具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种基于AI外呼的通信运营商的智能评测方法，包括以下步骤：

步骤1、建立对话流程和数据库；

步骤2、配置测评触发规则，建立测评机器人与用户通话通道进行测评通话，测评触发规则建立后需通过多次模拟用户与坐席的测评对话流程，对测评触发规则进行测试和优化；

步骤3、利用AI机器人充当坐席与用户自动通话，通过对用户话语进行语音识别、处理，通过意图识别模型判断用户意图并根据相应的对话流程与用户进行对话；

步骤4、通过对用户语音进行分析比对，判断客户态度及进入测评打分程序时机，完成对话后生成测评数据；

步骤5、对测评数据归档后进行指标统计、漏斗分析，生成评测分析图表。

本实施例中，所述步骤1中建立对话流程和数据库包括以下步骤：

步骤1.1、建立用户话术分析规则；

步骤1.2、通过对用户话术进行分析确定测评调研过程中用户话术中可能的槽位值，并生成语音库、语义库和领域语义库；

步骤1.3、根据语音库和领域语义库中记录的内容制定坐席回复话术，生成对话库；

步骤1.4、根据业务流程，绘制流程对话，并配置测评话术和接口。

如图2所示，整个应用架构包括智能大脑、语音服务、接入服务、业务服务、收集NPS信息、NPS离线数据挖掘、数据服务、通用服务具体应用架构图，应用此架构完成用户呼入完成客服服务后进行服务测评。

应用架构图各模块功能如下：

智能大脑：由对话控制、引擎驱动和模型支持共同组成，负责完成整个人机对话的交互控制功能。

语音服务：提供语音识别和语音合成能力。

接入服务：主要负责与呼叫中心IVR流程引擎和坐席工作台交互。

业务服务：根据不同NPS业务场景，提供业务层接口服务。

收集NPS信息：主要负责收集测评结果数据集会话数据。

NPS离线数据挖掘：将不同来源的NPS业务数据进行数据挖掘自动生成非结构化的问答对、测评图谱和其他结构化NPS结果数据。

数据服务：建立一个统一的数据管理平台，并提供统一的数据接口为智能大脑提供数据支持。

通用服务：是从整个系统方案角度考虑，产品需要的基础服务如数据库、缓存、索引、消息队列、存储等。

本实施例中，所述步骤2中测评触发规则为理解用户或坐席的挂机意图进入测评流程；具体包含以下步骤：

步骤2.1、建立挂机意图识别模型，导入客服与用户通话数据作为测试数据，进行挂机意图的模型训练；

步骤2.2、根据挂机意图识别模型训练总结出的关键词设定测评触发规则。

本实施例中，所述步骤2中测评触发规则包括服务结束后触发测评和测评机器人主动外呼测评，服务结束后触发测评是基于理解用户或坐席的挂机意图后进入测评流程，测评机器人主动外呼测评是基于规则触发测评流程。

意图识别：意图即是用户的意愿，是机器人能够理解人类语言的基础，并自然地与人进行交互，意图识别是基于深度学习的方法，通过训练数据训练，得到意图模型，再通过测试数据优化模型。

如图3所示，通过将用户或坐席的话术及逆行向量化，判断客户是否有挂机意图。

例如：

用户：不需要其他服务了

词表：“不”“需要”“其他”“服务”“了”

通过“不需要”判断出用户有挂机意图，从而触发测评规则。

基于话术的离散表示，计算得出用户或坐席的意图，判断是否触发挂机意图，同时也可基于规则进行用户意图的判断，如坐席话术中包含“很高兴为您服务”、“您还有其他问题吗”、“您还需要什么其他服务吗”同时用户话术中包含“不需要了，谢谢”、“没别的事了”、“非常感谢，我明白了”、“好的，我知道了”，判定触发挂机意图。

如图4所示，本实施例中，所述步骤3中意图识别模型对用户的意图识别包括推荐、贬损、中立意图。

当与用户有多轮对话时：按照既定的多轮对话流程进行会话，用户与测评机器人会话，首先通过话务平台收集用户的反馈话说，然后对用户的话术进行预处理，预处理操作包含：分词、词性、同义词、去停用词、核心词提取等操作，预处理完成后需要对用户话术进行理解，需要识别用户话说中的实体，如“坐席”“产品”“服务”等实体名称，调用意图识别模型进行意图识别，再通过任务式引擎，判断要给出的返回话术，给出返回话说播报给用户，循环进行此步骤完成多轮对话。

对话流程：对话流程为业务人员收集测评信息的对话流程，一般为树形结构，一个优秀的对话流程的设计可以提高测评机器人的测评信息的收集效率。

按照示例的对话流程可以有多种对话分支例如：

举例1：

坐席：您还有其他问题吗？

用户：不需要了，谢谢。——(判断为挂机意图进入测评对话流程。)

测评机器人：请问您的问题是否得到解决？

用户：已解决。

测评机器人：非常高兴能够帮助到您，请您用10到1分中的任意整数为此次热线服务打分，10分为非常满意，1分为非常不满意。

用户：10分。

测评机器人：请问您对热线服务哪方面比较满意呢？热线功能、客服人员还是其他方面？

用户：热线功能和客服人员都挺好的。

测评机器人：请问您觉得热线功能哪方面比较方便呢？提示语简洁易懂、人工入口好找、人工服务接通快还是其他方面。

用户：人工入口好找。

测评机器人：恩，好的，刚才您还说客服人员好，请问您对客服代表服务哪方面比较满意呢？服务态度、操作技能、办理时长、适配产品推荐能力还是其他方面。

用户：服务态度好，其他方面也挺好的。

测评机器人：感谢您的宝贵意见，我们会及时改进，中国**祝您生活愉快。

如图5所示，本实施例中，服务结束后触发测评包括以下步骤：

2-1-1、用户发起呼叫，排队机将呼叫转入人工队列；

2-1-2、人工坐席与用户通过排队机建立通话；

2-1-3、排队机实时将会话流推送给语音转写服务，转写完成将对话文本推送到测评机器人，进行实时的会话分析，检测是否出发会话结束意图；

2-1-4、测评机器人识别到用户与坐席会话结束意图，通知排队机将用户会话转接到测评机器人；

2-1-5、测评机器人识别用户意图，进入会话流程，用户与机器人进行会话，测评机器人返回话术通过TTS将文本转换成语音完成与用户的测评会话流程；

2-1-6、会话结束，测评数据归档。

如图6所示，本实施例中，测评机器人主动外呼测评包括以下步骤：

2-2-1、测评机器人依据测评计划进行测评外呼，测评机器人服务携带外呼号码给到排队机，排队机呼叫被测评用户；

2-2-2、用户接听，排队机将用户的会话转接到测评服务机器人的话务机上；

2-2-3、测评机器人识别用户的意图，进入相应的会话流程；

2-2-4、用户与机器人进行会话，测评机器人返回话术通过TTS将文本转换成语音完成与用户的测评会话流程；

2-1-5、会话结束，测评数据归档。

本实施例中，所述步骤3中对用户话语进行语音识别、处理通过IM实现，测评对话模拟中，模拟用户与坐席通过IM进行测评对话,通过IM服务用建立户用户A与B单独的通讯通道，测评机器人B获得消息并与用户A进行测评验证，验证是否可以按照测评流程进行多轮对话。

本实施例中，所述步骤5中数据分析通过数据分析模型实现。

所述步骤5中分析用户服务体验根因，从而寻找到最佳的优化空间，服务漏斗分析，就是对坐席服务按照不同分支一步一步的分析。比如：

不满意根因分析：

服务总人数—>服务不满意量—>对系统不满意

服务总人数—>服务不满意量—>对客服不满意—>对客服态度不满意

服务总人数—>服务不满意量—>对客服不满意—>对客服能力不满意

……

对漏斗的每一个环节准确地记录数据，以便分析和优化服务的各个环节。

比如一个运营商的投诉热线，坐席技能不满意率分析，如图7所示：

从用户来电10％的用户不满意，其中8％对坐席不满意，对坐席不满意的用户中4％对坐席服务技能水平不满意，有坐席技能不满意漏斗，可以分析该如何去改善服务水平。

通过多个漏斗进行对比分析找出用户不满意的集中点进行集中解决，如对不满意中对坐席技能不满意，可以增加对坐席的培训，提高坐席的服务技能水平，用来提供服务满意度。

在上述方案中，通过对测评流程梳理，以及测评流程触发规则、测评对话模型、测评对话模拟，测评数据分析等操作，测评机器人可以识别用户或坐席的挂机意图，在正常服务完成后，触发挂机意图和测评流程，按照建立好的测评对话流程完成测评信息收集，采用测评机器人与客户进行多轮对话，根据客户的测评回答内容，利用自然语言处理技术分析(配置规则和命名实体识别)出客户测评内容的意图及核心词，代替人工，调用测评数据分析模块完成测评数据收集及分析，不仅提升了测评内容的收集效率，减少人工外呼收集测评数据的劳动强度，通过测评数据分析，自动完成测评数据收集，同时整个测评过程测评机器人独立完成，无需客服人员介入，极大地提高了工作效率，节约人力成本。

尽管本发明的实施方案已公开如上，但以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。