[發明專利]呼入場景下的客戶行為預測方法及裝置

在審

• 申請號: 202110404116.1
• 申請日: 2021-04-15
• 公開（公告）號: CN113095879A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 牟樹根;劉宏浩;高寶印;劉莎
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F16/33;G06F16/332;G06N3/04;G06N3/08
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 任默聞;王濤

本發明提供一種呼入場景下的客戶行為預測方法及裝置，屬于人工智能技術領域。該方法包括：從目標客戶呼叫請求中提取目標客戶呼入信息；根據目標客戶呼入預測規則確定目標客戶呼入信息對應的目標客戶預測行為以推送對應的語音問題供客戶選擇；創建目標客戶呼入預測規則包括：根據各目標客戶呼入信息構建各目標客戶特征數據后輸入基于客戶行為預測網絡模型架構創建的客戶行為預測網絡模型中得到各目標客戶預測行為，根據各目標客戶呼入信息與各目標客戶預測行為的對應關系創建目標客戶呼入預測規則；客戶行為預測網絡模型架構通過客戶特征搜索數據構建。本發明可以有效進行客戶行為預測，精準定位客戶訴求，降低客戶呼入場景中人工客服的壓力。

技術領域

本發明涉及人工智能技術領域，具體地，涉及一種呼入場景下的客戶行為預測方法及裝置。

背景技術

目前業界智能技術發展迅速，人工智能和語音識別的識別能力幾乎接近真人場景，語音合成和視頻合成技術更是高擬人化，全球各大互聯網企業均已步入智能化時代，通過建設全渠道、全媒體、全流程智能服務平臺實現智能化轉型。另一方面，傳統機器學習領域對于新場景開拓需要專業的機器學專家花費大量的精力進行算法和模型的構建和選擇，對于非領域專業的其他從業人員設立了較高的門檻。

隨著機器學習領域發展到新的階段，NAS(Neural Architecture Search)技術出現，模型構建等重要步驟變得自動化，使得機器學習模型不需要過多的專業人員干預即可應用。NAS是機器學習領域深度神經網絡技術一種自動化建模方法，AI一邊學習了解大量的用戶問題，一邊學習記錄用戶行為軌跡及畫像特征，再把兩者結合建立搜索匹配模型，模型整體架構確認后，基于客戶數據完成整體模型的訓練。

呼入場景中“未答先知”功能實現的核心功能點在于準確預測當前通話中客戶的行為信息。然而目前的呼入場景領域中往往采用傳統規則匹配方法，尚未對客戶特征進行有效建模，對用戶特征判別單一，客戶行為預測精度低，無法有效地進行客戶行為篩選，無法精準定位客戶訴求，導致客戶呼入場景中轉人工的數量激增，呼入人工客服壓力較大。

發明內容

本發明實施例的主要目的在于提供一種呼入場景下的客戶行為預測方法及裝置，以有效進行客戶行為預測，精準定位客戶訴求，大幅提升智能問答效率，降低客戶呼入場景中人工客服的壓力。

為了實現上述目的，本發明實施例提供一種呼入場景下的客戶行為預測方法，包括：

獲取目標客戶呼叫請求，從目標客戶呼叫請求中提取目標客戶呼入信息；

根據目標客戶呼入預測規則確定目標客戶呼入信息對應的目標客戶預測行為，根據目標客戶預測行為推送對應的語音問題供客戶選擇；其中，創建目標客戶呼入預測規則的步驟包括：根據各目標客戶呼入信息構建各目標客戶特征數據，將各目標客戶特征數據輸入基于客戶特征模型數據和客戶行為預測網絡模型架構創建的客戶行為預測網絡模型中，得到各目標客戶預測行為，根據各目標客戶呼入信息與各目標客戶預測行為的對應關系創建目標客戶呼入預測規則；客戶行為預測網絡模型架構通過客戶特征訓練搜索數據和客戶特征驗證搜索數據構建。

本發明實施例還提供一種呼入場景下的客戶行為預測裝置，包括：

目標客戶呼入信息提取模塊，用于信息獲取目標客戶呼叫請求，從目標客戶呼叫請求中提取目標客戶呼入信息；

預測行為確定模塊，用于根據目標客戶呼入預測規則確定所述目標客戶呼入信息對應的目標客戶預測行為，根據目標客戶預測行為推送對應的語音問題供客戶選擇；其中，創建目標客戶呼入預測規則的步驟包括：根據各目標客戶呼入信息構建各目標客戶特征數據，將各目標客戶特征數據輸入基于客戶特征模型數據和客戶行為預測網絡模型架構創建的客戶行為預測網絡模型中，得到各目標客戶預測行為，根據各目標客戶呼入信息與各目標客戶預測行為的對應關系創建目標客戶呼入預測規則；客戶行為預測網絡模型架構通過客戶特征訓練搜索數據和客戶特征驗證搜索數據構建。