AI智能客户价值管理平台制造技术

本发明专利技术涉及呼叫系统的技术领域，特别是涉及一种AI智能客户价值管理平台，整合多渠道入口、AI机器人外呼、大数据分析技术三个主要能力；数据库核心包括采集模块、分群模块、分析模块和数据模块，采集模块：支持多渠道数据导入和采集；分群模块：将客户数据通过大数据算法进行自动分群；分析模块：多维度数据报表及可视化分析界面；数据模块：底层数据库的储存管理。理。理。

【技术实现步骤摘要】
AI智能客户价值管理平台


[0001]本专利技术涉及呼叫系统的
，特别是涉及一种AI智能客户价值管理平台。

技术介绍

[0002]传统呼叫中心业务均为劳动密集型，坐席人员需求量大、流失高、业务品质依赖坐席人员经验，使得为支撑业务稳定，人力成本支出占比不断加大，而且随着人口红利消失，工资福利成本也逐步上升，其次Excel、Word等传统管理工具过时数据分配、营销过程和结果不能直接分析和把控，并且新业务无法快速测试和反应，通讯资源缺少专业的呼叫中心运营及资源保障，话费成本高、人工转化率低、浪费数据和时间。
[0003]各中小企当前使用的软件和工具均缺乏整合，呼叫中心、通讯资源、BI、自动外呼、客户管理系统等，出现系统功能上、应用上无法兼容，多平台多环境处理的情况，影响整体效率。
[0004]故对产品的要求分为以下5个方面：
[0005]呼叫中心系统中通过AI技术的运用，将有效降低人工坐席数量，进而降低管理成本、培训成本、人力成本等相关的投入，在同等业务规模下实现呼叫中心“轻量化”；
[0006]结合AI技术将有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种AI智能客户价值管理平台，其特征在于，数据库核心包括采集模块、分群模块、分析模块和数据模块，采集模块：支持多渠道数据导入和采集数据通过多渠道富媒体的方式进行数据采集，数据类型包括基础数据与平面文本文件(Excel)、音频数据和视频数据等，均采集到我们的大数据平台体系中，平台可适配支持多种类型的数据源，结构化数据采集主要来自于业务系统输入，或者通过API接口与其他外围系统对接，或文本文件等形成的结构化数据，数据平台通过ETL(Extract，Transform，Load)进行数据库的构建，将数据平台中所需的数据按数据仓库建立的方法每天或定期从各渠道中进行数据采集，并根据各个不同的渠道数据源进行数据调整，并且平台在数据采集过程中会将原始数据进行抽取、清洗、合并和装载，在此过程中必须保证数据的完备性和数据的一致性，当业务数据量过大，未避免Mysql数据仓库压力过大，亦可将业务数据通过kettle迁移到hadoop平台的数据库Hbase中。在非结构化数据采集的部分，视频信息、音频信息、微博实时数据、传感器采集的设备数据、移动端收集的数据以及其他流数据等非结构化数据，我们将通过传感器接口、视频接入设备、网络爬虫工具和流处理程序等方式分别进行采集并存储到HDFS和Hbase中。分群模块：将客户数据通过大数据算法进行自动分群数据平台基于已采集的数据利用机器学习算法技术，通过特征归类形成近似的分群和分组，数据库训练集由数据库记录(Record)组成，每一条记录包含多个字段或属性(Atribute)，构成一个特征向量，训练集每条记录还有一个特定的标签(ClassLabel)与之对应，该类标签采用经验法则由系统自动生成，一个具体样本的形式可为样本向量：(v1，v2，...，vn；c)，在这里vi表示字段值，c表示类别，分类的目的是分析输入数据，通过在训练集中的数据表现出来的特性，为每一个类找到一种准确的描述或者模型，由此生成的类描述用来对未来的测试数据进行分类，虽然随处的是生成的随机变量，系统仍可以由此进行归类和定义，故系统由此对数据库中的每一个类有一个新的标示，新的数据通过近似的元素将被被聚合，实现数据学习，在持续的学习下将衍生出新的目标函数或规则，把每个属性集x映射到一个预先定义的类标号y。数据平台中分类模型的构造分为训练和测试两个阶段。在构造模型前，要求将数据集随机的分为训练集和测试集，在训练阶段，使用训练数据集，通过分析由属性描述的数据库元组来构造模型，通过数据的积累和抽检验证评估模型的分类准确率，持续进行数据元组的调优，我们平台的分类算法，是引用KNN近似算法(K
‑
NearestNeighbor)是一种基于实例的分类方法，是一种非参数的分类方法，通过测量不同特征值之间的距离进行分类，它的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别，其中K通常是不大于20的整数，KNN算法中，所选择的邻居都是已经正确分类的对象，该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。KNN方法在类别决策时，只与极少量的相邻样本有关，因此，采用这种方法可以较好的避免样本的不平衡问题，另外，由于KNN方法主要是靠周围有限的临近的样本，而不是靠判别类域的方法来确定所属类别，因此对于类域的交叉或重叠较多的待分样本集来说，KNN方法较其他方法更为合适，平台数据库针对于计算量大的问题，采用的解决方法是事先对已
知样本点进行剪辑，事先去除对分类作用不大的样本，对样本进行组织与整理，分群分层，尽可能将计算压缩在接近测试样本领域的小范围内，避免盲目的与训练样本集中的每个样本进行距离计算，使得系统在数据库运行的过程中保持稳定。分析模块：多维度数据报表及可视化分析界面数据平台提供的数据分析中的可视化方法及工具，包括表格、直方图、散点图、折线图、柱状图、饼图、面积图、流程图、泡沫图表等，其次常用图表的多个数据系列或组合像时间线、维恩图、数据流图、实体关系图等，其次也包括了专用的分析工具，如平行坐标用于绘制多维度个体数据，树状图用于可视化层次结构，锥形树图用于特殊数据的分层如三维空间中...

【专利技术属性】
技术研发人员：杨东立，
申请(专利权)人：北京云桥智联科技有限公司，
类型：发明
国别省市：