CN110298682A - 基于用户信息分析的智能决策方法、装置、设备及介质 - Google Patents
基于用户信息分析的智能决策方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110298682A CN110298682A CN201910429738.2A CN201910429738A CN110298682A CN 110298682 A CN110298682 A CN 110298682A CN 201910429738 A CN201910429738 A CN 201910429738A CN 110298682 A CN110298682 A CN 110298682A
- Authority
- CN
- China
- Prior art keywords
- user
- intention
- decision
- project
- call object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/683—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Molecular Biology (AREA)
- Marketing (AREA)
- Library & Information Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Telephonic Communication Services (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Multimedia (AREA)
Abstract
本发明公开了一种基于用户信息分析的智能决策方法、装置、设备及介质。所述方法包括：获取用户名单中对应于呼叫对象的用户标签；获取与用户标签对应的待决策项目；启动外呼组件呼叫与用户标签对应的呼叫对象；当建立起通信连接时，根据调用的话术模板通过语音助手向呼叫对象语音介绍待决策项目的项目信息，并获取与话术模板中每个问题对应的呼叫对象反馈的语音数据；提取语音数据中的意向关键词，并判断意向关键词的数量是否大于或等于预设数量阈值；若大于，则确定呼叫对象为意向用户，并按照预设规则将当前与意向用户进行的语音通信进行切换。通过本发明提供的基于用户信息分析的智能决策方法，可以提高对待决策项目的推荐成功概率。
Description
技术领域
本发明涉及数据分析领域，尤其涉及一种基于用户信息分析的智能决策方法、装置、设备及介质。
背景技术
目前市面上使用较多的电话营销方法都是基于人工客服进行，这种方法不仅需要招聘较多的人工客服，并且要对人工客服进行一定时间的培训，也需要投入大量的成本去购买设备、支付人工客服薪水和租用场地等；由于人工客服对用户的用户信息分析不到位，人工客服不能准确把握好营销目标，即不能针对营销目标(待决策项目)作出好的营销决策(比如提供不了完全适合用户的营销目标)，整体营销成功率低。因此，寻找一种能够减少决策成本和提高产品的推荐成功概率的基于用户信息分析的智能决策方案成为本领域技术人员亟需解决的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种基于用户信息分析的智能决策方法、装置、设备及介质，用于通过对用户信息进行精准分析之后，减少决策成本、提高对待决策项目进行决策的成功概率(比如向用户精准推销的成功概率)。
一种基于用户信息分析的智能决策方法，包括：
从用户名单中确定一个用户为呼叫对象，并获取所述用户名单中对应于所述呼叫对象的用户标签，所述用户标签根据所述呼叫对象的用户信息生成；
获取与所述用户标签对应的待决策项目，每一个所述待决策项目对应一份项目信息和一个话术模板；
在接收呼叫指令时，启动外呼组件呼叫与所述用户标签对应的所述呼叫对象；
当通过所述外呼组件与所述呼叫对象建立起通信连接时，调用与所述用户标签对应的所述话术模板，并根据调用的所述话术模板通过语音助手向所述呼叫对象语音介绍所述用户标签对应的所述待决策项目的所述项目信息，并获取与所述话术模板中每个问题对应的所述呼叫对象反馈的语音数据，所述话术模板包括至少一个以上的问题；
提取所述语音数据中的意向关键词，并判断所述意向关键词的数量是否大于或等于预设数量阈值；
若所述意向关键词的数量大于或等于所述预设数量阈值，则确定所述呼叫对象为意向用户，并按照预设规则将当前与所述意向用户正在进行的语音通信进行切换。
一种基于用户信息分析的智能决策装置，包括：
第一获取模块，用于从用户名单中确定一个用户为呼叫对象，并获取所述用户名单中对应于所述呼叫对象的用户标签，所述用户标签根据所述呼叫对象的用户信息生成；
第二获取模块，用于获取与所述用户标签对应的待决策项目，每一个所述待决策项目对应一份项目信息和一个话术模板；
呼叫模块，用于在接收呼叫指令时，启动外呼组件呼叫与所述用户标签对应的所述呼叫对象；
调用模块，用于当通过所述外呼组件与所述呼叫对象建立起通信连接时，调用与所述用户标签对应的所述话术模板，并根据调用的所述话术模板通过语音助手向所述呼叫对象语音介绍所述用户标签对应的所述待决策项目的所述项目信息，并获取与所述话术模板中每个问题对应的所述呼叫对象反馈的语音数据，所述话术模板包括至少一个以上的问题；
判断模块，用于提取所述语音数据中的意向关键词，并判断所述意向关键词的数量是否大于或等于预设数量阈值；
确定模块，用于若所述意向关键词的数量大于或等于所述预设数量阈值，则确定所述呼叫对象为意向用户，并按照预设规则将当前与所述意向用户正在进行的语音通信进行切换。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于用户信息分析的智能决策方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于用户信息分析的智能决策方法。
上述基于用户信息分析的智能决策方法、装置、设备及介质，从用户名单中确定一个用户为呼叫对象，并获取所述用户名单中对应于所述呼叫对象的用户标签，所述用户标签根据所述呼叫对象的用户信息生成；获取与所述用户标签对应的待决策项目，每一个所述待决策项目对应一份项目信息和一个话术模板；在接收呼叫指令时，启动外呼组件呼叫与所述用户标签对应的所述呼叫对象；当通过所述外呼组件与所述呼叫对象建立起通信连接时，调用与所述用户标签对应的所述话术模板，并根据调用的所述话术模板通过语音助手向所述呼叫对象语音介绍所述用户标签对应的所述待决策项目的所述项目信息，并获取与所述话术模板中每个问题对应的所述呼叫对象反馈的语音数据，所述话术模板包括至少一个以上的问题；提取所述语音数据中的意向关键词，并判断所述意向关键词的数量是否大于或等于预设数量阈值；若所述意向关键词的数量大于或等于所述预设数量阈值，则确定所述呼叫对象为意向用户，并按照预设规则将当前与所述意向用户正在进行的语音通信进行切换。本发明提取呼叫对象根据话术模板反馈的语音数据中的意向关键词，当意向关键词的数量大于或等于预设数量阈值时，则确定呼叫对象为意向用户，并按照预设规则将当前与意向用户正在进行的语音通信切换至人工客服，从而可以通过对用户信息进行精准分析之后，减少决策成本和提高对待决策项目进行决策的成功概率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于用户信息分析的智能决策方法的一应用环境示意图；
图2是本发明一实施例中基于用户信息分析的智能决策方法的一流程图；
图3是本发明一实施例中基于用户信息分析的智能决策方法步骤在一个应用环境下预先建立话术模板的流程示意图；
图4是本发明一实施例中基于用户信息分析的智能决策方法步骤在一个应用环境下排除无效电话号码的流程示意图；
图5是本发明一实施例中基于用户信息分析的智能决策方法步骤在一个应用环境下确认呼叫对象情绪的流程示意图；
图6是本发明一实施例中基于用户信息分析的智能决策方法步骤在一个应用环境下提取意向关键词的流程示意图；
图7是本发明一实施例中基于用户信息分析的智能决策装置的结构示意图；
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的基于用户信息分析的智能决策方法，可应用在如图1的应用环境中，其中，客户端通过网络与服务器进行通信。其中，客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，提供一种基于用户信息分析的智能决策方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：
S10，从用户名单中确定一个用户为呼叫对象，并获取所述用户名单中对应于所述呼叫对象的用户标签，所述用户标签根据所述呼叫对象的用户信息生成。
可以理解的是，用户名单包括至少一个用户的用户信息；用户信息可以生成对应的用户标签，用户信息包括但不限于用户产品喜好、用户消费水平、用户收入水平、用户联系方式、用户职业和用户姓名、性别等，生成对应的用户标签包括但不限于用户产品喜好类型、用户消费等级、用户收入等级和用户呼叫方式、用户职业属性(比如，属于高成长空间行业)和用户称呼方式等；具体地，从用户名单中可以按照预设选取规则(可以为随机选取或者按照名单中的排列顺序)确定一个用户为呼叫对象。
S20，获取与所述用户标签对应的待决策项目，每一个所述待决策项目对应一份项目信息和一个话术模板。
可以理解的是，待决策项目为向用户进行营销的营销决策；项目信息为营销决策相关的信息；由于用户标签的存在，服务器可以生成与用户标签相对应的待决策项目(待决策项目可以为向用户推荐一种适合用户的产品)，从而待决策项目可以更针对于呼叫对象(即呼叫对象可以更满足于待决策项目，提高待决策项目的决策成功率)，且待决策项目对应的项目信息(可以对应上述推荐产品的产品信息)和话术模板也能更针对于呼叫对象。
进一步地，图3所示，需预先配置每一个所述待决策项目对应的一个话术模板，所述步骤S20之前，还包括：
S201，建立第一话术模板。
可以理解的是，第一话术模板包括但不限定于为提问方式、项目信息的介绍方式、用户的称呼方式等。
S202，从预设数据库中获取所述待决策项目的所述项目信息，并将所述项目信息和所述呼叫对象的至少一个所述用户标签输入到与所述第一话术模板中的预设位置，生成第二话术模板。
在此步骤中，由于在预设数据库中提前存储待决策项目对应的项目信息(比如待决策项目为贷款产品，项目信息包括贷款的条款等)，且第一话术模板有预设的空白位置，此时，服务器可以从预设数据库获取待决策项目的项目信息，并将项目信息和呼叫对象的至少一个用户标签(可能部分用户标签并无需输入，比如用户产品喜好类型、用户消费等级和用户收入等级等)输入到与第一话术模板中的预设的空白位置中，既可以生成第二话术模板。
S203，将所述第二话术模板发送到预设审核人员进行核对。
可以理解的是，上述步骤S202中将项目信息和呼叫对象的至少一个用户标签输入到与第一话术模板中的预设位置中，可能会由于服务器问题造成项目信息和呼叫对象的至少一个用户标签并无输入到指定的第一话术模板中的预设位置中，从而也造成生成错误的第二话术模板，此时，需将第二话术模板以语言或者文字的形式发送到预设审核人员进行进一步地核对确认。
S204，当所述预设审核人员核对无误时，确定所述第二话术模板为所述待决策项目对应的所述话术模板。
此步骤中，当预设审核人员核对无误时，说明第二话术模板并未出现错误。
S205，当所述预设审核人员核对有误时，则在所述预设审核人员对所述第二话术模板进行修改后，确定修改后的所述第二话术模板为所述待决策项目对应的所述话术模板。
此步骤中，当预设审核人员核对有误时，说明第二话术模板出现错误。
S30，在接收呼叫指令时，启动外呼组件呼叫与所述用户标签对应的所述呼叫对象。
在此步骤中，用户标签中的用户呼叫方式存在电话号码，在接收呼叫指令时，启动外呼组件拨打电话号码去呼叫与用户标签对应的呼叫对象。
进一步地，如图4所示，为了排除无效电话号码的干扰，以便于节省时间，所述步骤S30之前，还包括：
S301，获取所述用户标签中的用户呼叫方式的电话号码，并判断所述电话号码是否属于国际规定的有效号码。
可以理解的是，每个国家的电话号码都有一定的国际规定，比如，中国规定的手机电话号码有效位数是11位，少于或多于11位，都可以认为该手机电话号码为无效手机电话号码。
S302，若属于国际规定的所述有效号码，则生成所述呼叫指令。
可以理解的是，若属于国际规定的有效号码，则可以说明电话号码可以被打通。此时，可以生成包含电话号码的呼叫指令，此时服务器接收到呼叫指令后，可以启动外呼组件呼叫与用户标签对应的呼叫对象。
S303，若不属于国际规定的所述有效号码，则将所述呼叫对象从所述用户名单中清除。
可以理解的是，若不属于国际规定的有效号码，则说明电话号码无法接通，此时无需去呼叫该呼叫对象，该呼叫对象也可以被视为无效用户，因此可以将呼叫对象从用户名单中清除。
S40，当通过所述外呼组件与所述呼叫对象建立起通信连接时，调用与所述用户标签对应的所述话术模板，并根据调用的所述话术模板通过语音助手向所述呼叫对象语音介绍所述用户标签对应的所述待决策项目的项目信息，并获取与所述话术模板中每个问题对应的所述呼叫对象反馈的语音数据，所述话术模板包括至少一个以上的问题。
可以理解的是，语音助手可以为人工智能电话机器人。具体地，根据调用步骤S201至S204生成的话术模板通过语音助手向呼叫对象语音介绍用户标签对应的待决策项目的项目信息时，并获取与话术模板中每个问题对应的呼叫对象反馈的语音数据，即通过语音助手使用话术模板中的一个问题时，就实时获取该问题对应的一个反馈的语音数据，从而服务器可以根据呼叫对象反馈的语音数据作出进一步的分析，包括呼叫对象意向和情绪的确认。
进一步地，如图5所示，为了了解所述呼叫对象的情绪，所述步骤S40之后，还包括：
S401，对所述呼叫对象反馈的所述语音数据进行特征提取，获取各语音特征。
可以理解的是，语音特征包括但不限于韵律特征、音质特征、频谱特征、词汇特征和声纹特征。具体地，对语音数据进行特征提取的过程具体包括对语音数据进行预加重处理，对处理后的语音数据进行分帧、加窗运算,然后通过快速傅里叶变换和对数运算处理，最后经离散余弦变换以获取上述的语音特征。再将上述语音特征拼接成特征向量，将特征向量作为输入情绪识别模型进行情绪识别。
S402，采用情绪识别模型分别对各所述语音特征进行识别，获取情绪识别结果。
其中，情绪识别模型是预先训练好的用于进行身份验证的模型；情绪识别结果包括但不限于识别出语音特征对应的呼叫对象说话时带有的高兴、愤怒、悲伤、烦躁和平静等情绪。具体地，采用预先训练好的情绪识别模型对语音特征进行识别，以获取呼叫对象说话时携带的高兴、愤怒、悲伤、烦躁和平静等情绪识别结果。本实施例中，采用情绪识别模型对语音特征进行智能识别，以获取情绪识别结果，其识别过程处理效率高，可实现对呼叫对象对应的语音数据进行及时且全面抽检，无需人工干预，有利于节省人工成本。
基于神经网络的情绪识别模型的训练过程如下：首先，获取训练语音数据，并对训练语音数据进行情绪标注，以使训练语音数据携带情绪标签。其中，训练语音数据是用于训练情绪识别模型的语音数据。每种情绪标签对应的训练语音数据各选取预设数量(比如500)条，以使高兴、愤怒、悲伤、烦躁和平静等情绪对应的训练语音数据等比例，避免情绪识别模型训练过程中出现过拟合现象。然后，对携带情绪标签的训练语音数据进行特征提取，获取携带情绪标签的训练语音特征，具体用训练语音特征x和对应的情绪标签y表示，如(训练语音特征1，高兴)、(训练语音特征2，愤怒)……(训练语音特征x，情绪y)。再在采用神经网络模型中的逻辑回归算法对所有训练语音特征进行迭代计算，以将高兴、愤怒、悲伤、烦躁和平静等情绪对应的特征从训练语音特征中提取出来。在多次迭代后，训练的模型的损失发生收敛，则停止训练，得到最终训练好的基于神经网络的情绪识别模型，使得该基于神经网络的情绪识别模型具有较强的非线性拟合能力，可映射复杂的非线性关系，并具有较强的鲁棒性和记忆能力。进一步地，本实施例的神经网络具体为深度神经网络(DeepNeural Networks，即DNN)。
S50，提取所述语音数据中的意向关键词，并判断所述意向关键词的数量是否大于或等于预设数量阈值。
在此步骤中，可以通过下述步骤S501至S503获取语音数据中的意向关键词和意向关键词的数量。
进一步地，如图6所示，所述提取所述语音数据中的意向关键词，包括：
S501，通过预设的语音识别模型对所述语音数据进行识别，并获取所述语音识别模型输出的目标文本。
进一步地，在所述步骤S501之前，还需要训练语音识别模型，以使得训练完成之后的语音识别模型可以自语音数据中识别目标文本。可理解地，语音识别模型的训练过程具体为：选取多个不同呼叫对象录入的不同的历史语音数据作为识别样本，且每一个识别样本均对应有一个待训练的语音识别模型将要训练进行识别的语音文本，通过设有初始参数的语音识别模型对识别样本进行识别之后，根据输出的已识别目标文本以及与该识别样本对应的语音文本之间的偏差度微调整初始参数，直至最终获取到一个训练完毕的语音识别模型，在该语音识别模型之中输入一个识别样本之后，它所输出的已识别目标文本以及与该识别样本对应的语音文本之间的偏差度可以控制在预设阈值之内，此时，代表对语音识别模型的训练成功，训练好的语音识别模型即为上述预设的语音识别模型。
S502，对所述目标文本进行分词处理，得到多个字词。
S503，从所述多个字词中选取预设词库中的字词作为所述意向关键词，并统计所述目标文本中的所述意向关键词的数量。
预设词库是指预先设定的可以被选作为意向关键词的字词所组成的词库(该词库为呼叫对象回答话术中问题时可能会出现的意向关键词)。预设词库中包括多个字词，对于目标文本中分词得到的字词，如果该字词存在于预设词库中，则将该字词选取为意向关键词；如果该字词不存在于预设词库中，则确定该字词不是意向关键词，最后确定意向关键词的数量。通过上述方式，无需辨别目标文本中的每一个字词是否为意见关键词，而是直接将字词与预设词库中的字词进行比对，有助于减少计算量，提高意向关键词提取的效率，更方便确定意向关键词的数量。
S60，若所述意向关键词的数量大于或等于所述预设数量阈值，则确定所述呼叫对象为意向用户，并按照预设规则将当前与所述意向用户正在进行的语音通信进行切换。
在此步骤中，当意向关键词的数量大于或等于预设数量阈值时，则可以说明呼叫对象存在很高意向去购买待决策项目。为了提高待决策项目的营销成功率，此时，服务器可以根据预设规则(预设规则可以根据需要去提前设置，其中，一种预设规则可以为在意向关键词的数量大于或等于预设数量阈值的前提条件下，意见关键词的数量达到另一个预设数量阈值时，如预设数量阈值可以为10个，另一个预设数量阈值可以为18个，但意见关键词达到了20个，则可以将语音通信进行切换至优先级最高且未在工作状态的人工客服，且意见关键词在10至18个，则可以随机分配给各个未在工作状态的工作人员)切换语音通信至人工客服，且人工客服可以与意向用户进行进一步地介绍待决策项目。
在一实施例中，服务器可以将呼叫对象的情绪识别结果发送给人工客服，人工客服可以提前根据呼叫对象的情绪识别结果做出应对措施。
进一步地，所述步骤S50之后，还包括：
若所述意向关键词的数量小于所述预设数量阈值，则确定所述用户为非意向用户并根据所述意向关键词的数量对所述非意向用户进行意向定级，获取意向定级结果，并将所述非意向用户的所述意向定级结果和所述非意向用户的用户标签关联存储在预设数据库。
在此步骤中，当意向关键词的数量小于预设数量阈值时，则可以说明呼叫对象意向购买待决策项目的可能性很低。此时，根据意向关键词的数量和非意向用户的情绪识别结果对非意向用户进行意向定级，是为了进一步挖掘非意向用户，提高待决策项目的营销成功率。
进一步地，所述若所述意向关键词的数量小于所述预设数量阈值，则确定所述用户为非意向用户并根据所述意向关键词的数量对所述非意向用户进行意向定级，获取意向定级结果，包括：
获取所述非意向用户的情绪识别结果。
步骤S401至S402，可以获取到非意向用户的情绪识别结果。
根据所述非意向用户的情绪识别结果对所述非意向用户进行打分，得到所述非意向用户的第一分数。
在此步骤中，非意向用户的情绪识别结果可以为高兴、愤怒、悲伤、烦躁和平静等情绪，且情绪识别结果已预先设置一个对应的分数，比如高兴为10分、愤怒为1分、悲伤为4分、烦躁为2分和平静为6分等，从而服务器可以根据情绪识别结果对应的分数对非意向用户进行打分。
根据所述非意向用户的所述意向关键词的数量对所述非意向用户进行打分，得到所述非意向用户的第二分数。
在此步骤中，各个意向关键词的数量已预先设置一个对应的分数，比如，预设数量阈值为10个，0个至3个为1分、3个至7个为2分，8个至9个为3分等，从而服务器可以根据意向关键词的数量对应的分数对非意向用户进行打分。
根据以下公式确定所述非意向用户的意向定级分数：
S＝M*a+N*b
其中：
S为所述非意向用户的意向定级分数；
M为所述非意向用户的第一分数；
a为所述非意向用户的第一分数的权重系数，所述第一分数的权重系数为集合[0,1]之间的任一数值；
N为所述非意向用户的第二分数；
b为所述非意向用户的第二分数的权重系数，所述第二分数的权重系数b＝1-a。
根据所述非意向用户的意向定级分数确定所述预设数据库中所述非意向用户的所述意向定级结果。
可以理解的是，非意向用户的意向定级分数越高，非意向用户的意向定级结果中对应的非意向用户被进一步挖掘的可能性很大。
综上所述，上述提供了一种基于用户信息分析的智能决策方法，从用户名单中确定一个用户为呼叫对象，并获取所述用户名单中对应于所述呼叫对象的用户标签，所述用户标签根据所述呼叫对象的用户信息生成；获取与所述用户标签对应的待决策项目，每一个所述待决策项目对应一份项目信息和一个话术模板；在接收呼叫指令时，启动外呼组件呼叫与所述用户标签对应的所述呼叫对象；当通过所述外呼组件与所述呼叫对象建立起通信连接时，调用与所述用户标签对应的所述话术模板，并根据调用的所述话术模板通过语音助手向所述呼叫对象语音介绍所述用户标签对应的所述待决策项目的所述项目信息，并获取与所述话术模板中每个问题对应的所述呼叫对象反馈的语音数据，所述话术模板包括至少一个以上的问题；提取所述语音数据中的意向关键词，并判断所述意向关键词的数量是否大于或等于预设数量阈值；若所述意向关键词的数量大于或等于所述预设数量阈值，则确定所述呼叫对象为意向用户，并按照预设规则将当前与所述意向用户正在进行的语音通信进行切换。本发明提取呼叫对象根据话术模板反馈的语音数据中的意向关键词，当意向关键词的数量是大于或等于预设数量阈值，则确定呼叫对象为意向用户，并按照预设规则将当前与意向用户正在进行的语音通信切换至人工客服，从而可以通过对用户信息进行精准分析之后，减少决策成本和提高对待决策项目进行决策的成功概率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种基于用户信息分析的智能决策装置，该基于用户信息分析的智能决策装置与上述实施例中基于用户信息分析的智能决策方法一一对应。如图7所示，该基于用户信息分析的智能决策装置包括第一获取模块11、第二获取模块12、C模块和D模块。各功能模块详细说明如下：
第一获取模块11，用于从用户名单中确定一个用户为呼叫对象，并获取所述用户名单中对应于所述呼叫对象的用户标签，所述用户标签根据所述呼叫对象的用户信息生成；
第二获取模块12，用于获取与所述用户标签对应的待决策项目，每一个所述待决策项目对应一份项目信息和一个话术模板；
呼叫模块13，用于在接收呼叫指令时，启动外呼组件呼叫与所述用户标签对应的所述呼叫对象；
调用模块14，用于当通过所述外呼组件与所述呼叫对象建立起通信连接时，调用与所述用户标签对应的所述话术模板，并根据调用的所述话术模板通过语音助手向所述呼叫对象语音介绍所述用户标签对应的所述待决策项目的所述项目信息，并获取与所述话术模板中每个问题对应的所述呼叫对象反馈的语音数据，所述话术模板包括至少一个以上的问题；
判断模块15，用于提取所述语音数据中的意向关键词，并判断所述意向关键词的数量是否大于或等于预设数量阈值；
确定模块16，用于若所述意向关键词的数量大于或等于所述预设数量阈值，则确定所述呼叫对象为意向用户，并按照预设规则将当前与所述意向用户正在进行的语音通信进行切换。
进一步地，所述基于用户信息分析的智能决策装置还包括：
建立模块，用于建立第一话术模板；
第三获取模块，用于从预设数据库中获取所述待决策项目的所述项目信息，并将所述项目信息和所述呼叫对象的至少一个所述用户标签输入到与所述第一话术模板中的预设位置，生成第二话术模板；
发送模块，用于将所述第二话术模板发送到预设审核人员进行核对；
第二确定模块，用于当所述预设审核人员核对无误时，确定所述第二话术模板为所述待决策项目对应的所述话术模板；
第三确定模块，用于当所述预设审核人员核对有误时，则在所述预设审核人员对所述第二话术模板进行修改后，确定修改后的所述第二话术模板为所述待决策项目对应的所述话术模板。
进一步地，所述基于用户信息分析的智能决策装置还包括：
第四获取模块，用于获取所述用户标签中的用户呼叫方式的电话号码，并判断所述电话号码是否属于国际规定的有效号码；
生成模块，用于若属于国际规定的所述有效号码，则生成所述呼叫指令；
清除模块，用于若不属于国际规定的所述有效号码，则将所述呼叫对象从所述用户名单中清除。
进一步地，所述电话营销装置还包括：
第五获取模块，用于对所述呼叫对象反馈的所述语音数据进行特征提取，获取各语音特征；
第六获取模块，用于采用情绪识别模型分别对各所述语音特征进行识别，获取情绪识别结果。
进一步地，所述判断模块包括：
获取子模块，用于通过预设的语音识别模型对所述语音数据进行识别，并获取所述语音识别模型输出的目标文本；
处理子模块，用于对所述目标文本进行分词处理，得到多个字词；
统计子模块，用于从所述多个字词中选取预设词库中的字词作为所述意向关键词，并统计所述目标文本中的所述意向关键词的数量。
进一步地，所述基于用户信息分析的智能决策装置还包括：
第四确定模块，用于若所述意向关键词的数量小于所述预设数量阈值，则确定所述用户为非意向用户并根据所述意向关键词的数量对所述非意向用户进行意向定级，获取意向定级结果，并将所述非意向用户的所述意向定级结果和所述非意向用户的用户标签关联存储在预设数据库。
进一步地，所述第四确定模块包括：
第二获取子模块，用于获取所述非意向用户的情绪识别结果；
第一打分子模块，用于根据所述非意向用户的情绪识别结果对所述非意向用户进行打分，得到所述非意向用户的第一分数；
第二打分子模块，用于根据所述非意向用户的所述意向关键词的数量对所述非意向用户进行打分，得到所述非意向用户的第二分数
第一确定子模块，用于根据以下公式确定所述非意向用户的意向定级分数：
S＝M*a+N*b
其中：
S为所述非意向用户的意向定级分数；
M为所述非意向用户的第一分数；
a为所述非意向用户的第一分数的权重系数，所述第一分数的权重系数为集合[0,1]之间的任一数值；
N为所述非意向用户的第二分数；
b为所述非意向用户的第二分数的权重系数，所述第二分数的权重系数b＝1-a；
第二确定子模块，用于根据所述非意向用户的意向定级分数确定所述预设数据库中所述非意向用户的所述意向定级结果。
关于基于用户信息分析的智能决策装置的具体限定可以参见上文中对于基于用户信息分析的智能决策方法的限定，在此不再赘述。上述基于用户信息分析的智能决策装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于用户信息分析的智能决策方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于用户信息分析的智能决策方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中基于用户信息分析的智能决策方法的步骤，例如图2所示的步骤S10至步骤S60。或者，处理器执行计算机程序时实现上述实施例中基于用户信息分析的智能决策装置的各模块/单元的功能，例如图7所示模块11至模块16的功能。为避免重复，这里不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中基于用户信息分析的智能决策方法的步骤，例如图2所示的步骤S10至步骤S60。或者，计算机程序被处理器执行时实现上述实施例中基于用户信息分析的智能决策装置的各模块/单元的功能，例如图7所示模块11至模块16的功能。为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于用户信息分析的智能决策方法，其特征在于，包括：
从用户名单中确定一个用户为呼叫对象，并获取所述用户名单中对应于所述呼叫对象的用户标签，所述用户标签根据所述呼叫对象的用户信息生成；
获取与所述用户标签对应的待决策项目，每一个所述待决策项目对应一份项目信息和一个话术模板；
在接收呼叫指令时，启动外呼组件呼叫与所述用户标签对应的所述呼叫对象；
当通过所述外呼组件与所述呼叫对象建立起通信连接时，调用与所述用户标签对应的所述话术模板，并根据调用的所述话术模板通过语音助手向所述呼叫对象语音介绍所述用户标签对应的所述待决策项目的所述项目信息，并获取与所述话术模板中每个问题对应的所述呼叫对象反馈的语音数据，所述话术模板包括至少一个以上的问题；
提取所述语音数据中的意向关键词，并判断所述意向关键词的数量是否大于或等于预设数量阈值；
若所述意向关键词的数量大于或等于所述预设数量阈值，则确定所述呼叫对象为意向用户，并按照预设规则将当前与所述意向用户正在进行的语音通信进行切换。
2.根据权利要求1所述的基于用户信息分析的智能决策方法，其特征在于，所述获取与所述用户标签对应的待决策项目之前，还包括：
建立第一话术模板；
从预设数据库中获取所述待决策项目的所述项目信息，并将所述项目信息和所述呼叫对象的至少一个所述用户标签输入到与所述第一话术模板中的预设位置，生成第二话术模板；
将所述第二话术模板发送到预设审核人员进行核对；
当所述预设审核人员核对无误时，确定所述第二话术模板为所述待决策项目对应的所述话术模板；
当所述预设审核人员核对有误时，则在所述预设审核人员对所述第二话术模板进行修改后，确定修改后的所述第二话术模板为所述待决策项目对应的所述话术模板。
3.根据权利要求1所述的基于用户信息分析的智能决策方法，其特征在于，所述在接收呼叫指令时，启动外呼组件呼叫与所述用户标签对应的所述呼叫对象之前，还包括：
获取所述用户标签中的用户呼叫方式的电话号码，并判断所述电话号码是否属于国际规定的有效号码；
若属于国际规定的所述有效号码，则生成所述呼叫指令；
若不属于国际规定的所述有效号码，则将所述呼叫对象从所述用户名单中清除。
4.根据权利要求1所述的基于用户信息分析的智能决策方法，其特征在于，所述当通过所述外呼组件与所述呼叫对象建立起通信连接时，调用与所述用户标签对应的所述话术模板，并根据调用的所述话术模板通过语音助手向所述呼叫对象语音介绍所述用户标签对应的所述待决策项目的项目信息，并获取与所述话术模板中每个问题对应的所述呼叫对象反馈的语音数据之后，还包括：
对所述呼叫对象反馈的所述语音数据进行特征提取，获取各语音特征；
采用情绪识别模型分别对各所述语音特征进行识别，获取情绪识别结果。
5.根据权利要求1所述的基于用户信息分析的智能决策方法，其特征在于，所述提取所述语音数据中的意向关键词，包括：
通过预设的语音识别模型对所述语音数据进行识别，并获取所述语音识别模型输出的目标文本；
对所述目标文本进行分词处理，得到多个字词；
从所述多个字词中选取预设词库中的字词作为所述意向关键词，并统计所述目标文本中的所述意向关键词的数量。
6.根据权利要求1所述的基于用户信息分析的智能决策方法，其特征在于，所述判断所述意向关键词的数量是否大于或等于预设数量阈值之后，还包括：
若所述意向关键词的数量小于所述预设数量阈值，则确定所述用户为非意向用户并根据所述意向关键词的数量对所述非意向用户进行意向定级，获取意向定级结果，并将所述非意向用户的所述意向定级结果和所述非意向用户的用户标签关联存储在预设数据库。
7.根据权利要求6所述的基于用户信息分析的智能决策方法，其特征在于，所述若所述意向关键词的数量小于所述预设数量阈值，则确定所述用户为非意向用户并根据所述意向关键词的数量对所述非意向用户进行意向定级，获取意向定级结果，包括：
获取所述非意向用户的情绪识别结果；
根据所述非意向用户的情绪识别结果对所述非意向用户进行打分，得到所述非意向用户的第一分数；
根据所述非意向用户的所述意向关键词的数量对所述非意向用户进行打分，得到所述非意向用户的第二分数；
根据以下公式确定所述非意向用户的意向定级分数：
S＝M*a+N*b
其中：
S为所述非意向用户的意向定级分数；
M为所述非意向用户的第一分数；
a为所述非意向用户的第一分数的权重系数，所述第一分数的权重系数为集合[0,1]之间的任一数值；
N为所述非意向用户的第二分数；
b为所述非意向用户的第二分数的权重系数，所述第二分数的权重系数b＝1-a；
根据所述非意向用户的意向定级分数确定所述预设数据库中所述非意向用户的所述意向定级结果。
8.一种基于用户信息分析的智能决策装置，其特征在于，包括：
第一获取模块，用于从用户名单中确定一个用户为呼叫对象，并获取所述用户名单中对应于所述呼叫对象的用户标签，所述用户标签根据所述呼叫对象的用户信息生成；
第二获取模块，用于获取与所述用户标签对应的待决策项目，每一个所述待决策项目对应一份项目信息和一个话术模板；
呼叫模块，用于在接收呼叫指令时，启动外呼组件呼叫与所述用户标签对应的所述呼叫对象；
调用模块，用于当通过所述外呼组件与所述呼叫对象建立起通信连接时，调用与所述用户标签对应的所述话术模板，并根据调用的所述话术模板通过语音助手向所述呼叫对象语音介绍所述用户标签对应的所述待决策项目的所述项目信息，并获取与所述话术模板中每个问题对应的所述呼叫对象反馈的语音数据，所述话术模板包括至少一个以上的问题；
判断模块，用于提取所述语音数据中的意向关键词，并判断所述意向关键词的数量是否大于或等于预设数量阈值；
确定模块，用于若所述意向关键词的数量大于或等于所述预设数量阈值，则确定所述呼叫对象为意向用户，并按照预设规则将当前与所述意向用户正在进行的语音进行通信切换。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述基于用户信息分析的智能决策方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述基于用户信息分析的智能决策方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910429738.2A CN110298682A (zh) | 2019-05-22 | 2019-05-22 | 基于用户信息分析的智能决策方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910429738.2A CN110298682A (zh) | 2019-05-22 | 2019-05-22 | 基于用户信息分析的智能决策方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110298682A true CN110298682A (zh) | 2019-10-01 |
Family
ID=68027088
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910429738.2A Pending CN110298682A (zh) | 2019-05-22 | 2019-05-22 | 基于用户信息分析的智能决策方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110298682A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110852799A (zh) * | 2019-11-07 | 2020-02-28 | 北京集奥聚合科技有限公司 | 基于意图标签的用户筛选方法、装置、电子设备及介质 |
| CN111091832A (zh) * | 2019-11-28 | 2020-05-01 | 秒针信息技术有限公司 | 一种基于语音识别的意向评估方法和*** |
| CN111371959A (zh) * | 2020-03-17 | 2020-07-03 | 集奥聚合(北京)人工智能科技有限公司 | 智能语音数据处理方法及装置 |
| CN111539221A (zh) * | 2020-05-13 | 2020-08-14 | 北京焦点新干线信息技术有限公司 | 一种数据处理方法及*** |
| CN111653262A (zh) * | 2020-08-06 | 2020-09-11 | 上海荣数信息技术有限公司 | 一种智能语音交互***及方法 |
| CN111709864A (zh) * | 2020-06-11 | 2020-09-25 | 湖北美和易思教育科技有限公司 | 一种基于学生意向的自动归类分析方法及装置 |
| CN111916111A (zh) * | 2020-07-20 | 2020-11-10 | 中国建设银行股份有限公司 | 带情感的智能语音外呼方法及装置、服务器、存储介质 |
| CN112435047A (zh) * | 2020-10-30 | 2021-03-02 | 四川新网银行股份有限公司 | 一种基于埋点数据的营销外呼数据推荐方法 |
| CN113420140A (zh) * | 2021-08-24 | 2021-09-21 | 北京明略软件***有限公司 | 用户情绪的预测方法、装置、电子设备和可读存储介质 |
| CN114860912A (zh) * | 2022-05-20 | 2022-08-05 | 马上消费金融股份有限公司 | 数据处理方法、装置、电子设备和存储介质 |
| CN115065754A (zh) * | 2022-06-15 | 2022-09-16 | 平安银行股份有限公司 | 一种外呼成本预估方法、装置、计算机设备及存储介质 |
| CN115499547A (zh) * | 2022-10-20 | 2022-12-20 | 深圳市八度云计算信息技术有限公司 | 一种云呼叫管理*** |
| CN115567640A (zh) * | 2021-12-24 | 2023-01-03 | 上海莘启科技有限公司 | 基于ai的智能外呼营销分析*** |
| CN115905502A (zh) * | 2022-07-19 | 2023-04-04 | 北京中关村科金技术有限公司 | 一种话术挖掘与推荐方法、装置及存储介质 |
| CN115914468A (zh) * | 2023-03-09 | 2023-04-04 | 成都秦川物联网科技股份有限公司 | 智慧燃气呼叫中心的反馈管理方法、物联网***及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033257A (zh) * | 2018-07-06 | 2018-12-18 | 中国平安人寿保险股份有限公司 | 话术推荐方法、装置、计算机设备和存储介质 |
| CN109120804A (zh) * | 2017-06-26 | 2019-01-01 | 浙江金讯网络技术股份有限公司 | 一种基于应答信息辨识的外呼*** |
| CN109462707A (zh) * | 2018-11-13 | 2019-03-12 | 平安科技（深圳）有限公司 | 基于自动外呼***的语音处理方法、装置和计算机设备 |
| CN109767791A (zh) * | 2019-03-21 | 2019-05-17 | 中国—东盟信息港股份有限公司 | 一种针对呼叫中心通话的语音情绪识别及应用*** |
| CN109767765A (zh) * | 2019-01-17 | 2019-05-17 | 平安科技（深圳）有限公司 | 话术匹配方法及装置、存储介质、计算机设备 |
-
2019
- 2019-05-22 CN CN201910429738.2A patent/CN110298682A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109120804A (zh) * | 2017-06-26 | 2019-01-01 | 浙江金讯网络技术股份有限公司 | 一种基于应答信息辨识的外呼*** |
| CN109033257A (zh) * | 2018-07-06 | 2018-12-18 | 中国平安人寿保险股份有限公司 | 话术推荐方法、装置、计算机设备和存储介质 |
| CN109462707A (zh) * | 2018-11-13 | 2019-03-12 | 平安科技（深圳）有限公司 | 基于自动外呼***的语音处理方法、装置和计算机设备 |
| CN109767765A (zh) * | 2019-01-17 | 2019-05-17 | 平安科技（深圳）有限公司 | 话术匹配方法及装置、存储介质、计算机设备 |
| CN109767791A (zh) * | 2019-03-21 | 2019-05-17 | 中国—东盟信息港股份有限公司 | 一种针对呼叫中心通话的语音情绪识别及应用*** |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110852799A (zh) * | 2019-11-07 | 2020-02-28 | 北京集奥聚合科技有限公司 | 基于意图标签的用户筛选方法、装置、电子设备及介质 |
| CN111091832A (zh) * | 2019-11-28 | 2020-05-01 | 秒针信息技术有限公司 | 一种基于语音识别的意向评估方法和*** |
| CN111091832B (zh) * | 2019-11-28 | 2022-12-30 | 秒针信息技术有限公司 | 一种基于语音识别的意向评估方法和*** |
| CN111371959A (zh) * | 2020-03-17 | 2020-07-03 | 集奥聚合(北京)人工智能科技有限公司 | 智能语音数据处理方法及装置 |
| CN111539221A (zh) * | 2020-05-13 | 2020-08-14 | 北京焦点新干线信息技术有限公司 | 一种数据处理方法及*** |
| CN111539221B (zh) * | 2020-05-13 | 2023-09-12 | 北京焦点新干线信息技术有限公司 | 一种数据处理方法及*** |
| CN111709864A (zh) * | 2020-06-11 | 2020-09-25 | 湖北美和易思教育科技有限公司 | 一种基于学生意向的自动归类分析方法及装置 |
| CN111916111A (zh) * | 2020-07-20 | 2020-11-10 | 中国建设银行股份有限公司 | 带情感的智能语音外呼方法及装置、服务器、存储介质 |
| CN111653262A (zh) * | 2020-08-06 | 2020-09-11 | 上海荣数信息技术有限公司 | 一种智能语音交互***及方法 |
| CN112435047A (zh) * | 2020-10-30 | 2021-03-02 | 四川新网银行股份有限公司 | 一种基于埋点数据的营销外呼数据推荐方法 |
| CN113420140A (zh) * | 2021-08-24 | 2021-09-21 | 北京明略软件***有限公司 | 用户情绪的预测方法、装置、电子设备和可读存储介质 |
| CN113420140B (zh) * | 2021-08-24 | 2021-12-28 | 北京明略软件***有限公司 | 用户情绪的预测方法、装置、电子设备和可读存储介质 |
| CN115567640A (zh) * | 2021-12-24 | 2023-01-03 | 上海莘启科技有限公司 | 基于ai的智能外呼营销分析*** |
| CN114860912A (zh) * | 2022-05-20 | 2022-08-05 | 马上消费金融股份有限公司 | 数据处理方法、装置、电子设备和存储介质 |
| CN114860912B (zh) * | 2022-05-20 | 2023-08-29 | 马上消费金融股份有限公司 | 数据处理方法、装置、电子设备和存储介质 |
| CN115065754A (zh) * | 2022-06-15 | 2022-09-16 | 平安银行股份有限公司 | 一种外呼成本预估方法、装置、计算机设备及存储介质 |
| CN115905502A (zh) * | 2022-07-19 | 2023-04-04 | 北京中关村科金技术有限公司 | 一种话术挖掘与推荐方法、装置及存储介质 |
| CN115905502B (zh) * | 2022-07-19 | 2024-01-05 | 北京中关村科金技术有限公司 | 一种话术挖掘与推荐方法、装置及存储介质 |
| CN115499547A (zh) * | 2022-10-20 | 2022-12-20 | 深圳市八度云计算信息技术有限公司 | 一种云呼叫管理*** |
| CN115914468A (zh) * | 2023-03-09 | 2023-04-04 | 成都秦川物联网科技股份有限公司 | 智慧燃气呼叫中心的反馈管理方法、物联网***及介质 |
| US11870937B2 (en) | 2023-03-09 | 2024-01-09 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods for smart gas call center feedback management and Internet of things (IoT) systems thereof |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110298682A (zh) | 基于用户信息分析的智能决策方法、装置、设备及介质 | |
| CN110472224B (zh) | 服务质量的检测方法、装置、计算机设备和存储介质 | |
| CN108509596B (zh) | 文本分类方法、装置、计算机设备和存储介质 | |
| CN110084636A (zh) | 提高电话销售效率方法、装置、计算机设备及存储介质 | |
| CN112468659B (zh) | 应用于电话客服的质量评价方法、装置、设备及存储介质 | |
| CN111309887B (zh) | 一种训练文本关键内容提取模型的方法和*** | |
| CN109885828A (zh) | 基于语言模型的词语纠错方法、装置、计算机设备及介质 | |
| CN110569356A (zh) | 基于智能面试交互***的面试方法、装置和计算机设备 | |
| CN113343677B (zh) | 一种意图识别方法、装置、电子设备及存储介质 | |
| CN109344823B (zh) | 基于区块链机制的ocr深度学习方法、存储介质 | |
| CN112434501A (zh) | 工单智能生成的方法、装置、电子设备及介质 | |
| CN109766419A (zh) | 基于语音分析的产品推荐方法、装置、设备及存储介质 | |
| CN111597818A (zh) | 呼叫质检方法、装置、计算机设备和计算机可读存储介质 | |
| CN112699923A (zh) | 文档分类预测方法、装置、计算机设备及存储介质 | |
| CN109063720A (zh) | 手写字训练样本获取方法、装置、计算机设备及存储介质 | |
| CN111444677A (zh) | 基于大数据的阅读模型优化方法、装置、设备及介质 | |
| CN115034886A (zh) | 一种违约风险预测方法及装置 | |
| CN113591463A (zh) | 意图识别方法、装置、电子设备及存储介质 | |
| CN112288584A (zh) | 保险报案处理方法、装置、计算机可读介质及电子设备 | |
| CN117093682A (zh) | 意图识别方法、装置、计算机设备及存储介质 | |
| CN117237479A (zh) | 基于扩散模型的产品风格自动生成方法、装置及设备 | |
| CN116150319A (zh) | 辅助答题方法、装置、电子设备和存储介质 | |
| CN111565254B (zh) | 通话数据质检方法、装置、计算机设备和存储介质 | |
| CN113515642A (zh) | 电话营销关键断点确定方法及装置 | |
| CN108717851A (zh) | 一种语音识别方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |