基于标签推荐客服人员的方法、系统、设备和介质

摘要

本发明涉及数据统计技术领域，提供一种基于标签推荐客服人员的方法、系统、设备和介质。所述基于标签推荐客服人员的方法包括步骤：接收客户端发送的目标标签；自数据库中获取评价数据与所述目标标签匹配的客服人员及所述目标标签对应的目标标签计算模型；将所述客服人员的与所述目标标签匹配的评价数据输入所述目标标签计算模型，计算获得每个所述客服人员的目标标签值；根据所述目标标签值，向所述客户端推荐最匹配的目标客服人员。本发明能够根据目标标签获取匹配的客服数据源和标签计算模型，实时计算出客服数据源的标签值，从而根据匹配的客服数据源和实时的标签值计算结果，向客户端推荐最合适的客服人员，提升用户体验。

说明书

技术领域

本发明涉及数据统计技术领域，具体地说，涉及一种基于标签推荐客服人员的方法、系统、设备和介质。

背景技术

在数据统计领域，标签可以标识数据源的相关特征。例如，“满意度”标签可以标识客服人员的服务质量。

但是，数据源的标签并非固定不变，例如，客服人员的“满意度”标签，会随着用户评价不断地发生变化。现有技术中，为客服人员匹配标签的方式是：将客服人员的评价数据整理汇总，形成数据源提供给专业的数据分析师；由专业的数据分析师对数据源进行处理，生成分析结果，最好能生成可视图表；再根据分析结果，为客服人员匹配标签。

可见，现有技术中，客服人员的标签设置依赖于专业的数据分析师，需要大量的沟通和极大的成本才能实现，常常会发生客服人员的标签滞后和偏离于实际评价数据的现象，导致在用户需求特定客服人员时，无法准确地推荐合适的客服人员。

需要说明的是，上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此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。

发明内容

有鉴于此，本发明提供一种基于标签推荐客服人员的方法、系统、设备和介质，能够根据目标标签获取匹配的客服数据源和标签计算模型，实时计算出客服数据源的标签值，从而根据匹配的客服数据源和实时的标签值计算结果，向客户端推荐最合适的客服人员，提升用户体验。

本发明的一个方面提供一种基于标签推荐客服人员的方法，包括步骤：接收客户端发送的目标标签；自数据库中获取评价数据与所述目标标签匹配的客服人员及所述目标标签对应的目标标签计算模型；将所述客服人员的与所述目标标签匹配的评价数据输入所述目标标签计算模型，计算获得每个所述客服人员的目标标签值；根据所述目标标签值，向所述客户端推荐最匹配的目标客服人员。

在一些实施例中，所述自数据库中获取评价数据与所述目标标签匹配的客服人员的步骤包括：自所述数据库中获取所述目标标签关联的至少一项目标维度；获取评价数据与至少一项所述目标维度匹配的客服人员。

在一些实施例中，所述计算获得每个所述客服人员的目标标签值的步骤包括：根据每个所述客服人员的与各项所述目标维度匹配的评价数据，计算每个所述客服人员的各维度目标标签值；自所述客户端的历史评价数据中，获得所述目标标签基于各项所述目标维度的评价次数，确定各项所述目标维度的权重；根据各项所述目标维度的权重，对每个所述客服人员的各维度目标标签值进行加权计算，获得每个所述客服人员的目标标签值。

在一些实施例中，所述自所述数据库中获取所述目标标签关联的至少一项目标维度的步骤包括：自所述数据库中获取所述目标标签的关联维度集，推送至所述客户端；将所述客户端自所述关联维度集中选定的维度作为所述目标维度。

在一些实施例中，所述计算每个所述客服人员的各维度目标标签值的步骤之后，还包括：判断各所述客服人员的各维度目标标签值是否均超出所述目标标签基于对应目标维度的有效数值区间；若是，向所述客户端推送维度调整提示。

在一些实施例中，所述关联维度集中，多个维度根据各自的历史选中次数进行降序排列。

在一些实施例中，所述数据库中预存有多个标签计算模型，每个所述标签计算模型对应一个标签；每个所述标签计算模型预设有关联维度集及其对应标签基于其关联维度集中的每个维度的标签值计算方式，且每个所述标签计算模型预设有多种标签值可视化展示方式；所述计算获得每个所述客服人员的目标标签值的步骤之后，还向所述客户端推送所述目标标签值的可视化图表。

本发明的另一个方面提供一种基于标签推荐客服人员的系统，包括：目标标签接收模块，用于接收客户端发送的目标标签；数据源及计算模型获取模块，用于自数据库中获取评价数据与所述目标标签匹配的客服人员及所述目标标签对应的目标标签计算模型；标签值计算模块，用于将所述客服人员的与所述目标标签匹配的评价数据输入所述目标标签计算模型，计算获得每个所述客服人员的目标标签值；客服人员推送模块，用于根据所述目标标签值，向所述客户端推荐最匹配的目标客服人员。

本发明的再一个方面提供一种电子设备，包括：一处理器；一存储器，所述存储器中存储有可执行指令；其中，所述可执行指令被所述处理器执行时，实现上述任意实施例所述的基于标签推荐客服人员的方法。

本发明的又一个方面提供一种计算机可读的存储介质，用于存储程序，所述程序被执行时实现上述任意实施例所述的基于标签推荐客服人员的方法。

本发明与现有技术相比的有益效果至少包括：

本发明能够根据目标标签获取匹配的客服数据源和标签计算模型，实时计算出客服数据源的标签值，从而根据匹配的客服数据源和实时的标签值计算结果，向客户端推荐最合适的客服人员，提升用户体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本发明一个实施例中基于标签推荐客服人员的方法的步骤流程图；

图2示出本发明一个实施例中计算客服人员的目标标签值的步骤流程图；

图3示出本发明另一个实施例中计算客服人员的目标标签值的步骤流程图；

图4示出本发明一个实施例中基于标签推荐客服人员的方法的场景流程图；

图5示出本发明实施例中基于标签推荐客服人员的系统的模块示意图；

图6示出本发明实施例中电子设备的结构示意图；

图7示出本发明实施例中计算机可读的存储介质的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式。相反，提供这些实施方式使本发明全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

下面实施例中的步骤序号仅用于表示不同的执行内容，并不严格限定步骤之间的执行顺序。需要说明的是，在不冲突的情况下，本发明的实施例及不同实施例中的特征可以相互组合。

图1示出实施例中基于标签推荐客服人员的方法的主要步骤流程，参照图1所示，本实施例中基于标签推荐客服人员的方法包括：在步骤S110中，接收客户端发送的目标标签；在步骤S120中，自数据库中获取评价数据与目标标签匹配的客服人员及目标标签对应的目标标签计算模型；在步骤S130中，将客服人员的与目标标签匹配的评价数据输入目标标签计算模型，计算获得每个客服人员的目标标签值；在步骤S140中，根据目标标签值，向客户端推荐最匹配的目标客服人员。

上述的基于标签推荐客服人员的方法，能够根据目标标签获取匹配的客服数据源和标签计算模型，实时计算出客服数据源的标签值，从而根据匹配的客服数据源和实时的标签值计算结果，向客户端推荐最合适的客服人员，提升用户体验。

下面结合具体的示例，对基于标签推荐客服人员的方法的各步骤进行具体说明。

步骤S110中，目标标签例如为“满意度”。

步骤S120中，自数据库中获取评价数据与目标标签匹配的客服人员的过程具体包括：自数据库中获取目标标签关联的至少一项目标维度；获取评价数据与至少一项目标维度匹配的客服人员。例如，对于“满意度”目标标签，其关联的目标维度包括：“专业性”、“服务态度”和“问题解决程度”，则自数据库中获取评价数据涉及“专业性”、“服务态度”和“问题解决程度”中的至少一项的客服人员。评价数据可以包含文字评价，也可以包含基于目标维度的评分数字。举例而言，客服人员A的评价数据中包含“很专业”关键字段，则客服人员A被筛选出；客服人员B的评价数据中包含“态度不错”关键字段，则客服人员B被筛选出；客服人员C的评价数据中包含基于“问题解决程度”的评分数字(如5分)，则客服人员C被筛选出。其中，评价数据可以取一段合理时间内的，例如近期三个月内的评价数据。

在一个实施例中，自数据库中获取目标标签关联的至少一项目标维度的过程具体包括：自数据库中获取目标标签的关联维度集，推送至客户端；将客户端自关联维度集中选定的维度作为目标维度。例如，对于“满意度”目标标签，其关联维度集中包括五个维度：“专业性”、“服务态度”、“问题解决程度”、“响应速度”和“沟通舒适性”，用户通过客户端，自关联维度集中选择了“专业性”、“服务态度”和“问题解决程度”三个维度，则将该三个维度作为与目标标签关联的目标维度。

在数据库中，预存有多个标签计算模型，每个标签计算模型对应一个标签，从而，根据客户端发送的目标标签，能够快速地获得对应的目标标签计算模型。并且，每个标签计算模型预设有关联维度集。

在一个实施例中，关联维度集中，多个维度根据各自的历史选中次数进行降序排列，以方便用户直观地按照各维度的热门程度，快速挑选需要的目标维度。

步骤S130中，计算获得每个客服人员的目标标签值的过程具体包括，参照图2所示：步骤S210，根据每个客服人员的与各项目标维度匹配的评价数据，计算每个客服人员的各维度目标标签值；步骤S220，自客户端的历史评价数据中，获得目标标签基于各项目标维度的评价次数，确定各项目标维度的权重；步骤S230，根据各项目标维度的权重，对每个客服人员的各维度目标标签值进行加权计算，获得每个客服人员的目标标签值。

步骤S210中，将每个客服人员的与目标标签匹配的评价数据归类为分别与各项目标维度匹配的评价数据集；再根据预设的标签值计算方式，计算每个客服人员的各维度目标标签值。在数据库中，每个标签计算模型预设有其对应标签基于其关联维度集中的每个维度的标签值计算方式，举例来说，对于“满意度”标签对应的标签计算模型，其预设有“满意度”标签分别基于“专业性”维度、“服务态度”维度、“问题解决程度”维度、“响应速度”维度和“沟通舒适性”维度五个维度的标签值计算方式。因此，能够实时地计算出每个客服人员的各维度目标标签值。

其中，对于数字格式的评价数据，可以直接依据标签值计算方式(通常是一些数据计算公式)进行计算；对于文本格式的评价数据，可以先进行文本分析，转化成数据值，再依据标签值计算方式进行计算。

在一个实施例中，客户端也可以是服务方，例如客服人员的管理人员。服务方可以根据需要，从数据库中选取一标签作为目标标签，对客服人员进行基于目标标签的调研分析。由于数据库中已经预存有各个标签对应的标签计算模型，因此服务方可以便捷地根据需要进行标签数据统计，无需再依赖专业的数据分析师。其中，数据源可以按照上述步骤自数据库中获取，也可以由服务方根据需要导入。例如，服务方可采用Excel数据表或API接口，导入其自行统计的数据源，通过调用数据库中预存的标签计算模型，对数据源进行基于目标标签的调研分析。

步骤S220中，客户端的历史评价数据是用户对于客服人员的历史评价。目标标签基于各项目标维度的评价次数，能够真实准确地反映用户对目标标签的各项目标维度的重视程度。例如，在近三个月内，客户端的历史评价数据中，“满意度”标签下，对“问题解决程度”维度进行了10次评价，对“专业性”维度进行了6次评价，对“服务态度”维度进行了3次评价，则可以反映出用户对“满意度”标签下的三个目标维度的重视程度由重到轻依次是：问题解决程度、专业性、服务态度，则可将目标标签基于各项目标维度的评价次数均与一合适的小数相乘，最终确定的各项目标维度的权重降序排列为：对应问题解决程度维度的第一权重、对应专业性维度的第二权重、对应服务态度维度的第三权重。

步骤S230中，对每个客服人员的各维度目标标签值进行加权计算，获得每个客服人员的匹配目标标签且符合用户偏好的目标标签值，使后续的推荐更切合用户所需。在“满意度”标签下，向客户端推荐的最匹配的目标客服人员是计算获得的目标标签值最高的客服人员。

图3示出另一个实施例中计算客服人员的目标标签值的步骤流程，与图2所示实施例的区别在于，本实施例中，步骤S210计算每个客服人员的各维度目标标签值的步骤之后，还包括：步骤S310，判断各客服人员的各维度目标标签值是否均超出目标标签基于对应目标维度的有效数值区间；若是，执行步骤S320，向客户端推送维度调整提示；并基于调整后的目标维度，重新获取评价数据与目标标签匹配的客服人员，并根据目标标签计算模型计算每个客服人员的各维度目标标签值；若否，则执行步骤S220和S230。

目标标签基于对应目标维度的有效数值区间预存于数据库中，该有效数值区间根据特定标签基于特定维度的标签值能够有效地反映数据特征而确定。当各客服人员的各维度目标标签值均超出目标标签基于对应目标维度的有效数值区间，表明各客服人员与目标标签的各项目标维度均达不到合理的匹配阈值，建议用户更换维度，以获得能够匹配的客服人员；若不更换，则可根据已获得的目标标签值推荐相对合适的目标客服人员。

在一个实施例中，每个标签计算模型预设有多种标签值可视化展示方式；计算获得每个客服人员的目标标签值的步骤之后，还可向客户端推送目标标签值的可视化图表。尤其在服务方基于目标标签对客服人员进行调研分析的场景中，通过向客户端推送目标标签值的可视化图表，便于服务方直观地获取调研分析结果。服务方也可自多种标签值可视化展示方式中选择一种或多种，从而获得符合其需求的可视化图表。

在上述各实施例中，数据库中的标签计算模型可由行业专家设计和发布。图4示出一个实施例中基于标签推荐客服人员的方法的场景流程，参照图4所示，数据库中的标签计算模型，由行业专家，通常是数据分析师配置，具体流程包括：S410a，创建标签计算模型，每个标签计算模型对应一个标签；S410b，配置标签计算模型，包括配置标签计算模型的关联维度集、其对应标签基于其关联维度集中的每个维度的标签值计算方式、以及其对应标签基于其关联维度集中的每个维度的有效数值区间；S410c，配置可视化展示方式，包括柱状图、折线图、表格等；S410d，预览调试，可以通过导入元数据的方式，对标签计算模型进行调试，将其关联维度集、标签值计算方式、有效数值区间、可视化展示方式等调整至合适状态；S410e，发布，即将经配置和调试的标签计算模型发布至数据库中，供客户端调取使用。

对于客户端，包括用户/服务方等，当需要使用基于标签数据的统计分析服务时，可直接使用数据库中的标签计算模型。参照图4所示，具体流程包括：S420a，确定目标标签；S420b，获得数据源和目标标签计算模型；S420c，计算客服人员的目标标签值；S420d，获得推荐结果/可视化图表。其中，步骤S420b和S420c对客户端是不可见的，用户/服务方无需操作具体的标签数据统计分析过程，即可获得其需要的推荐结果/可视化图表。从而，将一项具有极高专业度的工作简化成普通用户/服务方即可实现的简易流程，在市场调研、体验调研等领域均具有广泛的运用价值。

本发明实施例还提供一种基于标签推荐客服人员的系统，可用于实现上述任意实施例描述的基于标签推荐客服人员的方法。上述任意实施例描述的基于标签推荐客服人员的方法的特征和原理均可应用至下面的系统实施例。在下面的系统实施例中，对已经阐明的关于基于标签推荐客服人员的特征和原理不再重复说明。

图5示出实施例中基于标签推荐客服人员的系统的主要模块，参照图5所示，本实施例中基于标签推荐客服人员的系统500包括：目标标签接收模块510，用于接收客户端发送的目标标签；数据源及计算模型获取模块520，用于自数据库中获取评价数据与目标标签匹配的客服人员及目标标签对应的目标标签计算模型；标签值计算模块530，用于将客服人员的与目标标签匹配的评价数据输入目标标签计算模型，计算获得每个客服人员的目标标签值；客服人员推送模块540，用于根据目标标签值，向客户端推荐最匹配的目标客服人员。

进一步地，基于标签推荐客服人员的系统500还可包括实现上述基于标签推荐客服人员的方法实施例的其他流程步骤的模块，各个模块的具体原理可参照上述各基于标签推荐客服人员的方法实施例的描述，此处不再重复说明。

如上所述，本发明的基于标签推荐客服人员的系统，能够根据目标标签获取匹配的客服数据源和标签计算模型，实时计算出客服数据源的标签值，从而根据匹配的客服数据源和实时的标签值计算结果，向客户端推荐最合适的客服人员，提升用户体验；并能够生成标签计算结果的可视化图表，从而无需依赖专业人员即可依据标签计算模型获得标签数据的统计分析结果。

本发明实施例还提供一种电子设备，包括处理器和存储器，存储器中存储有可执行指令，可执行指令被处理器执行时，实现上述任意实施例描述的基于标签推荐客服人员的方法。

如上所述，本发明的电子设备能够根据目标标签获取匹配的客服数据源和标签计算模型，实时计算出客服数据源的标签值，从而根据匹配的客服数据源和实时的标签值计算结果，向客户端推荐最合适的客服人员，提升用户体验；并能够生成标签计算结果的可视化图表，从而无需依赖专业人员即可依据标签计算模型获得标签数据的统计分析结果。

图6是本发明实施例中电子设备的结构示意图，应当理解的是，图6仅仅是示意性地示出各个模块，这些模块可以是虚拟的软件模块或实际的硬件模块，这些模块的合并、拆分及其余模块的增加都在本发明的保护范围之内。

如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。

其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行上述任意实施例描述的基于标签推荐客服人员的方法的步骤。例如，处理单元610可以执行如图1至图4所示的步骤。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

存储单元620还可以包括具有一个或多个程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700通信，外部设备700可以是键盘、指向设备、蓝牙设备等设备中的一种或多种。这些外部设备700使得用户能与该电子设备600进行交互通信。电子设备600也能与一个或多个其它计算设备进行通信，所示计算机设备包括路由器、调制解调器。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。

本发明实施例还提供一种计算机可读的存储介质，用于存储程序，程序被执行时实现上述任意实施例描述的基于标签推荐客服人员的方法。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行上述任意实施例描述的基于标签推荐客服人员的方法。

如上所述，本发明的计算机可读的存储介质能够根据目标标签获取匹配的客服数据源和标签计算模型，实时计算出客服数据源的标签值，从而根据匹配的客服数据源和实时的标签值计算结果，向客户端推荐最合适的客服人员，提升用户体验；并能够生成标签计算结果的可视化图表，从而无需依赖专业人员即可依据标签计算模型获得标签数据的统计分析结果。

图7是本发明的计算机可读的存储介质的结构示意图。参考图7所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子包括但不限于：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读的存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备，例如利用因特网服务提供商来通过因特网连接。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。