[發明專利]用戶請求的自動反饋方法、裝置及計算機設備

在審

• 申請號: 202010476979.5
• 申請日: 2020-05-29
• 公開（公告）號: CN111695872A
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 林曉燕
• 申請（專利權）人: 平安普惠企業管理有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06Q40/02;G06Q30/00;G06K9/62
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 李翔宇

本發明屬于數據處理技術領域，特別是涉及一種用戶請求的自動反饋方法、裝置及計算機設備。該方法包括：獲取客服系統處理用戶請求的歷史數據；根據向所述歷史用戶請求提供的反饋信息，標注所述用戶請求所屬的類別以生成對應的訓練數據；根據所述訓練數據，選定所述結構化數據中的一個或者多個數據作為分類特征以生成用于對用戶請求進行分類的多層樹形結構；獲取待處理用戶請求的結構化數據；通過所述多層樹形結構，確定所述待處理用戶請求所屬的類別；反饋與所述待處理用戶請求的類別對應的語音信息。本發明實施例提供的方法，其使用樹形結構對待處理任務進行分類，可以很有效的處理結構化數據并充分的展示分類過程中各項因素之間的關系。

技術領域

本發明屬于數據處理技術領域，特別是涉及一種用戶請求的自動反饋方法、裝置及計算機設備。

背景技術

無抵押產品是指不需要借款人提供額外抵押(部分產品可能有普惠擔保和/或產險信用保證險參與)即可發放的中小額貸款(如2-50萬的貸款額度)。其具有操作方便，放款快速，固定利率等的特點。通常的，現有的無抵押產品可以允許客戶進行提前結清的操作，提前結清則是指用戶在符合條件的情況下，在約定的還款日期之前償還貸款的行為。

在現有的系統平臺中，提前結清作為一項常用的功能項目。在用戶提交了相應的提前結清指令以后，只要客戶的賬戶上存有足夠的余額，系統平臺會自動的執行提前結清的操作而沒有施加任何額外的挽留操作。這樣的方式容易造成無抵押產品的提前結清比例較高，客戶的留存率低而影響無抵押產品的貸款余額的損失?？梢栽谟脩舭l起提前結清流程時，相應的增加挽留介入的流程，以達到提升留存率，降低提前結清比例的效果。

在挽留介入流程中通常會加入客服系統的語音挽留。亦即客服系統通過電話撥號等方式與客戶進行語音上的溝通，以增強挽留的效果。現有客服系統的語音挽留通?；趦煞N模式來實現：

第一種是利用深度學習或者神經網絡模型等的人工智能算法，對客戶相關的數據信息進行數據分析和挖掘，最終由計算機系統根據數據分析和挖掘的結果自行合成對應的語音信息并進行播報。

第二種是由客服坐席自行撥打電話，根據客戶的基本信息，組織相應的挽留話語，與客戶進行溝通交流。

第一種現有廣泛使用的神經網絡模型是一個黑箱模型。亦即，在訓練完成以后，僅能夠得到預測結果而無法知曉或者解釋輸入和輸出之間的模型關系。這樣的黑箱模型會導致在機器人客服播放的語音不符合客戶的實際情況時，無法快速有效的進行更正。而且，輸入和輸出之間的關系不明確也符合金融行業中關于數據評價的要求。另外，神經網絡模型或者深度學習的模型具有連續性的特點，其無法對類型值的結構化數據進行處理，需要借助“實體嵌入”等的方式進行轉換，最終得到的結果并不可靠，很難輸出最優的結果。

第二種則完全依賴于人工的客服坐席。這樣會產生巨大的工作量，需要大量的客服坐席而導致客服系統的成本直線上升。而且，客服坐席無法支持全天候的24小時工作，在許多時間段將不能使用。

發明內容

本發明實施例提供了一種用戶請求的自動反饋方法、裝置、計算機設備及存儲介質，旨在解決現有技術中客服系統無法高效率的自動反饋用戶請求的技術問題。

第一方面，本發明實施例提供了一種自動反饋方法，包括：獲取客服系統處理用戶請求的歷史數據，所述歷史數據包括用于定義歷史用戶請求的若干個結構化數據；根據向所述歷史用戶請求提供的反饋信息，標注所述用戶請求所屬的類別以生成對應的訓練數據；根據所述訓練數據，選定所述結構化數據中的一個或者多個數據作為分類特征以生成用于對用戶請求進行分類的多層樹形結構；獲取待處理用戶請求的結構化數據；通過所述多層樹形結構，確定所述待處理用戶請求所屬的類別；反饋與所述待處理用戶請求的類別對應的語音信息。

可選地，所述根據所述訓練數據，選定所述結構化數據中的一個或者多個數據作為分類特征以生成用于對用戶請求進行分類的多層樹形結構，包括：