010801 machine learning Methods 0.000 claims abstract description 57
- 230000036541 health Effects 0.000 claims abstract description 24
- 230000006872 improvement Effects 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000001356 surgical procedure Methods 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims abstract description 10
- 238000009223 counseling Methods 0.000 claims description 71
- 238000013515 script Methods 0.000 claims description 16
- 238000012790 confirmation Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 238000003058 natural language processing Methods 0.000 claims description 10
- 230000003862 health status Effects 0.000 claims description 8
- 230000007812 deficiency Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 2
- 231100000241 scar Toxicity 0.000 description 5
- 230000003796 beauty Effects 0.000 description 3
- 238000002316 cosmetic surgery Methods 0.000 description 3
- 238000013532 laser treatment Methods 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 1
- 206010015995 Eyelid ptosis Diseases 0.000 description 1
- 208000003251 Pruritus Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 201000003004 ptosis Diseases 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
본 발명은 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템에 관한 것으로서, 병원 상담사의 유선전화 및 핸드폰을 통해 상담하고 통화내용을 녹음파일로 저장하여 전송하는 전화상담기록부, 병원을 방문한 고객을 병원 상담사가 상담하고 상담내용을 기록하여 전송하는 내원상담기록부, 전화상담 및 내원상담을 받은 고객의 정보를 저장하는 상담고객리스트, 전화상담 및 내원상담을 받고 진료, 수술을 진행한 고객 정보 및 고객의 진료내역을 기록하는 고객진료정보기록부, 고객의 예약, 취소, 예약변경을 처리하며, 수술 또는 처방을 받은 후 주의사항, 건강 관련 정보, 다음 내원 시기에 대한 정보를 발송하는 사후관리부, 고객별 전화상담내용, 내원상담내용, 고객의 진료여부, 고객의 진료내역, 추가진료여부, 사후관리부가 처리 및 발송한 정보의 내용을 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 상담부족내용, 사후관리부족내용을 분석하는 고객이탈모델을 생성하는 고객이탈모델생성부 및 고객의 관심진료 내용에 따라 상기 고객이탈모델의 분석 내용을 모듈화하여 적용하는 고객개선사항적용부를 포함하여 구성된다.
Description
본 발명은 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템에 관한 것으로, 더욱 상세하게는 고객의 관심진료내용에 따라 상담내용과 사후관리내용을 개선하여 병원고객의 이탈을 방지하는 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템에 관한 것이다.
무한경쟁시대에 병원도 예외는 아니다. 환자·고객들에게 보다 나은 서비스를 제공하는 것이 경쟁력이다. 병원의 고객은 신규 고객과 기존 고객으로 구분된다. 병원 운영 특성상 신규 고객은 병원상황에 따라 다르겠지만 일반적으로 20~30% 정도가 지속적으로 유입되어야 병원 운영이 유지된다.
인터넷의 정보 제공 수준이 높아짐으로 인해 고객의 의료 지능이 높아지고, 그에 따라 고객이 병원과 의사 선택을 직접 하고 있다. 의사가 진료를 잘하는 것은 기본이며, 고객 접점 관리가 병원의 사업성과에 중요한 결정 요인으로 작용하게 되었다. 고객 접점 관리는 신규 고객 뿐만 아니라 기존 고객에게도 해당한다. 신규 고객이 전화 또는 내원하여 상담을 받을 때 고객이 만족할 수 있는 상담 서비스를 제공해야 한다. 기존에 진료를 받은 고객이 이탈하지 않도록 하는 사후관리 또한 아주 중요하다.
병원 고객 관리를 위한 종래의 선행기술로는 등록특허 제10-2228056호 '클라우드기반 병원고객관리 시스템'가 있다. 등록특허 제10-2228056호는 고객의 진료정보를 제공하는 전자차트 서버 고객 정보, 예약정보 및 알림정보를 제공하는 고객관리 서버, 상기 전자차트 서버와 상기 고객관리 서버로부터 상기 진료정보, 고객정보, 예약정보 및 알림정보를 수신하는 연동 서버, 상기 연동 서버와 동기화되어 상기 전자차트 서버와 상기 고객관리 서버로부터 상기 진료정보, 고객정보, 예약정보 및 알림정보를 포함하는 병원고객관리 정보를 관리 및 제공하는 클라우드 병원관리 서버, 상기 클라우드 병원관리 서버로부터 상기 병원고객관리 정보를 제공받고 상기 병원고객관리 정보의 관리 및 제공을 위한 제어 명령을 입력하는 관리자 단말 및 상기 클라우드 병원관리 서버로부터 예약정보를 포함하는 서비스를 제공받는 고객 단말을 포함하여 구성된다.
등록특허 제10-2228056호는 상담 예약 및 고객의 실시간 상담을 제공하고 있으나, 상담 내용을 분석하여 개선하는 방안에 대해서는 제안하지 않고 있다.
또 다른 선행기술로는 공개특허 제10-2020-0119986호 '병원 고객관리 시스템'이 있다. 공개특허 제10-2020-0119986호는 병원을 방문하는 환자의 인적사항을 관리하고 맞춤형 진료 스케줄을 생성하는 병원 고객관리 시스템에 있어서, 환자의 나이, 성별, 전화번호, 주소, 병명, 진료 사유를 포함한 인적정보를 데이터화 하여 저장하는 데이터통합모듈과, 인적정보를 빅데이터 분석하여 추후 발생할 수 있는 병증을 분석하는 딥러닝분석모듈과, 상기 딥러닝분석모듈의 결과를 수치화 및/또는 그래프화하여 결과정보 를 생성하는 결과제공모듈을 포함하는 서버부와, 상기 서버부와 연계되어 환자의 상담, 진료예약, 환자관리, 업 무지원을 포함하는 정보를 제공하는 코디단말기부 및 외래진료 가능 시간, 의사 부재사항, 이벤트 현황을 포함한 병원현황 정보를 제공하고, 상기 코디단말기부와 메시지를 송수신할 수 있으며, 진료 전후 주의사항 및 운동방법 을 포함한 관리사항을 전송받고, 예약희망 날짜 및 시간 정보를 상기 코디단말기부에 전송할 수 있는 고객단말기 부를 포함하여 구성된다.
공개특허 제10-2020-0119986호는 코디단말기부는 서버부와 연계되어 환자의 상담, 진료예약, 환자관리, 업무지원을 포함하는 정보를 제공하나, 상담 내용을 분석하여 개선하는 방안에 대해서는 제안하지 않고 있다.
본 발명은 상기와 같은 종래 기술의 문제점을 개선하기 위하여 발명된 것으로, 병원 상담사가 신규 고객과 전화상담하거나, 신규 고객이 병원을 방문하여 내원상담하면, 상담내용을 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 상담부족내용을 분석하여 신규 고객의 상담내용을 개선함으로써 신규 고객의 이탈을 방지하는 병원고객관리시스템을 제공하는 것을 목적으로 한다.
또한, 병원 상담사가 기존 고객과 전화상담하거나, 기존 고객이 병원을 방문하여 내원상담하면, 상담내용과 병원 서버에서 고객에게 발송한 정보를 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 사후관리부족내용을 분석하여 기존 고객의 이탈을 방지하는 병원고객관리시스템을 제공하는 것을 목적으로 한다.
상기와 같은 목적을 달성하기 위하여, 본 발명은 병원 상담사의 유선전화 및 핸드폰을 통해 상담하고 통화내용을 녹음파일로 저장하여 전송하는 전화상담기록부, 병원을 방문한 고객을 병원 상담사가 상담하고 상담내용을 기록하여 전송하는 내원상담기록부, 전화상담 및 내원상담을 받은 고객의 정보를 저장하는 상담고객리스트, 전화상담 및 내원상담을 받고 진료, 수술을 진행한 고객 정보 및 고객의 진료내역을 기록하는 고객진료정보기록부, 고객의 예약, 취소, 예약변경을 처리하며, 수술 또는 처방을 받은 후 주의사항, 건강 관련 정보, 다음 내원 시기에 대한 정보를 발송하는 사후관리부, 고객별 전화상담내용, 내원상담내용, 고객의 진료여부, 고객의 진료내역, 추가진료여부, 사후관리부가 처리 및 발송한 정보의 내용을 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 상담부족내용, 사후관리부족내용을 분석하는 고객이탈모델을 생성하는 고객이탈모델생성부 및 고객의 관심진료 내용에 따라 상기 고객이탈모델의 분석 내용을 모듈화하여 적용하는 고객개선사항적용부를 포함한다.
그리고 상기 전화상담기록부가 전송한 녹음파일을 기계학습을 통해 고객과 상담원을 분리하여 고객의 녹음파일과 상담원의 녹음파일을 각각 생성하고, 고객과 상담원의 녹음파일을 텍스트 스크립트로 변환하는 음성인식부 및 상기 음성인식부가 변환한 고객과 상담원의 텍스트 스크립트에 대해 기계학습 기반의 자연어처리엔진을 이용하여 형태소 분석 및 구문 분석을 수행하고 문장 단위로 나누고 불필요한 단어를 제거하여 의미있는 단어들만 고객별 전화상담내용으로 추출하고, 상기 내원상담기록부가 전송한 고객의 텍스트 스크립트에 대해 기계학습 기반의 자연어처리엔진을 이용하여 형태소 분석 및 구문 분석을 수행하고 문장 단위로 나누고 불필요한 단어를 제거하여 의미있는 단어들만 고객별 내원상담내용으로 추출하는 상담내용추출부를 더 포함한다.
또한 상담내용추출부가 추출한 고객별 전화상담내용을 고객의 상태, 관심진료내용, 고객에 대한 질문, 병원서비스 안내 항목으로 카테고리별로 분류하고, 고객별 내원상담내용을 고객의 상태, 관심진료내용, 병원서비스 안내, 진료후 후속관리 안내, 진료예약안내 항목으로 카테고리별로 분류하여 저장하는 상담내용카테고리분류부를 더 포함하고, 상기 고객이탈모델은 상담내용카테고리분류부가 분류한 카테고리 항목을 기계학습하여 고객의 관심진료내용에 따라 상담부족내용이 어떤 카테고리 항목인지 분석한다.
여기서 상기 고객이탈모델은 상담내용카테고리분류부가 분류한 카테고리 항목을 기계학습하여 고객이 전화상담시 상담부족내용이 어떤 카테고리 항목인지 분석하고, 고객이 내원상담시 상담부족내용이 어떤 카테고리 항목인지 분석하며, 고객이 전화상담과 내원상담을 모두 하는 경우 상담부족내용이 어떤 카테고리 항목인지 분석한다.
또한 상기 고객이탈모델은 고객이 전화상담과 내원상담을 모두 받은 경우 내원상담에만 추가로 있는 카테고리 항목에 대해 가중치를 더 높게 조정하여 기계학습한다.
또한 상기 고객이탈모델은 고객이 전화상담과 내원상담을 모두 받은 경우 상기 상담내용카테고리분류부가 분류하여 저장한 전화상담내용의 카테고리별로 저장 항목의 개수를 카운트하여 비율이 높은 카테고리 항목에 대해 가중치를 높게 하여 기계학습한다.
한편, 상기 고객이탈모델생성부는 고객별 전화상담내용, 내원상담내용, 고객의 진료여부, 사후관리부가 처리 및 발송한 정보의 내용을 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 상담부족내용을 분석하는 고객사전이탈모델을 생성하고, 고객별 전화상담내용, 내원상담내용, 고객의 추가진료여부, 고객의 진료내역, 사후관리부가 처리 및 발송한 정보의 내용을 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 사후관리부족내용을 분석하는 고객사후이탈모델을 생성한다.
나아가 기존 진료 고객에 대해서는 고객별 내원상담내용을 진료 후 건강상태변화체크, 진료불편사항을 카테고리에 추가 항목으로 분류하여 저장하는 카테고리추가분류부, 고객의 기존 진료 내용에 따라 건강상태가 개선되어야 하는 시기를 확인하는 상태개선시기확인부 및 카테고리추가분류부가 분류하여 저장한 내용 중 건강상태에 변화가 없거나, 건강상태에 문제가 있고, 상태개선시기확인부에서 확인한 결과 해당 고객의 진료 내용에 따라 건강상태가 개선되어야 하는 시기가 지났는지 확인하는 진료문제확인부를 더 포함하고, 상기 고객이탈모델은 상담내용카테고리분류부가 분류한 카테고리 항목과 카테고리추가분류부가 분류한 추가 항목과 상기 사후관리부에서 발송한 정보를 기계학습하여 고객의 관심진료내용에 따라 사후관리부족내용이 어떤 카테고리 항목인지 분석하되, 상기 진료문제확인부에서 건강상태가 개선되어야 하는 시기가 지난 것으로 확인되면 건강상태변화체크 항목에 대해 가중치를 더 높게 조정하여 기계학습한다.
상기와 같은 구성의 본 발명에 따르면, 다음과 같은 효과가 있다.
고객의 관심진료 내용에 따라 신규 고객의 상담내용을 모듈화하여 맞춤형으로 제공하여 신규 고객이 상담 후 병원에서 이탈하는 것을 방지한다. 또한 기존 고객의 상담내용을 모듈화하고 사후관리내용을 모듈화 함으로써 기존 고객이 타 병원으로 옮겨가지 않고 계속하여 진료를 받을 수 있도록 케어한다.
신규 고객과 기존 고객을 동일한 방식으로 상담하지 않을 뿐만 아니라 고객의 관심진료내용에 따라 맞춤형 상담을 제공함으로써, 고객 만족도를 최상으로 유지한다.
이와 같은 차별화된 고객 대응 서비스를 제공함으로써 의료진은 진료에 더욱 집중할 수 있고, 병원의 수익성을 극대화 할 수 있다.
도 1은 본 발명의 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템의 구성 예시도,
도 2는 본 발명에 따라 병원 상담사의 컴퓨터, 태블릿, 휴대폰에서 동작하는 기능 블록도,
도 3은 본 발명에 따라 병원관리서버에서 동작하는 기능 블록도
도 2는 본 발명에 따라 병원 상담사의 컴퓨터, 태블릿, 휴대폰에서 동작하는 기능 블록도,
도 3은 본 발명에 따라 병원관리서버에서 동작하는 기능 블록도
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시 예를 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 실시 예로 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.
본 명세서에서 본 실시 예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.
그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
따라서, 몇몇 실시 예에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.
또한, 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하고, 본 명세서에서 사용된(언급된) 용어들은 실시 예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함하며, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.
또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참고로 본 발명의 바람직한 실시 예에 대하여 설명한다.
도 1 내지 도 3을 참고하여 본 발명을 자세하게 설명한다.
고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템(1000)은 전화상담기록부(100), 내원상담기록부(150), 상담고객리스트(200), 고객진료정보기록부(250), 사후관리부(300), 고객이탈모델생성부(350), 고객개선사항적용부(400), 음성인식부(450), 상담내용추출부(500), 상담내용카테고리분류부(550), 카테고리추가분류부(600), 상태개선시기확인부(650), 진료문제확인부(700)를 포함한다.
전화상담기록부(100)는 병원 상담사의 유선전화(930) 및 핸드폰(920)을 통해 상담하고 통화내용을 녹음파일로 저장하고 병원관리서버(800)에 전송한다. 전화상담기록부(100)는 병원 상담사의 컴퓨터(910)에 설치되어 유선전화(930)로 통화한 내용을 녹음파일로 저장하며, 휴대폰(920)에도 설치되어 휴대폰(920)으로 통화한 내용을 녹음파일로 저장한다. 병원관리서버(800)는 여러 병원의 상담내용을 분석하여 각 병원별로 맞춤형 분석 내용을 모듈화하여 적용한다.
내원상담기록부(150)는 병원을 방문한 고객을 병원 상담사가 상담하고 상담내용을 기록하여 병원관리서버(800)에 전송한다. 내원상담기록부(150)는 병원 상담사가 고객과 대면하면서 상담하는 내용을 기록하는 것으로서 병원 상담사의 컴퓨터(910)나 태블릿 PC(940) 등에 설치되어 동작하며, 상담사가 키보드 입력 또는 터치펜 등으로 입력한다.
상담고객리스트(200)는 전화상담 및 내원상담을 받은 고객의 정보를 저장한다. 상담고객리스트(200)는 병원관리서버(800)에서 동작하며, 상담사가 전화상담 후 입력한 고객의 정보와 상담사가 내원상담 후 입력한 고객의 이름, 전화번호, 관심진료내용 등을 수신하여 저장한다.
고객진료정보기록부(250)는 병원관리서버(800)에서 동작하며 전화상담 및 내원상담을 받고 진료, 수술을 진행한 고객 정보 및 고객의 진료내역을 상담사가 컴퓨터(910)나 태블릿 PC(940)에서 입력하면 수신하여 저장한다.
사후관리부(300)는 병원관리서버(800)에서 동작하며 고객의 예약, 취소, 예약변경을 처리한다. 그리고 수술 또는 처방을 받은 후 주의사항, 고객에 관련된 건강 관련 정보, 다음 내원 시기에 대한 정보를 고객의 휴대폰으로 발송한다.
고객이탈모델생성부(350)는 고객별 전화상담내용, 내원상담내용, 고객의 진료여부, 고객의 진료내역, 추가진료여부, 사후관리부가 처리 및 발송한 정보의 내용을 변수로 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 상담부족내용, 사후관리부족내용을 분석하는 고객이탈모델(360)을 생성한다.
성형외과, 피부과 등 병원에 따라 고객 진료항목은 다양하다. 성형외과의 경우 고객 진료항목은 트임성형, 눈매교정, 눈밑성형, 눈성형, 지방제거 등이 있으며, 피부과의 경우 고객 진료항목은 피부미용, 레이저시술, 점제거, 주름제거, 모공, 흉터치료 등이 있다. 고객의 관심진료내용은 병원의 진료항목에 따라 다양하다.
상담부족내용은 신규 고객이 전화상담, 내원상담을 하는 경우 고객별 관심진료내용에 잘 대응하지 못하여 상담이 부족한 항목을 말한다. 사후관리부족내용은 병원에 방문하여 진료를 받은 기존 고객이 전화상담, 내원상담을 하는 경우 고객별 관심진료내용에 잘 대응하지 못하여 상담이 부족한 항목과 병원관리서버(800)의 사후관리부(300)에서 기존 고객의 핸드폰으로 발송하는 수술 또는 처방을 받은 후 주의사항, 고객에 관련된 건강 관련 정보, 다음 내원 시기에 대한 정보 발송 항목이 충분히 안내되지 못하여 부족한 것을 말한다.
고객마다 성형외과의 여러 진료항목 중 원하는 진료항목이 다르고, 피부과의 여러 진료항목 중 원하는 진료항목은 다르다. 고객이탈모델생성부(350)는 고객이 관심을 가지는 진료내용에 따라 병원측이 신규 고객 상담을 세심하게 잘 했는지, 기존 고객 상담을 세심하게 잘 했는지 그리고 고객에게 휴대폰으로 정보제공 및 안내를 잘 했는지 분석하여 어떠한 경우에 신규 고객 및 기존 고객이 이탈하는지 분석하여 개선점을 추출한다.
고객이탈모델생성부(350)는 기계학습(Machine Learning) 알고리즘으로 신경망모델, 서포트벡터머신, 의사결정나무모형, 로지스틱회귀모형 등 다양한 머신러닝 알고리즘 중 하나를 선택하여 학습하고 최적의 고객이탈모델(360)을 생성한다.
고객개선사항적용부(400)는 병원관리서버(800)에서 동작하며 고객의 관심진료 내용에 따라 고객이탈모델(360)의 분석 내용을 모듈화하여 병원 상담사의 컴퓨터(910), 휴대폰(920), 태블릿 PC(940)에 설치된 앱으로 전송하여 반영시킨다. 상담사가 전화상담 및 내원상담을 할 때 앱을 실행하여 상담을 하며, 앱은 관심진료내용이 피부미용인 고객과 흉터치료인 고객에 대해 서로 다른 맞춤형 상담 항목을 디스플레이 한다. 상담사는 앱에서 제공하는 맞춤형 상담 항목을 보면서 고객 상담을 진행할 수 있다. 고객의 관심진료 내용에 따라 맞춤형 상담 및 사후관리를 제공하여 고객 만족도를 높임으로써 신규 고객 및 기존 고객의 이탈을 방지하는 점이 본 발명의 특징이다.
음성인식부(450)는 전화상담기록부(100)가 전송한 녹음파일을 기계학습을 통해 고객과 상담원을 분리하여 고객의 녹음파일과 상담원의 녹음파일을 각각 생성하고, 고객과 상담원의 녹음파일을 텍스트 스크립트로 변환한다.
상담내용추출부(500)는 음성인식부(450)가 변환한 고객과 상담원의 텍스트 스크립트에 대해 기계학습 기반의 자연어처리엔진을 이용하여 먼저 공백, 특수기호 등을 제거하는 전처리를 수행한 후 스크립트의 문자열을 분석해 형태소라는 최소 의미 단위로 분리하는 형태소 분석(Morphological Analysis)과 품사 태깅을 통해 적절한 단위로 분석하는 구문 분석(Syntax Analysis)을 수행하고 문장 단위로 나누고 불필요한 단어를 제거하여 의미있는 단어들만 고객별 전화상담내용으로 추출한다.
상담내용추출부(500)는 내원상담기록부(150)가 전송한 고객의 텍스트 스크립트에 대해 기계학습 기반의 자연어처리엔진을 이용하여 먼저 공백, 특수기호 등을 제거하는 전처리를 수행한 후 스크립트의 문자열을 분석해 형태소라는 최소 의미 단위로 분리하는 형태소 분석과 품사 태깅을 통해 적절한 단위로 분석하는 구문 분석을 수행하고 문장 단위로 나누고 불필요한 단어를 제거하여 의미있는 단어들만 고객별 내원상담내용으로 추출한다.
여기서 불필요한 단어들을 제거하여 의미있는 단어들만 고객별 전화상담내용으로 추출하고, 고객별 내원상담내용으로 추출하는 것은 감탄사, 박수, 기침, 고의적인 침묵 시간 등을 말한다.
상담내용카테고리분류부(550)는 상담내용추출부(500)가 추출한 고객별 전화상담내용을 기계학습엔진의 데이터분류 기술을 이용하여 고객의 상태, 관심진료내용, 고객에 대한 질문, 병원서비스 안내 항목으로 카테고리별로 분류한다. 상담내용카테고리분류부(550)는 고객별 내원상담내용을 기계학습엔진의 데이터분류 기술을 이용하여 고객의 상태, 관심진료내용, 병원서비스 안내, 진료후 후속관리 안내, 진료예약안내 항목으로 카테고리별로 분류하여 저장한다. 고객이탈모델(360)은 상담내용카테고리분류부(550)가 분류한 카테고리 항목을 기계학습하여 고객의 관심진료내용에 따라 상담부족내용이 어떤 카테고리 항목인지 분석한다.
여기서 고객의 상태는 '얼굴에 열이 난다', '피부가 안좋다', '얼굴이 가렵다' 등이 해당하고, 관심진료내용은 '피부미용', '레이저시술' 등이 해당할 수 있다. 고객에 대한 질문은 상담사가 고객의 상태나 어떤 진료를 원하는지 묻는 것을 말하며, 병원서비스 안내 항목은 병원에서 진료하는 기본 항목에 대한 안내이다. 진료 후 후속관리 안내 특정 진료 후 고객의 사후관리를 위한 서비스를 말한다. 기계학습엔진의 데이터분류 기술을 이용하면 전화상담내용 및 내원상담내용에서 이러한 내용에 대한 카테고리 분류가 가능하다.
고객이탈모델(360)은 상담내용카테고리분류부(550)가 분류한 카테고리 항목을 기계학습하여 고객의 관심진료내용에 따라 상담부족내용이 어떤 카테고리 항목인지 분석한다. 예를 들어, 피부과의 경우 고객 진료항목은 피부미용, 레이저시술, 점제거, 주름제거, 모공, 흉터치료 등이 있으며, 피부과에 전화상담 또는 내원상담을 하는 A 고객은 모공에 관심이 있고, B 고객은 피부미용에 관심이 있다고 하면, 각 고객의 관심진료내용에 따라 상담을 구체적이고 자세하게 해주어야 다른 병원으로 가지 않고 해당 병원에서 진료를 받는 경우가 있는가 하면, 상담 내용이 구체적이고 자세하지 않고 기본적인 상담만 해도 해당 병원에서 진료를 받는 경우가 있다. 즉, 고객이탈모델(360)은 상담내용카테고리분류부(550)가 분류한 카테고리 항목을 기계학습하여 고객의 관심진료내용에 따라 어떤 카테고리의 항목에 대해서 자세하게 상담을 하지 않을 때 고객이 진료를 받지 않고 다른 병원으로 이탈하는지를 분석한다.
고객이탈모델(300)은 상담내용카테고리분류부(550)가 분류한 카테고리 항목을 기계학습하여 고객이 전화상담시 상담부족내용이 어떤 카테고리 항목인지 분석하고, 고객이 내원상담시 상담부족내용이 어떤 카테고리 항목인지 분석한다.
고객이탈모델(300)은 고객이 전화상담과 내원상담을 모두 하는 경우 상담부족내용이 어떤 카테고리 항목인지 분석한다. 고객이 전화상담이나 내원상담만 하는 경우와 다르게 전화상담 후 내원상담까지 하는 경우는 전화상담과 내원상담에서 중복되는 카테고리 항목 보다 내원상담에서 더 구체적으로 다룰 수 있는 항목에 더 중점을 두어 분석한다. 즉, 고객이 전화상담 후 내원상담까지 했는데도 고객이 이탈한다면 내원상담에서 어떤 카테고리 항목의 상담이 부족했는지를 분석할 수 있다.
고객이탈모델(300)은 고객이 전화상담과 내원상담을 모두 받은 경우 내원상담에만 추가로 있는 카테고리 항목에 대해 가중치를 더 높게 조정하여 기계학습한다. 고객이 전화상담 후 내원상담까지 받은 경우는 전화상담에서 문제가 없었거나 만족했기 때문에 내원을 하여 상담을 받은 것이기 때문에 내원상담에만 추가로 있는 상담 카테고리 항목에 가중치를 더 높게 두어 기계학습하고 어떠한 진료내용에 따라 고객이 이탈하는지를 분석할 수 있다.
고객이탈모델(300)은 고객이 전화상담과 내원상담을 모두 받은 경우 상담내용카테고리분류부(550)가 분류하여 저장한 전화상담내용의 카테고리별로 저장 항목의 개수를 카운트하여 비율이 높은 카테고리 항목에 대해 가중치를 높게 하여 기계학습한다. 예를 들어, 고객의 상태, 관심진료내용, 고객에 대한 질문, 병원서비스 안내 항목, 진료후 후속관리 안내, 진료예약안내 각 항목에 저장된 항목의 개수를 카운트한다. 상담내용카테고리분류부(550)는 상담내용추출부(500)가 추출한 고객별 전화상담내용 및 내원상담내용을 기계학습엔진의 데이터분류 기술을 이용하여 항목별로 분류하며, 동일하거나 유사한 단어 그리고 동일하거나 유사한 문장은 중복하여 저장하지 않고, 의미가 다른 단어, 의미가 다른 문장에 대해서는 동일한 카테고리에 누적하여 저장한다. 피부질환 상담을 받는 고객에게 상담원이 다양한 종류의 질문을 하면 고객에 대한 질문 항목에 누적하여 저장되고 누적된 질문의 개수를 카운트하며, 관심진료내용에 피부과의 여러 진료 항목이 저장된 경우 누적된 관심진료내용의 개수를 카운트한다. 전화상담내용 및 내원상담내용의 전체 카테고리에 대해 저장 항목의 개수를 서로 다를 것이며 각 저장 항목의 개수를 카운트하여 전체에서 비율이 일정 수준 이상을 차지하는 카테고리 항목에 대해서는 가중치를 1.5 배 내외로 높게 설정하여 기계학습한다.
고객이탈모델생성부(350)는 고객별 전화상담내용, 내원상담내용, 고객의 진료여부, 사후관리부(300)가 처리 및 발송한 정보의 내용을 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 상담부족내용을 분석하는 고객사전이탈모델(361)을 생성한다. 고객사전이탈모델(361)은 신규 고객이 상담을 받고 진료하지 않는 경우를 분석하는 모델이다.
그리고 고객이탈모델생성부(350)는 고객별 전화상담내용, 내원상담내용, 고객의 추가진료여부, 고객의 진료내역, 사후관리부가 처리 및 발송한 정보의 내용을 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 사후관리부족내용을 분석하는 고객사후이탈모델(362)을 생성한다. 고객사후이탈모델(362)은 진료를 받은 기존 고객이 추가진료 또는 후속진료를 받지 않는 경우를 분석하는 모델이다. 고객사후이탈모델(362)은 고객별 전화상담내용 및 내원상담내용 뿐만 아니라 사후관리부(300)가 진료를 받은 고객의 휴대폰으로 발송하는 고객 주의사항, 고객 관련 건강정보, 다음 내원시기 등의 내용을 기계학습하여 병원측의 사후관리부족내용을 분석한다. 고객의 관심진료내용에 따라 고객이 사후관리 주의 항목으로 받고 싶어하는 항목은 다르다. 사후관리항목으로 발송되는 내용 중에 어떤 항목이 있을 때 고객이 이탈하지 않는지, 어떤 항목이 빠졌을 때 고객이 이탈하는지도 추가로 분석한다.
카테고리추가분류부(600)는 기존 진료 고객에 대해서는 고객별 내원상담내용을 진료 후 건강상태변화체크, 진료불편사항을 카테고리에 추가 항목으로 분류하여 저장한다. 카테고리추가분류부(600)는 기계학습엔진의 데이터분류 기술을 이용하여 기존 진료 고객이 내원 상담받은 내용에서 건강상태변화체크, 진료불편사항도 있는지 확인하여 추가 항목으로 분류한다.
상태개선시기확인부(650)는 고객의 기존 진료 내용에 따라 건강상태 또는 시술 후 고객상태가 개선되어야 하는 시기를 확인한다. 고객이 모공치료를 받은 경우와 흉터치료를 받은 경우는 상태가 개선되어야 하는 시기가 다르다. 고객의 진료 내용에 따라 건강상태 또는 시술 후 고객상태가 개선되어야 하는 시기를 확인한다.
진료문제확인부(700)는 카테고리추가분류부(600)가 분류하여 저장한 내용 중 건강상태 또는 시술 후 고객상태에 변화가 없거나, 건강상태 또는 시술 후 고객상태에 문제가 있고, 상태개선시기확인부(650)에서 확인한 결과 해당 고객의 진료 내용에 따라 건강상태 또는 시술 후 고객상태가 개선되어야 하는 시기가 지났는지 확인한다. 예를 들어, 흉터치료를 받은 고객이라면 2~3개월이 경과한 시점에 고객상태가 개선되어야 하나 2~3개월이 지나도 고객상태에 변화가 없다면 문제가 있는 것이다. 고객의 진료내용에 따라 건강상태 또는 시술 후 고객상태가 개선되어야 하는 시기는 다르며, 시술 후 고객상태에 아직 변화가 없다고 하더라도 고객상태가 개선되어야 하는 시기가 아직 안지났다면 문제가 있는 것이 아니다.
고객이탈모델(360)은 상담내용카테고리분류부(550)가 분류한 카테고리 항목과 카테고리추가분류부(600)가 분류한 추가 항목과 사후관리부(300)에서 발송한 정보를 기계학습하여 고객의 관심진료내용에 따라 사후관리부족내용이 어떤 카테고리 항목인지 분석하되, 진료문제확인부(700)에서 건강상태가 개선되어야 하는 시기가 지난 것으로 확인되면 건강상태변화체크 항목에 대해 가중치를 더 높게 조정하여 기계학습하고, 고객이 시술 후 상태가 개선되지 않아서 이탈한 것인지를 분석할 수 있다.
본 발명은 신규 고객의 전화상담, 내원상담을 분석하고, 기존 고객의 전화상담, 내원상담 및 사후관리 내용을 분석하여 상담항목 중 어떤 항목이 부족할 때, 즉, 고객들의 관심진료내용에 따라 어떤 부분에서 세심하게 상담하지 못하거나 사후관리하지 못할 때 고객이 이탈하는지를 학습하여 분석한다. 분석된 내용을 모듈화하여 병원의 상담시스템 개선에 적용함으로써 고객의 이탈을 방지하고 병원의 수익성을 극대화시킬 수 있는 점은 기존에 없는 차별화된 모델이다.
지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시할 수 있으므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다.
그리고, 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 특정되는 것이며, 특허청구 범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100...전화상담기록부 150...내원상담기록부
200...상담고객리스트 250...고객진료정보기록부
300...사후관리부 350...고객이탈모델생성부
360...고객이탈모델 361...고객사전이탈모델
362...고객사후이탈모델 400...고객개선사항적용부
450...음성인식부 500...상담내용추출부
550...상담내용카테고리분류부 600...카테고리추가분류부
650...상태개선시기확인부 700...진료문제확인부
800...병원관리서버 910...상담사 컴퓨터
920...상담사 휴대폰 930...상담사 유선전화
940...상담사 태블릿 1000...병원고객관리시스템
200...상담고객리스트 250...고객진료정보기록부
300...사후관리부 350...고객이탈모델생성부
360...고객이탈모델 361...고객사전이탈모델
362...고객사후이탈모델 400...고객개선사항적용부
450...음성인식부 500...상담내용추출부
550...상담내용카테고리분류부 600...카테고리추가분류부
650...상태개선시기확인부 700...진료문제확인부
800...병원관리서버 910...상담사 컴퓨터
920...상담사 휴대폰 930...상담사 유선전화
940...상담사 태블릿 1000...병원고객관리시스템
Claims (8)
- 병원 상담사의 유선전화 및 핸드폰을 통해 상담하고 통화내용을 녹음파일로 저장하여 전송하는 전화상담기록부;
병원을 방문한 고객을 병원 상담사가 상담하고 상담내용을 기록하여 전송하는 내원상담기록부;
전화상담 및 내원상담을 받은 고객의 정보를 저장하는 상담고객리스트;
전화상담 및 내원상담을 받고 진료, 수술을 진행한 고객 정보 및 고객의 진료내역을 기록하는 고객진료정보기록부;
고객의 예약, 취소, 예약변경을 처리하며, 수술 또는 처방을 받은 후 주의사항, 건강 관련 정보, 다음 내원 시기에 대한 정보를 발송하는 사후관리부;
고객별 전화상담내용, 내원상담내용, 고객의 진료여부, 고객의 진료내역, 추가진료여부, 사후관리부가 처리 및 발송한 정보의 내용을 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 상담부족내용, 사후관리부족내용을 분석하는 고객이탈모델을 생성하는 고객이탈모델생성부;
고객의 관심진료 내용에 따라 상기 고객이탈모델의 분석 내용을 모듈화하여 적용하는 고객개선사항적용부;
상기 전화상담기록부가 전송한 녹음파일을 기계학습을 통해 고객과 상담원을 분리하여 고객의 녹음파일과 상담원의 녹음파일을 각각 생성하고, 고객과 상담원의 녹음파일을 텍스트 스크립트로 변환하는 음성인식부;
상기 음성인식부가 변환한 고객과 상담원의 텍스트 스크립트에 대해 기계학습 기반의 자연어처리엔진을 이용하여 형태소 분석 및 구문 분석을 수행하고 문장 단위로 나누고 불필요한 단어를 제거하여 의미있는 단어들만 고객별 전화상담내용으로 추출하고, 상기 내원상담기록부가 전송한 고객의 텍스트 스크립트에 대해 기계학습 기반의 자연어처리엔진을 이용하여 형태소 분석 및 구문 분석을 수행하고 문장 단위로 나누고 불필요한 단어를 제거하여 의미있는 단어들만 고객별 내원상담내용으로 추출하는 상담내용추출부; 및
상담내용추출부가 추출한 고객별 전화상담내용을 고객의 상태, 관심진료내용, 고객에 대한 질문, 병원서비스 안내 항목으로 카테고리별로 분류하고, 고객별 내원상담내용을 고객의 상태, 관심진료내용, 병원서비스 안내, 진료후 후속관리 안내, 진료예약안내 항목으로 카테고리별로 분류하여 저장하는 상담내용카테고리분류부;를 포함하고,
상기 고객이탈모델은 상담내용카테고리분류부가 분류한 카테고리 항목을 기계학습하여 고객의 관심진료내용에 따라 상담부족내용이 어떤 카테고리 항목인지 분석하며,
상기 고객이탈모델은 고객이 전화상담과 내원상담을 모두 받은 경우 내원상담에만 추가로 있는 카테고리 항목에 대해 가중치를 더 높게 조정하여 기계학습하는 것을 특징으로 하는 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템.
- 삭제
- 삭제
- 청구항 1에 있어서,
상기 고객이탈모델은 상담내용카테고리분류부가 분류한 카테고리 항목을 기계학습하여 고객이 전화상담시 상담부족내용이 어떤 카테고리 항목인지 분석하고, 고객이 내원상담시 상담부족내용이 어떤 카테고리 항목인지 분석하며, 고객이 전화상담과 내원상담을 모두 하는 경우 상담부족내용이 어떤 카테고리 항목인지 분석하는 것을 특징으로 하는 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템.
- 삭제
- 병원 상담사의 유선전화 및 핸드폰을 통해 상담하고 통화내용을 녹음파일로 저장하여 전송하는 전화상담기록부;
병원을 방문한 고객을 병원 상담사가 상담하고 상담내용을 기록하여 전송하는 내원상담기록부;
전화상담 및 내원상담을 받은 고객의 정보를 저장하는 상담고객리스트;
전화상담 및 내원상담을 받고 진료, 수술을 진행한 고객 정보 및 고객의 진료내역을 기록하는 고객진료정보기록부;
고객의 예약, 취소, 예약변경을 처리하며, 수술 또는 처방을 받은 후 주의사항, 건강 관련 정보, 다음 내원 시기에 대한 정보를 발송하는 사후관리부;
고객별 전화상담내용, 내원상담내용, 고객의 진료여부, 고객의 진료내역, 추가진료여부, 사후관리부가 처리 및 발송한 정보의 내용을 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 상담부족내용, 사후관리부족내용을 분석하는 고객이탈모델을 생성하는 고객이탈모델생성부;
고객의 관심진료 내용에 따라 상기 고객이탈모델의 분석 내용을 모듈화하여 적용하는 고객개선사항적용부;
상기 전화상담기록부가 전송한 녹음파일을 기계학습을 통해 고객과 상담원을 분리하여 고객의 녹음파일과 상담원의 녹음파일을 각각 생성하고, 고객과 상담원의 녹음파일을 텍스트 스크립트로 변환하는 음성인식부;
상기 음성인식부가 변환한 고객과 상담원의 텍스트 스크립트에 대해 기계학습 기반의 자연어처리엔진을 이용하여 형태소 분석 및 구문 분석을 수행하고 문장 단위로 나누고 불필요한 단어를 제거하여 의미있는 단어들만 고객별 전화상담내용으로 추출하고, 상기 내원상담기록부가 전송한 고객의 텍스트 스크립트에 대해 기계학습 기반의 자연어처리엔진을 이용하여 형태소 분석 및 구문 분석을 수행하고 문장 단위로 나누고 불필요한 단어를 제거하여 의미있는 단어들만 고객별 내원상담내용으로 추출하는 상담내용추출부; 및
상담내용추출부가 추출한 고객별 전화상담내용을 고객의 상태, 관심진료내용, 고객에 대한 질문, 병원서비스 안내 항목으로 카테고리별로 분류하고, 고객별 내원상담내용을 고객의 상태, 관심진료내용, 병원서비스 안내, 진료후 후속관리 안내, 진료예약안내 항목으로 카테고리별로 분류하여 저장하는 상담내용카테고리분류부;를 포함하고,
상기 고객이탈모델은 상담내용카테고리분류부가 분류한 카테고리 항목을 기계학습하여 고객의 관심진료내용에 따라 상담부족내용이 어떤 카테고리 항목인지 분석하며,
상기 고객이탈모델은 고객이 전화상담과 내원상담을 모두 받은 경우 상기 상담내용카테고리분류부가 분류하여 저장한 전화상담내용의 카테고리별로 저장 항목의 개수를 카운트하여 비율이 높은 카테고리 항목에 대해 가중치를 높게 하여 기계학습하는 것을 특징으로 하는 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템.
- 청구항 1에 있어서,
상기 고객이탈모델생성부는,
고객별 전화상담내용, 내원상담내용, 고객의 진료여부, 사후관리부가 처리 및 발송한 정보의 내용을 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 상담부족내용을 분석하는 고객사전이탈모델을 생성하고,
고객별 전화상담내용, 내원상담내용, 고객의 추가진료여부, 고객의 진료내역, 사후관리부가 처리 및 발송한 정보의 내용을 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 사후관리부족내용을 분석하는 고객사후이탈모델을 생성하는 것을 특징으로 하는 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템.
- 병원 상담사의 유선전화 및 핸드폰을 통해 상담하고 통화내용을 녹음파일로 저장하여 전송하는 전화상담기록부;
병원을 방문한 고객을 병원 상담사가 상담하고 상담내용을 기록하여 전송하는 내원상담기록부;
전화상담 및 내원상담을 받은 고객의 정보를 저장하는 상담고객리스트;
전화상담 및 내원상담을 받고 진료, 수술을 진행한 고객 정보 및 고객의 진료내역을 기록하는 고객진료정보기록부;
고객의 예약, 취소, 예약변경을 처리하며, 수술 또는 처방을 받은 후 주의사항, 건강 관련 정보, 다음 내원 시기에 대한 정보를 발송하는 사후관리부;
고객별 전화상담내용, 내원상담내용, 고객의 진료여부, 고객의 진료내역, 추가진료여부, 사후관리부가 처리 및 발송한 정보의 내용을 기계학습(Machine Learning)하여 고객의 관심진료내용에 따라 병원측의 상담부족내용, 사후관리부족내용을 분석하는 고객이탈모델을 생성하는 고객이탈모델생성부;
고객의 관심진료 내용에 따라 상기 고객이탈모델의 분석 내용을 모듈화하여 적용하는 고객개선사항적용부;
상기 전화상담기록부가 전송한 녹음파일을 기계학습을 통해 고객과 상담원을 분리하여 고객의 녹음파일과 상담원의 녹음파일을 각각 생성하고, 고객과 상담원의 녹음파일을 텍스트 스크립트로 변환하는 음성인식부;
상기 음성인식부가 변환한 고객과 상담원의 텍스트 스크립트에 대해 기계학습 기반의 자연어처리엔진을 이용하여 형태소 분석 및 구문 분석을 수행하고 문장 단위로 나누고 불필요한 단어를 제거하여 의미있는 단어들만 고객별 전화상담내용으로 추출하고, 상기 내원상담기록부가 전송한 고객의 텍스트 스크립트에 대해 기계학습 기반의 자연어처리엔진을 이용하여 형태소 분석 및 구문 분석을 수행하고 문장 단위로 나누고 불필요한 단어를 제거하여 의미있는 단어들만 고객별 내원상담내용으로 추출하는 상담내용추출부;
상담내용추출부가 추출한 고객별 전화상담내용을 고객의 상태, 관심진료내용, 고객에 대한 질문, 병원서비스 안내 항목으로 카테고리별로 분류하고, 고객별 내원상담내용을 고객의 상태, 관심진료내용, 병원서비스 안내, 진료후 후속관리 안내, 진료예약안내 항목으로 카테고리별로 분류하여 저장하는 상담내용카테고리분류부;를 포함하고,
상기 고객이탈모델은 상담내용카테고리분류부가 분류한 카테고리 항목을 기계학습하여 고객의 관심진료내용에 따라 상담부족내용이 어떤 카테고리 항목인지 분석하며,
기존 진료 고객에 대해서는 고객별 내원상담내용을 진료 후 건강상태변화체크, 진료불편사항을 카테고리에 추가 항목으로 분류하여 저장하는 카테고리추가분류부;
고객의 기존 진료 내용에 따라 건강상태가 개선되어야 하는 시기를 확인하는 상태개선시기확인부; 및
카테고리추가분류부가 분류하여 저장한 내용 중 건강상태에 변화가 없거나, 건강상태에 문제가 있고, 상태개선시기확인부에서 확인한 결과 해당 고객의 진료 내용에 따라 건강상태가 개선되어야 하는 시기가 지났는지 확인하는 진료문제확인부;를 더 포함하고,
상기 고객이탈모델은 상담내용카테고리분류부가 분류한 카테고리 항목과 카테고리추가분류부가 분류한 추가 항목과 상기 사후관리부에서 발송한 정보를 기계학습하여 고객의 관심진료내용에 따라 사후관리부족내용이 어떤 카테고리 항목인지 분석하되, 상기 진료문제확인부에서 건강상태가 개선되어야 하는 시기가 지난 것으로 확인되면 건강상태변화체크 항목에 대해 가중치를 더 높게 조정하여 기계학습하는 것을 특징으로 하는 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220040781A KR102503260B1 (ko) | 2022-03-31 | 2022-03-31 | 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220040781A KR102503260B1 (ko) | 2022-03-31 | 2022-03-31 | 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102503260B1 true KR102503260B1 (ko) | 2023-02-23 |
Family
ID=85329871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220040781A KR102503260B1 (ko) | 2022-03-31 | 2022-03-31 | 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102503260B1 (ko) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101824242B1 (ko) * | 2017-07-11 | 2018-01-31 | 농협은행(주) | 상담품질 전수평가 장치 |
| KR20200021162A (ko) * | 2018-08-20 | 2020-02-28 | 주식회사 부뜰정보시스템 | 상담원의 상담내용을 기반으로 상담 챗봇을 학습하는 시스템 및 방법 |
| KR20200119986A (ko) | 2019-04-11 | 2020-10-21 | 주식회사 마케팅위너 | 병원 고객관리 시스템 |
| KR20200125526A (ko) * | 2019-04-26 | 2020-11-04 | (주)아크릴 | 인공 신경망을 이용한 상담 서비스 품질 보증 방법과 상기 방법을 수행할 수 있는 컴퓨터 프로그램 |
| KR102216685B1 (ko) * | 2020-08-11 | 2021-02-17 | 주식회사 메먼트 | 클리닉 매니저 서비스 플랫폼 및 이를 제공하는 시스템 |
| KR102228056B1 (ko) | 2018-08-31 | 2021-03-16 | 주식회사 투곰스 | 클라우드기반 병원고객관리 시스템 |
| KR20210118634A (ko) * | 2020-03-23 | 2021-10-01 | 주식회사 베스트브라더스 | 데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법 |
| KR102327011B1 (ko) * | 2021-01-19 | 2021-11-16 | 주식회사 엔터프라이즈블록체인 | 상담 품질 향상 방법 및 장치 |
-
2022
- 2022-03-31 KR KR1020220040781A patent/KR102503260B1/ko active IP Right Grant
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101824242B1 (ko) * | 2017-07-11 | 2018-01-31 | 농협은행(주) | 상담품질 전수평가 장치 |
| KR20200021162A (ko) * | 2018-08-20 | 2020-02-28 | 주식회사 부뜰정보시스템 | 상담원의 상담내용을 기반으로 상담 챗봇을 학습하는 시스템 및 방법 |
| KR102228056B1 (ko) | 2018-08-31 | 2021-03-16 | 주식회사 투곰스 | 클라우드기반 병원고객관리 시스템 |
| KR20200119986A (ko) | 2019-04-11 | 2020-10-21 | 주식회사 마케팅위너 | 병원 고객관리 시스템 |
| KR20200125526A (ko) * | 2019-04-26 | 2020-11-04 | (주)아크릴 | 인공 신경망을 이용한 상담 서비스 품질 보증 방법과 상기 방법을 수행할 수 있는 컴퓨터 프로그램 |
| KR20210118634A (ko) * | 2020-03-23 | 2021-10-01 | 주식회사 베스트브라더스 | 데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법 |
| KR102216685B1 (ko) * | 2020-08-11 | 2021-02-17 | 주식회사 메먼트 | 클리닉 매니저 서비스 플랫폼 및 이를 제공하는 시스템 |
| KR102327011B1 (ko) * | 2021-01-19 | 2021-11-16 | 주식회사 엔터프라이즈블록체인 | 상담 품질 향상 방법 및 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11120509B2 (en) | Predictive model segmentation platform | |
| KR102217457B1 (ko) | 채팅로봇이 탑재되어 고객의 니즈에 따라 의료상담이 가능한 채팅 서비스 제공 시스템 | |
| US10832803B2 (en) | Automated system and method for improving healthcare communication | |
| EP3811245A1 (en) | Systems and methods for mental health assessment | |
| US20140122109A1 (en) | Clinical diagnosis objects interaction | |
| US20220405313A1 (en) | Augmenting user responses to queries | |
| WO2020074903A1 (en) | Methods, systems and apparatus for improved therapy delivery and monitoring | |
| WO2022174161A1 (en) | Systems and methods for psychotherapy using artificial intelligence | |
| US10825558B2 (en) | Method for improving healthcare | |
| Boateng | Towards real-time multimodal emotion recognition among couples | |
| KR102503260B1 (ko) | 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템 | |
| KR102507809B1 (ko) | 공감대 형성을 통한 심리 치료용 인공지능 대화 시스템 | |
| Bandopadhyay et al. | Speech Recognition and Neural Networks based Talking Health Care Bot (THCB): Medibot | |
| Qin | Research on the application of intelligent speech recognition technology in medical big data fog computing system | |
| KR102314332B1 (ko) | 머신러닝 자연어 처리를 활용한 의사-환자의 진료상담 지원 시스템 및 방법 | |
| Dammavalam et al. | AI Based Chatbot for Hospital Management System | |
| Amari et al. | Multimodal analysis of client persuasion in consulting interactions: toward understanding successful consulting | |
| KR20220149927A (ko) | 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법 | |
| Rajapakshe et al. | Sinhala conversational interface for appointment management and medical advice | |
| Mallios et al. | E-IATROS—a virtual medical doctor and its dialogue systems: features, emotion, learning | |
| CN109036582A (zh) | 一种支持即时语音咨询家庭医生的系统及方法 | |
| Ferrari et al. | Using Voice and Biofeedback to Predict User Engagement during Product Feedback Interviews | |
| US20220101985A1 (en) | Efficiently scheduling referral appointments | |
| CN113421651B (zh) | 一种叙事护理过程的数据干预与自适应调节系统与方法 | |
| US20240062877A1 (en) | System and method for providing mental and behavioural health services |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |