建立外呼質量模型、外呼模型及外呼評價的方法及系統技術方案

本發明專利技術提供一種建立外呼質量模型、外呼模型及外呼評價的方法及系統。該建立外呼質量模型的方法包括：根據歷史通話數據，建立外呼通話的第一訓練樣本集；提取第一訓練樣本集中所記錄的每一外呼通話的外呼特征向量和分類標記；其中外呼特征向量包括多個影響客戶接收外呼通話的通話特征屬性，分類標記表示相對應外呼通話為成功或失敗；根據每一外呼通話的外呼特征向量和分類標記，通過第一訓練樣本集學習聯合概率分布的方式建立外呼質量評估模型。本發明專利技術解決了現有外呼技術方案不能準確評估外呼成功率的問題。

Method and system for establishing outbound outbound outbound quality model, model and evaluation

The present invention provides a method and a system for establishing outbound outbound outbound quality model, model and evaluation. Including the establishment of external quality model method: according to the historical data to establish the outbound call, call the first training set; extracting the first training sample set call feature vectors of each outbound call records and the classification mark; outbound feature vector includes a plurality of customers call attributes of receiving outbound calls, said Mark classification the corresponding outbound call for success or failure; according to the feature vectors of each outbound outbound calls and the classification mark through the first training set to learn the joint probability distribution method to establish the evaluation model of external quality. The invention solves the existing technical scheme could not accurately assess the outbound call success rate of problem.

【技術實現步驟摘要】
建立外呼質量模型、外呼模型及外呼評價的方法及系統
本專利技術實施例涉及數據業務
，并且更具體地，涉及一種建立外呼質量模型、外呼模型及外呼評價的方法及系統。
技術介紹
現有的利用電話外呼推廣產品的方式主要是，基于收集到的手機客戶號碼，經過簡單的分類后，客服人員給客戶打電話進行廠家指定產品的推廣。現有的這種外呼推銷產品的方式，由于缺少客戶對指定產品的意向的分析，隨機地將產品推薦給所有的客戶，容易造成對推薦產品意向較低的客戶反感，而且投入的人力成本和資源都很大，而產品的推薦成功率卻非常低。隨著大數據挖掘技術和人工智能技術的高速發展，如何利用這些技術預測外呼成功率，從而提高外呼的推薦成功率,以及進一步降低投入的人力資本和資源,成為亟需解決的一項課題。
技術實現思路
本專利技術實施例提供一種建立外呼質量模型、外呼模型及外呼評價的方法及系統，以解決現有外呼技術方案不能準確評估外呼成功率的問題。第一方面，提供了一種建立外呼質量模型的方法，該方法包括：根據歷史通話數據，建立外呼通話的第一訓練樣本集；提取第一訓練樣本集中所記錄的每一外呼通話的外呼特征向量和分類標記；其中外呼特征向量包括多個影響客戶接收外呼通話的通話特征屬性，分類標記表示相對應所述外呼通話為成功或失敗；根據每一外呼通話的外呼特征向量和分類標記，通過第一訓練樣本集學習聯合概率分布的方式建立外呼質量評估模型。可選地，根據歷史通話數據，建立外呼通話的第一訓練樣本集的步驟包括：獲取每一外呼通話的通話記錄信息和通話結果信息；選擇通話結果信息為成功的外呼通話為正訓練樣本，選擇通話結果信息為失敗的外呼通話為負訓練樣本；將正訓練樣本和負訓練樣本進行組合，建立第一訓練樣本集；其中通話結果信息為成功的外呼通話的分類標記為成功，通話結果信息為失敗的外呼通話的分類標記為失敗。可選地，獲取每一外呼通話的通話記錄信息和通話結果信息的步驟之后，該方法還包括：計算歷史通話數據中預設時間段內每一客服外呼通話的平均成功率；當第一客服的平均成功率大于預設成功率時，將第一客服的所有外呼通話標記為侯選正樣本集；當第一客服的平均成功率不大于預設成功率時，將第一客服的所有外呼通話標記為侯選負樣本集；其中，選擇通話結果信息為成功的外呼通話為正訓練樣本，選擇通話結果信息為失敗的外呼通話為負訓練樣本的步驟中，從侯選正樣本集中選擇通話結果信息為成功的外呼通話為正訓練樣本，從侯選負樣本集中選擇通話結果信息為失敗的外呼通話為負訓練樣本。可選地，根據每一外呼通話的外呼特征向量和分類標記，通過第一訓練樣本集學習聯合概率分布的方式建立外呼質量評估模型的步驟包括：建立外呼通話的外呼特征向量的向量集合X＝{x1,x2,…,xK}，其中k表示所述外呼特征向量的總個數，xK表示第k個外呼特征向量；建立分類標記的標記集合Y＝{c1,c2}，其中c1表示外呼電話的分類標記為成功，而c2表示外呼電話的分類標記為失敗；根據向量集合X和標記集合Y，建立第一訓練數據集合T＝{(x1,c1),(x2,c2),…(xN,cN)}，其中xN表示第N個外呼特征向量，cN表示外呼特征向量xN對應的外呼通話的分類標記；利用第一訓練數據集合T學習先驗概率分布P(Y＝c1,c2)及條件概率分布P{(X＝x|Y＝ck)}＝P(X(1)＝x(1),…X(n)＝x(n)|Y＝ck)，k＝1,2，學習到聯合概率分布P(X,Y)，建立外呼質量評估模型，其中x(n)表示外呼特征向量x的第n個特征元素。可選地，外呼特征向量包括：語速，語調，韻律，譜特征，能量特征，基頻特征，常用詞，句式，段落，客服方言，客服受教育程度，客服年齡和/或性別。相應地，本專利技術還提供了一種建立外呼質量模型的系統，該系統包括：第一建立模塊，用于根據歷史通話數據，建立外呼通話的第一訓練樣本集；提取模塊，用于提取第一訓練樣本集中所記錄的每一外呼通話的外呼特征向量和分類標記；其中外呼特征向量包括多個影響客戶接收外呼通話的通話特征屬性，分類標記表示相對應所述外呼通話為成功或失敗；第二建立模塊，用于根據每一外呼通話的外呼特征向量和分類標記，通過第一訓練樣本集學習聯合概率分布的方式建立外呼質量評估模型。可選地，第一建立模塊包括：獲取單元，用于獲取每一外呼通話的通話記錄信息和通話結果信息；選擇單元，用于選擇通話結果信息為成功的外呼通話為正訓練樣本，選擇通話結果信息為失敗的外呼通話為負訓練樣本；組合單元，用于將正訓練樣本和負訓練樣本進行組合，建立第一訓練樣本集；其中通話結果信息為成功的外呼通話的分類標記為成功，通話結果信息為失敗的外呼通話的分類標記為失敗。可選地，第一建立模塊還包括：計算單元，用于計算歷史通話數據中第一預設時間段內每一客服外呼通話的平均成功率；第一標記單元，用于當第一客服的平均成功率大于預設成功率時，將第一客服的所有外呼通話標記為侯選正樣本集；第二標記單元，用于當第一客服的平均成功率不大于預設成功率時，將第一客服的所有外呼通話標記為侯選負樣本集；其中，選擇單元具體用于：從侯選正樣本集中選擇通話結果信息為成功的外呼通話為正訓練樣本，從侯選負樣本集中選擇通話結果信息為失敗的外呼通話為負訓練樣本。可選地，第二建立模塊包括：第一建立單元，用于建立外呼通話的外呼特征向量的向量集合X＝{x1,x2,…,xK}，其中k表示外呼特征向量的總個數，xK表示第k個外呼特征向量；第二建立單元，用于建立分類標記的標記集合Y＝{c1,c2}，其中c1表示外呼電話的分類標記為成功，而c2表示外呼電話的分類標記為失敗；第三建立單元，用于根據向量集合和標記集合，建立第一訓練數據集合T＝{(x1,c1),(x2,c2),…(xN,cN)}，其中xN表示第N個外呼特征向量，cN表示外呼特征向量xN對應的外呼通話的分類標記；第四建立單元，用于利用第一訓練數據集合T學習先驗概率分布P(Y＝c1,c2)及條件概率分布P{(X＝x|Y＝ck)}＝P(X(1)＝x(1),…X(n)＝x(n)|Y＝ck)，k＝1,2，學習到聯合概率分布P(X,Y)，建立外呼質量評估模型，其中x(n)表示外呼特征向量x的第n個特征元素。可選地，外呼特征向量包括：語速，語調，韻律，譜特征，能量特征，基頻特征，常用詞，句式，段落，客服方言，客服受教育程度，客服年齡和/或性別。第二方面，還提供了一種外呼評價的方法，該方法包括：提取出待評價外呼通話的外呼特征向量；根據待評價外呼通話的外呼特征向量，利用外呼質量評估模型評價待評價外呼通話的質量。可選地，根據待評價外呼通話的外呼特征向量，利用外呼質量模型評價待評價外呼通話的質量的步驟包括：根據待評價外呼通話的外呼特征向量，利用外呼質量模型，根據下列公式計算評價結果：其中，c1表示外呼通話的分類標記為成功，而c2表示外呼通話的分類標記為失敗，x(j)表示外呼特征向量x的第j個特征元素，當輸出結果為1時，代表待評價外呼通話的質量為合格，當輸出結果為0時，代表待評價外呼通話的質量為不合格。相應地，本專利技術還提供一種外呼評價的系統，該系統包括：提取模塊，用于提取出待評價外呼通話的外呼特征向量；評價模塊，用于根據待評價外呼通話的外呼特征向量，利用外呼質量模型評價待評價外呼通話的質量。可選地，評價模塊具本文檔來自技高網...

【技術保護點】
一種建立外呼質量模型的方法，其特征在于，所述方法包括：根據歷史通話數據，建立外呼通話的第一訓練樣本集；提取所述第一訓練樣本集中所記錄的每一外呼通話的外呼特征向量和分類標記；其中所述外呼特征向量包括多個影響客戶接收外呼通話的通話特征屬性，所述分類標記表示相對應所述外呼通話為成功或失敗；根據每一外呼通話的外呼特征向量和分類標記，通過所述第一訓練樣本集學習聯合概率分布的方式建立外呼質量模型。

【技術特征摘要】
1.一種建立外呼質量模型的方法，其特征在于，所述方法包括：根據歷史通話數據，建立外呼通話的第一訓練樣本集；提取所述第一訓練樣本集中所記錄的每一外呼通話的外呼特征向量和分類標記；其中所述外呼特征向量包括多個影響客戶接收外呼通話的通話特征屬性，所述分類標記表示相對應所述外呼通話為成功或失敗；根據每一外呼通話的外呼特征向量和分類標記，通過所述第一訓練樣本集學習聯合概率分布的方式建立外呼質量模型。2.如權利要求1所述的方法，其特征在于，所述根據歷史通話數據，建立外呼通話的第一訓練樣本集的步驟包括：獲取每一外呼通話的通話記錄信息和通話結果信息；選擇所述通話結果信息為成功的外呼通話為正訓練樣本，選擇所述通話結果信息為失敗的外呼通話為負訓練樣本；將所述正訓練樣本和所述負訓練樣本進行組合，建立所述第一訓練樣本集；其中所述通話結果信息為成功的外呼通話的分類標記為成功，所述通話結果信息為失敗的外呼通話的分類標記為失敗。3.如權利要求2所述的方法，其特征在于，所述獲取每一外呼通話的通話記錄信息和通話結果信息的步驟之后，所述方法還包括：計算歷史通話數據中預設時間段內每一客服外呼通話的平均成功率；當第一客服的平均成功率大于預設成功率時，將所述第一客服的所有外呼通話標記為侯選正樣本集；當第一客服的平均成功率不大于預設成功率時，將所述第一客服的所有外呼通話標記為侯選負樣本集；其中，選擇所述通話結果信息為成功的外呼通話為正訓練樣本，選擇所述通話結果信息為失敗的外呼通話為負訓練樣本的步驟中，從所述侯選正樣本集中選擇所述通話結果信息為成功的外呼通話為正訓練樣本，從所述侯選負樣本集中選擇所述通話結果信息為失敗的外呼通話為負訓練樣本。4.如權利要求1所述的方法，其特征在于，所述根據每一外呼通話的外呼特征向量和分類標記，通過所述第一訓練樣本集學習聯合概率分布的方式建立外呼質量模型的步驟包括：建立外呼通話的外呼特征向量的向量集合X＝{x1,x2,…,xK}，其中k表示所述外呼特征向量的總個數，xK表示第k個外呼特征向量；建立分類標記的標記集合Y＝{c1,c2}，其中c1表示外呼通話的分類標記為成功，而c2表示外呼通話的分類標記為失敗；根據所述向量集合X和所述標記集合Y，建立第一訓練數據集合T＝{(x1,c1),(x2,c2),…(xN,cN)}，其中xN表示第N個外呼特征向量，cN表示外呼特征向量xN對應的外呼通話的分類標記；利用所述第一訓練數據集合T學習先驗概率分布P(Y＝c1,c2)及條件概率分布P{(X＝x|Y＝ck)}＝P(X(1)＝x(1),…X(n)＝x(n)|Y＝ck)，k＝1,2，學習到聯合概率分布P(X,Y)，建立外呼質量模型，其中x(n)表示外呼特征向量x的第n個特征元素。5.如權利要求1至4任一項所述的方法，其特征在于，所述外呼特征向量包括：語速，語調，韻律，譜特征，能量特征，基頻特征，常用詞，句式，段落，客服方言，客服受教育程度，客服年齡和/或性別。6.一種建立外呼質量模型的系統，其特征在于，所述系統包括：第一建立模塊，用于根據歷史通話數據，建立外呼通話的第一訓練樣本集；提取模塊，用于提取所述第一訓練樣本集中所記錄的每一外呼通話的外呼特征向量和分類標記；其中所述外呼特征向量包括多個影響客戶接收外呼通話的通話特征屬性，所述分類標記表示相對應所述外呼通話為成功或失敗；第二建立模塊，用于根據每一外呼通話的外呼特征向量和分類標記，通過所述第一訓練樣本集學習聯合概率分布的方式建立外呼質量模型。7.如權利要求6所述的系統，其特征在于，所述第一建立模塊包括：獲取單元，用于獲取每一外呼通話的通話記錄信息和通話結果信息；選擇單元，用于選擇所述通話結果信息為成功的外呼通話為正訓練樣本，選擇所述通話結果信息為失敗的外呼通話為負訓練樣本；組合單元，用于將所述正訓練樣本和所述負訓練樣本進行組合，建立所述第一訓練樣本集；其中所述通話結果信息為成功的外呼通話的分類標記為成功，所述通話結果信息為失敗的外呼通話的分類標記為失敗。8.如權利要求7所述的系統，其特征在于，所述第一建立模塊還包括：計算單元，用于計算歷史通話數據中第一預設時間段內每一客服外呼通話的平均成功率；第一標記單元，用于當第一客服的平均成功率大于預設成功率時，將所述第一客服的所有外呼通話標記為侯選正樣本集；第二標記單元，用于當第一客服的平均成功率不大于預設成功率時，將所述第一客服的所有外呼通話標記為侯選負樣本集；其中，所述選擇單元具體用于：從所述侯選正樣本集中選擇所述通話結果信息為成功的外呼通話為正訓練樣本，從所述侯選負樣本集中選擇所述通話結果信息為失敗的外呼通話為負訓練樣本。9.如權利要求6所述的系統，其特征在于，所述第二建立模塊包括：第一建立單元，用于建立外呼通話的外呼特征向量的向量集合X＝{x1,x2,…,xK}，其中k表示所述外呼特征向量的總個數，xK表示第k個外呼特征向量；第二建立單元，用于建立分類標記的標記集合Y＝{c1,c2}，其中c1表示外呼通話的分類標記為成功，而c2表示外呼通話的分類標記為失敗；第三建立單元，用于根據所述向量集合和所述標記集合，建立第一訓練數據集合T＝{(x1,c1),(x2,c2),…(xN,cN)}，其中xN表示第N個外呼特征向量，cN表示外呼特征向量xN對應的外呼通話的分類標記；第四建立單元，用于利用所述第一訓練數據集合T學習先驗概率分布P(Y＝c1,c2)及條件概率分布P{(X＝x|Y＝ck)}＝P(X(1)＝x(1),…X(n)＝x(n)|Y＝ck)，k＝1,2，學習到聯合概率分布P(X,Y)，建立外呼質量模型，其中x(n)表示外呼特征向量x的第n個特征元素。10.如權利要求6至9任一項所述的系統，其特征在于，所述外呼特征向量包括：語速，語調，韻律，譜特征，能量特征，基頻特征，常用詞，句式，段落，客服方言，客服受教育程度，客服年齡和/或性別。11.一種利用權利要求1-5任一項所述方法所建立的外呼質量模型進...

【專利技術屬性】
技術研發人員：高麗，
申請(專利權)人：中國移動通信集團公司，
類型：發明
國別省市：北京,11