TWI736673B - 來電處理方法、裝置及終端 - Google Patents
來電處理方法、裝置及終端 Download PDFInfo
- Publication number
- TWI736673B TWI736673B TW106131560A TW106131560A TWI736673B TW I736673 B TWI736673 B TW I736673B TW 106131560 A TW106131560 A TW 106131560A TW 106131560 A TW106131560 A TW 106131560A TW I736673 B TWI736673 B TW I736673B
- Authority
- TW
- Taiwan
- Prior art keywords
- function table
- user
- information
- probability
- item
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M19/00—Current supply arrangements for telephone systems
- H04M19/02—Current supply arrangements for telephone systems providing ringing current or supervisory tones, e.g. dialling tone or busy tone
- H04M19/04—Current supply arrangements for telephone systems providing ringing current or supervisory tones, e.g. dialling tone or busy tone the ringing-current being generated at the substations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5166—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing in combination with interactive voice response systems or voice portals, e.g. as front-ends
Abstract
本發明揭露了一種來電處理方法、裝置及終端,所述方法包括:接收到用戶的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊,所述特徵資訊為該用戶的歷史資訊中,與IVR語音功能表的功能表項目關聯的資訊;根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值;根據計算所得的概率預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節。實施本發明,能有效減少用戶對IVR語音功能表的回應操作,快速將用戶的來電呼叫跳轉到對應功能表項目所指示的業務環節,以降低客戶費力度和呼叫中心的運行成本。
Description
本發明關於電腦技術領域,尤其關於來電處理方法、裝置及終端。
IVR(InteractiveVoiceResponse,互動式語音應答)系統是語音增值業務系統的重要組成部分,很多企業的呼叫中心通過IVR系統來提供用戶服務,IVR系統內的IVR語音功能表作為呼叫中心的門戶,通常情況下,IVR語音功能表包括至少一個層級的功能表,每個層級的功能表包括至少一項功能表項目,通過播放各層級功能表的功能表項目,可以提示來電客戶對功能表項目進行回應操作,接著根據用戶的每一次回應操作,確定用戶選擇哪個功能表項目,接著跳轉到相應環節,實現對來電客戶的導航。 對於擁有呼叫中心的企業,隨著企業業務的增長和細化,業務部門對IVR系統的功能需求急劇增加,相應的,為了滿足業務部門的需求,將來電客戶導航到相應業務端,IVR語音功能表的結構也越來越龐大和複雜。 客戶來電後,在IVR語音功能表的提示下進行回應操作,而IVR語音功能表的複雜化,增加了客戶回應IVR語音功能表進行回應操作的操作量和操作時長,致使客戶停留在IVR系統的時間過長,會增加來電客戶的客戶費力度(CES, Customer Effort Score)和呼叫中心的運行成本。
有鑑於此,本發明提供來電處理方法、裝置及終端,以解決現有IVR系統會增加來電客戶的客戶費力度和呼叫中心運行成本的問題。 具體地,本發明是通過如下技術方案實現的: 根據本發明實施例的第一態樣,提供一種來電處理方法,包括以下步驟: 接收到用戶的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊,所述特徵資訊為該用戶的歷史資訊中,與IVR語音功能表的功能表項目關聯的資訊; 根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值; 根據計算所得的概率預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節。 在一個實施例中,所述相應層級的功能表為所述IVR語音功能表的第一級功能表,所述特徵資訊包括以下資訊中的至少一種: 用戶對IVR語音功能表的功能表項目的回應操作資訊; 用戶來電呼叫所諮詢的事件所屬的事件類目; 發起所述來電呼叫的終端內對應應用的歷史資訊。 在一個實施例中,接收到用戶的來電呼叫後,所述方法還包括以下步驟: 判斷是否首次接收到該用戶的來電呼叫; 如果不是首次接收到該用戶的來電呼叫,根據所述來電呼叫獲取該用戶的至少一種特徵資訊; 如果是首次接收到該用戶的來電呼叫,向該用戶推送所述IVR語音功能表; 根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節; 記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。 在一個實施例中,所述根據計算所得的概率預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節,包括: 比較計算所得的概率預測值與預設概率閾值的大小關係; 如果所得的概率預測值大於預設概率閾值,跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到:所獲取的特徵資訊所關聯的功能表項目所指示的業務環節; 如果所得的概率預測值不大於預設概率閾值,向該用戶推送所述IVR語音功能表; 根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節; 記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。 在一個實施例中,所述預設的概率預測模型的生成步驟包括: 從全部用戶的歷史資訊中,選取部分用戶的歷史資訊做為訓練樣本; 從所述訓練樣本所含的每個訓練用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個訓練用戶對每項功能表項目進行回應操作的操作概率,構成每個訓練用戶對應每項功能表項目的資訊數量和操作概率; 分別以資訊數量和操作概率為預設函數的自變數和因變數,並基於每個訓練用戶對應每項功能表項目的資訊數量和操作概率,訓練出與所述預設函數對應的模型函數。 在一個實施例中,所述預設的概率預測模型的生成步驟還包括: 從全部用戶的歷史資訊中選取除所述訓練樣本外的,部分用戶的歷史資訊做為驗證樣本; 從所述驗證樣本所含的每個驗證用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個驗證用戶對每項功能表項目進行回應操作的操作概率,構成每個驗證用戶對應每項功能表項目的資訊數量和操作概率; 將每個驗證用戶對應每項功能表項目的資訊數量輸入訓練出的模型函數,計算出每個驗證用戶對應每項功能表的操作概率; 通過比較計算出的操作概率和獲取的操作概率,獲得每個驗證用戶對應各項功能表項目的操作概率的準確率; 如果準確率高於預設準確閾值的用戶的數目,高於預設覆蓋閾值,則確定所述模型函數為所述預設的概率預測模型的概率預測函數。 在一個實施例中,所述根據預設的概率預測模型,計算所獲取的特徵資訊對應的功能表項目的概率預測值,包括: 基於所獲取的特徵資訊,計算與每項功能表項目關聯的特徵資訊的資訊數量; 將與每項功能表項目關聯的特徵資訊的資訊數量輸入所述概率預測函數,計算出該項功能表項目的概率預測值。 在一個實施例中,所述預設的概率預測模型的生成步驟還包括: 在預設時段後,從全部用戶的歷史資訊中選取不同於所述訓練樣本的,部分用戶的歷史資訊做為更新的訓練樣本; 從更新的訓練樣本所含的每個訓練用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個訓練用戶對每項功能表項目進行回應操作的操作概率,構成每個訓練用戶對應每項功能表項目的資訊數量和操作概率; 分別以資訊數量和操作概率為所述預設函數的自變數和因變數,並基於每個訓練用戶對應每項功能表項目的資訊數量和操作概率,重新訓練出與所述預設函數對應的模型函數。 根據本發明實施例的第二態樣,提供一種來電處理裝置,包括: 特徵獲取模組,用於在接收到用戶的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊,所述特徵資訊為該用戶的歷史資訊中,與IVR語音功能表的功能表項目關聯的資訊; 概率預測模組,用於根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值; 來電跳轉模組,用於根據計算所得的概率預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節。 在一個實施例中,所所述相應層級的功能表為所述IVR語音功能表的第一級功能表,所述特徵資訊包括以下資訊中的至少一種: 用戶對IVR語音功能表的功能表項目的回應操作資訊; 用戶來電呼叫所諮詢的事件所屬的事件類目; 發起所述來電呼叫的終端內對應應用的歷史資訊。 在一個實施例中,所述特徵獲取模組包括: 呼叫判斷模組,用於在接收到用戶的來電呼叫後,判斷是否首次接收到該用戶的來電呼叫; 資訊確定模組,用於在不是首次接收到該用戶的來電呼叫時,根據所述來電呼叫獲取該用戶的至少一種特徵資訊; 所述裝置還包括: 第一功能表模組,用於在首次接收到該用戶的來電呼叫時,向該用戶推送所述IVR語音功能表; 第一跳轉模組,用於根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節; 第一記錄模組,用於記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。 在一個實施例中,所述來電跳轉模組包括: 預測值比較模組,用於比較計算所得的概率預測值與預設概率閾值的大小關係; 功能表跳過模組,用於在所得的概率預測值大於預設概率閾值,跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到:所獲取的特徵資訊所關聯的功能表項目所指示的業務環節; 所述裝置還包括: 第二功能表模組,用於在所得的概率預測值不大於預設概率閾值時,向該用戶推送所述IVR語音功能表; 第二跳轉模組,用於根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節; 第二記錄模組,用於記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。 在一個實施例中,所述裝置還包括模型生成模組,所述模型生成模組包括: 訓練樣本選取模組,用於從全部用戶的歷史資訊中,選取部分用戶的歷史資訊做為訓練樣本; 訓練參數獲取模組,用於從所述訓練樣本所含的每個訓練用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個訓練用戶對每項功能表項目進行回應操作的操作概率,構成每個訓練用戶對應每項功能表項目的資訊數量和操作概率; 模型訓練模組,用於分別以資訊數量和操作概率為預設函數的自變數和因變數,並基於每個訓練用戶對應每項功能表項目的資訊數量和操作概率,訓練出與所述預設函數對應的模型函數。 在一個實施例中,所述模型生成還包括: 驗證樣本選取模組,用於從全部用戶的歷史資訊中選取除所述訓練樣本外的,部分用戶的歷史資訊做為驗證樣本; 樣本參數獲取模組,用於從所述驗證樣本所含的每個驗證用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個驗證用戶對每項功能表項目進行回應操作的操作概率,構成每個驗證用戶對應每項功能表項目的資訊數量和操作概率; 模型函數驗證模組,用於將每個驗證用戶對應每項功能表項目的資訊數量輸入訓練出的模型函數,計算出每個驗證用戶對應每項功能表的操作概率; 準確率獲取模組,用於通過比較計算出的操作概率和獲取的操作概率,獲得每個驗證用戶對應各項功能表項目的操作概率的準確率; 模型函數確定模組,用於如果準確率高於預設準確閾值的用戶的數目,高於預設覆蓋閾值,則確定所述模型函數為所述預設的概率預測模型的概率預測函數。 在一個實施例中,所述概率預測模組包括: 基於所獲取的特徵資訊,計算與每項功能表項目關聯的特徵資訊的資訊數量; 將與每項功能表項目關聯的特徵資訊的資訊數量輸入所述概率預測函數,計算出該項功能表項目的概率預測值。 在一個實施例中,所述模型生成模組還包括: 訓練樣本更新模組,用於在預設時段後,從全部用戶的歷史資訊中選取不同於所述訓練樣本的,部分用戶的歷史資訊做為更新的訓練樣本; 更新參數獲取模組,用於從更新的訓練樣本所含的每個訓練用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個訓練用戶對每項功能表項目進行回應操作的操作概率,構成每個訓練用戶對應每項功能表項目的資訊數量和操作概率; 模型函數更新模組,用於分別以資訊數量和操作概率為所述預設函數的自變數和因變數,並基於每個訓練用戶對應每項功能表項目的資訊數量和操作概率,重新訓練出與所述預設函數對應的模型函數。 根據本發明實施例的第三態樣,提供一種終端,包括: 處理器; 用於儲存所述處理器可執行指令的記憶體; 其中,所述處理器被配置為: 接收到用戶的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊,所述特徵資訊為該用戶的歷史資訊中,與IVR語音功能表的功能表項目關聯的資訊; 根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值; 根據計算所得的概率預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節。 應用本發明實施例,接收到用戶的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊;再根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值;最終根據計算所得的概率預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節。因此,可以根據來電用戶的歷史資訊,預測出來電用戶會選擇的功能表項目,接著跳轉到預測出的功能表項目所指示的業務環節,能有效減少來電用戶對IVR語音功能表的回應操作,快速將來電用戶的來電呼叫跳轉到對應功能表項目所指示的業務環節,以降低客戶費力度和呼叫中心的運行成本。 應當理解的是,以上的一般描述和後文的細節描述僅是實例性和解釋性的,並不能限制本發明。
這裡將詳細地對實例性實施例進行說明,其實例表示在附圖中。下面的描述關於附圖時,除非另有表示,不同附圖中的相同數位表示相同或相似的要素。以下實例性實施例中所描述的實施方式並不代表與本發明相一致的所有實施方式。相反,它們僅是與如所附申請專利範圍中所詳述的、本發明的一些態樣相一致的裝置和方法的例子。 在本發明使用的用語是僅僅出於描述特定實施例的目的,而非意於限制本發明。在本發明和所附申請專利範圍中所使用的單數形式的“一種”、“所述”和“該”也意於包括多數形式,除非上下文清楚地表示其他含義。還應當理解,本文中使用的用語“和/或”是指並包含一個或多個相關的列出專案的任何或所有可能組合。 應當理解,儘管在本發明可能採用用語第一、第二、第三等來描述各種資訊,但這些資訊不應限於這些用語。這些用語僅用來將同一類型的資訊彼此區分開。例如,在不脫離本發明範圍的情況下,第一資訊也可以被稱為第二資訊,類似地,第二資訊也可以被稱為第一資訊。取決於語境,如在此所使用的詞語“如果”可以被解釋成為“在……時”或“當……時”或“回應於確定”。 參見圖1,是本發明實施例實現來電處理的一個系統結構意圖,該系統可以包括第一來電終端111和第二來電終端112中的至少一項、呼叫中心系統120、以及第一業務終端131、第二業務終端132至第N業務終端13N,N為大於或等於2的整數。 第一來電終端111,是用戶A基於帳戶A登錄用戶端A的設備,採用網路電話(基於網際網路協定的語音電話)的通話方式,本實施例僅以手機為例進行實例說明,實際應用中第一來電終端111還可以是平板電腦(Pad, portable android device)、個人電腦(PC, Personal Computer)等智慧終端機。該終端的用戶A基於用戶端A的通話功能,可以通過網際網路,向呼叫中心系統120發起攜帶有帳戶A的來電呼叫,這裡提到的用戶端A可以包括來往、釘釘等社交通訊軟體對應的用戶端。 第二來電終端112,可以是有線電話終端、無線電話終端、小靈通、智慧手機等通話終端,採用手持電話的通話方式。該終端的用戶B基於該終端的通話功能,可以通過移動運營商提供的電話網,撥打熱線電話(如95188等),向呼叫中心系統120發起攜帶有第二來電終端112的電話號碼的來電呼叫,該電話號碼可以是常見的固定電話號碼、移動運營商提供的電話號碼、移動運營商的短號、集群網服務提供的短號或虛擬運營商提供的虛擬臨時號碼等。 呼叫中心系統120,可以是一台伺服器,或者由多台伺服器組成的伺服器集群,或者是基於雲計算而搭建的雲計算服務中心,或者是利用智慧化網路技術建立虛擬呼叫中心,能夠儲存用戶的歷史資訊、IVR語音功能表、以及所述歷史資訊中的特徵資訊與所述IVR語音功能表的功能表項目之間的關聯關係。這裡提到歷史資訊可以包括用戶來電呼叫時對IVR語音功能表的功能表項目的回應操作(或選擇的業務環節,選擇該業務環節表示已對指示該業務環節的功能表項目進行了回應操作);可以包括發起來電呼的終端內安裝的用戶端記錄的:用戶的歷史操作資訊,例如:用戶查詢的業務資訊、用戶發送的業務請求等;還可以包括與所述用戶端對應的伺服端所記錄的:與用戶關聯的歷史操作資訊,例如:向該用戶推送的業務資訊、接收的該用戶的業務請求等。 而所述IVR語音功能表包括至少一個層級的功能表,每個層級的功能表包括至少一項功能表項目,通過播放各層級功能表的功能表項目,可以提示來電客戶對功能表項目進行回應操作,接著根據用戶的每一次回應操作,確定用戶選擇哪個功能表項目,接著跳轉到相應業務環節,該業務環節可以是用戶選擇的功能表項目所對應的由第一業務終端131至第N業務終端13N中任一終端提供的業務服務,也可以是用戶選擇的功能表項目所對應的下一層級功能表的功能表服務,具體的功能表層級和功能表項目由呼叫中心系統120所關聯的熱線類型或所服務的行業類型決定。 在某些場景,呼叫中心系統120與螞蟻金服的服務熱線關聯,其儲存的IVR語音功能表如圖1所示,第一級功能表包括支付寶業務請按1、網商業務請按2、花唄業務請按3以及指示其他業務環節的功能表項目,第二至第M級功能表分別與支付寶業務、網商業務、花唄業務以及其他業務關聯,M為大於或等於2的正整數,可根據具體業務範圍設置,此處不再贅述。 而所述關聯關係可以包括以下至少一項關係:用戶對某項功能表項目的回應操作與該項功能表項目之間的對應關係;來電呼叫跳轉到的業務環節與指示該業務環節的功能表項目之間的對應關係;用戶端內的歷史操作資訊所對應的業務環節,與指示該業務環節的功能表項目之間的對應關係;伺服端所記錄的歷史操作資訊所對應的業務環節,與指示該業務環節的功能表項目之間的對應關係。 實際應用中,呼叫中心120接收到第一來電終端111或第二來電終端112的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊;再根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值(所述概率預測值可以用於表徵用戶對該功能表項目進行回應操作的概率);最終根據計算所得的概率預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節。例如,特徵資訊為用戶對圖1中功能表項目“支付寶業務請按1”的回應操作(對按鍵1的觸發),計算得到功能表項目“支付寶業務請按1”的概率預測值95%,表示用戶對功能表項目“支付寶業務請按1”進行回應操作的概率為95%,確定跳過所述IVR語音功能表中第一級功能表,將所述來電呼叫跳轉到對應功能表項目“支付寶業務請按1”所指示的業務環節。 第一業務終端131、第二業務終端132至第N業務終端13N,可以在用戶的來電呼叫跳轉到對應功能表項目所指示的業務環節後,向用戶提供對應功能表項目所指示的業務環節的服務,服務可以由業務員A、業務員B至業務員N操作完成。例如:功能表項目為支付寶業務請按1、網商業務請按2、花唄業務請按3以及指示其他業務環節的功能表項目時,第一業務終端131、第二業務終端132至第N業務終端13N可以向來電用戶提供以下服務: 接收支付寶用戶投訴、說明支付寶用戶查詢交易資訊、說明網商用戶查詢存款或貸款資訊、說明花唄用戶查詢授信額度等等。 下面將結合附圖1對本發明實施例進行詳細描述。 參見圖2,圖2是本發明來電處理方法的一個實施例流程圖,該來電處理方法可以包括以下步驟201-203: 步驟201:接收到用戶的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊,所述特徵資訊為該用戶的歷史資訊中,與IVR語音功能表的功能表項目關聯的資訊。 本發明實施例的來電呼叫方法,可應用於圖1所示的呼叫中心系統,接收到來單呼叫後,可以通過所述來電呼叫所攜帶的用戶的用戶資訊,查詢與該用戶資訊對應儲存的特徵資訊;還可以通過所述來電呼叫所攜帶的用戶的用戶資訊,從該用戶的歷史資訊中查詢該用戶的特徵資訊。這裡提到的用戶資訊可以包括但不限於:用戶名稱、一個或多個電話號碼(當智慧終端機可以提供多個SIM卡功能時,或者提供虛擬SIM卡功能時,用戶資訊可以包含多個電話號碼)、傳真號碼、社交通訊帳號(如釘釘帳號、來往帳號等)等等。呼叫中心系統可以記錄各用戶的用戶資訊、各用戶資訊對應的特徵資訊間、各用戶的歷史資訊、以及各用戶的特徵資訊與各功能表項目的關聯關係。 要確定用戶的特徵資訊,前提是該用戶為老用戶,在本次呼叫之前已對當前呼叫中心進行過呼叫,而對於首次呼叫當前呼叫中心的用戶,無法確定其特徵資訊,為了區別處理新老用戶的來電呼叫,在接收到來電呼叫,本實施例的來電處理方法可以包括以下操作:判斷是否首次接收到該用戶的來電呼叫;如果不是首次接收到該用戶的來電呼叫,根據所述來電呼叫獲取該用戶的至少一種特徵資訊;如果是首次接收到該用戶的來電呼叫,向該用戶推送所述IVR語音功能表;根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節;記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。這裡提到的回應操作可以包括用戶對相應按鍵的觸擊、以及用戶輸入的功能表選擇語音等等。 本發明實施例,通過區分新老用戶的來電呼叫,可以針對新老用戶的來電呼叫,快速即時的進行適應不同用戶的來電處理,在降低客戶費力度和呼叫中心的運行成本前提下,滿足不同用戶的來電需求。 對於老用戶,其特徵資訊可以通過記錄其歷史來電資訊、查詢發起其來電呼叫的終端(如圖1中的第一來電終端111或第二來電終端112)內的歷史資訊、或者查詢接收其來電呼叫的終端(如圖1中呼叫中心系統120對應的終端)內的歷史資訊獲取,例如以下資訊中的至少一種:用戶對IVR語音功能表的功能表項目的回應操作資訊;用戶來電呼叫所諮詢的事件所屬的事件類目;發起所述來電呼叫的終端內對應應用的歷史資訊。 其中,用戶對IVR語音功能表的功能表項目的回應操作資訊可以包括用戶對相應按鍵的觸擊、以及用戶輸入的功能表選擇語音等等。 用戶來電呼叫所諮詢的事件所屬的事件類目,可以根據預先設置的事件分類結構確定,例如:可以針對圖1所示的IVR語音功能表,如對螞蟻金服的用戶來電呼叫所諮詢的問題進行分類,將諮詢的問題劃分未支付問題、密碼問題等,用戶諮詢花唄業務中支付失敗的問題即屬於支付問題類目,用戶諮詢支付寶支付密碼鎖定的問題即屬於密碼問題類目。 發起所述來電呼叫的終端內對應應用的歷史資訊,可以包括發起來電呼的終端內安裝的用戶端記錄的:用戶的歷史操作資訊,例如用戶查詢的業務資訊、用戶發送的業務請求等。所述對應應用可以是與呼叫的熱線關聯的應用。 步驟202:根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值。 本發明實施例中,所述預設的概率預測模型用於預測:用戶在本次來電呼叫時,選擇所獲取的特徵資訊所關聯的功能表項目的概率。相應的,所述概率預測值可以用於表徵用戶對該功能表項目進行回應操作的概率。如果獲取的特徵資訊為一項,則僅預測該項特徵資訊所關聯的功能表項目的概率,如果獲取的特徵資訊為至少兩項,則分別預測每一項特徵資訊所關聯的功能表項目的概率。單項特徵資訊可以只關聯一項功能表項目,也可以關聯一組功能表項目,該組功能表項目由IVR語音功能表的各級功能表組成,用於指示某一業務環節,為該業務環節的導航路徑。 實際應用中,為了預測來電用戶所選擇的特徵資訊所關聯的功能表項目的概率,可以預先對所述IVR語音功能表的功能表項目分類,分為至少兩類菜單,再將與每類功能表項目關聯的特徵資訊的資訊數量為自變數,以每類功能表項目的概率為因變數,通過概率計算公式計算:所得的每項特徵資訊所關聯的功能表項目的概率。而每項因變數的變數參數可以根據實際應用設定,也可以通過呼叫中心系統儲存的用戶的歷史資訊進行訓練獲得。 對應所述IVR語音功能表的功能表項目分類所得的分類數目,概率預測模型可以為二分類的概率預測模型或多分類的概率預測模型。可以根據實際需要進行功能表分類,可以將指示同一業務環節的不同層級的功能表分為同一類,使得整個IVR語音功能表分劃為至少兩類,或者僅對同一層級的功能表進行分類,將同一層級的功能表劃分為至少兩類。以圖1所示的IVR菜單為例,可將第一級菜單內的功能表項目“支付寶業務請按1”劃分為一類,第一級菜單內的剩餘功能表項目劃分為另一類;相應的,功能表項目“支付寶業務請按1”的概率為一個因變數,剩餘所有功能表項目的總概率為一個因變數,與功能表項目“支付寶業務請按1”關聯的特徵資訊的資訊數量為一個自變數,與剩餘所有功能表項目關聯的特徵資訊的資訊數量的總和為另一個自變數,構成一個二分類的概率預測模型。 在一個例子中,為了確定因變數的變數參數的具體數值,可以通過以下操作確定並生成所述預設的概率預測模型: 從全部用戶的歷史資訊中,選取部分用戶的歷史資訊做為訓練樣本。 從所述訓練樣本所含的每個訓練用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個訓練用戶對每項功能表項目進行回應操作的操作概率,構成每個訓練用戶對應每項功能表項目的資訊數量和操作概率。 分別以資訊數量和操作概率為預設函數的自變數和因變數,並基於每個訓練用戶對應每項功能表項目的資訊數量和操作概率,訓練出與所述預設函數對應的模型函數。 其中,如果用戶的歷史資訊僅包括用戶來電呼叫時對IVR語音功能表的功能表項目的回應操作。獲取與某項功能表項目關聯的特徵資訊的資訊數量時,可以從每個訓練用戶的歷史資訊中,獲取訓練用戶對某項功能表項目進行回應操作的操作總次數作為資訊數量。獲取每個訓練用戶對某項功能表項目進行回應操作的操作概率時:可以從每個訓練用戶的歷史資訊中,先獲取所有來電呼叫的呼叫總次數,再獲取訓練用戶對某項功能表項目進行回應操作的操作總次數,最終獲取操作總次數與呼叫總次數的比值做為操作概率。 訓練與所述預設函數對應的模型函數時,可通過資料擬合的方式獲得,而預設函數可以根據每個訓練用戶對應每項功能表項目的資訊數量和操作概率,在座標空間內的分佈圖的線形確定,例如:分佈圖的線形為直線,則預設函數為含有至少兩個自變數的線性函數。 本例子僅以部分用戶的歷史資訊做為訓練樣本,可以預留對預設的概率模型進行驗證和持續訓練的資料來源,保證當前模型的準確率的同時,可在模型效果隨著時間衰減後,及時更新模型。在某些場景,訓練樣本可以包括90%的用戶的歷史資訊。 在另一個例子中,為了驗證訓練所得模型的準確率,可以通過以下操作對模型進行驗證: 從全部用戶的歷史資訊中選取除所述訓練樣本外的,部分用戶的歷史資訊做為驗證樣本。 從所述驗證樣本所含的每個驗證用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個驗證用戶對每項功能表項目進行回應操作的操作概率,構成每個驗證用戶對應每項功能表項目的資訊數量和操作概率。 將每個驗證用戶對應每項功能表項目的資訊數量輸入訓練出的模型函數,計算出每個驗證用戶對應每項功能表的操作概率。 通過比較計算出的操作概率和獲取的操作概率,獲得每個驗證用戶對應各項功能表項目的操作概率的準確率。 如果準確率高於預設準確閾值的用戶的數目,高於預設覆蓋閾值,則確定所述模型函數為所述預設的概率預測模型的概率預測函數。 其中,如果用戶的歷史資訊僅包括用戶來電呼叫時對IVR語音功能表的功能表項目的回應操作。獲取與某項功能表項目關聯的特徵資訊的資訊數量時,可以從每個驗證用戶的歷史資訊中,獲取驗證用戶對某項功能表項目進行回應操作的操作總次數作為資訊數量。獲取每個驗證用戶對某項功能表項目進行回應操作的操作概率時:可以從每個驗證用戶的歷史資訊中,先獲取所有來電呼叫的呼叫總次數,再獲取驗證用戶對某項功能表項目進行回應操作的操作總次數,最終獲取操作總次數與呼叫總次數的比值做為操作概率。 本例子中,比較計算出的操作概率和獲取的操作概率時,可以比較兩者的差值或比值,差值為0或比值為1,則準確,否則不準確。每個用戶的準確率,可以是計算所得的操作概率準確的呼叫次數與總呼叫次數的比值。而預設準確閾值可以根據實際需要設定,在某些場景中,驗證樣本可以包括10%的用戶的歷史資訊,預設準確率閾值是可以是95%,預設覆蓋率閾值可以是18%。 在另一個例子中,為了保證概率模型的準確率,可以通過以下操作即時更新預設的概率模型: 在預設時段後,從全部用戶的歷史資訊中選取不同於所述訓練樣本的,部分用戶的歷史資訊做為更新的訓練樣本。 從更新的訓練樣本所含的每個訓練用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個訓練用戶對每項功能表項目進行回應操作的操作概率,構成每個訓練用戶對應每項功能表項目的資訊數量和操作概率。 分別以資訊數量和操作概率為所述預設函數的自變數和因變數,並基於每個訓練用戶對應每項功能表項目的資訊數量和操作概率,重新訓練出與所述預設函數對應的模型函數。 本例子中,可以從驗證樣本中選取部分用戶的歷史資訊為更新的訓練樣本;或者從驗證樣本中選取部分用戶的歷史資訊添加到原訓練樣本,構成更新的訓練樣本。 對應於上述模型的訓練過程,在一個可選實現方式中,可以通過以下操作根據預設的概率預測模型,計算所獲取的特徵資訊對應的功能表項目的概率預測值: 基於所獲取的特徵資訊,計算與每項功能表項目關聯的特徵資訊的資訊數量。 將與每項功能表項目關聯的特徵資訊的資訊數量輸入所述概率預測函數,計算出該項功能表項目的概率預測值。 本實現方式,可以快速準確地計算所獲取的每項特徵資訊所關聯的功能表項目的概率預測值。 步驟203:根據計算所得的概率預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節。 本發明實施例中,可以通過比較計算所得的概率預測值與預設概率閾值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節。所述業務環節可以包括問題識別環節、管道識別環節、諮詢解答環節等等。 某些場景中,所述特徵資訊可以是該用戶的歷史資訊中,與IVR語音功能表中第一級功能表的功能表項目關聯的資訊,所述相應層級的功能表可以是所述第一級功能表。 在一個例子中,所述根據計算所得的概率預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節,包括: 比較計算所得的概率預測值與預設概率閾值的大小關係。 如果所得的概率預測值大於預設概率閾值,跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到:所獲取的特徵資訊所關聯的功能表項目所指示的業務環節。 如果所得的概率預測值不大於預設概率閾值,向該用戶推送所述IVR語音功能表。 根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節。 記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。 本例子中,通過記錄用戶對所述IVR語音功能表的功能表項目的回應操作,可獲得首次來電用戶的歷史資訊,便於該用戶再次來電呼叫時,根據其歷史資訊,預測其選擇的功能表項目。所述預設概率閾值可以根據實際需要設定,例如設定所述預設概率閾值為95%。 跳過所述IVR語音功能表中相應層級的功能表時,確定跳過計算所得的概率預測值大於所述概率閾值的一項功能表項目所在層級、以及在該項功能表項目之前播放的層級的功能表,接著將所述來電呼叫跳轉到該項功能表項目所指示的業務環節。如果計算所得的概率預測值大於預設概率閾值的功能表項目,為IVR語音功能表項目中最後一個層級的功能表,則跳過整個IVR語音功能表。 在其他例子中,可以通過比較計算所得的各項預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節。例如:跳過預測值最大的一項功能表項目所在層級、以及在該項功能表項目之前播放的層級的菜單。接著將所述來電呼叫跳轉到該項功能表項目所指示的業務環節。 本發明的其他實施例中,在用戶來電呼叫,可以記錄用戶來電呼叫的次數和用戶每次來電資料時對功能表項目的回應操作,接著設定在用戶來電滿足預設次數,如5次後,才可以根據該用戶的來電呼叫,獲取該用戶的特徵資訊,再根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值。 由上述實施例可知,本發明在接收到用戶的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊;再根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值;最終根據計算所得的概率預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節。因此,可以根據來電用戶的歷史資訊,預測出來電用戶會選擇的功能表項目,接著跳轉到預測出的功能表項目所指示的業務環節,能有效減少來電用戶對IVR語音功能表的回應操作,快速將來電用戶的來電呼叫跳轉到對應功能表項目所指示的業務環節,以降低客戶費力度和呼叫中心的運行成本。 本發明實施例的來電處理方法可以應用於電商、銀行、快遞、航空、電信等各行業的熱線服務中,根據這些行業的來電用戶的歷史資訊,預測出來電用戶會選擇的功能表項目,接著跳轉到預測出的功能表項目所指示的業務環節,能有效減少這些行業的來電用戶對IVR語音功能表的回應操作,快速將來電用戶的來電呼叫跳轉到對應功能表項目所指示的業務環節,以降低客戶費力度和呼叫中心的運行成本,提高用戶對這些行業的用戶體驗。 與前述來電處理方法的實施例相對應,本發明還提供了來電處理裝置的實施例。 本發明來電處理裝置的實施例可以應用在終端上。裝置實施例可以通過軟體實現,也可以通過硬體或者軟硬體結合的方式實現。以軟體實現為例,作為一個邏輯意義上的裝置,是通過其所在終端的處理器將非揮發性記憶體中對應的電腦程式指令讀取到記憶體中運行形成的。從硬體層面而言,如圖3所示,為本發明來電處理裝置所在終端的一種硬體結構圖,除了圖3所示的處理器310、網路介面320、記憶體330、以及非揮發性記憶體340之外,實施例中裝置所在的終端通常根據該終端的實際功能,還可以包括其他硬體,對此不再贅述。 上述處理器310被配置為:接收到用戶的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊,所述特徵資訊為該用戶的歷史資訊中,與IVR語音功能表的功能表項目關聯的資訊;根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值;根據計算所得的概率預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節。 參見圖4,圖4是本發明來電處理裝置的一個實施例方塊圖,該裝置可包括:特徵獲取模組410、概率預測模組420和來電跳轉模組430。 其中,特徵獲取模組410,用於在接收到用戶的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊,所述特徵資訊為該用戶的歷史資訊中,與IVR語音功能表的功能表項目關聯的資訊。 概率預測模組420,用於根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值。 來電跳轉模組430,用於根據計算所得的概率預測值,確定是否跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到對應功能表項目所指示的業務環節。 在一個可選實現方式中,特徵獲取模組410可以包括(圖4中未具體顯示): 呼叫判斷模組,用於在接收到用戶的來電呼叫後,判斷是否首次接收到該用戶的來電呼叫。 資訊確定模組,用於在不是首次接收到該用戶的來電呼叫時,根據所述來電呼叫獲取該用戶的至少一種特徵資訊。 進一步地,本發明實施例的來電處理裝置還可以包括(圖4中未具體顯示): 第一功能表模組,用於在首次接收到該用戶的來電呼叫時,向該用戶推送所述IVR語音功能表。 第一跳轉模組,用於根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節。 第一記錄模組,用於記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。 在另一個可選實現方式中,來電跳轉模組430可以包括(圖4中未具體顯示): 預測值比較模組,用於比較計算所得的概率預測值與預設概率閾值的大小關係。 功能表跳過模組,用於在所得的概率預測值大於預設概率閾值,跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到:所獲取的特徵資訊所關聯的功能表項目所指示的業務環節。 進一步地,本發明實施例的來電處理裝置還可以包括(圖4中未具體顯示): 第二功能表模組,用於在所得的概率預測值不大於預設概率閾值時,向該用戶推送所述IVR語音功能表。 第二跳轉模組,用於根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節。 第二記錄模組,用於記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。 在另一個可選實現方式中,本發明實施例的來電處理裝置還可以包括(圖4中未具體顯示)模型生成模組,所述模型生成模組可以包括: 訓練樣本選取模組,用於從全部用戶的歷史資訊中,選取部分用戶的歷史資訊做為訓練樣本。 訓練參數獲取模組,用於從所述訓練樣本所含的每個訓練用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個訓練用戶對每項功能表項目進行回應操作的操作概率,構成每個訓練用戶對應每項功能表項目的資訊數量和操作概率。 模型訓練模組,用於分別以資訊數量和操作概率為預設函數的自變數和因變數,並基於每個訓練用戶對應每項功能表項目的資訊數量和操作概率,訓練出與所述預設函數對應的模型函數。 在另一個可選實現方式中,所述模型生成模組還可以包括(圖4中未具體顯示): 驗證樣本選取模組,用於從全部用戶的歷史資訊中選取除所述訓練樣本外的,部分用戶的歷史資訊做為驗證樣本。 樣本參數獲取模組,用於從所述驗證樣本所含的每個驗證用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個驗證用戶對每項功能表項目進行回應操作的操作概率,構成每個驗證用戶對應每項功能表項目的資訊數量和操作概率。 模型函數驗證模組,用於將每個驗證用戶對應每項功能表項目的資訊數量輸入訓練出的模型函數,計算出每個驗證用戶對應每項功能表的操作概率。 準確率獲取模組,用於通過比較計算出的操作概率和獲取的操作概率,獲得每個驗證用戶對應各項功能表項目的操作概率的準確率。 模型函數確定模組,用於如果準確率高於預設準確閾值的用戶的數目,高於預設覆蓋閾值,則確定所述模型函數為所述預設的概率預測模型的概率預測函數。 在另一個可選實現方式中,概率預測模組420可以包括(圖4中未具體顯示): 基於所獲取的特徵資訊,計算與每項功能表項目關聯的特徵資訊的資訊數量。 將與每項功能表項目關聯的特徵資訊的資訊數量輸入所述概率預測函數,計算出該項功能表項目的概率預測值。 在另一個可選實現方式中,所述模型生成模組還可以包括(圖4中未具體顯示): 訓練樣本更新模組,用於在預設時段後,從全部用戶的歷史資訊中選取不同於所述訓練樣本的,部分用戶的歷史資訊做為更新的訓練樣本。 更新參數獲取模組,用於從更新的訓練樣本所含的每個訓練用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個訓練用戶對每項功能表項目進行回應操作的操作概率,構成每個訓練用戶對應每項功能表項目的資訊數量和操作概率。 模型函數更新模組,用於分別以資訊數量和操作概率為所述預設函數的自變數和因變數,並基於每個訓練用戶對應每項功能表項目的資訊數量和操作概率,重新訓練出與所述預設函數對應的模型函數。 上述裝置中各個模組的功能和作用的實現過程具體詳見上述方法中對應步驟的實現過程,在此不再贅述。 對於裝置實施例而言,由於其基本對應於方法實施例,所以相關之處參見方法實施例的部分說明即可。以上所描述的裝置實施例僅僅是示意性的,其中所述作為分離部件說明的模組可以是或者也可以不是實體上分開的,作為模組顯示的部件可以是或者也可以不是實體模組,即可以位於一個地方,或者也可以分佈到多個網路模組上。可以根據實際的需要選擇其中的部分或者全部模組來實現本發明方案的目的。 本領域普通技術人員在不付出進步性勞動的情況下,即可以理解並實施。本領域技術人員在考慮說明書及實踐這裡揭露的發明後,將容易想到本發明的其它實施方案。本發明意於涵蓋本發明的任何變型、用途或者適應性變化,這些變型、用途或者適應性變化遵循本發明的一般性原理並包括本發明未揭露的本技術領域中的眾所皆知常識或慣用技術手段。說明書和實施例僅被視為實例性的,本發明的真正範圍和精神由申請專利範圍指出。 應當理解的是,本發明並不局限於上面已經描述並在附圖中顯示的精確結構,並且可以在不脫離其範圍進行各種修改和改變。本發明的範圍僅由所附的申請專利範圍來限制。
111‧‧‧第一來電終端112‧‧‧第二來電終端120‧‧‧呼叫中心系統131‧‧‧第一業務終端132‧‧‧第二業務終端13N‧‧‧第N業務終端201〜203‧‧‧步驟310‧‧‧處理器320‧‧‧網路介面330‧‧‧記憶體340‧‧‧非揮發性記憶體410‧‧‧特徵獲取模組420‧‧‧概率預測模組430‧‧‧來電跳轉模組
此處的附圖被併入說明書中並構成本說明書的一部分,顯示了符合本發明的實施例,並與說明書一起用於解釋本發明的原理。 圖1是本發明實施例實現來電處理的一個系統結構意圖; 圖2是本發明來電處理方法的一個實施例流程圖; 圖3是本發明來電處理裝置所在終端的一種硬體結構圖; 圖4是本發明來電處理裝置的一個實施例方塊圖。
Claims (15)
- 一種來電處理方法,包括以下步驟:接收到用戶的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊,所述特徵資訊為該用戶的歷史資訊中,與IVR語音功能表的功能表項目關聯的資訊;根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值,所述概率預測值用於表徵用戶對所述關聯的功能表項目進行回應操作的概率;比較計算所得的概率預測值與預設概率閾值的大小關係;如果所得的概率預測值大於預設概率閾值,跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到:所獲取的特徵資訊所關聯的功能表項目所指示的業務環節;如果所得的概率預測值不大於預設概率閾值,向該用戶推送所述IVR語音功能表;根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節;記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。
- 根據申請專利範圍第1項所述的方法,其中,所述相 應層級的功能表為所述IVR語音功能表的第一級功能表,所述特徵資訊包括以下資訊中的至少一種:用戶對IVR語音功能表的功能表項目的回應操作資訊;用戶來電呼叫所諮詢的事件所屬的事件類目;發起所述來電呼叫的終端內對應應用的歷史資訊。
- 根據申請專利範圍第1項所述的方法,其中,接收到用戶的來電呼叫後,所述方法還包括以下步驟:判斷是否首次接收到該用戶的來電呼叫;如果不是首次接收到該用戶的來電呼叫,根據所述來電呼叫獲取該用戶的至少一種特徵資訊;如果是首次接收到該用戶的來電呼叫,向該用戶推送所述IVR語音功能表;根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節;記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。
- 根據申請專利範圍第1至3項中任一項所述的方法,其中,所述預設的概率預測模型的生成步驟包括:從全部用戶的歷史資訊中,選取部分用戶的歷史資訊做為訓練樣本; 從所述訓練樣本所含的每個訓練用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個訓練用戶對每項功能表項目進行回應操作的操作概率,構成每個訓練用戶對應每項功能表項目的資訊數量和操作概率;分別以資訊數量和操作概率為預設函數的自變數和因變數,並基於每個訓練用戶對應每項功能表項目的資訊數量和操作概率,訓練出與所述預設函數對應的模型函數。
- 根據申請專利範圍第4項所述的方法,其中,所述預設的概率預測模型的生成步驟還包括:從全部用戶的歷史資訊中選取除所述訓練樣本外的,部分用戶的歷史資訊做為驗證樣本;從所述驗證樣本所含的每個驗證用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個驗證用戶對每項功能表項目進行回應操作的操作概率,構成每個驗證用戶對應每項功能表項目的資訊數量和操作概率;將每個驗證用戶對應每項功能表項目的資訊數量輸入訓練出的模型函數,計算出每個驗證用戶對應每項功能表的操作概率;通過比較計算出的操作概率和獲取的操作概率,獲得每個驗證用戶對應各項功能表項目的操作概率的準確率;如果準確率高於預設準確閾值的用戶的數目,高於預 設覆蓋閾值,則確定所述模型函數為所述預設的概率預測模型的概率預測函數。
- 根據申請專利範圍第5項所述的方法,其中,所述根據預設的概率預測模型,計算所獲取的特徵資訊對應的功能表項目的概率預測值,包括:基於所獲取的特徵資訊,計算與每項功能表項目關聯的特徵資訊的資訊數量;將與每項功能表項目關聯的特徵資訊的資訊數量輸入所述概率預測函數,計算出該項功能表項目的概率預測值。
- 根據申請專利範圍第4項所述的方法,其中,所述預設的概率預測模型的生成步驟還包括:在預設時段後,從全部用戶的歷史資訊中選取不同於所述訓練樣本的,部分用戶的歷史資訊做為更新的訓練樣本;從更新的訓練樣本所含的每個訓練用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個訓練用戶對每項功能表項目進行回應操作的操作概率,構成每個訓練用戶對應每項功能表項目的資訊數量和操作概率;分別以資訊數量和操作概率為所述預設函數的自變數和因變數,並基於每個訓練用戶對應每項功能表項目的資 訊數量和操作概率,重新訓練出與所述預設函數對應的模型函數。
- 一種來電處理裝置,包括:特徵獲取模組,用於在接收到用戶的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊,所述特徵資訊為該用戶的歷史資訊中,與IVR語音功能表的功能表項目關聯的資訊;概率預測模組,用於根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值,所述概率預測值用於表徵用戶對所述關聯的功能表項目進行回應操作的概率;來電跳轉模組,用於比較計算所得的概率預測值與預設概率閾值的大小關係;如果所得的概率預測值大於預設概率閾值,跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到:所獲取的特徵資訊所關聯的功能表項目所指示的業務環節;如果所得的概率預測值不大於預設概率閾值,向該用戶推送所述IVR語音功能表;根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節;記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。
- 根據申請專利範圍第8項所述的裝置,其中,所述相 應層級的功能表為所述IVR語音功能表的第一級功能表,所述特徵資訊包括以下資訊中的至少一種:用戶對IVR語音功能表的功能表項目的回應操作資訊;用戶來電呼叫所諮詢的事件所屬的事件類目;發起所述來電呼叫的終端內對應應用的歷史資訊。
- 根據申請專利範圍第8項所述的裝置,其中,所述特徵獲取模組包括:呼叫判斷模組,用於在接收到用戶的來電呼叫後,判斷是否首次接收到該用戶的來電呼叫;資訊確定模組,用於在不是首次接收到該用戶的來電呼叫時,根據所述來電呼叫獲取該用戶的至少一種特徵資訊;所述裝置還包括:第一功能表模組,用於在首次接收到該用戶的來電呼叫時,向該用戶推送所述IVR語音功能表;第一跳轉模組,用於根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節;第一記錄模組,用於記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。
- 根據申請專利範圍第9至10項中任一項所述的裝置, 其中,所述裝置還包括模型生成模組,所述模型生成模組包括:訓練樣本選取模組,用於從全部用戶的歷史資訊中,選取部分用戶的歷史資訊做為訓練樣本;訓練參數獲取模組,用於從所述訓練樣本所含的每個訓練用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個訓練用戶對每項功能表項目進行回應操作的操作概率,構成每個訓練用戶對應每項功能表項目的資訊數量和操作概率;模型訓練模組,用於分別以資訊數量和操作概率為預設函數的自變數和因變數,並基於每個訓練用戶對應每項功能表項目的資訊數量和操作概率,訓練出與所述預設函數對應的模型函數。
- 根據申請專利範圍第11項所述的裝置,其中,所述模型生成還包括:驗證樣本選取模組,用於從全部用戶的歷史資訊中選取除所述訓練樣本外的,部分用戶的歷史資訊做為驗證樣本;樣本參數獲取模組,用於從所述驗證樣本所含的每個驗證用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個驗證用戶對每項功能表項目進行回應操作的操作概率,構成每個驗證用戶對應每項功能表項目的資訊數量和操作概率; 模型函數驗證模組,用於將每個驗證用戶對應每項功能表項目的資訊數量輸入訓練出的模型函數,計算出每個驗證用戶對應每項功能表的操作概率;準確率獲取模組,用於通過比較計算出的操作概率和獲取的操作概率,獲得每個驗證用戶對應各項功能表項目的操作概率的準確率;模型函數確定模組,用於如果準確率高於預設準確閾值的用戶的數目,高於預設覆蓋閾值,則確定所述模型函數為所述預設的概率預測模型的概率預測函數。
- 根據申請專利範圍第12項所述的裝置,其中,所述概率預測模組包括:基於所獲取的特徵資訊,計算與每項功能表項目關聯的特徵資訊的資訊數量;將與每項功能表項目關聯的特徵資訊的資訊數量輸入所述概率預測函數,計算出該項功能表項目的概率預測值。
- 根據申請專利範圍第11項所述的裝置,其中,所述模型生成模組還包括:訓練樣本更新模組,用於在預設時段後,從全部用戶的歷史資訊中選取不同於所述訓練樣本的,部分用戶的歷史資訊做為更新的訓練樣本;更新參數獲取模組,用於從更新的訓練樣本所含的每 個訓練用戶的歷史資訊中,獲取與每項功能表項目關聯的特徵資訊的資訊數量,以及每個訓練用戶對每項功能表項目進行回應操作的操作概率,構成每個訓練用戶對應每項功能表項目的資訊數量和操作概率;模型函數更新模組,用於分別以資訊數量和操作概率為所述預設函數的自變數和因變數,並基於每個訓練用戶對應每項功能表項目的資訊數量和操作概率,重新訓練出與所述預設函數對應的模型函數。
- 一種終端,包括:處理器;用於儲存所述處理器可執行指令的記憶體;其中,所述處理器被配置為:接收到用戶的來電呼叫後,根據所述來電呼叫獲取該用戶的至少一種特徵資訊,所述特徵資訊為該用戶的歷史資訊中,與IVR語音功能表的功能表項目關聯的資訊;根據預設的概率預測模型,計算所獲取的特徵資訊所關聯的功能表項目的概率預測值,所述概率預測值用於表徵用戶對所述關聯的功能表項目進行回應操作的概率;比較計算所得的概率預測值與預設概率閾值的大小關係;如果所得的概率預測值大於預設概率閾值,跳過所述IVR語音功能表中相應層級的功能表,將所述來電呼叫跳轉到:所獲取的特徵資訊所關聯的功能表項目所指示的業 務環節;如果所得的概率預測值不大於預設概率閾值,向該用戶推送所述IVR語音功能表;根據該用戶對所述IVR語音功能表的功能表項目的回應操作,將所述來電呼叫跳轉到:該用戶所回應操作的功能表項目所指示的業務環節;記錄該用戶對所述IVR語音功能表的功能表項目的回應操作。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611009522.3 | 2016-11-14 | ||
CN201611009522.3A CN106993104B (zh) | 2016-11-14 | 2016-11-14 | 来电处理方法、装置及终端 |
??201611009522.3 | 2016-11-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201818734A TW201818734A (zh) | 2018-05-16 |
TWI736673B true TWI736673B (zh) | 2021-08-21 |
Family
ID=59414095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106131560A TWI736673B (zh) | 2016-11-14 | 2017-09-14 | 來電處理方法、裝置及終端 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN106993104B (zh) |
TW (1) | TWI736673B (zh) |
WO (1) | WO2018086489A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106993104B (zh) * | 2016-11-14 | 2020-06-09 | 阿里巴巴集团控股有限公司 | 来电处理方法、装置及终端 |
CN107544827A (zh) * | 2017-08-23 | 2018-01-05 | 金蝶软件(中国)有限公司 | 一种功能调用的方法及相关装置 |
CN107704946B (zh) * | 2017-08-29 | 2019-05-10 | 平安科技(深圳)有限公司 | 电子装置、语音导航需求预测方法和存储介质 |
CN109428977A (zh) * | 2017-08-29 | 2019-03-05 | 百度在线网络技术(北京)有限公司 | 互动式语音应答交互方法和装置 |
CN107798341A (zh) * | 2017-09-30 | 2018-03-13 | 平安科技(深圳)有限公司 | 用户意图预测方法、电子设备及计算机可读存储介质 |
CN107705191B (zh) * | 2017-10-25 | 2021-03-26 | 携程计算机技术(上海)有限公司 | Ota平台的订单争取方法及系统 |
CN107888786A (zh) * | 2017-11-22 | 2018-04-06 | 程桂平 | 一种智能匹配接线员的方法及计算机系统 |
CN109086429B (zh) * | 2018-08-10 | 2021-04-13 | 上海华客信息科技有限公司 | Ivr语音导航的方法、系统、设备及存储介质 |
CN109274843B (zh) * | 2018-09-19 | 2021-06-11 | 平安科技(深圳)有限公司 | 按键预测方法、装置及计算机可读存储介质 |
CN111343348A (zh) * | 2018-12-19 | 2020-06-26 | 中兴通讯股份有限公司 | 互动式语音应答菜单的应用方法、系统、装置及存储介质 |
CN111435381A (zh) * | 2019-01-10 | 2020-07-21 | 北京京东尚科信息技术有限公司 | 请求分发方法和装置 |
CN110322899B (zh) * | 2019-06-18 | 2023-09-22 | 平安银行股份有限公司 | 用户智能分类方法、服务器及存储介质 |
CN110233944B (zh) * | 2019-06-21 | 2020-12-18 | 携程旅游信息技术(上海)有限公司 | 交互式语音应答的方法、系统、电子设备和介质 |
CN110597433A (zh) * | 2019-07-18 | 2019-12-20 | 浙江工业大学 | 一种智能化快捷菜单的生成方法 |
US10771628B1 (en) * | 2020-03-06 | 2020-09-08 | Caastle, Inc. | Systems and methods for forecasting inbound telecommunications associated with an electronic transactions subscription platform |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101094271A (zh) * | 2007-07-20 | 2007-12-26 | 华为技术有限公司 | 自动语音应答系统菜单的生成方法及装置 |
CN104010097A (zh) * | 2014-06-17 | 2014-08-27 | 携程计算机技术(上海)有限公司 | 基于传统pstn电话的多媒体通讯系统及方法 |
CN105450876A (zh) * | 2014-06-11 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 一种语音播报方法及相关系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7065188B1 (en) * | 1999-10-19 | 2006-06-20 | International Business Machines Corporation | System and method for personalizing dialogue menu for an interactive voice response system |
US7260537B2 (en) * | 2003-03-25 | 2007-08-21 | International Business Machines Corporation | Disambiguating results within a speech based IVR session |
CN101778180B (zh) * | 2010-01-22 | 2012-01-25 | 同济大学 | 一种互动式语音应答系统业务节点动态调整控制方法 |
CN104375847B (zh) * | 2013-08-14 | 2017-12-05 | 华为技术有限公司 | 识别业务类型的方法及装置 |
CN110266897B (zh) * | 2014-06-11 | 2020-10-20 | 创新先进技术有限公司 | 一种基于ivr的语音播报方法及相关系统 |
CN106993104B (zh) * | 2016-11-14 | 2020-06-09 | 阿里巴巴集团控股有限公司 | 来电处理方法、装置及终端 |
CN107071193B (zh) * | 2016-11-28 | 2020-05-29 | 阿里巴巴集团控股有限公司 | 互动应答系统接入用户的方法和装置 |
-
2016
- 2016-11-14 CN CN201611009522.3A patent/CN106993104B/zh active Active
-
2017
- 2017-09-14 TW TW106131560A patent/TWI736673B/zh active
- 2017-11-03 WO PCT/CN2017/109418 patent/WO2018086489A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101094271A (zh) * | 2007-07-20 | 2007-12-26 | 华为技术有限公司 | 自动语音应答系统菜单的生成方法及装置 |
CN105450876A (zh) * | 2014-06-11 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 一种语音播报方法及相关系统 |
CN104010097A (zh) * | 2014-06-17 | 2014-08-27 | 携程计算机技术(上海)有限公司 | 基于传统pstn电话的多媒体通讯系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2018086489A1 (zh) | 2018-05-17 |
CN106993104B (zh) | 2020-06-09 |
TW201818734A (zh) | 2018-05-16 |
CN106993104A (zh) | 2017-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI736673B (zh) | 來電處理方法、裝置及終端 | |
CN107800896B (zh) | 电话业务交互方法和装置 | |
US20200106882A1 (en) | Systems and methods for customer sentiment prediction and depiction | |
US10410633B2 (en) | System and method for customer interaction management | |
US20180152560A1 (en) | Routing user communications to agents | |
AU2013305922B2 (en) | Hierarchical based sequencing machine learning model | |
US11784947B2 (en) | System and method for proactive intervention to reduce high cost channel usage | |
CN105516071B (zh) | 验证业务操作安全性的方法、装置、终端及服务器 | |
CA2967617C (en) | Computer-implemented system and method for facilitating interactions via automatic agent responses | |
US10306068B1 (en) | Call center load balancing and routing management | |
US20140287723A1 (en) | Mobile Applications For Dynamic De-Identification And Anonymity | |
EP3366025A1 (en) | Optimized routing of interactions to contact center agents based on machine learning | |
US8630399B2 (en) | Method and system for managing a contact center configuration | |
US10944871B1 (en) | Centralized event log generation and analysis for contact centers | |
CN106603262A (zh) | 客户服务方式的分配方法及系统 | |
US11283922B2 (en) | Systems and methods for online data-linked telecommunications decisioning and distribution | |
US10264128B1 (en) | Dynamic machine-learning-based contact processing | |
US11431726B2 (en) | Systems and methods for communication between a plurality of electronic devices based on subscriber access score | |
US11341956B1 (en) | Electronic signatures via voice for virtual assistants' interactions | |
US10979572B1 (en) | Directed customer support | |
CN113852723B (zh) | 号码调度方法、设备及存储介质 | |
US20220239773A1 (en) | Caller identification information analyzer | |
US20210383445A1 (en) | Online connecting of service providers | |
Gaikwad et al. | Telepurchasing using IVR System |