[发明专利]自学习智能电话销售坐席助手的操作方法有效

专利信息
申请号: 201811174238.0 申请日: 2018-10-09
公开(公告)号: CN108965621B 公开(公告)日: 2021-02-12
发明(设计)人: 闫冰;秦垠峰;孙思明 申请(专利权)人: 北京智合大方科技有限公司
主分类号: H04M3/51 分类号: H04M3/51
代理公司: 北京盛凡智荣知识产权代理有限公司 11616 代理人: 刘晓晖
地址: 100089 北京市海淀*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 自学习 智能 电话 销售 坐席 助手 操作方法
【说明书】:

发明公开了自学习智能电话销售坐席助手,包括以下步骤:S1:销售人员与客户进行对话,通过机器记录对话语音并生成候选答案并向销售人员展示候选项;S2:根据销售人员的鼠标操作情况,例如鼠标点击候选项、鼠标点击展开某项的详情、鼠标停留在某项上的时间比例,计算鼠标操作相关性分数;S3:利用实时语音识别引擎转录候选项展示期间销售人员所说的话,通过通用语义相似模型计算其与候选项的语义相似度,作为销售采纳情况的相关性分数。本发明通过在线学习的方式实时更新训练样本,解决了标注数据获取和模型及时上线的问题,提高了智能电话销售坐席助手的整体表现,值得推广。

技术领域

本发明涉及销售坐席助手技术领域,尤其涉及自学习智能电话销售坐席助手的操作方法。

背景技术

在电话销售呼叫中心的销售代表工作过程中,面对新的业务问题、新的产品优势卖点等内容方面问题,销售代表现场快速的输入、搜索等获取答案,解答问题、介绍产品优势卖点。智能电话销售坐席助手通过引入实时语音识别技术和自然语音处理技术,把传统上人工听并理解、回忆、搜索的工作转化为机器实时自动提供候选答案,然后人工判断并选取结果的工作。但是机器提供高质量的候选答案需要强大的问答模型作为支撑,模型的好坏也很大程度取决于标注数据的数量与质量,但是大规模的人工标注数据成本非常高,同时由于标注需要一定的时间周期,新问答模型也无法作答实时生效,且候选答案的质量取决于标注数据的数量与质量,获得大量的人工标注数据成本高昂,而且由于标注带来的时间周期,最新问答模型也无法及时上线。

实用新型内容

本发明的目的是为了解决现有技术中存在的缺点,而提出的自学习智能电话销售坐席助手的操作方法。

为了实现上述目的,本发明采用了如下技术方案:

一种自学习智能电话销售坐席助手的操作方法,包括以下步骤:

S1:销售人员与客户进行对话,通过机器记录对话语音并生成候选答案并向销售人员展示候选项;

S2:根据销售人员的鼠标操作情况,例如鼠标点击候选项、鼠标点击展开某项的详情、鼠标停留在某项上的时间比例,计算鼠标操作相关性分数;

S3:利用实时语音识别引擎转录候选项展示期间销售人员所说的话,通过通用语义相似模型计算其与候选项的语义相似度,作为销售采纳情况的相关性分数;

S4:当候选项与销售话术足够相似时,利用通过的正负向态度判断模型,判断客户对销售话术的是否满意,得出一个满意行程度分数;

S5:综合S2,S3,S4中的分数,得出候选项与对话的相关程度(0-1之间),作为训练样本;

S6:在线学习模块实时读入训练样本,更新问答模型。

优选的,所述S1中的机器包括智能电话和实时语音识别引擎,销售人员通过智能电话与客户进行对话,并记录对话内容,实时语音识别引擎转录候选项展示期间销售人员所说的话。

优选的,所述S1中的候选项展示给销售人员观看,当机器提供候选答案时,销售人员对答案进行点击、选择以及采纳。

优选的,S6中的训练样本为机器预测出的候选答案与客户问题的相关程度的记录,通过在线学习的方式,利用这些训练样本实时更新模型。

与现有技术相比,本发明的有益效果是:

本发明通过引入一种在线学习模型,在智能电话销售坐席助手的场景下,当机器提供候选答案时,综合销售对候选答案的点击情况、销售对候选答案的实际采纳情况、销售采纳后客户对该候选答案的满意程度,预测出候选答案与客户问题的相关程度,作为训练样本,然后通过在线学习的方式,利用这些训练样本实时更新模型。

本发明通过在线学习的方式实时更新训练样本,解决了标注数据获取和模型及时上线的问题,提高了智能电话销售坐席助手的整体表现,值得推广。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京智合大方科技有限公司,未经北京智合大方科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811174238.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top