本發明專利技術公開了一種具備自主學習能力的AI智能派單系統及派單方法，涉及智能派單領域，包括，工單創建單元，接入用戶數據，并生成相應工單；工單評價單元，按照接入信息，對生成的工單進行評分并添加標記；工單匹配單元，基于評分和標記信息框定若干個待選人員；工單派出單元，從若干個待選人員中選定的接單客服，對工單進行處理。使派單系統不斷的能夠進行修正，具備自主修正和學習的能力，相對于常見的智能派單系統，通過建立評分和特征標記機制，能夠確保有最合適的人接單，從而使得接入的用戶獲得良好的使用體驗，然后通過排序派單和自由搶單相結合的方式，使得所有的工單能夠被順利的派出，接單積極的人能夠接入更多的工單。接單積極的人能夠接入更多的工單。接單積極的人能夠接入更多的工單。
【技術實現步驟摘要】
一種具備自主學習能力的AI智能派單系統及派單方法
[0001]本專利技術涉及智能派單領域，特別涉及一種具備自主學習能力的AI智能派單系統及派單方法。
技術介紹
[0002]隨著城市化水平的持續提高，銀行業務也發展的越來越好。而隨著智能設備和移動互聯網的普及，用戶一旦在遇見一些常見的銀行業務上的麻煩時，通常會選擇電話或者在線網頁接入銀行客服，由客服進行解決。
[0003]在用戶接入客服之前，會先生產工單，由派單系統進行派單，然后由客戶接收工單，并解決。現有的派單系統在分發工單時，通常是隨機的，哪里空閑出來，就把工單派往哪里，這就導致派單系統可能會把工單派送錯誤，比如說，將工單派送給不同領域的客服，導致客服難以解決問題，最終只能重新分配，同樣的，隨機派送工單時，派送量都是完全平均的導致，但是接收的工單數量和工資是直接掛鉤的，這就會影響接單客服的工作積極性。
技術實現思路
[0004]為實現上述目的，本專利技術采用的技術方案如下：一種具備自主學習能力的AI智能派單系統，包括，工單創建單元，接入用戶數據，并生成相應工單；工單評價單元，按照接入信息，對生成的工單進行評分并添加標記；工單匹配單元，基于評分和標記信息框定若干個待選人員；工單派出單元，從若干個待選人員中選定的接單客服，對工單進行處理。
[0005]進一步的，所述工單創建單元包括，數據接入模塊，用于接收用戶的客戶的接入數據，并將接入數據轉化為可識別內容；需求分析模塊，用于對接入的可識別內容進行分析，判斷客戶需求，并輸出需求數據；工單生成模塊，基于需求分析模塊輸出的需求數據，建立生產工單并且發出。
[0006]進一步的，所述工單創建單元還包括，特征提取模塊，基于可識別內容和需求數據，判斷該用戶的特征，并輸出該用戶的特征信息。
[0007]進一步的，所述工單評價單元包括，綜合評分模塊，接收工單創建單元輸出的工單信息，并依據其執行的難以程度進行評價，并輸出評價結果；特征標記模塊，接收特征提取模塊輸出特征信息，并對工單進行標記。
[0008]進一步的，所述工單匹配單元包括，派單數據庫內部存儲有若干個接單客服的身份信息，附帶有評分和標記，評分和標記與工單的評分和標記相對應；數據匹配模塊，通過接收的工單信息的評分和標記，并據此在派單數據庫內部框定若干個與工單的評分和標記相適配的接單客服。
[0009]進一步的，所述工單匹配單元還包括篩選模塊，在框定的接單客服的數量較多時，基于與工單標記相匹配的程度進行第一輪篩選。
[0010]進一步的，所述工單派出單元包括，一次派單模塊接收篩選模塊輸出的篩選后的接單客服信息，按照接單客服的評分進行排序，向評分最高的人員派出工單。
[0011]進一步的，所述工單派出單元還包括，二次派單模塊，在一次派單模塊派出工單在規定的時間內未被接入時，將排序派單改為搶單模式，由篩選后的接單客服進行手動搶單。
[0012]進一步的，所述工單派出單元還包括，評價反饋模塊，用于對接收所有搶單人員的身份信息，并且對其評分進行修訂。
[0013]本專利技術還提供一種具備自主學習能力的AI智能派單方法，包括如下步驟，步驟S10，接入客戶數據，分析客戶需求并進行特征分析，生產相應工單；步驟S20，基于接入的數據，對工單進行評份并且標記；步驟S30，根據工單評分和派單數據進行匹配，框定若干接單客服；步驟S40，選定接單客服，并做出相應的反饋。
[0014]與現有技術相比，本專利技術具有以下有益效果：使派單系統不斷的能夠進行修正，具備自主修正和學習的能力，相對于常見的智能派單系統，通過建立評分和特征標記機制，能夠確保有最合適的人接單，從而使得接入的用戶獲得良好的使用體驗，然后通過排序派單和自由搶單相結合的方式，使得所有的工單能夠被順利的派出，接單積極的人能夠接入更多的工單，獲得更好的正反饋。
附圖說明
[0015]圖1為本專利技術中派單系統的工作流程示意圖；圖2為本專利技術中派單方法的工作流程示意圖；其中，附圖標記對應的名稱為：10、工單創建單元；11、數據接入模塊；12、需求分析模塊；13、特征提取模塊；14、工單生成模塊；20、工單評價單元；21、綜合評分模塊；22、特征標記模塊；30、工單匹配單元；31、派單數據庫；32、數據匹配模塊；33、篩選模塊；40、工單派出單元；41、一次派單模塊；42、二次派單模塊；43、評價反饋模塊。
具體實施方式
[0016]為使本專利技術實施例的目的、技術方案和優點更加清楚，下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本專利技術一部分實施例，而不是全部的實施例。基于本專利技術中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。
[0017]需要說明的是，當元件被稱為“固定于”另一個元件，它可以直接在另一個元件上或者也可以存在居中的元件。當一個元件被認為是“連接”另一個元件，它可以是直接連接到另一個元件或者可能同時存在居中元件。
[0018]實施例1如圖1所示，本實施例中所述的一種具備自主學習能力的AI智能派單系統，包括工單創建單元10，接入用戶數據，并生成相應工單；工單評價單元20，按照接入信息，對生成的工單進行評分并添加標記；工單匹配單元30，基于評分和標記信息框定若干個待選人員；工單派出單元40，從若干個待選人員中選定的接單客服，對工單進行處理。
[0019]參考圖1，所述工單創建單元10包括數據接入模塊11、需求分析模塊12、特征提取模塊13、工單生成模塊14；
所述數據接入模塊11，用于接收用戶的客戶的接入數據，并將接入數據轉化為可識別內容；所述需求分析模塊12，用于對接入的可識別內容進行分析，判斷客戶需求，并輸出需求數據，具備文字語義分析功能；所述工單生成模塊14，基于需求分析模塊12輸出的需求數據，建立生產工單并且發出。
[0020]使用時，通過數據接入模塊11接入數據，需求分析模塊12分析接入用戶的需求，然后由工單生成模塊14建立工單派發出去，由接單客服做出相應的處理。
[0021]進一步的，所述特征提取模塊13基于可識別內容和需求數據，判斷該用戶的特征，并輸出該用戶的特征信息。
[0022]使用時，通過這些特征信息，可以判斷該用戶類型，從而針對特征，分配相應的接單客服進行處理。
[0023]參考圖1，所述工單評價單元20包括綜合評分模塊21以及特征標記模塊22，其中，所述綜合評分模塊21接收工單創建單元10輸出的工單信息，并依據其執行的難以程度進行評價，并輸出評價結果；所述特征標記模塊22接收特征提取模塊13輸出特征信息，并對工單進行標記。
[0024]使用時，通過對工單進行評分和標記，能夠使使得接單客服能夠在工單接入之前，既可以知道該工單的難易程度和該用戶的大概特征，以便于做出下一步的處理。
[0025]參考圖1，所述工單匹配單元30包括派單數據庫31、數據匹配模塊32本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種具備自主學習能力的AI智能派單系統，其特征在于，包括,工單創建單元(10)，接入用戶數據，并生成相應工單；工單評價單元(20)，按照接入信息，對生成的工單進行評分并添加標記；工單匹配單元(30)，基于評分和標記信息框定若干個待選人員；工單派出單元(40)，從若干個待選人員中選定的接單客服，對工單進行處理。2.根據權利要求1所述的一種具備自主學習能力的AI智能派單系統，其特征在于，所述工單創建單元(10)包括，數據接入模塊(11)，用于接收用戶的客戶的接入數據，并將接入數據轉化為可識別內容；需求分析模塊(12)，用于對接入的可識別內容進行分析，判斷客戶需求，并輸出需求數據；工單生成模塊(14)，基于需求分析模塊(12)輸出的需求數據，建立生產工單并且發出。3.根據權利要求2所述的一種具備自主學習能力的AI智能派單系統，其特征在于，所述工單創建單元(10)還包括，特征提取模塊(13)，基于可識別內容和需求數據，判斷該用戶的特征，并輸出該用戶的特征信息。4.根據權利要求3所述的一種具備自主學習能力的AI智能派單系統，其特征在于，所述工單評價單元(20)包括，綜合評分模塊(21)，接收工單創建單元(10)輸出的工單信息，并依據其執行的難以程度進行評價，并輸出評價結果；特征標記模塊(22)，接收特征提取模塊(13)輸出特征信息，并對工單進行標記。5.根據權利要求1所述的一種具備自主學習能力的AI智能派單系統，其特征在于，所述工單匹配單元(30)包括，派單數據庫(31)內部存儲有若干個接單客服的身份信息，附帶有評分和標記，評分和標記與工單的評分和...
【專利技術屬性】
技術研發人員：雷長華，
申請(專利權)人：蘇州華慷醫療科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。