客服服务质量监控方法、装置、设备及存储介质与流程

1.本发明涉及信息处理技术领域，尤其涉及一种客服服务质量监控方法、装置、设备及存储介质。


背景技术：

2.客服可分为人工客服和电子客服，其中人工客服又可细分为文字客服、视频客服和语音客服三类，文字客服是指主要以打字聊天的形式进行的客户服务，视频客服是指主要以语音视频的形式进行客户服务，语音客服是指主要以移动电话的形式进行的客服服务，目前，对客服服务质量的评价是通过客户主观判断的方式实现的，即需要客户对客服的服务质量人工作出评价，客户主观判断的方式，客户主观性比较强，一定程度上不能客观反映对客服人员的工作评价，此外，还存在冒充客户进行恶意投诉的行为，导致投诉数据不准确，准确率低下，且客户投诉对接渠道分散，质检不能集中核查处理，而是由人工收到投诉电话或从各渠道搜寻，进行手工统计和处理，核查处理效率低下。


技术实现要素：

3.为了克服现有技术的不足，本发明的目的在于提供一种形成统一收口，能将投诉信息集中核查处理，提高核查处理效率，清零恶意的投诉信息和不成立的投诉信息，提高投诉数据准确率，提升客服服务质量的客服服务质量监控方法、装置、设备及存储介质。
4.本发明第一方面提供了一种客服服务质量监控方法，包括：获取投诉方客户端发送的投诉信息，根据所述投诉信息生成投诉工单；识别所述投诉工单中的被投诉方id，将所述投诉工单发送至与所述被投诉方id对应的被投诉方客服终端，并判断被投诉方是否进行申诉；若是，则获取所述被投诉方客服终端发送的申诉信息，并计算所述投诉信息的恶意指数；根据所述恶意指数和所述申诉信息进行复核，得到复核结果，并根据所述复核结果判断投诉是否成立；若是，则根据所述投诉工单生成处罚工单，并将所述处罚工单同步发送至所述投诉方客户端和所述被投诉方客服终端。
5.可选的，在本发明第一方面的第一种实现方式中，所述获取投诉方客户端发送的投诉信息，根据所述投诉信息生成投诉工单，包括：接收投诉方客户端发送的投诉请求；判断所述投诉方客户端对应的客户id是否存储在信息数据库中的恶意名单列表内；若否，则发送投诉待填写列表到所述投诉方客户端；判断所述投诉方客户端发送的投诉已填写列表是否符合提交规则；若是，则获取所述投诉已填写列表，并将所述投诉已填写列表进行解析，得到投诉信息；根据所述投诉信息生成投诉工单。
6.可选的，在本发明第一方面的第二种实现方式中，所述若是，则获取所述被投诉方客服终端发送的申诉信息，并计算所述投诉信息的恶意指数，包括：若是，则获取所述被投诉方客服终端发送的申诉信息；识别所述投诉方客户端对应的客户id，根据所述客户id的历史投诉记录计算表征投诉方可信度或善意度的综合指标值；根据被投诉方id对应的被投诉历史记录计算被投诉方的被投诉准确率；根据预设的权重分配模型分别对所述综合指标
值和所述被投诉准确率赋予一个权重值；根据投诉方的所述综合指标值、与所述综合指标值对应的权重值、被投诉方的所述被投诉准确率以及与所述被投诉准确率对应的权重值计算所述投诉信息的恶意指数。
7.可选的，在本发明第一方面的第三种实现方式中，所述根据所述恶意指数和所述申诉信息进行复核，得到复核结果，并根据所述复核结果判断投诉是否成立，包括：判断所述恶意指数是否大于预设的阈值；若是，则将所述投诉信息归类为非恶意投诉信息；对所述申诉信息进行解析，得到证据数据，所述证据数据包括文字数据、图片数据、音频数据或视频数据；将所述证据数据输入预先训练的申诉分析模型中，以获得申诉原因对应的申诉得分，并判断所述申诉得分是否达到预设的阈值，所述申诉分析模型采用机器学习方法训练得到；若所述申诉得分达到预设的阈值，则撤销所述投诉工单，并更新所述投诉工单的投诉状态为撤销投诉；若所述申诉得分未达到预设的阈值，则更新所述投诉工单的投诉状态为确认投诉；根据所述投诉工单的投诉状态判断投诉是否成立。
8.可选的，在本发明第一方面的第四种实现方式中，所述将所述证据数据输入预先训练的申诉分析模型中，以获得申诉原因对应的申诉得分，并判断所述申诉得分是否达到预设的阈值，所述申诉分析模型采用机器学习方法训练得到，包括：在预设的数据转换模型将所述证据数据转换为文字数据；识别所述文字数据中的文本词段，并对所述文本词段进行分词处理，得到多个词组；识别多个所述词组中的关键词，并根据所述关键词对申诉原因进行分类，得到申诉类型；将所述证据数据输入预先训练的且与所述申诉类型对应的申诉分析模型中，在所述申诉分析模型中对所述申诉原因进评分，得到申诉得分；判断所述申诉得分是否达到预设的阈值。
9.可选的，在本发明第一方面的第五种实现方式中，所述若是，则根据所述投诉工单生成处罚工单，并将所述处罚工单同步发送至所述投诉方客户端和所述被投诉方客服终端，包括：若是，则根据所述投诉工单确定投诉原因；将所述投诉原因输入预先训练的处罚评估模型中，以确定所述投诉原因对应的处罚内容，所述处罚评估模型基于机器学习方法训练得到；根据所述投诉原因和所述处罚内容生成处罚工单，并根据预设的编码规则生成所述处罚工单对应的处罚编码；将所述处罚工单和所述处罚编码同步发送至所述投诉方客户端和所述被投诉方客服终端。
10.可选的，在本发明第一方面的第六种实现方式中，所述若是，则根据所述投诉工单生成处罚工单，并将所述处罚工单同步发送至所述投诉方客户端和所述被投诉方客服终端之后，还包括：将所述处罚工单上传到总部云端数据库；统计所述总部云端数据库中的全部所述处罚工单的总数量；当总数量大于预设的警报值时，则发布投诉量过大预警。
11.本发明第二方面提供了一种客服服务质量监控装置，包括：获取生成模块，用于获取投诉方客户端发送的投诉信息，根据所述投诉信息生成投诉工单；识别发送判断模块，用于识别所述投诉工单中的被投诉方id，将所述投诉工单发送至与所述被投诉方id对应的被投诉方客服终端，并判断被投诉方是否进行申诉；获取计算模块，用于若是，则获取所述被投诉方客服终端发送的申诉信息，并计算所述投诉信息的恶意指数；复核判断模块，用于根据所述恶意指数和所述申诉信息进行复核，得到复核结果，并根据所述复核结果判断投诉是否成立；生成发送模块，用于若是，则根据所述投诉工单生成处罚工单，并将所述处罚工单同步发送至所述投诉方客户端和所述被投诉方客服终端。
12.可选的，在本发明第二方面的第一种实现方式中，所述获取生成模块包括：接收单元，用于接收投诉方客户端发送的投诉请求；第一判断单元，用于判断所述投诉方客户端对应的客户id是否存储在信息数据库中的恶意名单列表内；第一发送单元，用于若否，则发送投诉待填写列表到所述投诉方客户端；第二判断单元，用于判断所述投诉方客户端发送的投诉已填写列表是否符合提交规则；第一获取单元，用于若是，则获取所述投诉已填写列表，并将所述投诉已填写列表进行解析，得到投诉信息；第一生成单元，用于根据所述投诉信息生成投诉工单。
13.可选的，在本发明第二方面的第二种实现方式中，所述获取计算模块包括：第二获取单元，用于若是，则获取所述被投诉方客服终端发送的申诉信息；识别计算单元，用于识别所述投诉方客户端对应的客户id，根据所述客户id的历史投诉记录计算表征投诉方可信度或善意度的综合指标值；第一计算单元，用于根据被投诉方id对应的被投诉历史记录计算被投诉方的被投诉准确率；权重赋予单元，用于根据预设的权重分配模型分别对所述综合指标值和所述被投诉准确率赋予一个权重值；第二计算单元，用于根据投诉方的所述综合指标值、与所述综合指标值对应的权重值、被投诉方的所述被投诉准确率以及与所述被投诉准确率对应的权重值计算所述投诉信息的恶意指数。
14.可选的，在本发明第二方面的第三种实现方式中，所述复核判断模块包括：第三判断单元，用于判断所述恶意指数是否大于预设的阈值；归类单元，用于若是，则将所述投诉信息归类为非恶意投诉信息；解析单元，用于对所述申诉信息进行解析，得到证据数据，所述证据数据包括文字数据、图片数据、音频数据或视频数据；输入判断单元，用于将所述证据数据输入预先训练的申诉分析模型中，以获得申诉原因对应的申诉得分，并判断所述申诉得分是否达到预设的阈值，所述申诉分析模型采用机器学习方法训练得到；撤销更新单元，用于若所述申诉得分达到预设的阈值，则撤销所述投诉工单，并更新所述投诉工单的投诉状态为撤销投诉；更新单元，用于若所述申诉得分未达到预设的阈值，则更新所述投诉工单的投诉状态为确认投诉；第四判断单元，用于根据所述投诉工单的投诉状态判断投诉是否成立。
15.可选的，在本发明第二方面的第四种实现方式中，所述输入判断单元具体用于在预设的数据转换模型将所述证据数据转换为文字数据；识别所述文字数据中的文本词段，并对所述文本词段进行分词处理，得到多个词组；识别多个所述词组中的关键词，并根据所述关键词对申诉原因进行分类，得到申诉类型；将所述证据数据输入预先训练的且与所述申诉类型对应的申诉分析模型中，在所述申诉分析模型中对所述申诉原因进评分，得到申诉得分；判断所述申诉得分是否达到预设的阈值。
16.可选的，在本发明第二方面的第五种实现方式中，所述生成发送模块包括：确定单元，用于若是，则根据所述投诉工单确定投诉原因；输入确定单元，用于将所述投诉原因输入预先训练的处罚评估模型中，以确定所述投诉原因对应的处罚内容，所述处罚评估模型基于机器学习方法训练得到；第二生成单元，用于根据所述投诉原因和所述处罚内容生成处罚工单，并根据预设的编码规则生成所述处罚工单对应的处罚编码；第二发送单元，用于将所述处罚工单和所述处罚编码同步发送至所述投诉方客户端和所述被投诉方客服终端。
17.可选的，在本发明第二方面的第六种实现方式中，还包括：上传模块，用于将所述处罚工单上传到总部云端数据库；统计模块，用于统计所述总部云端数据库中的全部所述
处罚工单的总数量；发布模块，用于当总数量大于预设的警报值时，则发布投诉量过大预警。
18.本发明第三方面提供了一种客服服务质量监控设备，所述客服服务质量监控设备包括：存储器和至少一个处理器，所述存储器中存储有指令；至少一个所述处理器调用所述存储器中的所述指令，以使得所述客服服务质量监控设备执行上述任一项所述的客服服务质量监控方法的各个步骤。
19.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上存储有指令，所述指令被处理器执行时实现上述任一项所述客服服务质量监控方法的各个步骤。
20.本发明的技术方案中，通过获取投诉方客户端发送的投诉信息，根据所述投诉信息生成投诉工单，形成统一收口，能将投诉信息集中核查处理，提高核查处理效率，获取被投诉方客服终端发送的申诉信息，并计算投诉信息的恶意指数，根据恶意指数和申诉信息进行复核，清零恶意的投诉信息和不成立的投诉信息，提高投诉数据准确率，根据投诉工单生成处罚工单，并将处罚工单同步发送至投诉方客户端和被投诉方客服终端，进而能规范客服服务行为，提升客服服务质量。
附图说明
21.图1为本发明实施例提供的客服服务质量监控方法的第一种流程图；
22.图2为本发明实施例提供的客服服务质量监控方法的第二种流程图；
23.图3为本发明实施例提供的客服服务质量监控方法的第三种流程图；
24.图4为本发明实施例提供的客服服务质量监控方法的第四种流程图；
25.图5为本发明实施例提供的客服服务质量监控装置的一种结构示意图；
26.图6为本发明实施例提供的客服服务质量监控装置的另一种结构示意图；
27.图7为本发明实施例提供的客服服务质量监控设备的结构示意图。
具体实施方式
28.本发明提供了一种客服服务质量监控方法、装置、设备及存储介质，通过获取投诉方客户端发送的投诉信息，根据所述投诉信息生成投诉工单，形成统一收口，能将投诉信息集中核查处理，提高核查处理效率，获取被投诉方客服终端发送的申诉信息，并计算投诉信息的恶意指数，根据恶意指数和申诉信息进行复核，清零恶意的投诉信息和不成立的投诉信息，提高投诉数据准确率，根据投诉工单生成处罚工单，并将处罚工单同步发送至投诉方客户端和被投诉方客服终端，进而能规范客服服务行为，提升客服服务质量。
29.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。
30.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，本发明实施例中客服服务质量监控方法的一个实施例包括：
31.101、获取投诉方客户端发送的投诉信息，根据投诉信息生成投诉工单；
32.在本实施例中，设置监听程序，用于接收来自投诉方客户端的投诉信息，当投诉方客户端发送投诉信息时，监听程序将接收到该信息，对接收到的投诉信息进行解析，提取其中的关键信息，如投诉内容、投诉时间、投诉人姓名等，对解析得到的投诉信息进行验证，确保信息的完整性和准确性，根据验证通过的投诉信息，创建一份新的投诉工单，投诉工单可以包括投诉编号、投诉人信息、投诉时间、投诉内容等。
33.102、识别投诉工单中的被投诉方id，将投诉工单发送至与被投诉方id对应的被投诉方客服终端，并判断被投诉方是否进行申诉；
34.在本实施例中，首先，需要解析投诉工单，提取其中的关键信息，包括投诉方id、被投诉方id以及其他相关信息，从投诉工单中获取被投诉方id，该id用于识别具体的被投诉方，根据被投诉方id查询数据库或者系统中记录的被投诉方客服终端信息，以确定与该id对应的被投诉方客服终端，将解析得到的投诉工单发送至与被投诉方id对应的被投诉方客服终端，可以通过消息推送、邮件或其他合适的通讯方式将投诉工单发送给被投诉方客服终端，监控被投诉方客服终端的操作情况，检测是否有被投诉方进行申诉，可以设置相应的标识或操作记录来表示申诉状态。
35.103、若是，则获取被投诉方客服终端发送的申诉信息，并计算投诉信息的恶意指数；
36.在本实施例中，设置监听程序，用于接收来自被投诉方客服终端的申诉信息，当被投诉方客服终端发送申诉信息时，监听程序将接收到该信息，对接收到的申诉信息进行解析，提取其中的关键信息，如申诉内容、申诉时间、申诉人姓名等，对解析得到的申诉信息进行验证，确保信息的完整性和准确性，根据一定的算法或指标，对投诉信息进行评估，计算投诉信息的恶意指数，恶意指数可以考虑投诉内容的语气、用词的负面程度、是否存在攻击性言论等因素以及投诉内容的真实性。
37.104、根据恶意指数和申诉信息进行复核，得到复核结果，并根据复核结果判断投诉是否成立；
38.在本实施例中，从存储的数据中获取需要进行复核的申诉信息以及其对应的恶意指数，根据公司的业务规则和流程，设计相应的复核标准和方法，可能的复核方式包括但不限于人工审核、机器学习算法等，通过比对申诉信息和相关证据，对投诉进行进一步细致的审查和评估，根据复核的标准和方法，得出复核结果，复核结果可以分为投诉成立、投诉部分成立、投诉不成立等不同情况，根据复核结果，判断该投诉是否成立，如果投诉成立，则需要进行后续处理措施，如给予赔偿、进行处罚等，如果投诉部分成立，则相应地进行部分处理，如果投诉不成立，则关闭该投诉案件。
39.105、若是，则根据投诉工单生成处罚工单，并将处罚工单同步发送至投诉方客户端和被投诉方客服终端；
40.在本实施例中，从存储的数据中获取需要生成处罚工单的投诉工单信息，包括投诉方、被投诉方、投诉内容、投诉时间等，根据公司的内部规定和处罚制度，设计相应的处罚标准和流程，根据投诉工单的情况，生成相应的处罚工单，包括处罚类型、处罚措施、处罚金
额(如果适用)、处罚截止日期等内容，将生成的处罚工单同时发送至投诉方客户端和被投诉方客服终端，可以通过电子邮件、短信、消息推送等方式发送处罚工单，确保投诉方和被投诉方都能及时收到处罚工单的通知，投诉方和被投诉方收到处罚工单后，他们需要确认接收并理解处罚工单的内容，可以要求他们回复确认或提出异议，被投诉方客服终端需要根据处罚工单的内容和要求，按照规定的时间和方式执行处罚措施。
41.本发明实施例中，通过获取投诉方客户端发送的投诉信息，根据所述投诉信息生成投诉工单，形成统一收口，能将投诉信息集中核查处理，提高核查处理效率，获取被投诉方客服终端发送的申诉信息，并计算投诉信息的恶意指数，根据恶意指数和申诉信息进行复核，清零恶意的投诉信息和不成立的投诉信息，提高投诉数据准确率，根据投诉工单生成处罚工单，并将处罚工单同步发送至投诉方客户端和被投诉方客服终端，进而能规范客服服务行为，提升客服服务质量。
42.请参阅图2，本发明实施例中客服服务质量监控方法的第二个实施例包括：
43.201、接收投诉方客户端发送的投诉请求；
44.在本实施例中，在相应的系统或平台上设置监听机制，以便即时接收投诉方客户端发送的投诉请求，可以使用技术手段如api接口、消息队列等来实现监听功能，接收到投诉请求后，首先对投诉方的身份进行验证，确保其合法性和真实性，同时，根据权限设置，确认该投诉请求是否有权被处理。
45.202、判断投诉方客户端对应的客户id是否存储在信息数据库中的恶意名单列表内；
46.在本实施例中，从投诉方客户端发送的投诉请求中获取客户id，客户id可以是一个唯一的标识符，用于区分不同的客户，在信息数据库中查询恶意名单列表，该列表包含已知的恶意客户id，可以使用sql查询语句或者其他适合的数据库查询方式进行查询操作，将获取到的客户id与恶意名单列表进行匹配，根据匹配结果判断客户id是否存在于恶意名单列表中，如果客户id存在于恶意名单列表中，则认为投诉方客户端对应的客户存在恶意行为，可以采取相应的措施，如限制其访问、禁止提交投诉或采取其他必要的防范措施。
47.203、若否，则发送投诉待填写列表到投诉方客户端；
48.在本实施例中，根据系统或平台的要求和投诉流程，准备一个投诉待填写的列表，该列表包含了需要投诉方客户端填写的相关信息和表单字段，将投诉待填写列表作为一个任务或工单，创建一个待填写任务，该任务可以包含任务编号、任务说明、截止时间等信息，根据投诉方客户端的联系方式，生成一个合适的任务链接或发送一封包含任务说明和访问链接的通知邮件/短信，这样投诉方客户端就能够接收到并点击打开任务链接或通知，投诉方客户端通过点击任务链接或通知中提供的访问入口，打开待填写任务页面，在该页面上，投诉方客户端需要填写相应的投诉信息，包括投诉对象、投诉原因、附加证据、联系方式等。
49.204、判断投诉方客户端发送的投诉已填写列表是否符合提交规则；
50.在本实施例中，明确投诉已填写列表的提交规则，包括必填字段、字段格式要求、字符长度限制，以及可能存在的其他提交规则，从投诉已填写列表中提取相关投诉信息，根据系统或平台的设计，可能需要解析表单数据、读取特定字段或提取指定信息，逐个检查投诉已填写列表中的必填字段，确保这些字段都有正确的填写内容，如果发现某个必填字段为空或未填写，判定为不符合提交规则，对于填写内容需要满足特定格式或类型的字段，如
电话号码、电子邮件地址等，进行格式验证，采用正则表达式、算法校验或特定的验证函数来判断填写内容是否符合预期的格式要求，如果字段格式不符合规则，判定为不符合提交规则，对于文本字段，如投诉原因、描述等，检查字符长度是否在限定范围内，根据提交规则定义的最小长度和最大长度进行判断，如果超出允许的长度范围，判定为不符合提交规则，根据需要，进行其他可能的提交规则检查，例如，对于附件上传的字段，检查是否存在有效的附件，并验证附件的大小和格式要求等，根据以上检查步骤的结果，判断投诉已填写列表是否符合提交规则，如果发现任何不符合提交规则的情况，可将其视为不符合规定，并相应地采取处理措施。
51.205、若是，则获取投诉已填写列表，并将投诉已填写列表进行解析，得到投诉信息；
52.在本实施例中，根据系统或平台设计，根据投诉方客户端发送的投诉已填写列表的格式和方式，从相应的数据源中获取投诉已填写列表，对获取到的投诉已填写列表进行解析，将其转化为可处理的数据形式，解析的方式取决于投诉已填写列表的格式和数据结构，根据投诉已填写列表的结构，提取所需的投诉信息字段，根据字段的标识、位置或其他特定标记，从解析后的数据中提取出投诉信息，如投诉对象、投诉原因、附加证据、联系方式等，对提取的投诉信息进行数据清洗和验证，这包括检查字段是否存在、格式是否正确、内容是否满足要求等，可以使用正则表达式、算法校验或特定的验证函数来进行字段值的验证，将经过清洗和验证后的投诉信息组织成适合后续处理流程的数据结构，可以将投诉信息存储在特定的数据对象中，或将其转化为指定格式的数据，如json、xml等。
53.206、根据投诉信息生成投诉工单；
54.在本实施例中，首先，要对从投诉已填写列表中获取到的投诉信息进行解析，这可能涉及到解析表单数据、读取特定字段或提取指定信息等操作，以确保正确获取投诉相关的各项信息，根据得到的投诉信息，在工单管理系统或数据库中创建一条新的投诉工单，工单通常包括以下核心信息：投诉人姓名、联系方式、投诉内容、投诉时间、投诉类型等，根据具体需求，还可以包括其他附加信息，如地点、证据材料等，在创建工单时，将解析得到的投诉信息填写入相应的工单字段中，确保将投诉人的姓名、联系方式、投诉内容等信息正确记录在工单中。
55.207、识别投诉工单中的被投诉方id，将投诉工单发送至与被投诉方id对应的被投诉方客服终端，并判断被投诉方是否进行申诉；
56.在本实施例中，通过识别投诉工单中的被投诉方id，然后根据被投诉方id将投诉工单发送至与被投诉方id一致的被投诉方客服终端，每个被投诉方客服终端对应一个被投诉方id，最后通过实时监听被投诉方的申诉信息，判断被投诉方是否进行申诉。
57.208、若是，则获取被投诉方客服终端发送的申诉信息；
58.在本实施例中，被投诉方收到投诉工单后，判断被投诉方是否需要进行申诉，如果需要，要求被投诉方在一定时间内回复或提交申诉材料，获取被投诉方客服终端发送的申诉信息。
59.209、识别投诉方客户端对应的客户id，根据客户id的历史投诉记录计算表征投诉方可信度或善意度的综合指标值；
60.在本实施例中，在处理投诉时，首先需要确定投诉方客户端的身份，即客户id，这
可以通过系统登录、用户注册信息或其他方式来获取，客户id通常是一个唯一标识符，用于区分不同的客户，获得了客户id，接下来需要查找该客户的历史投诉记录，这可以是通过查询数据库、日志文件或其他存储方式进行，历史投诉记录可以包括客户发起的所有投诉信息，如投诉时间、被投诉方、投诉内容等，根据客户id的历史投诉记录，可以进行一系列评估和计算，以获得表征投诉方可信度或善意度的综合指标值，具体的评估指标和计算方法可以根据实际需求和情况进行定义和选择，例如：投诉频率：计算客户在一段时间内的投诉次数或投诉频率，频繁的投诉可能表示客户存在较多的问题或抱怨，影响其可信度或善意度，投诉内容：分析客户投诉的具体内容，识别是否存在恶意、虚假或不合理的情况，根据投诉内容的严重程度和真实性进行评估，处理结果：考虑客户的历史投诉是否得到了有效解决和妥善处理，如果大多数投诉都得到满意的解决，可能会增加投诉方的可信度或善意度。
61.210、根据被投诉方id对应的被投诉历史记录计算被投诉方的被投诉准确率；
62.在本实施例中，获取与被投诉方id相关联的被投诉历史记录，这可以通过查询数据库、日志文件或其他存储方式进行，被投诉历史记录通常包括被投诉方收到的所有投诉信息，包括投诉时间、投诉方id、投诉内容等，在计算被投诉方的被投诉准确率之前，需要确定准确率的定义和计算方法，根据具体的业务场景，可以采用以下两个指标来衡量被投诉方的准确率，处理结果准确率：评估被投诉方对每个投诉的处理结果是否准确，这可以根据客户满意度调查、问题解决情况或其他反馈机制来确定，投诉响应准确率：评估被投诉方在接到投诉后是否及时、准确地响应并处理投诉，这可以根据投诉处理时间、响应速度、投诉解决的时效性等指标进行评估，根据确定的准确率计算方法，可以使用以下公式计算被投诉方的被投诉准确率：被投诉准确率＝(处理结果准确率+投诉响应准确率)/2。
63.211、根据预设的权重分配模型分别对综合指标值和被投诉准确率赋予一个权重值；
64.在本实施例中，权重分配模型用于确定综合指标值和被投诉准确率在整体评估中的相对重要性，自定义不同的权重分配比例，例如，如果被投诉准确率在业务中较为关键，可以赋予它更高的权重，根据设计好的权重分配模型，为综合指标值和被投诉准确率赋予具体的权重值。
65.212、根据投诉方的综合指标值、与综合指标值对应的权重值、被投诉方的被投诉准确率以及与被投诉准确率对应的权重值计算投诉信息的恶意指数；
66.在本实施例中，将投诉方的综合指标值与对应的权重值进行乘积运算，得到综合指标的加权值，然后将被投诉方的被投诉准确率与对应的权重值进行乘积运算，得到被投诉准确率的加权值，最后，将两个加权值相加，得到投诉信息的恶意指数，即恶意指数＝投诉方综合指标值
×
投诉方综合指标权重值+被投诉方被投诉准确率
×
被投诉方被投诉准确率权重值，通过计算得到的恶意指数，可以对投诉信息进行排名或评级，较低的恶意指数表示投诉涉及恶意行为的可能性较大，而较高的恶意指数则表明投诉可能更加合理和正当，根据实际需求，可以将恶意指数的范围进行划分，例如设定一个阈值，小于该阈值则认为是恶意投诉，大于该阈值则认为是非恶意投诉。
67.本发明实施例中，通过计算得到的恶意指数，可以对投诉信息进行排名或评级，较低的恶意指数表示投诉涉及恶意行为的可能性较大，而较高的恶意指数则表明投诉可能更加合理和正当，根据实际需求，可以将恶意指数的范围进行划分，设定一个阈值，小于该阈
值则认为是恶意投诉，可根据恶意指数清零恶意的投诉信息，提高处理效率，提高投诉数据准确率。
68.请参阅图3，本发明实施例中客服服务质量监控方法的第三个实施例包括：
69.301、判断恶意指数是否大于预设的阈值；
70.在本实施例中，设定一个阈值，判断恶意指数是否大于预设的阈值。
71.302、若是，则将投诉信息归类为非恶意投诉信息；
72.在本实施例中，如果超过该阈值则认为是非恶意投诉，将投诉信息归类为非恶意投诉信息。
73.303、对申诉信息进行解析，得到证据数据，证据数据包括文字数据、图片数据、音频数据或视频数据；
74.在本实施例中，对申诉信息进行解析，得到证据数据，证据数据可以是文字数据、图片数据、音频数据或者视频数据，具体是，将申诉信息中的文字内容进行分析和整理，提取出关键信息和相关细节，如果申诉信息中包含图片数据，可以利用图像处理和计算机视觉技术对图片进行解析，如果申诉信息包含音频数据，可以通过音频处理技术对音频进行解析，对于包含视频数据的申诉信息，可以通过视频处理和计算机视觉技术对视频进行解析。
75.304、在预设的数据转换模型将证据数据转换为文字数据；
76.在本实施例中，首先需要建立一个数据转换模型，该模型用于将特定类型的证据数据转换为文字数据，确定证据数据的输入格式，包括数据的结构、字段以及可能的数据类型，将证据数据输入到预设的数据转换模型中进行处理，转换后得到的文字数据可以是结构化的文本、摘要或其他形式的描述性数据。
77.305、识别文字数据中的文本词段，并对文本词段进行分词处理，得到多个词组；
78.在本实施例中，识别文字数据中的文本词段，针对文本词段中的文字内容，通过自然语言处理(nlp)技术将其划分为多个词组。
79.306、识别多个词组中的关键词，并根据关键词对申诉原因进行分类，得到申诉类型；
80.在本实施例中，识别多个词组中的关键词，并根据关键词对申诉原因进行分类，具体是将关键词输入到根据预设的分类模型进行类型匹配，得到申诉类型。
81.307、将证据数据输入预先训练的且与申诉类型对应的申诉分析模型中，在申诉分析模型中对申诉原因进评分，得到申诉得分；
82.在本实施例中，调用与申诉类型对应的申诉分析模型，将证据数据输入到申诉分析模型中，这些证据数据可以是文字、图片、音频或视频等形式的信息，在申诉分析模型中对申诉原因进评分，得到申诉得分，申诉得分是一个连续值或离散值，反映了申诉理由的重要程度或可信度。
83.308、判断申诉得分是否达到预设的阈值；
84.在本实施例中，可以设定一个预设的阈值来判断申诉得分是否达到要求，例如，如果阈值为0.7，则申诉得分大于等于0.7表示通过，小于0.7表示未通过，这个阈值的设定可以根据实际情况和需求进行调整。
85.309、若申诉得分达到预设的阈值，则撤销投诉工单，并更新投诉工单的投诉状态
为撤销投诉；
86.在本实施例中，当申诉得分达到预设的阈值时，意味着该申诉被认为是有效的或合理的，撤销投诉工单，不再继续处理相关的投诉事项，将原本的投诉状态从之前的状态(如待处理、处理中)修改为"撤销投诉"状态。
87.310、若申诉得分未达到预设的阈值，则更新投诉工单的投诉状态为确认投诉；
88.在本实施例中，当申诉得分未达到预设的阈值时，意味着评估认为投诉不足以支持投诉的有效性或合理性，将原本的投诉状态从之前的状态(如待处理、处理中)修改为"确认投诉"状态，这样可以明确记录和表明这个投诉已被确认。
89.311、根据投诉工单的投诉状态判断投诉是否成立；
90.在本实施例中，根据投诉工单的投诉状态判断投诉是否成立，"撤销投诉"状态的投诉工单判断为投诉不成立，"确认投诉"状态的投诉工单判断为投诉成立。
91.312、若是，则根据所述投诉工单生成处罚工单；
92.本发明实施例中，如果判断投诉成立，则根据所述投诉工单生成处罚工单。
93.请参阅图4，本发明实施例中客服服务质量监控方法的第四个实施例包括：
94.401、若是，则根据投诉工单确定投诉原因；
95.在本实施例中，如果判断投诉成立，则在投诉工单中的投诉原因字符段中识别出对应的投诉原因。
96.402、将投诉原因输入预先训练的处罚评估模型中，以确定投诉原因对应的处罚内容，处罚评估模型基于机器学习方法训练得到；
97.在本实施例中，基于机器学习方法训练得到处罚评估模型，将投诉原因输入预先训练的处罚评估模型中，使此投诉原因匹配出对应的处罚内容，每个投诉原因对应有一个处罚内容，进而根据投诉原因确定对应的处罚内容。
98.403、根据投诉原因和处罚内容生成处罚工单，并根据预设的编码规则生成处罚工单对应的处罚编码；
99.在本实施例中，根据投诉原因和处罚内容生成处罚工单，并根据预设的编码规则生成处罚工单对应的处罚编码，处罚工单中填有文字形式的投诉原因、处罚内容和处罚编码。
100.404、将处罚工单和处罚编码同步发送至投诉方客户端和被投诉方客服终端；
101.在本实施例中，将处罚工单和处罚编码同步发送至投诉方客户端和被投诉方客服终端，以使投诉方客户端和被投诉方客服终端接收并展示处罚工单。
102.405、将处罚工单上传到总部云端数据库；
103.在本实施例中，将处罚工单上传到总部云端数据库，用作数据存档以及数据分析。
104.406、统计总部云端数据库中的全部处罚工单的总数量；
105.在本实施例中，实时统计总部云端数据库中的全部处罚工单的总数量，每新增一条处罚工单则对处罚工单的总数量进行加一处理。
106.407、当总数量大于预设的警报值时，则发布投诉量过大预警；
107.在本实施例中，在总部云端数据库中设定一个警报值，当处罚工单的总数量大于预设的警报值时，则发布投诉量过大预警，方便及时分析导致投诉量过大的情况，进而方便处理人员进行快速处理。
108.本发明实施例中，当处罚工单的总数量大于预设的警报值时，则发布投诉量过大预警，方便及时分析导致投诉量过大的情况，进而方便处理人员进行快速处理，根据投诉工单生成处罚工单，并将处罚工单同步发送至投诉方客户端和被投诉方客服终端，进而能规范客服服务行为，提升客服服务质量。
109.上面对本发明实施例中客服服务质量监控方法进行了描述，下面对本发明实施例中客服服务质量监控装置进行描述，请参阅图5，本发明实施例中客服服务质量监控装置一个实施例包括：
110.获取生成模块501，用于获取投诉方客户端发送的投诉信息，根据投诉信息生成投诉工单；
111.识别发送判断模块502，用于识别投诉工单中的被投诉方id，将投诉工单发送至与被投诉方id对应的被投诉方客服终端，并判断被投诉方是否进行申诉；
112.获取计算模块503，用于若是，则获取被投诉方客服终端发送的申诉信息，并计算投诉信息的恶意指数；
113.复核判断模块504，用于根据恶意指数和申诉信息进行复核，得到复核结果，并根据复核结果判断投诉是否成立；
114.生成发送模块505，用于若是，则根据投诉工单生成处罚工单，并将处罚工单同步发送至投诉方客户端和被投诉方客服终端。
115.本实施例中，通过获取投诉方客户端发送的投诉信息，根据所述投诉信息生成投诉工单，形成统一收口，能将投诉信息集中核查处理，提高核查处理效率，获取被投诉方客服终端发送的申诉信息，并计算投诉信息的恶意指数，根据恶意指数和申诉信息进行复核，清零恶意的投诉信息和不成立的投诉信息，提高投诉数据准确率，根据投诉工单生成处罚工单，并将处罚工单同步发送至投诉方客户端和被投诉方客服终端，进而能规范客服服务行为，提升客服服务质量。
116.请参阅图6，本发明实施例中客服服务质量监控装置的另一个实施例包括：
117.获取生成模块501，用于获取投诉方客户端发送的投诉信息，根据投诉信息生成投诉工单；
118.识别发送判断模块502，用于识别投诉工单中的被投诉方id，将投诉工单发送至与被投诉方id对应的被投诉方客服终端，并判断被投诉方是否进行申诉；
119.获取计算模块503，用于若是，则获取被投诉方客服终端发送的申诉信息，并计算投诉信息的恶意指数；
120.复核判断模块504，用于根据恶意指数和申诉信息进行复核，得到复核结果，并根据复核结果判断投诉是否成立；
121.生成发送模块505，用于若是，则根据投诉工单生成处罚工单，并将处罚工单同步发送至投诉方客户端和被投诉方客服终端；
122.在本实施例中，获取生成模块501包括：接收单元5011，用于接收投诉方客户端发送的投诉请求；第一判断单元5012，用于判断投诉方客户端对应的客户id是否存储在信息数据库中的恶意名单列表内；第一发送单元5013，用于若否，则发送投诉待填写列表到投诉方客户端；第二判断单元5014，用于判断投诉方客户端发送的投诉已填写列表是否符合提交规则；第一获取单元5015，用于若是，则获取投诉已填写列表，并将投诉已填写列表进行
解析，得到投诉信息；第一生成单元5016，用于根据投诉信息生成投诉工单。
123.在本实施例中，获取计算模块503包括：第二获取单元5031，用于若是，则获取被投诉方客服终端发送的申诉信息；识别计算单元5032，用于识别投诉方客户端对应的客户id，根据客户id的历史投诉记录计算表征投诉方可信度或善意度的综合指标值；第一计算单元5033，用于根据被投诉方id对应的被投诉历史记录计算被投诉方的被投诉准确率；权重赋予单元5034，用于根据预设的权重分配模型分别对综合指标值和被投诉准确率赋予一个权重值；第二计算单元5035，用于根据投诉方的综合指标值、与综合指标值对应的权重值、被投诉方的被投诉准确率以及与被投诉准确率对应的权重值计算投诉信息的恶意指数。
124.在本实施例中，复核判断模块504包括：第三判断单元5041，用于判断恶意指数是否大于预设的阈值；归类单元5042，用于若是，则将投诉信息归类为非恶意投诉信息；解析单元5043，用于对申诉信息进行解析，得到证据数据，证据数据包括文字数据、图片数据、音频数据或视频数据；输入判断单元5044，用于将证据数据输入预先训练的申诉分析模型中，以获得申诉原因对应的申诉得分，并判断申诉得分是否达到预设的阈值，申诉分析模型采用机器学习方法训练得到；撤销更新单元5045，用于若申诉得分达到预设的阈值，则撤销投诉工单，并更新投诉工单的投诉状态为撤销投诉；更新单元5046，用于若申诉得分未达到预设的阈值，则更新投诉工单的投诉状态为确认投诉；第四判断单元5047，用于根据投诉工单的投诉状态判断投诉是否成立。
125.在本实施例中，输入判断单元5044具体用于在预设的数据转换模型将证据数据转换为文字数据；识别文字数据中的文本词段，并对文本词段进行分词处理，得到多个词组；识别多个词组中的关键词，并根据关键词对申诉原因进行分类，得到申诉类型；将证据数据输入预先训练的且与申诉类型对应的申诉分析模型中，在申诉分析模型中对申诉原因进评分，得到申诉得分；判断申诉得分是否达到预设的阈值。
126.在本实施例中，生成发送模块505包括：确定单元5051，用于若是，则根据投诉工单确定投诉原因；输入确定单元5052，用于将投诉原因输入预先训练的处罚评估模型中，以确定投诉原因对应的处罚内容，处罚评估模型基于机器学习方法训练得到；第二生成单元5053，用于根据投诉原因和处罚内容生成处罚工单，并根据预设的编码规则生成处罚工单对应的处罚编码；第二发送单元5054，用于将处罚工单和处罚编码同步发送至投诉方客户端和被投诉方客服终端。
127.在本实施例中，还包括：上传模块506，用于将处罚工单上传到总部云端数据库；统计模块507，用于统计总部云端数据库中的全部处罚工单的总数量；发布模块508，用于当总数量大于预设的警报值时，则发布投诉量过大预警。
128.上面图5和图6从模块化功能实体的角度对本发明实施例中的客服服务质量监控装置进行详细描述，下面从硬件处理的角度对本发明实施例中客服服务质量监控设备进行详细描述。
129.图7是本发明实施例提供的一种客服服务质量监控设备的结构示意图，该客服服务质量监控设备600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)610(例如，一个或一个以上处理器)和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介
质630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服服务质量监控设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在客服服务质量监控设备600上执行存储介质630中的一系列指令操作，以实现上述各方法实施例提供的客服服务质量监控方法的步骤。
130.客服服务质量监控设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图7示出的客服服务质量监控设备结构并不构成对基于客服服务质量监控设备的限定，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。
131.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，计算机可读存储介质中存储有指令，当指令在计算机上运行时，使得计算机执行客服服务质量监控方法的步骤。
132.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，上述描述的系统或装置、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。
133.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，包括若干指令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。
134.最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种客服服务质量监控方法，其特征在于，包括：获取投诉方客户端发送的投诉信息，根据所述投诉信息生成投诉工单；识别所述投诉工单中的被投诉方id，将所述投诉工单发送至与所述被投诉方id对应的被投诉方客服终端，并判断被投诉方是否进行申诉；若是，则获取所述被投诉方客服终端发送的申诉信息，并计算所述投诉信息的恶意指数；根据所述恶意指数和所述申诉信息进行复核，得到复核结果，并根据所述复核结果判断投诉是否成立；若是，则根据所述投诉工单生成处罚工单，并将所述处罚工单同步发送至所述投诉方客户端和所述被投诉方客服终端。2.根据权利要求1所述的客服服务质量监控方法，其特征在于，所述获取投诉方客户端发送的投诉信息，根据所述投诉信息生成投诉工单，包括：接收投诉方客户端发送的投诉请求；判断所述投诉方客户端对应的客户id是否存储在信息数据库中的恶意名单列表内；若否，则发送投诉待填写列表到所述投诉方客户端；判断所述投诉方客户端发送的投诉已填写列表是否符合提交规则；若是，则获取所述投诉已填写列表，并将所述投诉已填写列表进行解析，得到投诉信息；根据所述投诉信息生成投诉工单。3.根据权利要求1所述的客服服务质量监控方法，其特征在于，所述若是，则获取所述被投诉方客服终端发送的申诉信息，并计算所述投诉信息的恶意指数，包括：若是，则获取所述被投诉方客服终端发送的申诉信息；识别所述投诉方客户端对应的客户id，根据所述客户id的历史投诉记录计算表征投诉方可信度或善意度的综合指标值；根据被投诉方id对应的被投诉历史记录计算被投诉方的被投诉准确率；根据预设的权重分配模型分别对所述综合指标值和所述被投诉准确率赋予一个权重值；根据投诉方的所述综合指标值、与所述综合指标值对应的权重值、被投诉方的所述被投诉准确率以及与所述被投诉准确率对应的权重值计算所述投诉信息的恶意指数。4.根据权利要求1所述的客服服务质量监控方法，其特征在于，所述根据所述恶意指数和所述申诉信息进行复核，得到复核结果，并根据所述复核结果判断投诉是否成立，包括：判断所述恶意指数是否大于预设的阈值；若是，则将所述投诉信息归类为非恶意投诉信息；对所述申诉信息进行解析，得到证据数据，所述证据数据包括文字数据、图片数据、音频数据或视频数据；将所述证据数据输入预先训练的申诉分析模型中，以获得申诉原因对应的申诉得分，并判断所述申诉得分是否达到预设的阈值，所述申诉分析模型采用机器学习方法训练得到；若所述申诉得分达到预设的阈值，则撤销所述投诉工单，并更新所述投诉工单的投诉
状态为撤销投诉；若所述申诉得分未达到预设的阈值，则更新所述投诉工单的投诉状态为确认投诉；根据所述投诉工单的投诉状态判断投诉是否成立。5.根据权利要求4所述的客服服务质量监控方法，其特征在于，所述将所述证据数据输入预先训练的申诉分析模型中，以获得申诉原因对应的申诉得分，并判断所述申诉得分是否达到预设的阈值，所述申诉分析模型采用机器学习方法训练得到，包括：在预设的数据转换模型将所述证据数据转换为文字数据；识别所述文字数据中的文本词段，并对所述文本词段进行分词处理，得到多个词组；识别多个所述词组中的关键词，并根据所述关键词对申诉原因进行分类，得到申诉类型；将所述证据数据输入预先训练的且与所述申诉类型对应的申诉分析模型中，在所述申诉分析模型中对所述申诉原因进评分，得到申诉得分；判断所述申诉得分是否达到预设的阈值。6.根据权利要求1所述的客服服务质量监控方法，其特征在于，所述若是，则根据所述投诉工单生成处罚工单，并将所述处罚工单同步发送至所述投诉方客户端和所述被投诉方客服终端，包括：若是，则根据所述投诉工单确定投诉原因；将所述投诉原因输入预先训练的处罚评估模型中，以确定所述投诉原因对应的处罚内容，所述处罚评估模型基于机器学习方法训练得到；根据所述投诉原因和所述处罚内容生成处罚工单，并根据预设的编码规则生成所述处罚工单对应的处罚编码；将所述处罚工单和所述处罚编码同步发送至所述投诉方客户端和所述被投诉方客服终端。7.根据权利要求1所述的客服服务质量监控方法，其特征在于，所述若是，则根据所述投诉工单生成处罚工单，并将所述处罚工单同步发送至所述投诉方客户端和所述被投诉方客服终端之后，还包括：将所述处罚工单上传到总部云端数据库；统计所述总部云端数据库中的全部所述处罚工单的总数量；当总数量大于预设的警报值时，则发布投诉量过大预警。8.一种客服服务质量监控装置，其特征在于，包括：获取生成模块，用于获取投诉方客户端发送的投诉信息，根据所述投诉信息生成投诉工单；识别发送判断模块，用于识别所述投诉工单中的被投诉方id，将所述投诉工单发送至与所述被投诉方id对应的被投诉方客服终端，并判断被投诉方是否进行申诉；获取计算模块，用于若是，则获取所述被投诉方客服终端发送的申诉信息，并计算所述投诉信息的恶意指数；复核判断模块，用于根据所述恶意指数和所述申诉信息进行复核，得到复核结果，并根据所述复核结果判断投诉是否成立；生成发送模块，用于若是，则根据所述投诉工单生成处罚工单，并将所述处罚工单同步
发送至所述投诉方客户端和所述被投诉方客服终端。9.一种客服服务质量监控设备，其特征在于，所述客服服务质量监控设备包括：存储器和至少一个处理器，所述存储器中存储有指令；至少一个所述处理器调用所述存储器中的所述指令，以使得所述客服服务质量监控设备执行如权利要求1-7中任一项所述的客服服务质量监控方法的各个步骤。10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述客服服务质量监控方法的各个步骤。

技术总结
本发明涉及信息处理技术领域，尤其涉及一种客服服务质量监控方法、装置、设备及存储介质，通过获取投诉方客户端发送的投诉信息，根据所述投诉信息生成投诉工单，形成统一收口，能将投诉信息集中核查处理，提高核查处理效率，获取被投诉方客服终端发送的申诉信息，并计算投诉信息的恶意指数，根据恶意指数和申诉信息进行复核，清零恶意的投诉信息和不成立的投诉信息，提高投诉数据准确率，根据投诉工单生成处罚工单，并将处罚工单同步发送至投诉方客户端和被投诉方客服终端，进而能规范客服服务行为，提升客服服务质量。提升客服服务质量。提升客服服务质量。


技术研发人员：陈龙 杨周龙
受保护的技术使用者：上海东普信息科技有限公司
技术研发日：2023.06.21
技术公布日：2023/9/20