建立外呼质量模型、外呼模型及外呼评价的方法及系统技术方案

本发明专利技术提供一种建立外呼质量模型、外呼模型及外呼评价的方法及系统。该建立外呼质量模型的方法包括：根据历史通话数据，建立外呼通话的第一训练样本集；提取第一训练样本集中所记录的每一外呼通话的外呼特征向量和分类标记；其中外呼特征向量包括多个影响客户接收外呼通话的通话特征属性，分类标记表示相对应外呼通话为成功或失败；根据每一外呼通话的外呼特征向量和分类标记，通过第一训练样本集学习联合概率分布的方式建立外呼质量评估模型。本发明专利技术解决了现有外呼技术方案不能准确评估外呼成功率的问题。

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.

【技术实现步骤摘要】
建立外呼质量模型、外呼模型及外呼评价的方法及系统
本专利技术实施例涉及数据业务
，并且更具体地，涉及一种建立外呼质量模型、外呼模型及外呼评价的方法及系统。
技术介绍
现有的利用电话外呼推广产品的方式主要是，基于收集到的手机客户号码，经过简单的分类后，客服人员给客户打电话进行厂家指定产品的推广。现有的这种外呼推销产品的方式，由于缺少客户对指定产品的意向的分析，随机地将产品推荐给所有的客户，容易造成对推荐产品意向较低的客户反感，而且投入的人力成本和资源都很大，而产品的推荐成功率却非常低。随着大数据挖掘技术和人工智能技术的高速发展，如何利用这些技术预测外呼成功率，从而提高外呼的推荐成功率,以及进一步降低投入的人力资本和资源,成为亟需解决的一项课题。
技术实现思路
本专利技术实施例提供一种建立外呼质量模型、外呼模型及外呼评价的方法及系统，以解决现有外呼技术方案不能准确评估外呼成功率的问题。第一方面，提供了一种建立外呼质量模型的方法，该方法包括：根据历史通话数据，建立外呼通话的第一训练样本集；提取第一训练样本集中所记录的每一外呼通话的外呼特征向量和分类标记；其中外呼特征向量包括多个影响客户接收外呼通话的通话特征属性，分类标记表示相对应所述外呼通话为成功或失败；根据每一外呼通话的外呼特征向量和分类标记，通过第一训练样本集学习联合概率分布的方式建立外呼质量评估模型。可选地，根据历史通话数据，建立外呼通话的第一训练样本集的步骤包括：获取每一外呼通话的通话记录信息和通话结果信息；选择通话结果信息为成功的外呼通话为正训练样本，选择通话结果信息为失败的外呼通话为负训练样本；将正训练样本和负训练样本进行组合，建立第一训练样本集；其中通话结果信息为成功的外呼通话的分类标记为成功，通话结果信息为失败的外呼通话的分类标记为失败。可选地，获取每一外呼通话的通话记录信息和通话结果信息的步骤之后，该方法还包括：计算历史通话数据中预设时间段内每一客服外呼通话的平均成功率；当第一客服的平均成功率大于预设成功率时，将第一客服的所有外呼通话标记为侯选正样本集；当第一客服的平均成功率不大于预设成功率时，将第一客服的所有外呼通话标记为侯选负样本集；其中，选择通话结果信息为成功的外呼通话为正训练样本，选择通话结果信息为失败的外呼通话为负训练样本的步骤中，从侯选正样本集中选择通话结果信息为成功的外呼通话为正训练样本，从侯选负样本集中选择通话结果信息为失败的外呼通话为负训练样本。可选地，根据每一外呼通话的外呼特征向量和分类标记，通过第一训练样本集学习联合概率分布的方式建立外呼质量评估模型的步骤包括：建立外呼通话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总个数，xK表示第k个外呼特征向量；建立分类标记的标记集合Y＝{c1,c2}，其中c1表示外呼电话的分类标记为成功，而c2表示外呼电话的分类标记为失败；根据向量集合X和标记集合Y，建立第一训练数据集合T＝{(x1,c1),(x2,c2),…(xN,cN)}，其中xN表示第N个外呼特征向量，cN表示外呼特征向量xN对应的外呼通话的分类标记；利用第一训练数据集合T学习先验概率分布P(Y＝c1,c2)及条件概率分布P{(X＝x|Y＝ck)}＝P(X(1)＝x(1),…X(n)＝x(n)|Y＝ck)，k＝1,2，学习到联合概率分布P(X,Y)，建立外呼质量评估模型，其中x(n)表示外呼特征向量x的第n个特征元素。可选地，外呼特征向量包括：语速，语调，韵律，谱特征，能量特征，基频特征，常用词，句式，段落，客服方言，客服受教育程度，客服年龄和/或性别。相应地，本专利技术还提供了一种建立外呼质量模型的系统，该系统包括：第一建立模块，用于根据历史通话数据，建立外呼通话的第一训练样本集；提取模块，用于提取第一训练样本集中所记录的每一外呼通话的外呼特征向量和分类标记；其中外呼特征向量包括多个影响客户接收外呼通话的通话特征属性，分类标记表示相对应所述外呼通话为成功或失败；第二建立模块，用于根据每一外呼通话的外呼特征向量和分类标记，通过第一训练样本集学习联合概率分布的方式建立外呼质量评估模型。可选地，第一建立模块包括：获取单元，用于获取每一外呼通话的通话记录信息和通话结果信息；选择单元，用于选择通话结果信息为成功的外呼通话为正训练样本，选择通话结果信息为失败的外呼通话为负训练样本；组合单元，用于将正训练样本和负训练样本进行组合，建立第一训练样本集；其中通话结果信息为成功的外呼通话的分类标记为成功，通话结果信息为失败的外呼通话的分类标记为失败。可选地，第一建立模块还包括：计算单元，用于计算历史通话数据中第一预设时间段内每一客服外呼通话的平均成功率；第一标记单元，用于当第一客服的平均成功率大于预设成功率时，将第一客服的所有外呼通话标记为侯选正样本集；第二标记单元，用于当第一客服的平均成功率不大于预设成功率时，将第一客服的所有外呼通话标记为侯选负样本集；其中，选择单元具体用于：从侯选正样本集中选择通话结果信息为成功的外呼通话为正训练样本，从侯选负样本集中选择通话结果信息为失败的外呼通话为负训练样本。可选地，第二建立模块包括：第一建立单元，用于建立外呼通话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总个数，xK表示第k个外呼特征向量；第二建立单元，用于建立分类标记的标记集合Y＝{c1,c2}，其中c1表示外呼电话的分类标记为成功，而c2表示外呼电话的分类标记为失败；第三建立单元，用于根据向量集合和标记集合，建立第一训练数据集合T＝{(x1,c1),(x2,c2),…(xN,cN)}，其中xN表示第N个外呼特征向量，cN表示外呼特征向量xN对应的外呼通话的分类标记；第四建立单元，用于利用第一训练数据集合T学习先验概率分布P(Y＝c1,c2)及条件概率分布P{(X＝x|Y＝ck)}＝P(X(1)＝x(1),…X(n)＝x(n)|Y＝ck)，k＝1,2，学习到联合概率分布P(X,Y)，建立外呼质量评估模型，其中x(n)表示外呼特征向量x的第n个特征元素。可选地，外呼特征向量包括：语速，语调，韵律，谱特征，能量特征，基频特征，常用词，句式，段落，客服方言，客服受教育程度，客服年龄和/或性别。第二方面，还提供了一种外呼评价的方法，该方法包括：提取出待评价外呼通话的外呼特征向量；根据待评价外呼通话的外呼特征向量，利用外呼质量评估模型评价待评价外呼通话的质量。可选地，根据待评价外呼通话的外呼特征向量，利用外呼质量模型评价待评价外呼通话的质量的步骤包括：根据待评价外呼通话的外呼特征向量，利用外呼质量模型，根据下列公式计算评价结果：其中，c1表示外呼通话的分类标记为成功，而c2表示外呼通话的分类标记为失败，x(j)表示外呼特征向量x的第j个特征元素，当输出结果为1时，代表待评价外呼通话的质量为合格，当输出结果为0时，代表待评价外呼通话的质量为不合格。相应地，本专利技术还提供一种外呼评价的系统，该系统包括：提取模块，用于提取出待评价外呼通话的外呼特征向量；评价模块，用于根据待评价外呼通话的外呼特征向量，利用外呼质量模型评价待评价外呼通话的质量。可选地，评价模块具本文档来自技高网...

【技术保护点】
一种建立外呼质量模型的方法，其特征在于，所述方法包括：根据历史通话数据，建立外呼通话的第一训练样本集；提取所述第一训练样本集中所记录的每一外呼通话的外呼特征向量和分类标记；其中所述外呼特征向量包括多个影响客户接收外呼通话的通话特征属性，所述分类标记表示相对应所述外呼通话为成功或失败；根据每一外呼通话的外呼特征向量和分类标记，通过所述第一训练样本集学习联合概率分布的方式建立外呼质量模型。

【技术特征摘要】
1.一种建立外呼质量模型的方法，其特征在于，所述方法包括：根据历史通话数据，建立外呼通话的第一训练样本集；提取所述第一训练样本集中所记录的每一外呼通话的外呼特征向量和分类标记；其中所述外呼特征向量包括多个影响客户接收外呼通话的通话特征属性，所述分类标记表示相对应所述外呼通话为成功或失败；根据每一外呼通话的外呼特征向量和分类标记，通过所述第一训练样本集学习联合概率分布的方式建立外呼质量模型。2.如权利要求1所述的方法，其特征在于，所述根据历史通话数据，建立外呼通话的第一训练样本集的步骤包括：获取每一外呼通话的通话记录信息和通话结果信息；选择所述通话结果信息为成功的外呼通话为正训练样本，选择所述通话结果信息为失败的外呼通话为负训练样本；将所述正训练样本和所述负训练样本进行组合，建立所述第一训练样本集；其中所述通话结果信息为成功的外呼通话的分类标记为成功，所述通话结果信息为失败的外呼通话的分类标记为失败。3.如权利要求2所述的方法，其特征在于，所述获取每一外呼通话的通话记录信息和通话结果信息的步骤之后，所述方法还包括：计算历史通话数据中预设时间段内每一客服外呼通话的平均成功率；当第一客服的平均成功率大于预设成功率时，将所述第一客服的所有外呼通话标记为侯选正样本集；当第一客服的平均成功率不大于预设成功率时，将所述第一客服的所有外呼通话标记为侯选负样本集；其中，选择所述通话结果信息为成功的外呼通话为正训练样本，选择所述通话结果信息为失败的外呼通话为负训练样本的步骤中，从所述侯选正样本集中选择所述通话结果信息为成功的外呼通话为正训练样本，从所述侯选负样本集中选择所述通话结果信息为失败的外呼通话为负训练样本。4.如权利要求1所述的方法，其特征在于，所述根据每一外呼通话的外呼特征向量和分类标记，通过所述第一训练样本集学习联合概率分布的方式建立外呼质量模型的步骤包括：建立外呼通话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总个数，xK表示第k个外呼特征向量；建立分类标记的标记集合Y＝{c1,c2}，其中c1表示外呼通话的分类标记为成功，而c2表示外呼通话的分类标记为失败；根据所述向量集合X和所述标记集合Y，建立第一训练数据集合T＝{(x1,c1),(x2,c2),…(xN,cN)}，其中xN表示第N个外呼特征向量，cN表示外呼特征向量xN对应的外呼通话的分类标记；利用所述第一训练数据集合T学习先验概率分布P(Y＝c1,c2)及条件概率分布P{(X＝x|Y＝ck)}＝P(X(1)＝x(1),…X(n)＝x(n)|Y＝ck)，k＝1,2，学习到联合概率分布P(X,Y)，建立外呼质量模型，其中x(n)表示外呼特征向量x的第n个特征元素。5.如权利要求1至4任一项所述的方法，其特征在于，所述外呼特征向量包括：语速，语调，韵律，谱特征，能量特征，基频特征，常用词，句式，段落，客服方言，客服受教育程度，客服年龄和/或性别。6.一种建立外呼质量模型的系统，其特征在于，所述系统包括：第一建立模块，用于根据历史通话数据，建立外呼通话的第一训练样本集；提取模块，用于提取所述第一训练样本集中所记录的每一外呼通话的外呼特征向量和分类标记；其中所述外呼特征向量包括多个影响客户接收外呼通话的通话特征属性，所述分类标记表示相对应所述外呼通话为成功或失败；第二建立模块，用于根据每一外呼通话的外呼特征向量和分类标记，通过所述第一训练样本集学习联合概率分布的方式建立外呼质量模型。7.如权利要求6所述的系统，其特征在于，所述第一建立模块包括：获取单元，用于获取每一外呼通话的通话记录信息和通话结果信息；选择单元，用于选择所述通话结果信息为成功的外呼通话为正训练样本，选择所述通话结果信息为失败的外呼通话为负训练样本；组合单元，用于将所述正训练样本和所述负训练样本进行组合，建立所述第一训练样本集；其中所述通话结果信息为成功的外呼通话的分类标记为成功，所述通话结果信息为失败的外呼通话的分类标记为失败。8.如权利要求7所述的系统，其特征在于，所述第一建立模块还包括：计算单元，用于计算历史通话数据中第一预设时间段内每一客服外呼通话的平均成功率；第一标记单元，用于当第一客服的平均成功率大于预设成功率时，将所述第一客服的所有外呼通话标记为侯选正样本集；第二标记单元，用于当第一客服的平均成功率不大于预设成功率时，将所述第一客服的所有外呼通话标记为侯选负样本集；其中，所述选择单元具体用于：从所述侯选正样本集中选择所述通话结果信息为成功的外呼通话为正训练样本，从所述侯选负样本集中选择所述通话结果信息为失败的外呼通话为负训练样本。9.如权利要求6所述的系统，其特征在于，所述第二建立模块包括：第一建立单元，用于建立外呼通话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总个数，xK表示第k个外呼特征向量；第二建立单元，用于建立分类标记的标记集合Y＝{c1,c2}，其中c1表示外呼通话的分类标记为成功，而c2表示外呼通话的分类标记为失败；第三建立单元，用于根据所述向量集合和所述标记集合，建立第一训练数据集合T＝{(x1,c1),(x2,c2),…(xN,cN)}，其中xN表示第N个外呼特征向量，cN表示外呼特征向量xN对应的外呼通话的分类标记；第四建立单元，用于利用所述第一训练数据集合T学习先验概率分布P(Y＝c1,c2)及条件概率分布P{(X＝x|Y＝ck)}＝P(X(1)＝x(1),…X(n)＝x(n)|Y＝ck)，k＝1,2，学习到联合概率分布P(X,Y)，建立外呼质量模型，其中x(n)表示外呼特征向量x的第n个特征元素。10.如权利要求6至9任一项所述的系统，其特征在于，所述外呼特征向量包括：语速，语调，韵律，谱特征，能量特征，基频特征，常用词，句式，段落，客服方言，客服受教育程度，客服年龄和/或性别。11.一种利用权利要求1-5任一项所述方法所建立的外呼质量模型进...

【专利技术属性】
技术研发人员：高丽，
申请(专利权)人：中国移动通信集团公司，
类型：发明
国别省市：北京,11