[发明专利]基于AUTOML框架的外呼接通率提升方法和装置

说明书

本发明提供了一种基于AUTOML框架的外呼接通率提升方法和装置，涉及电话外呼技术领域，可用于金融领域，方法包括：获取外呼客户的信息数据；根据外呼客户前一日内是否接通过外呼电话，将外呼客户分类至正负样本集中；基于正负样本集来采用AUTOML框架算法进行自动化特征挑选、自动化模型选择以及模型超参数优化，得到外呼客户筛选模型；将待外呼客户名单输入至外呼客户筛选模型得到筛选后的外呼名单；基于所筛选后的外呼名单进行电话外呼。本申请有利于减少数据分析师在建立外呼客户筛选模型时耗费大量人力去进行特征的提取和筛选、模型的对比以及建模参数的处理，可以在降低数据分析师大量人力资本的同时提高外呼的接通率。

技术领域

本发明涉及电话外呼技术领域，可用于金融领域，尤其涉及一种基于AUTOML框架的外呼接通率提升方法和装置。

背景技术

现有电话外呼营销的方式主要是收集客户的姓名及手机号码，经过简单的年龄或姓氏分类后，无差别的对全量客户进行外呼，投入的人力成本和外呼资源成本都很大而外呼的成功率却非常低。随着大数据挖掘技术和人工智能技术的高速发展，如何利用这些技术提高外呼的成功率,以及进一步降低投入的人力及外呼资源成为亟需解决的一项课题。

传统机器外呼方式缺少对客户接受程度的分析，随机外拨并营销产品给所有客户容易造成部分客户反感，而对客户接受程度进行分析又涉及大数据及机器学习领域，对数据分析人员要求较高、流程复杂且持续时间长，需要完成手工数据筛选、手工清洗、特征衍生、特征工程、模型训练、模型调参等全流程。数据分析全流程涉及到多个阶段，每个分析阶段又包含了多种方法，需要数据分析人员了解每个阶段中每个方法的适用场景、运行原理以及超参数调优技巧，并通过不断尝试各种算法模型，反复迭代和试错，最终针对实际业务数据特征，设计性能优异的机器学习流水线。因此，现有技术开发一个高效的全流程的外呼数据分析模型具有技术难度大、严重依赖专家经验等问题。

发明内容

有鉴于此，本发明提供一种基于AUTOML框架的外呼接通率提升方法和装置，以解决上述提及的至少一个问题。

为了实现上述目的，本发明采用以下方案：

根据本发明的第一方面，提供一种基于AUTOML框架的外呼接通率提升方法，所述方法包括：获取外呼客户的信息数据；根据所述外呼客户前一日内是否接通过外呼电话，将所述外呼客户分类至正负样本集中；基于所述正负样本集来采用AUTOML框架算法进行自动化特征挑选、自动化模型选择以及模型超参数优化，得到外呼客户筛选模型；将待外呼客户名单输入至所述外呼客户筛选模型得到筛选后的外呼名单；基于所述筛选后的外呼名单进行电话外呼。

根据本发明的第二方面，提供一种基于AUTOML框架的外呼接通率提升装置，所述装置包括：数据获取单元，用于获取外呼客户的信息数据；分类单元，用于根据所述外呼客户前一日内是否接通过外呼电话，将所述外呼客户分类至正负样本集中；模型生成单元，用于基于所述正负样本集来采用AUTOML框架算法进行自动化特征挑选、自动化模型选择以及模型超参数优化，得到外呼客户筛选模型；名单获取单元，用于将待外呼客户名单输入至所述外呼客户筛选模型得到筛选后的外呼名单；外呼单元，用于基于所述筛选后的外呼名单进行电话外呼。

根据本发明的第三方面，提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现上述方法的步骤。

根据本发明的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

根据本发明的第五方面，提供一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现上述方法的步骤。