一种外呼时间预测方法、装置、电子设备及存储介质与流程
本发明涉及外呼,尤其涉及一种外呼时间预测方法、装置、电子设备及存储介质。
背景技术:
1、目前,银行在确定外呼时间时主要依赖固定时间段外呼、人工经验调整、简单规则筛选(排除客户午休或夜间的休息时间)。
2、发明人在实现本发明的过程中,发现现有技术存在如下缺陷:
3、现有外呼时间确定方式难以确定最佳外呼时段,导致外呼成功率不高。
技术实现思路
1、本发明提供了一种外呼时间预测方法、装置、电子设备及存储介质,以提高外呼电话接听率,降低无效的外呼次数。
2、根据本发明的一方面,提供了一种外呼时间预测方法,方法包括:
3、获取目标客户的历史外呼关联数据和社交关联数据;
4、从所述历史外呼关联数据中提取历史外呼数据特征,从所述社交关联数据中提取社交数据特征,并根据所述历史外呼数据特征和所述社交数据特征生成融合特征;
5、将所述融合特征输入预测网络进行处理,以通过所述预测网络的第一任务输出层输出所述目标客户在指定时段的接听概率预测结果,并通过所述预测网络的第二任务输出层输出针对所述目标客户的外呼最优时段预测结果。
6、根据本发明的另一方面,提供了一种外呼时间预测装置,装置包括:
7、数据获取模块,用于获取目标客户的历史外呼关联数据和社交关联数据;
8、特征生成模块,用于从所述历史外呼关联数据中提取历史外呼数据特征,从所述社交关联数据中提取社交数据特征,并根据所述历史外呼数据特征和所述社交数据特征生成融合特征;
9、结果预测模块,用于将所述融合特征输入预测网络进行处理,以通过所述预测网络的第一任务输出层输出所述目标客户在指定时段的接听概率预测结果,并通过所述预测网络的第二任务输出层输出针对所述目标客户的外呼最优时段预测结果。
10、根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
11、至少一个处理器;以及
12、与所述至少一个处理器通信连接的存储器;其中,
13、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的外呼时间预测方法。
14、根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的外呼时间预测方法。
15、本发明实施例的技术方案,通过获取目标客户的历史外呼关联数据和社交关联数据;从历史外呼关联数据中提取历史外呼数据特征,从社交关联数据中提取社交数据特征,并根据历史外呼数据特征和社交数据特征生成融合特征;将融合特征输入预测网络进行处理,以通过预测网络的第一任务输出层输出目标客户在指定时段的接听概率预测结果,并通过预测网络的第二任务输出层输出针对目标客户的外呼最优时段预测结果,采用结合分析客户历史外呼数据和社交网络数据,利用双任务独立输出层架构输出预测结果的的技术手段,解决了目前银行外呼时间选择方法依赖固定时间段外呼、人工经验调整或简单规则筛选,导致难以确定最佳外呼时段造成外呼成功率不高的问题,提高外呼电话接听率,降低无效的外呼次数。
16、应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种外呼时间预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述预测网络包括输入层、共享特征提取层、第一任务输出层和第二任务输出层,所述共享特征提取层包括多个注意力头和前馈神经网络;
3.根据权利要求2所述的方法,其特征在于,通过所述第一任务输出层处理所述共享特征,以输出所述目标客户在指定时段的接听概率预测结果,包括:
4.根据权利要求2所述的方法,其特征在于,通过所述第二任务输出层处理所述共享特征,以输出针对所述目标客户的外呼最优时段预测结果,包括:
5.根据权利要求1所述的方法,其特征在于,所述预测网络在训练过程中的损失函数根据第一任务输出层损失和第二任务输出层损失构建;
6.根据权利要求1所述的方法,其特征在于,所述历史外呼数据特征包括通话时间偏好特征和通话时长特征中至少一项;
7.根据权利要求6所述的方法,其特征在于,所述社交网络结构特征通过以下方式获取:
8.根据权利要求7所述的方法,其特征在于,所述异构图中每个节点通过以下消息传递机制更新节点向量:
9.一种外呼时间预测装置,其特征在于,包括:
10.一种电子设备,其特征在于,所述电子设备包括:
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的一种外呼时间预测方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com