[发明专利]基于客户语音进行响应队列优先级调整方法及系统有效
申请号: | 202011602230.7 | 申请日: | 2020-12-29 |
公开(公告)号: | CN112820323B | 公开(公告)日: | 2023-06-16 |
发明(设计)人: | 陈其成;魏文程;程硕 | 申请(专利权)人: | 平安银行股份有限公司 |
主分类号: | G10L25/63 | 分类号: | G10L25/63;G10L15/26;G10L15/08 |
代理公司: | 北京辰权知识产权代理有限公司 11619 | 代理人: | 刘广达 |
地址: | 518001 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 客户 语音 进行 响应 队列 优先级 调整 方法 系统 | ||
本申请提供了一种基于客户语音进行响应队列优先级调整方法、系统及存储介质,根据客户登录信息,识别客户的客户层级,得到客户层级;识别客户的语音信息,得到客户的语音情绪分级;根据客户的语音信息,识别客户的语音亢奋度,得到客户的亢奋度预测值;根据客户层级、语音情绪分级以及亢奋度预测值,通过响应优先级算法,得到客户的响应优先级。本申请解决了现有的客户响应队列优先级考虑因素不全面,不能更好的处理客户反馈意见以及不能保证客户满意度的问题。
技术领域
本申请属于智能语音技术领域,具体地,涉及一种基于客户语音进行响应队列优先级调整方法及系统。
背景技术
随着银行之间的竞争越来越激烈,为了提升银行网点服务,提升客户满意度,银行网点都想快速获取客户的反馈意见,因此大多银行网点均设置有客户语音吐槽平台,通过快速收集和归整客户声音,然后根据客户语音吐槽设置响应优先级进行客户依次响应和维护,进而迭代优化网点服务及网点营销的管理。比如,银行在网点部署小程序吐槽的二维码,每天可以收到客户大量的语音吐槽,因此需要网点人员根据响应队列的优先级,依次及时安抚客户,快速的响应客户,进而提高客户的满意度,防止重要客户的流失。
然而,目前银行网点的客户语音吐槽响应,普遍常规的方法是按照客户吐槽的时间顺序依次响应;或者,普遍常规的方法是根据业务类型的紧急程度调整响应优先级;再或者根据银行网点客户语音吐槽,进行人工判断出客户情绪亢奋度,需要人工听完语音,通过人工判断客户语音内容是否包含情绪关键词,才能识别并调整客户响应优先级;且,目前的银行网点客户语音吐槽响应优先级,没有按照客户重要度层级判断是否需要调整响应队列优先级。
因此,亟需一种新的基于客户语音进行响应队列优先级调整方法,以更佳的客户响应顺序安抚客户,保证客户的满意度,防止重要客户的流失。
发明内容
本发明提出了一种基于客户语音进行响应队列优先级调整方法及系统,旨在解决现有的客户响应队列优先级考虑因素不全面,不能更好的处理客户反馈意见以及不能保证客户满意度的问题。
根据本申请实施例的第一个方面,提供了一种基于客户语音进行响应队列优先级调整方法,具体包括以下步骤:
根据客户登录信息,识别客户的客户层级,得到客户层级;
识别客户的语音信息,得到客户的语音情绪分级;
根据客户的语音信息,识别客户的语音亢奋度,得到客户的亢奋度预测值;
根据客户层级、语音情绪分级以及亢奋度预测值,通过响应优先级算法,得到客户的响应优先级。
在本申请一些实施方式中,识别客户的语音信息,得到客户的语音情绪分级,具体包括:
根据客户的语音信息,进行语音转文字识别,得到文字识别数据;
根据文字识别数据,进行关键字检索,得到语音情绪分级。
在本申请一些实施方式中,根据客户的语音信息,识别客户的语音亢奋度,得到客户的亢奋度预测值,具体包括:
根据客户的语音信息,得到客户的语谱图;
根据客户的语谱图进行特征提取,并进行亢奋度类别打标签后,得到训练数集;
通过训练数集训练亢奋度预测神经网络,得到训练后的亢奋度预测模型;
输入待测的客户语音信息,至训练后的亢奋度预测模型,得到客户的亢奋度预测值。
在本申请一些实施方式中,语音亢奋度识别模型的具体训练过程为:
将客户原始的语音信息,转换为语谱图,提取语谱图特征;
将提取的特征及对应的亢奋度类别标签,输入深度神经网络模型进行训练,得到训练好的语音亢奋度识别模型;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安银行股份有限公司,未经平安银行股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011602230.7/2.html,转载请声明来源钻瓜专利网。