CN114267340A - 一种4s店服务质量评估方法、装置、存储介质及设备 - Google Patents
一种4s店服务质量评估方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN114267340A CN114267340A CN202111615013.6A CN202111615013A CN114267340A CN 114267340 A CN114267340 A CN 114267340A CN 202111615013 A CN202111615013 A CN 202111615013A CN 114267340 A CN114267340 A CN 114267340A
- Authority
- CN
- China
- Prior art keywords
- reception service
- service
- reception
- target
- voice
- 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
- 238000000034 method Methods 0.000 title claims abstract description 211
- 230000008569 process Effects 0.000 claims abstract description 169
- 239000012634 fragment Substances 0.000 claims abstract description 98
- 238000011156 evaluation Methods 0.000 claims abstract description 39
- 238000001303 quality assessment method Methods 0.000 claims abstract description 11
- 238000007689 inspection Methods 0.000 claims description 95
- 238000012549 training Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 22
- 238000013441 quality evaluation Methods 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种4S店服务质量评估方法、装置、存储介质及设备,该方法包括:首先获取目标4S店销售人员的日常工作录音作为目标语音;然后将其输入至预先构建的接待服务过程识别模型,识别得到接待服务过程语音片段;接着将接待服务过程语音片段转换为会话文本;并将会话文本输入至预先构建的接待服务场景识别模型,识别得到对应的接待服务场景;进而可以根据接待服务过程语音片段、会话文本、接待服务场景,对目标4S店服务质量进行评估,得到评估结果。由于本申请是利用预先构建的接待服务过程识别模型和接待服务场景识别模型,智能识别出接待服务过程语音片段和接待服务场景,从而能够实现按接待场景的不同分别进行服务质量评估,准确率更高。
Description
技术领域
本申请涉及车辆技术领域,尤其涉及一种4S店服务质量评估方法、装置、存储介质及设备。
背景技术
汽车销售服务4S店(Automobile Sales Servicshop 4S)是一种集整车销售、零配件、售后服务、信息反馈四位一体的汽车销售企业。4S店的出现为车厂和用户之间的车辆交易提供了很大的便利。通过4S店的高质量服务,可以提高用户的购车体验,也能够使用户对车辆品牌产生更强的信赖感,从而扩大车厂的销售量,所以,能否对4S店服务质量进行有效评估,对于车厂和用户来说都是十分重要的。
目前对于4S店服务质量进行评估时,采用的方案通常是由4S店的销售人员在接待客户的工作过程中通过佩戴录音设备进行录音并质检,其中的录音分割需要销售人员手动开启和关闭录音设备来实现,录音和客户跟进的绑定关系也需要销售人员来手动维护,对于同一客户的多次接待服务的汇总和分析更依赖于该绑定关系,整个录音过程中依赖销售人员人工操作过程较多,使用比较繁琐,销售人员操作合规与否直接影响到录音的使用效果及最终的服务质量评估结果,但这种人工操作的方式,主观性强、难以量化,不仅评估效率低,而且还需要花费人力资源。并且在4S店的线下接待过程中,车厂和4S店比较关注各场景下销售人员的销售话术覆盖的是否全面和规范,由于4S店线下接待场景较多,如亮点介绍、试乘试驾、合同签订等,每个场景下要求的销售话术点(即质检点)又各不相同,但目前的评估方案并未区分场景进行评估,而是将各个场景的所有质检点均进行评估,导致质检点命中率低,评估分析结果与实际情况偏差较大,无法客观、准确的评估出4S店销售人员的服务质量。
因此,如何提高4S店服务质量评估结果的准确性是目前亟待解决的技术问题。
发明内容
本申请实施例的主要目的在于提供一种4S店服务质量评估方法、装置、存储介质及设备,能够更加快速且准确地评估出4S店的服务质量。
本申请实施例提供了一种4S店服务质量评估方法,包括:
获取待评估的目标语音;所述目标语音为目标4S店销售人员的日常工作录音;
将所述目标语音输入至预先构建的接待服务过程识别模型,识别得到接待服务过程语音片段;
将所述接待服务过程语音片段转换为会话文本;并将所述会话文本输入至预先构建的接待服务场景识别模型,识别得到所述会话文本对应的接待服务场景;
根据所述接待服务过程语音片段、所述会话文本、所述接待服务场景,对所述目标4S店服务质量进行评估,得到所述目标4S店服务质量的评估结果。
一种可能的实现方式中,所述接待服务过程识别模型的构建方式如下:
获取样本语音;
利用所述样本语音和第一损失函数,对初始接待服务过程识别模型进行训练,得到所述接待服务过程识别模型。
一种可能的实现方式中,所述初始接待服务过程识别模型为bert模型。
一种可能的实现方式中,所述将所述接待服务过程语音片段转换为会话文本,包括:
从所述接待服务过程语音片段中,提取声纹特征;
根据所述声纹特征,通过撰写引擎识别出所述接待服务过程语音片段对应的会话文本。
一种可能的实现方式中,所述将所述会话文本输入至预先构建的接待服务场景识别模型,识别得到所述会话文本对应的接待服务场景,包括:
按照预设窗长和预设间隔,通过滑动窗口的方式,将所述会话文本进行划分,得到各个窗口内的会话文本;
将所述各个窗口内的会话文本依次输入预先构建的接待服务场景识别模型,识别得到所述各个窗口内的会话文本各自对应的接待服务场景;
将相邻的相同接待服务场景对应的窗口进行合并,得到各个合并后的窗口内的会话文本及其对应的接待服务场景。
一种可能的实现方式中,所述接待服务场景识别模型的构建方式如下:
获取样本语音;
从所述样本语音中识别得到接待服务过程样本语音片段;并将所述接待服务过程样本语音片段转换为样本会话文本;
利用所述样本会话文本和第二损失函数,对初始接待服务场景识别模型进行训练,得到所述接待服务场景识别模型。
一种可能的实现方式中,所述从所述样本语音中识别得到接待服务过程样本语音片段,包括:
将所述样本语音输入至所述接待服务过程识别模型,识别得到接待服务过程样本语音片段。
一种可能的实现方式中,所述方法还包括:
根据所述接待服务过程语音片段的声纹特征,确定所述接待服务过程语音片段对应的服务用户;
所述根据所述接待服务过程语音片段、所述会话文本、所述接待服务场景,对所述目标4S店服务质量进行评估,得到所述目标4S店服务质量的评估结果,包括:
将所述接待服务过程语音片段、所述会话文本、所述接待服务场景对应的预设质检规则输入质检引擎进行质检,得到所述目标4S店对于所述服务用户进行接待服务时,在所述接待服务场景命中的质检点;
计算所述目标4S店对于所述服务用户进行接待服务时,在各个接待服务场景中质检点的总命中个数;并计算所述质检点的总命中个数与质检点的总个数的第一比值,作为所述目标4S店对于所述服务用户进行接待服务时,在各个接待服务场景的质检点执行率;
计算所述目标4S店对于所述服务用户进行接待服务时,命中的接待服务场景个数与接待场景的总个数的第二比值,以及在各个接待服务场景的质检点执行率的平均值;
根据所述第二比值和所述质检点执行率的平均值,确定所述目标4S店对于所述服务用户进行接待服务时的质量评估结果。
本申请实施例还提供了一种4S店服务质量评估装置,所述装置包括:
第一获取单元,用于获取待评估的目标语音;所述目标语音为目标4S店销售人员的日常工作录音;
第一识别单元,用于将所述目标语音输入至预先构建的接待服务过程识别模型,识别得到接待服务过程语音片段;
第二识别单元,用于将所述接待服务过程语音片段转换为会话文本;并将所述会话文本输入至预先构建的接待服务场景识别模型,识别得到所述会话文本对应的接待服务场景;
评估单元,用于根据所述接待服务过程语音片段、所述会话文本、所述接待服务场景,对所述目标4S店服务质量进行评估,得到所述目标4S店服务质量的评估结果。
一种可能的实现方式中,所述装置还包括:
第二获取单元,用于获取样本语音;
第一训练单元,用于利用所述样本语音和第一损失函数,对初始接待服务过程识别模型进行训练,得到所述接待服务过程识别模型。
一种可能的实现方式中,所述初始接待服务过程识别模型为bert模型。
一种可能的实现方式中,所述第二识别单元包括:
提取子单元,用于从所述接待服务过程语音片段中,提取声纹特征;
第一识别子单元,用于根据所述声纹特征,通过撰写引擎识别出所述接待服务过程语音片段对应的会话文本。
一种可能的实现方式中,所述第二识别单元还包括:
划分子单元,用于按照预设窗长和预设间隔,通过滑动窗口的方式,将所述会话文本进行划分,得到各个窗口内的会话文本;
第二识别子单元,用于将所述各个窗口内的会话文本依次输入预先构建的接待服务场景识别模型,识别得到所述各个窗口内的会话文本各自对应的接待服务场景;
合并子单元,用于将相邻的相同接待服务场景对应的窗口进行合并,得到各个合并后的窗口内的会话文本及其对应的接待服务场景。
一种可能的实现方式中,所述装置还包括:
第三获取单元,用于获取样本语音;
第三识别单元,用于从所述样本语音中识别得到接待服务过程样本语音片段;并将所述接待服务过程样本语音片段转换为样本会话文本;
第二训练单元,用于利用所述样本会话文本和第二损失函数,对初始接待服务场景识别模型进行训练,得到所述接待服务场景识别模型。
一种可能的实现方式中,所述第三识别单元具体用于:
将所述样本语音输入至所述接待服务过程识别模型,识别得到接待服务过程样本语音片段。
一种可能的实现方式中,所述装置还包括:
确定单元,用于根据所述接待服务过程语音片段的声纹特征,确定所述接待服务过程语音片段对应的服务用户;
所述评估单元包括:
质检子单元,用于将所述接待服务过程语音片段、所述会话文本、所述接待服务场景对应的预设质检规则输入质检引擎进行质检,得到所述目标4S店对于所述服务用户进行接待服务时,在所述接待服务场景命中的质检点;
第一计算子单元,用于计算所述目标4S店对于所述服务用户进行接待服务时,在各个接待服务场景中质检点的总命中个数;并计算所述质检点的总命中个数与质检点的总个数的第一比值,作为所述目标4S店对于所述服务用户进行接待服务时,在各个接待服务场景的质检点执行率;
第二计算子单元,用于计算所述目标4S店对于所述服务用户进行接待服务时,命中的接待服务场景个数与接待场景的总个数的第二比值,以及在各个接待服务场景的质检点执行率的平均值;
评估子单元,用于根据所述第二比值和所述质检点执行率的平均值,确定所述目标4S店对于所述服务用户进行接待服务时的质量评估结果。
本申请实施例还提供了一种4S店服务质量评估设备,包括:处理器、存储器、***总线;
所述处理器以及所述存储器通过所述***总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行上述4S店服务质量评估方法中的任意一种实现方式。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行上述4S店服务质量评估方法中的任意一种实现方式。
本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行上述4S店服务质量评估方法中的任意一种实现方式。
本申请实施例提供的一种4S店服务质量评估方法、装置、存储介质及设备,首先获取待评估的目标语音;其中,目标语音为目标4S店销售人员的日常工作录音,然后再将目标语音输入至预先构建的接待服务过程识别模型,识别得到接待服务过程语音片段;接着,将接待服务过程语音片段转换为会话文本;并将会话文本输入至预先构建的接待服务场景识别模型,识别得到会话文本对应的接待服务场景;进而可以根据接待服务过程语音片段、会话文本、接待服务场景,对目标4S店服务质量进行评估,得到目标4S店服务质量的评估结果。可见,由于本申请实施例先是利用预先构建的接待服务过程识别模型和接待服务场景识别模型,智能识别出接待服务过程语音片段和具体的接待服务场景,从而能够实现按接待服务场景的不同分别进行服务质量评估,并且,相比于依赖销售人员人工操作的方式,可以实现快速且准确地评估出4S店的服务质量,且评估的结果消除了人工操作的主观性带来的影响,准确率更高。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种4S店服务质量评估方法的流程示意图;
图2为本申请实施例提供的将目标语音输入至预先构建的接待服务过程识别模型,识别得到接待服务过程语音片段的示意图;
图3为本申请实施例提供的将会话文本输入至预先构建的接待服务场景识别模型,识别得到会话文本对应的接待服务场景的示意图;
图4为本申请实施例提供的根据接待服务过程语音片段的声纹特征,确定接待服务过程语音片段对应的服务用户的示意图;
图5为本申请实施例提供的服务用户与各个接待服务场景的关联示例图;
图6为本申请实施例提供的计算目标4S店对于服务用户进行接待服务时,在各个接待服务场景中质检点的总命中个数的示意图;
图7为本申请实施例提供的一种4S店服务质量评估装置的组成示意图。
具体实施方式
随着人工智能(Artificial Intelligence,简称AI)技术的快速发展,越来越多的场景需要应用AI技术为人们的生活提供便利,例如,金融安全、安保、智能家居和4S店车辆交易等场景。
目前,对于4S店服务质量进行评估时,采用AI技术进行评估时,主要集中在在线上客户领域,客服在电话接待过程中,电话平台可以保存客服与客户的对话录音,并作为评估的原始音频数据。AI引擎将录音转写成文本,再通过AI引擎和规则引擎分析对话文本中客服的情绪、语气、语义、关键词等,来进行质量评估即可。但是客服电话服务场景相对固定,单次服务是闭环的,质检项是固定的,录音与客户对应关系明确、录音分割明确。客服领域质检场景与4S店线下接待场景差异明显,对于4S店线下服务质量进行评估时,技术直接复用效果较差。
而当前对于4S店线下服务质量进行评估时,通常采用的方案为:4S店的销售人员佩戴录音设备,接待时手动开启录音设备录音功能,接待完成时,手动关闭录音设备录音功能。再将录音设备中的录音文件上传至云端,通过云端AI引擎对音频文件进行角色分离,将各角色音频转写成文本,再根据规则识别出销售人员,根据销售人员对话文本使用AI引擎和规则引擎对销售人员情绪、语气、说法、关键词等进行质检,来达到4S店服务质量评估的目的。
但这种评估方式的整个录音过程中依赖销售人员人工操作过程较多,使用比较繁琐,销售人员操作合规与否直接影响到录音的使用效果及最终的服务质量评估结果,且这种人工操作的方式,主观性强、难以量化,不仅评估效率低,而且还需要花费人力资源。并且由于4S店线下接待场景较多,如亮点介绍、试乘试驾、合同签订等,每个场景下要求的销售话术点(即质检点)又各不相同,但目前的评估方案并未区分场景进行评估,而是将各个场景的所有质检点均参与评估,导致评估出的质检点命中率低,评估分析结果与实际情况偏差很大,无法客观、准确的评估出4S店销售人员的服务质量。因此,如何提高4S店服务质量评估结果的准确性是目前亟待解决的技术问题。
为解决上述缺陷,本申请提供了一种4S店服务质量评估方法,首先获取待评估的目标语音;其中,目标语音为目标4S店销售人员的日常工作录音,然后再将目标语音输入至预先构建的接待服务过程识别模型,识别得到接待服务过程语音片段;接着,将接待服务过程语音片段转换为会话文本;并将会话文本输入至预先构建的接待服务场景识别模型,识别得到会话文本对应的接待服务场景;进而可以根据接待服务过程语音片段、会话文本、接待服务场景,对目标4S店服务质量进行评估,得到目标4S店服务质量的评估结果。可见,由于本申请实施例先是利用预先构建的接待服务过程识别模型和接待服务场景识别模型,智能识别出接待服务过程语音片段和具体的接待服务场景,从而能够实现按接待服务场景的不同分别进行服务质量评估,并且,相比于依赖销售人员人工操作的方式,可以实现快速且准确地评估出4S店的服务质量,且评估的结果消除了人工操作的主观性带来的影响,准确率更高。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
第一实施例
参见图1,为本实施例提供的一种4S店服务质量评估方法的流程示意图,该方法包括以下步骤:
S101:获取待评估的目标语音;其中,目标语音为目标4S店销售人员的日常工作录音。
在本实施例中,将需要进行服务质量评估的任一4S店定义为目标4S店,并将目标4S店中销售人员的日常工作录音定义为目标语音。需要说明的是,本实施例不限制目标语音的语种类型,比如,目标语音可以是中文构成的语音或英文构成的语音等;同时,本实施例也不限制目标语音的长度,比如,目标语音可以是多句话等。
可以理解的是,目标语音可以根据实际需要,通过录音等方式获得,例如,可以通过目标4S店中销售人员日常工作中佩戴的佩戴录音设备获取销售人员的日常工作录音作为目标语音等,用以执行后续步骤S102。这样,销售人员在工作过程中不用频繁操作录音设备录音状态(即开启和关闭),从而简化了销售人员的操作,提高了目标语音的准确性和完整性。
S102:将目标语音输入至预先构建的接待服务过程识别模型,识别得到接待服务过程语音片段。
在本实施例中,通过步骤S101获取到待评估的目标语音后,为了能够更加快速且准确地评估出4S店的服务质量,进一步可以将目标语音输入预先构建的接待服务过程识别模型中,从而识别得到目标语音中包含的各个接待服务过程语音片段,用以执行后续步骤S103。这样,利用该接待服务过程识别模型可以将目标4S店销售人员在目标录音中的有效接待过程对应的录音片段自动识别出来,避免了销售人员在每次接待服务用户时均需要在开始和结束时手动开关其佩戴的录音设备的录音功能,从而消除了人工操作的主观性带来的影响,识别准确率更高。
举例说明:如图2所示,在获取到目标4S店中销售人员从上班到下班的目标语音后,可以将其输入至接待服务过程识别模型中,识别出其中的接待服务过程语音片段为“接待A”、“接待B”、“接待C”、“接待D”,图中的“idle”表示目标语音中的闲置语音段,即在这个时间段内销售人员并未与客户进行会话。
其中,一种可选的实现方式是,接待服务场景识别模型的构建过程具体可以包括:首先样本语音,然后利用样本语音和第一损失函数,对初始接待服务过程识别模型进行训练,得到接待服务过程识别模型。
具体来讲,在本实现方式中,为了构建接待服务过程识别模型,需要预先进行大量的准备工作,首先,需要收集大量4S店中销售人员的日常工作录音作为样本语音,然后通过人工方式对所有样本语音进行测听,并标注出其中哪些录音片段为销售人员为用户提供销售服务时的接待服务过程及其对应的语音片段标签。接着,可以根据该样本语音和样本语音对应的接待服务过程语音片段标记结果以及预设的损失函数(此处将其定义为第一损失函数),对初始接待服务过程识别模型进行训练,进而生成接待服务过程识别模型。
其中,一种可选的实现方式是,初始接待服务过程识别模型可以为(但不限于)bert模型等,且模型中的特征可以由特征提取器自动提取,如可以采用(但不限于)transformer特征提取器进行特征提取。第一损失函数可以为(但不限于)负对数似然函数等。
具体地,在进行模型训练时,可以依次从训练数据中提取一份样本语音作为模型输入,接待服务过程语音片段作为输出,进行多轮模型训练,并将每轮训练得到的接待服务过程语音片段区间值与对应的人工标注结果进行比较,并根据二者的差异对模型参数进行更新,直至满足预设的条件,比如差值变化幅度很小,则停止模型参数的更新,完成接待服务过程识别模型的训练,生成一个训练好的接待服务过程识别模型。
S103:将接待服务过程语音片段转换为会话文本;并将会话文本输入至预先构建的接待服务场景识别模型,识别得到会话文本对应的接待服务场景。
在本实施例中,通过步骤S102得到接待服务过程语音片段后,为了能够更加快速且准确地评估出4S店的服务质量,进一步可以将接待服务过程语音片段转换为销售人员与客户之间的会话文本,比如,可以先从接待服务过程语音片段中,提取声纹特征,然后再根据改声纹特征,通过撰写引擎识别出接待服务过程语音片段对应的会话文本。具体的,首先可以对目标语音进行分帧处理,得到对应的语音帧序列,然后再对分帧后的语音帧序列进行预加重;进而再依次提取出每一语音帧的声纹特征,其中,该声纹特征指的是用于表征对应语音帧的声纹信息的特征数据,比如,可以是梅尔倒谱系数(Mel-scale FrequencyCepstral Coefficients,简称MFCC)特征或感知线性预测(Perceptual LinearPredictive,简称PLP)特征等。
进一步的,可以将得到的会话文本输入至预先构建的接待服务场景识别模型,从而识别得到会话文本对应的各个接待服务场景,如车辆亮点介绍、优惠政策、试乘试驾、合同签订、提车等,用以执行后续步骤S104。这样,利用该接待服务过程识别模型可以将接待服务过程对应的各个接待服务场景自动识别出来,以实现按接待服务场景的不同分别进行服务质量评估,从而提高了服务质量评估结果的准确性。
具体来讲,一种可选的实现方式是,在获取到接待服务过程语音片段对应的会话文本后,首先可以在时间轴上,从接待开始到接待结束,按照预设窗长(具体取值不做限定,如可以为3分钟)和预设间隔(具体取值不做限定,如可以为10秒钟),通过滑动窗口的方式,将该会话文本进行划分,得到各个窗口内的会话文本,这是因为一个接待服务场景往往对应了时间较长的一顿语音对话,所以通过滑动窗口的方式进行识别,相比逐字识别的准确率更高;然后将各个窗口内的会话文本依次输入预先构建的接待服务场景识别模型,识别得到各个窗口内的会话文本各自对应的接待服务场景,直至窗口滑动到接待结束;接着,可以将相邻的相同接待服务场景对应的窗口进行合并,得到各个合并后的窗口内的会话文本及其对应的接待服务场景
举例说明:如图3所示,在确定出接待服务过程语音片段对应的会话文本后,可以通过滑动窗口的方式将将各个窗口内的会话文本依次输入预先构建的接待服务场景识别模型,识别得到各个窗口内的会话文本各自对应的接待服务场景依次为“亮点介绍”、“亮点介绍”、“优惠政策”、“优惠政策”、“优惠政策”,再将相邻相同接待服务场景对应的窗口进行合并后得到的两个接待服务场景分别为“亮点介绍”和“优惠政策”。
其中,一种可选的实现方式是,接待服务场景识别模型的构建过程具体可以包括:首先样本语音;然后从样本语音中识别得到接待服务过程样本语音片段,并将接待服务过程样本语音片段转换为样本会话文本;接着,再利用样本会话文本和第二损失函数,对初始接待服务场景识别模型进行训练,得到接待服务场景识别模型。
具体来讲,在本实现方式中,为了构建接待服务场景识别模型,需要预先进行大量的准备工作,首先,需要收集大量4S店中销售人员的日常工作录音作为样本语音。然后从样本语音中识别得到接待服务过程样本语音片段,比如,可以将样本语音输入至接待服务过程识别模型,识别得到接待服务过程样本语音片段;并将得到的接待服务过程样本语音片段转换为样本会话文本,具体实现过程可参见上述步骤102-S103,仅是将目标语音替换为样本语音即可,在此不再赘述。接着,通过人工方式标注出所有样本会话文本包含的各个接待服务场景标签。进一步可以根据该样本会话文本和样本会话文本包含的各个接待服务场景标记结果以及预设的损失函数(此处将其定义为第二损失函数),对初始接待服务场景识别模型进行训练,进而生成接待服务场景识别模型。
其中,一种可选的实现方式是,初始接待服务场景识别模型可以为(但不限于)bert模型等,且模型中的特征可以由特征提取器自动提取,如可以采用(但不限于)transformer特征提取器进行特征提取。第二损失函数可以为(但不限于)负对数似然函数等。
具体地,在进行模型训练时,可以依次从训练数据中提取一份样本会话文本作为模型输入,各个接待服务场景作为输出,进行多轮模型训练,并将每轮训练得到的各个接待服务场景识别结果与对应的人工标注结果进行比较,并根据二者的差异对模型参数进行更新,直至满足预设的条件,比如训练次数满足预设阈值,则停止模型参数的更新,完成接待服务场景识别模型的训练,生成一个训练好的接待服务场景识别模型。
S104:根据接待服务过程语音片段、会话文本、接待服务场景,对目标4S店服务质量进行评估,得到目标4S店服务质量的评估结果。
在本实施例中,通过步骤S102和S103得到接待服务过程语音片段、会话文本、接待服务场景后,进一步可以通过对接待服务过程语音片段、会话文本、接待服务场景进行处理,并根据处理结果,对目标4S店服务质量进行评估,得到目标4S店服务质量的评估结果。
在本申请实施例的一种可能的实现方式中,在执行上述步骤S104之前,可以先根据接待服务过程语音片段的声纹特征,确定出接待服务过程语音片段对应的服务用户。
具体来讲,在本实现方式中,在确定出接待服务过程语音片段的声纹特征(如MFCC等)后,可以将该声纹特征与已存储的服务用户档案声纹特征进行比对,若存在相同声纹特征的服务用户,则将目标语音自动关联到该服务用户,若不存在相同声纹特征的服务用户,则创建新的声纹记录,并将销售人员的接待记录绑定至该服务用户的档案,也可以销售人员手动将接待记录绑定至该服务用户的档案,在绑定完成后,将该服务用户的档案进行保存。
举例说明:如图4所示,在获取到接待服务过程语音片段为“接待A”、“接待B”、“接待C”、“接待D”后,进一步可根据这四个接待服务过程语音片段的声纹特征,确定出这四个接待服务过程语音片段对应的服务用户分别为“客户1”、“客户2”、“客户1”“客户3”。进一步的,也可以得到这四个服务用户“客户1”、“客户2”、“客户1”“客户3”与各个接待服务场景之间的对应关系,如图5所示。
在此基础上,上述步骤S104的具体实现过程可以包括下述步骤A-D:
步骤A:将接待服务过程语音片段、会话文本、接待服务场景对应的预设质检规则输入质检引擎进行质检,得到所述目标4S店对于所述服务用户进行接待服务时,在所述接待服务场景命中的质检点。
在本实现方式中,为了实现对目标4S店服务质量的准确评估,在获取到接待服务过程语音片段、会话文本、接待服务场景后,进一步可以将接待服务过程语音片段、会话文本以及接待服务场景对应的预设质检规则依次输入质检引擎(如现有的质检服务器等)进行质检,得到各个接待服务场景中命中的质检点,用以执行后续步骤B。
其中,接待服务场景对应的预设质检规则是根据实际情况进行设定的,本申请实施例对此不进行限定。例如,以“亮点介绍”这一接待服务场景为例,其共包含的5个质检点,如“车联网功能介绍”可以作为其中一个质检点,对应的预设质检规则可以为:当销售人员与服务用户处于“亮点介绍”接待服务场景时,若该销售人员向服务用户阐述了上述5个质检点中的至少3个,即命中至少3个质检点,则判断销售人员为服务质量合格”等。
步骤B:计算目标4S店对于服务用户进行接待服务时,在各个接待服务场景中质检点的总命中个数;并计算质检点的总命中个数与质检点的总个数的第一比值,作为目标4S店对于服务用户进行接待服务时,在各个接待服务场景的质检点执行率。
在本实现方式中,通过步骤A得到目标4S店对于服务用户进行接待服务时,在各个接待服务场景命中的质检点后,进一步计算出各个接待服务场景中质检点的总命中个数,具体计算公式如下:
Ps1t=Ps1a∪Ps1b∪Ps1c∪… (1)
其中,Ps1t表示s1场景所有命中质检点的总个数;Ps1a表示s1场景第a次命中的质检点;Ps1b表示s1场景第b次命中的质检点;s1场景表示亮点介绍、试乘试驾、合同签订等任一4S店销售人员为用户提供接待服务的场景。
举例说明:如图6所示,两个接待服务过程语音片段“接待A”和“接待C”对应的服务用户为“客户1”,且这两个接待服务过程语音片段对应的接待服务场景分别为“亮点介绍”、“优惠政策”和“亮点介绍”、“合同签订”,图中每个利用正方形方框圈住的质检点为对应接待服务场景中命中的质检点,如“接待A”的“亮点介绍”中的命中质检点为“P1”、“P2”、“P3”。进一步可以得出“亮点介绍”、“优惠政策”、“合同签订”这三个接待服务场景分别命中的质检点个数为4、3、2,即分别为“P1、P2、P3、P4”、“P1、P2、P3”、“P1、P2”。
进一步的,可以计算出质检点的总命中个数与质检点的总个数的比值(此处将其定义为第一比值),作为目标4S店对于服务用户进行接待服务时,在各个接待服务场景的质检点执行率,具体计算公式如下:
Ss1=Ps1t/Ps1 (2)
其中,Ss1表示s1接待服务场景的质检点执行率;Ps1t表示s1接待服务场景命中质检点总个数;Ps1表示s1接待服务场景的质检点总个数。
举例说明:基于上述举例,如图6所示,当s1接待服务场景为“亮点介绍”时,则其对应的质检点执行率为80%,即,4/5=80%。
步骤C:计算目标4S店对于服务用户进行接待服务时,命中的接待服务场景个数与接待场景的总个数的第二比值,以及在各个接待服务场景的质检点执行率的平均值。
在本实现方式中,为了实现对目标4S店服务质量的准确评估,还需要计算目标4S店对于服务用户进行接待服务时,命中的接待服务场景个数与接待场景的总个数的比值(此处将其定义为第二比值),具体计算公式如下:
其中,F表示命中的接待服务场景个数与接待场景的总个数的比值;Sx表示命中的接待服务场景个数;m表示接待场景的总个数。
举例说明:基于上述举例,如图6所示,假设接待场景共包括“破冰”、“亮点介绍”、“优惠政策”、“合同签订”、“提车”、“离店”这5个。而图6展示出的命中场景为“亮点介绍”、“优惠政策”、“合同签订”这3个,则通过上述公式(3)可以计算出F的取值为60%,即,3/5=80%。
另外,为了实现对目标4S店服务质量的准确评估,还需要计算目标4S店对于服务用户进行接待服务时,在各个接待服务场景的质检点执行率的平均值,具体计算公式如下:
其中,S表示目标4S店对于服务用户进行接待服务时,在各个接待服务场景的质检点执行率的平均值;Ssx表示sx接待服务场景的质检点执行率,具体取值由上述公式(2)确定;n表示命中的接待服务场景总个数。
举例说明:基于上述举例,通过上述公式(2)可以计算出图6中3个命中场景“亮点介绍”、“优惠政策”、“合同签订”的质检点执行率分别为80%、75%、67%,则通过上述公式(4)可以计算出在各个接待服务场景的质检点执行率的平均值S的取值为60%,即,(80%+75%+67%)/3=74%。
步骤D:根据第二比值和质检点执行率的平均值,确定目标4S店对于服务用户进行接待服务时的质量评估结果。
在本实现方式中,当通过C计算出目标4S店对于服务用户进行接待服务时,命中的接待服务场景个数与接待场景的总个数的第二比值F,以及在各个接待服务场景的质检点执行率的平均值S后,可以根据F和S的取值,评估出目标4S店对于服务用户进行接待时的服务质量高低。其中,各个接待服务场景的质检点执行率的平均值S取值越高,则说明目标4S店的销售人员在每个服务节点场景的质检点执行的越全面,接待过程越规范,4S店服务质量越高,反之,则4S店服务质量越低。而命中的接待服务场景个数与接待场景的总个数的第二比值F的取值越高,则说明目标4S店的销售人员接待客户时的服务场景较多,接待服务的整体流程越规范,有效转化率较高,客户的粘性越高,接待效果越好,4S店服务质量越高,反之,则4S店服务质量越低。
这样,综合F和S的取值,可以实现对目标4S店服务质量的有效评估,也提高了评估结果的准确性。
综上,本实施例提供的一种4S店服务质量评估方法,首先获取待评估的目标语音;其中,目标语音为目标4S店销售人员的日常工作录音,然后再将目标语音输入至预先构建的接待服务过程识别模型,识别得到接待服务过程语音片段;接着,将接待服务过程语音片段转换为会话文本;并将会话文本输入至预先构建的接待服务场景识别模型,识别得到会话文本对应的接待服务场景;进而可以根据接待服务过程语音片段、会话文本、接待服务场景,对目标4S店服务质量进行评估,得到目标4S店服务质量的评估结果。可见,由于本申请实施例先是利用预先构建的接待服务过程识别模型和接待服务场景识别模型,智能识别出接待服务过程语音片段和具体的接待服务场景,从而能够实现按接待服务场景的不同分别进行服务质量评估,并且,相比于依赖销售人员人工操作的方式,可以实现快速且准确地评估出4S店的服务质量,且评估的结果消除了人工操作的主观性带来的影响,准确率更高。
第二实施例
本实施例将对一种4S店服务质量评估装置进行介绍,相关内容请参见上述方法实施例。
参见图7,为本实施例提供的一种4S店服务质量评估装置的组成示意图,该装置700包括:
第一获取单元701,用于获取待评估的目标语音;所述目标语音为目标4S店销售人员的日常工作录音;
第一识别单元702,用于将所述目标语音输入至预先构建的接待服务过程识别模型,识别得到接待服务过程语音片段;
第二识别单元703,用于将所述接待服务过程语音片段转换为会话文本;并将所述会话文本输入至预先构建的接待服务场景识别模型,识别得到所述会话文本对应的接待服务场景;
评估单元704,用于根据所述接待服务过程语音片段、所述会话文本、所述接待服务场景,对所述目标4S店服务质量进行评估,得到所述目标4S店服务质量的评估结果。
在本实施例的一种实现方式中,所述装置还包括:
第二获取单元,用于获取样本语音;
第一训练单元,用于利用所述样本语音和第一损失函数,对初始接待服务过程识别模型进行训练,得到所述接待服务过程识别模型。
在本实施例的一种实现方式中,所述初始接待服务过程识别模型为bert模型。
在本实施例的一种实现方式中,所述第二识别单元703包括:
提取子单元,用于从所述接待服务过程语音片段中,提取声纹特征;
第一识别子单元,用于根据所述声纹特征,通过撰写引擎识别出所述接待服务过程语音片段对应的会话文本。
在本实施例的一种实现方式中,所述第二识别单元703还包括:
划分子单元,用于按照预设窗长和预设间隔,通过滑动窗口的方式,将所述会话文本进行划分,得到各个窗口内的会话文本;
第二识别子单元,用于将所述各个窗口内的会话文本依次输入预先构建的接待服务场景识别模型,识别得到所述各个窗口内的会话文本各自对应的接待服务场景;
合并子单元,用于将相邻的相同接待服务场景对应的窗口进行合并,得到各个合并后的窗口内的会话文本及其对应的接待服务场景。
在本实施例的一种实现方式中,所述装置还包括:
第三获取单元,用于获取样本语音;
第三识别单元,用于从所述样本语音中识别得到接待服务过程样本语音片段;并将所述接待服务过程样本语音片段转换为样本会话文本;
第二训练单元,用于利用所述样本会话文本和第二损失函数,对初始接待服务场景识别模型进行训练,得到所述接待服务场景识别模型。
在本实施例的一种实现方式中,所述第三识别单元具体用于:
将所述样本语音输入至所述接待服务过程识别模型,识别得到接待服务过程样本语音片段。
在本实施例的一种实现方式中,所述装置还包括:
确定单元,用于根据所述接待服务过程语音片段的声纹特征,确定所述接待服务过程语音片段对应的服务用户;
所述评估单元704包括:
质检子单元,用于将所述接待服务过程语音片段、所述会话文本、所述接待服务场景对应的预设质检规则输入质检引擎进行质检,得到所述目标4S店对于所述服务用户进行接待服务时,在所述接待服务场景命中的质检点;
第一计算子单元,用于计算所述目标4S店对于所述服务用户进行接待服务时,在各个接待服务场景中质检点的总命中个数;并计算所述质检点的总命中个数与质检点的总个数的第一比值,作为所述目标4S店对于所述服务用户进行接待服务时,在各个接待服务场景的质检点执行率;
第二计算子单元,用于计算所述目标4S店对于所述服务用户进行接待服务时,命中的接待服务场景个数与接待场景的总个数的第二比值,以及在各个接待服务场景的质检点执行率的平均值;
评估子单元,用于根据所述第二比值和所述质检点执行率的平均值,确定所述目标4S店对于所述服务用户进行接待服务时的质量评估结果。
进一步地,本申请实施例还提供了一种4S店服务质量评估设备,包括:处理器、存储器、***总线;
所述处理器以及所述存储器通过所述***总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行上述4S店服务质量评估方法的任一种实现方法。
进一步地,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行上述4S店服务质量评估方法的任一种实现方法。
进一步地,本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行上述4S店服务质量评估方法的任一种实现方法。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者诸如媒体网关等网络通信设备,等等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种4S店服务质量评估方法,其特征在于,包括:
获取待评估的目标语音;所述目标语音为目标4S店销售人员的日常工作录音;
将所述目标语音输入至预先构建的接待服务过程识别模型,识别得到接待服务过程语音片段;
将所述接待服务过程语音片段转换为会话文本;并将所述会话文本输入至预先构建的接待服务场景识别模型,识别得到所述会话文本对应的接待服务场景;
根据所述接待服务过程语音片段、所述会话文本、所述接待服务场景,对所述目标4S店服务质量进行评估,得到所述目标4S店服务质量的评估结果。
2.根据权利要求1所述的方法,其特征在于,所述接待服务过程识别模型的构建方式如下:
获取样本语音;
利用所述样本语音和第一损失函数,对初始接待服务过程识别模型进行训练,得到所述接待服务过程识别模型。
3.根据权利要求2所述的方法,其特征在于,所述初始接待服务过程识别模型为bert模型。
4.根据权利要求1所述的方法,其特征在于,所述将所述接待服务过程语音片段转换为会话文本,包括:
从所述接待服务过程语音片段中,提取声纹特征;
根据所述声纹特征,通过撰写引擎识别出所述接待服务过程语音片段对应的会话文本。
5.根据权利要求1所述的方法,其特征在于,所述将所述会话文本输入至预先构建的接待服务场景识别模型,识别得到所述会话文本对应的接待服务场景,包括:
按照预设窗长和预设间隔,通过滑动窗口的方式,将所述会话文本进行划分,得到各个窗口内的会话文本;
将所述各个窗口内的会话文本依次输入预先构建的接待服务场景识别模型,识别得到所述各个窗口内的会话文本各自对应的接待服务场景;
将相邻的相同接待服务场景对应的窗口进行合并,得到各个合并后的窗口内的会话文本及其对应的接待服务场景。
6.根据权利要求1所述的方法,其特征在于,所述接待服务场景识别模型的构建方式如下:
获取样本语音;
从所述样本语音中识别得到接待服务过程样本语音片段;并将所述接待服务过程样本语音片段转换为样本会话文本;
利用所述样本会话文本和第二损失函数,对初始接待服务场景识别模型进行训练,得到所述接待服务场景识别模型。
7.根据权利要求6所述的方法,其特征在于,所述从所述样本语音中识别得到接待服务过程样本语音片段,包括:
将所述样本语音输入至所述接待服务过程识别模型,识别得到接待服务过程样本语音片段。
8.根据权利要求1或4所述的方法,其特征在于,所述方法还包括:
根据所述接待服务过程语音片段的声纹特征,确定所述接待服务过程语音片段对应的服务用户;
所述根据所述接待服务过程语音片段、所述会话文本、所述接待服务场景,对所述目标4S店服务质量进行评估,得到所述目标4S店服务质量的评估结果,包括:
将所述接待服务过程语音片段、所述会话文本、所述接待服务场景对应的预设质检规则输入质检引擎进行质检,得到所述目标4S店对于所述服务用户进行接待服务时,在所述接待服务场景命中的质检点;
计算所述目标4S店对于所述服务用户进行接待服务时,在各个接待服务场景中质检点的总命中个数;并计算所述质检点的总命中个数与质检点的总个数的第一比值,作为所述目标4S店对于所述服务用户进行接待服务时,在各个接待服务场景的质检点执行率;
计算所述目标4S店对于所述服务用户进行接待服务时,命中的接待服务场景个数与接待场景的总个数的第二比值,以及在各个接待服务场景的质检点执行率的平均值;
根据所述第二比值和所述质检点执行率的平均值,确定所述目标4S店对于所述服务用户进行接待服务时的质量评估结果。
9.一种4S店服务质量评估装置,其特征在于,包括:
第一获取单元,用于获取待评估的目标语音;所述目标语音为目标4S店销售人员的日常工作录音;
第一识别单元,用于将所述目标语音输入至预先构建的接待服务过程识别模型,识别得到接待服务过程语音片段;
第二识别单元,用于将所述接待服务过程语音片段转换为会话文本;并将所述会话文本输入至预先构建的接待服务场景识别模型,识别得到所述会话文本对应的接待服务场景;
评估单元,用于根据所述接待服务过程语音片段、所述会话文本、所述接待服务场景,对所述目标4S店服务质量进行评估,得到所述目标4S店服务质量的评估结果。
10.一种4S店服务质量评估设备,其特征在于,包括:处理器、存储器、***总线;
所述处理器以及所述存储器通过所述***总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行权利要求1-8任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111615013.6A CN114267340A (zh) | 2021-12-27 | 2021-12-27 | 一种4s店服务质量评估方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111615013.6A CN114267340A (zh) | 2021-12-27 | 2021-12-27 | 一种4s店服务质量评估方法、装置、存储介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114267340A true CN114267340A (zh) | 2022-04-01 |
Family
ID=80830514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111615013.6A Pending CN114267340A (zh) | 2021-12-27 | 2021-12-27 | 一种4s店服务质量评估方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114267340A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648371A (zh) * | 2022-05-23 | 2022-06-21 | 深圳市骏丰木链网科技股份有限公司 | 一种基于物联网的阻燃生态板生产销售一体化管理平台 |
CN115514849A (zh) * | 2022-11-17 | 2022-12-23 | 零犀(北京)科技有限公司 | 一种基于整体语义分析的质检方法、装置、***及介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109327632A (zh) * | 2018-11-23 | 2019-02-12 | 深圳前海微众银行股份有限公司 | 客服录音的智能质检***、方法及计算机可读存储介质 |
CN110135669A (zh) * | 2018-02-08 | 2019-08-16 | 上海合寰信息科技有限公司 | 一种服务质检管理方法及*** |
CN111311327A (zh) * | 2020-02-19 | 2020-06-19 | 平安科技(深圳)有限公司 | 基于人工智能的服务评价方法、装置、设备及存储介质 |
CN112037819A (zh) * | 2020-09-03 | 2020-12-04 | 阳光保险集团股份有限公司 | 一种基于语义的语音质检方法和装置 |
CN112580367A (zh) * | 2020-12-23 | 2021-03-30 | 潍柴动力股份有限公司 | 一种话务质检方法及装置 |
CN112951275A (zh) * | 2021-02-26 | 2021-06-11 | 北京百度网讯科技有限公司 | 语音质检方法、装置、电子设备及介质 |
CN113035193A (zh) * | 2021-03-01 | 2021-06-25 | 上海匠芯知音信息科技有限公司 | 一种员工管理***及应用 |
WO2021169423A1 (zh) * | 2020-02-26 | 2021-09-02 | 深圳前海微众银行股份有限公司 | 客服录音的质检方法、装置、设备及存储介质 |
CN113345468A (zh) * | 2021-05-25 | 2021-09-03 | 平安银行股份有限公司 | 语音质检方法、装置、设备及存储介质 |
CN113506050A (zh) * | 2021-09-10 | 2021-10-15 | 北京明略昭辉科技有限公司 | 员工绩效的评估方法、装置、电子设备及可读存储介质 |
CN113505606A (zh) * | 2021-09-10 | 2021-10-15 | 北京明略昭辉科技有限公司 | 一种培训信息获取方法、装置、电子设备及存储介质 |
CN113837587A (zh) * | 2021-09-17 | 2021-12-24 | 深圳追一科技有限公司 | 客服质检方法、装置、计算机设备及存储介质 |
-
2021
- 2021-12-27 CN CN202111615013.6A patent/CN114267340A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135669A (zh) * | 2018-02-08 | 2019-08-16 | 上海合寰信息科技有限公司 | 一种服务质检管理方法及*** |
CN109327632A (zh) * | 2018-11-23 | 2019-02-12 | 深圳前海微众银行股份有限公司 | 客服录音的智能质检***、方法及计算机可读存储介质 |
CN111311327A (zh) * | 2020-02-19 | 2020-06-19 | 平安科技(深圳)有限公司 | 基于人工智能的服务评价方法、装置、设备及存储介质 |
WO2021169423A1 (zh) * | 2020-02-26 | 2021-09-02 | 深圳前海微众银行股份有限公司 | 客服录音的质检方法、装置、设备及存储介质 |
CN112037819A (zh) * | 2020-09-03 | 2020-12-04 | 阳光保险集团股份有限公司 | 一种基于语义的语音质检方法和装置 |
CN112580367A (zh) * | 2020-12-23 | 2021-03-30 | 潍柴动力股份有限公司 | 一种话务质检方法及装置 |
CN112951275A (zh) * | 2021-02-26 | 2021-06-11 | 北京百度网讯科技有限公司 | 语音质检方法、装置、电子设备及介质 |
CN113035193A (zh) * | 2021-03-01 | 2021-06-25 | 上海匠芯知音信息科技有限公司 | 一种员工管理***及应用 |
CN113345468A (zh) * | 2021-05-25 | 2021-09-03 | 平安银行股份有限公司 | 语音质检方法、装置、设备及存储介质 |
CN113506050A (zh) * | 2021-09-10 | 2021-10-15 | 北京明略昭辉科技有限公司 | 员工绩效的评估方法、装置、电子设备及可读存储介质 |
CN113505606A (zh) * | 2021-09-10 | 2021-10-15 | 北京明略昭辉科技有限公司 | 一种培训信息获取方法、装置、电子设备及存储介质 |
CN113837587A (zh) * | 2021-09-17 | 2021-12-24 | 深圳追一科技有限公司 | 客服质检方法、装置、计算机设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648371A (zh) * | 2022-05-23 | 2022-06-21 | 深圳市骏丰木链网科技股份有限公司 | 一种基于物联网的阻燃生态板生产销售一体化管理平台 |
CN114648371B (zh) * | 2022-05-23 | 2022-09-02 | 深圳市骏丰木链网科技股份有限公司 | 一种基于物联网的阻燃生态板生产销售一体化管理平台 |
CN115514849A (zh) * | 2022-11-17 | 2022-12-23 | 零犀(北京)科技有限公司 | 一种基于整体语义分析的质检方法、装置、***及介质 |
CN115514849B (zh) * | 2022-11-17 | 2023-03-10 | 零犀(北京)科技有限公司 | 一种基于整体语义分析的质检方法、装置、***及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767791B (zh) | 一种针对呼叫中心通话的语音情绪识别及应用*** | |
CN107154257B (zh) | 基于客户语音情感的客服服务质量评价方法及*** | |
US20190253558A1 (en) | System and method to automatically monitor service level agreement compliance in call centers | |
CN109256150B (zh) | 基于机器学习的语音情感识别***及方法 | |
CN107818798B (zh) | 客服服务质量评价方法、装置、设备及存储介质 | |
CN106531190B (zh) | 语音质量评价方法和装置 | |
US9549068B2 (en) | Methods for adaptive voice interaction | |
US7596498B2 (en) | Monitoring, mining, and classifying electronically recordable conversations | |
CN114267340A (zh) | 一种4s店服务质量评估方法、装置、存储介质及设备 | |
US20150262574A1 (en) | Expression classification device, expression classification method, dissatisfaction detection device, dissatisfaction detection method, and medium | |
CN107886951B (zh) | 一种语音检测方法、装置及设备 | |
CN110110038B (zh) | 话务预测方法、装置、服务器及存储介质 | |
CN110942326A (zh) | 一种用户满意度预测方法及装置、服务器 | |
CN105810205A (zh) | 一种语音处理方法及装置 | |
CN107767881B (zh) | 一种语音信息的满意度的获取方法和装置 | |
CN110633912A (zh) | 监测服务人员服务质量的方法及*** | |
CN110198381A (zh) | 一种识别ai来电的方法及装置 | |
CN115798518B (zh) | 一种模型训练方法、装置、设备及介质 | |
CN115269836A (zh) | 意图识别方法及装置 | |
JP6327252B2 (ja) | 分析対象決定装置及び分析対象決定方法 | |
CN112584238A (zh) | 影视资源匹配方法、装置及智能电视 | |
CN110580899A (zh) | 语音识别方法及装置、存储介质、计算设备 | |
CN111640450A (zh) | 多人声音频处理方法、装置、设备及可读存储介质 | |
CN113593580B (zh) | 一种声纹识别方法及装置 | |
CN116127011A (zh) | 意图识别方法、装置、电子设备及存储介质 |
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 |