基于意图识别及画像智能匹配的外呼方法及系统与流程

1.本发明涉及软件开发技术领域，特别涉及一种基于意图识别及画像智能匹配的外呼方法及系统。


背景技术：

2.传统的催收工作通常是催收工作人员通过电话、短信等方式触达客户，完成催收工作。但纯人工的催收方式，不仅需要催收人员针对客户做大量的前期准备工作，而且也只能对多个客户依次进行，效率方面存在不足。近年来兴起的机器人催收，可以在指定的时间同时对多名客户进行多轮次的催款通知。机器人催收的出现有效提高了催收工作人员在催款通知方面的工作效率。
3.单纯的人工催收，需要催收工作人员有较高的熟练度。针对各个不同的客户，催员都需充分了解客户的基本情况，针对不同的客户情况，采取不同的催收策略。此外，在多客户的催收工作执行上，人工催收只能依次进行，无法大批量同时推进，催收效率不高。而机器人催收虽然能够帮助催员显著提高催收工作在告知客户还款信息方面的效率，但是却无法与客户进行深度、多方面的沟通交流，与客户的交互度不高。


技术实现要素：

4.基于此，有必要提供一种基于意图识别及画像智能匹配的人机结合外呼方法及系统。
5.本发明实施例一方面提供一种基于意图识别及画像智能匹配的外呼方法，包括以下步骤：
6.用机器人发起对外呼叫；
7.对客户的语音内容进行实时识别；
8.生成转人工意图标签；
9.当语音内容命中转人工意图标签时，触发转人工操作；
10.生成人工坐席的画像标签；
11.生成客户的画像标签；
12.自动搜寻空闲的人工坐席；
13.将所述人工坐席的画像标签与所述客户的画像标签配对；
14.当所述人工坐席空闲，且所述人工坐席的画像标签与所述客户的画像标签匹配时，自动将所述客户分配给所述人工坐席。
15.优选地，生成转人工意图标签，包括以下步骤：
16.配置意图标签名称；
17.配置意图标签对应的语音文本单词向量；
18.配置意图标签是否为实时转人工标签及是否启用。
19.优选地，当语音内容命中转人工意图标签时，触发转人工操作，包括以下步骤：
20.将客户的语音内容实时转换成语音对话文本；
21.将所述语音对话文本与所述转人工意图标签相对比；
22.若所述语音对话文本与所述语音文本单词向量匹配时，触发转人工操作。
23.优选地，生成画像标签，包括以下步骤：
24.配置画像标签基本信息；
25.配置画像标签计算规则；
26.实时由所述画像标签计算规则得出新的画像标签；
27.更新所述画像标签。
28.优选地，所述画像标签基本信息包括标签名称、标签是否启用、标签类别。
29.优选地，配置所述画像标签计算规则时，所述人工坐席画像标签和所述客户画像标签分别设置计算规则；根据所述客户基本信息，由配置的标签计算规则计算得到客户画像向量；所述人工坐席为催员，根据已完成的催收和回款成功的客户信息，由配置的标签计算规则计算得到催员画像向量。
30.优选地，通过匹配向量计算规则计算匹配向量，计算得出与客户画像向量最匹配的催员画像向量；输出催员坐席号给转人工单元进行转人工操作。
31.优选地，所述匹配向量计算规则如下：
32.设x＝(x1,x2,
…
,xn)为客户画像向量，为催员画像向量矩阵，f(x,y)为匹配计算函数，s＝(s1,s2,
…
,sm)为匹配向量，其中n为客户画像标签的数量，m为催员的数量，xn表示客户在某个已配置标签的向量值大小，y
nm
表示第m个催员在已配标签n上的催员画像向量值大小；在本发明中采用的s＝f(x,y)表达式如下：
[0033][0034]
因此，经匹配计算函数计算后，可得到匹配向量，其中匹配向量中值最小的项，即为最佳匹配催员。
[0035]
优选地，转人工坐席时，机器人输出机器人与所述客户的语音内容，并将其转给匹配好的人工坐席。
[0036]
本发明还提供一种基于意图识别及画像智能匹配的打电话的系统，包括
[0037]
外呼单元，用于自动对外呼叫，并自动记录外呼语音内容；
[0038]
语音文本实时转换单元，将语音内容实时转换成文本内容；
[0039]
意图配置单元，配置意图标签，并对每个意图标签设置对应匹配的语音文本内容和是否转人工标签；
[0040]
意图实时识别单元，通过所述文本内容识别客户的意图；
[0041]
画像分析单元，实时更新客户画像标签及人工坐席画像标签；
[0042]
画像匹配引擎，对所述客户画像标签和人工坐席画像标签进行配对；
[0043]
转人工单元，当客户意图触发转人工单元后，根据所述画像匹配引擎的输出结果将客户分配给合适的人工坐席。
[0044]
本发明提供的基于意图识别及画像智能匹配的外呼方法及系统技既能提高打电话催款的效率，还能与人工结合，保证打电话催款的效果。
附图说明
[0045]
通过附图中所示的本发明优选实施例更具体说明，本发明上述及其它目的、特征和优势将变得更加清晰。在全部附图中相同的附图标记指示相同的部分，且并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本的主旨。
[0046]
图1为基于意图识别及画像智能匹配的外呼方法的整体流程图；
[0047]
图2为本发明的意图识别标签配置流程图；
[0048]
图3为本发明的画像标签配置流程图；
[0049]
图4为本发明的画像生成与匹配流程图；
[0050]
图5为本发明的基于意图识别及画像智能匹配的打电话的系统的结构框图。
具体实施方式
[0051]
下面结合附图和具体实施例对本发明技术方案作进一步的详细描述，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
[0052]
如图1-5所示，本发明实施例一方面提供一种基于意图识别及画像智能匹配的外呼方法，包括以下步骤：
[0053]
参考图1，用机器人发起对外呼叫；机器人发起外呼的时间、次数、语音模板及客户类型均由业务人员预先对机器人进行设置。除了预先设置发起外呼时间的方式，业务人员也可以直接采用手工批量发起机器人外呼的方式。
[0054]
对客户的语音内容进行实时识别；
[0055]
生成转人工意图标签；
[0056]
当语音内容命中转人工意图标签时，触发转人工操作；
[0057]
生成人工坐席的画像标签；
[0058]
生成客户的画像标签；
[0059]
自动搜寻空闲的人工坐席；
[0060]
将所述人工坐席的画像标签与所述客户的画像标签配对；
[0061]
当所述人工坐席空闲，且所述人工坐席的画像标签与所述客户的画像标签匹配时，自动将所述客户分配给所述人工坐席。
[0062]
相较于催员依次对客户进行催收，机器人的催收可以一次性对多个客户同时进行，而将人工与机器人结合的催收方法在保持与客户充分沟通的情况下，还可以提高整体催收工作的效率。除此之外，基于意图识别的人机结合催收方法可以将需要人工介入的催收通话及时转接给人工坐席，优化催员工作内容，让催员专注于与客户沟通进行回款催收工作，而不仅是给客户去电完成催款通知的工作。适时的转人工服务，能够弥补机器人催收在与客户交互性方面的不足，让催员与客户进行多方面、深层次的对话沟通，使催员充分了解客户的还款意愿和能力。基于画像数据的智能匹配可以让催员对其最擅长的客户类型进
行催收，降低催员对客户案件上手难度的同时，提高催员催收工作的质量和贷款的回款率。
[0063]
参考图2，在优选实施例中，生成转人工意图标签，包括以下步骤：
[0064]
配置意图标签名称；
[0065]
配置意图标签对应的语音文本单词向量；
[0066]
配置意图标签是否为实时转人工标签及是否启用。
[0067]
在优选实施例中，当语音内容命中转人工意图标签时，触发转人工操作，包括以下步骤：
[0068]
将客户的语音内容实时转换成语音对话文本；
[0069]
将所述语音对话文本与所述转人工意图标签相对比；
[0070]
若所述语音对话文本与所述语音文本单词向量匹配时，触发转人工操作。
[0071]
在机器人与客户的去电通话过程中，语音文本实时转换单元会将语音对话内容实时转换成语音对话文本，得到的语音对话文本会输入意图实时识别单元进行意图标签的识别，若命中转人工标签，则会触发实时转人工单元的转人工功能。客户的意图识别需要预先进行意图标签的配置，具体的意图标签配置流程如图2所示，流程描述如下：
[0072]
(2a)配置意图标签名称，每个意图名称有其唯一的意图名称，不与其他意图重复。
[0073]
(2b)配置意图标签对应的语音文本单词向量，用于与语音文本内容进行比对，判断语音文本内容是否命中标签。
[0074]
(2c)设置意图标签是否为转人工意图标签、是否启用，若标签为转人工意图标签且启用状态为启用，则当语音文本内容命中该标签时会触发转人工功能。
[0075]
参考图3，在优选实施例中，生成画像标签，包括以下步骤：
[0076]
配置画像标签基本信息；
[0077]
配置画像标签计算规则；
[0078]
实时由所述画像标签计算规则得出新的画像标签；
[0079]
更新所述画像标签。
[0080]
在优选实施例中，所述画像标签基本信息包括标签名称、标签是否启用、标签类别。
[0081]
在优选实施例中，配置所述画像标签计算规则时，所述人工坐席画像标签和所述客户画像标签分别设置计算规则；根据所述客户基本信息，由配置的标签计算规则计算得到客户画像向量；所述人工坐席为催员，根据已完成的催收和回款成功的客户信息，由配置的标签计算规则计算得到催员画像向量。
[0082]
命中转人工意图，寻找空闲且画像最佳匹配的催员坐席。在进行画像标签匹配之前，需要先对客户与催员的画像进行画像标签的配置，该配置流程如图3所示，流程描述如下：
[0083]
(3a)配置画像标签的基本信息，包括标签名称、标签是否启用、标签类别等。
[0084]
(3b)配置画像标签的计算规则，需要分别设置催员画像与客户画像的计算规则。
[0085]
(3c)画像标签的计算规则配置后，需要将该规则导入到画像分析单元中，以便计算客户与催员在该画像标签的计算得分。
[0086]
(3d)计算规则导入画像分析单元后，需要更新画像匹配引擎。引擎更新后，下一次转人工时的催员与客户画的匹配即可采用最新的标签进行匹配。
[0087]
在优选实施例中，通过匹配向量计算规则计算匹配向量，计算得出与客户画像向量最匹配的催员画像向量；输出催员坐席号给转人工单元进行转人工操作。
[0088]
参考图4，在优选实施例中，在配置完画像标签且更新画像匹配引擎后，实时转人工单元便可正常使用画像匹配引擎来找到与客户最佳匹配的空闲催员坐席，具体的画像生成及匹配流程如图4所示，流程描述如下：
[0089]
(3a)计算客户画像向量和催员画像向量。其中客户画像向量根据客户基本信息，由配置的标签计算规则计算得到。其中催员画像向量根据催员已完成催收且回款成功的客户信息，由配置的标签计算规则计算得到。催员画像向量生成之后，可以得到一个催员画像矩阵，用于后续输入画像匹配引擎计算。客户画像向量和催员画像向量通常是t-1日根据存量数据由系统定时任务生成，无需实时计算。
[0090]
(3b)实时转人工单元根据客户唯一标识找到客户画像向量，将该客户画像向量和催员画像矩阵输入到画像匹配引擎寻找最佳匹配空闲催员坐席。所述匹配向量计算规则如下：
[0091]
设x＝(x1,x2,
…
,xn)为客户画像向量，为催员画像向量矩阵，f(x,y)为匹配计算函数，s＝(s1,s2,
…
,sm)为匹配向量，其中n为客户画像标签的数量，m为催员的数量，xn表示客户在某个已配置标签的向量值大小，y
nm
表示第m个催员在已配标签n上的催员画像向量值大小；在本发明中采用的s＝f(x,y)表达式如下：
[0092][0093]
因此，经匹配计算函数计算后，可得到匹配向量，其中匹配向量中值最小的项，即为最佳匹配催员。
[0094]
在优选实施例中，转人工坐席时，机器人输出机器人与所述客户的语音内容，并将其转给匹配好的人工坐席。
[0095]
催员结束与客户通话，整理催收内容，结束本次催收工作。
[0096]
参考图5，本发明还提供一种基于意图识别及画像智能匹配的打电话的系统，包括
[0097]
外呼单元，用于自动对外呼叫，并自动记录外呼语音内容；
[0098]
语音文本实时转换单元，将语音内容实时转换成文本内容；
[0099]
意图配置单元，配置意图标签，并对每个意图标签设置对应匹配的语音文本内容和是否转人工标签；
[0100]
意图实时识别单元，通过所述文本内容识别客户的意图；
[0101]
画像分析单元，实时更新客户画像标签及人工坐席画像标签；
[0102]
画像匹配引擎，对所述客户画像标签和人工坐席画像标签进行配对；
[0103]
转人工单元，当客户意图触发转人工单元后，根据所述画像匹配引擎的输出结果将客户分配给合适的人工坐席。
[0104]
本发明提供的基于意图识别及画像智能匹配的打电话的系统主要利用意图识别和画像数据匹配两种手段进行实现。在机器人与客户的对话过程中，实时将客户的语音内容转化为语音文本，与预设的语义关键词进行匹配识别，从而实现客户的意图识别。当客户的意图命中了预设的转人工关键词时，该通电话将实时转接给与该客户画像数据最佳匹配的催员，后续催收工作由催员继续进行。在与客户进行通话的过程中，催员能充分了解客户的还款意愿和还款能力，给客户提供更人性化的催收服务。因此，本发明主要由意图识别模块和画像模块两大模块来进行催员、客户和机器人三者的智能匹配，实现人机结合催收。
[0105]
意图识别模块主要包括了意图配置单元、语音文本实时转换单元、意图实时识别单元和实时转人工单元。其中语音文本实时转换单元的作用是将机器人与客户的语音通话内容转化为语音文本内容，用于后续的意图识别。意图配置单元的作用是配置意图标签，其中每个意图标签可以设置对应匹配的语音文本内容和是否转人工标签。意图实时识别单元的作用是将实时输入的语音文本内容进行识别，检查输入内容是否命中已配置的意图标签。实时转人工单元的作用是将命中转人工标签的通话经过画像模块的画像匹配引擎分析后实时转接给最佳匹配的空闲催员坐席。
[0106]
画像模块主要包括了客户画像分析单元、催员画像分析单元、画像匹配引擎和画像标签配置单元。其中画像标签配置单元的作用是配置画像标签的计算规则和名称，用于画像分析单元生成客户和催员的画像标签。客户画像分析单元的作用是根据客户的年龄、逾期时间、逾期金额、性别、户籍地区等客户基本信息和已配置的画像标签计算规则生成已配置的画像标签。催员画像分析单元的作用是根据催员已完成催收案件且回款成功的客户年龄、逾期时间、逾期金额、性别、户籍地区等信息和已配置的画像标签计算规则生成已配置的画像标签。画像匹配引擎的作用是基于画像数据，计算出与输入客户最为匹配的催员。
[0107]
下面结合具体实施例对本发明作进一步说明。
[0108]
步骤一：业务人员对机器人进行配置。业务人员可对机器人发起外呼的时间、次数、语音模板和客户类型等进行设置。如设置机器人发起外呼的时间为每日的9:00，每日外呼次数为3次，每次间隔2小时，语音模板为“***先生您好，您的账号已逾期***元，请问您计划什么时候还款？”，客户类型为1-3天逾期客户类型。
[0109]
步骤二：业务人员对客户意图进行配置。如业务人员配置了名称为“拒绝还款”的意图标签，并设置该标签为转人工标签，设置启用状态为启用，设置该标签对应的语音文本单词向量为(“不还了”，“没钱”)。
[0110]
步骤三：业务人员对画像标签进行配置。如业务人员配置了名称为“18-35岁”、“36-50岁”、“大于51岁”的画像标签，并设置了启用状态为启用，标签类别为年龄，可得到客户画像向量为x＝(x1,x2,x3)，其中x1为“18-35岁”标签、x2为“36-50岁”标签、x3为“大于51岁”标签。配置完基本属性后，业务人员继续配置了以上标签对于催员画像与客户画像的计算规则。假设一催员已完成催收且回款成功的客户共有10个，年龄18-35岁的有3个，36-50岁的有6个，大于51岁的有1个，则该催员的催员画像为y＝(y1,y2,y3)＝(0.3,0.6,0.1)，其中y1为“18-35岁”标签、y2为“36-50岁”标签、y3为“大于51岁”标签。画像标签的计算规则配置后，将该规则导入到画像分析单元中并更新画像匹配引擎。
[0111]
步骤四：机器人进行外呼。机器人根据预设的外呼时间对客户进行外呼，若按步骤一中设置的机器人规则，那么每日的9:00、11:00、13:00机器人会对逾期1-3天的客户进行
外呼催收。除了预设外呼时间方式，业务人员也可手工批量发起机器人外呼，对指定客户进行机器人外呼催收。
[0112]
步骤五：机器人识别到转人工意图，进行转人工。根据步骤二中的配置，若在机器人与客户的通话过程中，发生以下对话，则会触发转人工机制：
[0113]
机器人：“***先生您好，您的账号已逾期***元，请问您计划什么时候还款？”客户：“我没钱，不打算还了。”[0114]
机器人：“您的情况我了解了，稍后将由专业人员为您服务”[0115]
步骤六：触发转人工后，开始寻找与客户最佳匹配的空闲催员坐席。假设当前客户的年龄为25岁，根据步骤三中配置的画像规则，则该客户的客户画像向量为x＝(1,0,0)。假设有3个空闲坐席催员，他们的催员画像向量依次为y1＝(0.3,0.6,0.1)、y2＝(0.5,0.3,0.2)、y3＝(0.7,0.2,0.1)，则催员画像矩阵经s＝xy计算后可得s＝(s1,s2,s3)＝(0.44,0.81,0.95)，因此催员3即为最佳匹配催员，此通对话将转接给催员坐席3。
[0116]
步骤七：催员与客户通话，结束通话后进行催收工作整理。
[0117]
本发明提供的基于意图识别及画像智能匹配的外呼方法及系统技既能提高打电话催款的效率，还能与人工结合，保证打电话催款的效果。
[0118]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。