TWI766183B - 智能匹配自動通訊方法、系統、裝置及電腦可讀取記錄媒體 - Google Patents
智能匹配自動通訊方法、系統、裝置及電腦可讀取記錄媒體 Download PDFInfo
- Publication number
- TWI766183B TWI766183B TW108131058A TW108131058A TWI766183B TW I766183 B TWI766183 B TW I766183B TW 108131058 A TW108131058 A TW 108131058A TW 108131058 A TW108131058 A TW 108131058A TW I766183 B TWI766183 B TW I766183B
- Authority
- TW
- Taiwan
- Prior art keywords
- target
- receiver
- communication
- level
- callee
- Prior art date
Links
Images
Classifications
-
- 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
- H04M3/42187—Lines and connections with preferential service
-
- 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
- H04M3/436—Arrangements for screening incoming calls, i.e. evaluating the characteristics of a call before deciding whether to answer it
- H04M3/4365—Arrangements for screening incoming calls, i.e. evaluating the characteristics of a call before deciding whether to answer it based on information specified by the calling party, e.g. priority or subject
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M7/00—Arrangements for interconnection between switching centres
- H04M7/12—Arrangements for interconnection between switching centres for working between exchanges having different types of switching equipment, e.g. power-driven and step by step or decimal and non-decimal
- H04M7/1205—Arrangements for interconnection between switching centres for working between exchanges having different types of switching equipment, e.g. power-driven and step by step or decimal and non-decimal where the types of switching equipement comprises PSTN/ISDN equipment and switching equipment of networks other than PSTN/ISDN, e.g. Internet Protocol networks
- H04M7/1275—Methods and means to improve the telephone service quality, e.g. reservation, prioritisation or admission control
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Telephonic Communication Services (AREA)
Abstract
一種智能匹配自動通訊方法包含:預先儲存多筆分別對應多個受話端的受話方屬性資料,且根據受話方屬性資料產生受話端的受話方等級;預先儲存多筆分別對應多個發話端的發話方屬性資料,且根據發話方屬性資料產生發話端的發話方等級;根據匹配請求將受話方等級與發話方等級比較以從受話端中選出目標受話端,並產生目標受話端與該等發話端中之目標發話端的匹配度,再根據匹配度自動向目標受話端發出通訊請求。
Description
本發明是有關於一種通訊方法、系統、裝置及電腦可讀取記錄媒體,特別是指一種涉及通訊技術領域的智能匹配自動通訊方法、系統、裝置及電腦可讀取記錄媒體。
近年來,由於通訊技術的高速發展,手機、電話、電腦、網路等多種通訊媒介已被綜合應用於金融、教育、房地產等不同領域中。隨著客戶名單和業務人員的數量日益增多,如何對客戶名單和業務人員進行管理,便成為一個有待探討的問題。
因此,本發明的其中一目的,即在提供一種智能匹配自動通訊方法。
本發明智能匹配自動通訊方法由一智能匹配自動通訊系統實施,該智能匹配自動通訊方法包含:預先儲存多筆分別對應多個受話端的受話方屬性資料,且根據該等受話方屬性資料的其中一或多者分別產生一或多個分別對應該等受話端之其中一或多者的受話方等級;預先儲存多筆分別對應多個發話端的發話方屬性資
料,且根據該等發話方屬性資料的其中一或多者分別產生一或多個分別對應該等發話端之其中一或多者的發話方等級;根據一相關於所述發話端的匹配請求將所述受話方等級與所述發話方等級比較,以從所述受話端中選出一或多個符合一等級匹配條件的目標受話端,對於每一受話端,該等級匹配條件包含該受話端所具有的受話方等級與所述發話端的其中一或多個目標發話端所具有的發話方等級相對應,並且,產生每一目標受話端與所述目標發話端之間的匹配度;根據所述匹配度自動地向所述目標受話端發出通訊請求。
在本發明智能匹配自動通訊方法的一些實施態樣中,每一受話方屬性資料包含一身份資料、一品牌屬性資料、一媒體來源資料、一城市維度資料及/或一流入時間資料。
在本發明智能匹配自動通訊方法的一些實施態樣中,每一發話方屬性資料包含一身份資料、一品牌屬性資料、一城市維度資料、一績效指標資料及/或一負面行為指標資料。
在本發明智能匹配自動通訊方法的一些實施態樣中,該智能匹配自動通訊方法還包含:隨時間變化即時更新所選出的所述目標受話端。
在本發明智能匹配自動通訊方法的一些實施態樣中,該智能匹配自動通訊方法還包含:判定所述發話端是否符合一通訊
許可條件,該通訊許可條件包含所述發話端被設置為具有允與受話端通訊的權限、所述發話端與目標受話端之間的匹配度到達一預定門檻值,以及所述發話端具有與受話端通訊的可用分配額度。
在本發明智能匹配自動通訊方法的一些實施態樣中,所述通訊包含媒體資訊傳輸,且所述媒體資訊包含語音、文字及影像的其中至少一者。
在本發明智能匹配自動通訊方法的一些實施態樣中,該智能匹配自動通訊方法還包含:當與所述目標受話端建立通訊成功時,將與所述目標受話端之間的通訊派發給所述目標發話端;當與所述目標受話端建立通訊失敗時,根據機器學習技術自動地向所述目標受話端再次發出通訊請求。
在本發明智能匹配自動通訊方法的一些實施態樣中,根據機器學習技術自動地向所述目標受話端再次發出通訊請求的方式包含:獲取一機器學習輸入資料,並以該機器學習輸入資料透過一機器學習演算法進行訓練,以決定出向所述目標受話端再次發出通訊請求的一預定時間,該機器學習輸入資料包含一通訊失敗類型、一通訊時間參數、所述目標受話端的所述受話方屬性資料及一已通訊次數參數。
在本發明智能匹配自動通訊方法的一些實施態樣中,該機器學習演算法包含一決策樹模型、一神經網路模型、一支援向
量機模型、一強化學習模型,以及一K-最近鄰分類模型的其中至少一者。
在本發明智能匹配自動通訊方法的一些實施態樣中,該智能匹配自動通訊方法還包含:根據預先儲存的一指定等級,從該等發話端中選出發話方等級與該指定等級相符的所述目標發話端,以及從該等受話端中選出受話方等級與該指定等級相符的所述目標受話端,並將所述目標發話端與所述目標受話端進行匹配。
在本發明智能匹配自動通訊方法的一些實施態樣中,該智能匹配自動通訊方法還包含:儲存所述受話方屬性資料、所述受話方等級、所述發話方屬性資料、所述發話方等級、所述匹配度及所選出的所述目標受話端。
本發明的另一目的,在於提供能實施該智能匹配自動通訊方法的一種智能匹配自動通訊系統。
本發明智能匹配自動通訊系統包含一受話端分析模組、一發話端分析模組、一匹配度產生模組及一自動通訊模組。該受話端分析模組用於預先儲存多筆分別對應多個受話端的受話方屬性資料,且根據該等受話方屬性資料的其中一或多者分別產生一或多個分別對應該等受話端之其中一或多者的受話方等級。該發話端分析模組用於預先儲存多筆分別對應多個發話端的發話方屬性資料,且根據該等發話方屬性資料的其中一或多者分別產生一或多
個分別對應該等發話端之其中一或多者的發話方等級。該匹配度產生模組用於根據一相關於所述發話端的匹配請求將所述受話方等級與所述發話方等級比較,以從所述受話端中選出一或多個符合一等級匹配條件的目標受話端,對於每一受話端,該等級匹配條件包含該受話端所具有的受話方等級與所述發話端的其中一或多個目標發話端所具有的發話方等級相對應,並且,該匹配度產生模組還用於產生每一目標受話端與所述目標發話端之間的匹配度。該自動通訊模組用於根據所述匹配度自動地向所述目標受話端發出通訊請求。
在本發明智能匹配自動通訊系統的一些實施態樣中,每一受話方屬性資料包含一身份資料、一品牌屬性資料、一媒體來源資料、一城市維度資料及/或一流入時間資料。
在本發明智能匹配自動通訊系統的一些實施態樣中,每一發話方屬性資料包含一身份資料、一品牌屬性資料、一城市維度資料、一績效指標資料及/或一負面行為指標資料。
在本發明智能匹配自動通訊系統的一些實施態樣中,所述目標受話端隨時間變化而即時更新。
在本發明智能匹配自動通訊系統的一些實施態樣中,該智能匹配自動通訊系統還包含一權限判定模組,該權限判定模組用於判定所述發話端是否符合一通訊許可條件,該通訊許可條件包
含所述發話端被設置為具有允與受話端通訊的權限、所述發話端與目標受話端之間的匹配度到達一預定門檻值,以及所述發話端具有與受話端通訊的可用分配額度。
在本發明智能匹配自動通訊系統的一些實施態樣中,所述通訊包含媒體資訊傳輸,且所述媒體資訊包含語音、文字及影像的其中至少一者。
在本發明智能匹配自動通訊系統的一些實施態樣中,該智能匹配自動通訊系統還包含一派發模組及一重新通訊模組,該派發模組用於在與所述目標受話端建立通訊成功時,將與所述目標受話端之間的通訊派發給所述目標發話端,該重新通訊模組用於在與所述目標受話端建立通訊失敗時,根據機器學習技術自動地向所述目標受話端再次發出通訊請求。
在本發明智能匹配自動通訊系統的一些實施態樣中,該重新通訊模組根據機器學習技術自動地向所述目標受話端再次發出通訊請求的方式包含:獲取一機器學習輸入資料,並以該機器學習輸入資料透過一機器學習演算法進行訓練,以決定出向所述目標受話端再次發出通訊請求的一預定時間,該機器學習輸入資料包含一通訊失敗類型、一通訊時間參數、所述目標受話端的所述受話方屬性資料及一已通訊次數參數。
在本發明智能匹配自動通訊系統的一些實施態樣中,
該機器學習演算法包含一決策樹模型、一神經網路模型、一支援向量機模型、一強化學習模型,以及一K-最近鄰分類模型的其中至少一者。
在本發明智能匹配自動通訊系統的一些實施態樣中,該智能匹配自動通訊系統還包含一指定模組,該指定模組用於根據預先儲存的一指定等級,從該等發話端中選出發話方等級與該指定等級相符的所述目標發話端,以及從該等受話端中選出受話方等級與該指定等級相符的所述目標受話端,並將所述目標發話端與所述目標受話端進行匹配。
在本發明智能匹配自動通訊系統的一些實施態樣中,該智能匹配自動通訊系統還包含一儲存模組,該儲存模組用於儲存所述受話方屬性資料、所述受話方等級、所述發話方屬性資料、所述發話方等級、所述匹配度及所選出的所述目標受話端。
本發明的再一目的,在於提供能實施該智能匹配自動通訊方法的一種智能匹配自動通訊裝置。
本發明智能匹配自動通訊裝置包含一處理器及一儲存器,該儲存器儲存有能供該處理器執行的可執行指令。該處理器被配置為經由執行所述的可執行指令來實施如前述任一實施態樣中所述的該智能匹配自動通訊方法。
本發明的又一目的,在於提供一種電腦可讀取記錄媒
體。
本發明電腦可讀取記錄媒體儲存一應用程式,當該應用程式被一電子裝置載入並執行時,能使該電子裝置實施如前述任一實施態樣中所述的該智能匹配自動通訊方法。
本發明之功效在於:藉由所述的智能匹配自動通訊方法、系統、裝置及電腦可讀取記錄媒體,本發明能對客戶信息和業務資源進行智能化管理,實現智能匹配和自動通訊,從而減少業務人員的工作空置率,提高業務人員的工作效率、對客戶服務的即時性以及服務品質,此外,本發明還可提高發話者與受話者的通訊效率及轉化率,減少了發話者的等待時間,有效節約了系統營運及管理的成本。
S101~S104:步驟
S201~S206:步驟
310:智能匹配自動通訊系統
311:資料庫
312:處理模組
320:輸出入埠模組
330:網路
340:用戶設備
400:智能匹配自動通訊系統
410:受話端分析模組
420:發話端分析模組
421:評價因子計算模組
430:匹配度產生模組
440:自動通訊模組
441:派發模組
442:重新通訊模組
450:指定模組
460:儲存模組
500:智能匹配自動通訊裝置
510:匯流排
520:處理器
530:儲存器
540:唯讀儲存器
550:輸出裝置
560:輸入裝置
570:通訊連接埠
580:傳輸通道
600:電腦可讀取記錄媒體
601:應用程式
本發明之其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中:圖1是一流程圖,示例性地說明本發明智能匹配自動通訊方法的一實施例如何實施;圖2是一流程圖,進一步地示例說明該實施例的智能匹配自動通訊方法;圖3是一示意圖,示例性地繪示本發明智能匹配自動通訊系統之一實施例的應用方式;
圖4是該實施例之智能匹配自動通訊系統的一方塊示意圖;圖5是一示意圖,示例性地繪示本發明智能匹配自動通訊裝置的一實施例;及圖6是一示意圖,示例性地繪示本發明電腦可讀取記錄媒體的一實施例。
在本發明被詳細描述之前,應當注意在以下的說明內容中,類似的元件是以相同的編號來表示。並且,本專利說明書中所述的「電連接」是泛指多個電子設備/裝置/元件之間透過導電材料相連接而達成的有線電連接,以及透過無線通訊技術進行無線信號傳輸的無線電連接。並且,本專利說明書中所述的「電連接」亦泛指兩個電子設備/裝置/元件之間直接相連而形成的「直接電連接」,以及兩個電子設備/裝置/元件之間還透過其他電子設備/裝置/元件相連而形成的「間接電連接」。
除非另作定義,本專利說明書中使用的技術術語或者科學術語應當為本發明所屬領域內具有通常知識者所理解的一般意義。並且,本專利說明書中的「一個」或者「一」等類似詞語並不表示數量限制,而是表示存在至少一個。
在本專利說明書中,「受話端」例如是代表學生、客戶、調查參與者或第三方等所持有的電子裝置,而「發話端」則例
如是代表教師、銀行職員、業務員、客戶服務員或話務員等所持有的電子裝置,並且,所述的每一電子裝置可例如為一台手機、平板電腦、筆記型電腦、桌上型電腦或者其他具有通訊功能的電腦裝置。在本發明的描述中,「通訊」的具體實施態樣可例如包含媒體資訊的傳輸,並且,所述媒體資訊可以包含語音、文字及影像的其中一或多者,且所述的「影像」並不限於是靜態影像或動態影像。在本專利說明書中,「接通」是指完成即時交互通訊的連接,「未接通」是指沒有應答或沒有回復的通訊。
以下,將參考附圖詳細描述本發明的實施例。
圖1是本發明智能匹配自動通訊方法之一實施例的流程圖。
如圖1所示,本實施例的智能匹配自動通訊方法例如可由一智能匹配自動通訊系統實施,而在另一實施例中,該智能匹配自動通訊方法也可由一智能匹配自動通訊裝置實施,而不以本實施例為限。並且,本實施例的該智能匹配自動通訊方法例如包含以下步驟。
在步驟S101中,預先儲存受話端的屬性,且根據受話端的屬性中的至少一個,產生受話端的等級。更具體地說,在步驟S101中,該智能匹配自動通訊系統預先儲存多筆分別對應多個受話端的受話方屬性資料,且根據該等受話方屬性資料的其中一或多
者分別產生一或多個分別對應該等受話端之其中一或多者的受話方等級。
在本實施例中,受話端的屬性(亦即受話方屬性資料)可以包括身份、品牌屬性、媒體來源、城市維度或流入時間中的至少一個,但不限於此。更具體地說,在本實施例中,每一受話方屬性資料包含一身份資料、一品牌屬性資料、一媒體來源資料、一城市維度資料及/或一流入時間資料,但並不以此為限。
作為示例,身份屬性(亦即身份資料)可例如包含性別、年齡、國籍、省市、民族、住址、職業、履歷、教育程度和子女資訊等。媒體來源(亦即媒體來源資料)可例如包含電視、廣播、報紙、期刊、互聯網、移動端、郵件、電話等獲取資訊的管道。更具體地,互聯網管道的來源還可以包括官方網站、搜索引擎、應用軟體等新興數位媒體。城市維度(亦即城市維度資料)可例如包含教育資源、資料資源、經濟發展水平、文化發展水平、交通便利程度、城市活力等。流入時間(亦即流入時間資料)可例如包含在任意管道上獲得包含聯繫方式的受話端的資訊的儲存時間,其中聯繫方式包含諸如電話號碼、電子郵件地址、網路帳號及/或其他聯繫地址。這些屬性特徵僅僅作為示例說明。在具體分析發話端屬性的過程中,易於理解的是,在金融領域中優選地參考職業、城市經濟發展水平等屬性,在教育領域中優選地參考子女資訊、教育程度、
職業等屬性。
在步驟102中,預先儲存發話端的屬性,且根據發話端的屬性中的至少一個,產生發話端的等級。更具體地說,在步驟S102中,該智能匹配自動通訊系統預先儲存多筆分別對應多個發話端的發話方屬性資料,且根據該等發話方屬性資料的其中一或多者分別產生一或多個分別對應該等發話端之其中一或多者的發話方等級。
在本實施例中,發話端的屬性(亦即發話方屬性資料)可以包括身份、品牌屬性、城市維度、績效指標和負面行為指標中的至少一個,但不限於此。更具體地說,在本實施例中,每一發話方屬性資料包含一身份資料、一品牌屬性資料、一城市維度資料、一績效指標資料及/或一負面行為指標資料,但並不以此為限。
作為示例,根據發話端的屬性中的至少一個,計算發話端的評價因子以定量確定發話端的等級,其中評價因子可以是發話端的各屬性權重的百分比。
在示例性的實施例中,身份、城市維度的說明參考上文所描述的內容。績效指標(亦即績效指標資料)可以例如是指個人任務完成度、部門任務完成度、在職年限等定性或量化指標。負面行為指標(亦即負面行為指標資料)可以例如是指違反所規定的各項章程的行為的定性或量化指標。使用評價因子來定量統計發話
端的等級。
在一個優選的實施例中,可以設計不同發話端的屬性的權重比例。例如,當僅考慮發話端的績效指標和負面行為指標時,將某一發話端的身份、品牌屬性、城市維度、績效指標和負面指標等分別表示為Ii、Bi、Ci、Ki、Ni,…,並且某一發話端的評分表示為Si,適用於以下公式:Si=α1×Ii+α2×Bi+α3×Ci+α3×Ki+α4×Ni+...,其中,α1~α4例如表示不同屬性的權重係數,更具體地說,α1~α4可例如是分別對應該身份資料、該品牌屬性資料、該城市維度資料及該績效指標資料的四個權重,且α1~α4例如分別被實施為四個百分比。或者,在其他實施例中,α1~α4也可以表示相同的符號,也可以表示不同的正負號,可以是零或是其他數值,而不以本實施例為限。可選地,獲取要設定的發話方等級的個數、各個發話方等級所需要的數量或所占的比率,計算各個發話方等級的評分區間,然後根據發話端中的每一個的評分結果設定相應發話端的發話方等級。或者,獲取要設定的發話方等級的個數、各個發話方等級所要達到的評分,來決定發話端的發話方等級。
補充說明的是,本實施例的每一個發話方等級及每一個受話方等級可例如是以數值表示,然而,在其他實施例中,所述發話方等級及受話方等級也可例如是以代碼表示。並且,在其他實
施態樣中,步驟S101及步驟S102的順序可以彼此對調,或者也可以由該智能匹配自動通訊系統同時併行處理,而不以本實施例為限。
在另一個優選的實施例中,評價因子表示為貢獻值。獲取發話端的基本行為(諸如身份、品牌屬性、城市維度等)、能力行為(諸如接通成功、實現目標的程度、受話端的滿意度的績效指標)、及/或負面行為,分別對這些行為賦值。當發話端符合一定的基本行為時,則設定與該基本行為對應的賦值;當發話端達成任一項貢獻行為時,則增加該能力行為相對應的賦值;當發話端發生任一項負面行為時,則減去與該負面行為相對應的賦值;最終統計出該發話端的貢獻值,根據所述貢獻值的高低確定發話端的等級。評價方式不受優選實施例的限制,並且可以是本發明技術領域中具有通常知識者可以實現的任何其他技術方案。
在步驟103中,根據發話端的匹配請求,比較受話端的等級和發話端的等級,且產生與發話端的等級相對應的受話端及二者的匹配度。更具體地說,在步驟103中,該智能匹配自動通訊系統根據一相關於所述發話端的匹配請求將所述受話方等級與所述發話方等級比較,以從所述受話端中選出一或多個符合一等級匹配條件的目標受話端。對於每一受話端,該等級匹配條件在本實施例中例如包含該受話端所具有的受話方等級與所述發話端的其中一
或多個目標發話端所具有的發話方等級相對應,並且,所述的「受話方等級與發話方等級相對應」可例如是指所述的受話方等級與所述的發話方等級相同,或者,也可例如是指所述的受話方等級與所述的發話方等級的差距在一預定範圍以內,但並不以此為限。並且,該智能匹配自動通訊系統產生每一目標受話端與所述目標發話端之間的匹配度。
具體而言,例如在各個屬性方面依次將受話端的受話方屬性資料與發話端的發話方屬性資料比較,根據比較結果標記受話端與發話端之間的相似因子和相似度,相似因子越多且相似度越高,得到的二者的匹配度越高。作為示例,可以採用循環比較演算法實現二者屬性的相似度比較。並且,該匹配請求可例如是該等發話端的其中一者根據使用者的操作而輸出至該智能匹配自動通訊系統,但不以此為限。
在示例性實施例中,受話端和發話端的等級(亦即受話方等級及發話方等級)可以從高到低依次排列,較高等級的發話端優選地提供較高等級的受話端,因此當較高等級的發話端發起匹配請求時,較高等級的受話端的匹配度最高,其他等級的受話端的匹配度隨著等級的降低按一定規律遞減。較低等級的發話端優選地提供較低等級的受話端,因此當較低等級的發話端發起匹配請求時,較低等級的受話端的匹配度最高,其他等級的受話端的匹配度
隨著等級的增高按一定規律遞減。同時參考相似度比較的結果和等級排列的結果加權平均得出匹配度。由於發話端和受話端的屬性在方法的反復調用過程中不斷的變化,所產生的匹配度也會根據二者的數量、屬性等參數的變化而改變。
在示例性實施例中,然後獲取受話端及其順序號,將具有不同等級的受話端依據順序號排序。根據二者的匹配度排序,所得到的受話端的順序號的值越低則優先級越高,以產生與發話端等級相對應的最適配的受話端。作為示例,在匹配度的基礎上,還可以根據某一受話端的等級或屬性(如流入時間)來具體排列受話端的順序號。該示例性實施例僅是示例性的,其他排序方式也是可能的。
在步驟104中,根據匹配度,向所產生的受話端自動通訊。更具體地說,在步驟104中,該智能匹配自動通訊系統根據所述匹配度自動地向所述目標受話端發出通訊請求,且例如是向匹配度最高的其中至少一個目標受話端發出通訊請求。所述的發出通訊請求可例如是撥出一通語音電話或是視訊電話,但並不以此為限。
在本發明的一個實施例中,所產生的受話端隨時間變化可以即時更新。換句話說,該智能匹配自動通訊系統會隨時間變化即時更新所選出的所述目標受話端。作為示例,只要發話端觸發匹配請求,可以更新地產生與其對應的受話端和匹配度,並根據更
新過的匹配度,向所產生的受話端自動通訊。在常規的匹配方法中,以每月、每周或每天分配給發話端一定數量的受話端,這樣分配的方式不僅十分低效,而且存在發話端和受話端的匹配關係差、轉化率低等問題。與之相比,本發明的實施例中,將受話端和發話端相應地劃分等級,並且即時更新匹配關係,並且根據匹配關係來產生最終的受話端,從而提高所產生的受話端的時效性及準確性,從而提高通訊的效率。
圖2是進一步圖示根據本發明的實施例的智能匹配自動通訊方法的流程圖。
如圖2所示,在步驟S201中,該智能匹配自動通訊系統接收由該等發話端其中一者所輸出的匹配請求。
在步驟S202中,限定發話端的通訊權限。其中通訊權限可以包括是否允許發話端訪問受話端通訊權限,是否發話端具有適當等級的受話端的匹配度,以及是否具有適當等級的受話端的分配額度等。如果判斷發話端具有受話端的通訊權限,具有適當等級的受話端的匹配度並且具有受話端的分配額度,則可以產生與發話端等級相對應的受話端及兩者的匹配度,從而完成自動通訊的功能。否則,退出發話端的匹配請求,返回到開始的狀態。更具體地說,在步驟S202中,該智能匹配自動通訊系統判定所述發話端是否符合一通訊許可條件。在本實施例中,該通訊許可條件例如包
含:所述發話端被設置為具有允與受話端通訊的權限、所述發話端與目標受話端之間的匹配度到達一預定門檻值,以及所述發話端具有與受話端通訊的可用分配額度,但並不以此為限。
與傳統地將發話端和受話端逐個比較的方法,通過確定發話端具有通訊權限、具有該等級的受話端的匹配度、並且還具有該等級的受話端的分配額度,則可以快速篩選出與發話端的等級相對應的受話端,因而減少發話端的等待時間。在示例性實施例中,根據受話端的總數和發話端的總數來合理分配二者的額度,從而確保所有受話端能夠儘快實現至少完成一次自動通訊過程,縮短受話端的滯留時間。
在步驟S203中,產生與發話端相對應的受話端及二者的匹配度,並且向所生產的受話端自動通訊。更具體地說,在步驟S203中,該智能匹配自動通訊系統例如是計算出所述目標受話端與所述目標發話端之間的匹配度。並且,針對其中一個目標發話端,該智能匹配自動通訊系統自動地對與該目標發話端之匹配度最高的目標收話端發出通訊請求,但不以此為限。
在步驟S204中,判斷所產生的受話端的接通情况。更具體地說,在步驟S204中,該智能匹配自動通訊系統例如是判斷向該目標收話端發出的通訊請求是否在一預定時間長度(例如20秒)到達之前被該目標收話端接通(亦即是否與該目標收話端建立
通訊成功)。
在步驟S205中,如果接通了所產生的受話端,則將所產生的受話端派發給發話端。換句話說,在步驟S205中,當該智能匹配自動通訊系統判斷出與該目標受話端建立通訊成功時,將與該目標受話端之間的通訊派發給該目標發話端,以使該目標受話端與該目標發話端能夠彼此通訊。補充說明的是,所述的「將與該目標受話端之間的通訊派發給該目標發話端」可例如是指將已接通的語音或視訊通話轉接至該目標發話端,但並不以此為限。
在步驟S206中,如果未接通所產生的受話端,則根據機器學習技術自動重新通訊所產生的受話端。換句話說,在步驟S206中,當該智能匹配自動通訊系統判斷出與該目標受話端建立通訊失敗時,該智能匹配自動通訊系統根據機器學習技術自動地向該目標受話端再次發出通訊請求。
在本發明的具體實施例中,自動重新通訊可以包括獲取未接通的原因、時間參數、受話端的屬性參數、通訊次數參數和重新通訊時間參數等,通過機器學習演算法訓練對於下一個未接通的原因預測下一次重新通訊時間。更具體地說,本實施例的智能匹配自動通訊系統「根據機器學習技術自動地向該目標受話端再次發出通訊請求」的方式例如包含:該智能匹配自動通訊系統獲取一機器學習輸入資料,並以該機器學習輸入資料透過一機器學習演算法
進行訓練,以決定出向所述目標受話端再次發出通訊請求的一預定時間,並且,該機器學習輸入資料例如包含一通訊失敗類型、一通訊時間參數、所述目標受話端的所述受話方屬性資料,以及一已通訊次數參數,但並不以此為限。
具體而言,以語音通訊為例,無法接通的原因(亦即通訊失敗類型)可例如包含忙線中、未接聽、空號等。在不同的未接通的原因下,該智能匹配自動通訊系統學習獲取的時間參數、受話端的屬性參數、通訊次數參數和重新通訊時間參數等,通過某一機器學習演算法來學習和訓練,並且對於下一個未接通的原因預測出增強的重新通訊的時間參數。在示例性的實施例中,忙線中可能是目標受話端正在通話,未接聽可能是目標受話端不在用戶身邊。由於通話時間的長短以及無法聯繫的狀態可能與受話端之用戶的職業相關,因此,本實施例的智能匹配自動通訊系統例如根據決策樹(Decision tree)的演算法預測出具有差異化的重撥時間。該演算法有利於根據目標受話端之用戶的不同屬性做出決策。對於空號,可選地直接對其進行删除,或者可選地通過增删某些易於增加或漏寫的數字實現接通,例如異地移動通訊號碼加撥零、固定電話號碼的增位、城市區號的規範等,該方法可以通過簡單的最鄰近演算法(Nearest Neighbor)來實現,該演算法有利於識別不同條件下的預測結果。
在本發明的實施例中,機器學習演算法還可以包括決策樹、神經網路、卷積神經網路、支援向量機、強化學習和K-最近鄰演算法中的各種演算法。更具體地說,該機器學習演算法可例如包含一決策樹模型、一神經網路模型、一支援向量機模型、一強化學習模型,以及一K-最近鄰分類模型的其中一或多者,但並不以此為限。其中,神經網路的英文為Artificial Neural Network,亦可簡稱為ANN,且該神經網路模型可例如被實施為一捲積神經網路(Convolutional neural network,CNN)模型,但不以此為限。另外,支援向量機的英文為Support Vector Machine,亦可簡稱為SVM。強化學習的英文為Reinforcement Learning,亦可簡稱為RL。
透過在重新通訊方法中使用機器學習演算法,能夠智能優化重新通訊的時間,提高重新通訊的效率,進而提高了受話端的撥通效率和轉化率。
在本發明的實施例中,根據預先儲存指定等級,可以確定具有指定等級的發話端和受話端,僅向具有指定等級的發話端提供具有相同指定等級的受話端。更具體地說,該智能匹配自動通訊系統例如是根據預先儲存的一指定等級,從該等發話端中選出發話方等級與該指定等級相符的所述目標發話端,以及從該等受話端中選出受話方等級與該指定等級相符的所述目標受話端,並將所述
目標發話端與所述目標受話端進行匹配,而使得被互相匹配的目標發話端及所述目標受話端的等級彼此相符。
例如,需要針對不同的品牌屬性(諸如青少年英語品牌、成人英語品牌、VIP品牌、日語品牌等)的受話端分別與相應的品牌屬性的發話端單獨通訊,則該智能匹配自動通訊系統首先可以將各個品牌的等級分別儲存為A1、A2、…、AN。其次,該智能匹配自動通訊系統僅向具有A1等級的發話端提供具有A1等級的受話端,僅向具有A2等級的發話端提供具有A2等級的受話端,依次類推到AN等級的分配。具體地,例如,該智能匹配自動通訊系統將與具有A1等級的發話端對應的具有A1等級的受話端設置為具有較高的權重係數,而將與具有A1等級的發話端對應的具有非A1(例如A2、…、AN、和其他未被標注)等級的受話端可以設置成零的權重係數,或可以不設置權重係數。從而實現不同品牌的受話端僅分配給具有相應的品牌屬性的發話端,以提高不同品牌屬性的受話端的轉化率。
因此,在某一指定的等級下,相應等級的發話端與相應等級的受話端的對應關係具有排他性,從而能夠快速分配並且提高通訊效率。
在本發明的實施例中,該智能匹配自動通訊系統可以緩存受話端的屬性和等級、發話端的屬性和等級、匹配度、所產生
的受話端以及智能重新通訊的時間。更具體地說,該智能匹配自動通訊系統會儲存所述受話方屬性資料、所述受話方等級、所述發話方屬性資料、所述發話方等級、所述匹配度及所選出的所述目標受話端。
換言之,在儲存媒體中預先儲存如上所述預先儲存的受話端的屬性和等級、如上所述預先儲存的發話端的屬性和等級、匹配度以及所產生的受話端,可以實現在大數量的發話端發起匹配請求的情况下,能夠快速產生受話端和匹配度。其中發話端的數量可以是幾千個、幾萬個、幾十萬個、甚至更多。由於預先儲存了相關的計算結果縮短了發話端的等待時間,節約了大量的計算時間和額外的等待時間。
圖3是本發明智能匹配自動通訊系統之一實施例的示意圖,且該智能匹配自動通訊系統310是被配置為能實施前述每一實施例的智能匹配自動通訊方法。
如圖3所示,該智能匹配自動通訊系統310適用於經由一輸出入埠模組320連接到一網路330(該網路330可例如包含電話網路、互聯網、LAN、WAN等),並經由該網路330連接到多個用戶設備340。參考圖3,在一些實施例中,該智能匹配自動通訊系統310可例如包含一資料庫311及一處理模組312。該智能匹配自動通訊系統310可例如被配置為經由該網路330獲取由該等用戶設
備340提供的資訊,並將其以數據文件的形式儲存在該資料庫311中,以用供該處理模組312讀取及分析。該智能匹配自動通訊系統310還可以被配置為選擇內容以用於在資源(例如網頁或應用程式等)內向使用者顯示,並且通過該網路330從該資料庫311向該等用戶設備340展示數據資訊。
在示例性實施例中,該智能匹配自動通訊系統310及/或該等用戶設備340可被實施為任何類型的電子裝置(例如,具有處理器和儲存器的手機、電腦或各種類型的電腦可讀取記錄媒體),諸如電視盒及/或機上盒,通訊裝置(例如,固定式電話、蜂窩電話(Cellular)、智慧型手機等),電腦及/或媒體裝置(桌上型電腦、筆記型電腦、上網本電腦、平板電腦、車用電腦等)或任何其它類型的電腦裝置。在一些實施例中,可以經由根據網路上的應用程式及/或安裝在該智能匹配自動通訊系統310上的應用程式來提供內容。在一些實施例中,該智能匹配自動通訊系統310及/或用戶設備340可以被設計為使用各種類型的軟體及/或作業系統。在示例性實施例中,該智能匹配自動通訊系統310及/或用戶設備340可以配備有一個或多個輸出裝置及/或一個或多個輸入裝置。輸出裝置可例如包含(但不限於)音響、揚聲器、諸如液晶顯示器或有源矩陣顯示器等的顯示器。輸入裝置可例如包含(但不限於)麥克風、錄音筆、照相機、攝影機、掃描儀、深度相機、字母
數字鍵和其它鍵的鍵盤、鼠標、軌跡球光標方向鍵、手寫輸入板、觸控顯示器及傳感器等。
該智能匹配自動通訊系統310及/或用戶設備340可以被配置為使用網路330從各種資訊源接收數據。在一些實施例中,網路330可以包括電腦網路(例如LAN、WAN、互聯網等),該智能匹配自動通訊系統310及/或用戶設備340可以經由任何類型的網路連接(例如,諸如乙太網、電話線、電力線等的有線網路連接,或諸如WiFi、藍牙、3G、4G、衛星等的無線網路連接)連接到該電腦網路。在一些實施例中,該網路330可以包含媒體分發媒體節目及/或數據內容的分發網路,諸如電纜(例如,同軸電纜)、衛星、光纖等。
在示例性實施例中,該資料庫311例如至少儲存單個受話端的聯繫方式諸如電話號碼、電子郵件地址、網路帳號及/或其他聯繫地址等。該資料庫311還可以包含受話端的屬性特徵(亦即前述的受話方屬性資料,包含身份、品牌屬性、媒體來源、城市維度、及/或流入時間等)、發話端的屬性特徵(亦即前述的發話方屬性資料,包含身份、品牌屬性、城市維度、績效指標、及/或負面行為指標等)、通過處理模組312處理而獲得的數據資訊等。資料庫311可例如被實施為儲存單元或諸如網路硬碟等的儲存媒體。
在示例性實施例中,該處理模組312可以包含被配置為
實現如上所述的智能匹配自動通訊方法的步驟的一或多個電路。所述的「電路」可例如為包含硬體、軟體或其組合的實施方式。
圖4是本實施例之智能匹配自動通訊系統的另一方塊示意圖。
如圖4所示,該智能匹配自動通訊系統400例如用於實施前述每一實施例的該智能匹配自動通訊方法,並且,該智能匹配自動通訊系統400包含一受話端分析模組410、一發話端分析模組420、一匹配度產生模組430及一自動通訊模組440、一指定模組450及一儲存模組460。
在本實施例中,該發話端分析模組420例如包括一評價因子計算模組421。該自動通訊模組440則例如包括一派發模組441及一重新通訊模組442。值得注意的是,雖然智能匹配自動通訊系統400在圖4中被示出為包含不同的模組,但是應當理解,圖4中所示的特定配置僅僅是為了說明的目的而提供的,並且其它實施方式可以使用不同的配置。
在本實施例中,該受話端分析模組410例如是用於預先儲存多筆分別對應多個受話端的受話方屬性資料,且根據該等受話方屬性資料的其中一或多者分別產生一或多個分別對應該等受話端之其中一或多者的受話方等級。
該發話端分析模組420例如是用於預先儲存多筆分別
對應多個發話端的發話方屬性資料,且根據該等發話方屬性資料的其中一或多者分別產生一或多個分別對應該等發話端之其中一或多者的發話方等級。更進一步地說,該評價因子計算模組421在本實施例中是用於根據所述發話方屬性資料計算所述發話端的評價因子,以定量確定所述發話端的發話方等級,其中,所述評價因子是所述發話端的各屬性權重的百分比,但並不以此為限。
該匹配度產生模組430例如是用於根據一相關於所述發話端的匹配請求將所述受話方等級與所述發話方等級比較,以從所述受話端中選出一或多個符合一等級匹配條件的目標受話端。對於每一受話端,該等級匹配條件包含該受話端所具有的受話方等級與所述發話端的其中一或多個目標發話端所具有的發話方等級相對應。並且,該匹配度產生模組430還用於產生每一目標受話端與所述目標發話端之間的匹配度。
該自動通訊模組440例如是用於根據所述匹配度自動地向所述目標受話端發出通訊請求。更進一步地說,該派發模組441例如是用於在與所述目標受話端建立通訊成功時,將與所述目標受話端之間的通訊派發給所述目標發話端。該重新通訊模組442則例如用於在與所述目標受話端建立通訊失敗時,根據機器學習技術自動地向所述目標受話端再次發出通訊請求。並且,在本實施例中,該重新通訊模組442根據機器學習技術自動地向所述目標受話端再
次發出通訊請求的方式包含:獲取一機器學習輸入資料,並以該機器學習輸入資料透過一機器學習演算法進行訓練,以決定出向所述目標受話端再次發出通訊請求的一預定時間。其中,該機器學習輸入資料包含一通訊失敗類型、一通訊時間參數、所述目標受話端的所述受話方屬性資料及一已通訊次數參數,但並不以此為限。
該指定模組450用於根據預先儲存的一指定等級,從該等發話端中選出發話方等級與該指定等級相符的所述目標發話端,以及從該等受話端中選出受話方等級與該指定等級相符的所述目標受話端,並將所述目標發話端與所述目標受話端進行匹配。
該儲存模組460用於儲存所述受話方屬性資料、所述受話方等級、所述發話方屬性資料、所述發話方等級、所述匹配度及所選出的所述目標受話端。
在另一實施例中,該智能匹配自動通訊系統例如還包含一權限判定模組(圖未示出)。該權限判定模組例如是用於判定所述發話端是否符合一通訊許可條件。並且,在本實施例中,該通訊許可條件例如包含所述發話端被設置為具有允與受話端通訊的權限、所述發話端與目標受話端之間的匹配度到達一預定門檻值,以及所述發話端具有與受話端通訊的可用分配額度,但並不以此為限。
圖5是本發明智能匹配自動通訊裝置之一實施例的一
方塊示意圖。
如圖5所示,該智能匹配自動通訊裝置500例如亦能用於實施前述每一實施例的該智能匹配自動通訊方法。具體而言,該智能匹配自動通訊裝置500例如包含一具有數據處理能力及/或指令執行能力的處理器520、一用於傳輸通訊資訊的匯流排510、一用於儲存資訊及可由處理器520執行之指令的儲存器530,且該儲存器530與該處理器520之間例如是通過該匯流排510彼此電連接。該儲存器530儲存有能供該處理器520執行的可執行指令,且該處理器520被配置為經由執行所述的可執行指令而實施前述每一實施例中的該智能匹配自動通訊方法。其中,該儲存器530可例如包含隨機存取記憶體(RAM)、快閃記憶體(Flash)、高速快取記憶體(cache)或其它動態儲存裝置。該智能匹配自動通訊裝置500還可以包含一唯讀儲存器(ROM)540或電連接匯流排510的其他儲存裝置(未示出),以用於儲存靜態資訊和處理器520的指令。
該智能匹配自動通訊裝置500可以經由匯流排510電連接輸出裝置550以向發話端展示受話端提供的資訊。該輸出裝置550可以包括語音輸出裝置和顯示器。該輸出裝置550還可以包括(但不限於)音響、揚聲器、諸如液晶顯示器或有源矩陣顯示器等的顯示器。該輸入裝置560可以包含語音輸入裝置、圖像輸入裝置、
視頻輸入裝置、文字輸入裝置、或結合兩個或更多個上述功能的輸入裝置、或者具有數據輸入功能的其他輸入裝置。該輸入裝置560可以電連接到該匯流排510以用於將資訊及/或命令提供至該處理器520。在一些實施例中,該輸入裝置560還可以包括(但不限於)麥克風、錄音筆、照相機、攝影機、掃描儀、深度相機、字母數字鍵和其它鍵的鍵盤、鼠標、軌跡球光標方向鍵、手寫輸入板、觸控顯示器、傳感器。
在一些實施例中,該智能匹配自動通訊裝置500還可以包含一通訊連接埠570。該通訊連接埠570可以例如包含網路連接埠、調制解調器、交換器等。在示例性的實施方式中,通訊連接埠可以包含但不限於PCI連接埠、USB連接埠、MiniPCI連接埠、PCMCIA連接埠、CF/SD連接埠、BNC連接埠、RJ型連接埠或AUI連接埠。經由通訊連接埠570可以在該智能匹配自動通訊裝置500和外部裝置(未示出)之間傳輸數據和軟體。該通訊連接埠570能夠透過一傳輸通道580輸出或接收電、磁、光等形式的信號,且該傳輸通道580可例如是使用無線媒體、接線或電纜、光纖或其他通訊媒體來實現。在示例性的實施方式中,該傳輸通道580可以包括電話線、蜂窩移動連接、射頻連接、WiFi連接、藍牙連接、乙太網、局域網路、廣域網路等。
圖6是本發明電腦可讀取記錄媒體之一實施例的示意
圖。如圖6所示,該電腦可讀取記錄媒體600儲存有一應用程式601。當該應用程式601被一電子裝置載入並執行時,能使該電子裝置被作為前述的智能匹配自動通訊系統或智能匹配自動通訊裝置,並且實施前述每一實施例中的智能匹配自動通訊方法。該電子裝置可例如被實施為電腦設備,且可例如為筆記型電腦、桌上型電腦或伺服器,但並不以此為限。
綜上所述,前述的智能匹配自動通訊方法、系統、裝置及電腦可讀取記錄媒體能對客戶信息和業務資源進行智能化管理,實現智能匹配和自動通訊,從而減少業務人員的工作空置率,提高業務人員的工作效率、對客戶服務的即時性以及服務品質,此外,本發明還可提高發話者與受話者的通訊效率及轉化率,減少了發話者的等待時間,有效節約了系統營運及管理的成本,故確實能達成本發明之目的。
惟以上所述者,僅為本發明之實施例而已,當不能以此限定本發明實施之範圍,凡是依本發明申請專利範圍及專利說明書內容所作之簡單的等效變化與修飾,皆仍屬本發明專利涵蓋之範圍內。
S101~S104:步驟
Claims (22)
- 一種智能匹配自動通訊方法,由一智能匹配自動通訊系統實施,該智能匹配自動通訊方法包含:預先儲存多筆分別對應多個受話端的受話方屬性資料,且根據該等受話方屬性資料的其中一或多者分別產生一或多個分別對應該等受話端之其中一或多者的受話方等級;預先儲存多筆分別對應多個發話端的發話方屬性資料,且根據該等發話方屬性資料的其中一或多者分別產生一或多個分別對應該等發話端之其中一或多者的發話方等級;根據一相關於所述發話端的匹配請求將所述受話方等級與所述發話方等級比較,以從所述受話端中選出一或多個符合一等級匹配條件的目標受話端,對於每一受話端,該等級匹配條件包含該受話端所具有的受話方等級與所述發話端的其中一或多個目標發話端所具有的發話方等級相對應,並且,產生每一目標受話端與所述目標發話端之間的匹配度;根據所述匹配度自動地向所述目標受話端發出通訊請求;當與所述目標受話端建立通訊失敗時,根據機器學習技術自動地向所述目標受話端再次發出通訊請求,其中根據機器學習技術自動地向所述目標受話端再次發出通訊請求的方法包含:獲取一機器學習輸入資料,並以該機器 學習輸入資料透過一機器學習演算法進行訓練,以決定出向所述目標受話端再次發出通訊請求的一預定時間,該機器學習輸入資料包含一通訊失敗類型、一通訊時間參數、所述目標受話端的所述受話方屬性資料及一已通訊次數參數。
- 如請求項1所述的智能匹配自動通訊方法,其中,每一受話方屬性資料包含一身份資料、一品牌屬性資料、一媒體來源資料、一城市維度資料及/或一流入時間資料。
- 如請求項1所述的智能匹配自動通訊方法,其中,每一發話方屬性資料包含一身份資料、一品牌屬性資料、一城市維度資料、一績效指標資料及/或一負面行為指標資料。
- 如請求項1所述的智能匹配自動通訊方法,還包含:隨時間變化即時更新所選出的所述目標受話端。
- 如請求項1所述的智能匹配自動通訊方法,還包含:判定所述發話端是否符合一通訊許可條件,該通訊許可條件包含所述發話端被設置為具有允與受話端通訊的權限、所述發話端與目標受話端之間的匹配度到達一預定門檻值,以及所述發話端具有與受話端通訊的可用分配額度。
- 如請求項1所述的智能匹配自動通訊方法,其中,所述通訊包含媒體資訊傳輸,且所述媒體資訊包含語音、文字及影像的其中至少一者。
- 如請求項1所述的智能匹配自動通訊方法,還包含:當與所述目標受話端建立通訊成功時,將與所述目標受話端之間的通訊派發給所述目標發話端。
- 如請求項7所述的智能匹配自動通訊方法,其中,該機器學習演算法包含一決策樹模型、一神經網路模型、一支援向量機模型、一強化學習模型,以及一K-最近鄰分類模型的其中至少一者。
- 如請求項1所述的智能匹配自動通訊方法,還包含:根據預先儲存的一指定等級,從該等發話端中選出發話方等級與該指定等級相符的所述目標發話端,以及從該等受話端中選出受話方等級與該指定等級相符的所述目標受話端,並將所述目標發話端與所述目標受話端進行匹配。
- 如請求項1所述的智能匹配自動通訊方法,還包含:儲存所述受話方屬性資料、所述受話方等級、所述發話方屬性資料、所述發話方等級、所述匹配度及所選出的所述目標受話端。
- 一種智能匹配自動通訊系統,包含:一受話端分析模組,用於預先儲存多筆分別對應多個受話端的受話方屬性資料,且根據該等受話方屬性資料的其中一或多者分別產生一或多個分別對應該等受話端之其中一或多者的受話方等級;一發話端分析模組,用於預先儲存多筆分別對應多個發話端的發話方屬性資料,且根據該等發話方屬性資料的其中一或多者分別產生一或多個分別對應該等發話端之其中一或多者的發話方等級;一匹配度產生模組,用於根據一相關於所述發話端的匹配請求將所述受話方等級與所述發話方等級比較,以從 所述受話端中選出一或多個符合一等級匹配條件的目標受話端,對於每一受話端,該等級匹配條件包含該受話端所具有的受話方等級與所述發話端的其中一或多個目標發話端所具有的發話方等級相對應,並且,該匹配度產生模組還用於產生每一目標受話端與所述目標發話端之間的匹配度;一自動通訊模組,用於根據所述匹配度自動地向所述目標受話端發出通訊請求;及一重新通訊模組,該重新通訊模組用於在與所述目標受話端建立通訊失敗時,根據機器學習技術自動地向所述目標受話端再次發出通訊請求,其中,根據機器學習技術自動地向所述目標受話端再次發出通訊請求的方式包含:獲取一機器學習輸入資料,並以該機器學習輸入資料透過一機器學習演算法進行訓練,以決定出向所述目標受話端再次發出通訊請求的一預定時間,該機器學習輸入資料包含一通訊失敗類型、一通訊時間參數、所述目標受話端的所述受話方屬性資料及一已通訊次數參數。
- 如請求項11所述的智能匹配自動通訊系統,其中,每一受話方屬性資料包含一身份資料、一品牌屬性資料、一媒體來源資料、一城市維度資料及/或一流入時間資料。
- 如請求項11所述的智能匹配自動通訊系統,其中,每一發話方屬性資料包含一身份資料、一品牌屬性資料、一城市維度資料、一績效指標資料及/或一負面行為指標資料。
- 如請求項11所述的智能匹配自動通訊系統,其中,所述目 標受話端隨時間變化而即時更新。
- 如請求項11所述的智能匹配自動通訊系統,還包含一權限判定模組,該權限判定模組用於判定所述發話端是否符合一通訊許可條件,該通訊許可條件包含所述發話端被設置為具有允與受話端通訊的權限、所述發話端與目標受話端之間的匹配度到達一預定門檻值,以及所述發話端具有與受話端通訊的可用分配額度。
- 如請求項11所述的智能匹配自動通訊系統,所述通訊包含媒體資訊傳輸,且所述媒體資訊包含語音、文字及影像的其中至少一者。
- 如請求項11所述的智能匹配自動通訊系統,還包含一派發模組,該派發模組用於在與所述目標受話端建立通訊成功時,將與所述目標受話端之間的通訊派發給所述目標發話端。
- 如請求項17所述的智能匹配自動通訊系統,其中,該機器學習演算法包含一決策樹模型、一神經網路模型、一支援向量機模型、一強化學習模型,以及一K-最近鄰分類模型的其中至少一者。
- 如請求項11所述的智能匹配自動通訊系統,還包含一指定模組,該指定模組用於根據預先儲存的一指定等級,從該等發話端中選出發話方等級與該指定等級相符的所述目標發話端,以及從該等受話端中選出受話方等級與該指定等級相符的所述目標受話端,並將所述目標發話端與所述目標受話端進行匹配。
- 如請求項11所述的智能匹配自動通訊系統,還包含一儲存模組,該儲存模組用於儲存所述受話方屬性資料、所述受話方等級、所述發話方屬性資料、所述發話方等級、所述匹配度及所選出的所述目標受話端。
- 一種智能匹配自動通訊裝置,包含:一處理器;及一儲存器,儲存有能供該處理器執行的可執行指令;其中,該處理器被配置為經由執行所述的可執行指令來實施如請求項1至10其中任一項所述的智能匹配自動通訊方法。
- 一種電腦可讀取記錄媒體,儲存一應用程式,當該應用程式被一電子裝置載入並執行時,能使該電子裝置實施如請求項1至10其中任一項所述的智能匹配自動通訊方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910434516.X | 2019-05-23 | ||
CN201910434516.XA CN110191240A (zh) | 2019-05-23 | 2019-05-23 | 用于智能匹配和自动通讯的方法、系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202044186A TW202044186A (zh) | 2020-12-01 |
TWI766183B true TWI766183B (zh) | 2022-06-01 |
Family
ID=67717534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108131058A TWI766183B (zh) | 2019-05-23 | 2019-08-29 | 智能匹配自動通訊方法、系統、裝置及電腦可讀取記錄媒體 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110191240A (zh) |
TW (1) | TWI766183B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102238045A (zh) * | 2010-04-27 | 2011-11-09 | 广州迈联计算机科技有限公司 | 一种无线互联网用户行为的预测系统和方法 |
TW201618028A (zh) * | 2014-11-06 | 2016-05-16 | 立新 陳 | 創新客服中心值機平台軟體電話之動態顯示模式 |
CN107155010A (zh) * | 2016-03-02 | 2017-09-12 | 北京京东尚科信息技术有限公司 | 基于大数据处理用户语音呼叫的方法、装置和系统 |
US20190079921A1 (en) * | 2015-01-23 | 2019-03-14 | Conversica, Inc. | Systems and methods for automated question response |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5649575B2 (ja) * | 2008-08-29 | 2015-01-07 | サットマップ インターナショナル ホールディングス リミテッド | 複数の変数標準化スコアおよびシャドー待ち行列に基づく呼のルーティング方法およびシステム |
ES2743654T3 (es) * | 2008-11-06 | 2020-02-20 | Afiniti Int Holdings Ltd | Procedimiento de enrutamiento de dos pasos en un centro de llamadas |
CN102450039B (zh) * | 2011-05-31 | 2013-12-04 | 华为技术有限公司 | 外呼方法、外呼服务器及外呼系统 |
US8565410B2 (en) * | 2012-03-26 | 2013-10-22 | The Resource Group International, Ltd. | Call mapping systems and methods using variance algorithm (VA) and/or distribution compensation |
CN103546651B (zh) * | 2012-07-09 | 2016-02-10 | 集时通(福建)信息科技有限公司 | 海量个性语音呼叫智能调度系统及调度方法 |
US9313332B1 (en) * | 2012-11-28 | 2016-04-12 | Angel.Com Incorporated | Routing user communications to agents |
CN108737668A (zh) * | 2017-04-24 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 一种立即回电的外呼方法和装置 |
CN108924370B (zh) * | 2018-07-23 | 2020-12-15 | 携程旅游信息技术(上海)有限公司 | 呼叫中心外呼语音波形分析方法、系统、设备及存储介质 |
CN109600525B (zh) * | 2018-11-15 | 2021-01-05 | 中国联合网络通信集团有限公司 | 基于虚拟现实的呼叫中心的控制方法及装置 |
-
2019
- 2019-05-23 CN CN201910434516.XA patent/CN110191240A/zh active Pending
- 2019-08-29 TW TW108131058A patent/TWI766183B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102238045A (zh) * | 2010-04-27 | 2011-11-09 | 广州迈联计算机科技有限公司 | 一种无线互联网用户行为的预测系统和方法 |
TW201618028A (zh) * | 2014-11-06 | 2016-05-16 | 立新 陳 | 創新客服中心值機平台軟體電話之動態顯示模式 |
US20190079921A1 (en) * | 2015-01-23 | 2019-03-14 | Conversica, Inc. | Systems and methods for automated question response |
CN107155010A (zh) * | 2016-03-02 | 2017-09-12 | 北京京东尚科信息技术有限公司 | 基于大数据处理用户语音呼叫的方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110191240A (zh) | 2019-08-30 |
TW202044186A (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9491295B2 (en) | System and method for selecting agent in a contact center for improved call routing | |
WO2019017756A1 (en) | METHOD AND SYSTEM CONTRADICTORY OF GENERATING FAVORITE USER CONTENT | |
US20210142798A1 (en) | Systems and methods for automating voice commands | |
US20230208897A1 (en) | Custom content insertion for user groups | |
US11778093B1 (en) | Apparatuses and methods involving an integrated contact center | |
US20200134361A1 (en) | Data processing method and apparatus | |
WO2018188567A1 (zh) | 服务器信息推送方法、终端信息发送方法、装置、系统以及存储介质 | |
CN112241327A (zh) | 分享信息处理方法、装置、存储介质与电子设备 | |
US11632468B2 (en) | Industry benchmark forecasting in workforce management | |
US20150086002A1 (en) | System and method for managing outbound interactions | |
WO2022001397A1 (zh) | 交互资格等级确定方法、装置、设备及存储介质 | |
TWI766183B (zh) | 智能匹配自動通訊方法、系統、裝置及電腦可讀取記錄媒體 | |
KR20200102865A (ko) | 챗봇 서비스 기반의 답변 서비스 제공 방법 | |
CN116208709A (zh) | 语音外呼方法、装置、电子设备及存储介质 | |
US20230342864A1 (en) | System and method for automatically responding to negative content | |
US11863525B2 (en) | Contact passlisting across digital channels | |
CN110752958A (zh) | 用户行为分析方法、装置、设备及存储介质 | |
CN116911304B (zh) | 一种文本推荐方法及装置 | |
CN112860962B (zh) | 处理提问信息的方法、装置、电子设备和介质 | |
CN113507693B (zh) | 来电处理方法、装置和电子设备 | |
US11323572B2 (en) | Call routing to convert synchronous landline voice communications into asynchronous bidirectional text messaging | |
CN112734462B (zh) | 一种信息推荐方法、装置、设备及介质 | |
CN117454015B (zh) | 一种信息推荐方法及装置 | |
CN116346984A (zh) | 诈骗预警方法、装置、电子设备和计算机可读介质 | |
CN114374738A (zh) | 信息推送方法、装置、存储介质及电子设备 |