[发明专利]呼入场景下的客户行为预测方法及装置

说明书

本发明提供一种呼入场景下的客户行为预测方法及装置，属于人工智能技术领域。该方法包括：从目标客户呼叫请求中提取目标客户呼入信息；根据目标客户呼入预测规则确定目标客户呼入信息对应的目标客户预测行为以推送对应的语音问题供客户选择；创建目标客户呼入预测规则包括：根据各目标客户呼入信息构建各目标客户特征数据后输入基于客户行为预测网络模型架构创建的客户行为预测网络模型中得到各目标客户预测行为，根据各目标客户呼入信息与各目标客户预测行为的对应关系创建目标客户呼入预测规则；客户行为预测网络模型架构通过客户特征搜索数据构建。本发明可以有效进行客户行为预测，精准定位客户诉求，降低客户呼入场景中人工客服的压力。

技术领域

本发明涉及人工智能技术领域，具体地，涉及一种呼入场景下的客户行为预测方法及装置。

背景技术

目前业界智能技术发展迅速，人工智能和语音识别的识别能力几乎接近真人场景，语音合成和视频合成技术更是高拟人化，全球各大互联网企业均已步入智能化时代，通过建设全渠道、全媒体、全流程智能服务平台实现智能化转型。另一方面，传统机器学习领域对于新场景开拓需要专业的机器学专家花费大量的精力进行算法和模型的构建和选择，对于非领域专业的其他从业人员设立了较高的门槛。

随着机器学习领域发展到新的阶段，NAS(Neural Architecture Search)技术出现，模型构建等重要步骤变得自动化，使得机器学习模型不需要过多的专业人员干预即可应用。NAS是机器学习领域深度神经网络技术一种自动化建模方法，AI一边学习了解大量的用户问题，一边学习记录用户行为轨迹及画像特征，再把两者结合建立搜索匹配模型，模型整体架构确认后，基于客户数据完成整体模型的训练。

呼入场景中“未答先知”功能实现的核心功能点在于准确预测当前通话中客户的行为信息。然而目前的呼入场景领域中往往采用传统规则匹配方法，尚未对客户特征进行有效建模，对用户特征判别单一，客户行为预测精度低，无法有效地进行客户行为筛选，无法精准定位客户诉求，导致客户呼入场景中转人工的数量激增，呼入人工客服压力较大。

发明内容

本发明实施例的主要目的在于提供一种呼入场景下的客户行为预测方法及装置，以有效进行客户行为预测，精准定位客户诉求，大幅提升智能问答效率，降低客户呼入场景中人工客服的压力。

为了实现上述目的，本发明实施例提供一种呼入场景下的客户行为预测方法，包括：

获取目标客户呼叫请求，从目标客户呼叫请求中提取目标客户呼入信息；

根据目标客户呼入预测规则确定目标客户呼入信息对应的目标客户预测行为，根据目标客户预测行为推送对应的语音问题供客户选择；其中，创建目标客户呼入预测规则的步骤包括：根据各目标客户呼入信息构建各目标客户特征数据，将各目标客户特征数据输入基于客户特征模型数据和客户行为预测网络模型架构创建的客户行为预测网络模型中，得到各目标客户预测行为，根据各目标客户呼入信息与各目标客户预测行为的对应关系创建目标客户呼入预测规则；客户行为预测网络模型架构通过客户特征训练搜索数据和客户特征验证搜索数据构建。

本发明实施例还提供一种呼入场景下的客户行为预测装置，包括：

目标客户呼入信息提取模块，用于信息获取目标客户呼叫请求，从目标客户呼叫请求中提取目标客户呼入信息；

预测行为确定模块，用于根据目标客户呼入预测规则确定所述目标客户呼入信息对应的目标客户预测行为，根据目标客户预测行为推送对应的语音问题供客户选择；其中，创建目标客户呼入预测规则的步骤包括：根据各目标客户呼入信息构建各目标客户特征数据，将各目标客户特征数据输入基于客户特征模型数据和客户行为预测网络模型架构创建的客户行为预测网络模型中，得到各目标客户预测行为，根据各目标客户呼入信息与各目标客户预测行为的对应关系创建目标客户呼入预测规则；客户行为预测网络模型架构通过客户特征训练搜索数据和客户特征验证搜索数据构建。