一种基于ASR的客服智能质检分析方法技术

本发明专利技术公开了一种基于ASR的客服智能质检分析方法，其特征在于，包括步骤1：生成符合质检规则的自然语言文本，将自然语言文本进行拆分封装到质检数据模型中，由质检处理器质检；步骤2:智能质检，预置质检策略、质检因子到质检处理器中，动态解析质检数据模型中的质检数据，根据质检策略、质检因子进行多维解析，生成质检结果；步骤3：生成质检报告，质检管理器质检完数据后对每个话单信息生成相关的质检报告；步骤4：生成知识库脚本信息，将达到系统预置评价等级标准的自然语言文本生成的脚本存入知识库；步骤5：客服引导流维护。达到客观、规范、全面、实时的效果，统一不同质检员之间的考核标准，解决质检员自身业务能力的局限，解决客服质检的滞后性。客服质检的滞后性。客服质检的滞后性。

【技术实现步骤摘要】
一种基于ASR的客服智能质检分析方法


[0001]本专利技术涉及互联网
，特别是涉及一种基于ASR的客服智能质检分析方法。

技术介绍

[0002]客户是企业的生存之本，随着客户的服务质量要求的提升，企业对客户服务愈发重视，很多企业引入了人工质检岗位，但是随着业务量的快速增长，人工质检成本也是巨大的，其次，庞大的呼叫中心录音数据通过有限的人工质检人员显得有点不堪重负，质检比例也只能占所有坐席的0.5％～2％左右。不同质检员考核标准不统一，容易受到主观意识影响，无法做到客观、公正。由于质检员本身的业务能力的局限也会导致质检的不规范。
[0003]昂贵的人力成本和准确性不高的质检结果已经无法满足企业的真正需要，如果不能及时、准确的分析、发现客服服务过程中的问题或客服无法正确识别客户真正需要，会影响到企业品牌的声誉最终导致客户的流失。
[0004]因此需要一种高效的客服质检分析方法。

技术实现思路

[0005]本专利技术所要解决的技术问题是克服现有技术的不足，提供一种基于ASR的客服智能质检分析方法。
[0006]为解决上述技术问题，本专利技术提供一种基于ASR的客服智能质检分析方法，其特征在于，包括如下步骤：
[0007]步骤1：生成符合质检规则的自然语言文本，所述质检规则是满足质检处理器质检数据模型的一种规则，所述质检处理器由质检数据、质检策略、质检因子组成，所述的质检数据模型由质检对象、自然语言文本、对象文本关系组成，所述质检对象包括客服和客户，所述自然语言文本是客服和客户对话的文本内容，所述对象文本关系包括客服和客户对应的文本关系，所述质检规则包含通话语音，所述通话语音包含话单属性、通话对象、被通话对象，所述话单属性包括有关联客服的话单主键，所述话单主键包括：话单和客服绑定的唯一标识、语音开始时间、语音结束时间、语音通话时长、语音接通等待时长、客户评价；所述通话对象为主叫对象；所述被通话对象为被叫对象；所述自然语言文本，是由所述语音转写系统根据录音文件自动匹配且支持转写的ASR系统生成的可质检的自然语言文本，将自然语言文本进行拆分封装到质检数据模型中，由质检处理器质检；
[0008]步骤2:智能质检，预置质检策略、质检因子到质检处理器中，动态解析质检数据模型中的质检数据，根据质检策略、质检因子进行多维解析，生成质检结果；
[0009]步骤3：生成质检报告，质检管理器质检完数据后对每个话单信息生成相关的质检报告，所述质检报告展示当前话单质检结果，所述话单质检结果包含三种质检标准项模板的分值信息、总分值及敏感词集合、客户意向关键词，系统根据批量话单进行聚类分析，生成客服在阶段时间的客服初始分值、总分值变化的趋势图，及敏感词触发次数，方便主管人员了解阶段时间内容客服的服务质量变化，多方位了解客服服务信息的优劣情况；
[0010]步骤4：生成知识库脚本信息，所述知识库脚本信息由知识库预置，系统根据话单质检结果将达到系统预置评价等级标准的话单文本收集到优质话单库表中，对优质话单库表中的自然语言文本进行二次分析，通过质检工具包提炼客服自然语言文本中的话术，将达到系统预置评价等级标准的自然语言文本生成的脚本存入知识库，经过主管人员审核通过便可入知识库。
[0011]步骤5：客服引导流维护，对达到系统预置评价等级标准经过二次分析的自然语言文本数据及质检报告进行归档，记录客服达到系统预置评价等级标准经过二次分析的自然语言文本，根据记录的自然语言文本进行选择、过滤、归档的信息进行客服引导流维护。
[0012]所述步骤1中，生成自然语言文本的具体步骤如下：
[0013]步骤1-1:根据定时调度预置策略通过调度任务根据数据库表中的话单id获取第三方呼叫中心系统的通话数据，所述定时调度预置策略是用于获取第三方呼叫中心系统的通话数据的时间策略，通过配置corn表达式方式配置获取周期，所述获取周期为1小时或者半天，根据客服在呼叫系统中实时产生的话单数据对应话单id，所述话单数据是第三方呼叫中心系统对应数据库表中的数据，根据话单id从第三方呼叫中心系统的数据库获取通话数据，同步满足质检规则的通话数据并转换成系统所需的model入库，更新数据库表中的话单数据同步标识为1表示成功，对于不满足质检规则的通话数据，将数据库表中的话单数据同步标识更新为0表示失败，记录更新同步的次数+1，同步次数阀值为50次，对获取失败或未生成的语音数据通过补偿机制进行补偿，所述补偿机制为：在每次调度首次执行完同步数据流程后，再次获取数据库中话单数据同步标识为0且同步次数不超过阀值的客服话单数据，并从呼叫中心数据库中同步通话数据，对于超过阀值的同步失败数据，打上异常标签，由业务人员线下处理；
[0014]步骤1-2：语音文件智能转换自然语言文本，根据上述步骤同步成功的话单数据异步调用ASR系统进行语音转换，每个话单数据可单独开启一个线程，线程之间数据转换互不影响，可快速完成语音转换，将转换后的文本根据质检数据模型进行解析、封装，所述质检数据模型根据质检处理器中的质检因子项匹配，将封装好的质检数据模型存入数据库。
[0015]所述步骤2中，智能质检具体按照以下步骤进行：
[0016]步骤2-1：预置质检因子，所述质检因子由其因子项拆分为三个不同的属性维度：数据因子、客户因子、客服因子，所述数据因子包含通话开始时间、通话结束时间、通话时长、客户排队时长、客户所选服务队列；所述客户因子包含客户意向关键词、客户评价；所述客服因子包含客服表达能力、服务用语、服务态度、开场白、陈述语、结束语、恶劣敏感词；质检处理器根据因子项在步骤2-2质检策略的质检标准项模板中对应不同标准的分值做评分。因子项决定质检维度，后台可视化动态配置，质检员可在后台质检处理器的质检因子模块配置具体的因子项，配置完成保存入库，可视化动态配置需在系统质检下一个周期前配置，下一个质检周期开始方可生效。
[0017]步骤2-2：预置质检策略，所述质检策略由质检标准项模板和质检链构成，所述质检标准项模板不止一个，所述质检标准项模板由因子项决定具体维度的评分标准，所述质检标准项模板根据本身属性、规则来计算不同维度的分值，根据质检标准项模板对质检数据进行质检，计算质检分值，以二维矩阵呈现，所述质检链包括分值计算链和信息处理链，所述分值计算链是由不同类别的质检标准项模板的质检分值规则形成的计算链，所述信息
处理链包括敏感词模板和客户意向信息提取模板，所述敏感词模板根据预置的敏感词袋匹配数据对象中客服对象自然语言文本内容，获得敏感词袋中的恶意词，实时触发敏感词预警机制，风控系统根据敏感词模板进行预警，所述客户意向信息提取模板根据客户意向关键词库表中的关键词提取客户意向产品关键词或问题关键词；
[0018]步骤2-3：配置质检工具包、匹配算法，质检过程具体包括：对质检数据进行匹配、分析，和对生成的自然语言文本质检，所述质检工具包为Gensim工具包，使用anaconda工具在服务器上进行集中安装用以处理自然语言文本，使用kmp匹本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ASR的客服智能质检分析方法，其特征在于，包括如下步骤：步骤1：生成符合质检规则的自然语言文本，所述质检规则是满足质检处理器质检数据模型的一种规则，所述质检处理器由质检数据、质检策略、质检因子组成，所述的质检数据模型由质检对象、自然语言文本、对象文本关系组成，所述质检对象包括客服和客户，所述自然语言文本是客服和客户对话的文本内容，所述对象文本关系包括客服和客户对应的文本关系，所述质检规则包含通话语音，所述通话语音包含话单属性、通话对象、被通话对象，所述话单属性包括有关联客服的话单主键，所述话单主键包括：话单和客服绑定的唯一标识、语音开始时间、语音结束时间、语音通话时长、语音接通等待时长、客户评价；所述通话对象为主叫对象；所述被通话对象为被叫对象；所述自然语言文本，是由所述语音转写系统根据录音文件自动匹配且支持转写的ASR系统生成的可质检的自然语言文本，将自然语言文本进行拆分封装到质检数据模型中，由质检处理器质检；步骤2:智能质检，预置质检策略、质检因子到质检处理器中，动态解析质检数据模型中的质检数据，根据质检策略、质检因子进行多维解析，生成质检结果；步骤3：生成质检报告，质检管理器质检完数据后对每个话单信息生成相关的质检报告，所述质检报告展示当前话单质检结果，所述话单质检结果包含三种质检标准项模板的分值信息、总分值及敏感词集合、客户意向关键词，系统根据批量话单进行聚类分析，生成客服在阶段时间的客服初始分值、总分值变化的趋势图，及敏感词触发次数；步骤4：生成知识库脚本信息，所述知识库脚本信息由知识库预置，系统根据话单质检结果将达到系统预置评价等级标准的话单文本收集到优质话单库表中，对优质话单库表中的自然语言文本进行二次分析，通过质检工具包提炼客服自然语言文本中的话术，将达到系统预置评价等级标准的自然语言文本生成的脚本存入知识库；步骤5：客服引导流维护，对达到系统预置评价等级标准经过二次分析的自然语言文本数据及质检报告进行归档，记录客服达到系统预置评价等级标准经过二次分析的自然语言文本，根据记录的自然语言文本进行选择、过滤、归档的信息进行客服引导流维护。2.如权利要求1所述的一种基于ASR的客服智能质检分析方法，其特征在于：所述步骤1中，生成自然语言文本的具体步骤如下：步骤1-1:根据定时调度预置策略通过调度任务根据数据库表中的话单id获取第三方呼叫中心系统的通话数据，所述定时调度预置策略是用于获取第三方呼叫中心系统的通话数据的时间策略，通过配置corn表达式方式配置获取周期，所述获取周期为1小时或者半天，根据客服在呼叫系统中实时产生的话单数据对应话单id，所述话单数据是第三方呼叫中心系统对应数据库表中的数据，根据话单id从第三方呼叫中心系统的数据库获取通话数据，同步满足质检规则的通话数据并转换成系统所需的model入库，更新数据库表中的话单数据同步标识为1表示成功，对于不满足质检规则的通话数据，将数据库表中的话单数据同步标识更新为0表示失败，记录更新同步的次数+1，同步次数阀值为50次，对获取失败或未生成的语音数据通过补偿机制进行补偿，所述补偿机制为：在每次调度首次执行完同步数据流程后，再次获取数据库中话单数据同步标识为0且同步次数不超过阀值的客服话单数据，并从呼叫中心数据库中同步通话数据，对于超过阀值的同步失败数据，打上异常标签；步骤1-2：语音文件智能转换自然语言文本，根据上述步骤同步成功的话单数据异步调用ASR系统进行语音转换，每个话单数据可单独开启一个线程，线程之间数据转换互不影
响，可快速完成语音转换，将转换后的...

【专利技术属性】
技术研发人员：丁辉，张彭月，
申请(专利权)人：南京新贝金服科技有限公司，
类型：发明
国别省市：