一种基于AI语音分析的多渠道销售客户意向识别系统的制作方法

本发明涉及多渠道销售信息处理，具体涉及一种基于ai语音分析的多渠道销售客户意向识别系统。

背景技术：

1、随着企业销售渠道的多样化，在销售过程中，精准、实时地识别客户的购买意向并进行针对性的跟进，是提升销售转化率与商机捕捉能力的关键。然而，传统的销售意向分析方案在面对多渠道复杂的语音交互场景时，仍存在以下显著的技术缺陷：

2、（1）传统系统高度依赖客户主动提供的手机号、身份id等明文信息进行身份归集。当同一客户在不同渠道进行交互时，因缺乏统一的物理标识，各渠道数据易形成孤岛，难以将分散的语音片段重构为反映该客户全生命周期交互轨迹的完整时序链条。

3、（2）通过“语音识别转换为文本后进行nlp分析”的单轨模式。但在真实销售场景中，客户表达常伴随口误、隐晦词或反讽，单纯依靠文本分析极易丢失语气停顿、语速起伏、音高波动及情绪能量等关键声学信息，导致意向判定的鲁棒性与准确率偏低。

4、（3）现有评估多基于单次交互进行独立打分，容易受客户偶发的情绪波动影响而产生误判，导致意向评级频繁抖动，缺乏针对意向突变的毫秒级感知与策略联动能力，无法为销售人员提供实时的定向策略指引，极易错失黄金跟进时机。

5、因此，如何对多源异构语音进行标准化处理、隐式实现跨渠道身份绑定与多模态特征联合提取，并基于时序状态机实现防抖的动态意向追踪与实时跟进触发，是本领域技术人员亟待解决的技术问题。

6、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的是提供一种基于ai语音分析的多渠道销售客户意向识别系统，以解决上述背景技术中的问题。

2、为了实现上述目的，本发明提供如下技术方案：一种基于ai语音分析的多渠道销售客户意向识别系统，具体包括：采集处理模块、身份对齐模块、联合提取模块、意向演变模块以及意向研判模块；

3、采集处理模块：实时采集多个不同销售渠道的原始语音流数据，并记录对应销售渠道的来源信息与交互时间戳，对所述语音流数据进行采样率转换、降噪及频域动态补偿处理，获得信号包络一致的多渠道标准语音流；

4、身份对齐模块：提取任意两个不同销售渠道的多渠道标准语音流的声纹特征向量，并通过声纹神经网络模型对比相似度，将相似度满足预设阈值的声纹特征向量统一绑定至业务数据库中的客户唯一身份标识符；

5、联合提取模块：将经过对齐后的标准音频流进行双轨并行处理，分别提取文本语义特征和声学特征；

6、意向演变模块：调取与客户唯一身份标识符对应的历史前序意向状态，将所述文本语义特征和声学特征按照交互时间戳作为当前输入，通过时间序列神经网络模型计算所述历史前序意向状态向当前意向状态的变换趋势变化率，动态触发时序意向状态图谱发生节点跃迁；

7、意向研判模块：基于所述时序意向状态图谱发生跃迁后的当前节点状态，评估对应的客户意向等级，并在所述当前客户意向评级相较于所述历史前序意向状态对应的历史意向等级达到预设的级别差值阈值时，向业务端推送实时的业务跟进指令。

8、优选的，作为本发明所述一种基于ai语音分析的多渠道销售客户意向识别系统的一种优选方案，其中：

9、对企业内的不同销售渠道进行实时动态监听；

10、所述不同销售渠道包括：电话呼叫中心渠道、移动社交终端私域沟通渠道、线下门店现场环境录音渠道以及网络视频会议业务渠道；

11、当监听任一渠道产生销售交互行为时，建立对应数据传输链路，实时采集销售交互行为过程中的原始语音数据；

12、所述原始语音数据，具体包括：

13、针对电话呼叫中心渠道，实时采集电话语音数据；

14、针对移动社交终端私域沟通渠道，实时采集非连续消息语音数据；

15、针对线下门店现场环境录音渠道以及网络视频会议业务渠道，实时采集多声道语音数据；

16、通过解析所述原始语音数据的交互报文头，提取渠道属性元数据，并标记结构化标签；

17、所述结构化标签包括，渠道类型代码、采集设备唯一标识以及参与交互的内部销售人员工号；

18、调取网络时间协议服务器的标准时间，为所述原始语音数据写入起始绝对时间与终止绝对时间，作为交互时间戳；

19、将所述原始语音数据、结构化标签以及交互时间戳进行结构化封装，生成复合语音数据包，并写入本地的先入先出缓存队列。

20、优选的，作为本发明所述一种基于ai语音分析的多渠道销售客户意向识别系统的一种优选方案，其中：

21、基于所述先入先出缓存队列读取所述复合语音数据包，并解析所述结构化标签的渠道类型代码，将对应的原始语音数据分发至对应的预置前置处理通道；

22、根据所述渠道类型代码进行采样率转换；

23、提取所述原始语音数据中前导无声段的背景噪声功率谱密度，通过维纳滤波算法从所述原始语音数据中滤除所述背景噪声功率谱密度对应的噪声信号，获取降噪语音信号；

24、将所述降噪语音信号进行快速傅里叶变换，获取频域语音信号；

25、计算所述频域语音信号在预设频段的能量值，通过频域均衡器对低于预设能量阈值的频域语音信号进行增益补偿，并通过反快速傅里叶变换将补偿后的频域语音信号转换为时域语音信号；

26、通过自动增益控制算法，计算所述时域语音信号在滑动窗口内的短期均方根振幅，根据所述短期均方根振幅调整所述时域语音信号的增益系数，并将所述时域语音信号的振幅包络限制在预设的归一化幅值区间内，获取多渠道标准语音流。

27、优选的，作为本发明所述一种基于ai语音分析的多渠道销售客户意向识别系统的一种优选方案，其中：

28、根据交互时间戳与渠道的来源信息，检测并截取属于当前销售交互行为周期内的任意两个不同销售渠道的标准语音流，分别标记为第一语音流和第二语音流；

29、将所述第一语音流与第二语音流分别输入预训练的深度神经网络声纹提取模型，并进行高维空间特征映射，分别输出对应的第一高维声纹特征向量与第二高维声纹特征向量；

30、计算所述第一高维声纹特征向量与所述第二高维声纹特征向量之间的余弦相似度，并进行比对；

31、当所述余弦相似度大于或等于预设的相似度阈值时，判定所述第一语音流与第二语音流属于同一个客户；

32、检索业务数据库，提取与所述第一、第二语音流中已存在业务关联的客户唯一身份标识符；

33、若不存在业务关联，则在业务数据库中为该客户新建一个客户唯一身份标识符；

34、将所述第一、第二语音流以及所述多渠道标准语音流中所有判定为属于同一个客户的原始语音数据，统一绑定至所述客户唯一身份标识符；

35、根据对应的交互时间戳进行升序排列，重构生成该客户跨渠道的完整时序语音链条。

36、优选的，作为本发明所述一种基于ai语音分析的多渠道销售客户意向识别系统的一种优选方案，其中：

37、接收所述完整时序语音链条，并将当前销售交互行为对应的原始语音数据同步进行文本处理和声学特征处理的双轨并行处理；

38、所述文本处理具体包括：

39、将当前销售交互行为对应的原始语音数据输入至语音识别模型，转换为对应的汉字文本流；

40、检索所述汉字文本流中是否包含预设的意向核心关键词库，统计命中词频并生成关键词特征向量；

41、将所述汉字文本流输入预训练语言模型，进行上下文语义关联分析，输出基于上下文语义的文本意向概率值，作为所述文本语义特征；

42、所述声学特征具体包括：

43、对当前销售交互行为对应的原始语音数据进行帧切分与加窗处理，计算每一帧原始语音数据的短时平均能量以及基音频率变化率，用以表征说话人的情绪能量分布与音高波动；

44、将帧信号变换至频域，通过梅尔滤波器组进行能量积分并执行离散余弦变换，提取多维梅尔频率倒谱系数；

45、根据所述短时平均能量的时序变化，识别非语音时段，统计当前交互语音数据的语速以及语气停顿特征，与所述能量分布、音高波动、梅尔频率倒谱系数共同构建声学特征；

46、基于当前销售交互行为对应的原始语音数据的交互时间戳，将所述文本语义特征与所述声学特征进行时间轴对齐，构建多模态联合特征向量。

47、优选的，作为本发明所述一种基于ai语音分析的多渠道销售客户意向识别系统的一种优选方案，其中：

48、调取与所述客户唯一身份标识符对应的历史前序意向状态标签以及所述当前交互语音数据对应的交互时间戳；

49、根据交互时间戳，将所述文本语义特征和声学特征作为当前时间节点的特征向量，与所述历史前序意向状态标签进行矩阵拼接，构建当前时间步的时序网络输入矩阵；

50、将所述时序网络输入矩阵输入至预训练的时间序列神经网络模型；

51、通过所述时间序列神经网络模型中的长短期记忆网络层提取历史时间序列与当前时间节点的非线性关联特征，计算所述历史前序意向状态向当前意向状态的变换趋势变化率；

52、将所述变换趋势变化率与预设的状态转移概率阈值进行比对：

53、当所述变换趋势变化率大于或等于所述状态转移概率阈值时，判定满足状态转移条件，触发状态机转移机制；

54、当所述变换趋势变化率小于所述状态转移概率阈值时，判定未满足状态转移条件，保持当前状态节点的激活状态不变；

55、当满足所述状态转移条件时，在基于静默期节点、抗拒期节点、咨询期节点、对比期节点及高意向节点构成的时序意向状态图谱中，关闭所述历史前序意向状态对应的节点，激活对应的全新意向状态节点，完成时序意向状态图谱的节点跃迁。

56、优选的，作为本发明所述一种基于ai语音分析的多渠道销售客户意向识别系统的一种优选方案，其中：

57、调取所述客户唯一身份标识符对应的历史前序意向状态标签；

58、将当前节点状态输入至预设的意向映射矩阵，通过所述意向映射矩阵计算当前节点状态在各个意向级别上的概率分布值，将所述概率分布值中最高的一组映射为对应的当前客户意向评级；

59、所述当前客户意向评级包括：甲级高意向、乙级中意向、丙级低意向、丁级无意向；

60、调取所述历史前序意向状态标签对应的历史意向评级；

61、将所述当前客户意向评级与所述历史意向评级转换为对应的数字化等级权重，通过相减计算两者的级别权重差值；

62、将所述级别权重差值与预设的级别差值阈值进行比对：

63、当所述级别权重差值大于或等于所述预设的级别差值阈值时，判定该客户的意向发生跨越式正向跃迁，触发即时响应机制；

64、当所述级别权重差值小于所述预设的级别差值阈值时，判定未达到业务唤醒条件，将所述当前客户意向评级更新写入至所述业务数据库后结束当前流程；

65、在满足所述即时响应机制时，调取该客户的渠道属性元数据，根据当前客户意向评级从指令模板库中匹配对应的定向销售策略建议，生成包含当前意向演变节点状态及所述定向销售策略建议的实时业务跟进指令，并通过网络通信接口将所述实时业务跟进指令推送至对应的销售管理终端。

66、另一方面，本发明提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：计算机程序被处理器执行时实现如本发明上述内容的一种基于ai语音分析的多渠道销售客户意向识别系统的步骤。

67、另一方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明上述内容的一种基于ai语音分析的多渠道销售客户意向识别系统的步骤。

68、在上述技术方案中，本发明提供的技术效果和优点：

69、通过多渠道预处理流水线对异构语音进行采样率转换、维纳降噪、频域补偿及包络归一化，彻底消除了不同物理渠道与设备的信号传输差异，构建了规范的高信噪比标准语音流；

70、无需依赖明文身份信息，利用深度声纹特征向量及余弦相似度计算实现跨渠道物理人身份的隐式对齐与完整时序语音链条重构，有效打破了渠道数据孤岛；

71、通过双轨并行提取与时间轴对齐，实现了文本意图与声音情绪能量的深度融合表征；

72、基于时间序列神经网络与转移概率阈值动态控制时序图谱跃迁，有效平滑了单次交互的情绪波动干扰，提升了意向追踪的防抖能力与时序连续性；

73、通过数字化等级权重差值阈值机制，能够精准捕捉客户意向的跨越式正向跃迁并毫秒级生成定向销售策略推送至管理终端，极大地缩短了商机跟进时延并提高了销售转化率。