一种面向客服系统的智能派单方法与流程

1.本发明涉及信息化管理领域，尤其涉及一种面向客服系统的智能派单方法。


背景技术：

2.随着城市化水平的持续提高，智能设备和移动互联网的普及，促使传统的报修方式也发生了翻天覆地的变化。以前通过电话、纸张等的报修方式，故障维修的效率特别的低。一旦报修量过大，则造成工单遗漏，紧急的工单如果没有及时的去处理，给生活和生产带来了很大的影响。总而言之，传统报修方式流程繁琐，用时太长，报表数据易丢失、难整理、成本高、时效性差，响应慢，不透明。报修人找不到技术员，描述不清楚故障；技术员报修途径分散难统计，工作结束没有凭证体现；管理员不清楚技术的能力，无法知晓工作人员的详细情况。
3.对于学生群体，宿舍就是另外一个“家”，当宿舍停电，宿舍设施损坏时，我们都想能立即反馈给学校，让学校里面尽快派人来维修；对于居家群体，水、电与我们生活息息相关，一旦水电出现了问题，我们也想立马反映给供电公司，供水公司，让它们派技术员过来维修。所以各大企业如何提供高效的方式来解决用户的需求以提升用户的满意度显得尤为紧急重要。
4.如今也出现了一些利用客服系统的工单流转专利，例如发明创造名称为：一种快速故障申报及自动化工单流转系统(申请公开日：2020年1月31号；申请号：201910878985.0)，该发明涉及一种快速故障申报及自动化工单流转系统，包括：故障上报模块，用于在故障出现时间向服务端进行故障申报；工单生成模块，用于对故障信息进行集中管理，生成各自类型的工单；工单发布模块，用于将待处理工单发布给相应责任人；工单处理模块，用于存留详细处理信息，收集相关人员评价并反馈给上级领导审核；工单储存模块，用于对审核完成的工单进行结构化存储；报表生成模块，用于将所有数据以统一报表形式展现。该发明能够快速、智能的建立工单，并有效管理、评价工单执行，以及通过工单系统不断完善知识库。但是该方案不足之处在于：该发明缺少了考虑相关人员的退单、转单操作，然而这两个情况在操作中是实际存在的，缺少了这两环，工单流转就缺乏了灵活性，整个流程不够完整。
5.再如发明创造名称为：一种工单智能分派方法，(申请公开日：2020年11月27号；申请号：202011159499.2)，该发明方法包括：获取工单历史数据，提取特征数据，对工单进行分类并构建工单特征模型，获取员工基础信息数据，构建员工特征模型，基于前两者构建工单特征模型和员工特征模型的匹配算法；在获取待分派工单后对当前工单进行特征提取，计算工单和员工的匹配度，将工单分派至匹配度最高的员工，完成工单分派。该发明以大数据的辅助来进行客观数据的分析，派单的过程中人工参与的部分少，在派单前不需另行对接，保证了物业管理中服务工单分派的合理性和及时性，沟通成本小，分派速度快，客观派单，保证每一个员工在自己能力范围内能更多更好处理工单；在工单响应速度提升的情况下，客户满意度明显提升。但是，该方法的工单匹配算法跟本发明完全不一样，本发明采用
gis定位员工与客户的实际里程来智能派单，而它通过大数据来匹配并不是很精确，刚开始单子不多的时候，这个并不能做到通过大数据分析，局限性很大，另一方面，这个专利的模型很模糊，没有给出具体的参数和实施案例。


技术实现要素：

6.1.要解决的技术问题
7.针对上述问题，本发明提出一种面向客服系统的智能派单方法，能够快速有效的建立工单，对工单进行处理、流转、反馈，最后用户可以对这个处理结果进行满意度反馈，可以极大的促进企业不断完善，更好的为人们服务。
8.2.技术方案
9.为了解决上述问题，本发明所采用的的技术方案如下：
10.一种面向客服系统的智能派单方法，所述方法包括以下步骤：
11.s1、采集客户信息，将采集到的用户地址信息按照省、市、区、街道、小区、楼栋门牌、经度、纬度进行标准化，标准化用户地址，统一工单分类标准，存入数据库；
12.s2、客户致电，通过智能语音识别(电话录音语音识别)及在线客服的语义分析，解析出关键字，自动匹配预设工单类型；
13.s3、如果s2中匹配成功，则系统自动生成工单；如果s2中识别失败，则转至中心坐席处理，由在线客服生成工单；
14.s4、根据分类，智能派单后，推送至相应部门工单池，受理部门员工可遵照就近原则发起抢单；即根据工单上面的地址，推向地址所在的服务区域工单池(自动分配至所在的服务区域工单池，由该服务区域去执行工单)，每个服务区域按照部门的审核流程，自动推向所受理部门的工单池，受理部门的员工遵照就近原则发起抢单并进行并发处理，如无员工抢单，则受理部门负责人强制派单；
15.s5、受理部门的员工结束工作，提交证明信息至系统，受理部门进行受理回馈时(如回单、退单)，系统自动推送提示信息至相关审核人员；
16.s6、受理完成后，消息推送至客户，客服智能回访客户对此次处理结果的满意度，根据交互结果，自动销单或者二次派单。
17.进一步地，所述步骤s1中，客户信息包括用户的姓名、电话和地址，用户的电话，地址涉及到一个多对多的关系(一个用户可能有多个地址，同样，一个地址也可能对应多个电话，所以用户的电话、地址是一个多对多的关系)，建立三张表，第一张表存用户的姓名和电话，第二张表存标准地址，第三张表存第一张表和第二张表的映射关系。
18.进一步地，所述步骤s1中，统一工单分类标准为根据不同的应用任务，形成多级分类标准，一级分成{pi|i>＝1&&i<＝n，p为一级分类,i,n均为正整数且n>＝1}，二级分成{qij|i>＝1&&i<＝n，j>＝1&&j<＝m,q为二级分类，i,j,m,n均为正整数且n,m>＝1}，根据工单的类别直接智能的派发到相应的角色。
19.进一步地，所述步骤s2中，语音识别分为“输入
→
编码
→
解码
→
输出”4个流程，用于实时语音转写和语音文件转写；所述实时语音转写为建立应用与语言转写核心引擎的长连接，将音频流数据实时转换成文字流数据结果；所述语音文件转写为将长短音频数据转换成文本数据。
20.进一步地，所述步骤s2中，在线客服的语义分析为：将通过语音识别转化出的文本信息，划分数据块进行数据标签标识，并转化为模型可识别的固定格式数据，进入语义分析数据模型进行分析。
21.进一步地，所述在线客服的语义分析的步骤为：
22.(1)数据读取：采用csv格式，用pandas完成读取数据；由于每个数据是不定长的，所以根据模型需求采用csv格式，用pandas完成读取数据；
23.(2)循环神经网络分析：建立三层循环神经网络模型(rnn)进行深度学习，将每一层输出的分析结果作为下一层的输入，建模序列中每次变换均更趋近于目标结果；根据loss损失值调整步长b，最终获得分析时长与分析准确度比值最优化的分析模型；
24.(3)验证集调参：将数据样本根据模型执行情况划分训练集和验证集，重复步骤(2)选出最好的模型；再把训练集和验证集并到一起做训练，在测试集上测试，结合实际测试结果进行集合关联调优。
25.进一步地，所述步骤s4中，智能派单，其过程如下：
26.(1)工单生成以后，根据工单类别派发至该类别所属的部门角色a，比如a为维修部门负责人角色；
27.(2)相应部门角色a对工单进行审核，审核存在以下几种情况：
28.a.若是属于自己部门的工单且可以完成，则派给下一级角色b，例如b为维修员工角色；
29.b.若是属于自己部门的工单但是目前完成不了，则直接退至中心坐席，让中心坐席重新派单；
30.c.若不是自己部门的工单，则可以内部转单，转至相应可以处理的部门；
31.(3)在上述部门流转之后，最后必须有一个角色去处理；最后工单放到待处理的工单池中，相应角色中的员工根据就近原则，去工单池中去抢单，对于滞留的工单，上一级负责人有权利强制派单。
32.进一步地，所述步骤s5中，受理部门进行受理回馈时，其过程如下：
33.技术员领着单子去处理问题，如果处理成功，则上传相应的附件证明，等待上一级领导审核；如果没有处理成功，可以退单至上级领导，同时说明退单理由；
34.上级领导接收技术员返回的问题，如果审核后确实是处理成功了，则上级领导审批通过，工单转为等待用户评价的状态；
35.针对退单或者技术员觉得处理成功了但是没通过审核，上级领导再指派该技术员去完成，直到最后审批通过。
36.进一步地，技术员处理过程中出现问题，完成不了工作，则可以退单至受理部门责任人，提交退单原因，受理部门责任人则派其他技术员去处理；
37.进一步地，所述步骤s5中，所述客服智能回访客户，其过程如下：
38.用户会收到受理完成的提醒，同时智能客服会在线回访客户满意度，用户可以与其交流，根据交流的结果，来决定是销单还是二次派单，如果销单则完成工单；如果是需要二次派单，则继续重复步骤s4、s5、s6，直至最后完成工单。
39.进一步地，所述步骤s4中，就近原则其过程如下：
40.引擎对在岗技术员工进行定位，得到技术员工与客户家位置的gps经纬度，利用
gis地理系统的城市街道分布计算距离从近到远的该区域在岗的技术员工列表，该区域的技术员工发起抢单后，优先分配给处于最短路径的技术员工。
41.进一步地，所述步骤s6中，受理完成后，推送消息至客户，智能客户回访客户的满意度，客户满意度的客户评价(customer evaluation)算法如下：
42.ce＝k1*sr+k2*pe+k3*td+k4*wd+k5*pr，k1+k2+k3+k4+k5＝1.0
43.其中，需要核算这一个月内的技术员总的抢单数，总的强制派单数，总的抢单成功数，sr(success rate)为就近原则抢单成功率，包括自己主动抢单成功的派单和强制分配的派单，核算周期一般按月度计算，sr＝(总的抢单数+总的强制派单数)/(总的抢单成功数+总的强制派单数)*100％，即
[0044][0045]
式中，orders为总的抢单数，success为抢单成功数，force为强制派单数；
[0046]
pe(picture evaluation)为工程师上传的图片完成审核评价，由平台审核人员打分，即pe＝平台审核人员给技术员上传图片完整性的审核分数；
[0047]
td(time difference)用来判断维修等技术员工是否及时维修好，避免拖沓的情况，td＝[60
‑
(图片上传时间
‑
图片拍摄时间)]/60*100％，即t
上传
为图片的上传时间，t
拍摄
为图片拍摄时间；
[0048]
wd(work duration)为工作时长与正常工作时长比值，wd＝工作时长/正常工作时长；
[0049]
pr(passing rate)为提交回馈上级负责人审核的通过率；
[0050]
k1至k5的值为权重系数，根据不同行业不同单位的设定值有所变化；ce越高，该单处理的满意度越高，反之，则低。
[0051]
进一步地，如果ce的值达到该公司设定的值且与客户沟通后，客户很满意则销单反之二次派单。
[0052]
一种工单流程引擎，用于完成上述智能派单方法，所述工单流程引擎可以灵活配置，能增加、删除流程及修改流程的序列关系；所述灵活配置具体为：系统定义常规的任务如图2所示，包括语音识别/语义分析模块、工单建立模块、工单流转模块、智能回访模块和用户评价模块，以完成上述智能派单，即工单生成，在一些常规部门单子的流转，如果公司部门多，则把涉及到的部门都加入到该任务中，如果少，可以适当的删除无关部门，员工执行工单，上传附件待审核，回访与评价。同时，用户可以自定义任务，在不同的应用流程中可以添加、删除任务，任务的序列关系可以修改，形成紧急和常规(为上述系统定义常规的任务)两套不同的流程；所述自定义任务为：工单生成，部门流转，员工执行工单，上传附件待审核，回访与评价，用户可以根据需求要求删减或增加工单流程；所述紧急任务为：工单生成，直接终极部门审核，员工执行工单，上传附件待审核，回访与评价。
[0053]
3.有益效果
[0054]
本发明只需要用户致电，企业人员通过浏览器即可完成对工单的相关操作，而且
各个流程之间配置比较灵活，能极大的提高维修效率；语音识别和语义分析技术的应用，可以大大减少员工的工作量，节省了运维成本，给企业减少开支。
附图说明
[0055]
图1为本发明智能派单方法的流程示意图；
[0056]
图2为本发明系统定义常规的任务的工单流程引擎流程图。
具体实施方式
[0057]
下面结合说明书附图和具体的实施例，对本发明作详细描述。
[0058]
实施例1
[0059]
该实例阐述了整个智能派单流程。
[0060]
以xx市一水务公司为例，寒冬时节，爆水管的可能性非常大，该市在高峰期时，能一天收到好几千条关于用户家水管爆裂的案例，在该公司传统的报修方式中，许多工单根本就来不及录进系统，还需要公司人员加班加点的登记，搞不好还有工单的遗漏，处理的效率非常低。
[0061]
如果引用此发明，根据图1的市民致电该水务公司，说出家里水管爆裂，通过语音识别和语义分析技术，如果识别成功，会由客服系统自动生成工单；如果识别失败，则消息会推送至中心坐席通过人工处理，生成工单。
[0062]
生成的工单会根据工单上面的地址自动的进入服务区域工单池，例如进入了城南所工单池。根据类别会直接的派给该类别所对应的负责人去审核，此处的水管爆裂属于综合主管去审核。综合主管看到这个单子，觉得自己底下的人员可以修，就直接审核通过，工单进入施工队工单池(这个是比较理想的情况，也有可能存在两种其他的情况，就是某一个类别的工单，中心坐席人为派错了，误拍给综合主管，但实际上是其他部门负责的单子，比如应该是抄表主管的单子，这个时候综合主管就可以转单给抄表主管，抄表主管再派给抄表员去处理；另外一种这个工单不属于任何一个部门可以处理的，但是错派给了综合主管，这个时候综合主管就有权利直接退给中心坐席，中心坐席重新派单给部门经理去处理)。
[0063]
根据gps显示当前位置各个施工队的位置与客户家距离，根据就近原则，发起抢单。抢到单子的维修工，去客户家里维修，发现自己处理不了，则退回到综合主管那里待其审核，派给其他施工队人员维修；如果自己可以修，则完成以后，上传维修现场图片待综合主管审批。如果审批不通过，则综合主管重新派单给该队员，重复上一流程。如果审批通过，则智能客服自动去回访客户的满意度。根据最后交互结果，来决定是销单还是二次派单。如果是销单，则流程结束；如果是二次派单，则重复上述流程，直至流程结束。
[0064]
实施例2
[0065]
该实例阐述了语音识别和语义分析。
[0066]
语音识别技术拆分下来，主要可分为“输入
→
编码
→
解码
→
输出”4个流程。根据客户热线语音特性，主要分为实时语音转写和语音文件转写。前者建立应用与语言转写核心引擎的长连接，将音频流数据实时转换成文字流数据结果；后者将长短音频数据转换成文本数据，为信息处理和数据挖掘提供基础。
[0067]
将通过语音识别服务转化出的文本信息，划分数据块进行数据标签标识，并转化
为模型可识别的固定格式数据，进入语义分析数据模型进行分析执行对已生成的文本格式数据，由于每个数据是不定长的，根据模型需求采用csv格式进行存储数据，可以直接用pandas完成数据读取的操作。
[0068]
实施例3
[0069]
该实例阐述评价：
[0070]
在实施案例1中，如果综合主管如果审批通过，则智能客服自动去回访客户的满意度，根据评价算法ce＝k1*sr+k2*pe+k3*td+k4*wd+k5*pr，需要核算这一个月内的该队员总的抢单数，总的强制派单数，总的抢单成功数，sr＝(总的抢单数+总的强制派单数)/(总的抢单成功数+总的强制派单数)*100％，pe＝综合主管给该队员上传图片完整性的审核分数，td＝[60
‑
(图片上传时间
‑
图片拍摄时间)]/60*100％，wd＝工作时长/正常工作时长，pr＝提交回馈综合主管审核的通过率，k1至k5为经验设定值，ce越高，该单处理的满意度越高，反之，则低。
[0071]
以上示意性地对本发明创造及其实施方式进行了描述，该描述没有限制性，在不背离本发明的精神或者基本特征的情况下，能够以其他的具体形式实现本发明。附图中所示的也只是本发明创造的实施方式之一，实际的结构并不局限于此，权利要求中的任何附图标记不应限制所涉及的权利要求。所以，如果本领域的普通技术人员受其启示，在不脱离本创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本专利的保护范围。此外，“包括”一词不排除其他元件或步骤，在元件前的“一个”一词不排除包括“多个”该元件。产品权利要求中陈述的多个元件也可以由一个元件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。