客户意向分析方法、装置、设备及存储介质与流程

1.本发明涉及相似度匹配领域，尤其涉及一种客户意向分析方法、装置、设备及存储介质。


背景技术：

2.客户意向分析主要通过学习当前人工智能ai外呼后的所有语音数据，以及客户对应的外呼情况、基本信息、信用卡使用情况等，对客户意向分析模型进行训练，以挖掘出有办理意向的客户，提升办理率。
3.传统的客户意向分析法有两种，一是通过回听ai外呼录音，人工分析ai与客户的交互文本，提取客户交互中的关键词和意向，再通过离线数据采集的形式对意向客户进行跟进；二是在设计ai对话流程时，提前设定意向客户的意图和节点，在实际交互中若客户触发预设的意图节点，则将这部分客户定义为意向客户。然而，以上两种方式的分析过程复杂且耗时，需要分析全量的交互数据，导致客户意向分析的效率低下。


技术实现要素：

4.本发明提供了一种客户意向分析方法、装置、设备及存储介质，用于基于预置的决策树算法，对预处理历史数据进行分类，得到意愿分档标准，将语音交互数据与客户意向规则进行对比，得到语音对比结果，提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果，基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果，提高了客户意向分析的效率。
5.本发明第一方面提供了一种客户意向分析方法，包括：获取客户历史办理数据，对所述客户历史办理数据进行预处理，得到预处理历史数据，基于预置的决策树算法，对所述预处理历史数据进行分类，得到意愿分档标准；基于预置的流程话术模板配置意向规则，得到客户意向规则，接收人工智能语音机器人返回的语音交互数据，将所述语音交互数据与所述客户意向规则进行对比，得到语音对比结果；提取所述语音对比结果中的离线交互数据，将所述离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果；基于所述意愿分档标准，分别对所述语音对比结果和所述客户意向度匹配结果进行分类，得到客户意向分析结果。
6.可选的，在本发明第一方面的第一种实现方式中，所述获取客户历史办理数据，对所述客户历史办理数据进行预处理，得到预处理历史数据，基于预置的决策树算法，对所述预处理历史数据进行分类，得到意愿分档标准包括：获取客户历史办理数据，对所述客户历史办理数据进行缺失值补全、异常值过滤和重复值过滤，得到预处理历史数据；调用预置的决策树算法，对所述预处理历史数据进行遍历处理，得到目标决策树，所述目标决策树包含多个叶子节点；获取所述目标决策树中每一个叶子节点对应的业务办理率，按照业务办理率从大到小的顺序对每一个叶子节点进行排序，得到叶子节点排序结果；按照预设的客户
量分档标准将所述叶子节点排序结果进行分类，得到意愿分档标准。
7.可选的，在本发明第一方面的第二种实现方式中，所述调用预置的决策树算法，对所述预处理历史数据进行遍历处理，得到目标决策树，所述目标决策树包含多个叶子节点包括：对所述预处理历史数据进行遍历处理，得到遍历结果，按照预置的客群特征，对所述遍历结果进行分类，得到初始决策树；对所述初始决策树进行剪枝处理，得到目标决策树，所述目标决策树包含多个叶子节点，每一个叶子节点对应一个客群特征。
8.可选的，在本发明第一方面的第三种实现方式中，所述基于预置的流程话术模板配置意向规则，得到客户意向规则，接收人工智能语音机器人返回的语音交互数据，将所述语音交互数据与所述客户意向规则进行对比，得到语音对比结果包括：获取流程话术模板，基于所述流程话术模板中的多个规则类别配置意向规则，得到客户意向规则；接收人工智能语音机器人返回的语音交互数据，获取所述语音交互数据与所述客户意向规则之间的第一匹配度；调用预置的比较算法判断所述第一匹配度是否大于预置的第一匹配阈值，得到语音对比结果。
9.可选的，在本发明第一方面的第四种实现方式中，所述提取所述语音对比结果中的离线交互数据，将所述离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果包括：提取所述语音对比结果中第一匹配度小于等于预置的第一匹配阈值的语音交互数据，得到离线交互数据，所述第一匹配度为所述语音交互数据与所述客户意向规则的匹配度；获取第二匹配度，调用预置的相似度匹配算法，判断所述第二匹配度是否大于预置的第二匹配阈值，得到客户意向匹配结果，所述第二匹配度为所述离线交互数据与预置的客户意向度标签的匹配度。
10.可选的，在本发明第一方面的第五种实现方式中，所述基于所述意愿分档标准，分别对所述语音对比结果和所述客户意向度匹配结果进行分类，得到客户意向分析结果包括：从所述语音对比结果中提取出第一客户数据，基于所述意愿分档标准，将所述第一客户数据划分至预设的第一梯队意愿分档，得到第一分类结果，所述第一客户数据为第一匹配度大于第一匹配阈值的语音交互数据；从所述客户意向度匹配结果中提取出第二客户数据，基于所述意愿分档标准，将所述第二客户数据划分至预设的第二梯队意愿分档，得到第二分类结果，所述第二客户数据为所述客户意向度匹配结果中第二匹配度大于第二匹配阈值的离线交互数据；将所述第一分类结果和所述第二分类结果确定为客户意向分析结果。
11.可选的，在本发明第一方面的第六种实现方式中，在所述获取客户历史办理数据，对所述客户历史办理数据进行预处理，得到预处理历史数据，基于预置的决策树算法，对所述预处理历史数据进行分类，得到意愿分档标准之前，所述客户意向分析方法还包括：获取客户待测数据，将所述客户待测数据发送至人工智能语音机器人，以使得所述人工智能语音机器人进行语音交互，得到语音交互数据。
12.本发明第二方面提供了一种客户意向分析装置，包括：获取模块，用于获取客户历史办理数据，对所述客户历史办理数据进行预处理，得到预处理历史数据，基于预置的决策树算法，对所述预处理历史数据进行分类，得到意愿分档标准；对比模块，用于基于预置的流程话术模板配置意向规则，得到客户意向规则，接收人工智能语音机器人返回的语音交互数据，将所述语音交互数据与所述客户意向规则进行对比，得到语音对比结果；匹配模块，用于提取所述语音对比结果中的离线交互数据，将所述离线交互数据与预置的客户意
向度标签进行匹配，得到客户意向匹配结果；分类模块，用于基于所述意愿分档标准，分别对所述语音对比结果和所述客户意向度匹配结果进行分类，得到客户意向分析结果。
13.可选的，在本发明第二方面的第一种实现方式中，所述获取模块包括：预处理单元，用于获取客户历史办理数据，对所述客户历史办理数据进行缺失值补全、异常值过滤和重复值过滤，得到预处理历史数据；遍历单元，用于调用预置的决策树算法，对所述预处理历史数据进行遍历处理，得到目标决策树，所述目标决策树包含多个叶子节点；排序单元，用于获取所述目标决策树中每一个叶子节点对应的业务办理率，按照业务办理率从大到小的顺序对每一个叶子节点进行排序，得到叶子节点排序结果；分类单元，用于按照预设的客户量分档标准将所述叶子节点排序结果进行分类，得到意愿分档标准。
14.可选的，在本发明第二方面的第二种实现方式中，所述遍历单元具体用于：对所述预处理历史数据进行遍历处理，得到遍历结果，按照预置的客群特征，对所述遍历结果进行分类，得到初始决策树；对所述初始决策树进行剪枝处理，得到目标决策树，所述目标决策树包含多个叶子节点，每一个叶子节点对应一个客群特征。
15.可选的，在本发明第二方面的第三种实现方式中，所述对比模块包括：配置单元，用于获取流程话术模板，基于所述流程话术模板中的多个规则类别配置意向规则，得到客户意向规则；接收单元，用于接收人工智能语音机器人返回的语音交互数据，获取所述语音交互数据与所述客户意向规则之间的第一匹配度；第一判断单元，用于调用预置的比较算法判断所述第一匹配度是否大于预置的第一匹配阈值，得到语音对比结果。
16.可选的，在本发明第二方面的第四种实现方式中，所述匹配模块包括：提取单元，用于提取所述语音对比结果中第一匹配度小于等于预置的第一匹配阈值的语音交互数据，得到离线交互数据，所述第一匹配度为所述语音交互数据与所述客户意向规则的匹配度；第二判断单元，用于获取第二匹配度，调用预置的相似度匹配算法，判断所述第二匹配度是否大于预置的第二匹配阈值，得到客户意向匹配结果，所述第二匹配度为所述离线交互数据与预置的客户意向度标签的匹配度。
17.可选的，在本发明第二方面的第五种实现方式中，所述分类模块包括：第一划分单元，用于从所述语音对比结果中提取出第一客户数据，基于所述意愿分档标准，将所述第一客户数据划分至预设的第一梯队意愿分档，得到第一分类结果，所述第一客户数据为第一匹配度大于第一匹配阈值的语音交互数据；第二划分单元，用于从所述客户意向度匹配结果中提取出第二客户数据，基于所述意愿分档标准，将所述第二客户数据划分至预设的第二梯队意愿分档，得到第二分类结果，所述第二客户数据为所述客户意向度匹配结果中第二匹配度大于第二匹配阈值的离线交互数据；确定单元，用于将所述第一分类结果和所述第二分类结果确定为客户意向分析结果。
18.可选的，在本发明第二方面的第六种实现方式中，在所述获取模块之前，所述客户意向分析装置还包括语音交互模块，包括：获取客户待测数据，将所述客户待测数据发送至人工智能语音机器人，以使得所述人工智能语音机器人进行语音交互，得到语音交互数据。
19.本发明第三方面提供了一种客户意向分析设备，包括：存储器和至少一个处理器，所述存储器中存储有计算机程序；所述至少一个处理器调用所述存储器中的所述计算机程序，以使得所述客户意向分析设备执行上述的客户意向分析方法。
20.本发明的第四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中
存储有计算机程序，当其在计算机上运行时，使得计算机执行上述的客户意向分析方法。
21.本发明提供的技术方案中，获取客户历史办理数据，对所述客户历史办理数据进行预处理，得到预处理历史数据，基于预置的决策树算法，对所述预处理历史数据进行分类，得到意愿分档标准；基于预置的流程话术模板配置意向规则，得到客户意向规则，接收人工智能语音机器人返回的语音交互数据，将所述语音交互数据与所述客户意向规则进行对比，得到语音对比结果；提取所述语音对比结果中的离线交互数据，将所述离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果；基于所述意愿分档标准，分别对所述语音对比结果和所述客户意向度匹配结果进行分类，得到客户意向分析结果。本发明实施例中，基于预置的决策树算法，对预处理历史数据进行分类，得到意愿分档标准，将语音交互数据与客户意向规则进行对比，得到语音对比结果，提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果，基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果，可以有效针对交互过程中漏损的客户，提取沟通节点和关键词，以分析客户对产品的购买意向，提高了客户意向分析的效率。
附图说明
22.图1为本发明实施例中客户意向分析方法的一个实施例示意图；
23.图2为本发明实施例中客户意向分析方法的另一个实施例示意图；
24.图3为本发明实施例中客户意向分析装置的一个实施例示意图；
25.图4为本发明实施例中客户意向分析装置的另一个实施例示意图；
26.图5为本发明实施例中客户意向分析设备的一个实施例示意图。
具体实施方式
27.本发明实施例提供了一种客户意向分析方法、装置、设备及存储介质，用于基于预置的决策树算法，对预处理历史数据进行分类，得到意愿分档标准，将语音交互数据与客户意向规则进行对比，得到语音对比结果，提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果，基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果，提高了客户意向分析的效率。
28.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
29.为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中客户意向分析方法的一个实施例包括：
30.101、获取客户历史办理数据，对客户历史办理数据进行预处理，得到预处理历史
数据，基于预置的决策树算法，对预处理历史数据进行分类，得到意愿分档标准。
31.可以理解的是，本发明的执行主体可以为客户意向分析装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
32.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
33.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
34.服务器获取客户历史办理数据，对客户历史办理数据进行预处理，得到预处理历史数据，基于预置的决策树算法，对预处理历史数据进行分类，得到意愿分档标准。服务器获取客户历史办理数据，客户历史办理数据通过爬虫获取，本实施例中的客户历史办理数据都经过用户授权，获取到客户历史办理数据后，首先对客户历史办理数据进行预处理，预处理的执行过程可以为：服务器依次对客户历史办理数据进行缺失值填充、异常值过滤和重复值过滤，得到预处理历史数据。服务器调用预置的决策树算法，对预处理历史数据进行遍历，得到遍历结果，遍历的过程可以为前序遍历、中序遍历和后序遍历中任意一种或几种的组合，按照预置的客群特征对遍历结果进行分类，得到初始决策树，预置的客群特征包括客群质量、客群层级、客群年龄等，生成初始决策树后，需要对初始决策树进行剪枝处理，得到目标决策树，目标决策树包含多个叶子节点，服务器获取到每一个叶子节点对应的业务办理率，按照业务办理率从大到小的顺序，对每一个叶子节点进行排序，得到叶子节点排序结果，按照预设的客户量分档标准进行分类，得到意愿分档标准。
35.102、基于预置的流程话术模板配置意向规则，得到客户意向规则，接收人工智能语音机器人返回的语音交互数据，将语音交互数据与客户意向规则进行对比，得到语音对比结果。
36.服务器基于预置的流程话术模板配置意向规则，得到客户意向规则，接收人工智能语音机器人返回的语音交互数据，将语音交互数据与客户意向规则进行对比，得到语音对比结果。流程话术模板中包括多个规则类别，多个规则类别包括尾节点、尾意图、客户话术、机器人节点停留时长、挂机类型、机器人节点经过次数、中间节点、通话时长和交互次数，服务器基于多个规则类别配置意向规则，得到客户意向规则，本实施例中的客户意向规则包括每一个规则类别对应的不同标准，例如：机器人节点停留时长小于1分钟，通话时长大于10分钟等，并实时接收人工智能语音机器人外呼后返回的语音交互数据，对语音交互数据进行实时判断，通过预置的比较算法判断语音交互数据与客户意向规则的匹配度是否大于预置的第一匹配阈值，得到语音对比结果。
37.103、提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度
标签进行匹配，得到客户意向匹配结果。
38.服务器提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果。服务器从语音对比结果中，提取出不满足意向客户规则的语音交互数据，得到离线交互数据，通过调用预置的相似度匹配算法，将离线交互数据和客户意向度标签进行二次匹配，得到客户意向匹配结果，第二匹配阈值由人工事先设置，预置的相似度算法可以为欧几里得度量(euclidean metric)算法、皮尔逊相关系数算法或余弦相似度算法，客户意向度标签专门针对客户离线数据提前进行设置。
39.104、基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果。
40.服务器基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果。分类过程中运用的分类算法可以为k最邻近算法，服务器从语音对比结果中筛选出第一客户数据，并基于客户意向度标签进行二次筛选，从客户意向度匹配结果中筛选出第二客户数据，可以针对交互过程中漏损的客户，根据人工智能语音机器人与客户的沟通内容，提取沟通节点和关键词，以分析客户对产品的购买意向，服务器基于意愿分档标准，依次将第一客户数据和第二客户数据划分至不同梯队的意愿分档，得到客户意向分析结果，其中，预设的第一梯队和第二梯队根据意愿分档标准由人工具体决定。
41.本发明实施例中，基于预置的决策树算法，对预处理历史数据进行分类，得到意愿分档标准，将语音交互数据与客户意向规则进行对比，得到语音对比结果，提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果，基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果，提高了客户意向分析的效率。
42.请参阅图2，本发明实施例中客户意向分析方法的另一个实施例包括：
43.201、获取客户历史办理数据，对客户历史办理数据进行缺失值补全、异常值过滤和重复值过滤，得到预处理历史数据。
44.服务器获取客户历史办理数据，对客户历史办理数据进行缺失值补全、异常值过滤和重复值过滤，得到预处理历史数据。服务器获取客户历史办理数据，客户历史办理数据通过爬虫获取，本实施例中的客户历史办理数据都经过用户授权，获取到客户历史办理数据后，首先对客户历史办理数据进行预处理，预处理的执行过程可以为：服务器依次对客户历史办理数据进行缺失值填充、异常值过滤和重复值过滤，得到预处理历史数据，其中，缺失值的填充可以为多重插补，异常值过滤主要采用异常值检测算法z-score识别出异常值并删除，重复值过滤为对重复值进行去重处理。
45.202、调用预置的决策树算法，对预处理历史数据进行遍历处理，得到目标决策树，目标决策树包含多个叶子节点。
46.服务器调用预置的决策树算法，对预处理历史数据进行遍历处理，得到目标决策树，目标决策树包含多个叶子节点。具体的，服务器对预处理历史数据进行遍历处理，得到遍历结果，按照预置的客群特征，对遍历结果进行分类，得到初始决策树；服务器对初始决策树进行剪枝处理，得到目标决策树，目标决策树包含多个叶子节点，每一个叶子节点对应一个客群特征。
47.遍历的过程可以为前序遍历、中序遍历和后序遍历中任意一种或几种的组合，按
照预置的客群特征对遍历结果进行分类，得到初始决策树，预置的客群特征包括客群质量、客群层级、客群年龄等，生成初始决策树后，需要对初始决策树进行剪枝处理，得到目标决策树，本实施例中运用到的剪枝过程主要为后剪枝，后剪枝是自下而上的剪枝，指对一棵已经生成的完整决策树自下而上地对非叶节点进行估计，如果将该结点对应的子树替换成叶结点能够带来决策树泛化性能的提升，则将该子树替换成叶结点，后剪枝主要包括：错误率降低剪枝(reduced-error pruning，rep)，悲观错误剪枝(pesimistic-error pruning，pep)，代价复杂度剪枝(cost-complexity pruning，ccp)和基于错误的剪枝(error-based pruning，ebp)。
48.203、获取目标决策树中每一个叶子节点对应的业务办理率，按照业务办理率从大到小的顺序对每一个叶子节点进行排序，得到叶子节点排序结果。
49.服务器获取目标决策树中每一个叶子节点对应的业务办理率，按照业务办理率从大到小的顺序对每一个叶子节点进行排序，得到叶子节点排序结果。目标决策树包含多个叶子节点，服务器获取到每一个叶子节点对应的业务办理率，按照业务办理率从大到小的顺序，对每一个叶子节点进行排序，得到叶子节点排序结果。
50.204、将叶子节点排序结果按照预设的客户量分档标准进行分类，得到意愿分档标准。
51.服务器将叶子节点排序结果按照预设的客户量分档标准进行分类，得到意愿分档标准。服务器按照预设的客户量分档标准进行分类，得到意愿分档标准，其中，客户量分档标准具体不做限定，分类过程中运用的分类算法可以为k最邻近算法，例如，可以按照20％客户量分为一档，则对应的意愿分档标准共有5档，其中，意愿分档标准中每一档都有对应的标准分档值，服务器通过调用k最邻近算法，将叶子节点排序结果分类得到意愿分档标准，标准分档值用于后续对数据进行匹配和划分，标准分档值的设置规则为：提取每一档意愿分档中的最低的业务办理率，确定为每一档对应的标准分档值。
52.205、基于预置的流程话术模板配置意向规则，得到客户意向规则，接收人工智能语音机器人返回的语音交互数据，将语音交互数据与客户意向规则进行对比，得到语音对比结果。
53.服务器基于预置的流程话术模板配置意向规则，得到客户意向规则，接收人工智能语音机器人返回的语音交互数据，将语音交互数据与客户意向规则进行对比，得到语音对比结果。具体的，服务器获取流程话术模板，基于流程话术模板中的多个规则类别配置意向规则，得到客户意向规则；服务器接收人工智能语音机器人返回的语音交互数据，获取语音交互数据与客户意向规则之间的第一匹配度；服务器调用预置的比较算法判断第一匹配度是否大于预置的第一匹配阈值，得到语音对比结果。
54.流程话术模板中包括多个规则类别，多个规则类别包括尾节点：与人工智能语音机器人通话的最后节点、尾意图：通话最后过程中客户的意图、客户话术：包含多个关键词或输入的具体话术、机器人节点停留时长：单个机器人的节点停留时长、挂机类型：包含系统挂机和用户主动挂机、机器人节点经过次数：经过每一个节点的次数对应的数值为大于0的整数，需做上限值大于下限值校验、中间节点：语音通话过程中经过的多个节点，多个节点间为且的关系(即同时满足多个节点才会判断命中客户意向规则)、通话时长：整通通话的总时长、交互次数：通话过程中人工智能语音机器人与客户的交互次数，服务器基于多个
规则类别配置意向规则，得到客户意向规则，并实时接收人工智能语音机器人外呼后返回的语音交互数据，对语音交互数据进行实时判断，通过预置的比较算法判断语音交互数据与客户意向规则的匹配度是否大于第一匹配阈值，得到语音对比结果，第一匹配阈值由人工事先设置，本实施例中的比较算法可以为diff算法。
55.206、提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果。
56.服务器提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果。具体的，服务器提取语音对比结果中第一匹配度小于等于预置的第一匹配阈值的语音交互数据，得到离线交互数据，第一匹配度为语音交互数据与客户意向规则的匹配度；服务器根据预置的相似度匹配算法计算第二匹配度与预置的第二匹配阈值的大小，得到客户意向匹配结果，第二匹配度为离线交互数据与预置的客户意向度标签的匹配度。
57.客户与人工智能语音机器人通话的过程中，可能存在客户中途挂机、等待过程中挂机、未接通、因信号原因引起的通话故障等问题，导致语音交互数据没有命中客户意向规则，服务器从语音对比结果中，提取出不满足意向客户规则的语音交互数据，得到离线交互数据，通过调用预置的相似度匹配算法，将离线交互数据和客户意向度标签进行二次匹配，得到客户意向匹配结果，预置的相似度算法可以为欧几里得度量(euclidean metric)算法、皮尔逊相关系数算法或余弦相似度算法，客户意向度标签专门针对客户离线数据提前进行设置，例如：将客户等待坐席接线中挂机设置为高意向标签，未接通定义为低意向标签，从而得到客户意向度标签，具体的，命中高意向标签的离线交互数据与预置的客户意向度标签的匹配度更高。
58.207、基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果。
59.服务器基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果。具体的，服务器从语音对比结果中提取出第一客户数据，基于意愿分档标准，将第一客户数据划分至预设的第一梯队意愿分档，得到第一分类结果，第一客户数据为第一匹配度大于第一匹配阈值的语音交互数据；服务器从客户意向度匹配结果中提取出第二客户数据，基于意愿分档标准，将第二客户数据划分至预设的第二梯队意愿分档，得到第二分类结果，第二客户数据为客户意向度匹配结果中第二匹配度大于第二匹配阈值的离线交互数据；服务器将第一分类结果和第二分类结果确定为客户意向分析结果。
60.通过客户意向规则筛选出第一客户数据，并基于客户意向度标签进行二次筛选，得到第二客户数据，可以针对交互过程中漏损的客户，根据人工智能语音机器人与客户的沟通内容，提取沟通节点和关键词，以分析客户对产品的购买意向，服务器基于意愿分档标准，依次将第一客户数据和第二客户数据划分至不同梯队的意愿分档，得到客户意向分析结果，例如，若意愿分档标准有5档，则第一梯队可以为意愿分档标准中靠前的第一档和第二档，第二梯队可以为后三档，由步骤203可知，意愿分档标准中每一档都有对应的标准分档值，服务器将提取到的第一客户数据划分至预设的第一梯队意愿分档后，还会读取第一匹配度，根据预设的标准分档值-第一匹配度对应表，将第一客户数据分别划分至第一梯队
中的不同分档，例如：意愿分档标准存在5档，每一个分档对应的标准分档值(即最低业务办理率)为90％、75％、60％、40％、15％，人工设置的第一梯队意愿分档为前两档(即标准分档值为90％和75％对应的分档)，服务器将提取到的第一客户数据划分至第一梯队意愿分档后，读取到第一匹配度为80％，在标准分档值-第一匹配度对应表中，标准分档值90％对应的第一匹配度为75％，80％》75％则代表第一客户数据命中标准分档值为90％对应的分档。服务器将第二客户数据划分至预设的第二梯队意愿分档后，会读取第二匹配度，根据预设的标准分档值-第二匹配度对应表，将第二客户数据分别划分至第二梯队中的不同分档。通过对客户意向度匹配结果中第二匹配度大于第二匹配阈值的离线交互数据(即第二客户数据)进行二次筛选，可以针对交互中漏损的数据进行二次跟进，对客户意向进行更准确的解析，提升客户办理率，将语音交互结果中命中客户意向规则的第一客户数据和第二客户数据划分至意愿分档标准的不同梯队以及不同梯队中的不同意愿分档，可以根据客户意向分析结果中不同的分档有针对性的对不同客户数据对应的意向客户进行后续跟进处理，例如：进行人工二次跟进、给客户发送短信或发送意向确认邮件等，对于意愿分档标准中的不同梯队，后续跟进的频率也可以进行具体调整，例如：第一梯队意愿分档对应的客户后续人工跟进的频率更高。
61.本发明实施例中，基于预置的决策树算法，对预处理历史数据进行分类，得到意愿分档标准，将语音交互数据与客户意向规则进行对比，得到语音对比结果，提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果，基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果，提高了客户意向分析的效率。
62.上面对本发明实施例中客户意向分析方法进行了描述，下面对本发明实施例中客户意向分析装置进行描述，请参阅图3，本发明实施例中客户意向分析装置的一个实施例包括：
63.获取模块301，用于获取客户历史办理数据，对客户历史办理数据进行预处理，得到预处理历史数据，基于预置的决策树算法，对预处理历史数据进行分类，得到意愿分档标准；
64.对比模块302，用于基于预置的流程话术模板配置意向规则，得到客户意向规则，接收人工智能语音机器人返回的语音交互数据，将语音交互数据与客户意向规则进行对比，得到语音对比结果；
65.匹配模块303，用于提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果；
66.分类模块304，用于基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果。
67.本发明实施例中，基于预置的决策树算法，对预处理历史数据进行分类，得到意愿分档标准，将语音交互数据与客户意向规则进行对比，得到语音对比结果，提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果，基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果，提高了客户意向分析的效率。
68.请参阅图4，本发明实施例中客户意向分析装置的另一个实施例包括：
69.获取模块301，用于获取客户历史办理数据，对客户历史办理数据进行预处理，得到预处理历史数据，基于预置的决策树算法，对预处理历史数据进行分类，得到意愿分档标准；
70.具体的，获取模块301包括：
71.预处理单元3011，用于获取客户历史办理数据，对客户历史办理数据进行缺失值补全、异常值过滤和重复值过滤，得到预处理历史数据；
72.遍历单元3012，用于调用预置的决策树算法，对预处理历史数据进行遍历处理，得到目标决策树，目标决策树包含多个叶子节点；
73.排序单元3013，用于获取目标决策树中每一个叶子节点对应的业务办理率，按照业务办理率从大到小的顺序对每一个叶子节点进行排序，得到叶子节点排序结果；
74.分类单元3014，用于按照预设的客户量分档标准将叶子节点排序结果进行分类，得到意愿分档标准；
75.对比模块302，用于基于预置的流程话术模板配置意向规则，得到客户意向规则，接收人工智能语音机器人返回的语音交互数据，将语音交互数据与客户意向规则进行对比，得到语音对比结果；
76.匹配模块303，用于提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果；
77.分类模块304，用于基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果。
78.可选的，遍历单元3012还可以具体用于：
79.对预处理历史数据进行遍历处理，得到遍历结果，按照预置的客群特征，对遍历结果进行分类，得到初始决策树；对初始决策树进行剪枝处理，得到目标决策树，目标决策树包含多个叶子节点，每一个叶子节点对应一个客群特征。
80.可选的，对比模块302包括：
81.配置单元3021，用于获取流程话术模板，基于流程话术模板中的多个规则类别配置意向规则，得到客户意向规则；
82.接收单元3022，用于接收人工智能语音机器人返回的语音交互数据，获取语音交互数据与客户意向规则之间的第一匹配度；
83.第一判断单元3023，用于调用预置的比较算法判断第一匹配度是否大于预置的第一匹配阈值，得到语音对比结果。
84.可选的，匹配模块303包括：
85.提取单元3031，用于提取语音对比结果中第一匹配度小于等于预置的第一匹配阈值的语音交互数据，得到离线交互数据，第一匹配度为语音交互数据与客户意向规则的匹配度；
86.第二判断单元3032，用于获取第二匹配度，调用预置的相似度匹配算法，判断第二匹配度是否大于预置的第二匹配阈值，得到客户意向匹配结果，第二匹配度为离线交互数据与预置的客户意向度标签的匹配度。
87.可选的，分类模块304包括：
88.第一划分单元3041，用于从语音对比结果中提取出第一客户数据，基于意愿分档
标准，将第一客户数据划分至预设的第一梯队意愿分档，得到第一分类结果，第一客户数据为第一匹配度大于第一匹配阈值的语音交互数据；
89.第二划分单元3042，用于从客户意向度匹配结果中提取出第二客户数据，基于意愿分档标准，将第二客户数据划分至预设的第二梯队意愿分档，得到第二分类结果，第二客户数据为客户意向度匹配结果中第二匹配度大于第二匹配阈值的离线交互数据；
90.确定单元3043，用于将第一分类结果和第二分类结果确定为客户意向分析结果。
91.可选的，在获取模块301之前，客户意向分析装置还包括语音交互模块305，包括：
92.获取客户待测数据，将客户待测数据发送至人工智能语音机器人，以使得人工智能语音机器人进行语音交互，得到语音交互数据。
93.本发明实施例中，基于预置的决策树算法，对预处理历史数据进行分类，得到意愿分档标准，将语音交互数据与客户意向规则进行对比，得到语音对比结果，提取语音对比结果中的离线交互数据，将离线交互数据与预置的客户意向度标签进行匹配，得到客户意向匹配结果，基于意愿分档标准，分别对语音对比结果和客户意向度匹配结果进行分类，得到客户意向分析结果，提高了客户意向分析的效率。
94.上面图3和图4从模块化功能实体的角度对本发明实施例中的客户意向分析装置进行详细描述，下面从硬件处理的角度对本发明实施例中客户意向分析设备进行详细描述。
95.图5是本发明实施例提供的一种客户意向分析设备的结构示意图，该客户意向分析设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对客户意向分析设备500中的一系列计算机程序操作。更进一步地，处理器510可以设置为与存储介质530通信，在客户意向分析设备500上执行存储介质530中的一系列计算机程序操作。
96.客户意向分析设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图5示出的客户意向分析设备结构并不构成对客户意向分析设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
97.本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得计算机执行所述客户意向分析方法的步骤。
98.进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
99.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用
密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
100.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
101.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干计算机程序用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
102.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。