TWI714090B - 機器人電話行銷系統及其計算機裝置與回應訊息產生方法 - Google Patents

Abstract

一種用於機器人電話行銷系統之回應訊息產生方法包含：由一電話裝置，接收來自一受話方的一受話方訊息；由一計算機裝置，透過分析該受話方訊息從多個預設標籤中確定與該受話方訊息對應的一個目標標籤；由該計算機裝置，確定與該目標標籤對應的一目標回應模式；由該計算機裝置，根據該目標回應模式，產生一回應訊息；以及，由該電話裝置，傳送該回應訊息給該受話方以回應該受話方訊息。

Description

機器人電話行銷系統及其計算機裝置與回應訊息產生方法

本發明的實施例涉及一種機器人電話行銷系統。更具體而言，本發明的實施例涉及一種能夠提升受話方意願之機器人電話行銷系統。

既有電話行銷需高度倚賴電話行銷人員進行銷售，電話行銷人員必須透過電話逐一接觸資料庫中之客戶名單，且銷售過程中經常遭遇客戶(受話方)拒絕或提問，因此必須花費相當多時間處理受話方的疑慮、介紹產品特色，藉此提升受話方意願。然而，電話行銷人員養成不易，除了專業知識之外，還必須具備高度挫折容忍度以及靈活銷售話術技巧，才能協助受話方了解自身需求與產品內容，進而完成交易。

機器人電話行銷技術被預期能夠減輕電話行銷人員的上述負擔，惟因其核心技術至今尚未成熟。舉例而言，對於電話行銷來說，最終目的都是希望能夠和受話方完成交易，但不同於電話行銷人員，傳統的機器人電話行銷技術並不具有提升受話方意願之能力。有鑒於此，如何賦予機器人電話行銷技術提升受話方意願之能力，將是本發明所屬技術領域中一項亟需被解決的問題。

為了解決至少上述的問題，本發明的實施例提供了一種機器人電話行銷系統。該機器人電話行銷系統可包含一電話裝置與一計算機裝置，該電話裝置與該計算機裝置電性連接。該電話裝置可用以接收來自一受話方的一受話方訊息，並傳送一回應訊息給該受話方以回應該受話方訊息。該計算機裝置可用以透過分析該受話方訊息從多個預設標籤中確定與該受話方訊息對應的一個目標標籤，確定與該目標標籤對應的一目標回應模式，以及根據該目標回應模式，產生該回應訊息。

為了解決至少上述的問題，本發明的實施例還提供了一種用於一機器人電話行銷系統之計算機裝置。該計算機裝置可包含一通訊介面與一處理器，該通訊介面與該處理器電性連接。該通訊介面可用以接收來自一電話裝置的一受話方訊息，並傳送一回應訊息給該電話裝置以回應該受話方訊息。該處理器可用以透過分析該受話方訊息從多個預設標籤中確定與該受話方訊息對應的一個目標標籤，確定與該目標標籤對應的一目標回應模式，以及根據該目標回應模式產生該回應訊息。

為了解決至少上述的問題，本發明的實施例還提供了一種用於一機器人電話行銷系統之回應訊息產生方法。該方法可包含以下步驟：由一電話裝置，接收來自一受話方的一受話方訊息；由一計算機裝置，透過分析該受話方訊息從多個預設標籤中確定與該受話方訊息對應的一個目標標籤；由該計算機裝置，確定與該目標標籤對應的一目標回應模式；由該計算機裝置，根據該目標回應模式，產生一回應訊息；以及由該電話裝置，傳送該回應訊息給該受話方以回應該受話方訊息。

在本發明的實施例中，機器人電話行銷系統可經由機器學習，預先定義多種預設標籤，以及設定分別與這些預設標籤所對應的多個回應模式。舉例而言，如以下實施例，機器人電話行銷系統可透過分析歷史通話記錄的各種受話方訊息與回應訊息，在各種預設標籤底下，預先設定能夠提升受話方意願的最佳回應模式。如此，當接收到受話方訊息之後，機器人電話行銷便可藉由分析受話方訊息確定受話方訊息所對應的目標標籤，然後確定與該目標標籤對應的目標回應模式，並使用這個能夠提升受話方意願的目標回應模式產生相對應的回應訊息。

以上內容並非為了限制本發明，而只是概括地敘述了本發明可解決的技術問題、可採用的技術手段以及可達到的技術功效，以讓本發明所屬技術領域中具有通常知識者初步地瞭解本發明。根據檢附的圖式及以下的實施方式所記載的內容，本發明所屬技術領域中具有通常知識者便可進一步瞭解本發明的各種實施例的細節。

如下所示：

1‧‧‧機器人電話行銷系統

11‧‧‧電話裝置

13‧‧‧計算機裝置

131‧‧‧處理器

133‧‧‧通訊介面

135‧‧‧儲存器

DB‧‧‧話術資料庫

CP‧‧‧受話方

M1‧‧‧受話方訊息

M2‧‧‧回應訊息

MU1‧‧‧話術設計模組

MU2‧‧‧語音轉文字模組

MU3‧‧‧意圖判斷模組

MU4‧‧‧文字轉語音模組

TTG‧‧‧目標標籤

PTG‧‧‧預設標籤

ORMD‧‧‧原始回應模式

TRMD‧‧‧目標回應模式

HCR‧‧‧歷史通話記錄

2‧‧‧話術設計流程

201、203、205、207、209、211、213‧‧‧處理

3‧‧‧電話行銷流程

301、303、305‧‧‧處理

4‧‧‧語音轉文字流程

401、403、405、407‧‧‧處理

5‧‧‧意圖判斷流程

501、503、505、507、509‧‧‧處理

6、6a、6b‧‧‧文字轉語音流程

601、603、605、607‧‧‧處理

7‧‧‧回應訊息產生方法

701、703、705、707、709‧‧‧步驟

第1圖例示了根據某些實施例的一種機器人電話行銷系統的示意圖。

第2圖例示了根據某些實施例第1圖所示的話術設計模組進行話術設計流程的示意圖。

第3圖例示了根據某些實施例第1圖所示的機器人電話行銷系統進行電話行銷流程的示意圖。

第4圖例示了根據某些實施例第1圖所示的語音轉文字(speech-to-text，STT)模組進行語音轉文字流程的示意圖。

第5圖例示了根據某些實施例第1圖所示的意圖判斷模組進行意圖判斷流程的示意圖。

第6圖例示了根據某些實施例第1圖所示的文字轉語音(text-to-speech，TTS)模組進行文字轉語音流程的示意圖。

第7圖例示了根據某些實施例的一種用於一機器人電話行銷系統之回應訊息產生方法的示意圖。

以下將透過多個實施例來說明本發明，惟這些實施例並非用以限制本發明只能根據所述操作、環境、應用、結構、流程或步驟來實施。與本發明非直接相關的元件並未繪示於圖式中，但可隱含於圖式中。於圖式中，各元件(element)的尺寸以及各元件之間的比例僅是範例，而非用以限制本發明。除了特別說明之外，在以下內容中，相同(或相近)的元件符號可對應至相同(或相近)的元件。在可被實現的情況下，如未特別說明，以下所述的每一個元件的數量可以是一個或多個。

本揭露使用之用語僅用於描述實施例，並不意圖限制本發明。除非上下文另有明確說明，否則單數形式「一」也旨在包括複數形式。「包括」、「包含」等用語指示所述特徵、整數、步驟、操作、元素及/或元件的存在，但並不排除一或多個其他特徵、整數、步驟、操作、元素、元件及/或前述之組合之存在。用語「及/或」包含一或多個相關所列項目的任何及所有的組合。儘管本揭露使用「第一」、「第二」、「第三」等用語來描述各種元件，但是這些元件不應受到所述用語的限制。所述用語僅用於將一個元素與另一個元素區分開。舉例而言，在不脫離本發明的精神和範圍的情況 下，「第一」元件也可以稱為「第二」元件。

為了便於說明，以下將以保險電話行銷作為範例。然而，本發明並不限於只能在保險電話行銷這樣的環境下實施，且能夠在其他類別的行銷環境下實施，例如但不限於：金融、醫療、消費性產品等等。

第1圖例示了根據某些實施例的一種機器人電話行銷系統的示意圖。第1圖所示內容僅是為了舉例說明本發明的實施例，而非為了限制本發明。

參照第1圖，機器人電話行銷系統1可包含彼此電性連接(直接電性連接或間接電性連接)的一電話裝置11與一計算機裝置13。計算機裝置13可包含一處理器131、一通訊介面133與一儲存器135，且處理器131、通訊介面133與儲存器135彼此相互電性連接(直接電性連接或間接電性連接)。

處理器131可以是各種具備資料處理功能的微處理器(microprocessor)或微控制器(microcontroller)。微處理器或微控制器是一種可程式化的特殊積體電路，其具有運算、儲存、輸出/輸入等能力，且可接受並處理各種編碼指令，藉以進行各種邏輯運算與算術運算，並輸出相應的運算結果。在某些實施例中，處理器131可包含話術設計模組MU1、語音轉文字模組MU2、意圖判斷模組MU3、文字轉語音模組MU4，且每一個模組可以是由硬體(例如各種積體電路)、軟體(例如各種程式、演算法)、或二者所組成。在處理器131中，上述各個模組彼此之間可以傳遞各種指令與資料。

通訊介面133可包含一般計算機裝置/電腦內所具備的各種 輸入/輸出元件，用以接收來自外部的資料以及輸出資料至外部。通訊介面133可包含例如但不限於：乙太網路(Ethernet)介面、互聯網(Internet)介面、電信(telecommunication)介面、通用序列匯流排(Universal Serial Bus，USB)介面等。通訊介面133可作為在計算機裝置13與電話裝置11傳遞訊號的橋樑。

儲存器135可用以儲存計算機裝置13所產生的資料或由外部傳入的各種資料。儲存器135可包含第一級記憶體(又稱主記憶體或內部記憶體)，且處理器131可直接讀取儲存在第一級記憶體內的指令集，並在需要時執行這些指令集。儲存器135可選擇性地包含第二級記憶體(又稱外部記憶體或輔助記憶體)，且此記憶體可透過資料緩衝器將儲存的資料傳送至第一級記憶體。舉例而言，第二級記憶體可以是但不限於：硬碟、光碟等。儲存器135還可選擇性地包含第三級記憶體，亦即，可直接插入或自電腦拔除的儲存裝置，例如隨身硬碟。於某些實施例中，基於處理器131的運算，儲存器135可用以儲存目標標籤TTG、預設標籤PTG、原始回應模式ORMD、目標回應模式TRMD、以及歷史通話記錄HCR等資料。

電話裝置11可以是各種具有可將聲音訊號轉換為電子訊號或光訊號的發射器(例如，麥克風)以及將電子訊號或光訊號還原為聲音訊號的接收器(例如，耳機)的裝置。根據不同的定義或應用，電話裝置11可以例如是：固網電話、無線電話(例如，類比無線電話、數位無線電話)、行動電話(例如，個人手持式電話系統(Personal Handy-phone System，PHS)、智慧型手機)、或網路電話等。電話裝置11可用以接收受話方CP提供的受話方訊息M1，以及傳送回應訊息M2給該受話方CP以回應該受話方訊息M1。

受話方(Called party)CP可以是各種具有語音或文字通訊能力的人或設備。為了電話行銷，機器人電話行銷系統1可透過電話裝置11撥號至受話方CP以與受話方CP進行通話，且在通話過程中，機器人電話行銷系統1可透過電話裝置11接收來自受話方CP的每一筆(或某筆)受話方訊息M1，透過計算機裝置13分析每一筆(或某筆)受話方訊息M1產生相對應的回應訊息M2，以及透過電話裝置11傳送相對應的回應訊息M2給該受話方CP以回應各筆受話方訊息M1。

在機器人電話行銷系統1進行電話行銷之前，計算機裝置13可預先進行機器學習，包含透過話術設計模組MU1在儲存器135中建立一話術資料庫DB，以記錄多個預設標籤PTG與多個目標回應模式TRMD之間的關聯性，其中每一個預設標籤PTG對應到一個目標回應模式TRMD。在進行電話行銷的過程中，計算機裝置13便可根據話術資料庫DB產生用以回應各筆受話方訊息M1的回應訊息M2。

第2圖例示了根據某些實施例第1圖所示的話術設計模組MU1進行話術設計流程的示意圖。第2圖所示內容僅是為了舉例說明本發明的實施例，而非為了限制本發明。

參見第2圖，話術設計流程2可包含預先儲存多筆歷史通話記錄HCR(標示為處理201)，其中每一筆歷史通話記錄HCR可包含先前由銷售人員或由機器人電話行銷系統1向至少一受話方銷售特定產品之通話記錄。歷史通話記錄HCR可以是文字資料或是語音資料，而若歷史通話記錄HCR是語音資料，可先透過一語音轉文字流程(例如語音轉文字模組MU2)將其轉換為文字資料。

話術設計模組MU1可針對每一筆歷史通話記錄HCR進行自然語言處理。詳言之，每一筆歷史通話記錄HCR可包含一或複數訊息，而話術設計模組MU1可將每筆歷史通話記錄HCR中的每個訊息進行斷詞，並產生詞向量矩陣(標示為處理203)。舉例而言，話術設計模組MU1可透過各種斷詞演算法將每個訊息進行斷詞(Segmentation)處理，例如但不限於：最大正向匹配法(Maximum Matching Method)、逆向最大匹配法(Reverse Maximum Matching Method)、基於字標註的分詞法等。在將每筆歷史通話記錄HCR中的每個訊息進行斷詞的過程中，話術設計模組MU1可根據預設的產品與服務專業術語、產品與服務資料等內容建置一產品與服務用語詞典。接著，話術設計模組MU1可針對經過斷詞處理後的歷史通話記錄HCR進行詞向量處理(例如，執行Word2Vec演算法)，以針對產品與服務用語詞典產生一詞向量矩陣。

詞向量矩陣是透過量化的方式呈現每一個詞語在語義上的數學結構，包含不同詞語之間的相關性。舉例而言，在某些實施例中，涉及保險的產品與服務用語詞典的詞向量矩陣可以如(表一)所示：

其中，「白內障」一詞可以表示為具有n個維度的向量，即〔0.512674, 0.921358,...,0.001458〕，而「預算」一詞也可以表示為具有n個維度的向量，即〔0.856211,0.301425,...,0.158613〕，以此類推。維度n是可調整的，在某些實施例中，n可以被預設為介於200至500之間的一自然數。

繼續參照第2圖，在建立詞向量矩陣後，話術設計模組MU1便可根據詞向量矩陣，將歷史通話記錄HCR中的每個訊息分類為歷史受話方訊息或歷史回應訊息(標示為處理205)。詳言之，根據上述的產品與服務用語詞典的詞向量矩陣，話術設計模組MU1可透過將各詞進行集群分析(clustering analysis)計算出各詞之間的相關性，並將語意相近、出現頻率相似的詞語歸類至同一詞集群，並針對各詞集群(word cluster)設定一個相對應的對話標籤，以產生如(表二)所示的詞集群與對話標籤之對應關係，其中對話標籤的類別與數量可以是預先決定的，也可以是話術設計模組MU1藉由這些歷史訊息的內容而動態決定的。可選擇地，每一個對話標籤還可以包含一或多個子對話標籤，用以與每一個詞集群中的一或多個特定詞語相對應。舉例而言，對話標籤「受話方快拒」可包含「已經有保險」、「對產品無意願」、「受話方不方便接聽」、「委婉拒絕」、「強烈拒絕」、「無法理解回應內容」等子對話標籤。

根據這些對話標籤，話術設計模組MU1便可以將歷史通話記錄HCR中的每個訊息分類為歷史受話方訊息或歷史回應訊息。於某些實施例中，若每一筆歷史通話記錄HCR都只包含受話方訊息或回應訊息，則可不需由話術設計模組MU1來進行所述分類(即，處理205可被省略)。

在每一筆歷史通話記錄HCR的每個訊息都被分類為歷史受話方訊息或歷史回應訊息後，話術設計模組MU1可為每個歷史受話方訊息貼上一預設標籤PTG(標示為處理207)。舉例而言，若某一個歷史受話方訊息中出現與某一詞集群中相同的詞語，話術設計模組MU1便可將與該詞集群相對應的對話標籤本身或該對話標籤底下的子對話標籤，設定為與該歷史受話方訊息相對應的預設標籤PTG。

在某些實施例中，可以將與歷史受話方訊息相對應的預設標籤PTG分類為以下三種：「負面意願」、「正面意願」、以及「意願不明」。舉例而言，可將「已經有保險」、「對產品無意願」、「受話方不方便接聽」、「委婉拒絕」、「強烈拒絕」等預設標籤PTG歸類為「負面意願」，可將「受話方聽不懂」、「受話方無回應」等預設標籤PTG歸類為「意願不明」，且將「詢問產品細節」、「對產品有意願」等預設標籤PTG歸類為「正面意願」。

同樣地，在每一筆歷史通話記錄HCR的每個訊息都被分類 為歷史受話方訊息或歷史回應訊息後，話術設計模組MU1還可確定每個歷史回應訊息的原始回應模式ORMD(標示為處理209)。詳言之，話術設計模組MU1可藉由分析每一筆歷史回應訊息的內容，確定其屬於哪一種原始回應模式ORMD。原始回應模式ORMD的類別與數量可以是預先決定，也可以是話術設計模組MU1藉由分析這些歷史回應訊息的內容而動態決定的。在某些實施例中，舉例而言，原始回應模式ORMD可包含以下其中一個或其組合：「附和」、「反駁」、「說明」、「回答」、「提問」。舉例而言，當一歷史回應訊息為「我了解很多人有跟您一樣的想法」時，則話術設計模組MU1可確定該歷史回應訊息所屬的原始回應模式ORMD是「附和」。另舉例而言，當一歷史回應訊息為「每年國人罹患癌症的機率是...」時，則話術設計模組MU1可確定該歷史回應訊息所屬的原始回應模式ORMD是「說明」。又舉例而言，當一歷史回應訊息為「我的回答是...，但你有沒有買過...」時，則話術設計模組MU1可確定該歷史回應訊息所屬的原始回應模式ORMD是「回答」加上「提問」。

在為每個歷史受話方訊息貼上一預設標籤PTG以及確定歷史回應訊息的原始回應模式ORMD之後，話術設計模組MU1可在各個預設標籤PTG底下，針對所有相對應的原始回應模式ORMD計算衡量指標(標示為處理211)。詳言之，在分析多筆歷史通話記錄HCR後，每個預設標籤PTG可以對應到至少一種原始回應模式ORMD，而話術設計模組MU1可以針對每一種原始回應模式ORMD計算出一個衡量指標。在某些實施例中，可選擇地，話術設計模組MU1在各個預設標籤PTG底下，還可根據不同的預設受話方屬性來針對所有相對應的原始回應模式ORMD計算衡量指標。預設受話 方屬性的類別與數量可以預先決定，例如但不限於：受話方的年齡、性別、職業、收入、產品購買記錄等。

舉例而言，如(表三)所示，在考慮受話方屬性的情況下，話術設計模組MU1可在「已經有保險」這個預設標籤PTG底下，針對與屬性A相對應的所有原始回應模式ORMD計算衡量指標(例如，指標A1、A2、A3、A4)，且針對與屬性B相對應的所有原始回應模式ORMD計算衡量指標(例如，指標B1、B2)。衡量指標可以是量化衡量指標、質化衡量指標或其組合。

當衡量指標是量化衡量指標時，話術設計模組MU1可以根據以下因素其中至少一個計算該多個衡量指標：完整歷史通話時間、歷史通話結果(例如是否完成交易)、在歷史回應訊息之後的剩餘歷史通話時間、以及在歷史通話中出現受話方具有非正面意願(即，負面意願、以及意願不 明)的訊息的次數等。當考量多個因素時，還可預先設定這些因素的權重，然後根據這些因素及其權重計算該多個衡量指標。

當衡量指標是質化衡量指標時，話術設計模組MU1可以透過比對歷史受話方訊息與預設的詞語(例如：包含不耐煩情緒相關的關鍵字、質疑情緒相關的關鍵字、投訴相關的關鍵字等)，判斷歷史受話方是否具有不耐煩情緒、質疑情緒、或投訴行為。舉例而言，質化衡量指標的判斷因素可包含：客戶是否有產生不耐煩情緒用詞之回應(如：絕對不要再打電話給我了)；客戶是否有產生質疑情緒用詞之回應(如：你怎麼會知道我的電話)；以及客戶表達要投訴主管機關之回應(如：我要投訴金管會)。當考量多個因素時，還可預先設定這些因素的權重，然後根據這些因素及其權重計算該多個衡量指標。

在處理211之後，話術設計模組MU1可以在各個預設標籤PTG底下，將具有最佳衡量指標的原始回應模式ORMD選為目標回應模式TRMD(標示為處理213)。以(表三)為例，假設衡量指標是「在歷史回應訊息之後的剩餘歷史通話時間」，且「指標A1」、「指標A2」、「指標A3」、「指標A4」分別是「162.21秒」、「124.15秒」、「52.08秒」、「33.22秒」，則話術設計模組MU1可將與「指標A1」相對應的原始回應模式ORMD選為目標回應模式TRMD。這是因為，剩餘歷史通話時間越長，則表示該歷史受話方願意繼續通話的意願越高，這也就表示受話方的購買意願越高。在任一個預設標籤PTG底下存在多筆屬於同一原始回應模式ORMD的歷史回應訊息的情況下，話術設計模組MU1針對該原始回應模式ORMD所計算的衡量指標可以是根據這些歷史回應訊息所計算的一個平均衡量指標。

在話術設計模組MU1針對每一個預設標籤PTG選擇一個對應的目標回應模式TRMD之後，可將每一個預設標籤PTG與目標回應模式TRMD的對應關係儲存至儲存器135，藉此建立話術資料庫DB。在某些實施例中，話術資料庫DB還可記錄與各個目標回應模式TRMD相對應的複數歷史回應訊息。舉例而言，話術資料庫DB可以包含如(表四)所示的資料與對應關係：

第3圖例示了根據某些實施例第1圖所示的機器人電話行銷系統1進行電話行銷流程的示意圖。第3圖所示內容僅是為了舉例說明本發明的實施例，而非為了限制本發明。

參照第3圖，在電話行銷流程3中，首先可由電話裝置11撥號至一受話方CP(標示為處理301)以向受話方CP請求通話。接著，可判斷受話方CP是否接聽該通話(標示為處理303)。若受話方CP未接聽該通話，則結束行銷流程3。若受話方CP接聽該通話，則機器人電話行銷系統1可開始行銷處理(標示為處理305)。在處理305中，機器人電話行銷系統1可以根據一預設的行銷模式(例如但不限於依序進行：銷售開場說明、產品重點介紹、產品說明、轉由銷售人員進行後續人工銷售流程)對受話方CP進行產品的銷售。在收話方CP接聽該通話到掛斷該通電話之間(也就是在處理305之中的任何時間點)，每當接收到來自受話方CP之一個受話方訊息M1，則計算機裝置13可依序進行以下流程：語音轉文字流程4、意圖判斷流程5、以及文 字轉語音流程6，藉以產生對應該受話方訊息M1的回應訊息M2。

第4圖例示了根據某些實施例第1圖所示的語音轉文字模組MU2進行語音轉文字流程4的示意圖，第5圖例示了根據某些實施例第1圖所示的意圖判斷模組MU3進行意圖判斷流程5的示意圖，以及第6圖例示了根據某些實施例第1圖所示的文字轉語音模組MU4進行文字轉語音流程6的示意圖。第4圖至第6圖所示內容僅是為了舉例說明本發明的實施例，而非為了限制本發明。

參見第4圖，在語音轉文字流程4中，首先可接收來自受話方CP的受話方訊息M1，其中受話方訊息M1是一語音訊息(標示為處理401)。接著，可由語音轉文字模組MU2提取語音訊息中的特徵參數(標示為處理403)。可選擇地，在從語音訊息中提取特徵參數之前，語音轉文字模組MU2還可先對該語音訊息進行訊號處理，以降低各種雜訊或干擾。接著，語音轉文字模組MU2可根據預定的聲學模型(例如，隱藏式馬爾可夫模型)產生與該語音訊息相對應的文字訊息(標示為處理405)。可以透過例如透過神經網路技術與各種可用的語音資料庫來建立該聲學模型。最後，語音轉文字模組MU2可將該文字訊息傳送至意圖判斷模組MU3(標示為處理407)。

除了上述語音轉文字流程，語音轉文字模組MU2也可以採用其他已知的語音轉文字技術來將該語音訊息轉為文字訊息。

參見第5圖，在意圖判斷流程5中，首先可由意圖判斷模組MU3接收語音轉文字模組MU2所提供的文字訊息(標示為處理501)。在接收該文字訊息之後，意圖判斷模組MU3可透過分析該文字訊息，而從多個預設標籤PTG中確定與該文字訊息對應的目標標籤TTG(標示為處理503)。 舉例而言，意圖判斷模組MU3可透過關鍵字比對來確定與該文字訊息對應的目標標籤TTG，也就是，先將該文字訊息進行斷詞處理，並根據各種布林邏輯(例如，AND、OR、NOT等)的組合和字串距離等設定，將該文字訊息中的詞語(即斷詞)與儲存器135中所儲存的歷史通話記錄HCR中的歷史受話方訊息的詞語進行相似性比對，然後根據比對的結果，確定與該文字訊息對應的目標標籤TTG。另舉例而言，意圖判斷模組MU3也可透過自然語言處理來確定與該文字訊息對應的目標標籤TTG，也就是，透過如同話術設計模組MU1分析歷史通話記錄HCR所用之方法(即，包含斷詞、產生詞向量矩陣、集群分析、歸類等處理)，來確定與該文字訊息對應的目標標籤TTG。自然語言處理可以採用例如循環神經網路(Recurrent Neural Network，RNN)、長短期記憶網路(Long Short Term Memory Network，LSTM)等神經網路演算法。於某些實施例，意圖判斷模組MU3可透過關鍵字比對和自然語言處理二者來確定與該文字訊息對應的目標標籤TTG。可選擇地，於某些實施例中，在確定與該文字訊息對應的目標標籤TTG的過程中，意圖判斷模組MU3還可根據與該文字訊息對應的目標標籤TTG，一併識別出受話方CP的意願。

在處理503之後，意圖判斷模組MU3可選擇直接進行處理507，或是先進行處理505，然後再進行處理507。在處理505中，意圖判斷模組MU3可決定是否結束通話(標示為處理505)。詳言之，意圖判斷模組MU3可分析該文字訊息的結果(例如，與該文字訊息對應的目標標籤TTG及/或受話方CP的意願)以決定是否結束該通話。舉例而言，若分析該文字訊息的結果呈現了「強烈拒絕」，意圖判斷模組MU3則可決定結束該通話。另舉 例而言，若分析該文字訊息的結果屬於「負面」的次數超過一預設門檻值(例如，三次)，也可結束此通話。

若意圖判斷模組MU3判斷不結束此通話，則可接著確定與在處理503中所確定的目標標籤TTG對應的目標回應模式TRMD(標示為處理507)。詳言之，意圖判斷模組MU3可從話術資料庫DB中找到與該目標標籤TTG對應的目標回應模式TRMD。在考量受話方CP的受話方屬性的情況下，意圖判斷模組MU3可先從該話術資料庫DB中找出該目標標籤TTG，然後根據受話方CP的受話方屬性，在該目標標籤TTG底下找出相對應的目標回應模式TRMD。

在確定該目標回應模式TRMD之後，意圖判斷模組MU3可根據該目標回應模式TRMD，產生並傳送一文字訊息傳送至聲音訊息回應模組(標示為處理509)。每一個原始回應模式ORMD可以對應到複數預設的文字訊息(例如歷史通話記錄HCR中的歷史受話方訊息)，意圖判斷模組MU3可以指定或隨機選擇該複數文字訊息中的一個，並將該文字訊息傳送至文字轉語音模組MU4。

參見第6圖，在文字轉語音流程6中，文字轉語音模組MU4可以進行文字轉語音流程6a或文字轉語音流程6b。文字轉語音流程6a包含：由文字轉語音模組MU4接收意圖判斷模組MU3所提供的文字訊息(標示為處理601)；由文字轉語音模組MU4識別該文字訊息(標示為處理603)；以及由文字轉語音模組MU4決定對應該文字訊息的預錄語音訊息(標示為處理605)。詳言之，文字轉語音模組MU4可在識別出該文字訊息之後，從多個預錄語音訊息中找出與該文字訊息對應的一預錄語音訊息。該預錄語音訊 息將作為回應訊息M2被傳送到電話裝置11，並接著被電話裝置11傳送至受話方CP以回應受話方訊息M1。

相似地，文字轉語音流程6b包含：由文字轉語音模組MU4接收意圖判斷模組MU3所提供的文字訊息(標示為處理601)；由文字轉語音模組MU4識別該文字訊息(標示為處理603)；以及由文字轉語音模組MU4將該文字訊息轉換為語音訊息(標示為處理607)。詳言之，文字轉語音模組MU4可在識別出該文字訊息之後，透過已知的電腦語音合成技術，將該文字訊息轉為合成語音訊息。該合成語音訊息將作為回應訊息M2被傳送到電話裝置11，並接著被電話裝置11傳送至受話方CP以回應受話方訊息M1。

除了上述文字轉語音流程6，文字轉語音模組MU4也可以採用其他已知的文字轉語音技術來將該文字訊息轉為語音訊息。

計算機裝置13可持續地進行機器學習。舉例而言，在進行電話行銷流程3的過程中，話術設計模組MU1可持續地將每一受話方訊息M1、回應訊息M2、以及相關資訊(例如，相關的目標標籤、受話方CP的屬性、目標回應模式、衡量指標等)儲存至儲存器135中，藉以持續更新話術資料庫DB。在某些實施例中，話術設計模組MU1也可以在每一次通話結束後，將該通話記錄儲存為一筆新的歷史通話記錄HCR，並根據上述話術設計流程2更新話術資料庫DB。

第7圖例示了一種用於一機器人電話行銷系統之回應訊息產生方法。第7圖所示內容僅是為了舉例說明本發明的實施例，而非為了限制本發明。

參照第7圖，一種用於一機器人電話行銷系統之回應訊息產 生方法7可包含以下步驟：由一電話裝置，接收來自一受話方的一受話方訊息(標示為步驟701)；由一計算機裝置，透過分析該受話方訊息從多個預設標籤中確定與該受話方訊息對應的一個目標標籤(標示為步驟703)；由該計算機裝置，確定與該目標標籤對應的一目標回應模式(標示為步驟705)；由該計算機裝置，根據該目標回應模式，產生一回應訊息(標示為步驟707)；以及由該電話裝置，傳送該回應訊息給該受話方以回應該受話方訊息(標示為步驟709)。

第7圖所示的步驟701~步驟709的順序並非限制。在仍可實施的情況下，第7圖所示的步驟701~步驟709的順序可以被任意調整。

根據某些實施例，除了步驟701~步驟709之外，回應訊息產生方法7還可包含以下步驟：由該計算機裝置，透過分析該受話方訊息識別出該受話方的意願，且該多個預設標籤與該受話方的該意願對應。

根據某些實施例，除了步驟701~步驟709之外，回應訊息產生方法7還可包含以下步驟：由該計算機裝置，透過分析該受話方訊息識別出該受話方的意願，且該多個預設標籤與該受話方的該意願對應；且其中，該受話方的該意願是非正面的意願。

根據某些實施例，在回應訊息產生方法7中，該計算機裝置 是根據該目標標籤以及該受話方的屬性二者，確定與該受話方訊息對應的該目標回應模式。

根據某些實施例，除了步驟701~步驟709之外，回應訊息產生方法7還可包含以下步驟：由該計算機裝置，儲存多筆歷史通話記錄，其中各該多筆歷史通話記錄包含一歷史受話方訊息以及與一歷史回應訊息；由該計算機裝置，透過分析該多筆歷史受話方訊息，對各該多筆歷史受話方訊息貼上一預設標籤；由該計算機裝置，透過分析該多筆歷史回應訊息，確定各該多筆歷史回應訊息的一原始回應模式；以及由該計算機裝置，在各該多個預設標籤底下，針對所有相對應的原始回應模式計算衡量指標，並將具有最佳衡量指標的原始回應模式選為目標回應模式。上述額外的步驟的順序並非限制。

根據某些實施例，除了步驟701~步驟709之外，回應訊息產生方法7還可包含以下步驟：由該計算機裝置，儲存多筆歷史通話記錄，其中各該多筆歷史通話記錄包含一歷史受話方訊息以及與一歷史回應訊息；由該計算機裝置，透過分析該多筆歷史受話方訊息，對各該多筆歷史受話方訊息貼上一預設標籤；由該計算機裝置，透過分析該多筆歷史回應訊息，確定各該多筆歷史回應訊息的一原始回應模式；以及由該計算機裝置，在各該多個預設標籤底下根據不同的預設受話方屬 性，針對所有相對應的原始回應模式計算衡量指標，並將具有最佳衡量指標的原始回應模式選為目標回應模式。上述額外的步驟的順序並非限制。

根據某些實施例，在回應訊息產生方法7中，該計算機裝置是根據以下因素其中至少一個計算衡量指標：完整歷史通話時間、歷史通話結果、在歷史回應訊息之後的剩餘歷史通話時間、以及在歷史通話中出現非正面意願的訊息的次數。

根據某些實施例，在回應訊息產生方法7中，各該多個原始回應模式包含以下回應類別其中一個或其組合：附和、反駁、說明、回答、提問。

在某些實施例中，回應訊息產生方法7的上述全部步驟可以由機器人電話行銷系統1來執行。除了上述提及的步驟之外，回應訊息產生方法7還可以包含與機器人電話行銷系統1的上述所有實施例相對應的其他步驟。因本發明所屬技術領域中具有通常知識者可根據上文針對機器人電話行銷系統1的說明而瞭解這些其他步驟，於此不再贅述。

本申請案主張於2019年2月26日在美國專利與商標局提出申請且名為「提升受話方購買意願之機器人電話行銷系統與方法(Robotic Telemarketing System And Method With Enhancement of Purchase Intention)」的第62/810,951號美國臨時專利申請案之優先權及權利，且該美國臨時專利申請案之全部內容以引用方式併入本文中。

上述實施例只是舉例來說明本發明，而非為了限制本發明。任何針對上述實施例進行修飾、改變、調整、整合而產生的其他實施例，只要是本發明所屬技術領域中具有通常知識者不難思及的，都已涵蓋在本發 明的保護範圍內。本發明的保護範圍以申請專利範圍為準。

7‧‧‧用於機器人電話行銷系統之回應訊息產生方法

701、703、705、707、709‧‧‧步驟

Claims (21)

1. 一種機器人電話行銷系統，包含：一電話裝置，用以接收來自一受話方的一受話方訊息，並傳送一回應訊息給該受話方以回應該受話方訊息；以及一計算機裝置，與該電話裝置電性連接，且用以：透過分析該受話方訊息從多個預設標籤中確定與該受話方訊息對應的一個目標標籤；確定與該目標標籤對應的一目標回應模式；以及根據該目標回應模式，產生該回應訊息；其中，該計算機裝置還用以：儲存多筆歷史通話紀錄，各該多筆歷史通話紀錄包含一歷史受話方訊息與一歷史回應訊息；透過分析該多筆歷史受話方訊息，對各該多筆歷史受話方訊息貼上一預設標籤；透過分析該多筆歷史回應訊息，確定各該多筆歷史回應訊息的一原始回應模式；以及在各該多個預設標籤底下，針對所有相對應的原始回應模式計算衡量指標，並將具有最佳衡量指標的原始回應模式選為目標回應模式，其中，該計算機裝置是根據在歷史回應訊息之後的剩餘歷史通話時間來計算該多個衡量指標。
2. 如請求項1所述的機器人電話行銷系統，其中該計算機裝置還用以透過分析該受話方訊息識別出該受話方的購物意願，且該多個預設標籤與該受 話方的該購物意願對應。
3. 如請求項2所述的機器人電話行銷系統，其中該受話方的該購物意願是非正面的購物意願。
4. 如請求項1所述的機器人電話行銷系統，其中該計算機裝置是根據該目標標籤以及該受話方的屬性二者，確定與該受話方訊息對應的該目標回應模式。
5. 如請求項1所述的機器人電話行銷系統，其中：該計算機裝置還用以在各該多個預設標籤底下，根據不同的預設受話方屬性，針對所有相對應的原始回應模式計算衡量指標，並將具有最佳衡量指標的原始回應模式選為目標回應模式。
6. 如請求項1所述的機器人電話行銷系統，其中除了在歷史回應訊息之後的剩餘歷史通話時間之外，該計算機裝置還根據以下因素其中至少一個計算該多個衡量指標：完整歷史通話時間、歷史通話結果、以及在歷史通話中出現非正面的購物意願的訊息的次數。
7. 如請求項1述的機器人電話行銷系統，其中各該多個原始回應模式包含以下回應類別其中一個或其組合：附和、反駁、說明、回答、提問。
8. 一種用於一機器人電話行銷系統之計算機裝置，包含：一通訊介面，用以接收來自一電話裝置的一受話方訊息，並傳送一回應訊息給該電話裝置以回應該受話方訊息；以及一處理器，與該通訊介面電性連接，且用以：透過分析該受話方訊息從多個預設標籤中確定與該受話方訊息對應的一個目標標籤； 確定與該目標標籤對應的一目標回應模式；以及根據該目標回應模式，產生該回應訊息；其中，該處理器還用以；儲存多筆歷史通話紀錄，各該多筆歷史通話紀錄包含一歷史受話方訊息與一歷史回應訊息；透過分析該多筆歷史受話方訊息，對各該多筆歷史受話方訊息貼上一預設標籤；透過分析該多筆歷史回應訊息，確定各該多筆歷史回應訊息的一原始回應模式；以及在各該多個預設標籤底下，針對所有相對應的原始回應模式計算衡量指標，並將具有最佳衡量指標的原始回應模式選為目標回應模式，其中，該處理器是根據在歷史回應訊息之後的剩餘歷史通話時間來計算該多個衡量指標。
9. 如請求項8所述的計算機裝置，其中該處理器還用以透過分析該受話方訊息識別出該受話方的購物意願，且該多個預設標籤與該受話方的該購物意願對應。
10. 如請求項9所述的計算機裝置，其中該受話方的該購物意願是非正面的購物意願。
11. 如請求項8所述的計算機裝置，其中該處理器是根據該目標標籤以及該受話方的屬性二者，確定與該受話方訊息對應的該目標回應模式。
12. 如請求項8所述的計算機裝置，其中：該處理器還用以在各該多個預設標籤底下，根據不同的預設受話方 屬性，針對所有相對應的原始回應模式計算衡量指標，並將具有最佳衡量指標的原始回應模式選為目標回應模式。
13. 如請求項8所述的計算機裝置，其中除了在歷史回應訊息之後的剩餘歷史通話時間之外，該處理器還根據以下因素其中至少一個計算該多個衡量指標：完整歷史通話時間、歷史通話結果、以及在歷史通話中出現非正面的購物意願的訊息的次數。
14. 如請求項8所述的計算機裝置，其中各該多個原始回應模式包含以下回應類別其中一個或其組合：附和、反駁、說明、回答、提問。
15. 一種用於一機器人電話行銷系統之回應訊息產生方法，包含：由一電話裝置，接收來自一受話方的一受話方訊息；由一計算機裝置，透過分析該受話方訊息從多個預設標籤中確定與該受話方訊息對應的一個目標標籤；由該計算機裝置，確定與該目標標籤對應的一目標回應模式；由該計算機裝置，根據該目標回應模式，產生一回應訊息；以及由該電話裝置，傳送該回應訊息給該受話方以回應該受話方訊息；其中，該方法還包含：由該計算機裝置，儲存多筆歷史通話紀錄，各該多筆歷史通話紀錄包含一歷史受話方訊息與一歷史回應訊息；由該計算機裝置，透過分析該多筆歷史受話方訊息，對各該多筆歷史受話方訊息貼上一預設標籤；由該計算機裝置，透過分析該多筆歷史回應訊息，確定各該多筆歷史回應訊息的一原始回應模式；以及 由該計算機裝置，在各該多個預設標籤底下，針對所有相對應的原始回應模式計算衡量指標，並將具有最佳衡量指標的原始回應模式選為目標回應模式，其中，該計算機裝置是根據在歷史回應訊息之後的剩餘歷史通話時間來計算該多個衡量指標。
16. 如請求項15所述的回應訊息產生方法，還包含：由該計算機裝置，透過分析該受話方訊息識別出該受話方的購物意願，其中該多個預設標籤與該受話方的該購物意願對應。
17. 如請求項16所述的回應訊息產生方法，其中該受話方的該購物意願是非正面的購物意願。
18. 如請求項15所述的回應訊息產生方法，其中該計算機裝置是根據該目標標籤以及該受話方的屬性二者，確定與該受話方訊息對應的該目標回應模式。
19. 如請求項15所述的回應訊息產生方法，還包含：由該計算機裝置，在各該多個預設標籤底下，根據不同的預設受話方屬性，針對所有相對應的原始回應模式計算衡量指標，並將具有最佳衡量指標的原始回應模式選為目標回應模式。
20. 如請求項15所述的回應訊息產生方法，其中除了在歷史回應訊息之後的剩餘歷史通話時間之外，該計算機裝置還根據以下因素其中至少一個計算該多個衡量指標：完整歷史通話時間、歷史通話結果、以及在歷史通話中出現非正面的購物意願的訊息的次數。
21. 如請求項15所述的回應訊息產生方法，其中各該多個原始回應模式包含以下回應類別其中一個或其組合：附和、反駁、說明、回答、提問。

Images