【技術(shù)實現(xiàn)步驟摘要】
本申請涉及人工智能開發(fā)與金融科技領(lǐng)域，尤其涉及基于人工智能的數(shù)據(jù)處理方法、裝置、計算機設(shè)備及存儲介質(zhì)。
技術(shù)介紹
1、在保險行業(yè)中，電銷作為一種歷史悠久的營銷手段，長期以來扮演著連接保險公司與廣大潛在客戶的橋梁角色。其優(yōu)勢在于能夠高效、廣泛地觸及陌生用戶群體，且相較于其他營銷方式，電銷的成本相對較低，成為眾多保險公司青睞的營銷渠道。然而，隨著保險市場的日益繁榮和產(chǎn)品線的不斷豐富，電銷模式在應(yīng)對新產(chǎn)品快速推廣方面的局限性逐漸顯現(xiàn)。
2、傳統(tǒng)代理人渠道在新保險產(chǎn)品上線時，通常采用層級式的信息傳遞方式，即新產(chǎn)品信息由上級管理層逐級向下傳達(dá)至一線電銷坐席。這一過程中，不僅信息傳遞鏈條長、耗時長，而且易受人為因素干擾，導(dǎo)致信息失真或遺漏。更為關(guān)鍵的是，電銷人員需要花費大量時間理解和熟悉新產(chǎn)品的保險責(zé)任、賣點及相應(yīng)的銷售話術(shù)，這一過程極大地減緩了新產(chǎn)品在市場中的推廣速度。
3、目前，針對電銷坐席的產(chǎn)品演練培訓(xùn)，目前仍多依賴于傳統(tǒng)的講授式教學(xué)模式。在這種模式下，主管或培訓(xùn)師作為知識的傳遞者，通過口頭講解、ppt展示等方式向電銷坐席傳授產(chǎn)品知識及銷售技巧。然而，這種單向灌輸?shù)慕虒W(xué)方式存在以下問題：一是培訓(xùn)效率低下，電銷坐席被動接受信息，缺乏互動和實踐機會，難以深刻理解和內(nèi)化所學(xué)知識；二是培訓(xùn)成本高，包括時間成本、人力成本及物料成本等，尤其是對于大規(guī)模的培訓(xùn)活動而言，這些成本更是不可忽視。
技術(shù)實現(xiàn)思路
1、本申請實施例的目的在于提出一種基于人工智能的數(shù)據(jù)處理方法、裝置、計算
2、為了解決上述技術(shù)問題，本申請實施例提供一種基于人工智能的數(shù)據(jù)處理方法，采用了如下所述的技術(shù)方案：
3、判斷是否接收到坐席在指定頁面中觸發(fā)的產(chǎn)品演練請求；其中，所述產(chǎn)品演練請求攜帶指定產(chǎn)品的產(chǎn)品名稱信息；
4、若是，從所述產(chǎn)品演練請求中提取出所述產(chǎn)品名稱信息，并從預(yù)設(shè)的產(chǎn)品數(shù)據(jù)庫中檢索出與所述產(chǎn)品名稱信息對應(yīng)的指定產(chǎn)品內(nèi)容；
5、基于所述指定產(chǎn)品內(nèi)容生成對應(yīng)的初始輸入，并將所述初始輸入發(fā)送給預(yù)設(shè)的目標(biāo)大語言模型進(jìn)行處理；
6、在接收到所述目標(biāo)大語言模型返回的準(zhǔn)備完成信息后，向所述坐席發(fā)送確認(rèn)信息；
7、基于所述目標(biāo)大語言模型對所述坐席執(zhí)行與所述指定產(chǎn)品內(nèi)容對應(yīng)的產(chǎn)品演練處理，通過對接收到的所述坐席輸入的話術(shù)進(jìn)行封裝得到指定話術(shù)，并將所述指定話術(shù)發(fā)送給所述目標(biāo)大語言模型；
8、基于所述目標(biāo)大語言模型生成與所述指定話術(shù)對應(yīng)的指定問題，將所述指定問題展示在所述指定頁面上，并接收所述坐席輸入的與所述指定問題對應(yīng)的回答，重復(fù)執(zhí)行產(chǎn)品演練處理的步驟，直至符合預(yù)設(shè)的演練結(jié)束條件，并結(jié)束與所述目標(biāo)大語言模型的當(dāng)前對話會話；
9、獲取所述坐席在產(chǎn)品演練過程中輸入的所有目標(biāo)話術(shù)，并基于所述目標(biāo)話術(shù)生成所述坐席的演練評分。
10、進(jìn)一步的，所述基于所述目標(biāo)話術(shù)生成所述坐席的演練評分的步驟，具體包括：
11、將所述目標(biāo)話術(shù)與所述指定產(chǎn)品內(nèi)容中的句子進(jìn)行匹配，得到對應(yīng)的匹配結(jié)果；
12、基于所述匹配結(jié)果確定出與所述指定產(chǎn)品相關(guān)的目標(biāo)句子的句子數(shù)量；
13、獲取與所述指定產(chǎn)品內(nèi)容對應(yīng)的總句子數(shù)量；
14、基于預(yù)設(shè)的計算公式對所述句子數(shù)量與所述總句子數(shù)量進(jìn)行計算處理，得到對應(yīng)的計算結(jié)果；
15、將所述計算結(jié)果作為所述坐席的演練評分。
16、進(jìn)一步的，在所述基于所述匹配結(jié)果確定出與所述指定產(chǎn)品相關(guān)的目標(biāo)句子的句子數(shù)量的步驟之后，還包括：
17、基于所述目標(biāo)句子對所述指定產(chǎn)品內(nèi)容進(jìn)行句子剔除處理，得到對應(yīng)的未提及句子；
18、獲取預(yù)設(shè)的演練結(jié)果模板；
19、基于所述演練評分、所述目標(biāo)句子以及所述未提及句子對所述演練結(jié)果模板進(jìn)行填充處理，得到對應(yīng)的目標(biāo)演練結(jié)果；
20、在所述指定頁面中展示所述目標(biāo)演練結(jié)果。
21、進(jìn)一步的，所述通過對接收到的所述坐席輸入的話術(shù)進(jìn)行封裝得到指定話術(shù)，并將所述指定話術(shù)發(fā)送給所述目標(biāo)大語言模型的步驟，具體包括：
22、接收所述坐席輸入的話術(shù)；
23、獲取預(yù)設(shè)的坐席話術(shù)模板；
24、基于所述坐席話術(shù)模板對所述話術(shù)進(jìn)行封裝處理，得到對應(yīng)的指定話術(shù)；
25、將所述指定話術(shù)發(fā)送給所述目標(biāo)大語言模型。
26、進(jìn)一步的，在所述基于所述目標(biāo)話術(shù)生成所述坐席的演練評分的步驟之后，還包括：
27、收集所述坐席在產(chǎn)品演練過程中的相關(guān)數(shù)據(jù)；
28、對所述相關(guān)數(shù)據(jù)進(jìn)行分析，得到對應(yīng)的數(shù)據(jù)分析結(jié)果；
29、基于所述數(shù)據(jù)分析結(jié)果對所述目標(biāo)大語言模型進(jìn)行優(yōu)化處理。
30、進(jìn)一步的，所述相關(guān)數(shù)據(jù)至少包括所述目標(biāo)話術(shù)、模型反饋數(shù)據(jù)以及所述演練評分；所述對所述相關(guān)數(shù)據(jù)進(jìn)行分析，得到對應(yīng)的數(shù)據(jù)分析結(jié)果的步驟，具體包括：
31、對所述目標(biāo)話術(shù)進(jìn)行分析，得到對應(yīng)的第一分析結(jié)果；
32、對所述模型反饋數(shù)據(jù)進(jìn)行分析，得到對應(yīng)的第二分析結(jié)果；
33、對所述演練評分進(jìn)行分析，得到對應(yīng)的第三分析結(jié)果；
34、基于所述第一分析結(jié)果、所述第二分析結(jié)果以及所述第三分析結(jié)果生成所述數(shù)據(jù)分析結(jié)果。
35、進(jìn)一步的，在所述從預(yù)設(shè)的產(chǎn)品數(shù)據(jù)庫中檢索出與所述產(chǎn)品名稱信息對應(yīng)的指定產(chǎn)品內(nèi)容的步驟之前，還包括：
36、獲取各種產(chǎn)品的詳細(xì)信息；
37、調(diào)用預(yù)設(shè)的初始數(shù)據(jù)庫；
38、將所述詳細(xì)信息存儲至所述初始數(shù)據(jù)庫內(nèi)，得到對應(yīng)的第一數(shù)據(jù)庫；
39、對所述第一數(shù)據(jù)庫進(jìn)行檢索優(yōu)化處理，得到對應(yīng)的第二數(shù)據(jù)庫；
40、將所述第二數(shù)據(jù)庫作為所述產(chǎn)品數(shù)據(jù)庫。
41、為了解決上述技術(shù)問題，本申請實施例還提供一種基于人工智能的數(shù)據(jù)處理裝置，采用了如下所述的技術(shù)方案：
42、判斷模塊，用于判斷是否接收到坐席在指定頁面中觸發(fā)的產(chǎn)品演練請求；其中，所述產(chǎn)品演練請求攜帶指定產(chǎn)品的產(chǎn)品名稱信息；
43、檢索模塊，用于若是，從所述產(chǎn)品演練請求中提取出所述產(chǎn)品名稱信息，并從預(yù)設(shè)的產(chǎn)品數(shù)據(jù)庫中檢索出與所述產(chǎn)品名稱信息對應(yīng)的指定產(chǎn)品內(nèi)容；
44、第一發(fā)送模塊，用于基于所述指定產(chǎn)品內(nèi)容生成對應(yīng)的初始輸入，并將所述初始輸入發(fā)送給預(yù)設(shè)的目標(biāo)大語言模型進(jìn)行處理；
45、第二發(fā)送模塊，用于在接收到所述目標(biāo)大語言模型返回的準(zhǔn)備完成信息后，向所述坐席發(fā)送確認(rèn)信息；
46、第一處理模塊，用于基于所述目標(biāo)大語言模型對所述坐席執(zhí)行與所述指定產(chǎn)品內(nèi)容對應(yīng)的產(chǎn)品演練處理，通過對接收到的所述坐席輸入的話術(shù)進(jìn)行封裝得到指定話術(shù)，并將所述指定話術(shù)發(fā)送給所述目標(biāo)大語言模型；
47、第二處理模塊，用于基于所述目標(biāo)大語言模型生成與所述指定話本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
1.一種基于人工智能的數(shù)據(jù)處理方法，其特征在于，包括下述步驟：
2.根據(jù)權(quán)利要求1所述的基于人工智能的數(shù)據(jù)處理方法，其特征在于，所述基于所述目標(biāo)話術(shù)生成所述坐席的演練評分的步驟，具體包括：
3.根據(jù)權(quán)利要求2所述的基于人工智能的數(shù)據(jù)處理方法，其特征在于，在所述基于所述匹配結(jié)果確定出與所述指定產(chǎn)品相關(guān)的目標(biāo)句子的句子數(shù)量的步驟之后，還包括：
4.根據(jù)權(quán)利要求1所述的基于人工智能的數(shù)據(jù)處理方法，其特征在于，所述通過對接收到的所述坐席輸入的話術(shù)進(jìn)行封裝得到指定話術(shù)，并將所述指定話術(shù)發(fā)送給所述目標(biāo)大語言模型的步驟，具體包括：
5.根據(jù)權(quán)利要求1所述的基于人工智能的數(shù)據(jù)處理方法，其特征在于，在所述基于所述目標(biāo)話術(shù)生成所述坐席的演練評分的步驟之后，還包括：
6.根據(jù)權(quán)利要求5所述的基于人工智能的數(shù)據(jù)處理方法，其特征在于，所述相關(guān)數(shù)據(jù)至少包括所述目標(biāo)話術(shù)、模型反饋數(shù)據(jù)以及所述演練評分；所述對所述相關(guān)數(shù)據(jù)進(jìn)行分析，得到對應(yīng)的數(shù)據(jù)分析結(jié)果的步驟，具體包括：
7.根據(jù)權(quán)利要求1所述的基于人工智能的數(shù)據(jù)處理方法，其特征在于，在所述
8.一種基于人工智能的數(shù)據(jù)處理裝置，其特征在于，包括：
9.一種計算機設(shè)備，其特征在于，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，所述處理器執(zhí)行所述計算機可讀指令時實現(xiàn)如權(quán)利要求1至7中任一項所述的基于人工智能的數(shù)據(jù)處理方法的步驟。
10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機可讀指令，所述計算機可讀指令被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7中任一項所述的基于人工智能的數(shù)據(jù)處理方法的步驟。
...【技術(shù)特征摘要】
1.一種基于人工智能的數(shù)據(jù)處理方法，其特征在于，包括下述步驟：
2.根據(jù)權(quán)利要求1所述的基于人工智能的數(shù)據(jù)處理方法，其特征在于，所述基于所述目標(biāo)話術(shù)生成所述坐席的演練評分的步驟，具體包括：
3.根據(jù)權(quán)利要求2所述的基于人工智能的數(shù)據(jù)處理方法，其特征在于，在所述基于所述匹配結(jié)果確定出與所述指定產(chǎn)品相關(guān)的目標(biāo)句子的句子數(shù)量的步驟之后，還包括：
4.根據(jù)權(quán)利要求1所述的基于人工智能的數(shù)據(jù)處理方法，其特征在于，所述通過對接收到的所述坐席輸入的話術(shù)進(jìn)行封裝得到指定話術(shù)，并將所述指定話術(shù)發(fā)送給所述目標(biāo)大語言模型的步驟，具體包括：
5.根據(jù)權(quán)利要求1所述的基于人工智能的數(shù)據(jù)處理方法，其特征在于，在所述基于所述目標(biāo)話術(shù)生成所述坐席的演練評分的步驟之后，還包括：
6.根據(jù)權(quán)利要求5所述的基于人工智能的數(shù)據(jù)處理方法，其特征在...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：符永統(tǒng)，
申請(專利權(quán))人：中國平安人壽保險股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。