具体实施方式

下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

请参阅图1所示，一种基于数据特征识别的智能外呼系统通话数据记录分析管理系统，包括通话数据信息获取模块、问卷回访信息获取模块、问卷回访结果统计模块、额外问题信息采集模块、产品负面信息采集模块、云分析平台、数据库、预警提醒终端和信息发送终端；

所述云分析平台分别与通话数据信息获取模块、问卷回访结果统计模块、额外问题信息采集模块、产品负面信息采集模块、数据库、预警提醒终端和信息发送终端连接，所述通话数据信息获取模块分别与额外问题信息采集模块、问卷回访结果统计模块和产品负面信息采集模块连接，所述问卷回访信息获取模块分别与问卷回访结果统计模块和额外问题信息采集模块连接；

所述通话数据信息获取模块用于获取该采集周期内该智能外呼系统各外呼端口对应的通话数据信息，进而获取该采集时间段智能外呼系统对应的外呼端口数量，并将该采集周期内该智能外呼系统对应的外呼端口按照预设顺序进行编号，依次标记为1，2，...j,...m；

具体地，所述该采集周期内各外呼端口对应的通话数据信息包括该采集周期内该智能外呼系统各外呼端口对应的通话数据数量、各外呼端口各条通话数据对应的语音信息、各外呼端口各条通话数据对应的通话时长，将该采集周期内各外呼端口对应的通话数据按照预设顺序进行编号，依次标记为1，2，...i,...n，并构建各外呼端口各通话数据信息集合T_w ^d(T_w ^d1,T_w ^d2,...T_w ^di,...T_w ^dn)，T_w ^di表示该采集周期内该智能外呼系统第d个外呼端口第i条通话数据对应的信息，w表示通话数据信息，w＝a1,a2,a1和a2分别表示通话数据对应的语音信息和通话数据对应的通话时长。

本发明实施例通过获取该采集周期内各外呼端口对应的通话数据信息，进而为后续对该智能外呼系统各外呼端口对应的通话数据信息的分析提供了有效的铺垫。

所述云分析平台对该智能外呼系统各外呼端口通话数据信息分析用于对该智能外呼系统各外呼端口各条通话数据对应的通话时长进行分析，获取该采集周期内该智能外呼系统各外呼端口各条通话数据对应的通话时长，进而获取该采集周期内该智能外呼系统对应的问卷受访人员数量和各问卷受访人员对应的通话时长，将该采集周期内该智能外呼系统各问卷受访人员对应的通话时长与外呼端口通话数据对应的标准通话时长的阈值进行对比，进而统计该智能外呼系统各问卷受访人员通话时长符合影响系数。

其中，所述该智能外呼系统各问卷受访人员通话时长符合影响系数计算公式为α_r表示该智能外呼系统第r个问卷受访人员对应的通话时长符合影响系数，a2_r表示该智能外呼系统第r个问卷受访人员对应的通话时长，a2_标准表示外呼端口通话数据对应的标准通话时长的阈值，m表示该采集周期内该智能外呼系统外呼端口数量，r表示该智能外呼系统问卷受访人员编号，r＝1,2,...g,...h。

所述问卷回访信息获取模块用于获取该采集周期内该智能外呼系统该产品对应的问卷回访信息；

具体地，所述该采集周期内该智能外呼系统该产品对应的问卷回访信息包括该采集周期内该智能外呼系统该产品问卷回访的题目数量、各问卷回访题目对应的回访顺序、各问卷回访题目对应的重要性权重和各问卷回访题目对应的内容，进而将该该采集周期内该智能外呼系统问卷回访题目按照其回访顺序进行编号，依次标记为1，2，...x,...y，进而构建该智能外呼系统产品各问卷回访题目信息集合H_e(H_e1,H_e2,...H_ex,...H_ey)，H_ex表示该采集周期内该智能外呼系统第x个问卷回访题目对应的第e个信息，e表示问卷回访题目信息，e＝b1,b2,b3,b1,b2和b3分别表示各问卷回访题目对应的回访顺序、各问卷回访题目对应的重要性权重和各问卷回访题目对应的内容。

所述问卷回访结果统计模块用于对该采集周期内该智能外呼系统各外呼端口对应的回访结果信息进行统计，进而获取该采集周期内该智能外呼系统各外呼端口对应的回访结果信息；

具体地，所述问卷回访结果信息包括问卷受访人员对应的回答问题数量、问卷受访人员各回答问题对应的问题编号和问卷受访人员各回答问题对应的回答内容，进而构建各外呼端口各条通话数据问卷回访结果信息集合F_z ^d(F_z ^d1,F_z ^d2,...F_z ^di,...F_z ^dn)，F_z ^di表示该采集周期内该智能外呼系统第d个外呼端口第i条通话数据对应的第z个回访结果信息，z表示回访结果信息，z＝c1,c2,c3，c1,c2和c3分别表示问卷受访人员对应的回答问题数量、问卷受访人员各回答问题对应的问题编号和问卷受访人员各回答问题对应的回答内容。

其中，所述问卷回访结果信息具体统计过程包括以下步骤：

A1、获取该采集周期内该智能外呼系统各外呼端口对应的通话数据数量和各通话数据对应的通话语音信息，进而通过语音识别技术将该采集周期内该智能外呼系统各外呼端口各条通话语音信息转化为文本格式；

A2、将该采集周期内该智能外呼系统各条通话对应的文本信息与该采集周期内该智能外呼系统问卷回访题目对应的内容进行匹配对比，进而统计该采集周期内该智能外呼系统各外呼端口云客服对应的实际回访问题数量和各实际回访问题对应的回访时间段；

A3、将该采集周期内该智能外呼系统各外呼端口云客服各实际回访问题对应的回访时间段作为检测时间段，进而调取各外呼端口各条通话数据各检测时间段对应的语音信息；

A4、通过音色识别技术对各外呼端口各条通话数据各检测时间段语音信息中通话人的音色进行识别，若某外呼端口某条通话数据某检测时间段内语音信息中通话人对应的音色与该端口该条通话问卷受访人员对应的音色一致，进而判断该外呼端口该条通话数据该检测时间段问卷受访人员以回答该检测时间段云客服对应的回访问题，进而统计各外呼端口各条通话数据问卷受访人员回答问题的数量、各回答问题对应的问题内容和各回答问题对应的回答内容，根据各回答问题对应的问题内容，进而提取各回答问题对应的编号。

所述云分析平台对该智能外呼系统各外呼系统对应的问卷回访结果分析用于对各问卷受访人员回答问题的配合度进行分析，获取各外呼端口各条通话数据问卷回访结果信息集合，进而获取各外呼端口各条通话数据问卷受访人员对应的问卷回访结果信息，并统计该智能外呼系统各问卷受访人员回答问题配合度影响系数。

其中，所述对该智能外呼系统各外呼系统对应的问卷回访结果具体分析过程包括以下步骤：

B1、根据各外呼端口各条通话数据问卷回访结果信息集合，获取该采集周期内该智能外呼系统各问卷受访人员对应的回访结果信息，进而获取该问卷受访人员对应的回答问题数量、问卷受访人员各回答问题对应的问题编号和问卷受访人员各回答问题对应的回答内容；

B2、将该智能外呼系统各问卷受访人员对应的回答问题的数量与该智能外呼系统各问卷受访人员对应的回答问题数量与该智能外呼系统对应的问卷回访问题数量进行对比，进而统计该智能外呼系统各问卷受访人员回访问题完整性影响系数；

其中，所述该智能外呼系统各问卷受访人员回访问题完整性影响系数影响系数计算公式为β_r表示该智能外呼系统第r个问卷受访人员对应的回访问题完整性影响系数影响系数，c2_r表示该智能外呼系统第r个问卷受访人员对应的回答问题数量，y表示该智能外呼系统对应的问卷回访问题数量。

B3、根据该智能外呼系统各问卷受访人员各回答问题对应的问题编号，获取该智能外呼系统各问卷受访人员各回答问题对应的重要性权重，进而获取该智能外呼系统各问卷受访人员回答问题对应的综合重要性权重，将该智能外呼系统各问卷受访人员回答问题对应的综合重要性权重与该智能外呼系统问卷回访问题综合权重进行对比，进而统计该智能外呼系统各问卷受访人员回答问题重要性影响系数。

其中，所述该智能外呼系统各问卷受访人员回答问题重要性影响系数计算公式为δ_r表示该智能外呼系统第r个问卷受访人员对应的回答问题重要性影响系数，Z_r表示该智能外呼系统第r个问卷受访人员回答问题对应的综合重要性权重，b2_t表示该智能外呼系统第t个问卷回访问题重要性权重，t表示该智能外呼系统问卷回访问题编号，t＝1，2，...x,...y。

B4、根据该智能外呼系统各问卷受访人员各回答问题对应的回答内容，进而对各该智能外呼系统各问卷受访人员各回答问题对应的回答内容进行分词，并去除各回答内容中的停用词，进而构建各问卷受访人员各回答问题分词集合并记为R，进而从数据库中提取各问卷回访问题预设回答结果对应的分词集合，并将该智能外呼系统各问卷受访人员各回答问题对应的分词与各问卷受访人员各回答问题预设回答结果对应的分词进行匹配对比，进而统计该智能外呼系统各问卷受访人员回答问题精准性影响系数。

其中，该智能外呼系统各问卷受访人员回答问题精准性影响系数计算公式为 表示该智能外呼系统第r个问卷受访人员对应的回答问题精准性影响系数，R_u ^r表示该智能外呼系统第r个问卷受访人员第u个回答问题对应的分词集合，K_u表示该智能外呼系统问卷受访人员第u个回答问题预设回答结果对应的分词集合，u表示各问卷受访人员回答问题编号，u＝1,2,...p,...q。

B5、根据统计的该智能外呼系统各问卷受访人员回访问题完整性影响系数、该智能外呼系统各问卷受访人员回访问题完整性影响系数、该智能外呼系统各问卷受访人员回答问题重要性影响系数和该智能外呼系统各问卷受访人员回答问题精准性影响系数，进而统计该智能外呼系统各问卷受访人员回答问题配合度影响系数。

其中，所述该智能外呼系统各问卷受访人员回答问题配合度影响系数计算公式为γ_r表示该智能外呼系统第r个问卷受访人员对应的回答问题配合度影响系数。

所述额外问题信息采集模块用于根据该采集周期内该智能外呼系统各外呼端口对应的通话数据信息和问卷回访信息，对各外呼端口各条通话数据中问卷受访人员通话对应的额外问题信息进行采集；

具体地，所述问卷受访人员通话对应的额外问题信息包括问卷受访人员通话对应的额外问题数量和问卷受访人员各额外问题对应的内容，进而根据问卷受访人员通话对应的额外信息，进而构建各外呼端口各条通话问卷受访人员额外问题信息集合E_s ^di表示该采集周期内第d个外呼端口第i条通话数据中问卷受访人员对应的第s个额外问题信息，s表示问卷受访人员通话额外问题信息，s＝v1,v2,v1和v2分别表示问卷受访人员通话对应的额外问题数量和问卷受访人员各额外问题对应的内容。

其中，所述问卷受访人员通话对应的额外问题信息具体采集过程为：获取该采集周期内各外呼端口各条通话数据对应的语音信息，进而通过音色识别技术提取各外呼端口各条通话数据语音信息中问卷受访人员对应的语音信息，并将问卷受访人员对应的语音信息记为目标检测语音信息，进而将各外呼端口各条通话数据目标检测语音信息按照该目标检测语音信息中对应的停顿时间点划分为各目标检测语句，进而通过语气识别技术对各外呼端口各条通话数据各目标检测语句对应的语气进行识别，进而获取各外呼端口各条通话数据各目标检测语句对应的语气类型，若某外呼端口某条通话数据问卷受访人员某目标检测语句对应的语气类型为疑问类型，则判断该问卷受访人员存在额外问题，进而统计各外呼端口各条通话数据问卷受访人员对应的额外问题数量和各额外问题对应的内容。

在一个具体实施例中，所述语气类型包括疑问语气和陈述语气等。

本发明实施例在额外问题信息采集模块，通过对各外呼端口各条通话数据中问卷受访人员通话对应的额外问题信息进行采集，进而大大的提高了对个问卷受访人员分类的精准性，通时也大大的提高了对该产品回访信息获取的全面性。

所述云分析平台该智能外呼系统各外呼端口各条通话数据各问卷受访人员额外问题信息分析用于对各问卷受访人员对产品的关注度进行分析，获取各条通话问卷受访人员额外问题信息集合，进而获取该智能外呼系统各外呼端口各条通话数据问卷受访人员对应的额外问题信息，并统计该智能外呼系统各问卷受访人员产品关注度影响系数。

其中，所述各外呼端口各条通话数据问卷受访人员对应的额外问题分析用于根据各外呼端口各条通话问卷受访人员额外问题数量和各额外问题对应的内容，进而获取该智能外呼系统各问卷受访人员对应的额外问题数量和各额外问题对应的内容，将该智能外呼系统各问卷受访人员对应的额外问题数量与问卷受访人员对应的平均额外问题数量进行对比，进而统计该智能外呼系统各问卷受访人员产品关注度影响系数，同时将该智能外呼系统各问卷受访人员各额外问题对应的内容与数据库中各类型产品关联问题对应的内容进行匹配对比，若某问卷受访人员某额外问题不属于数据库中存储的问题，进而将该额外问题记为待解决问题，进而统计待解决问题对应的数量、各待解决问题对应的内容和各待解决问题对应的提出问卷受访人员。

其中，该智能外呼系统各问卷受访人员产品关注度影响系数计算公式为μ_r表示该智能外呼系统第r个问卷受访人员产品关注度影响系数，v1_r表示该智能外呼系统第r个问卷受访人员对应的额外问题数量，表示问卷受访人员对应的平均额外问题数量，h表示该采集周期内该智能外呼系统对应的问卷受访人员数量。

所述产品负面信息采集模块用于根据该采集周期内该智能外呼系统各外呼端口对应的通话数据信息，提取该产品对应的负面信息；

具体地，所述产品负面信息采集用于根据该采集周期内该智能外呼系统各外呼端口各条通话数据对应的语音信息，提取该采集周期内该智能外呼系统各外呼端口各条通话数据问卷受访人员对应的语音信息，进而将该采集周期内该智能外呼系统各外呼端口各条通话数据问卷受访人员对应的语音信息转化为文本格式，并统计该采集周期内该智能外呼系统问卷回访中产品负面词汇对应的数量和各产品负面词汇对应的类型。

其中，所述产品负面词汇统计过程为:将该采集周期内该智能外呼系统各外呼端口各条通话数据问卷受访人员文本信息中对应的停用词进行去除，进而将处理后的该采集周期内该智能外呼系统各外呼端口各条通话数据问卷受访人员对应的文本信息进行分词，并将该采集周期内该智能外呼系统各外呼端口各条通话数据问卷受访人员各分词与数据库中各类型负面词汇进行匹配对比，统计该采集周期内该智能外呼系统各外呼端口各条通话数据问卷受访人员文本信息中产品负面词汇对应的数量和各产品负面词汇对应的类型，进而获取该采集周期内该智能外呼系统问卷回访中产品对应的负面词汇数量和各负面词汇对应的类型。

在一个具体实施例中，所述产品负面词汇对应类型包括质量类型和安全类型等。

所述云平台对产品负面信息分析用于对该采集周期内该智能外呼系统对应的问卷回访中产品对应的负面信息进行分析，进而获取该采集周期内该智能外呼系统问卷回访中产品负面词汇对应的数量和各产品负面词汇对应的类型，将各类型产品负面词汇对应的数量与产品负面词汇对应的标准数量进行对比，进而统计该智能外呼系统问卷回访产品负面预警影响系数，并将该智能外呼系统问卷回访产品负面预警影响系数与预设的产品负面预警影响系数进行对比，若该智能外呼系统问卷回访产品负面预警影响系数大于预设的产品负面预警影响系数，则将该产品记为负面信息预警产品。

其中，所述该智能外呼系统问卷回访产品负面预警影响系数计算公式为ξ表示该智能外呼系统问卷回访对应的产品负面预警影响系数，F_k表示该智能外呼系统问卷回访第k个类型产品负面词汇对应的数量，F_标准表示产品负面词汇对应的标准数量，k表示产品负面词汇类型编号。K＝1,2,...l,...f，f表示产品负面词汇类型的数量。

所述云分析平台还用于对通话数据信息、问卷回访结果信息和和额外问题信息进行综合分析，根据统计的该智能外呼系统各问卷受访人员通话时长符合影响系数、该智能外呼系统各问卷受访人员回答问题配合度影响系数和该智能外呼系统各问卷受访人员产品关注度影响系数，进而统计该智能外呼系统各问卷受访人员产品综合信任度影响系数，并将该智能外呼系统各问卷受访人员产品综合信任度影响系数与各产品信任等级对应的产品信任度影响系数进行匹配对比，获取该采集周期内该智能外呼系统各问卷受访人员对应的产品信任等级。

其中，所述该智能外呼系统各问卷受访人员产品综合信任度影响系数计算公式为λ_r表示该智能外呼系统第r个问卷受访人员对应的产品综合信任度影响系数，ε表示产品信任修正系数。

本发明实施例通过对该智能外呼系统各外呼端口对应的问卷受访人员对应的通话记录信息进行详细的分析，进而有效的解决了现有的智能外呼系统通话数据记录分析管理系统无法实现对问卷受访人员的精准筛分，进而无法有效的提高对各问卷受访人员定位的准确性的问题，有效的提高了产品问卷的回访效率，同时也大大的提高了产品的市场竞争优势。

所述数据库用于存储智能外呼系统外呼端口通话数据对应的标准通话时长的阈值、各类型产品关联问题对应的内容、产品负面词汇对应的标准数量和预设的产品负面预警影响系数；

所述预警提醒终端用于当该采集周期内该智能外呼系统该产品负面信息达到预警值时发送预警信号至该产品销售管理人员；

具体地，当该智能外呼系统问卷回访产品负面预警影响系数大于预设的产品负面预警影响系数发送预警信号至该产品销售管理人员。

本发明实施例在预警提醒终端，通过对该产品对应的负面信息进行预警，进而大大的提高了商家对产品负面信息的响应效率，通时也大大的提高了商家对产品负面信息的处理效率。

所述信息发送终端用于将云分析平台分析的结果发送至该产品回访管理人员。

具体地，所述信息发送终端用于将待解决问题对应的数量、各待解决问题对应的内容、各待解决问题对应的提出问卷受访人员以及该采集周期内该智能外呼系统各问卷受访人员对应的产品信任等级发送至该产品回访管理人员。

本发明实施例在信息发送终端，通过将云平台分析的结果发送至产品回访管理人员，进而大大的提高了对各问卷受访人员的管理效率，同时也大大的提高了各问卷受访人员与产品的粘性。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。