CN116341850A - 基于用户画像的在线客服分配方法、装置、设备及介质 - Google Patents
基于用户画像的在线客服分配方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116341850A CN116341850A CN202310294421.9A CN202310294421A CN116341850A CN 116341850 A CN116341850 A CN 116341850A CN 202310294421 A CN202310294421 A CN 202310294421A CN 116341850 A CN116341850 A CN 116341850A
- Authority
- CN
- China
- Prior art keywords
- portrait
- user
- customer service
- cross
- classified
- 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 37
- 238000004891 communication Methods 0.000 claims abstract description 21
- 230000015654 memory Effects 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004378 air conditioning Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 abstract description 2
- 239000013598 vector Substances 0.000 description 13
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 235000011888 snacks Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提出一种基于用户画像的在线客服分配方法、装置、电子设备及存储介质,基于用户画像的在线客服分配方法包括:采集用户的基础数据和服务数据获得用户画像数据集;基于用户画像数据集对用户设置画像标签以获取标签权重;对画像标签进行交叉处理获得画像交叉标签,并基于画像交叉标签和标签权重对用户进行分类以获取分类专属客服;获取目标用户的画像交叉标签,并匹配目标用户的画像交叉标签和分类专属客服获得匹配结果;基于匹配结果为目标用户分配对应的分类专属客服进行沟通。本申请通过对用户设置画像标签并计算标签权重来实现用户的分类,并为不同类别的用户分配相对应的专属客服进行服务,从而提高客服的沟通效率。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种基于用户画像的在线客服分配方法、装置、电子设备及存储介质。
背景技术
用户画像,即用户信息标签化,就是企业通过收集与分析用户的社会属性、生活习惯、消费行为等主要信息的数据之后,抽象出一个用户的商业全貌。而在线客服***是由帮助中心、人工客服、智能客服组成的多服务体系的***,在每个服务体系中都为服务客服发挥着非常重要的作用。
目前常用的客服分配***没有对顾客建立资讯特性的画像,忽略了客户的群体性差异,在分配客服的时候以随机分配为主,没有考虑到客服对不同类型顾客的承接能力是不同的,从而导致客服的承接沟通效率低下。
发明内容
鉴于以上内容,有必要提出一种基于用户画像的在线客服分配方法、装置、电子设备及存储介质,以解决如何提高客服对顾客的承接沟通效率这一技术问题。
本申请提供一种基于用户画像的在线客服分配方法,所述方法包括:
采集用户的基础数据和服务数据获得用户画像数据集;
基于所述用户画像数据集对用户设置画像标签以获取标签权重;
对所述画像标签进行交叉处理获得画像交叉标签,并基于所述画像交叉标签和所述标签权重对用户进行分类以获取分类专属客服;
获取目标用户的画像交叉标签,并匹配所述目标用户的画像交叉标签和所述分类专属客服获得匹配结果;
基于所述匹配结果为所述目标用户分配对应的分类专属客服进行沟通。
在一些实施例中,所述采集用户的基础数据和服务数据获得用户画像数据集包括:
采集用户的基础数据,所述基础数据包括用户的账户注册信息;
采集用户的服务数据,所述服务数据包括用户的客服服务记录信息;
预处理所述基础数据和所述服务数据,并对预处理后的数据进行整合获得用户画像数据集。
在一些实施例中,所述基于所述用户画像数据集对用户设置画像标签以获取标签权重包括:
基于所述用户画像数据集对用户设置多种类型的画像标签;
对属于同一用户的画像标签进行关联处理获得用户画像标签;
计算所述用户画像标签的权重得到标签权重。
在一些实施例中,所述计算所述用户画像标签的权重得到标签权重包括:
统计所述用户画像数据集中画像标签的数量;
统计所述用户画像数据集中每种类型的用户画像标签的数量;
计算每种类型的用户画像标签的数量与所述画像标签的数量的比值;
将所述比值作为对应类型的用户画像标签的标签权重。
在一些实施例中,所述对所述画像标签进行交叉处理获得画像交叉标签,并基于所述画像交叉标签和所述标签权重对用户进行分类以获取分类专属客服,包括:
对属于同一个用户的画像标签进行交叉处理获得画像交叉标签;
基于所述画像交叉标签和所述标签权重将用户按照均值聚类算法进行分类获得多种类别的分类画像用户;
分别为每种类别的分类画像用户分配客服;
将分配给各类分类画像用户的客服作为该类别的分类专属客服。
在一些实施例中,所述获取目标用户的画像交叉标签,并匹配所述目标用户的画像交叉标签和所述分类专属客服获得匹配结果,包括:
获取目标用户的画像交叉标签;
计算每种类别的分类画像用户的交叉标签的平均值作为对应的分类专属客服的分类客服标签;
基于所述标签权重分别计算所述目标用户的画像交叉标签和各分类客服标签之间的相似度;
基于所述相似度对所述目标用户的画像交叉标签和所述分类专属客服进行匹配获得匹配结果。
在一些实施例中,所述基于所述匹配结果为所述目标用户分配对应的分类专属客服进行沟通包括:
对所述相似度按照由大到小的顺序进行排序获得相似度排名;
按照所述相似度排名从前到后的顺序为所述目标用户分配对应的分类专属客服作为目标分类专属客服;
判断所述目标分类专属客服是否被占用,若所述目标分类专属客服不被占用,则通过所述目标分类专属客服与所述目标用户进行沟通,若所述目标分类专属客服被占用,则按照所述相似度排名从前到后的顺序继续为所述目标用户迭代分配对应的分类专属客服作为目标分类专属客服,直到所述目标分类专属客服可以与所述目标用户进行沟通。
本申请实施例还提供一种基于用户画像的在线客服分配装置,所述装置包括采集模块、设置模块、分类模块、匹配模块以及分配模块:
所述采集模块,用于采集用户的基础数据和服务数据获得用户画像数据集;
所述设置模块,用于基于所述用户画像数据集对用户设置画像标签以获取标签权重;
所述分类模块,用于对所述画像标签进行交叉处理获得画像交叉标签,并基于所述画像交叉标签和所述标签权重对用户进行分类以获取分类专属客服;
所述匹配模块,用于获取目标用户的画像交叉标签,并匹配所述目标用户的画像交叉标签和所述分类专属客服获得匹配结果;
所述分配模块,用于基于所述匹配结果为所述目标用户分配对应的分类专属客服进行沟通。
本申请实施例还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;
处理器,执行所述存储器中存储的指令以实现所述的基于用户画像的在线客服分配方法。
本申请实施例还提供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至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现所述的基于用户画像的在线客服分配方法。
本申请通过对用户设置画像标签并计算标签权重来实现用户的分类,并为不同类别的用户分配相对应的专属客服进行服务,从而提高客服的沟通效率。
附图说明
图1是本申请所涉及的基于用户画像的在线客服分配方法的较佳实施例的流程图。
图2是本申请所涉及的基于用户画像的在线客服分配装置的较佳实施例的功能模块图。
图3是本申请所涉及的基于用户画像的在线客服分配方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本申请的目的、特征和优点,下面结合附图和具体实施例对本申请进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互结合。在下面的描述中阐述了很多具体细节以便于充分理解本申请,所述描述的实施例仅是本申请一部分实施例,而不是全部的实施例。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本申请实施例提供一种基于用户画像的在线客服分配方法,可应用于一个或者多个电子设备中,电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
电子设备可以是任何一种可与客户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备等。
电子设备还可以包括网络设备和/或客户设备。其中,所述网络设备包括,但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云。
电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
如图1所示,是本申请基于用户画像的在线客服分配方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
S10,采集用户的基础数据和服务数据获得用户画像数据集。
在一个可选的实施例中,所述采集用户的基础数据和服务数据获得用户画像数据集包括:
采集用户的基础数据,所述基础数据包括用户的账户注册信息;
采集用户的服务数据,所述服务数据包括用户的客服服务记录信息;
预处理所述基础数据和所述服务数据,并对预处理后的数据进行整合获得用户画像数据集。
该可选的实施例中,可采集用户在服务平台中注册的非隐私性的基础数据和服务数据,所述服务平台可以是电商平台,所述基础数据包括用户的账户注册信息,如用户的姓名、性别、年龄、是否为VIP用户、爱好等内容,所述服务数据包括用户的客服服务记录信息,如客户向在线客服咨询商品、订单信息、退换货等服务时所留存的服务记录。
该可选的实施例中,可通过数据仓库技术ETL对每位用户的基础数据和服务数据进行抽取,并将抽取到的所有数据作为用户画像数据集。其中,ETL工具用于将服务平台中用户的基础数据和服务数据经过抽取、数据清洗和转换之后加载到数据库中,目的是将平台中分散、零乱、标准不统一的数据整合到一起,从而形成所述用户画像数据集。
如此,可对用户的基础数据和服务数据进行采集和整合,从而为后续过程生成用户的画像标签提供数据支撑。
S11,基于所述用户画像数据集对用户设置画像标签以获取标签权重。
在一个可选的实施例中,所述基于所述用户画像数据集对用户设置画像标签以获取标签权重包括:
基于所述用户画像数据集对用户设置多种类型的画像标签;
对属于同一用户的画像标签进行关联处理获得用户画像标签;
计算所述用户画像标签的权重得到标签权重。
该可选的实施例中,用户的画像标签包括多种类型,例如性别、年龄、账户等级、退换货记录、商品类型偏好等。可根据所述用户画像数据集中的性别、年龄、账户等级、退换货记录、商品类型偏好等信息对用户设置多种类型的画像标签。示例性的,所述性别画像标签包括男和女,所述年龄画像标签包括儿童、年轻人、中年人和老年人,所述账户等级包括高价值VIP和常规用户,所述退换货记录包括有和无,所述商品类型偏好包括家用电器、生鲜零食、服饰包包、电子设备、日用百货。
该可选的实施例中,可对属于同一用户的画像标签进行关联处理,所述关联处理指将属于同一用户的画像标签进行绑定,其中可通过用户ID对同一用户的所有画像标签进行关联处理,并将关联后的画像标签作为用户画像标签。
该可选的实施例中,用户画像主要由多种类型的用户画像标签构建,但每种类型的用户画像标签的重要程度并不相同,因此可统计所述用户画像数据集中各画像标签的数量,同时统计所述用户画像数据集中每种类型的用户画像标签的数量,从而计算得到每种类型的用户画像标签的数量与所述画像标签的数量的比值作为对应类型的用户画像标签的标签权重,用于表示该类型的用户画像标签在所述用户画像数据集中的重要程度。
示例性的,设用户画像数据集A中共有40名用户,画像标签的总数量为200,其中属于男性的用户画像标签为10,属于女性的用户画像标签为30,则其中属于男性的用户画像标签的标签权重为10/200=0.05,属于女性的用户画像标签的标签权重为30/200=0.15。
该可选的实施例中,通过计算各用户画像标签的权重,可以获得各用户画像标签在所述用户画数据集中的重要程度,从而有利于后续过程对用户按照用户画像标签进行更为准确的分类,从而为每种类别的用户分配合适的客服进行更为有效的沟通。
如此,可获得各用户画像标签的标签权重,有利于后续过程根据所述标签权重对用户进行更为准确的分类。
S12,对所述画像标签进行交叉处理获得画像交叉标签,并基于所述画像交叉标签和所述标签权重对用户进行分类以获取分类专属客服。
在一个可选的实施例中,所述对所述画像标签进行交叉处理获得画像交叉标签,并基于所述画像交叉标签和所述标签权重对用户进行分类以获取分类专属客服,包括:
对属于同一个用户的画像标签进行交叉处理获得画像交叉标签;
基于所述画像交叉标签和所述标签权重将用户按照均值聚类算法进行分类获得多种类别的分类画像用户;
分别为每种类别的分类画像用户分配客服;
将分配给各类分类画像用户的客服作为该类别的分类专属客服。
该可选的实施例中,可对属于同一个用户的画像标签进行交叉处理从而获得画像交叉标签,所述交叉处理指的是将同一个用户的多个画像标签合并为一个具有多重属性的标签。示例性的,用户Z具有男、青年、常规用户、无退换货记录和偏好电子设备五个用户画像标签,通过对用户画像标签的交叉处理,用户Z具有一个多重属性的画像交叉标签,为Z(男、青年、常规用户、无退换货记录、偏好电子设备)。
该可选的实施例中,可通过one-hot编码算法将每个用户的画像交叉标签转换为向量,并将所述向量中的各元素与对应的标签权重相乘从而获得携带有标签权重信息的标签向量,然后根据K均值聚类算法对所有的标签向量进行聚类,从而实现对用户的分类,获得多种类别的分类画像用户,其中,K均值聚类算法中的K值可以为5,即将用户共分为5种类别。
该可选的实施例中,可分别为每种类别的分类画像用户分配一个适合当前类别用户画像的客服,具体过程为:计算每种类别的分类画像用户所对应的标签向量的平均向量,并判断该平均向量中各子元素所对应的画像标签,从而获得该类别的分类画像用户所对应的通用画像标签,然后针对该通用画像标签分配合适类型的客服作为分类专属客服。
示例性的,分类画像用户P中共有三名用户,对应的标签向量分别为Z(男、青年、常规用户、无退换货记录、偏好电子设备)、M(男、儿童、常规用户、有退换货记录、偏好生鲜零食)、N(女、青年、高价值VIP、无退换货记录、偏好服饰包包),计算分类画像用户P中三名用户所对应的标签向量的平均向量,并判断该平均向量中各子元素所对应的画像标签,即是计算标签向量Z、M、N中各相同位置的子元素所对应的标签平均值,由于标签向量Z、M、N中相同位置的子元素所对应的标签中男、青年、常规用户、无退换货记录的标签数量更多,而在偏好电子设备、偏好生鲜零食和偏好服饰包包中,设置在偏好电子设备的标签权重最大,则通过计算标签向量中各元素的标签平均值可以获得通用画像标签为O(男、青年、常规用户、无退换货记录、偏好电子设备),则此时根据该通用画像标签O可以向分类画像用户P分配比较了解电子设备且无需过多处理退换货纠纷经验的年轻客服作为分类专属客服。
如此,可通过对用户的分类为每种类别的分类画像用户分配具有针对性的分类专属客服进行沟通,从而有利于提高沟通效率。
S13,获取目标用户的画像交叉标签,并匹配所述目标用户的画像交叉标签和所述分类专属客服获得匹配结果。
在一个可选的实施例中,所述获取目标用户的画像交叉标签,并匹配所述目标用户的画像交叉标签和所述分类专属客服获得匹配结果,包括:
获取目标用户的画像交叉标签;
计算每种类别的分类画像用户的交叉标签的平均值作为对应的分类专属客服的分类客服标签;
基于所述标签权重分别计算所述目标用户的画像交叉标签和各分类客服标签之间的相似度;
基于所述相似度对所述目标用户的画像交叉标签和所述分类专属客服进行匹配获得匹配结果。
该可选的实施例中,可通过所述S10-S12步骤获取需要分配客服的目标用户的画像交叉标签,并通过所述S12中的步骤计算获得每种类别的分类画像用户的交叉标签的平均值,本方案中将所述交叉标签的平均值作为各类别的分类画像用户对应的分类专属客服的分类客服标签。
该可选的实施例中,可通过余弦相似度算法计算所述目标用户的画像交叉标签和各分类客服标签的各对应元素之间的元素相似度,并通过所述标签权重来分别对各元素相似度进行加权求和,从而获得所述目标用户的画像交叉标签和各分类客服标签之间的相似度,以通过所述相似度实现对所述目标用户的画像交叉标签和各分类专属客服的匹配,进而得到匹配结果。
如此,可通过计算目标用户的化相交叉标签与各分类客服标签之间的相似度实现对目标用户和对应类别的分类专属客服的快速匹配。
S14,基于所述匹配结果为所述目标用户分配对应的分类专属客服进行沟通。
在一个可选的实施例中,所述基于所述匹配结果为所述目标用户分配对应的分类专属客服进行沟通包括:
对所述相似度按照由大到小的顺序进行排序获得相似度排名;
按照所述相似度排名从前到后的顺序为所述目标用户分配对应的分类专属客服作为目标分类专属客服;
判断所述目标分类专属客服是否被占用,若所述目标分类专属客服不被占用,则通过所述目标分类专属客服与所述目标用户进行沟通,若所述目标分类专属客服被占用,则按照所述相似度排名从前到后的顺序继续为所述目标用户迭代分配对应的分类专属客服作为目标分类专属客服,直到所述目标分类专属客服可以与所述目标用户进行沟通。
该可选的实施例中,可对所述目标用户的画像交叉标签和各分类客服标签之间的相似度按照由大到小的顺序进行排序从而获得相似度排名,然后按照所述相似度排名从前到后的顺序为所述目标用户分配对应的分类专属客服作为目标分类专属客服,即此时的匹配结果为将相似度排名第一位所对应的分类专属客服分配给目标用户作为目标分类专属客服。
该可选的实施例中,所述目标分类专属客服可能需要同时服务多位用户,可通过设定用户阈值来判断所述目标分类专属客服是否被占用而无法对当前的目标用户进行服务。示例性的,所述用户阈值可以为3,即当所述目标分类专属客服已经同时服务于三位用户时说明所述目标分类专属客服被占用,则可按照所述相似度排名从前到后的顺序继续为所述目标用户迭代分配相似度排名在第二位的分类专属客服作为目标分类专属客服,以此类推,直到所述目标分类专属客服可以与所述目标用户进行沟通,若所述目标分类专属客服同时服务的用户不超过三位,则可直接通过所述目标分类专属客服与所述目标用户进行沟通。
如此,可在保证目标用户与目标分类专属客服的沟通效率的同时提升目标用户与目标分类专属客服的沟通质量。
请参见图2,图2是本申请基于用户画像的在线客服分配装置的较佳实施例的功能模块图。基于用户画像的在线客服分配装置11包括采集模块110、设置模块111、分类模块112、匹配模块113、分配模块114。本申请所称的单元/模块是指一种能够被处理器13所执行,并且能够完成固定功能的一系列计算机可读指令段,其存储在存储器12中。在本实施例中,关于各单元/模块的功能将在后续的实施例中详述。
在一个可选的实施例中,采集模块110用于采集用户的基础数据和服务数据获得用户画像数据集。
在一个可选的实施例中,所述采集用户的基础数据和服务数据获得用户画像数据集包括:
采集用户的基础数据,所述基础数据包括用户的账户注册信息;
采集用户的服务数据,所述服务数据包括用户的客服服务记录信息;
预处理所述基础数据和所述服务数据,并对预处理后的数据进行整合获得用户画像数据集。
在一个可选的实施例中,设置模块111用于基于所述用户画像数据集对用户设置画像标签以获取标签权重。
在一个可选的实施例中,所述基于所述用户画像数据集对用户设置画像标签以获取标签权重包括:
基于所述用户画像数据集对用户设置多种类型的画像标签;
对属于同一用户的画像标签进行关联处理获得用户画像标签;
计算所述用户画像标签的权重得到标签权重。
在一个可选的实施例中,分类模块112用于对所述画像标签进行交叉处理获得画像交叉标签,并基于所述画像交叉标签和所述标签权重对用户进行分类以获取分类专属客服。
在一个可选的实施例中,所述对所述画像标签进行交叉处理获得画像交叉标签,并基于所述画像交叉标签和所述标签权重对用户进行分类以获取分类专属客服,包括:
对属于同一个用户的画像标签进行交叉处理获得画像交叉标签;
基于所述画像交叉标签和所述标签权重将用户按照均值聚类算法进行分类获得多种类别的分类画像用户;
分别为每种类别的分类画像用户分配客服;
将分配给各类分类画像用户的客服作为该类别的分类专属客服。
在一个可选的实施例中,匹配模块113用于获取目标用户的画像交叉标签,并匹配所述目标用户的画像交叉标签和所述分类专属客服获得匹配结果。
在一个可选的实施例中,所述获取目标用户的画像交叉标签,并匹配所述目标用户的画像交叉标签和所述分类专属客服获得匹配结果,包括:
获取目标用户的画像交叉标签;
计算每种类别的分类画像用户的交叉标签的平均值作为对应的分类专属客服的分类客服标签;
基于所述标签权重分别计算所述目标用户的画像交叉标签和各分类客服标签之间的相似度;
基于所述相似度对所述目标用户的画像交叉标签和所述分类专属客服进行匹配获得匹配结果。
在一个可选的实施例中,分配模块114用于基于所述匹配结果为所述目标用户分配对应的分类专属客服进行沟通。
在一个可选的实施例中,所述基于所述匹配结果为所述目标用户分配对应的分类专属客服进行沟通包括:
对所述相似度按照由大到小的顺序进行排序获得相似度排名;
按照所述相似度排名从前到后的顺序为所述目标用户分配对应的分类专属客服作为目标分类专属客服;
判断所述目标分类专属客服是否被占用,若所述目标分类专属客服不被占用,则通过所述目标分类专属客服与所述目标用户进行沟通,若所述目标分类专属客服被占用,则按照所述相似度排名从前到后的顺序继续为所述目标用户迭代分配对应的分类专属客服作为目标分类专属客服,直到所述目标分类专属客服可以与所述目标用户进行沟通。
由以上技术方案可以看出,本申请能够通过对用户设置画像标签并计算标签权重来实现用户的分类,并为不同类别的用户分配相对应的专属客服进行服务,从而提高客服的沟通效率。
请参见图3,是本申请实施例提供的一种电子设备的结构示意图。电子设备1包括存储器12和处理器13。存储器12用于存储计算机可读指令,处理器13用执行所述储器中存储的计算机可读指令以实现上述任一实施例所述的基于用户画像的在线客服分配方法。
在一个可选的实施例中,电子设备1还包括总线、存储在所述存储器12中并可在所述处理器13上运行的计算机程序,例如基于用户画像的在线客服分配程序。
图3仅示出了具有存储器12和处理器13的电子设备1,本领域技术人员可以理解的是,图3示出的结构并不构成对电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
结合图1,电子设备1中的所述存储器12存储多个计算机可读指令以实现一种基于用户画像的在线客服分配方法,所述处理器13可执行所述多个指令从而实现:
采集用户的基础数据和服务数据获得用户画像数据集;
基于所述用户画像数据集对用户设置画像标签以获取标签权重;
对所述画像标签进行交叉处理获得画像交叉标签,并基于所述画像交叉标签和所述标签权重对用户进行分类以获取分类专属客服;
获取目标用户的画像交叉标签,并匹配所述目标用户的画像交叉标签和所述分类专属客服获得匹配结果;
基于所述匹配结果为所述目标用户分配对应的分类专属客服进行沟通。
具体地,所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,电子设备1可以是总线型结构,也可以是星形结构,电子设备1还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置,例如电子设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是,电子设备1仅为举例,其他现有的或今后可能出现的电子产品如可适应于本申请,也应包含在本申请的保护范围以内,并以引用方式包含于此。
其中,存储器12至少包括一种类型的可读存储介质,所述可读存储介质可以是非易失性的,也可以是易失性的。所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。存储器12在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。存储器12不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如基于用户画像的在线客服分配程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是电子设备1的控制核心(Control Unit),利用各种接口和线路连接整个电子设备1的各个部件,通过运行或执行存储在所述存储器12内的程序或者模块(例如执行基于用户画像的在线客服分配程序等),以及调用存储在所述存储器12内的数据,以执行电子设备1的各种功能和处理数据。
所述处理器13执行所述电子设备1的操作***以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个基于用户画像的在线客服分配方法实施例中的步骤,例如图1所示的步骤。
示例性的,所述计算机程序可以被分割成一个或多个单元/模块,所述一个或者多个单元/模块被存储在所述存储器12中,并由所述处理器13执行,以完成本申请。所述一个或多个单元/模块可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机程序在电子设备1中的执行过程。例如,所述计算机程序可以被分割成采集模块110、设置模块111、分类模块112、匹配模块113、分配模块114。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,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、计算机设备,或者网络设备等)或处理器(processor)执行本申请各个实施例所述的基于用户画像的在线客服分配方法的部分。
电子设备1集成的单元/模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指示相关的硬件设备来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存储器及其他存储器等。
进一步地,计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
总线可以是外设部件互连标准(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,在图3中仅用一根箭头表示,但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
本申请实施例还提供一种计算机可读存储介质(图未示),计算机可读存储介质中存储有计算机可读指令,计算机可读指令被电子设备中的处理器执行以实现上述任一实施例所述的基于用户画像的在线客服分配方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
此外,显然“包括”一词不排除其他模块或步骤,单数不排除复数。说明书陈述的多个模块或装置也可以由一个模块或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种基于用户画像的在线客服分配方法,其特征在于,所述方法包括:
采集用户的基础数据和服务数据获得用户画像数据集;
基于所述用户画像数据集对用户设置画像标签以获取标签权重;
对所述画像标签进行交叉处理获得画像交叉标签,并基于所述画像交叉标签和所述标签权重对用户进行分类以获取分类专属客服;
获取目标用户的画像交叉标签,并匹配所述目标用户的画像交叉标签和所述分类专属客服获得匹配结果;
基于所述匹配结果为所述目标用户分配对应的分类专属客服进行沟通。
2.如权利要求1所述的基于用户画像的在线客服分配方法,其特征在于,所述采集用户的基础数据和服务数据获得用户画像数据集包括:
采集用户的基础数据,所述基础数据包括用户的账户注册信息;
采集用户的服务数据,所述服务数据包括用户的客服服务记录信息;
预处理所述基础数据和所述服务数据,并对预处理后的数据进行整合获得用户画像数据集。
3.如权利要求1所述的基于用户画像的在线客服分配方法,其特征在于,所述基于所述用户画像数据集对用户设置画像标签以获取标签权重包括:
基于所述用户画像数据集对用户设置多种类型的画像标签;
对属于同一用户的画像标签进行关联处理获得用户画像标签;
计算所述用户画像标签的权重得到标签权重。
4.如权利要求3所述的基于用户画像的在线客服分配方法,其特征在于,所述计算所述用户画像标签的权重得到标签权重包括:
统计所述用户画像数据集中画像标签的数量;
统计所述用户画像数据集中每种类型的用户画像标签的数量;
计算每种类型的用户画像标签的数量与所述画像标签的数量的比值;
将所述比值作为对应类型的用户画像标签的标签权重。
5.如权利要求1所述的基于用户画像的在线客服分配方法,其特征在于,所述对所述画像标签进行交叉处理获得画像交叉标签,并基于所述画像交叉标签和所述标签权重对用户进行分类以获取分类专属客服,包括:
对属于同一个用户的画像标签进行交叉处理获得画像交叉标签;
基于所述画像交叉标签和所述标签权重将用户按照均值聚类算法进行分类获得多种类别的分类画像用户;
分别为每种类别的分类画像用户分配客服;
将分配给各类分类画像用户的客服作为该类别的分类专属客服。
6.如权利要求5所述的基于用户画像的在线客服分配方法,其特征在于,所述获取目标用户的画像交叉标签,并匹配所述目标用户的画像交叉标签和所述分类专属客服获得匹配结果,包括:
获取目标用户的画像交叉标签;
计算每种类别的分类画像用户的交叉标签的平均值作为对应的分类专属客服的分类客服标签;
基于所述标签权重分别计算所述目标用户的画像交叉标签和各分类客服标签之间的相似度;
基于所述相似度对所述目标用户的画像交叉标签和所述分类专属客服进行匹配获得匹配结果。
7.如权利要求6所述的基于用户画像的在线客服分配方法,其特征在于,所述基于所述匹配结果为所述目标用户分配对应的分类专属客服进行沟通包括:
对所述相似度按照由大到小的顺序进行排序获得相似度排名;
按照所述相似度排名从前到后的顺序为所述目标用户分配对应的分类专属客服作为目标分类专属客服;
判断所述目标分类专属客服是否被占用,若所述目标分类专属客服不被占用,则通过所述目标分类专属客服与所述目标用户进行沟通,若所述目标分类专属客服被占用,则按照所述相似度排名从前到后的顺序继续为所述目标用户迭代分配对应的分类专属客服作为目标分类专属客服,直到所述目标分类专属客服可以与所述目标用户进行沟通。
8.一种基于用户画像的在线客服分配装置,其特征在于,所述装置包括采集模块、设置模块、分类模块、匹配模块以及分配模块:
所述采集模块,用于采集用户的基础数据和服务数据获得用户画像数据集;
所述设置模块,用于基于所述用户画像数据集对用户设置画像标签以获取标签权重;
所述分类模块,用于对所述画像标签进行交叉处理获得画像交叉标签,并基于所述画像交叉标签和所述标签权重对用户进行分类以获取分类专属客服;
所述匹配模块,用于获取目标用户的画像交叉标签,并匹配所述目标用户的画像交叉标签和所述分类专属客服获得匹配结果;
所述分配模块,用于基于所述匹配结果为所述目标用户分配对应的分类专属客服进行沟通。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的基于用户画像的在线客服分配方法。
10.一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上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于用户画像的在线客服分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310294421.9A CN116341850A (zh) | 2023-03-15 | 2023-03-15 | 基于用户画像的在线客服分配方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310294421.9A CN116341850A (zh) | 2023-03-15 | 2023-03-15 | 基于用户画像的在线客服分配方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116341850A true CN116341850A (zh) | 2023-06-27 |
Family
ID=86889014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310294421.9A Pending CN116341850A (zh) | 2023-03-15 | 2023-03-15 | 基于用户画像的在线客服分配方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116341850A (zh) |
-
2023
- 2023-03-15 CN CN202310294421.9A patent/CN116341850A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112035742B (zh) | 用户画像生成方法、装置、设备及存储介质 | |
US8650141B2 (en) | System and method of segmenting and tagging entities based on profile matching using a multi-media survey | |
CN107808314B (zh) | 用户推荐方法及装置 | |
CN114663198A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN113836131A (zh) | 一种大数据清洗方法、装置、计算机设备及存储介质 | |
CN111639077B (zh) | 数据治理方法、装置、电子设备、存储介质 | |
CN113051480A (zh) | 资源推送方法、装置、电子设备及存储介质 | |
CN113807553A (zh) | 预约服务的数量分析方法、装置、设备及存储介质 | |
CN113298568B (zh) | 用于投放广告的方法及装置 | |
CN110427545B (zh) | 一种信息推送方法及*** | |
CN113706253A (zh) | 实时产品推荐方法、装置、电子设备及可读存储介质 | |
CN113705698A (zh) | 基于点击行为预测的信息推送方法及装置 | |
CN111667018A (zh) | 一种对象聚类的方法、装置、计算机可读介质及电子设备 | |
CN116361571A (zh) | 基于人工智能的商户画像生成方法、装置、设备及介质 | |
CN116341850A (zh) | 基于用户画像的在线客服分配方法、装置、设备及介质 | |
CN113806638B (zh) | 基于用户画像的个性化推荐方法及相关设备 | |
CN109472721A (zh) | 一种房产资源管理方法及*** | |
CN115964555A (zh) | 推广对象的处理方法和装置 | |
CN113869859A (zh) | 事件审批人员的替换方法、装置、终端设备和存储介质 | |
US11037208B1 (en) | Economic valuation of data assets | |
CN113762675A (zh) | 信息生成方法、装置、服务器、***和存储介质 | |
CN111460300A (zh) | 网络内容推送方法、装置及存储介质 | |
CN113762990A (zh) | 商品推荐的方法、装置、计算设备及计算机存储介质 | |
CN111523011A (zh) | 基于区块链技术分布式图计算引擎的冷热钱包智能标签*** | |
CN113012797B (zh) | 体检科室推荐方法、装置、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 |