一種質(zhì)檢處理方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于自動化信息處理技術(shù)領(lǐng)域,尤其涉及一種質(zhì)檢處理方法及系統(tǒng)。
【背景技術(shù)】
[0002] 目前,國家級運營商或超大型企業(yè)的客服中心使用人工方式對客服進行質(zhì)檢。具 體地,例如質(zhì)檢員采用隨機抽取方式,從各類型業(yè)務(wù)的話務(wù)工單(客服話務(wù)所產(chǎn)生的工單, 每個話務(wù)工單對應(yīng)相應(yīng)的話務(wù)錄音)中人工抽取出不同比例的工單,通過人工檢查工單、 聽錄音的方式對抽取的工單及其對應(yīng)的錄音進行質(zhì)檢,并按照質(zhì)檢標準人工對每個工單進 行質(zhì)檢評分,以及在此基礎(chǔ)上人工進行客服評分、質(zhì)檢分析等。
[0003] 現(xiàn)有的人工質(zhì)檢方式存在諸多問題,例如,人工資源占用量大、質(zhì)檢效率低、質(zhì)檢 結(jié)果不夠客觀等等。因此,亟需提供一種自動化的質(zhì)檢處理方法。
【發(fā)明內(nèi)容】
[0004] 有鑒于此,本發(fā)明的目的在于提供一種質(zhì)檢處理方法及系統(tǒng),旨在實現(xiàn)質(zhì)檢的自 動化處理過程,以解決目前的人工質(zhì)檢方式所存在的各種問題。
[0005] 為此,本發(fā)明公開如下技術(shù)方案:
[0006] 一種質(zhì)檢處理方法,包括:
[0007] 利用預(yù)設(shè)的質(zhì)檢抽樣方法在待抽檢的全量話務(wù)工單中進行工單抽樣,得到待質(zhì)檢 的工單樣本集;其中,每一話務(wù)工單包含一個用于指示其歸屬客服的客服標識;
[0008] 獲取所述工單樣本集中每個話務(wù)工單所對應(yīng)的話務(wù)錄音,并對所述話務(wù)錄音的音 頻數(shù)據(jù)進行語音分析,得到所述話務(wù)錄音的語音分析結(jié)果;
[0009] 對每個話務(wù)工單及所述話務(wù)工單所對應(yīng)話務(wù)錄音的語音分析結(jié)果進行綜合分析、 質(zhì)檢,得到每個話務(wù)工單所對應(yīng)的綜合質(zhì)檢結(jié)果;
[0010] 依據(jù)各話務(wù)工單對應(yīng)的綜合質(zhì)檢結(jié)果及各話務(wù)工單的客服歸屬情況,獲得所述工 單樣本集所對應(yīng)的各個被抽樣客服的質(zhì)檢結(jié)果。
[0011] 上述方法,優(yōu)選的,所述利用預(yù)設(shè)的質(zhì)檢抽樣方法在待抽檢的全量話務(wù)工單中進 行工單抽樣包括:
[0012] 采集預(yù)設(shè)的客服建模數(shù)據(jù);所述客服建模數(shù)據(jù)包括用于建模的各個客服人員的基 本信息、工作能力數(shù)據(jù)以及預(yù)設(shè)歷史時間段內(nèi)的工作質(zhì)量、工作量和質(zhì)檢結(jié)果數(shù)據(jù);
[0013] 對所述客服建模數(shù)據(jù)進行數(shù)據(jù)清理,得到有效的客服建模數(shù)據(jù);
[0014] 基于所述有效的客服建模數(shù)據(jù),使用改進的C4. 5決策樹分類算法構(gòu)建決策樹分 類器,所述決策樹分類器用于對客服是否存在問題工單進行分類;
[0015] 采集客服預(yù)測數(shù)據(jù);所述客服預(yù)測數(shù)據(jù)包括各個待預(yù)測客服人員的基本信息、工 作能力數(shù)據(jù)和本次質(zhì)檢時間范圍內(nèi)的工作質(zhì)量、工作量數(shù)據(jù);
[0016] 對所述客服預(yù)測數(shù)據(jù)進行數(shù)據(jù)清理,得到有效的客服預(yù)測數(shù)據(jù);
[0017] 使用所述決策樹分類器對所述客服預(yù)測數(shù)據(jù)進行分類,得到分類結(jié)果;所述分類 結(jié)果包含:每個待預(yù)測客服人員存在問題工單的概率數(shù)值;
[0018] 依據(jù)所述分類結(jié)果,在待抽檢的全量話務(wù)工單中進行工單抽樣。
[0019] 上述方法,優(yōu)選的,所述改進的C4. 5決策樹分類算法為引入誤判成本和Adaboost 算法對現(xiàn)有的C4. 5決策樹分類算法進行改進后所得的算法結(jié)果。
[0020] 上述方法,優(yōu)選的,所述對所述話務(wù)錄音的音頻數(shù)據(jù)進行語音分析,得到語音分析 結(jié)果包括:
[0021 ] 對所述話務(wù)錄音的音頻數(shù)據(jù)分別進行語音識別、時間識別、斷話識別、語速識別、 冷場識別、語氣識別、語調(diào)識別、音量識別、情緒識別、方言使用識別和發(fā)音質(zhì)量識別,得到 可擴展標記語言XML文檔形式的語音分析結(jié)果。
[0022] 上述方法,優(yōu)選的,所述對每個話務(wù)工單及所述話務(wù)工單所對應(yīng)話務(wù)錄音的語音 分析結(jié)果進行綜合分析、質(zhì)檢,包括:
[0023] 對每個話務(wù)工單及所述話務(wù)工單所對應(yīng)話務(wù)錄音的語音分析結(jié)果進行文本分析 挖掘,得到每個話務(wù)工單對應(yīng)的文本挖掘結(jié)果;
[0024] 基于相應(yīng)的座席部門業(yè)務(wù)規(guī)范及知識庫,對所述文本挖掘結(jié)果進行質(zhì)檢。
[0025] 上述方法,優(yōu)選的,所述依據(jù)各話務(wù)工單對應(yīng)的綜合質(zhì)檢結(jié)果及各話務(wù)工單的的 客服歸屬情況,獲得所述工單樣本集所對應(yīng)的各個被抽樣客服的質(zhì)檢結(jié)果,包括:
[0026] 依據(jù)每個話務(wù)工單對應(yīng)的綜合質(zhì)檢結(jié)果,對所述話務(wù)工單進行質(zhì)檢評分;
[0027] 依據(jù)各話務(wù)工單的質(zhì)檢評分數(shù)值、各話務(wù)工單的客服歸屬情況,計算每個被抽樣 客服對應(yīng)的被質(zhì)檢話務(wù)工單的平均質(zhì)檢評分數(shù)值,得到各個被抽樣客服的質(zhì)檢評分數(shù)值;
[0028] 依據(jù)各個被抽樣客服對應(yīng)的被質(zhì)檢話務(wù)工單的質(zhì)檢結(jié)果,對所述各個被抽樣客服 的差錯數(shù)量、嚴重程度、類型進行統(tǒng)計分析,并將統(tǒng)計分析結(jié)果與歷史質(zhì)檢結(jié)果進行對比, 以發(fā)現(xiàn)客服存在的共性、個性問題以及問題的變化情況。
[0029] -種質(zhì)檢處理系統(tǒng),包括:
[0030] 抽樣模塊,用于利用預(yù)設(shè)的質(zhì)檢抽樣方法在待抽檢的全量話務(wù)工單中進行工單抽 樣,得到待質(zhì)檢的工單樣本集;其中,每一話務(wù)工單包含一個用于指示其歸屬客服的客服標 識;
[0031] 語音分析模塊,用于獲取所述工單樣本集中每個話務(wù)工單所對應(yīng)的話務(wù)錄音,并 對所述話務(wù)錄音的音頻數(shù)據(jù)進行語音分析,得到所述話務(wù)錄音的語音分析結(jié)果;
[0032] 質(zhì)檢模塊,用于對每個話務(wù)工單及所述話務(wù)工單所對應(yīng)話務(wù)錄音的語音分析結(jié)果 進行綜合分析、質(zhì)檢,得到每個話務(wù)工單所對應(yīng)的綜合質(zhì)檢結(jié)果;
[0033] 質(zhì)檢結(jié)果獲取模塊,用于依據(jù)各話務(wù)工單對應(yīng)的綜合質(zhì)檢結(jié)果及各話務(wù)工單的的 客服歸屬情況,獲得所述工單樣本集所對應(yīng)的各個被抽樣客服的質(zhì)檢結(jié)果。
[0034] 上述系統(tǒng),優(yōu)選的,所述抽樣模塊包括:
[0035] 建模數(shù)據(jù)采集單元,用于采集預(yù)設(shè)的客服建模數(shù)據(jù);所述客服建模數(shù)據(jù)包括用于 建模的各個客服人員的基本信息、工作能力數(shù)據(jù)以及預(yù)設(shè)歷史時間段內(nèi)的工作質(zhì)量、工作 量和質(zhì)檢結(jié)果數(shù)據(jù);
[0036] 建模數(shù)據(jù)清理單元,用于對所述客服建模數(shù)據(jù)進行數(shù)據(jù)清理,得到有效的客服建 模數(shù)據(jù);
[0037] 分類器構(gòu)建單元,用于基于所述有效的客服建模數(shù)據(jù),使用改進的C4. 5算法構(gòu)建 決策樹分類器,所述決策樹分類器用于對客服是否存在問題工單進行分類;
[0038] 預(yù)測數(shù)據(jù)采集單元,用于采集客服預(yù)測數(shù)據(jù);所述客服預(yù)測數(shù)據(jù)包括各個待預(yù)測 客服人員的基本信息、工作能力數(shù)據(jù)和本次質(zhì)檢時間范圍內(nèi)的工作質(zhì)量、工作量數(shù)據(jù);
[0039] 預(yù)測數(shù)據(jù)清理單元,用于對所述客服預(yù)測數(shù)據(jù)進行數(shù)據(jù)清理,得到有效的客服預(yù) 測數(shù)據(jù);
[0040] 分類預(yù)測單元,用于使用所述決策樹分類器對所述客服預(yù)測數(shù)據(jù)進行分類,得到 分類結(jié)果;所述分類結(jié)果包含:每個待預(yù)測客服人員存在問題的概率數(shù)值;
[0041] 抽樣單元,用于依據(jù)所述分類結(jié)果,在待抽檢的全量話務(wù)工單中進行工單抽樣。
[0042] 上述系統(tǒng),優(yōu)選的,所述語音分析模塊包括:
[0043] 語音分析單元,用于對所述話務(wù)錄音的音頻數(shù)據(jù)分別進行語音識別、時間識別、斷 話識別、語速識別、冷場識別、語氣識別、語調(diào)識別、音量識別、情緒識別、方言使用識別和發(fā) 音質(zhì)量識別,得到可擴展標記語言XML文檔形式的語音分析結(jié)果。
[0044] 上述系統(tǒng),優(yōu)選的,所述質(zhì)檢模塊包括:
[0045] 文本挖掘單元,用于對每個話務(wù)工單及所述話務(wù)工單所對應(yīng)話務(wù)錄音的語音分析 結(jié)果進行文本分析挖掘,得到每個話務(wù)工單對應(yīng)的文本挖掘結(jié)果;;
[0046] 質(zhì)檢單元,用于基于相應(yīng)的座席部門業(yè)務(wù)規(guī)范及知識庫,對所述文本挖掘結(jié)果進 行質(zhì)檢。
[0047] 上述系統(tǒng),優(yōu)選的,所述質(zhì)檢結(jié)果獲取模塊包括:
[0048] 第一質(zhì)檢評分單元,用于依據(jù)每個話務(wù)工單對應(yīng)的綜合質(zhì)檢結(jié)果,對所述話務(wù)工 單進彳丁質(zhì)檢評分;
[0049] 第二質(zhì)檢評分單元,用于依據(jù)各話務(wù)工單的質(zhì)檢評分數(shù)值、各話務(wù)工單的客服歸 屬情況,計算每個被抽樣客服對應(yīng)的被質(zhì)檢話務(wù)工單的平均質(zhì)檢評分數(shù)值,得到各個被抽 樣客服的質(zhì)檢評分數(shù)值;
[0050] 統(tǒng)計分析單元,用于依據(jù)各個被抽樣客服對應(yīng)的被質(zhì)檢話務(wù)工單的質(zhì)檢結(jié)果,對 所述各個被抽樣客服的差錯數(shù)量、嚴重程度、類型進行統(tǒng)計分析,并將統(tǒng)計分析結(jié)果與歷史 質(zhì)檢結(jié)果進行對比,以發(fā)現(xiàn)客服存在的共性、個性問題以及問題的變化情況。
[0051] 由以上方案可知,本申請?zhí)峁┝艘环N質(zhì)檢處理方法和系統(tǒng),所述方法和系統(tǒng)在進 行工單抽樣得到待質(zhì)檢的各個話務(wù)工單后,對每個話務(wù)工單所對應(yīng)的錄音音頻數(shù)據(jù)進行語 音分析,并對每個話務(wù)工單及其相對應(yīng)錄音的語音分析結(jié)果進行綜合分析、質(zhì)檢,得到綜合 質(zhì)檢結(jié)果;最終,依據(jù)各話務(wù)工單對應(yīng)的綜合質(zhì)檢結(jié)果以及各話務(wù)工單的客服歸屬情況,獲 得各個話務(wù)工單所對應(yīng)的各個被抽樣客服的質(zhì)檢結(jié)果,實現(xiàn)了自動化的客服質(zhì)檢過程。從 而,應(yīng)用本申請可克服現(xiàn)有的人工質(zhì)檢方式所存在的人工資源占有量大、質(zhì)檢效率低、質(zhì)檢 結(jié)果不夠客觀等問題。
【附圖說明】
[0052] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本 發(fā)明的實施例,對于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動的前提下,還可以根據(jù) 提供的附圖獲得其他的附圖。
[0053] 圖1是本發(fā)明實施例一公開的質(zhì)檢處理方法流程圖;
[0054] 圖2是本發(fā)明實施例一公開的改進后的C4. 5算法流程圖;
[0055] 圖3是本發(fā)明實施例一公開的基于改進后C4. 5算法的質(zhì)檢抽樣方法流程圖;