TWM573484U - Smart phone marketing system - Google Patents

Abstract

本創作涉及一種智能電話行銷系統，其包括客戶資料伺服單元、通話評估伺服單元以及行銷伺服單元，客戶資料伺服單元儲存有客戶參考資料；通話評估伺服單元用以接收該客戶參考資料，並且擷取每一客戶之語音訊號中的多個聲學特徵且與聲學模型比對分析，以及根據每一客戶之歷史交易資料的關鍵交易資訊估算出每一客戶的多個分別對應多種行銷產品的偏好數值，以產生包含對應該客戶的購買意願結果；行銷伺服單元用以分別接收該購買意願結果且根據該購買意願結果產生對應每一客戶的多種行銷產品的產品推薦訊息，並將產品推薦訊息提供給電話行銷人員。藉此，以大數據分析方式即時了解客戶於對話中的購賣意願，以提高成交率以及客戶滿意度。

Description

智能電話行銷系統

本創作整體涉及一種電話行銷技術領域，尤指一種透過語音辨識以進行客戶對話中的情緒以及關鍵字的評估，以及客戶的相關交易歷史資訊以提供電話行銷人員即時了解客戶狀態的智能行銷系統。

在現有例如銀行的金融機構中，往往編制有多位專門負責金融產品行銷的客服行銷人員。傳統上，客服中心除了諮詢回覆外最有價值就是電話行銷，在一個充滿多樣化互動互連通訊技術，FB、LINE、WECHAT、BIGDATA的時代，所有的行銷都在談精準型銷貨產品到消費者手裡，直效行銷模式即為現今商業精準行銷的主觀價值，電話行銷一直是過去客服業界的主力業務，其在金融與保險業更是每家必備的重要部門，同樣電信及其他商業產業越來越多跟進者亦在其中，在行銷過程中，往往先針對客群中熟悉的客戶進行產品推薦及銷售，但對於不熟悉的客戶恐因缺乏客戶的相關分析資料而未能確切了解客戶所欲的相關產品，致使即使耗費了相當的人力及時間成本，卻仍無法提升行銷的成功率。

現階段電話行銷成交率及觸及率都偏低，而相對的業主每打通或接通一位客戶往往所需負擔的成本從數百元到數千元不等，因此，傳統的金融產品行銷方式仍有極大的改良空間。如何協助電話行銷人員在即時通話的同時通過線上大數據分析，以提供每一位通話客戶的成交溫度(機率)，並即時餵予關鍵字或相關資訊以加速或提高成交效率，反之，則餵予相關回覆語音以盡速結與該通話，以降低通話成本

是以，如何改善上述的問題，申請人有鑑於習知技術中所產生之缺失，經過悉心試驗與研究，並一本鍥而不捨之精神，終構思出本創作以解決習知技藝的缺點。

有鑑於習知技藝之問題，本創作提供一種智能電話行銷系統，透過結合語意及語氣的感測結果判斷語音訊號中夾帶的情緒特徵以及關鍵詞句，以建構與客戶回應相關的關鍵字資料以及語音情緒所建構的大數據資料庫，更結合客戶的各種具有價值的參考資訊，了解對於產品的偏好了解其購賣意願，並以語音或畫面呈現方式及時給予電話行銷人員協助或引導藉以給予適當之回饋。

為達到本創作之目的，本創作提出一種智能電話行銷系統，其包括一客戶資料伺服單元、一通話評估伺服單元以及一行銷伺服單元，客戶資料伺服單元儲存有多筆分別對應於多個客戶的一客戶參考資料，每筆客戶參考資料包含有對應每一該客戶中的一歷史交易資料；通話評估伺服單元連接該客戶資料伺服單元，用以接收來自於該客戶資料伺服單元中的每一該客戶的該客戶參考資料，該通話評估伺服單元包含一情緒辨識模組與一購買意願分析模組；情緒辨識模組用以擷取每一該客戶之一語音訊號中的多個聲學特徵且與一聲學模型比對分析，以於該些聲學特徵中取得至少一關鍵特徵，並將該關鍵特徵與一情緒資料庫中的語音特徵資料進行比對計算，以產生一情緒特徵值與一語氣特徵值，且根據該情緒特徵值與該語氣特徵值判斷該些聲學特徵所屬的一語音情緒分類；購買意願分析模組用以根據每一該客戶之該歷史交易資料的一關鍵交易資訊估算出每一該客戶的多個分別對應多種行銷產品的偏好數值，以產生包含對應該偏好數值的一偏好結果且將該偏好結果進行比對分析，以產生該客戶對應該等多種行銷產品的一偏好機率，再進行對應該客戶之該偏好機率與該語音情緒分類進行交叉比對運算，以產生包含對應該客戶的一購買意願結果；行銷伺服單元連接該通話評估伺服單元，用以分別接收對應多個該客戶的每一購買意願結果，且根據該購買意願結果產生對應每一該客戶的多種行銷產品的一產品推薦訊息，並將該產品推薦訊息以一語音方式或一畫面顯示方式提供給對應該客戶之一電話行銷人員進行接收，或者將該產品推薦訊息通過網際網路傳遞給該客戶的一電子通訊裝置接收以於該電子通訊裝置顯示該產品推薦訊息，其中該聲學模型為一隱藏式馬可夫模型。

根據本創作一實施例，其中該情緒辨識模組包含一特徵值擷取元件、一語意感測元件、一語氣感測元件以及一情緒類別判斷元件，特徵值擷取元件用以擷取該語音訊號中的多個該聲學特徵；語意感測元件用以執行該些聲學特徵與該聲學模型之比對，找出該關鍵特徵中相對應的多個情緒關鍵詞，並將該些情緒關鍵詞輸入該情緒資料庫，以計算該些情緒關鍵詞的該情緒特徵值；語氣感測元件用以執行一監督式學習演算法的多個分類器辨識該些聲學特徵，並根據各該些分類器的一辨識結果計算該些聲學特徵的該語氣特徵值；情緒類別判斷元件以依據該情緒特徵值及該語氣特徵值，判斷該些聲學特徵所屬的該語音情緒分類；該監督式演算法係為AdaBoost演算法或Bagging演算法。

根據本創作一實施例，其中該語意感測元件包含一關鍵詞句識別單元以及一非關鍵詞過濾單元，關鍵詞句識別單元用以將該些聲學特徵與該聲學模型中的多個音節網路比對而找出最匹配的一音節網路，以辨識該些聲學特徵為一關鍵語句，且將該些聲學特徵轉換為多個特徵向量且以一搜尋演算法在該聲學模型所構成的一辨識網路中搜尋最匹配於該些特徵向量的該關鍵語句；非關鍵詞過濾單元用以過濾該關鍵語句中的非關鍵詞部分，以獲得相對應的該些情緒關鍵詞。

根據本創作一實施例，其中該搜尋演算法包含二元樹搜尋法(Tree Search)、雜湊搜尋法(Hashing Search)、光速搜尋演算法(Beam Search)或者維特比搜尋演算法(Viterbi algorithm)。

根據本創作一實施例，其中該情緒類別判斷元件用以將該些聲學特徵之該情緒特徵值與該語氣特徵值定義作為一標的，以在一情緒分類地圖上的地標搜尋對應該標的的一情緒分類，從而產生該些聲學特徵所屬之該語音情緒分類。

根據本創作一實施例，其中該語氣感測元件包含一聲學特徵分類單元以及一語氣特徵值計算單元，聲學特徵分類單元用以執行該監督式學習演算法的該些分類器辨識該些聲學特徵，以找出辨識效果最佳的該些分類器及各該些分類器的一權重；語氣特徵值計算單元用以將各該些分類器的該辨識結果相乘於對應之該權重，並加總運算結果以作為該語氣特徵值；該些分類器係為高斯混合模型分類器或支援向量分類器。

根據本創作一實施例，其中該情緒資料庫係經由智能訓練生成程序以建構該情緒資料庫中的數據集合，該智能訓練程序包含：多種對應產品行銷的詞句的一詞意資料庫之建立；執行該些關鍵特徵所對應的語意標籤之定義；執行該詞意資料庫中多個詞句之分析，以完成具有情緒含意的多個情緒詞句；執行該些情緒詞句對應的情緒標籤之定義並匯入該情緒資料庫；執行該些語意標籤中具有情緒含意的多個情緒標籤之選擇；執行該些情緒標籤以及對應的該些關鍵特徵之間關係之定義以建構該情緒資料庫。

根據本創作一實施例，其中該購買意願分析模組包含一偏好分數運算元件以及一偏好機率運算元件，該偏好分數運算元件用以根據該關鍵交易資訊與一偏好分數估算模型進行運算，以估算出每一該客戶的多個分別對應多種行銷產品的偏好數值且產生對應該偏好數值的一偏好結果，該偏好機率運算元件用以接收該偏好結果且根據該偏好結果與一偏好機率估算模型進行運算，以估算出每一該客戶的多個分別對應多種行銷產品的該偏好機率；該關鍵交易資訊包含每一該客戶的交易頻率、每筆交易金額、交易總額、偏好付款方式、產品購買取向、成交總數、成交機率之任一者及其以上的資訊。

根據本創作一實施例，其中該客戶資料伺服單元所儲存的每筆客戶參考資料更包含關於對應該客戶的屬性資料；該通話評估伺服單元更包含一群組分類模組，其用以根據該客戶資料伺服單元所儲存的該些客戶參考資料，經由一預定分類模型將該些客戶分群成多個具有不同傾向的客群，以產生每一該客群所含之該客戶的一分類結果；該行銷伺服單元更包含一挑選模組，其連接該通話評估伺服單元以接收該分類結果以及該購買意願結果，且根據該等種產品之其中一種作為一行銷目標產品，並自該分類結果的該等客群中選出與該行銷目標產品具有一相對高關聯性的一目標客群，再根據該購買意願結果自該目標客群中選出多個目標客戶，並產生包含每一該目標客戶的相關資訊之一挑選結果；該行銷伺服單元用以接收並根據該挑選結果將相關於該行銷目標產品的該產品推薦訊息以該語音方式或該畫面顯示方式提供給對應每一該目標客戶之該電話行銷人員進行接收，或者將該行銷目標產品的該產品推薦訊息通過網際網路傳遞給該目標客戶的該電子通訊裝置接收。

根據本創作一實施例，其中該行銷伺服單元更連接該客戶資料伺服單元，用以將相關於每一該客戶的一成交結果傳送至客戶資料伺服單元，並該成交結果匯入所儲存該客戶參考資料以即時更新該歷史交易資料。

以下配合圖式及本創作之較佳實施例，進一步闡述本創作為達成欲定創作目的所採取得技術手段，有關本創作之詳細說明及技術內容，所附圖式僅提供參考與說明用，並非用來對本創作加以限制者。在本創作下述的說明中，術語“上”、“下”、“頂”、“底”、“內”、“外”等指示的方位或位置關係為基於附圖所示的方位或位置關係，僅是為了便於描述本創作簡化說明，而不是指示的文中各裝置或元件必須具有特定的方位、以特定的方位構造和操作，因此不能理解為對本創作的限制。

請參閱圖1所示，其繪製本創作之智能電話行銷系統架構示意圖。該智能電話行銷系統包括一客戶資料伺服單元10、一通話評估伺服單元20以及一行銷伺服單元30，在說明本創作之該系統之前，申請人先行說明本創作的智能電話行銷係主要以分析人類說話的內容和語氣來判斷其所欲表達的情緒；其主要分為語音內容以及語氣情緒二部分的判斷。在語音感測部分，透過語意關鍵詞的辨識以預測或了解說話者想要表達的內容，再利用事先已建構好的情緒資料中找出此內容所傳達的情緒狀態；在語氣感測部份，根據人類在表達不同情緒時發聲上的差異，分析語音的韻律並找出在辨識情緒效果方面較佳的聲學特徵，以建立情緒語氣的模型來辨識說話者在語氣上的情緒。在取得語意關鍵詞和語氣的說話韻律之後，再根據人類大腦的思考方式將情緒做分類，依據語意關鍵詞來預測說話內容的情緒正反面程度，並依據說話的韻律來反應說話者的激動程度，最後綜合判斷出說話者說話時的情緒。

在本實施例中，以金融與保險業為舉例說明，但不用以作為限制。本創作所述之客戶資料伺服單元10係用以儲存有多筆分別對應於多個客戶的一客戶參考資料，其中每筆客戶參考資料包含例如相關於該等客戶中一對應客戶的客戶基本資料、屬性資料、歷史交易資料；該客戶基本資料包含例如該對應客戶的身分資料、持有帳戶資料及聯絡資料，該屬性資料包含例如年齡、性別、職業、學歷、婚姻狀態、持有帳戶、交易行為等的資料，歷史交易資料包含例如所有台幣定存交易、外幣定存交易、股票交易、基金交易及/或保險交易等的相關交易資料。

再請配合參閱圖2-3所示，其分別繪製本創作之情緒辨識模組的方塊圖以及購買意願分析模組的方塊圖。通話評估伺服單元20連接該客戶資料伺服單元10，用以接收來自於該客戶資料伺服單元10中的每一該客戶的一客戶參考資料D，該通話評估伺服單元包含一情緒辨識模組21與一購買意願分析模組22；情緒辨識模組21用以擷取每一該客戶之一語音訊號中的多個聲學特徵，且用以將多個聲學特徵S與一聲學模型M比對分析，以於該些聲學特徵S中取得至少一關鍵特徵S0，並將該關鍵特徵S0與一情緒資料庫200中的語音特徵資料進行比對計算，以產生一情緒特徵值S1與一語氣特徵值S2，並且根據該情緒特徵值S1與該語氣特徵值S2判斷該些聲學特徵所屬的一語音情緒分類。

在本實施例中，該情緒辨識模組21包含一特徵值擷取元件211、一語意感測元件212、一語氣感測元件213以及一情緒類別判斷元件214，特徵值擷取元件211用以擷取該語音訊號中的多個該聲學特徵S；語意感測元件212用以執行該些聲學特徵S與該聲學模型M之比對，找出該關鍵特徵S0中相對應的多個情緒關鍵詞，並將該些情緒關鍵詞輸入該情緒資料庫200，以計算該些情緒關鍵詞的該情緒特徵值S1；語氣感測元件213用以執行一監督式學習演算法的多個分類器辨識該些聲學特徵S，並根據各該些分類器的一辨識結果計算該些聲學特徵S的該語氣特徵值S2；情緒類別判斷元件214用以依據該情緒特徵值S1及該語氣特徵值S2，判斷該些聲學特徵S所屬的該語音情緒分類；其中該監督式演算法係為AdaBoost演算法或Bagging演算法。關於AdaBoost演算法或Bagging演算法係為習知演算法，在此不另行說明。

在本實施例中，該語意感測元件212包含一關鍵詞句識別單元2121以及一非關鍵詞過濾單元2122，關鍵詞句識別單元2121用以將該些聲學特徵S與該聲學模型M中的多個音節網路比對而找出最匹配的一音節網路，以辨識該些聲學特徵S為一關鍵詞句，且將該些聲學特徵轉換為多個特徵向量且以一搜尋演算法在該聲學模型M所構成的一辨識網路中搜尋最匹配於該些特徵向量的該關鍵語句；非關鍵詞過濾單元2122用以過濾該關鍵語句中的非關鍵詞部分，以獲得相對應的該些情緒關鍵詞。

在本實施例中，該語氣感測元件213包含一聲學特徵分類單元2131以及一語氣特徵值計算單元2132，聲學特徵分類單元2131用以執行該監督式學習演算法的該些分類器辨識該些聲學特徵S，以找出辨識效果最佳的該些分類器及各該些分類器的一權重；語氣特徵值計算單元2132用以將各該些分類器的該辨識結果相乘於對應之該權重，並加總運算結果以作為該語氣特徵值；該些分類器係為高斯混合模型分類器或支援向量分類器。

補充說明，語意感測元件212係將語音訊號中的多個聲學特徵S與音節字典、文法網路以及聲學模型中的音節網路比對，並透過隱藏式馬可夫模型(Hidden Markov Model, HMM)的網路搜尋及高斯混合模型(Gaussian Mixture Model, GMM)的機率評估，找出最匹配的音節網路以將這些聲學特徵辨識為關鍵語句；之後再利用多個填充模型(Filler Model)過濾此關鍵語句中的非關鍵詞部分，進而找出相對應的情緒關鍵詞。另一方面，語氣感測部分213則透過挑選具鑑別性的特徵參數來辨識說話者目前的講話語氣，再利用事先訓練好的情緒資料庫200執行語氣感測，以找出最相近的語氣類別；最後，情緒類別判斷部分214即透過將語意感測元件212以及語氣感測元件213的辨識結果進行交互比對，而找出一組同時符合語氣和語意特徵的情緒類別。在此說明，聲學特徵S包含關鍵詞以及非關鍵詞的組合，而為避免關鍵詞的辨識會與非關鍵詞產生混淆，因此在辨識過程中除了預設的關鍵詞外，語意感測元件212更由非關鍵詞過濾單元2122來過濾關鍵語句中的非關鍵詞部分，藉以建構具有關鍵詞萃取系統的文法網路。同時藉由將非關鍵詞與關鍵詞明顯區隔出來，使兩者不易造成混淆，進而提升辨識率。

進一步說明，以隱藏式馬可夫模型做為聲學模型S的辨識系統在辨識階段必須將語音信號中的聲學特徵轉換為特徵向量，以評估語音信號所表示之特徵向量序列(Feature Vector Sequence)，之後再利用一套文法網路之搜尋演算法，在此隱藏式馬可夫模型所構成的辨識網路中搜尋最匹配於上述特徵向量序列的關鍵語句。

在本實施例中，該搜尋演算法包含二元樹搜尋法(Tree Search)、雜湊搜尋法(Hashing Search)、光速搜尋演算法(Beam Search)或者維特比搜尋演算法(Viterbi algorithm)。

在本實施例中，該情緒類別判斷元件214用以將該些聲學特徵S之該情緒特徵值S1與該語氣特徵值S2定義作為一標的，以在一情緒分類地圖上的地標搜尋對應該標的的一情緒分類，從而產生該些聲學特徵所屬之該語音情緒分類。此外，根據情緒心理學描述，人類情緒保持在較為激動時，說話速度、基頻變化程度以及能量的變異程度較為明顯。有鑑於此，本創作使用統計的概念和觀察，選出大部分人在表達相同情緒時所出現的共通聲學特徵，而利用這些易於分辨的聲學特徵來分辨情緒。根據情緒心理學的分析，語意的部份較能反應說話者的正、負面情緒，語氣的部份較能顯示說話者說話的激動程度，因此即將上述求得的語意特徵值代表正、負面情緒，將語氣特徵值代表情緒的激動程度。根據心理學的分類，可透過一個二維的情緒類別分佈圖來區分大部分的情緒，而根據上述正、負面情緒及激動程度在情緒分類地圖上中所對應的區域，即可推斷出說話者的情緒。

在本實施例中，該情緒資料庫200係經由智能訓練生成程序以建構該情緒資料庫200中的數據集合，該智能訓練程序包含： 多種對應產品行銷的詞句的一詞意資料庫之建立； 執行該些關鍵特徵S0所對應的語意標籤之定義； 執行該詞意資料庫中多個詞句之分析，以完成具有情緒含意的多個情緒詞句； 執行該些情緒詞句對應的情緒標籤之定義並匯入該情緒資料庫200； 執行該些語意標籤中具有情緒含意的多個情緒標籤之選擇； 執行該些情緒標籤以及對應的該些關鍵特徵之間關係之定義，以建構該情緒資料庫200。

購買意願分析模組22用以根據每一該客戶之該歷史交易資料的一關鍵交易資訊估算出每一該客戶的多個分別對應多種行銷產品的偏好數值，以產生包含對應該偏好數值的一偏好結果且將該偏好結果進行比對分析，以產生該客戶對應該等多種行銷產品的一偏好機率，再進行對應該客戶之該偏好機率與該語音情緒分類進行交叉比對運算，以產生包含對應該客戶的一購買意願結果。

在本實施例中，該購買意願分析模組22包含一偏好分數運算元件221以及一偏好機率運算元件222，該偏好分數運算元件221用以根據該關鍵交易資訊與一偏好分數估算模型M1進行運算，以估算出每一該客戶的多個分別對應多種行銷產品的偏好數值且產生對應該偏好數值的該偏好結果，該偏好機率運算元件222用以接收該偏好結果且根據該偏好結果與一偏好機率估算模型M2進行運算，以估算出每一該客戶的多個分別對應多種行銷產品的該偏好機率；其中該關鍵交易資訊可包含每一該客戶的交易頻率、每筆交易金額、交易總額、偏好付款方式、產品購買取向、成交總數、成交機率之任一者及其以上的資訊。

在本實施例中，該等種行銷產品包含例如外匯活存、外匯定存、基金、保險、黃金存摺、信用卡、信用貸款等種金融產品，但並不以此為限；舉例來說，該等種行銷產品還可以是電視購物產品、網路購物產品、健康食品、或是其他能夠利用電話行銷進行銷售的商品。

行銷伺服單元30連接該通話評估伺服單元20，用以分別接收對應多個該客戶的每一購買意願結果，且根據該購買意願結果產生對應每一該客戶的多種行銷產品的一產品推薦訊息，並將該產品推薦訊息以一語音方式或一畫面顯示方式提供給對應該客戶之一電話行銷人員進行接收，或者將該產品推薦訊息通過網際網路傳遞給該客戶的一電子通訊裝置接收以於該電子通訊裝置顯示該產品推薦訊息。值得注意的是，每一客戶的該等種推薦金融產品係選自該等種行銷產品中對應有相對較高的偏好機率者，舉例來說，上述該等種行銷產品中對應有前三高的偏好機率的三種行銷產品作為該等種推薦產品，但不以此為限。

承上所述，電話行銷人員在與客戶保持通話的過程中；值得注意的是，該通話過程可包含雙方正在彼此進行語言交流，亦可為客戶正在接收語音訊息的過程(電話行銷人員並未說話)；因此，當電話行銷人員在與客戶保持通話的過程中可以耳機(語音方式)接收或者看著眼前的螢幕(畫面顯示方式)同步接收根據該購買意願結果產生該客戶的多種行銷產品的該產品推薦訊息，以即時做出最佳的反應並回覆該客戶。

在本實施例中，該產品推薦訊息可包含協助電話行銷人員於客戶電話交流過程中更快了解客戶型態、客戶需求或者購買意願之各種有利資訊；例如客戶的該關鍵交易資訊以助於快速長或客戶型態或需求、較佳的行銷產品種類、較佳行銷流程教學、較佳行銷詞句教學等等..有助於了解客戶的需求或購買意願。通過此方式使電話行銷人員能及時掌握客戶的關鍵資訊並領導電話行銷人員做出最好的判斷，提升行銷產品的成交率。

在本實施例中，該客戶資料伺服單元10所儲存的每筆客戶參考資料更包含關於對應該客戶的屬性資料；該通話評估伺服單元20更包含一群組分類模組23，其用以根據該客戶資料伺服單元10所儲存的該些客戶參考資料D，經由一預定分類模型M3將該些客戶分群成多個具有不同傾向的客群，以產生每一該客群所含之該客戶的一分類結果；該行銷伺服單元30更包含一挑選模組31，其連接該通話評估伺服單元20以接收該分類結果以及該購買意願結果，且根據該等種產品之其中一種作為一行銷目標產品，並自該分類結果的該等客群中選出與該行銷目標產品具有一相對高關聯性的一目標客群，再根據該購買意願結果自該目標客群中選出多個目標客戶，並產生包含每一該目標客戶的相關資訊之一挑選結果；該行銷伺服單元用以接收並根據該挑選結果將相關於該行銷目標產品的該產品推薦訊息以該語音方式或該畫面顯示方式提供給對應每一該目標客戶之該電話行銷人員進行接收，或者將該行銷目標產品的該產品推薦訊息通過網際網路傳遞給該目標客戶的該電子通訊裝置接收。

承上所述，預定分類模型M3主要用以將該等客戶劃分成多個分別具有不同傾向的客群，以指示出每一客群所含之客戶的分類結果；在本實施例中，該等客群例如可包含一男/女菁英客群、一男/女銀髮客群或者是一男/女潛力客群，但不在此限。該菁英客群之客戶傾向於例如所擁有的資產相對最高、社經地位相對高、擔任企業負責人、與該銀行機構之交易往來密切等等，但不在此限。該銀髮族客群之客戶傾向於例如所擁有的資產相對次高、年紀相對最長、交易行為相對保守、購買定存或儲蓄型(保本)金融產品等，但不在此限。該潛力客群的客戶傾向於例如所擁有之資產相對第三高、喜好以定期定額購買基金等等，但不在此限。

在本實施例中，中該行銷伺服單元30更連接該客戶資料伺服單元10，用以將相關於每一該客戶的一成交結果傳送至客戶資料伺服單元，並該成交結果匯入所儲存該客戶參考資料D以即時更新該歷史交易資料，以作為日後針對每一客戶的交易行為分析的目的。

綜上所述，本創作之智能電話行銷系統，透過結合語意及語氣的感測結果判斷語音訊號中夾帶的情緒特徵以及關鍵詞句，以建構與客戶回應相關的關鍵字資料以及語音情緒所建構的大數據資料庫，經由數據資料庫中所提供的訊息可更精準判斷出說話者的情緒，即可針對使用者說話的內容，講話的速度或語調，甚至是發音的抑揚頓挫，分析客戶在接觸到外界的刺激時當下心境之變化；再者，更結合客戶的各種具有價值的參考資訊，了解對於行銷產品的偏好機率並結合語音情緒分類以此為參考基準了解其購賣意願，並以語音或畫面呈現方式及時給予電話行銷人員協助或引導藉以給予適當之回饋。進一步還可使電話行銷人員在提供客戶服務的過程中，了解客戶在電話另一端的心情變化或是滿意度，並可將辨識結果提供給主管或是行銷人員參考並改進。

惟以上所記載之具體實施例，僅係用於例釋本創作之特點及功效，而非用於限定本創作之可實施範疇，於未脫離本創作上揭之精神與技術範疇下，任何運用本創作所揭示內容而完成之等效改變及修飾，均仍應為下記載之申請專利範圍所涵蓋。

10‧‧‧客戶資料伺服單元

20‧‧‧通話評估伺服單元

21‧‧‧情緒辨識模組

211‧‧‧特徵值擷取元件

212‧‧‧語意感測元件

2121‧‧‧關鍵詞句識別單元

2122‧‧‧非關鍵詞過濾單元

213‧‧‧語氣感測元件

2131‧‧‧聲學特徵分類單元

2132‧‧‧語氣特徵值計算單元

214‧‧‧情緒類別判斷元件

22‧‧‧購買意願分析模組

221‧‧‧偏好分數運算元件

222‧‧‧偏好機率運算元件

200‧‧‧情緒資料庫

23‧‧‧群組分類模組

30‧‧‧行銷伺服單元

31‧‧‧挑選模組

D‧‧‧客戶參考資料

M‧‧‧聲學模型

M1‧‧‧偏好分數估算模型

M2‧‧‧偏好機率估算模型

S‧‧‧聲學特徵

S0‧‧‧關鍵特徵

S1‧‧‧情緒特徵值

S2‧‧‧語氣特徵值

圖1係顯示本創作之智能電話行銷系統架構示意圖。 圖2係顯示本創作之情緒辨識模組的方塊圖。 圖3係顯示本創作之購買意願分析模組的方塊圖。

Claims (10)

1. 一種智能電話行銷系統，其包括： 一客戶資料伺服單元，儲存有多筆分別對應於多個客戶的一客戶參考資料，每筆客戶參考資料包含有對應每一該客戶中的一歷史交易資料； 一通話評估伺服單元，連接該客戶資料伺服單元，用以接收來自於該客戶資料伺服單元中的每一該客戶的該客戶參考資料，該通話評估伺服單元包含： 一情緒辨識模組，用以擷取每一該客戶之一語音訊號中的多個聲學特徵且與一聲學模型比對分析，以於該些聲學特徵中取得至少一關鍵特徵，並將該關鍵特徵與一情緒資料庫中的語音特徵資料進行比對計算，以產生一情緒特徵值與一語氣特徵值，且根據該情緒特徵值與該語氣特徵值判斷該些聲學特徵所屬的一語音情緒分類； 一購買意願分析模組，用以根據每一該客戶之該歷史交易資料的一關鍵交易資訊估算出每一該客戶的多個分別對應多種行銷產品的偏好數值，以產生包含對應該偏好數值的一偏好結果且將該偏好結果進行比對分析，以產生該客戶對應該等多種行銷產品的一偏好機率，再進行對應該客戶之該偏好機率與該語音情緒分類進行交叉比對運算，以產生包含對應該客戶的一購買意願結果；以及 一行銷伺服單元，連接該通話評估伺服單元，用以分別接收對應多個該客戶的每一購買意願結果，且根據該購買意願結果產生對應每一該客戶的多種行銷產品的一產品推薦訊息，並將該產品推薦訊息以一語音方式或一畫面顯示方式提供給對應該客戶之一電話行銷人員進行接收，或者將該產品推薦訊息通過網際網路傳遞給該客戶的一電子通訊裝置接收以於該電子通訊裝置顯示該產品推薦訊息； 其中該聲學模型為一隱藏式馬可夫模型。
2. 如請求項1所記載之智能電話行銷系統，其中該情緒辨識模組包含： 一特徵值擷取元件，用以擷取該語音訊號中的多個該聲學特徵； 一語意感測元件，用以執行該些聲學特徵與該聲學模型之比對，找出該關鍵特徵中相對應的多個情緒關鍵詞，並將該些情緒關鍵詞輸入該情緒資料庫，以計算該些情緒關鍵詞的該情緒特徵值； 一語氣感測元件，用以執行一監督式學習演算法的多個分類器辨識該些聲學特徵，並根據各該些分類器的一辨識結果計算該些聲學特徵的該語氣特徵值；以及 一情緒類別判斷元件，用以依據該情緒特徵值及該語氣特徵值，判斷該些聲學特徵所屬的該語音情緒分類； 該監督式演算法係為AdaBoost演算法或Bagging演算法。
3. 如請求項2所記載之智能電話行銷系統，其中該語意感測元件包含： 一關鍵詞句識別單元，用以將該些聲學特徵與該聲學模型中的多個音節網路比對而找出最匹配的一音節網路，以辨識該些聲學特徵為一關鍵語句，且將該些聲學特徵轉換為多個特徵向量且以一搜尋演算法在該聲學模型所構成的一辨識網路中搜尋最匹配於該些特徵向量的該關鍵語句；以及 一非關鍵詞過濾單元，用以過濾該關鍵語句中的非關鍵詞部分，以獲得相對應的該些情緒關鍵詞。
4. 如請求項3所記載之智能電話行銷系統，其中該搜尋演算法包含二元樹搜尋法(Tree Search)、雜湊搜尋法(Hashing Search)、光速搜尋演算法(Beam Search)或者維特比搜尋演算法(Viterbi algorithm)。
5. 如請求項2所記載之智能電話行銷系統，其中該情緒類別判斷元件用以將該些聲學特徵之該情緒特徵值與該語氣特徵值定義作為一標的，以在一情緒分類地圖上的地標搜尋對應該標的的一情緒分類，從而產生該些聲學特徵所屬之該語音情緒分類。
6. 如請求項2所記載之智能電話行銷系統，其中該語氣感測元件包含： 一聲學特徵分類單元，用以執行該監督式學習演算法的該些分類器辨識該些聲學特徵，以找出辨識效果最佳的該些分類器及各該些分類器的一權重；以及 一語氣特徵值計算單元，用以將各該些分類器的該辨識結果相乘於對應之該權重，並加總運算結果以作為該語氣特徵值； 該些分類器係為高斯混合模型分類器或支援向量分類器。
7. 如請求項1所記載之智能電話行銷系統，其中該情緒資料庫係經由智能訓練生成程序以建構該情緒資料庫中的數據集合，該智能訓練生成程序包含： 包含多種對應產品行銷的詞句之一詞意資料庫之建立； 執行該些關鍵特徵所對應的語意標籤之定義； 執行該詞意資料庫中多個詞句之分析，以完成具有情緒含意的多個情緒詞句； 執行該些情緒詞句對應的情緒標籤之定義並匯入該情緒資料庫； 執行該些語意標籤中具有情緒含意的多個情緒標籤之選擇； 執行該些情緒標籤以及對應的該些關鍵特徵之間關係之定義以建構該情緒資料庫。
8. 如請求項1所記載之智能電話行銷系統，其中該購買意願分析模組包含一偏好分數運算元件以及一偏好機率運算元件，該偏好分數運算元件用以根據該關鍵交易資訊與一偏好分數估算模型進行運算，以估算出每一該客戶的多個分別對應多種行銷產品的偏好數值且產生對應該偏好數值的一偏好結果，該偏好機率運算元件用以接收該偏好結果且根據該偏好結果與一偏好機率估算模型進行運算，以估算出每一該客戶的多個分別對應多種行銷產品的該偏好機率； 該關鍵交易資訊包含每一該客戶的交易頻率、每筆交易金額、交易總額、偏好付款方式、產品購買取向、成交總數、成交機率之任一者及其以上的資訊。
9. 如請求項1所記載之智能電話行銷系統，其中該客戶資料伺服單元所儲存的每筆客戶參考資料更包含關於對應該客戶的屬性資料； 該通話評估伺服單元更包含一群組分類模組，其用以根據該客戶資料伺服單元所儲存的該些客戶參考資料，經由一預定分類模型將該些客戶分群成多個具有不同傾向的客群，以產生每一該客群所含之該客戶的一分類結果； 該行銷伺服單元更包含一挑選模組，其連接該通話評估伺服單元以接收該分類結果以及該購買意願結果，且根據該等種產品之其中一種作為一行銷目標產品，並自該分類結果的該等客群中選出與該行銷目標產品具有一相對高關聯性的一目標客群，再根據該購買意願結果自該目標客群中選出多個目標客戶，並產生包含每一該目標客戶的相關資訊之一挑選結果； 該行銷伺服單元用以接收並根據該挑選結果將相關於該行銷目標產品的該產品推薦訊息以該語音方式或該畫面顯示方式提供給對應每一該目標客戶之該電話行銷人員進行接收，或者將該行銷目標產品的該產品推薦訊息通過網際網路傳遞給該目標客戶的該電子通訊裝置接收。
10. 如請求項1所記載之智能電話行銷系統，其中該行銷伺服單元更連接該客戶資料伺服單元，用以將相關於每一該客戶的一成交結果傳送至客戶資料伺服單元，並該成交結果匯入所儲存該客戶參考資料以即時更新該歷史交易資料。