预测外呼方法及预测外呼系统

技术领域

本发明涉及外呼技术领域，特别涉及一种预测外呼方法及预测外呼系统。

背景技术

现有技术中，预测外呼系统通过外呼有针对性、有计划地与客户进行联系，从而建立企业与客户之间的沟通渠道；预测外呼系统利用预测外呼算法向外拨号；接通客户后预测外呼系统将把接通的用户分配至空闲的人工座席；当此次外呼操作无人接听或占线，则系统记录拨打结果，并根据外呼策略再次发出新的呼叫；当外呼的号码停机或为空，则系统记录该信息并按外呼下一客户。然而，发明人经研究发现，现有技术通常只针对单一的客服座席场景进行预测外呼，而无法支持多种座席场景包括机器人座席、人工座席及人机协作场景的预测外呼。

发明内容

基于此，为解决现有技术中的技术问题，特提出了一种预测外呼方法，包括：

初始化预测外呼系统并获取外呼任务信息；其中，预测外呼系统包括预测外呼装置、人工座席组、机器人座席组，人工座席组、机器人座席组分别与预测外呼装置相连接；

所述外呼任务信息包括外呼模式、外呼号码信息、外呼结果信息；

所述预测外呼装置根据获取的外呼任务信息选择外呼模式，根据外呼模式所对应的预测外呼算法计算得到当前需要发出的外呼数量；

所述外呼模式包括机器人座席模式、人工座席模式、人机协作模式；

在机器人座席模式下，仅由机器人座席进行外呼；外呼接通后，机器人座席组中的机器人座席与客户进行通话直至结束，由客户或机器人座席挂机；

在人工座席模式下，仅由人工座席进行外呼；外呼接通后，人工座席组中的人工座席接听通话直至结束，由客户或人工座席挂机；

在人机协作模式下，机器人座席判断是否转接通话至人工座席；外呼接通后，首先由机器人座席与客户进行通话，并在通话过程中判断是否需要转接至人工座席；当判断需要转接至人工座席时则转接至人工座席组中空闲的人工座席，人工座席接听通话直至结束，由客户或人工座席挂机；当机器人座席判断不需要转接至人工座席时则机器人座席按照流程完成通话，由客户或机器人座席挂机；

预测外呼装置获取外呼任务信息中的外呼号码信息，根据当前需要发出的外呼数量触发对应的外呼任务；

外呼任务完成后，预测外呼装置记录外呼结果，并更新外呼任务信息中的外呼结果信息；其中，外呼结果信息包括外呼号码状态、通话状态；外呼号码状态包括停机、空号；通话状态包括无人接听、占线、挂机、外呼接通。

在一种实施例中，在机器人座席模式下，预测外呼系统分配的机器人座席数与线路并发数相匹配，预测外呼系统每隔设定时长统计空闲的机器人座席数，并根据机器人座席模式的预测外呼算法计算得到当前需要发出的外呼数量；

其中，机器人座席模式的预测外呼算法如下式所示：

outboundNum＝readyRobotNum-taskFsmNum

其中，outboundNum为当前需要发出的外呼数量；

readyRobotNum为当前空闲的机器人座席数；

taskFsmNum为当前已发出但还未接通的外呼数量。

在一种实施例中，在人工座席模式下，预测外呼系统分配的人工座席数与线路并发数相匹配，预测外呼系统每隔设定时长统计空闲的人工座席数，并根据人工座席的预测外呼算法计算得到当前需要发出的外呼数量；

其中，人工座席模式的预测外呼算法如下式所示：

outboundNum＝(readyAgentNum+expAgentNum)*z*speedAdjustConfficient

-taskFsmNum*speedAdjustConfficient；

其中，outboundNum为当前需要发出的外呼数量，readyAgentNum为当前空闲的人工座席数，expAgentNum为当前处于接通状态的人工座席在短时间内可转为空闲状态的数量；

taskFsmNum为当前已发出但还未接通的外呼数量；

z为外呼数量的冗余倍数，z＝总外呼次数/成功接通次数；

speedAdjustConfficient为速度调整系数，当速度调整系数大于1时为超速外呼，当速度调整系数小于等于1时为减速外呼。

在一种实施例中，在人机协作模式下，机器人座席与接通的客户进行对话交互，通过语音识别及语音内容分析判断并筛选出具有与人工座席组进行沟通意向的客户后将通话转接给空闲的人工座席；

其中，人机协作模式的预测外呼算法如下式所示：

outboundNum＝((readyAgentNum+expAgentNum)*z*zTransfer)

*speedAdjustConfficient-(taskFsmNum+taskAIConversionNum*z)

*speedAdjustConfficient；

其中，outboundNum为当前需要发出的外呼数量，readyAgentNum为当前空闲的人工座席数，expAgentNum为当前处于接通状态的人工座席在短时间内可转为空闲状态的数量；

其中，taskFsmNum为当前已发出但还未接通的外呼数量；taskAIConversionNum为当前已占用的机器人座席数；

z为外呼数量的冗余倍数，z＝总外呼次数/成功接通次数；zTransfer为转接人工座席数量的冗余倍数，zTransfer＝机器人座席接通次数/机器人座席转接人工座席技能组的次数；

speedAdjustConfficient为速度调整系数，当速度调整系数大于1时为超速外呼，当速度调整系数小于等于1时为减速外呼。

在一种实施例中，预测外呼系统每隔设定时长统计空闲的人工座席数，并根据当前模式的预测外呼算法计算得到当前需要发出的外呼数量；判断当前处于接通状态的人工座席在短时间内可转为空闲状态，包括通过可能性变量P_out判断，或者根据与客户交互的通话内容判断；

其中，通过可能性变量P_out判断当前处于接通状态的人工座席在短时间内可转为空闲状态，具体包括：

计算可能性变量P_out，可能性变量P_out为系统设置的概率门限，可能性变量表示当人工座席的当前状态值P_exp大于P_out时该人工座席在短时间内会转为空闲状态，此时则将expAgentNum加1；

其中，判断是否将处于接通状态的人工座席加入expAgentNum中的条件如下式所示：

P_exp[(busySec+r+y)*(P_exp_avg/(lbt*gam))+1]>P_out；

将满足上述条件的人工座席加入到expAgentNum中；

其中，busySec为当前时刻座席的服务时长，P_exp_avg为原平均服务时长，y为检测自动应答所需时长；

其中，r为平均振铃时长；平均振铃时长r的计算如下式所示：

r＝totalUserRingTime/totalUserRingCount+1；

其中，totalUserRingCount为反馈周期内的总振铃次数，totalUserRingTime为反馈周期内的总振铃时长；

其中，lbt为平均服务时长，平均服务时长lbt的计算如下式所示：

lbt＝(totalSuccessCallTime+totalWorkAfterCallTime)/userSuccessCount；

其中，totalWorkAfterCallTime为反馈周期内的总后处理时间；totalSuccessCallTime为反馈周期内的总成功通话时间；userSuccessCount为反馈周期内的成功接通次数；

其中，gam为冗余系数，冗余系数为大于1.0的浮点数；

其中，在P_exp[]中保存经验值概率数组；

其中，根据通话内容判断人工座席是否在短时间内可转为空闲状态，具体包括：

在人工座席与客户通话过程中对通话内容进行语音识别及语音内容分析，根据语音内容分析的结果准位当前人工座席的通话所处的业务流程位置；

其中，业务流程位置包括开场白、身份确认、订单确认、满意度询问、结束语；

根据业务流程位置判断该人工座席是否可在较短时间内转为空闲状态；当业务流程位置处于订单确认、满意度询问、结束语状态时即判断该人工座席在短时间内可转为空闲状态。

7.此外，为解决现有技术中的技术问题，特提出了一种预测外呼系统，包括预测外呼装置、人工座席组、机器人座席组；所述人工座席组、所述机器人座席组分别与所述预测外呼装置相连接；

初始化预测外呼系统并获取外呼任务信息；所述外呼任务信息包括外呼模式、外呼号码信息、外呼结果信息；

所述预测外呼装置根据获取的外呼任务信息选择外呼模式，根据外呼模式所对应的预测外呼算法计算得到当前需要发出的外呼数量；

其中，所述外呼模式包括机器人座席模式、人工座席模式、人机协作模式；

在机器人座席模式下，仅由机器人座席进行外呼；外呼接通后，机器人座席组中的机器人座席与客户进行通话直至结束，由客户或机器人座席挂机；

在人工座席模式下，仅由人工座席进行外呼；外呼接通后，人工座席组中的人工座席接听通话直至结束，由客户或人工座席挂机；

在人机协作模式下，机器人座席判断是否转接通话至人工座席；外呼接通后，首先由机器人座席与客户进行通话，并在通话过程中判断是否需要转接至人工座席；当判断需要转接至人工座席时则转接至人工座席组中空闲的人工座席，人工座席接听通话直至结束，由客户或人工座席挂机；当机器人座席判断不需要转接至人工座席时则机器人座席按照流程完成通话，由客户或机器人座席挂机；

预测外呼装置获取外呼任务信息中的外呼号码信息，根据当前需要发出的外呼数量触发对应的外呼任务；

外呼任务完成后，预测外呼装置记录外呼结果，并更新外呼任务信息中的外呼结果信息；其中，外呼结果信息包括外呼号码状态、通话状态；外呼号码状态包括停机、空号；通话状态包括无人接听、占线、挂机、外呼接通。

在一种实施例中，在机器人座席模式下，预测外呼系统分配的机器人座席数与线路并发数相匹配，预测外呼系统每隔设定时长统计空闲的机器人座席数，并根据机器人座席模式的预测外呼算法计算得到当前需要发出的外呼数量；

其中，机器人座席模式的预测外呼算法如下式所示：

outboundNum＝readyRobotNum-taskFsmNum

其中，outboundNum为当前需要发出的外呼数量；

readyRobotNum为当前空闲的机器人座席数；

taskFsmNum为当前已发出但还未接通的外呼数量。

在一种实施例中，在人工座席模式下，预测外呼系统分配的人工座席数与线路并发数相匹配，预测外呼系统每隔设定时长统计空闲的人工座席数，并根据人工座席的预测外呼算法计算得到当前需要发出的外呼数量；

其中，人工座席模式的预测外呼算法如下式所示：

outboundNum＝(readyAgentNum+expAgentNum)*z*speedAdjustConfficient

-taskFsmNum*speedAdjustConfficient；

其中，outboundNum为当前需要发出的外呼数量，readyAgentNum为当前空闲的人工座席数，expAgentNum为当前处于接通状态的人工座席在短时间内可转为空闲状态的数量；

taskFsmNum为当前已发出但还未接通的外呼数量；

z为外呼数量的冗余倍数，z＝总外呼次数/成功接通次数；

speedAdjustConfficient为速度调整系数，当速度调整系数大于1时为超速外呼，当速度调整系数小于等于1时为减速外呼。

在一种实施例中，在人机协作模式下，机器人座席与接通的客户进行对话交互，通过语音识别及语音内容分析判断并筛选出具有与人工座席组进行沟通意向的客户后将通话转接给空闲的人工座席；

其中，人机协作模式的预测外呼算法如下式所示：

outboundNum＝((readyAgentNum+expAgentNum)*z*zTransfer)

*speedAdjustConfficient-(taskFsmNum+taskAIConversionNum*z)

*speedAdjustConfficient；

其中，outboundNum为当前需要发出的外呼数量，readyAgentNum为当前空闲的人工座席数，expAgentNum为当前处于接通状态的人工座席在短时间内可转为空闲状态的数量；

其中，taskFsmNum为当前已发出但还未接通的外呼数量；taskAIConversionNum为当前已占用的机器人座席数；

z为外呼数量的冗余倍数，z＝总外呼次数/成功接通次数；zTransfer为转接人工座席数量的冗余倍数，zTransfer＝机器人座席接通次数/机器人座席转接人工座席技能组的次数；

speedAdjustConfficient为速度调整系数，当速度调整系数大于1时为超速外呼，当速度调整系数小于等于1时为减速外呼。

在一种实施例中，预测外呼系统每隔设定时长统计空闲的人工座席数，并根据当前模式的预测外呼算法计算得到当前需要发出的外呼数量；判断当前处于接通状态的人工座席在短时间内可转为空闲状态，包括通过可能性变量P_out判断，或者根据与客户交互的通话内容判断；

其中，通过可能性变量P_out判断当前处于接通状态的人工座席在短时间内可转为空闲状态，具体包括：

计算可能性变量P_out，可能性变量P_out为系统设置的概率门限，可能性变量表示当人工座席的当前状态值P_exp大于P_out时该人工座席在短时间内会转为空闲状态，此时则将expAgentNum加1；

其中，判断是否将处于接通状态的人工座席加入expAgentNum中的条件如下式所示：

P_exp[(busySec+r+y)*(P_exp_avg/(lbt*gam))+1]>P_out；

将满足上述条件的人工座席加入到expAgentNum中；

其中，busySec为当前时刻座席的服务时长，P_exp_avg为原平均服务时长，y为检测自动应答所需时长；

其中，r为平均振铃时长；平均振铃时长r的计算如下式所示：

r＝totalUserRingTime/totalUserRingCount+1；

其中，totalUserRingCount为反馈周期内的总振铃次数，totalUserRingTime为反馈周期内的总振铃时长；

其中，lbt为平均服务时长，平均服务时长lbt的计算如下式所示：

lbt＝(totalSuccessCallTime+totalWorkAfterCallTime)/userSuccessCount；

其中，totalWorkAfterCallTime为反馈周期内的总后处理时间；totalSuccessCallTime为反馈周期内的总成功通话时间；userSuccessCount为反馈周期内的成功接通次数；

其中，gam为冗余系数，冗余系数为大于1.0的浮点数；

其中，在P_exp[]中保存经验值概率数组；

其中，根据通话内容判断人工座席是否在短时间内可转为空闲状态，具体包括：

在人工座席与客户通话过程中对通话内容进行语音识别及语音内容分析，根据语音内容分析的结果准位当前人工座席的通话所处的业务流程位置；

其中，业务流程位置包括开场白、身份确认、订单确认、满意度询问、结束语；

根据业务流程位置判断该人工座席是否可在较短时间内转为空闲状态；当业务流程位置处于订单确认、满意度询问、结束语状态时即判断该人工座席在短时间内可转为空闲状态。

实施本发明实施例，将具有如下有益效果：

本发明能够极大地降低人工座席的平均空闲时长，能够实现稳定高效的预测外呼，并有效降低了呼叫中心的呼损率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中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。

其中：

图1为本发明中的预测外呼方法的流程示意图；

图2为本发明中的预测外呼系统的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明公开了一种预测外呼方法，包括：

初始化预测外呼系统并获取外呼任务信息；

其中，预测外呼系统包括预测外呼装置、人工座席组、机器人座席组；所述人工座席组、所述机器人座席组分别与所述预测外呼装置相连接；

所述外呼任务信息包括外呼模式、外呼号码信息、外呼结果信息；

所述预测外呼装置根据获取的外呼任务信息选择外呼模式，根据外呼模式所对应的预测外呼算法计算得到当前需要发出的外呼数量；

其中，所述外呼模式包括机器人座席模式、人工座席模式、人机协作模式；

机器人座席模式为纯机器人座席外呼模式，即，在机器人座席模式下，仅由机器人座席进行外呼；外呼接通后，机器人座席组中的机器人座席与客户进行通话直至结束，由客户或机器人座席挂机；

人工座席模式为纯人工座席外呼模式，即，在人工座席模式下，仅由人工座席进行外呼；外呼接通后，人工座席组中的人工座席接听通话直至结束，由客户或人工座席挂机；

人机协作模式为机器人座席转人工座席的外呼模式，即，在人机协作模式下，机器人座席判断是否转接通话至人工座席；外呼接通后，首先由机器人座席与客户进行通话，并在通话过程中判断是否需要转接至人工座席；当判断需要转接至人工座席时则转接至人工座席组中空闲的人工座席，人工座席接听通话直至结束，由客户或人工座席挂机；当机器人座席判断不需要转接至人工座席时则机器人座席按照流程完成通话，由客户或机器人座席挂机；

特别地，根据当前外呼任务的数据质量、任务属性以及系统的座席资源来选择当前的外呼模式；

其中，通过业务转化率和人均客单价来划分数据质量等级，数据质量等级包括普通、优良，具体地，根据外呼任务的投入产出比的高低确定数据质量等级的高低；

其中，任务属性包括通知类业务、回访类业务、营销类业务、紧急问题处理业务、复杂问题处理业务；

对于数据质量普通的外呼任务、以及任务属性为通知类业务或者回访类业务的外呼任务，系统选择机器人座席模式进行外呼；

对于任务属性为营销类业务的外呼任务，该类任务属性的外呼任务需要人工座席介入并完成，系统选择人机协作模式；

例如，营销类业务包括但不仅限于下订单、判断订单类型等；由于人机协作模式既可利用机器人座席的流程性及规模化生产能力，又可利用人工座席的专业优势，采用人机协作模式执行营销类业务的外呼任务，可以在降低成本的同时增加外呼效率；

对于数据质量优良的外呼任务，系统选择人工座席模式；

其中，对于数据质量优良的外呼任务，采用人工座席模式执行外呼任务可以避免其他外呼模式即人机协作模式、机器人座席模式可能会带来的数据浪费及客户流失问题；

特别地，对于任务属性为紧急问题处理业务、复杂问题处理业务的外呼任务，皆需要人工座席介入，系统优先选择人工座席模式；

其中，对于任务属性为紧急问题处理业务、复杂问题处理业务的外呼任务，在系统建设初期采用人工座席模式执行外呼任务，系统升级后则逐步引入机器人座席并采用人机协作模式执行外呼任务；

特别地，为了充分利用线路资源，在机器人座席模式下，预测外呼系统分配的机器人座席数与线路并发数相匹配，预测外呼系统每隔设定时长统计空闲的机器人座席数，并根据机器人座席模式的预测外呼算法计算得到当前需要发出的外呼数量；

特别地，机器人座席模式的预测外呼算法如下式1所示：

outboundNum＝readyRobotNum-taskFsmNum式1

其中，outboundNum为当前需要发出的外呼数量；

readyRobotNum为当前空闲的机器人座席数；

taskFsmNum为当前已发出但还未接通的外呼数量；

特别地，为了充分利用线路资源，在人工座席模式下，预测外呼系统分配的人工座席数与线路并发数相匹配，预测外呼系统每隔设定时长统计空闲的人工座席数，并根据人工座席的预测外呼算法计算得到当前需要发出的外呼数量；

特别地，人工座席模式的预测外呼算法如下式2所示：

outboundNum＝(readyAgentNum+expAgentNum)*z*speedAdjustConfficient-taskFsmNum*speedAdjustConfficient；式2

其中，outboundNum为当前需要发出的外呼数量，readyAgentNum为当前空闲的人工座席数，expAgentNum为当前处于接通状态的人工座席在短时间内可转为空闲状态的数量；

taskFsmNum为当前已发出但还未接通的外呼数量；

z为外呼数量的冗余倍数，z＝总外呼次数/成功接通次数；

speedAdjustConfficient为速度调整系数，当速度调整系数大于1时为超速外呼，当速度调整系数小于等于1时为减速外呼；

特别地，在人机协作模式下，机器人座席接通后与客户进行对话交互，并判断是否转接至人工座席组中空闲的人工座席；

具体地，机器人座席与接通的客户进行对话交互，通过语音识别及语音内容分析判断并筛选出具有与人工座席组进行沟通意向的客户后将通话转接给空闲的人工座席；

特别地，人机协作模式的预测外呼算法如下式3所示：

outboundNum＝((readyAgentNum+expAgentNum)*z*zTransfer)

*speedAdjustConfficient-(taskFsmNum+taskAIConversionNum*z)*speedAdjustConfficient；式3

其中，outboundNum为当前需要发出的外呼数量，readyAgentNum为当前空闲的人工座席数，expAgentNum为当前处于接通状态的人工座席在短时间内可转为空闲状态的数量；

其中，taskFsmNum为当前已发出但还未接通的外呼数量；

taskAIConversionNum为当前已占用的机器人座席数，即正在进行交互且还未触发转接人工座席操作的机器人座席数量；

z为外呼数量的冗余倍数，z＝总外呼次数/成功接通次数；zTransfer为转接人工座席数量的冗余倍数，zTransfer＝机器人座席接通次数/机器人座席转接人工座席技能组的次数；

speedAdjustConfficient为速度调整系数，当速度调整系数大于1时为超速外呼，当速度调整系数小于等于1时为减速外呼；

其中，速度调整系数可以根据应用场景及对话情况进行手动调整，人工座席数量越多则越稳定；

特别地，预测外呼系统每隔设定时长统计空闲的人工座席数，并根据相应模式的预测外呼算法计算得到当前需要发出的外呼数量；

特别地，判断当前处于接通状态的人工座席在短时间内可转为空闲状态，包括通过可能性变量P_out判断，或者根据与客户交互的通话内容判断：

其中，通过可能性变量P_out判断当前处于接通状态的人工座席在短时间内可转为空闲状态，具体包括：

计算可能性变量P_out，可能性变量P_out为系统设置的概率门限，可能性变量表示当人工座席的当前状态值P_exp大于P_out时该人工座席在短时间内会转为空闲状态，此时则将expAgentNum加1，即，将满足条件的人工座席加入expAgentNum中；

其中，判断是否将处于接通状态的人工座席加入expAgentNum中的条件如下式4所示：

P_exp[(busySec+r+y)*(P_exp_avg/(lbt*gam))+1]>P_out；式4

将满足上述式4条件的人工座席加入到expAgentNum中；

其中，busySec为当前时刻座席的服务时长，P_exp_avg为原平均服务时长，y为检测自动应答所需时长；

其中，r为平均振铃时长；平均振铃时长r的计算如下式5所示：

r＝totalUserRingTime/totalUserRingCount+1； 式5

其中，totalUserRingCount为反馈周期内的总振铃次数，totalUserRingTime为反馈周期内的总振铃时长；

其中，lbt为平均服务时长，平均服务时长lbt的计算如下式6所示：

lbt＝(totalSuccessCallTime+totalWorkAfterCallTime)/userSuccessCount；式6

其中，totalWorkAfterCallTime为反馈周期内的总后处理时间；totalSuccessCallTime为反馈周期内的总成功通话时间；userSuccessCount为反馈周期内的成功接通次数；

其中，gam为冗余系数，冗余系数为大于1.0的浮点数；

其中，在P_exp[]中保存经验值概率数组；其中保存了通话时长为1秒、2秒、3秒…的座席提前发出一次外呼的概率，例如，P_exp[1]单元中保存1秒的概率，P_exp[2]单元中保存2秒的概率；

其中，根据通话内容判断人工座席是否在短时间内可转为空闲状态，具体包括：

在人工座席与客户通话过程中对通话内容进行语音识别及语音内容分析，根据语音内容分析的结果准位当前人工座席的通话所处的业务流程位置；

其中，业务流程位置包括开场白、身份确认、订单确认、满意度询问、结束语；

根据业务流程位置判断该人工座席是否可在较短时间内转为空闲状态；

具体地，当业务流程位置处于订单确认、满意度询问、结束语状态时即判断该人工座席在短时间内可转为空闲状态；

预测外呼装置获取外呼任务信息中的外呼号码信息，根据当前需要发出的外呼数量触发对应的外呼任务；

外呼任务完成后，预测外呼装置记录外呼结果，并更新外呼任务信息中的外呼结果信息；

其中，外呼结果信息包括外呼号码状态、通话状态；外呼号码状态包括停机、空号；通话状态包括无人接听、占线、挂机、外呼接通。

如图2所示，本发明公开了一种预测外呼系统，包括预测外呼装置、人工座席组、机器人座席组；所述人工座席组、所述机器人座席组分别与所述预测外呼装置相连接；

初始化预测外呼系统并获取外呼任务信息；所述外呼任务信息包括外呼模式、外呼号码信息、外呼结果信息；

所述预测外呼装置根据获取的外呼任务信息选择外呼模式，根据外呼模式所对应的预测外呼算法计算得到当前需要发出的外呼数量；

其中，所述外呼模式包括机器人座席模式、人工座席模式、人机协作模式；

机器人座席模式为纯机器人座席外呼模式，即，在机器人座席模式下，仅由机器人座席进行外呼；外呼接通后，机器人座席组中的机器人座席与客户进行通话直至结束，由客户或机器人座席挂机；

人工座席模式为纯人工座席外呼模式，即，在人工座席模式下，仅由人工座席进行外呼；外呼接通后，人工座席组中的人工座席接听通话直至结束，由客户或人工座席挂机；

人机协作模式为机器人座席转人工座席的外呼模式，即，在人机协作模式下，机器人座席判断是否转接通话至人工座席；外呼接通后，首先由机器人座席与客户进行通话，并在通话过程中判断是否需要转接至人工座席；当判断需要转接至人工座席时则转接至人工座席组中空闲的人工座席，人工座席接听通话直至结束，由客户或人工座席挂机；当机器人座席判断不需要转接至人工座席时则机器人座席按照流程完成通话，由客户或机器人座席挂机；

特别地，为了充分利用线路资源，在机器人座席模式下，预测外呼系统分配的机器人座席数与线路并发数相匹配，预测外呼系统每隔设定时长统计空闲的机器人座席数，并根据机器人座席模式的预测外呼算法计算得到当前需要发出的外呼数量；

特别地，机器人座席模式的预测外呼算法如下式所示：

outboundNum＝readyRobotNum-taskFsmNum

其中，outboundNum为当前需要发出的外呼数量；

readyRobotNum为当前空闲的机器人座席数；

taskFsmNum为当前已发出但还未接通的外呼数量；

特别地，为了充分利用线路资源，在人工座席模式下，预测外呼系统分配的人工座席数与线路并发数相匹配，预测外呼系统每隔设定时长统计空闲的人工座席数，并根据人工座席的预测外呼算法计算得到当前需要发出的外呼数量；

特别地，人工座席模式的预测外呼算法如下式所示：

outboundNum＝(readyAgentNum+expAgentNum)*z*speedAdjustConfficient-taskFsmNum*speedAdjustConfficient；

其中，outboundNum为当前需要发出的外呼数量，readyAgentNum为当前空闲的人工座席数，expAgentNum为当前处于接通状态的人工座席在短时间内可转为空闲状态的数量；

taskFsmNum为当前已发出但还未接通的外呼数量；

z为外呼数量的冗余倍数，z＝总外呼次数/成功接通次数；

speedAdjustConfficient为速度调整系数，当速度调整系数大于1时为超速外呼，当速度调整系数小于等于1时为减速外呼；

特别地，在人机协作模式下，机器人座席接通后与客户进行对话交互，并判断是否转接至人工座席组中空闲的人工座席；

具体地，机器人座席与接通的客户进行对话交互，通过语音识别及语音内容分析判断并筛选出具有与人工座席组进行沟通意向的客户后将通话转接给空闲的人工座席；

特别地，人机协作模式的预测外呼算法如下式所示：

outboundNum＝((readyAgentNum+expAgentNum)*z*zTransfer)*speedAdjustConfficient-(taskFsmNum+taskAIConversionNum*z)*speedAdjustConfficient；

其中，outboundNum为当前需要发出的外呼数量，readyAgentNum为当前空闲的人工座席数，expAgentNum为当前处于接通状态的人工座席在短时间内可转为空闲状态的数量；

其中，taskFsmNum为当前已发出但还未接通的外呼数量；

taskAIConversionNum为当前已占用的机器人座席数，即正在进行交互且还未触发转接人工座席操作的机器人座席数量；

z为外呼数量的冗余倍数，z＝总外呼次数/成功接通次数；zTransfer为转接人工座席数量的冗余倍数，zTransfer＝机器人座席接通次数/机器人座席转接人工座席技能组的次数；

speedAdjustConfficient为速度调整系数，当速度调整系数大于1时为超速外呼，当速度调整系数小于等于1时为减速外呼；

速度调整系数可以根据应用场景及对话情况进行手动调整，人工座席数量越多则越稳定；

特别地，预测外呼系统每隔设定时长统计空闲的人工座席数，并根据当前模式的预测外呼算法计算得到当前需要发出的外呼数量；

特别地，判断当前处于接通状态的人工座席在短时间内可转为空闲状态，包括通过可能性变量P_out判断，或者根据与客户交互的通话内容判断：

其中，通过可能性变量P_out判断当前处于接通状态的人工座席在短时间内可转为空闲状态，具体包括：

计算可能性变量P_out，可能性变量P_out为系统设置的概率门限，可能性变量表示当人工座席的当前状态值P_exp大于P_out时该人工座席在短时间内会转为空闲状态，此时则将expAgentNum加1，即，将满足条件的人工座席加入expAgentNum中；

其中，判断是否将处于接通状态的人工座席加入expAgentNum中的条件如下式所示：

P_exp[(busySec+r+y)*(P_exp_avg/(lbt*gam))+1]>P_out；

将满足上述条件的人工座席加入到expAgentNum中；

其中，busySec为当前时刻座席的服务时长，P_exp_avg为原平均服务时长，y为检测自动应答所需时长；

其中，r为平均振铃时长；平均振铃时长r的计算如下式所示：

r＝totalUserRingTime/totalUserRingCount+1；

其中，totalUserRingCount为反馈周期内的总振铃次数，totalUserRingTime为反馈周期内的总振铃时长；

其中，lbt为平均服务时长，平均服务时长lbt的计算如下式所示：

lbt＝(totalSuccessCallTime+totalWorkAfterCallTime)/userSuccessCount；

其中，totalWorkAfterCallTime为反馈周期内的总后处理时间；totalSuccessCallTime为反馈周期内的总成功通话时间；userSuccessCount为反馈周期内的成功接通次数；

其中，gam为冗余系数，冗余系数为大于1.0的浮点数；

其中，在P_exp[]中保存经验值概率数组；其中保存了通话时长为1秒、2秒、3秒…的座席提前发出一次外呼的概率，例如，P_exp[1]单元中保存1秒的概率，P_exp[2]单元中保存2秒的概率；

其中，根据通话内容判断人工座席是否在短时间内可转为空闲状态，具体包括：

在人工座席与客户通话过程中对通话内容进行语音识别及语音内容分析，根据语音内容分析的结果准位当前人工座席的通话所处的业务流程位置；

其中，业务流程位置包括开场白、身份确认、订单确认、满意度询问、结束语；

根据业务流程位置判断该人工座席是否可在较短时间内转为空闲状态；

具体地，当业务流程位置处于订单确认、满意度询问、结束语状态时即判断该人工座席在短时间内可转为空闲状态；

预测外呼装置获取外呼任务信息中的外呼号码信息，根据当前需要发出的外呼数量触发对应的外呼任务；

外呼任务完成后，预测外呼装置记录外呼结果，并更新外呼任务信息中的外呼结果信息；

其中，外呼结果信息包括外呼号码状态、通话状态；外呼号码状态包括停机、空号；通话状态包括无人接听、占线、挂机、外呼接通。

本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种预测外呼方法的部分或全部步骤。

本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种预测外呼方法的部分或全部步骤。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。