一种智能云呼叫中心调用多厂商AI能力的调度方法与流程

本发明涉及智能云呼叫中心技术领域，特别涉及一种智能云呼叫中心的调度多厂商ai能力的调度方法。

背景技术：

随着人工智能与语音交互技术的发展与成熟，ai智能语音逐步走进消费者的生活。呼叫中心，又称客户服务中心，起源于20世纪30年代，是在一个相对集中的场所，由一批服务人员组成的服务机构。呼叫中心包含呼出型和呼入型两大类业务。呼出类型业务越来越成为市场主流业务，主动给客户拨打电话进行电话营销和市场调查，也成为市场更受欢迎的竞争手段之一。ai机器人外呼既提高了推广效率又节省了外呼推广成本，针对机动性不强的业务，企业也越来越更倾向与使用机器人外呼。

2020年我国移动电话用户总数达15.9亿户，并且持上升趋势，因此，越来越多的企业和商家开始重视电话营销，并开始重视外呼营销中的商机和必要性。呼叫中心外呼营销有众多的优点，可以准确分析客户需求、提高成交率、提升品牌形象等等。

目前，针对大量ai机器人外呼业务的项目，比较普遍的方法，是指定机器人模型外呼：创建特定的机器人外呼模型，用于匹配业务默认人工对用户外呼，模型采用问答方式，这种方式不足在于模型单一，用户体验比较生硬。多种业务场景模型时，对ai服务引擎(asr/tts/nlp)支撑并发量要求比较高，单点故障率也比较高。

此外，针对现有技术中提出了多ai厂商集成呼叫中心系统方案，在提高了ai服务并发量同时，也降低了单点故障率。由于每个ai厂商服务的并发量不同，和各ai厂商擅长的行业领域成熟度不同，导致话务营销转化率参差不齐。因此，在实际采用资源调度算法获取最优外呼资源时，如何在保证多ai服务厂商资源利用合理化(ai厂商既得利益最大化)同时，保证智能外呼质量和效率，是该技术方案要解决的问题。

对于ai智能外呼系统而言，如果能快速准确地计算出动态获取机器人路由，提高各ai服务厂商并发量利用率，既可保证各ai厂商的既得利益，也不会因为某一家ai厂商独大影响电信行业中全局利益。

技术实现要素：

本发明目的是为了解决现有技术中对呼叫中心智能外呼多服务厂商间资源调度不均，导致服务质量得不到提升的问题，提供一种基于动态统计过程调用多厂商ai能力的调度方法。

为实现上述目的，本发明采取的技术方案是：一种智能云呼叫中心调用多厂商ai能力的调度方法，其包括以下步骤：

s1：提取一定条件厂商数据，并对厂商流程标注；

s2：发起智能外呼，根据对象数据标记和算法模型，获取智能呼叫流程最大总评分，根据智能呼叫服务流程，发起呼叫；

s3：针对历史服务数据，反向计算流程服务质量，并作数据标记；

s4：根据步骤s2和步骤s3实现智能呼叫多厂商间多资源调度，选取最佳厂商路由。

进一步的，所述步骤s1中，提取数据的数据属性包含：智能呼叫流程id，所属场景，所属领域，厂商名称，厂商流程标识，预设并发量，剩余并发量，调用次数，厂商收益率，厂商领域评分，服务质量评分。

进一步的，所述步骤s2中，通过以下公式模式计算总评分，总评分值用于选择优先级：

式中，q表示t时刻智能流程优先级，值越大呼叫选择越靠前，f(p)表示t时刻厂商单位时间收益，f(u)表示t时刻智呼并发利用率，m表示t时刻服务质量，s表示t时刻领域评分，

其中：

p公式中，n表示单位数据集数，μ表示厂商收益率；u公式中，e表示单位时间并发量，e表示系统统一总并发。

进一步的，所述步骤s2中，通话结束，标记厂商服务质量，通话记录属性包括通话id、ai流程id、业务达成状态，通话时间。

进一步的，所述步骤s3中，通过下述公式计算流程服务质量：

m表示服务质量。

进一步的，所述步骤s3中，通过下述公式验证资源调度外呼算法数据标记，调整标记特征值；

其中，p表示厂商单位时间收益量，u表示某时刻并发利用率。

本发明的有益效果是：本发明具有灵活性高，处理能力强，性价比高，高稳定性等优点；具体的本发明通过迭代式算法，提高了智能外呼多厂商资源调度的灵活性，避免了固定参数算法带来的资源浪费瓶颈问题，同时也提高了智能呼叫多厂商资源调度的效率，实现合理化分配ai多厂商收益，提高了服务质量，降低了智能呼叫部署风险，保证智能语音在外呼领域中的全局利益。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1是本发明的流程算法装置图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

本发明提供一种智能云呼叫中心调用多厂商ai能力的调度方法，其步骤如下：

s1：提取一定条件厂商数据，并对厂商流程标注。

s1.1：数据属性包含：智能呼叫流程id，所属场景，所属领域，厂商名称，厂商流程标识，预设并发量，剩余并发量，调用次数，厂商收益率，厂商领域评分(5-10)，服务质量评分(0～100)。

本实施例数据用例如下：y1{1，场景1，领域1，厂商a，a001，200，50，500，0.01，9,2}y2{2，场景1，领域1，厂商b，b001，200，30，600，0.02，9,0.83}

s2：发起智能外呼，根据对象数据标记和算法模型，获取智能呼叫流程最大总评分，根据智能呼叫服务流程，发起呼叫；

q表示智能流程优先级，值越大呼叫选择越靠前；分别计算得出：

q1＝0.01*500/60+150/(200+200)+10/500*100+9＝11.121；

q2＝0.02*600/60+180/(200+200)+5/600*100+9＝10.483；

s2.1：通话结束，标记厂商服务质量，通话记录属性包括通话id，ai流程id，业务达成状态，通话时间；x(i)＝(x1,x2,...xi,...,xn)。

s3：针对历史服务数据，反向计算流程服务质量，并作数据标记。

m表示服务质量。

m1＝10/500*100＝2,m2＝5/600*100＝0.833

s3.1：验证资源调度外呼算法数据标记，调整标记特征值。

n位数据集数μ厂商收益率，p表示厂商单位时间收益量；

p1＝0.01*500/60＝0.083,p2＝0.02*600/60＝0.2。

e单位时间并发量e系统统义总并发，u表示某时刻并发利用率；

u1＝150/(200+200)＝0.38,u2＝180/(200+200)＝0.45。

s4：根据s2-3实现智能呼叫多厂商间多资源调度，选取最佳厂商路由，达到厂商并发使用最大化和外呼商业营销利益最大化。

综上，采用本算法针对历史项目的智能外呼历史记录做测试运算，各ai厂商资源调度平均占用比原来大大提升，多运营商间各场景流程调用比和市场评分必须切合度达到95％，业务服务质量也提升了1.5个百分比。经过实践，通过以上算法对历史厂商调度数据量化指标，均衡化了各ai厂商服务收益率，同时也提高了呼叫中心的总并发效率。

以上显示和描述了本发明的基本原理、主要特征和优点。本领域的普通技术人员应该了解，上述实施例不以任何形式限制本发明的保护范围，凡采用等同替换等方式所获得的技术方案，均落于本发明的保护范围内。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。