[发明专利]基于机器学习的语音机器人催收方法、系统、设备及介质

说明书

本发明涉及一种基于机器学习的语音机器人催收方法，包括以下步骤：S1：筛选待催收客户样本；S2：选取样本特征，构建预测模型并基于样本特征及待催收客户样本进行训练，所述的预测模型用于获取待催收客户样本在未来一个月内有还款的概率；S3：选取在未来一个月内有还款的概率大于等于预设阈值的待催收客户样本中作为语音机器人的拨打客户名单进行催收。与现有技术相比，本发明具有降低催收成本，提高催收效果的优点。

技术领域

本发明涉及信息处理技术领域，尤其是涉及一种基于机器学习的语音机器人催收方法、系统、设备及介质。

背景技术

语音机器人是目前广泛应用于电话客服、电话营销等领域的技术，相对于传统的人工拨打电话，在成本与效率上有着极为明显的优点，但是，也同样存在灵活性差、问题解决率/营销成功率低等缺点。

在银行业，通过拨打贷款或信用卡逾期、坏账客户电话督促客户还款(后文简称催收)，是直接影响银行风险与利润的重要业务场景。近年来，语音机器人在电话催收场景下，也展开了应用，而语音机器人的优缺点在催收场景下被进一步放大了。

相对于语音机器人的传统应用场景，催收场景下语音机器人面对的客户耐心更差、配合度与接听意愿更低、情况更复杂、接听情绪更负面，导致语音机器人的催收能力远低于人工拨打，限制了语音机器人在催收场景下的应用(催收能力具体而言，指被拨打客户总还款金额/总欠款金额)。通过现有的技术手段，如人工干预、改语音机器人话术等方法均不能有效提升语音机器人的催收能力。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于机器学习的语音机器人催收方法、系统、设备及介质。

本发明的目的可以通过以下技术方案来实现：

一种基于机器学习的语音机器人催收方法，包括以下步骤：

S1：筛选待催收客户样本；

S2：选取样本特征，构建预测模型并基于样本特征及待催收客户样本进行训练，所述的预测模型用于获取待催收客户样本在未来一个月内有还款的概率；

S3：选取在未来一个月内有还款的概率大于等于预设阈值的待催收客户样本中作为语音机器人的拨打客户名单进行催收。

优选地，所述的步骤S1根据客户的催收记录与还款记录筛选训练样本、正样本、负样本和预测样本。

优选地，所述的待催收客户样本基于客户样本数据进行筛选，所述的客户样本数据包括连续的第一时段、第二时段、第三时段、第四时段的客户样本，所述的第一时段、第二时段、第三时段、第四时段的时间递增。

优选地，所述的训练样本包括第一时段、第二时段、第三时段未接通任何催收电话和客服电话的客户样本，

所述的正样本包括训练样本中第四时段有还款的客户样本，

所述的负样本包括训练样本中第四时段无还款的客户样本，

所述的预测样本包括第二时段、第三时段、第四时段未接通任何催收电话和客服电话的客户样本。

优选地，所述的预测模型为xgboost模型。

优选地，所述的步骤S2中选取第三时段最后一天的变量作为样本特征。

优选地，所述的样本特征的变量类型包括还款信息、客户信息、逾期信息。

一种基于机器学习的语音机器人催收系统，包括样本获取模块、训练模块、催收模块，

所述的样本获取模块用于筛选待催收客户样本；

所述的训练模块用于选取样本特征，构建预测模型并基于样本特征及待催收客户样本进行训练，所述的预测模型用于获取待催收客户样本在未来一个月内有还款的概率；