一种基于多业务类型测算回访的方法与流程

1.本发明涉及it与软件开发技术领域，具体为一种基于多业务类型测算回访的方法。


背景技术：

2.当前呼叫中心广泛应用于政府、金融、制造、电商等各行各业。满足各类机构与企业对客户进行呼叫及客户服务业务场景，且根据业务需要进行回访服务，为客户提供精细化、针对化的服务，更好了解决客户的实际问题，从而提高客户的满意度。
3.然而目前的回访通常是针对单一问题进行统一回访，比如客户投诉、遇突发业务等。采取这种回访模式，能够一定程度解决客户的问题，但是需要大量的回访任务及回访成本，且经常遇到客户的拒接，覆盖率低，缺乏精准性，因此提出一种基于多业务类型测算回访的方法。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了一种基于多业务类型测算回访的方法，解决了目前的回访通常是针对单一问题进行统一回访，需要大量的回访任务及回访成本，且经常遇到客户的拒接，覆盖率低，缺乏精准性，不能满足人们的要求的问题。
6.(二)技术方案
7.为实现上述目的，本发明提供如下技术方案：
8.一种基于多业务类型测算回访的方法，包括以下步骤：
9.s1：来电记录，客户来电时记录客户多维度业务类型，并对语音数据进行识别采集，获取特征数据，特征数据包括关键词、客户情绪、客户语速、通话时长；
10.s2：信息分类，把获取的特征数据按照来电诉求类型、诉求等级、诉求时效处理、诉求办理归类、历史诉求信息、满意度进行记录；
11.s3：构建神经网络模型，把分类后的特征数据导入包含初始的神经网络参数的神经网络模型中进行处理，对多组原始数据进行随机相位加密得到训练数据，利用所述训练数据训练神经网络模型，得到训练后的神经网络模型；
12.s4：分值测算，基于信息登记表进行分值测算，在进行测算时通过获取的特征数据进行比对并公告神经网络模块进行测算，信息登记表分为6个维度，分别包括来电诉求类型、诉求等级、诉求时效处理、诉求办理归类、历史诉求信息、满意度，来电诉求类型分为咨询、投诉、建议，对应的分值分别为5分、10分、5分，诉求等级包括重要和一般，对应的分数分别为10分、5分，诉求时效处理包括紧急处理和正常处理，对应的分数分别为10分、5分，诉求办理归类包括自然灾害类、市民生活类、城市管理类，对应的分数分别为10分、5分、5分，历史诉求信息包括未处理、已处理未办结、已办结，对应分数分别为10分、5分、0分，满意度包括非常满意、一般、不满意，对应分数分别为0分、5分、10分；
13.s5：测算打分，通过对客户诉求信息的测算打分，并参照设定值的大小进行横向对比，大于或等于设定值，表示该客户是特殊服务人群，需要进行回访，小于该设定值的，表示一般服务人群，无需进行回访，测算公式为：
14.从测试来电中取100个数据进行测算，以上六个维度项的得每项频数最多的这项得分记为x1、x2、x3
…
xk(k＝6)，各项出现的频数的f1、f2、f3
…
fk(k＝6)，进行加权算出平均数m的值，定义该值为参照设定值；
15.s6：客户回访，对于大于或等于设定值的客户进行回访；
16.s7：数据更新，对回访的客户进行记录，并根据记录数据对神经网络模型和测算结果进行比对优化。
17.作为本发明再进一步的方案，所述s1中在进行数据采集时进行离群点删除，得到无噪声的语音数据。
18.进一步的，所述s2中包括识别模块，通过识别模块利用识别程序对判定的数据进行识别，识别中，对输入的特征数据进行特征提取，然后保存到数据库。
19.在前述方案的基础上，所述s4中包括赋值模块和打分模块，赋值模块与神经网络模型相连接，且打分模块连接有测算模块。
20.进一步的，所述s5中包括计算模块，计算模块与测算模块和打分模块相连接。
21.在前述方案的基础上，所述s6中包括回访模块，回访模块连接有数据收集模块，收据收集模块与神经网络模型相连接。
22.作为本发明再进一步的方案，所述s7中包括更新模块，更新模块包括比对模块，且比对模块与数据收集模块相连接。
23.(三)有益效果
24.与现有技术相比，本发明提供了一种基于多业务类型测算回访的方法，具备以下有益效果：
25.1、本发明中，通过分值测算能够实现确定各个维度的参考分值以及加权计算，通过数据化衡量是否回访的需要，通过将客户的行为及业务特征，告别通过人为考量是否回访的情况，能够量化诉求级别，来实现是否回访的判断，这样更具有参考依据。
26.2、本发明通过测算打分，能够快速辨别客户是否需要进行回访，从而进行大批量快速筛分，实现多业务类型测算回访后，可大大节省日常回访的通讯成本及人工投入成本。
27.3、本发明中，通过回访数据对神经网络模型和测算结果进行比对优化，能够快速优化神经网络参数构建神经网络模型来识别语音特征，可以提高验语音识别的准确性。
28.4、本发明中，通过神经网络识别客户来电语音特征，并对其进行训练，提高识别准备性。
附图说明
29.图1为本发明提出的一种基于多业务类型测算回访的方法的流程结构示意图。
具体实施方式
30.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。
31.参照图1，一种基于多业务类型测算回访的方法，包括以下步骤：
32.s1：来电记录，客户来电时记录客户多维度业务类型，并对语音数据进行识别采集，获取特征数据，特征数据包括关键词、客户情绪、客户语速、通话时长，s1中在进行数据采集时进行离群点删除，得到无噪声的语音数据；
33.s2：信息分类，把获取的特征数据按照来电诉求类型、诉求等级、诉求时效处理、诉求办理归类、历史诉求信息、满意度进行记录，s2中包括识别模块，通过识别模块利用识别程序对判定的数据进行识别，识别中，对输入的特征数据进行特征提取，然后保存到数据库；
34.s3：构建神经网络模型，把分类后的特征数据导入包含初始的神经网络参数的神经网络模型中进行处理，对多组原始数据进行随机相位加密得到训练数据，利用所述训练数据训练神经网络模型，得到训练后的神经网络模型，通过神经网络识别客户来电语音特征，并对其进行训练，提高识别准备性；
35.s4：分值测算，基于信息登记表进行分值测算，在进行测算时通过获取的特征数据进行比对并公告神经网络模块进行测算，信息登记表分为6个维度，分别包括来电诉求类型、诉求等级、诉求时效处理、诉求办理归类、历史诉求信息、满意度，来电诉求类型分为咨询、投诉、建议，对应的分值分别为5分、10分、5分，诉求等级包括重要和一般，对应的分数分别为10分、5分，诉求时效处理包括紧急处理和正常处理，对应的分数分别为10分、5分，诉求办理归类包括自然灾害类、市民生活类、城市管理类，对应的分数分别为10分、5分、5分，历史诉求信息包括未处理、已处理未办结、已办结，对应分数分别为10分、5分、0分，满意度包括非常满意、一般、不满意，对应分数分别为0分、5分、10分，s4中包括赋值模块和打分模块，赋值模块与神经网络模型相连接，且打分模块连接有测算模块，通过分值测算能够实现确定各个维度的参考分值以及加权计算，通过数据化衡量是否回访的需要，通过将客户的行为及业务特征，告别通过人为考量是否回访的情况，能够量化诉求级别，来实现是否回访的判断，这样更具有参考依据；
36.s5：测算打分，通过对客户诉求信息的测算打分，并参照设定值的大小进行横向对比，大于或等于设定值，表示该客户是特殊服务人群，需要进行回访，小于该设定值的，表示一般服务人群，无需进行回访，测算公式为：
37.从测试来电中取100个数据进行测算，以上六个维度项的得每项频数最多的这项得分记为x1、x2、x3
…
xk(k＝6)，各项出现的频数的f1、f2、f3
…
fk(k＝6)，进行加权算出平均数m的值，定义该值为参照设定值，通过测算打分，能够快速辨别客户是否需要进行回访，从而进行大批量快速筛分，实现多业务类型测算回访后，可大大节省日常回访的通讯成本及人工投入成本，s5中包括计算模块，计算模块与测算模块和打分模块相连接；
38.s6：客户回访，对于大于或等于设定值的客户进行回访，s6中包括回访模块，回访模块连接有数据收集模块，收据收集模块与神经网络模型相连接；
39.s7：数据更新，对回访的客户进行记录，并根据记录数据对神经网络模型和测算结
果进行比对优化，s7中包括更新模块，更新模块包括比对模块，且比对模块与数据收集模块相连接，通过回访数据对神经网络模型和测算结果进行比对优化，能够快速优化神经网络参数构建神经网络模型来识别语音特征，可以提高验语音识别的准确性。
40.在该文中的描述中，需要说明的是，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。
41.尽管已经示出和描述了本发明的实施例，本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。