售后客户对话满意度提升方法、系统、电子设备及存储介质与流程

1.本发明属于自然语言处理领域，尤其涉及一种可适用于企业内部售后客户对话满意度提升方法、系统、电子设备及存储介质。


背景技术：

2.在商业领域，售后服务对客户的满意度至关重要。传统的售后服务往往采用人工沟通方式，该方式效率低下、精度不高，并且不能实时获取和分析用户反馈信息，从而无法为客户提供更加个性化和准确的服务。
3.针对这种情况，近年来涌现出了一系列基于技术手段的售后服务解决方案，其中包括通过语音识别、自然语言处理、机器学习等技术手段自动识别和分析用户反馈信息，从而提升售后服务质量和客户满意度的方法和系统。
4.然而，目前存在的一些售后客户对话满意度提升的方法和系统，其技术方案或功能设置较为单一，未能充分利用先进的计算机技术，且难以满足不同行业和场景的需求。因此，需要提出一种新型的售后客户对话满意度提升方法、系统、电子设备及存储介质，以应对上述问题。该技术方案应具备高效、准确、智能、可定制化等特点，以提高售后服务的质量和效率，同时提升客户体验和满意度，增强品牌竞争力和市场影响力。


技术实现要素：

5.本发明旨在提供一种售后客户对话满意度提升方法、系统、电子设备及存储介质，以提高企业售后服务的满意度和效率。本发明的应用场景主要包括售后服务、客户关系管理和产品营销等领域。
6.实现本发明目的的具体技术方案如图1：s1：步骤一，我们需要在企业内部的客诉系统和外呼系统中部署一个api服务端并暴露相应的api接口，然后将这些接口注册到技术方案中的访问列表中，这些数据可以包括客户评价、工单记录和客户投诉等信息。对于语音/视频等格式，使用语音转文字技术来将从通话记录转换为可处理的文本信息，并标注每个文本片段的时间轴信息。在音频数据中加入时间戳信息，通过计算音频数据的采样率和每个文本片段的长度，就可以获得相应的时间戳。后，我们需要将生成的带有时间轴的文本对话数据存储到时序数据库中，以备后续分析和处理。
7.s2：步骤二，基于深度学习的多模态客户情绪分析，除了对话文本外，音频信号和视频信号也包含丰富的信息，如客户说话语气、音调、表情等。因此，本技术方案将对话文本、音频信号和视频信号进行联合建模，提高情感分类的准确率和鲁棒性。具体包括：引入自注意力机制：为了更好地处理长序列数据并捕捉上下文信息，该技术方案引入了自注意力机制(self-attention)。通过这种机制，模型可以为每个输入位置分配不同的权重，从而保留更多重要的信息。
8.采用知识蒸馏方法进行模型压缩：针对模型大小和计算效率的问题，该技术方案
ssd、3d xpoint等)来替代传统的机械硬盘，以大幅度提升存储器的读写速度和容量。
21.嵌入式内存设计： 除了传统的外部存储器之外，在本技术方案中我们也可在数据处理装置中嵌入式内存的设计，以实现更高效的数据访问和运算能力。
22.新型随机存储器技术： 与传统的静态随机存取存储器(sram)和动态随机存取存储器(dram)相比，还有一些新型随机存储器技术在数据存储和处理方面具有更好的性能，例如磁阻随机存储器(mram)、相变随机存储器(pram)等。在本技术方案中，我们也考虑采用这些新型随机存储器技术，以提升数据处理和存储的性能和效率。
23.数据压缩技术： 为了降低数据处理过程中的存储空间需求，我们可以引入压缩算法来压缩存储的数据。这些压缩算法可以是无损压缩(例如gzip、zstd等)，也可以是有损压缩(例如jpeg、mp3等)。在本技术方案中，我们根据不同的场景选择合适的压缩方式，以优化存储空间和数据读写速度。
24.在其中一些实施例中，电子设备还可包括通信接口和总线。其中，如图4所示， 处理器、存储器、通信接口通过总线连接并完成相互间的通信。通信端口可以实现与其他部件例如：外接设备、客户人脸摄像头采集、客户对话录音装置、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
附图说明
25.图１为本发明流程图。
26.图２为本发明实施例效果示意图。
27.图３为本发明实施例模型结果演示图。
28.图４为本发明的电子设备的框架图。


技术特征：
1.一种售后客户对话满意度提升方法，其特征在于，包括：数据接入步骤，通过api形式对接企业内部外呼系统和售后客诉系统，对话数据通过语音转文字技术，生成带有时间轴的文本对话；对话情绪识别步骤，使用深度神经网络进行客户对话情感多分类，用来衡量客户满意度；可视化步骤，将生成结果通过数据看板进行可视化展示；最佳话术生成步骤：使用增强学习（reinforcement learning，rl）进行模拟，生成最佳客服回复话术。2.一种售后客户对话满意度提升系统，其特征在于，包括：数据接入单元，通过api形式对接企业内部外呼系统和售后客诉系统，对话数据通过语音转文字技术，生成带有时间轴的文本对话； 对话情绪识别单元，使用深度神经网络进行客户对话情感多分类，用来衡量客户满意度；可视化单元，将生成结果通过一数据看板进行可视化；文本生成单元，通过增强学习技术生成最佳客服回复话术。3.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上 运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求中的售后客户对话满意度提升方法。4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器 执行时实现如权利要求中的售后客户对话满意度提升方法。

技术总结
本发明提出一种售后客户对话满意度提升方法、系统、电子设备及存储介质。该技术方案包括数据接入步骤，通过API形式对接企业内部外呼系统和售后客诉系统，对话数据通过语音转文字技术，生成带有时间轴的文本对话；对话情绪识别步骤，使用深度神经网络进行客户对话情感多分类。可视化步骤，将生成结果通过数据看板进行可视化展示。最佳话术生成步骤：使用增强学习（Reinforcement Learning，RL）进行模拟，生成最佳客服回复话术，来实现客户满意度的提升。本发明解决了监测售后服务过程中对话质量、客户满意度等问题，通过增强学习生成最佳话术，提升了售后服务的质量和效率，具有广泛的应用前景。的应用前景。的应用前景。


技术研发人员：鲁士豪 方丽 赵鑫
受保护的技术使用者：宁波有一信息科技有限公司
技术研发日：2023.05.19
技术公布日：2023/9/20