本发明专利技术公开了一种外呼数据的分配方法和系统，该方法包括：基于预设智能学习模型预测与当天待呼叫的外呼客户名单对应的各订单的成单率；按订单金额从高到低将所有订单划分为预设数量的订单组，并根据第一预设对应关系将各订单组分配给各外呼技能组；根据外呼技能组中各坐席在预设历史时间段的业绩数据确定各坐席的坐席分数；按第一预设比例从与外呼技能组对应的已分配订单中随机选取目标订单，并根据各坐席分数和各目标订单的成单率将各目标订单分配给各坐席，并将已分配订单中的剩余订单随机均分给各坐席；其中，各订单带有订单金额，第一预设对应关系为不同订单组和不同外呼技能组的对应关系，从而实现准确高效的进行外呼数据的自动分配。呼数据的自动分配。呼数据的自动分配。
【技术实现步骤摘要】
一种外呼数据的分配方法和系统
[0001]本申请涉及数据通信
，更具体地，涉及一种外呼数据的分配方法和系统。
技术介绍
[0002]随着技术的发展，电话外呼已经实现了快捷、方便、高效的特征，同时因其拥有省时、省力、低成本等天然的优点，很多企业用户都建立起自己的电话营销系统平台，用以扩大和维护客户，增加企业效益。同时，电话外呼的应用场景越来越多，包括电话营销、市场调查、客户回访等场景。
[0003]然而越来越多的外呼系统采用智能语音呼叫，需利用人工智能和简单指令就可以完成一次呼叫，但是目前市面上绝大多数外呼系统都是人工分配外呼客户，人工分配面临着，耗时长，分配人力浪费，分配效果不理想，影响呼叫中心业绩等问题。
[0004]如何准确高效的进行外呼数据的自动分配，是目前有待解决的技术问题。
技术实现思路
[0005]本专利技术提供一种外呼数据的分配方法，用以解决现有技术中进行外呼数据分配时效率低、准确性差的技术问题。
[0006]该方法包括：
[0007]基于预设智能学习模型预测与当天待呼叫的外呼客户名单对应的各订单的成单率；
[0008]按订单金额从高到低将所有所述订单划分为预设数量的订单组，并根据第一预设对应关系将各所述订单组分配给各外呼技能组；
[0009]根据所述外呼技能组中各坐席在预设历史时间段的业绩数据确定各所述坐席的坐席分数；
[0010]按第一预设比例从与所述外呼技能组对应的已分配订单中随机选取目标订单，并根据各所述坐席分数和各所述目标订单的成单率将各所述目标订单分配给各所述坐席，并将所述已分配订单中的剩余订单随机均分给各所述坐席；
[0011]其中，各所述订单带有所述订单金额，所述预设预测模型为基于决策树模型、随机森林模型和神经网络模型的集成学习模型，所述第一预设对应关系为不同订单组和不同外呼技能组的对应关系。
[0012]在本申请一些实施例中，在基于预设智能学习模型预测与当天待呼叫的外呼客户名单对应的各订单的成单率之前，所述方法还包括：
[0013]根据历史外呼客户名单的客户特征数据生成数据集，并根据所述数据集生成训练集和测试集；
[0014]基于所述训练集和所述测试集分别对决策树模型、随机森林模型和神经网络模型进行训练，根据训练结果得到三个第一层模型；
[0015]根据三个所述第一层模型的输出生成新的数据集，并根据所述新的数据集生成新
的训练集和新的测试集；
[0016]基于所述新的训练集和所述新的测试集分别对决策树模型、随机森林模型和神经网络模型进行训练，根据训练结果得到三个第二层模型；
[0017]根据线性加权算法将三个所述第二层模型聚合为所述预设智能学习模型。
[0018]在本申请一些实施例中，所述数据集中包括离散型特征数据和连续型特征数据，根据所述数据集生成训练集和测试集，具体为：
[0019]将所述连续型特征数据进行标准化，保持所述离散型特征数据不变，并按预设划分比例将所述数据集划分为所述训练集和所述测试集。
[0020]在本申请一些实施例中，所述业绩数据包括成单量、成交额和工作天数，根据所述外呼技能组中各坐席在预设历史时间段的业绩数据确定各所述坐席的坐席分数，具体为：
[0021]基于加权算法对所述成单量、所述成交额和所述工作天数进行加权分析；
[0022]根据加权分析的结果确定所述坐席分数。
[0023]在本申请一些实施例中，根据各所述坐席分数和各所述目标订单的成单率将各所述目标订单分配给各所述坐席，具体为：
[0024]基于收益最大化对各所述坐席分数和各所述目标订单的成单率进行线性规划；
[0025]根据线性规划的结果将各所述目标订单分配给各所述坐席。
[0026]相应的，本专利技术还提出了一种外呼数据的分配系统，所述系统包括：
[0027]预测模块，用于基于预设智能学习模型预测与当天待呼叫的外呼客户名单对应的各订单的成单率；
[0028]第一分配模块，用于按订单金额从高到低将所有所述订单划分为预设数量的订单组，并根据第一预设对应关系将各所述订单组分配给各外呼技能组；
[0029]确定模块，用于根据所述外呼技能组中各坐席在预设历史时间段的业绩数据确定各所述坐席的坐席分数；
[0030]第二分配模块，用于按第一预设比例从与所述外呼技能组对应的已分配订单中随机选取目标订单，并根据各所述坐席分数和各所述目标订单的成单率将各所述目标订单分配给各所述坐席，并将所述已分配订单中的剩余订单随机均分给各所述坐席；
[0031]其中，各所述订单带有所述订单金额，所述预设预测模型为基于决策树模型、随机森林模型和神经网络模型的集成学习模型，所述第一预设对应关系为不同订单组和不同外呼技能组的对应关系。
[0032]在本申请一些实施例中，所述系统还包括训练模块，用于：
[0033]根据历史外呼客户名单的客户特征数据生成数据集，并根据所述数据集生成训练集和测试集；
[0034]基于所述训练集和所述测试集分别对决策树模型、随机森林模型和神经网络模型进行训练，根据训练结果得到三个第一层模型；
[0035]根据三个所述第一层模型的输出生成新的数据集，并根据所述新的数据集生成新的训练集和新的测试集；
[0036]基于所述新的训练集和所述新的测试集分别对决策树模型、随机森林模型和神经网络模型进行训练，根据训练结果得到三个第二层模型；
[0037]根据线性加权算法将三个所述第二层模型聚合为所述预设智能学习模型。
[0038]在本申请一些实施例中，所述数据集中包括离散型特征数据和连续型特征数据，所述训练模块，具体用于：
[0039]将所述连续型特征数据进行标准化，保持所述离散型特征数据不变，并按预设划分比例将所述数据集划分为所述训练集和所述测试集。
[0040]在本申请一些实施例中，所述业绩数据包括成单量、成交额和工作天数，所述确定模块，具体用于：
[0041]基于加权算法对所述成单量、所述成交额和所述工作天数进行加权分析；
[0042]根据加权分析的结果确定所述坐席分数。
[0043]在本申请一些实施例中，所述第二分配模块，具体用于：
[0044]基于收益最大化对各所述坐席分数和各所述目标订单的成单率进行线性规划；
[0045]根据线性规划的结果将各所述目标订单分配给各所述坐席。
[0046]通过应用以上技术方案，基于预设智能学习模型预测与当天待呼叫的外呼客户名单对应的各订单的成单率；按订单金额从高到低将所有订单划分为预设数量的订单组，并根据第一预设对应关系将各订单组分配给各外呼技能组；根据外呼技能组中各坐席在预设历史时间段的业绩数据确定各坐席的坐席分数；按第一预设比例从与外呼技能组对应的已分配订单中随机选取目标订单，并根据各坐席分数和各目标订单的成单率将各目标订单分配给各坐席，并将已分配订单中的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种外呼数据的分配方法，其特征在于，所述方法包括：基于预设智能学习模型预测与当天待呼叫的外呼客户名单对应的各订单的成单率；按订单金额从高到低将所有所述订单划分为预设数量的订单组，并根据第一预设对应关系将各所述订单组分配给各外呼技能组；根据所述外呼技能组中各坐席在预设历史时间段的业绩数据确定各所述坐席的坐席分数；按第一预设比例从与所述外呼技能组对应的已分配订单中随机选取目标订单，并根据各所述坐席分数和各所述目标订单的成单率将各所述目标订单分配给各所述坐席，并将所述已分配订单中的剩余订单随机均分给各所述坐席；其中，各所述订单带有所述订单金额，所述预设预测模型为基于决策树模型、随机森林模型和神经网络模型的集成学习模型，所述第一预设对应关系为不同订单组和不同外呼技能组的对应关系。2.如权利要求1所述的方法，其特征在于，在基于预设智能学习模型预测与当天待呼叫的外呼客户名单对应的各订单的成单率之前，所述方法还包括：根据历史外呼客户名单的客户特征数据生成数据集，并根据所述数据集生成训练集和测试集；基于所述训练集和所述测试集分别对决策树模型、随机森林模型和神经网络模型进行训练，根据训练结果得到三个第一层模型；根据三个所述第一层模型的输出生成新的数据集，并根据所述新的数据集生成新的训练集和新的测试集；基于所述新的训练集和所述新的测试集分别对决策树模型、随机森林模型和神经网络模型进行训练，根据训练结果得到三个第二层模型；根据线性加权算法将三个所述第二层模型聚合为所述预设智能学习模型。3.如权利要求2所述的方法，其特征在于，所述数据集中包括离散型特征数据和连续型特征数据，根据所述数据集生成训练集和测试集，具体为：将所述连续型特征数据进行标准化，保持所述离散型特征数据不变，并按预设划分比例将所述数据集划分为所述训练集和所述测试集。4.如权利要求1所述的方法，其特征在于，所述业绩数据包括成单量、成交额和工作天数，根据所述外呼技能组中各坐席在预设历史时间段的业绩数据确定各所述坐席的坐席分数，具体为：基于加权算法对所述成单量、所述成交额和所述工作天数进行加权分析；根据加权分析的结果确定所述坐席分数。5.如权利要求1所述的方法，其特征在于，根据各所述坐席分数和各所述目标订单的成单率将各所述目标订单分配给各所述坐席，具体为：基于收益最大化对各所述坐席分数和各所述目标订单的成单率进行线性规划...
【专利技术属性】
技术研发人员：温程伟，赵大川，蔡磊，刘莞儿，王新良，
申请(专利权)人：南京优数信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。