用于主动客户关系分析的方法和系统与流程

技术特征：
1.一种计算系统实施的用于主动检测客户满意度的方法，所述方法包括：使用一个或多个计算系统从一个或多个客户服务系统收集历史案件矢量数据；使用所述历史案件矢量数据训练一个或多个机器学习异常检测模型，以检测案件数据中指示潜在的客户不满意的异常；使用一个或多个计算系统获得代表与服务提供商的一个或多个客户相关联的当前客户案件的当前案件矢量数据；将所述当前案件矢量数据提供给经训练的一个或多个机器学习异常检测模型；使用所述一个或多个机器学习异常检测模型，识别一个或多个特定当前客户案件的所述当前案件矢量数据中的一个或多个异常；使用一个或多个计算系统生成信号报告，所述信号报告包括具有一个或多个已识别异常的一个或多个特定当前客户案件中的每一者的列表以及与列出的具有一个或多个已识别异常的多个特定当前客户案件相关联的特定的一个或多个异常；以及使用一个或多个计算系统向所述服务提供商的代理提供所述信号报告。2.根据权利要求1所述的计算系统实施的方法，其中，在使用一个或多个计算系统收集所述历史案件矢量数据时，相对于所述矢量数据中的其他矢量向所述矢量数据中的每个矢量分配权重。3.根据权利要求1所述的计算系统实施的方法，其中，在使用一个或多个计算系统收集所述历史案件矢量数据时，向所述矢量数据的每个矢量分配矢量类型，矢量类型选自包括以下各项的矢量类型的组：基于异常-高斯的矢量类型；基于异常-iqr的矢量类型；基于平均值的矢量类型；基于均值-中位数的矢量类型；基于标准差的矢量类型；以及基于阈值的矢量类型。4.根据权利要求3所述的计算系统实施的方法，其中，所述基于阈值的矢量数据类型包括分配最大阈值、最小阈值和前述的组合中的一者。5.根据权利要求1所述的计算系统实施的方法，其中，在使用一个或多个计算系统收集所述历史案件矢量数据时，向所述矢量数据的每个矢量分配对象类型，其中，所述对象类型包括客户对象类型、联系人对象类型和案件对象类型中的一者。6.根据权利要求1所述的计算系统实施的方法，其中，所述一个或多个机器学习异常检测模型包括监督式机器学习异常检测模型。7.根据权利要求1所述的计算系统实施的方法，其中，所述一个或多个异常包括选自包括以下各项的异常类型的组中的至少一种异常类型：点异常类型；上下文异常类型；以及集体异常类型。8.根据权利要求1所述的计算系统实施的方法，其中，使用一个或多个计算系统生成信号报告包括：将所述一个或多个异常验证为有效异常。
9.根据权利要求1所述的计算系统实施的方法，其中，使用一个或多个计算系统向所述服务提供商的代理提供所述信号报告包括：提供仪表板用户界面，所述仪表板用户界面向所述服务提供商的代理显示所述信号报告。10.根据权利要求1所述的计算系统实施的方法，其中，使用一个或多个计算系统向所述服务提供商的代理提供所述信号报告包括：向用户发送所述信号报告的通知。11.根据权利要求1所述的计算系统实施的方法，其中，使用一个或多个计算系统向所述服务提供商的代理提供所述信号报告包括：基于所述信号报告定制由所述客户服务系统提供给所述服务提供商的代理的用户界面屏幕。12.一种计算系统实施的用于主动检测客户满意度的方法，所述方法包括：使用一个或多个计算系统获得代表与服务提供商的客户相关联的案件的当前案件数据；将所述当前案件数据提供给一个或多个基于机器学习的语言处理模型；使用所述一个或多个基于机器学习的语言处理模型识别一个或多个特定当前客户案件的当前案件数据中的一个或多个客户意见；使用一个或多个计算系统生成信号报告，所述信号报告包括具有一个或多个已识别客户意见的一个或多个特定当前客户案件中的每一者的列表以及与列出的具有一个或多个已识别的一个或多个客户意见的多个特定客户案件相关联的特定的一个或多个客户意见；以及使用一个或多个计算系统向所述服务提供商的代理提供所述信号报告。13.根据权利要求12所述的计算系统实施的方法，其中，所述当前案件数据包括表示客户案件对话数据、代理案件对话数据和案件调查结果评论数据中的一项或多项的文本数据。14.根据权利要求12所述的计算系统实施的方法，其中，所述一个或多个基于机器学习的语言处理模型包括表示多个意见指示的语料库数据。15.根据权利要求12所述的计算系统实施的方法，其中，向所述服务提供商的代理提供的所述信号报告包括：作为与列出的多个特定当前客户案件相关联的特定的一个或多个客户意见的每一者的假意见指定反馈特征的报告，当所述代理指示特定的一个或多个客户意见中的一个或多个是假意见指定时，生成所述假意见指定反馈特征。16.根据权利要求15所述的计算系统实施的方法，其中，用于所述一个或多个基于机器学习的语言处理模型的训练数据是根据由所述代理生成的所述错误意见指定反馈特征生成的。17.根据权利要求12所述的计算系统实施的方法，其中，与所列出的多个特定当前客户案件相关联的所述特定的一个或多个客户意见是负面意见类型。18.根据权利要求12所述的计算系统实施的方法，其中，与所列出的多个特定当前客户案件相关联的所述特定的一个或多个客户意见是正面意见类型。19.根据权利要求12所述的计算系统实施的方法，其中，与所列出的多个特定的当前客户案件相关联的所述特定的一个或多个客户意见是紧迫性意见类型。20.根据权利要求12所述的计算系统实施的方法，其中，向所述服务提供商的代理提供所述信号报告包括：提供向所述代理显示所述信号报告的仪表板用户界面。
21.根据权利要求12所述的计算系统实施的方法，其中，向所述服务提供商的代理提供所述信号报告包括：向所述代理发送所述信号报告的通知。22.根据权利要求12所述的计算系统实施的方法，其中，向所述服务提供商的代理提供所述信号报告包括：基于所述信号报告定制由所述客户服务系统提供给所述代理的用户界面屏幕。23.根据权利要求15所述的计算系统实施的方法，其中，当一个或多个客户意见与假意见指定反馈相关联时，从所述信号报告中移除所述一个或多个客户意见。24.根据权利要求12所述的计算系统实施的方法，其中，在获取所述当前案件矢量数据时，相对于所述矢量数据中的其他矢量向所述矢量数据中的每个矢量分配权重。25.一种计算系统实施的用于主动检测客户满意度的方法，所述方法包括：使用一个或多个计算系统从一个或多个客户服务系统收集历史案件矢量数据；使用所述历史案件矢量数据训练一个或多个机器学习异常检测模型，以检测案件数据中指示潜在的客户不满意的异常；使用一个或多个计算系统获得代表与服务提供商的一个或多个客户相关联的当前客户案件的当前案件矢量数据；将所述当前案件矢量数据提供给经过训练的一个或多个机器学习异常检测模型；使用所述一个或多个机器学习异常检测模型，识别一个或多个特定当前客户案件的所述当前案件矢量数据中的一个或多个异常；将所述当前案件矢量数据提供给一个或多个基于机器学习的语言处理模型；使用所述一个或多个基于机器学习的语言处理模型，识别一个或多个特定当前客户案件的所述当前案件矢量数据中的一个或多个客户意见；使用一个或多个计算系统生成信号报告，所述信号报告包括：具有一个或多个已识别异常的一个或多个特定当前客户案件中的每一者的列表以及与列出的具有一个或多个已识别异常的多个特定当前客户案件相关联的特定的一个或多个异常；以及具有一个或多个已识别客户意见的一个或多个特定案件中的每一者的列表以及与列出的具有一个或多个已识别的一个或多个客户意见的多个特定客户案件相关联的特定的一个或多个客户意见；以及使用一个或多个计算系统向所述服务提供商的代理提供所述信号报告。26.根据权利要求25所述的计算系统实施的方法，其中，在使用一个或多个计算系统收集所述历史案件矢量数据时，相对于所述矢量数据中的其他矢量向所述矢量数据中的每个矢量分配权重。27.根据权利要求25所述的计算系统实施的方法，其中，在使用一个或多个计算系统收集所述历史案件矢量数据时，向所述矢量数据的每个矢量分配矢量类型，矢量类型选自包括以下各项的矢量类型的组：基于异常-高斯的矢量类型；基于异常-iqr的矢量类型；基于平均值的矢量类型；基于均值-中位数的矢量类型；
基于标准差的矢量类型；以及基于阈值的矢量类型。28.根据权利要求27所述的计算系统实施的方法，其中，所述基于阈值的矢量数据类型包括分配最大阈值、最小阈值和前述的组合中的一者。29.根据权利要求25所述的计算系统实施的方法，其中，在使用一个或多个计算系统收集所述历史案件矢量数据时，向所述矢量数据的每个矢量分配对象类型，其中，所述对象类型包括客户对象类型、联系人对象类型和案件对象类型中的一者。30.根据权利要求25所述的计算系统实施的方法，其中，所述一个或多个机器学习异常检测模型包括监督式机器学习异常检测模型。31.根据权利要求25所述的计算系统实施的方法，其中，所述一个或多个异常包括选自包括以下各项的异常类型的组中的至少一种异常类型：点异常类型；上下文异常类型；以及集体异常类型。32.根据权利要求25所述的计算系统实施的方法，其中，使用一个或多个计算系统生成信号报告包括：将所述一个或多个异常验证为有效异常。33.根据权利要求25所述的计算系统实施的方法，其中，所述当前案件矢量数据包括表示客户案件对话数据、代理案件对话数据和案件调查结果评论数据中的一项或多项的文本数据。34.根据权利要求25所述的计算系统实施的方法，其中，所述一个或多个基于机器学习的语言处理模型包括表示多个意见指示的语料库数据。35.根据权利要求25所述的计算系统实施的方法，其中，向所述服务提供商的代理提供的所述信号报告包括：作为与列出的多个特定当前客户案件相关联的所述特定的一个或多个客户意见的每一者的假意见指定反馈特征的报告，当所述代理指示所述特定的一个或多个客户意见中的一个或多个是错误意见指定时，即生成所述假意见指定反馈特征。36.根据权利要求35所述的计算系统实施的方法，其中，用于所述一个或多个基于机器学习的语言处理模型的训练数据是根据由所述代理生成的所述假意见指定反馈特征生成的。37.根据权利要求25所述的计算系统实施的方法，其中，与所列出的多个特定当前客户案件相关联的所述特定的一个或多个客户意见是负面意见类型。38.根据权利要求25所述的计算系统实施的方法，其中，与所列出的多个特定当前客户案件相关联的所述特定的一个或多个客户意见是正面意见类型。39.根据权利要求25所述的计算系统实施的方法，其中，与所列出的多个特定当前客户案件相关联的所述特定的一个或多个客户意见是紧迫性意见类型。40.根据权利要求25所述的计算系统实施的方法，其中，使用一个或多个计算系统向所述服务提供商的代理提供所述信号报告包括：提供仪表板用户界面，所述仪表板用户界面向所述服务提供商的代理显示所述信号报告。41.根据权利要求25所述的计算系统实施的方法，其中，使用一个或多个计算系统向所述服务提供商的代理提供所述信号报告包括向用户发送所述信号报告的通知。
42.根据权利要求25所述的计算系统实施的方法，其中，使用一个或多个计算系统向所述服务提供商的代理提供所述信号报告包括：基于所述信号报告定制由所述客户服务系统提供给所述服务提供商的代理的用户界面屏幕。43.根据权利要求35所述的计算系统实施的方法，其中，当所述一个或多个客户意见与假意见指定反馈相关联时，从所述信号报告中移除所述一个或多个客户意见。44.根据权利要求25所述的计算系统实施的方法，其中，在获取所述当前案件矢量数据时，相对于所述矢量数据中的其他矢量向所述矢量数据中的每个矢量分配权重。

技术总结
一种服务提供商系统，其从客户服务系统接收客户的案件数据。通过整合和聚合从案件数据中收集矢量数据。通过机器学习从集成和聚合的矢量数据中检测异常或意见信号。这些信号经过验证、整合并与案件、联系人和客户对象类型相关联。用户界面将经过验证和整合的信号呈现给用户，该客户根据该信号主动采取行动。用户界面包括仪表板、通知和指示器。通知和指示器。通知和指示器。


技术研发人员：P
受保护的技术使用者：瑞米尼街道公司
技术研发日：2020.09.10
技术公布日：2022/9/9