[發(fā)明專利]可配置業(yè)務(wù)邏輯的模型自迭代式智能客服質(zhì)檢系統(tǒng)與方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202111026325.3
• 申請(qǐng)日: 2021-09-02
• 公開（公告）號(hào): CN113468296B
• 公開（公告）日: 2022-05-03
• 發(fā)明（設(shè)計(jì)）人: 孫躍剛
• 申請(qǐng)（專利權(quán)）人: 杭州實(shí)在智能科技有限公司
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F16/332;G06F16/35;G06Q30/00
• 代理公司: 杭州云睿專利代理事務(wù)所(普通合伙) 33254
• 代理人: 張驍敏

本發(fā)明公開了一種可配置業(yè)務(wù)邏輯的模型自迭代式智能客服質(zhì)檢系統(tǒng)與方法，由RPA數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、預(yù)測(cè)服務(wù)模塊、規(guī)則匹配模塊、業(yè)務(wù)邏輯模塊、申訴復(fù)核模塊、模型自訓(xùn)練模塊等七個(gè)部分組成，通過模型和規(guī)則設(shè)定，對(duì)全部服務(wù)過程進(jìn)行自動(dòng)化檢測(cè)；實(shí)時(shí)對(duì)結(jié)構(gòu)化和非結(jié)構(gòu)化內(nèi)容進(jìn)行解析，模型實(shí)時(shí)輸出質(zhì)檢結(jié)果；該系統(tǒng)可預(yù)設(shè)各種服務(wù)預(yù)警模型，在服務(wù)過程中對(duì)服務(wù)者進(jìn)行提醒對(duì)管理者進(jìn)行預(yù)警；該系統(tǒng)配有可視化數(shù)據(jù)展示和分析，及時(shí)了解質(zhì)檢問題分布，以及問題發(fā)展趨勢(shì)。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，特別涉及一種可配置業(yè)務(wù)邏輯的模型自迭代式智能客服質(zhì)檢系統(tǒng)與方法。

背景技術(shù)

客戶服務(wù)(以下簡(jiǎn)稱“客服”)對(duì)一個(gè)企業(yè)的運(yùn)營(yíng)和發(fā)展至關(guān)重要，客服質(zhì)檢能幫助企業(yè)檢測(cè)服務(wù)質(zhì)量，查找服務(wù)問題，進(jìn)而更好地培訓(xùn)技能，提升客服人員的服務(wù)水平。隨著企業(yè)的發(fā)展與擴(kuò)大，傳統(tǒng)人工質(zhì)檢無(wú)法應(yīng)對(duì)與日俱增的業(yè)務(wù)數(shù)據(jù)，且傳統(tǒng)質(zhì)檢方式的弊端也越來(lái)越明顯，例如人工審核無(wú)法形成嚴(yán)格統(tǒng)一的機(jī)制，導(dǎo)致質(zhì)檢準(zhǔn)確率因人而異。

一般來(lái)說(shuō)，傳統(tǒng)的人工客服質(zhì)檢系統(tǒng)都會(huì)存在以下四個(gè)痛點(diǎn)：一是客觀性，人為的考核和評(píng)分無(wú)法做到完全的客觀無(wú)誤；二是規(guī)范性，由于人工質(zhì)檢會(huì)比較強(qiáng)地依賴質(zhì)檢員自身的主觀判斷，故很難就質(zhì)檢本身進(jìn)行規(guī)范化、標(biāo)準(zhǔn)化；三是全面性，很難做到對(duì)每一個(gè)客服人員的每一通電話進(jìn)行考核；四是實(shí)時(shí)性，管理人員很難在第一時(shí)間察覺問題并及時(shí)介入，這會(huì)使企業(yè)錯(cuò)失同消費(fèi)者進(jìn)行健康溝通的最佳時(shí)機(jī)，嚴(yán)重影響了客服整體服務(wù)質(zhì)量。

近年來(lái)科技的發(fā)展帶動(dòng)質(zhì)檢技術(shù)從人工逐漸向智能技術(shù)靠攏，第二代質(zhì)檢產(chǎn)品主要以規(guī)則匹配為主，通過關(guān)鍵詞匹配判斷是否合規(guī)，相較于人工質(zhì)檢，大大提高了質(zhì)檢效率，有一套完整的規(guī)則規(guī)范，可以做到全面質(zhì)檢、實(shí)時(shí)質(zhì)檢，但是規(guī)則匹配法無(wú)法進(jìn)行有效的語(yǔ)義理解，常常造成誤檢漏檢，因此準(zhǔn)確率較低。

隨著機(jī)器學(xué)習(xí)等技術(shù)不斷發(fā)展，智能質(zhì)檢(Intelligent Speech Analysis)目前通常使用自然語(yǔ)言處理方法和預(yù)定義規(guī)則，分析呼叫中心場(chǎng)景下客服人員與客戶的對(duì)話，實(shí)現(xiàn)全量、實(shí)時(shí)的客服質(zhì)量檢查，降低質(zhì)檢成本，提高客服質(zhì)量，提升客戶滿意度。

基于深度學(xué)習(xí)的自然語(yǔ)言處理技術(shù)日益成熟，自然語(yǔ)言處理技術(shù)能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語(yǔ)言進(jìn)行有效通信的各種理論和方法。基于BERT的預(yù)訓(xùn)練模型可以捕獲真正意義上的雙向上下文語(yǔ)義，從而完成標(biāo)簽分類、意圖識(shí)別、機(jī)器翻譯等任務(wù)。在線客服可以直接通過語(yǔ)義訓(xùn)練完成質(zhì)檢，熱線客服則需要多一道語(yǔ)音轉(zhuǎn)換流程。

由于自然語(yǔ)言處理和語(yǔ)音轉(zhuǎn)換技術(shù)在實(shí)際過程中與實(shí)際語(yǔ)義有出入，因此除算法模型外往往還會(huì)預(yù)定義一套規(guī)則匹配，配合算法模型以達(dá)到預(yù)期準(zhǔn)確率。

配置完成的智能質(zhì)檢模型能夠?qū)λ蟹?wù)過程產(chǎn)生的數(shù)據(jù)進(jìn)行全量的智能分析，擺脫質(zhì)檢員數(shù)量、個(gè)體主觀差異的限制，針對(duì)全量的服務(wù)數(shù)據(jù)進(jìn)行自動(dòng)化質(zhì)檢，全面挖掘服務(wù)數(shù)據(jù)的價(jià)值，能夠?qū)崿F(xiàn)熱線電話一掛斷，立刻觸發(fā)語(yǔ)音轉(zhuǎn)換并進(jìn)行質(zhì)檢；會(huì)話一切斷，即實(shí)時(shí)生成質(zhì)檢結(jié)果，通過靈活的規(guī)則配置、業(yè)務(wù)邏輯配置，覆蓋多個(gè)復(fù)雜的業(yè)務(wù)場(chǎng)景。成本低，覆蓋全，質(zhì)檢結(jié)果響應(yīng)及時(shí)，大大提升了企業(yè)的服務(wù)水平。

智能質(zhì)檢可以有效避免人工質(zhì)檢的痛點(diǎn)，但由于算法模型訓(xùn)練與實(shí)際語(yǔ)義總是會(huì)存在差異，新的問題隨之產(chǎn)生，具體包含以下問題：

1、質(zhì)檢系統(tǒng)與客服系統(tǒng)數(shù)據(jù)對(duì)接復(fù)雜度高；

2、單點(diǎn)質(zhì)檢無(wú)法解決復(fù)雜邏輯的業(yè)務(wù)；

3、質(zhì)檢算法準(zhǔn)確率比較固化，一旦交付，就無(wú)法再優(yōu)化提升；

4、質(zhì)檢任務(wù)固化，無(wú)法適應(yīng)新場(chǎng)景新需求，如針對(duì)不同的業(yè)務(wù)需要重新配置質(zhì)檢模型、新增業(yè)務(wù)場(chǎng)景或者新增質(zhì)檢任務(wù)等；

5、深度學(xué)習(xí)模型訓(xùn)練一般用時(shí)較長(zhǎng)，GPU使用內(nèi)存較大。

發(fā)明內(nèi)容