[发明专利]可配置业务逻辑的模型自迭代式智能客服质检系统与方法

说明书

本发明公开了一种可配置业务逻辑的模型自迭代式智能客服质检系统与方法，由RPA数据采集模块、数据预处理模块、预测服务模块、规则匹配模块、业务逻辑模块、申诉复核模块、模型自训练模块等七个部分组成，通过模型和规则设定，对全部服务过程进行自动化检测；实时对结构化和非结构化内容进行解析，模型实时输出质检结果；该系统可预设各种服务预警模型，在服务过程中对服务者进行提醒对管理者进行预警；该系统配有可视化数据展示和分析，及时了解质检问题分布，以及问题发展趋势。

技术领域

本发明涉及人工智能技术领域，特别涉及一种可配置业务逻辑的模型自迭代式智能客服质检系统与方法。

背景技术

客户服务(以下简称“客服”)对一个企业的运营和发展至关重要，客服质检能帮助企业检测服务质量，查找服务问题，进而更好地培训技能，提升客服人员的服务水平。随着企业的发展与扩大，传统人工质检无法应对与日俱增的业务数据，且传统质检方式的弊端也越来越明显，例如人工审核无法形成严格统一的机制，导致质检准确率因人而异。

一般来说，传统的人工客服质检系统都会存在以下四个痛点：一是客观性，人为的考核和评分无法做到完全的客观无误；二是规范性，由于人工质检会比较强地依赖质检员自身的主观判断，故很难就质检本身进行规范化、标准化；三是全面性，很难做到对每一个客服人员的每一通电话进行考核；四是实时性，管理人员很难在第一时间察觉问题并及时介入，这会使企业错失同消费者进行健康沟通的最佳时机，严重影响了客服整体服务质量。

近年来科技的发展带动质检技术从人工逐渐向智能技术靠拢，第二代质检产品主要以规则匹配为主，通过关键词匹配判断是否合规，相较于人工质检，大大提高了质检效率，有一套完整的规则规范，可以做到全面质检、实时质检，但是规则匹配法无法进行有效的语义理解，常常造成误检漏检，因此准确率较低。

随着机器学习等技术不断发展，智能质检(Intelligent Speech Analysis)目前通常使用自然语言处理方法和预定义规则，分析呼叫中心场景下客服人员与客户的对话，实现全量、实时的客服质量检查，降低质检成本，提高客服质量，提升客户满意度。

基于深度学习的自然语言处理技术日益成熟，自然语言处理技术能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。基于BERT的预训练模型可以捕获真正意义上的双向上下文语义，从而完成标签分类、意图识别、机器翻译等任务。在线客服可以直接通过语义训练完成质检，热线客服则需要多一道语音转换流程。

由于自然语言处理和语音转换技术在实际过程中与实际语义有出入，因此除算法模型外往往还会预定义一套规则匹配，配合算法模型以达到预期准确率。

配置完成的智能质检模型能够对所有服务过程产生的数据进行全量的智能分析，摆脱质检员数量、个体主观差异的限制，针对全量的服务数据进行自动化质检，全面挖掘服务数据的价值，能够实现热线电话一挂断，立刻触发语音转换并进行质检；会话一切断，即实时生成质检结果，通过灵活的规则配置、业务逻辑配置，覆盖多个复杂的业务场景。成本低，覆盖全，质检结果响应及时，大大提升了企业的服务水平。

智能质检可以有效避免人工质检的痛点，但由于算法模型训练与实际语义总是会存在差异，新的问题随之产生，具体包含以下问题：

1、质检系统与客服系统数据对接复杂度高；

2、单点质检无法解决复杂逻辑的业务；

3、质检算法准确率比较固化，一旦交付，就无法再优化提升；

4、质检任务固化，无法适应新场景新需求，如针对不同的业务需要重新配置质检模型、新增业务场景或者新增质检任务等；

5、深度学习模型训练一般用时较长，GPU使用内存较大。

发明内容