CN115994766B - 一种自动定位目标人群的外呼*** - Google Patents

Abstract

本发明公开了一种自动定位目标人群的外呼***，属于人工智能技术领域，包括用户模块，用户模块用于企业用户进行购买账户的管理；还包括外呼模块和服务器；外呼模块用于根据联系信息进行智能外呼，获取联系数据，设置外呼规则，根据设置的外呼规则建立AI外呼机器人，通过设置的AI外呼机器人根据联系数据进行中外呼操作，获得各个联系数据对应的沟通数据，对获得的沟通数据进行分析，完成信息人的等级划分，在对应联系数据上打上对应的等级标签，将当前的联系数据发送到数据库中进行储存；通过用户模块、外呼模块和统计模块之间的相互配合，实现目标企业的外呼需求，并对外呼过后进行相应的资源分析，便于企业对号码资源进行评估。

Description

一种自动定位目标人群的外呼***

技术领域

本发明属于人工智能技术领域，具体是一种自动定位目标人群的外呼***。

背景技术

从应用领域延伸特征来看，随着行业的发展以及技术的进步，呼叫中心逐渐成为企业营销环节中的一个重点，很多非服务性质的呼叫中心也在不断涌现，让呼叫中心的应用领域得到了很好的延伸，比如现在一些企业拓展了呼叫中心的应用，广泛应用在营销、电子商务、市场调查、咨询等方面。

但是外呼***也具有一定的行业壁垒，呼叫中心行业是高科技行业，属于知识密集型、技术密集型行业，现阶段的主流呼叫中心服务是计算机IT技术、通信技术及多种相关技术的交叉应用领域，且技术和应用是不断更新和发展的，拥有较高的技术门槛。呼叫中心服务提供商需拥有相关理论知识、专业技术和实践经验，掌握业内先进技术，具备优秀的研发、事实和管理能力。呼叫中心应用软件及平台投入使用，需要保证优秀的功能、性能的稳定性，不同环境下的***调试、故障维护、安全性管理需要厂商有相当的行业经验沉淀，能够保障功能稳定运行也是判断公司及产品价值的主要衡量因素。此外，与不同行业公司业务的衔接也需要厂商熟悉各行业及领域公司的业务相关需求，通过在对不同行业客户各种业务模式进行实地调研和详细剖析，形成对不同行业客户业务知识、业务流程、业务特点及应用环境的深刻的理解和认识，这样最终提炼的呼叫中心服务才给客户带来更大的价值，以及能产生更大的客户黏性。上述行业经验的积累需要经历较长时间，形成了本行业的进入壁垒。

因此为了实现企业的外呼需求，降低企业运营及管理成本，本发明提供了一种自动定位目标人群的外呼***。

发明内容

为了解决上述方案存在的问题，本发明提供了一种自动定位目标人群的外呼***。

本发明的目的可以通过以下技术方案实现：

一种自动定位目标人群的外呼***，包括用户模块，所述用户模块用于企业用户进行购买账户的管理；还包括外呼模块和服务器；

所述外呼模块用于根据联系信息进行智能外呼，获取联系数据，设置外呼规则，根据设置的外呼规则建立AI外呼机器人，通过设置的AI外呼机器人根据联系数据进行中外呼操作，获得各个联系数据对应的沟通数据，对获得的沟通数据进行分析，完成信息人的等级划分，在对应联系数据上打上对应的等级标签，将当前的联系数据发送到数据库中进行储存。

进一步地，对获得的沟通数据进行分析的方法包括：

建立关联模型，提取沟通数据中的关键词组，将获得的关键词组输入到关联模型中进行分析，获得对应的意向值，将获得的意向值标记为YX，识别沟通数据对应的沟通时长，将获得的沟通时长标记为ST，根据公式XK＝λ×ST×YX计算对应的等级值，其中λ为沟通时长转化系数，根据计算的等级值确定信息人对应的等级。

进一步地，建立关联模型的方法包括：

获取外呼话术，根据获得的外呼话术模拟信息人具有的回答，提取模拟回答中关键词组，根据关键词组的信息人意向进行各关键词之间的关联分析，建立关联模型。

进一步地，根据计算的等级值确定信息人对应的等级的方法包括：

根据企业实际需要设置具有的等级，为每个等级设置对应的等级值区间，确定计算的等级值所属的等级值区间，获得对应的等级。

进一步地，还包括统计模块，所述统计模块用于进行外呼数据统计，实时获取对应的外呼数据，根据获取的外呼数据计算各信息人等级的转化占比，设置各等级的目标权重，标记为ZLi，i表示对应的等级，将各信息人等级的转化占比标记为ZBi，根据公式计算该批次联系数据的目标转化率；建立显示模板，按照设置的显示模板进行外呼数据和目标转化率的动态显示。

进一步地，还包括企业模块，所述企业模块用于寻找企业用户，并进行相应的推荐，基于互联网进行目标企业信息检索，获得待选企业信息，根据获得的待选企业信息计算对应的推荐值，将推荐值大于阈值X1的待选企业标记为推荐企业；

根据推荐企业对应的推荐值生成对应的推荐文本，将生成的推荐文本发送给对应的推荐企业。

进一步地，基于互联网进行目标企业信息检索的方法包括：

设置企业信息统计模板和目标标准，根据设置的目标标准对互联网中公开的企业信息进行检索，获得符合目标标准的初始信息，将获得的初始信息按照企业信息统计模板进行整理，获得待选企业信息。

进一步地，根据获得的待选企业信息计算对应的推荐值的方法包括：

根据获得的待选企业信息评估对应的外呼成本和优化成本，将外呼成本标记为WCB，将优化成本标记为YCB；根据获得的待选企业信息评估对应的提升效率，将获得的提升效率标记为XLT，根据公式QW＝b1×(WCB-YCB)×α+b2×XLT×β计算对应的推荐值，其中b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1，α为成本转化系数，β为效率转化系数。

与现有技术相比，本发明的有益效果是：

通过用户模块、外呼模块和统计模块之间的相互配合，实现目标企业的外呼需求，降低企业运营及管理成本，提升工作效率；并对外呼过后进行相应的资源分析，便于企业对号码资源进行评估；通过企业模块的设置，便于为本***寻找合适的目标企业，完成用户开发。

附图说明

为了更清楚地说明本发明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的介绍，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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明原理框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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，都属于本发明保护的范围。

如图1所示，一种自动定位目标人群的外呼***，是采用saas模式，通过云端部署的方式进行建立的；具体的包括：企业模块、用户模块、外呼模块、统计模块和服务器；

企业模块、用户模块、外呼模块和统计模块均与服务器之间通信连接。

所述企业模块用于寻找企业用户，并进行相应的推荐，因为外呼***的建立是具有一定的技术壁垒的，需要专业人士进行相应的建立和维护，对于非IT行业等企业具有较大的建设和运营成本，而这些企业就是本***所需要推荐的企业，实现两者间的共赢，具体方法包括：

基于互联网进行目标企业信息检索，获得待选企业信息，根据获得的待选企业信息计算对应的推荐值，将推荐值大于阈值X1的待选企业标记为推荐企业；

根据推荐企业对应的推荐值生成对应的推荐文本，将生成的推荐文本发送给对应的推荐企业。

通过企业模块的设置，可以实现本***的自动企业客户的寻找，便于***的推广。

基于互联网进行目标企业信息检索的方法包括：

设置企业信息统计模板和目标标准，企业信息统计模板用于将获得的企业信息按照企业信息统计模板进行统计，便于进行管理和识别分析，具体的通过人工的方式进行设置；目标标准即为需要获取什么类型的企业信息，一般为具有外呼需求的企业，再根据其企业性质能否合理的建立外呼***进行设置，具体的是通过人工的方式进行设置的，如建筑开发商企业具有外呼需求，独立建立和运行外呼***不很合理；根据设置的目标标准对互联网中公开的企业信息进行检索，获得符合目标标准的初始信息，将获得的初始信息按照企业信息统计模板进行整理，获得待选企业信息。其中根据目标标准进行企业信息检索以及按照企业信息统计模板进行数据整理均可通过现有的处理技术进行实现，因此不进行详细叙述。

根据获得的待选企业信息计算对应的推荐值的方法包括：

根据获得的待选企业信息评估对应的外呼成本和优化成本，外呼成本指的是企业当前的外呼成本，优化成本即为当企业使用本***后的成本；将外呼成本标记为WCB，将优化成本标记为YCB；根据获得的待选企业信息评估对应的提升效率，将获得的提升效率标记为XLT，根据公式QW＝b1×(WCB-YCB)×α+b2×XLT×β计算对应的推荐值，其中b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1，α为成本转化系数，β为效率转化系数，α和β均是通过专家组进行讨论的方式进行设置的，用于进行单位转化。

根据获得的待选企业信息评估对应的外呼成本和优化成本，是根据企业规模、业务类型、可能具有的外呼信息等进行智能评估的，具体的是基于神经网络建立对应的信息评估模型，通过人工的方式建立对应的训练集进行训练，通过训练成功后的信息评估模型对待选企业信息进行评估，获得对应的外呼成本和优化成本，神经网络可以是误差逆向传播神经网络、RBF神经网络和深度卷积神经网络等；因神经网络为当前本领域应用成熟的现有技术，因此具体的建立和训练过程不进行详细叙述。

根据获得的待选企业信息评估对应的提升效率，主要是针对未使用外呼***的企业，因为当前仍有大量的企业是使用人工的方式进行外呼的，但是对已使用外呼***的企业，仍可以根据对应的外呼方式进行相应的评估，提升效率可以为负数，具体的可以基于神经网络建立对应的效率评估模型进行评估，训练集通过人工的方式进行训练。

根据推荐企业对应的推荐值生成对应的推荐文本，即为根据推荐值以及对应的提升效率、外呼成本、优化成本获取对应的本***优势项，通过人工的方式实时不同组合优势项的范本，利用当前的文本生成技术，基于优势项和对应的范本生成对应的推荐文本，如当前市场应用中具有大量的根据对应的数据参数和范本直接生成对应的文本，如游戏中个人征战文本的生成。

所述用户模块用于企业用户进行购买账户的管理，通过网络登录就能够在线使用全部的***功能，为本领域SaaS模式下现有技术的应用。

所述外呼模块用于根据联系信息进行智能外呼，具体方法包括：

获取联系数据，可以是用户直接导入的号码数据；设置外呼规则，根据设置的外呼规则建立AI外呼机器人，外呼规则是由企业根据自身运营情况和相关规范进行设置的，如拨打频率、拨打时间等均是在相关规范下进行的，用于规范外呼行为，减少骚扰，净化用户的通话环境；通过设置的AI外呼机器人根据联系数据进行中外呼操作，获得各个联系数据对应的沟通数据，对获得的沟通数据进行分析，完成信息人的等级划分，信息人即被外呼的人员，在对应联系数据上打上对应的等级标签，将当前的联系数据发送到数据库中进行储存。

AI外呼机器人为利用现有机械学习技术进行建立的，用于根据联系数据进行自动拨打电话，并根据预设的话术、拨打频率、时间等进行外呼，记录对应的沟通数据；现有外呼***中均会使用AI外呼机器人，因此具体的建立过程不进行详细叙述，具备本申请中提及的功能即可。

对获得的沟通数据进行分析的方法包括：

建立关联模型，提取沟通数据中的关键词组，将获得的关键词组输入到关联模型中进行分析，获得对应的意向值，将获得的意向值标记为YX，识别沟通数据对应的沟通时长，将获得的沟通时长标记为ST，根据公式XK＝λ×ST×YX计算对应的等级值，其中λ为沟通时长转化系数，用于进行单位转化，具体的通过专家组讨论的方式进行设置；根据计算的等级值确定信息人对应的等级。

建立关联模型的方法包括：

获取外呼话术，根据获得的外呼话术模拟信息人具有的回答，通过现有技术和大数据中的对话记录可以模拟出在对应的外呼话术下信息人可能具有的回答；提取模拟回答中关键词组，根据关键词组的信息人意向进行各关键词之间的关联分析，建立关联模型。

根据关键词组的信息人意向进行各关键词之间的关联分析，建立关联模型，信息人意向即该回答代表的信息人的意向，在进行模拟时可以进行同步标记对应的意向，通过现有技术可以进行对应的功能实现；根据信息人意向分析各个关键词组合在一起代表的信息人意向，进而建立若干组训练集，训练集包括关键词组合和对应通过人工的方式设置的意向值，基于神经网络建立关联模型，通过设置的训练集进行训练。

根据计算的等级值确定信息人对应的等级的方法包括：

根据企业实际需要设置具有的等级，为每个等级设置对应的等级值区间，通过人工的方式进行设置的；确定计算的等级值所属的等级值区间，获得对应的等级。

所述统计模块用于进行外呼数据统计，实时获取对应的外呼数据，外呼数据包括拨打数量、接通及未接通数、通话时长、各等级对应的数量等数据；根据获取的外呼数据计算各信息人等级的转化占比，如等级一有十个，该批联系数据总计一百个，则占比10％；设置各等级的目标权重，标记为ZLi，i表示对应的等级，将各信息人等级的转化占比标记为ZBi，根据公式计算该批次联系数据的目标转化率；通过目标转化率可以帮助企业了解联系数据来源的具体情况；建立显示模板，即还需要显示哪些数据、在哪个位置显示等，按照设置的显示模板进行外呼数据和目标转化率的动态显示。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (4)

1.一种自动定位目标人群的外呼***，包括用户模块，所述用户模块用于企业用户进行购买账户的管理；其特征在于，还包括外呼模块和服务器；

所述外呼模块用于根据联系信息进行智能外呼，获取联系数据，设置外呼规则，根据设置的外呼规则建立AI外呼机器人，通过设置的AI外呼机器人根据联系数据进行中外呼操作，获得各个联系数据对应的沟通数据，对获得的沟通数据进行分析，完成信息人的等级划分，在对应联系数据上打上对应的等级标签，将当前的联系数据发送到数据库中进行储存；

对获得的沟通数据进行分析的方法包括：

建立关联模型，提取沟通数据中的关键词组，将获得的关键词组输入到关联模型中进行分析，获得对应的意向值，将获得的意向值标记为YX，识别沟通数据对应的沟通时长，将获得的沟通时长标记为ST，根据公式XK＝λ×ST×YX计算对应的等级值，其中λ为沟通时长转化系数，根据计算的等级值确定信息人对应的等级；

建立关联模型的方法包括：

获取外呼话术，根据获得的外呼话术模拟信息人具有的回答，提取模拟回答中关键词组，根据关键词组的信息人意向进行各关键词之间的关联分析，建立关联模型；

根据计算的等级值确定信息人对应的等级的方法包括：

根据企业实际需要设置具有的等级，为每个等级设置对应的等级值区间，确定计算的等级值所属的等级值区间，获得对应的等级；

还包括统计模块，所述统计模块用于进行外呼数据统计，实时获取对应的外呼数据，根据获取的外呼数据计算各信息人等级的转化占比，设置各等级的目标权重，标记为ZLi，i表示对应的等级，将各信息人等级的转化占比标记为ZBi，根据公式计算该批次联系数据的目标转化率；建立显示模板，按照设置的显示模板进行外呼数据和目标转化率的动态显示。

2.根据权利要求1所述的一种自动定位目标人群的外呼***，其特征在于，还包括企业模块，所述企业模块用于寻找企业用户，并进行相应的推荐，基于互联网进行目标企业信息检索，获得待选企业信息，根据获得的待选企业信息计算对应的推荐值，将推荐值大于阈值X1的待选企业标记为推荐企业；

根据推荐企业对应的推荐值生成对应的推荐文本，将生成的推荐文本发送给对应的推荐企业。

3.根据权利要求2所述的一种自动定位目标人群的外呼***，其特征在于，基于互联网进行目标企业信息检索的方法包括：

设置企业信息统计模板和目标标准，根据设置的目标标准对互联网中公开的企业信息进行检索，获得符合目标标准的初始信息，将获得的初始信息按照企业信息统计模板进行整理，获得待选企业信息。

4.根据权利要求2所述的一种自动定位目标人群的外呼***，其特征在于，根据获得的待选企业信息计算对应的推荐值的方法包括：

根据获得的待选企业信息评估对应的外呼成本和优化成本，将外呼成本标记为WCB，将优化成本标记为YCB；根据获得的待选企业信息评估对应的提升效率，将获得的提升效率标记为XLT，根据公式QW＝b1×(WCB-YCB)×α+b2×XLT×β计算对应的推荐值，其中b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1，α为成本转化系数，β为效率转化系数。