CN101529458A - 订单分发器 - Google Patents
订单分发器 Download PDFInfo
- Publication number
- CN101529458A CN101529458A CNA2007800404643A CN200780040464A CN101529458A CN 101529458 A CN101529458 A CN 101529458A CN A2007800404643 A CNA2007800404643 A CN A2007800404643A CN 200780040464 A CN200780040464 A CN 200780040464A CN 101529458 A CN101529458 A CN 101529458A
- Authority
- CN
- China
- Prior art keywords
- agency
- client
- behalf
- customer
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Telephonic Communication Services (AREA)
- Cash Registers Or Receiving Machines (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
订单分发器基于许多因素智能地将代理与顾客匹配,以实现与顾客需要、商业需要和代理能力的基本匹配从而满足那些需要。订单分发器可以考虑涉及各个代理的能力和客户-公司所指定的要求的许多因素,从而使得改善与顾客的交互并提升满意度。
Description
相关申请
本申请是2006年4月26日提交的美国专利申请No.11/411,705(代理人卷号No.12764/4)在37C.F.R.§1.53(b)下的部分继续申请,该申请的全部内容通过引用而结合于此。
背景技术
在服务和零售行业中,存在例如通过使用交互式语音应答系统(“IVR”)使顾客交互自动化的趋势,以降低成本并提高服务质量。但是,诸如零售店、餐馆等的许多商行仍然依赖于亲自、通过电话或者其它通信媒介的人与人交互,即,雇员与顾客的交互,以满足顾客预期、维护顾客满意度并传递全面的必要个人和交互式顾客体验。例如,许多公司使用通过电话通信等可访问的现场代理(live agent)来提供顾客服务和/或通常与顾客通信。像所有商行一样,这样的商行还需要高效地使用雇员的时间和公司资源来控制成本,同时满足所需的服务目标。
在许多情况下,因为时常自动化系统往往会增加顾客烦恼、不满等,所以利用这样的自动化系统来取代现场代理是不可接受的。因此,公司必需提供并培训雇员以处置顾客通信。或者,公司可以选择将对从顾客接收的这种通信(例如,电话呼叫)的处置外包。例如,公司可以与这样的服务公司签订合同,然后来自顾客的个人来电可以被传送到代表该商行接待顾客的外部代理或者呼叫中心。将顾客和代理之间的呼叫外包可以使得增大效率,这是因为不再需要公司提供、维护并培训自己的雇员来处置呼叫。此外,考虑到他们所执行的任务的单一性质,外部代理在处置顾客呼叫时可以比商行的雇员更加高效,对于公司而言,这可以获得超出雇用该第三方的成本的成本节约。
无论是由商行自己还是由第三方提供,都可以提供多个现场代理来处置顾客呼叫的大量到来。这些代理通常位于称为呼叫中心的中心位置。呼叫中心的特征典型地在于给所有代理的工作空间,包括给每一个代理的诸如电话和计算机之类的通信设备。通信设备通常与呼叫分发系统互连,呼叫分发系统自己与进入通信链路(例如,电话线)互连。呼叫分发系统通常由自动呼叫分发器(“ACD”)组成,以下将更详细描述。
在典型操作中,顾客呼叫指定电话号码或者在其它情况下利用公司订单或顾客服务操作启动通信会话。呼叫由公司的ACD或者由第三方的ACD(呼叫中心)接收。ACD随后将呼叫传送到特定代理以进行处置。代理和顾客的配对通常仅仅基于代理的可获得性,即,进入的顾客呼叫排队等待,并且下一个可获得的代理与下一个顾客匹配。或者,例如经由交互式语音应答系统或者基于呼叫方拨打的电话号码从呼叫方捕获的数据可被提供给ACD并用来将呼叫传送到先前已经分类过的一组代理,由此呼叫被传送到该组中的下一个可获得代理。由于没有对代理的特性和/或能力或者顾客和/或公司的特定要求作特殊考虑,所以代理与顾客的这种配对多少有点随机。具体而言,没有考虑可以使得获得顾客与代理之间更高效且更成功的匹配的许多可能因素。这导致了呼叫处置方面的低效率、顾客不满、成本增加和收入损失。
因此,需要用于建立顾客和现场顾客服务代理之间的通信会话的系统,其中,系统以高效且有效的方式来使给定顾客与现场代理匹配,从而提高顾客满意度、降低成本并增加收入。
附图说明
图1是示出在所公开的实施例中可能出现的各方和各方之间的交互的示图;
图2示出了根据一个实施例、利用订单分发器的系统的框图;
图3是示出给图2的订单分发器的示例性输入的示图;
图4是根据一个实施例的图2的订单分发器的框图;
图5A是示出根据一个实施例的图4的订单分发器的示例性操作的流程图;
图5B是示出根据替代实施例的图4的订单分发器的示例性操作的流程图;
图6是示出结合所公开的实施例使用的示例性分段重映射函数的图表;
图7是示出结合所公开的实施例使用的示例性线性重映射函数的图表;
图8是示出结合所公开的实施例使用的示例性LaGrange重映射函数的图表;
图9是示出结合所公开的实施例使用的示例性Hermite重映射函数的图表;以及
图10是结合所公开的实施例使用的示例性计算机系统的框图。
具体实施方式
所公开的实施例涉及一种订单分发器(order distributor),该订单分发器基于诸如代理的技能、特性或能力等,客户、商行或顾客等的需要、要求或指明事项等,代理、客户或顾客属性、参数或其它相关数据或者其组合之类的各种输入来智能地匹配代理和顾客,以实现顾客需要和/或商行要求与代理的特性和/或能力之间的基本匹配从而满足那些需要和/或要求。在一个实施例中,订单分发器考虑与各个代理的能力以及客户-公司规定的要求相关的许多输入,从而获得特征为以下各项的配对:改进的与顾客的交互以及增加的满意度、成本效益以及代表客户-公司和/或服务提供商或者其组合的有效的事务处置。另外,这些配对更有可能致使获得使顾客和客户-公司满意并有助于最大化公司利润的高效事务处理。
所公开的实施例还涉及一种顺序分发器,该顺序分发器在接收到关于在商行一服务点处存在顾客并且该顾客正在等待获得销售代理点的服务的指示(例如,关于其的非电话指示)时,对与以下各项相关的属性进行评估:顾客需要;商行要求和/或指明事项;为订单分发器服务的销售代理点的能力;或者其组合。基于该评估,所公开的订单分发器随后选择随后可以启动与顾客的会话(例如,音频连接)或者顾客可以启动到其的会话的销售代理点,以根据商行的操作向该顾客提供服务。在订单分发器和销售代理点由作为商行的服务公司的第三方服务提供商提供的情况下,订单分发器还可以在选择销售代理点时对服务提供商的要求和指明事项进行评估。该评估基于最紧密地平衡参与方各自的目标以及平衡对快速判断的需要的因素来算出对代理的选择。可见,自动呼叫分发器将进入的电话呼叫分发给各个代理,各个代理随后处置传送而来的呼叫,根据一个实施例所公开的订单分发器将进入的订购请求分发给各个代理,各个代理随后启动与请求者(即,等待顾客)的通信。这种配置辅助了与通信媒介无关并且与顾客和/或代理的位置无关的高效、大容量的事务处置能力。
为了澄清在待决权利要求中的用法,并在此提请公众注意,申请人从最广泛的意义上定义了措词“<A>、<B>、...和<N>的至少一个”或者“<A>、<B>、...<N>或其组合的至少一个”,这种定义取代在此之前或在此之后的任何其它隐式定义(除非申请人相反地作出显式断言),其意味着从由A、B、...和N组成的群组中选择的一个或多个元素,也就是说,元素A、B、...或N中的一个或多个元素的任意组合,包括任意一个元素自己,或者与其它元素的一个或多个相组合,其也可以包括与未列出的其它元素的组合。
图1是示出在这里所描述的订单分发系统100的公开实施例中可能发生的各方以及各方之间的交互的示图。在一个实施例中,订单分发系统100包括客户102、服务提供商106、一个或多个代理108、或者其组合,一个或多个代理108向与客户102通过接口连接(interface)的一个或多个顾客104提供服务。客户102可以利用服务提供商106来将代理108之一与顾客104匹配。
客户102可以是商店或者其它商行、公司或企业。在一个实施例中,客户102是利用现场代理108来与顾客104谈话并处置与顾客104的事务或订单的实体,并且可以包括零售商店或处置顾客的事务或订单的其它商行。在一个实施例中,客户102是速食或快餐馆,并且事务包括处理位于免下车窗口或者餐馆内的其它销售站点处的顾客104的食品订单。在替代实施例中,客户102可以是提供商品或服务的零售商店,其中,顾客104与代理108交互以购买产品、获得技术支持/顾客协助、或者获得关于商店商品和/或服务的更多信息。
在一个实施例中,顾客104可以是想要使用、购买或获得关于客户102的商品/服务的更多信息的任何实体,包括个人、群组、商行等。例如,顾客104可以向客户102下订单。或者,顾客104可以执行不同类型的事务,并且仅仅需要来自客户102的信息。如上所述,对于速食餐馆客户102,顾客可以是出现在免下车通道处正在向商店/客户102下食品或相关产品的订单或者正想下订单的个人。
在一个实施例中,如以下将论述的,服务提供商106是智能地将顾客104与代理108匹配的实体。服务提供商106可以为客户102所有或者由其操作,或者可以是由客户102雇用来将代理108与该客户的顾客104匹配的第三方。在一个实施例中,服务提供商106管理并控制一组附属代理108,该组附属代理108集中位于例如呼叫中心和/或远程地位于/分布在例如代理108自己的家中。或者,代理108可以独立于服务提供商106,例如独立承包人等。服务提供商106接收来自客户102、顾客104、代理108或任何其它源或者其组合的输入。这些输入提供了用于匹配特定顾客104与特定代理108的信息。
代理108是可以代表客户102处置各种形式的顾客通信的实体。例如,现场代理108,即个人、操作员、代表等,可以接收诸如来自顾客104的电话呼叫或者可替代的例如非电话请求之类的通信以启动与等待顾客104的通信会话(例如,音频连接),并服务于/解决顾客104的需要。代理108可以位于一个或多个呼叫中心(更精确地称为订单中心)或者远离呼叫中心,例如在他们的家中。在一个实施例中,对个人顾客的处置被指派/传送到将代表客户102接待该顾客的代理108或呼叫中心。代理108可受专门训练,并且具有在处置顾客呼叫方面的经验。在一个实施例中,响应于销售点处存在顾客104的指示,代理108启动与该顾客104的通信会话并在随后接收来自顾客104的商品订单,在订单被接收或者订单完成时,该订单被提供给客户102从而可以由客户102直接或间接地向顾客104提供商品。代理108接收订单并将信息发送给客户102,因而客户102可以准备商品并将商品递送给顾客104,并且如果有必要,还接收关于该商品的付款。如上所述,可以有多个代理108,从这多个代理108中选择最佳代理108来与特定顾客104匹配。
图2示出了根据一个实施例、利用订单分发器204的订单分发系统100的更详细的框图。系统100包括在一个实施例中位于客户102处的客户接口203以及与客户接口202耦接的订单分发器204。这里,措词“与...耦接”被定义为意味着直接连接或者通过一个或多个中间组件间接连接。这样的中间组件可以包括基于硬件和软件两者的组件。客户接口203可以用作客户102和/或顾客104与订单分发器204之间的接口,在一个实施例中,订单分发器204可以为服务提供商106所有/由服务提供商106维护/操作。
如上所述,订单分发器204将客户102的顾客104与代理108相匹配,代理108随后连接到顾客104或者可替代地启动与顾客104的诸如音频连接之类的会话214,以向顾客104提供服务。订单分发器204接收来自包括客户102、代理108、服务提供商106在内的源的输入或其它输入212或其组合,这些输入形成了用于选择代理108的基础。在一个实施例中,如将要描述的,订单分发器204经由接收器206接收输入,处理经由处理器208输入的数据,并经由选择器210选择最佳代理。将会了解,客户102可以经由公共或私有的有线或无线网络或其组合(例如,因特网、内联网、公共交换电话网络或其组合)耦接到订单分发器204,并且订单分发器204可以类似地耦接到服务提供商106,并将了解这样的连接是与实施方式相关的。
如上所述,在公开实施例操作时,客户102将具有各自需要与代理108匹配的顾客104。客户102可以提供耦接在顾客104和订单分发器204中的接收器206之间的客户接口203,如以下将论述的。例如,客户接口203可以包括诸如扬声器箱、电话、计算机终端或其它交互式接口之类的顾客接口(未示出),从而使位于客户102处的顾客104与订单分发器204通过接口连接。或者,顾客接口可以与客户接口203分离,并且可以利用独立的通信媒介来辅助顾客104与代理108之间的通信。客户接口203可以接收来自顾客104的信息并将该信息传递给订单分发器204,所述信息例如是:关于顾客存在和/或正在等待下订单的指示、关于顾客的例如顾客所讲的语言的信息等。在替代实施例中,客户接口203可以包括商店接口(未示出),该商店接口允许客户102向订单分发器204发送诸如客户要求、客户状态信息等的信息,如以下将更加详细描述的。在客户102是速食餐馆的一个实施例中,客户接口203还可以包括个人计算机,该个人计算机监控关于顾客104和关于当前的餐馆状态的相关信息,例如,顾客队列长度、存货、等待时间等。客户接口203被配置为将该信息发送给订单分发器204。客户接口203还可以被配置为接收来自订单分发器204的信息,以使得客户102可在随后被通知各个代理108的状态以及与其顾客104建立的任何匹配。
订单分发器204接收信息输入并对该信息进行处理,以将代理108与顾客104相匹配。订单分发器204可以是个人计算机或者(一个或多个)其它设备或(一个或多个)处理器,并且可以用硬件、软件或其组合来实现。在一个实施例中,订单分发器204包括接收器206、与接收器206耦接的处理器208以及与处理器208耦接的选择器210。接收器206接收以下将描述的各种输入,并将那些输入提供给处理器208,处理器208如以下将描述地对它们进行处理,以允许选择代理108。经过处理的输入随后被提供给选择器210,选择器210基于经过处理的数据智能地将顾客104与代理108相匹配。根据一个实施例的处理器208和选择器210的功能的一个示例被参考以下将论述的图4来示出并描述。
订单分发器204可由服务提供商106实施,如上所述,服务提供商106可以是客户102的一部分或者独立于客户102。在一个实施例中,服务提供商106管理并监控订单分发器204的操作。订单分发器204在物理上可以位于客户102、代理108、服务提供商106的位置处、或者位于任何其它位置处,或者可替代地,订单分发器204的组件可以分布在各个位置处并且例如经由网络互连。
订单分发器204为了处置顾客104和客户102之间的事务,基于从客户102、代理108接收到的信息、其它输入212、或其组合智能地将代理108与顾客104相匹配。在一个实施例中,顾客104和代理108之间的连接是使用公共交换电话网络、VoIP或其它基于因特网的电话协议或其组合,经由电话呼叫或其它双向音频连接来建立的,顾客104和代理108可以经由该连接相互谈话以执行事务。在一个实施例中,这种连接是由代理108响应于存在顾客104并且顾客104正在销售点等待的指示来启动的。或者,该连接可以由顾客104例如通过触发存在检测器或按下呼叫按钮等来启动。在诸如音频连接之类的会话和/或连接由代理108启动的情况下,订单分发器204可以保持其独立性,即,订单分发器204如上所述地选择代理108,并在随后将相关信息提供给所选代理108,例如,识别顾客的位置/联系信息,以使得所选代理108可在随后启动独立于订单分发器204的直接联系,从而解除订单分发器204的针对事务的其它职责。
在一个实施例中,服务提供商106通过各种输入向订单分发器204的接收器206提供信息。代理的匹配或选择是基于与客户102、顾客104、代理108或如以下将描述的可以广泛分类的其它因素相关的任何数目的输入和信息的。这些输入包括并且也可以互换地称为因素、参数、值、状态、技能、属性、条件、数据等。应当了解,对这里所描述的输入的分类是与实施方式相关的,并且可以利用附加的或更少的类别,包括未在这里显式论述的其它类别、超类、子类、因素或输入。
图3是示出图2的订单分发器的示例性输入的示图。出于论述的目的,相关输入可以分为两大类别:代理能力和客户要求(即,商店要求),如图3所示。一般而言,这些类别描述了订单分发器204可用的各种输入。代理能力类别描述了涉及关于为订单分发器204服务的代理108的所有相关信息的输入,而客户要求类别描述了涉及客户/顾客/商店的显式或隐式需要的输入,所述需要是代理108可能必需完全或部分满足、或者要被选择、或者为了选择所要考虑的。因此,被描述为代理能力的一个或多个输入可以对应于一个或多个客户要求输入,反之亦然。还将了解,出于论述的目的,给定类别可以包括一个或多个子类,这些子类自身描述了各种输入,并将了解给定输入可由一个或多个类别和/或子类描述。
被分类为代理能力的输入、信息等包括涉及为订单分发器204服务或者在其它情况下被提供给订单分发器204的、可在任何给定时间供选择以处置给定事务的个人代理108的相关数据和信息。该类别可以包括与代理的一般能力或技能相关的任何输入,如将要描述的,包括它们的可获得性。在一个实施例中,一个或多个这些输入被提供给订单分发器204,并且可以源自代理108、服务提供商106或另一个源。如图3所示,被分类为代理能力的示例性输入包括可获得性302、成本或价格306、利润率308、经验304、质量310或其组合,以下将更详细论述。
代理可获得性302指的是表示(以其它方式布置给系统100的)代理108是否可与顾客104匹配并接收呼叫的数据。代理可获得性302可以是输入值,或者描述与代理108的可获得性相关的输入的子类。例如,代理可获得性302可以包括由代理108提供给订单分发器204的输入,例如由代理108生成的指示出它们是否可供选择的输入,从而赋予个人代理108使得它们自己在它们选择的那些时间中可获得的能力。或者,代理可获得性302可由服务提供商106或订单分发器204通过检测代理108登录例如经由网络连接到订单分发器204的计算机或工作站的时间来自动确定。代理可获得性302还可以通过记录每一个代理108的上一次使用时间来确定,并且最近未被使用的代理108可被选择。
经由代理可获得性302数据确定的关于代理108是否可用的考虑是在匹配代理108与顾客104时的最初考虑之一,以便当代理108不可获得时立即不再考虑该代理108。因此,订单分发器204可以快速缩小基于当前可获得的那些代理的代理108可获得库。将会了解,某些输入可由订单分发器204以顺序的方式来处理而其它输入被以并行方式处理,并且还将了解,某些输入的处理可以获得二进制值而其它输入的处理致使获得要在代理108之间比较的和/或与比例相比较的值范围中的一个或多个值,并将了解,对给定输入的这种处理的选择和/或组合是与实施方式相关的,并且被设想来实现所公开的功能。
关于代理可获得性302的信息还可以包括关于未来时间框架的信息,例如,表明在特定时段内将可获得的或者预知/预测为将可获得的那些代理的信息。例如,如果代理108正在接听呼叫,则在已知/假设当前呼叫将在短时间段内终止并且该特定代理108将变得可处置所选事务的情况下,订单分发器204可以选择该代理108来处置与顾客104的下一个匹配。或者,如果代理108新近结束呼叫,则订单分发器204可以试图避免在该呼叫结束的特定时间段内(例如,在总结时间段内)选择该代理108,以赋予代理108完成与刚刚结束的呼叫相关的任何事务的时间和/或使他们自己准备好接听下一个呼叫的时间。因此,代理可获得性302可以不仅仅指与立即可获得性相关的那些输入,而且还可以指与特定时间的可获得性相关的输入,例如即将来临的可获得性。相反,代理可获得性302还可以包括与代理调度信息相关的输入,这些输入允许订单分发器204知晓以下两者:代理108何时将变得可获得(例如因为代理108的工作时间即将开始),或者他们何时将变得不可获得(例如因为他们的工作时间即将结束)。例如,在订单分发器204判定特定事务可能要花费很长时间来完成的情况下,订单分发器204可以避免工作时间很快就要结束的那些代理108以避免使代理108在其指定工作时间以外工作、支付加班费、或者在其它情况下导致代理不满,而这可能进而导致较差的顾客服务或增加的/不必要的成本。取而代之,例如,订单分发器204可以选择将该代理108与其事务已知或假设/预知为具有较短时段的顾客配对,从而在代理108的指定工作时间内最大化地利用该代理108。
在一个实施例中,代理可获得性302是描述代理108是否可用于处置事务的数据值,并且其自身可从如上所述的一个或多个其它输入获得。在替代实施例中,代理可获得性302可以描述基于与代理108是否能够或应当处置事务相关的大范围因素的那些输入的子类。将会了解,代理可获得性302可被视为代理能力的子类,或者代理能力可被视为代理可获得性302的子类,即,如果代理108不满足最低的能力要求则他/她可能被视为不可获得(如以下将描述的),同样如果代理108不可获得则他/她是无能力的。出于在此论述的目的,代理可获得性302被视为代理能力类别的子类或输入,但是如上所述,这是与实施方式相关的。
代理价格306是另一输入或者可被分类为代理能力的输入/信息的子类别/子类,并且代理价格306指的是特定代理的费用或成本。例如,代理价格306可以指客户102必需向要与其顾客104之一匹配的特定代理108支付的数额。当代理108与顾客104匹配时,每一个代理108的代理价格306可以是所考虑的输入。取决于实施例,代理价格306可以是从代理108到订单分发器204的输入或者从服务提供商106到订单分发器204的输入。在服务提供商106监督代108的情况下,代理价格306是客户102针对特定代理108支付给服务提供商106的数额。在这种情形中,代理价格306是从服务提供商106到订单分发器204的输入。或者,代理价格306是服务提供商106支付给代理108而客户102又针对该代108支付给服务提供商106的数额。因此,代理价格306可以是由代理108提供给订单分发器204的输入。
特定代理108的代理价格306可以影响关于该代理108是否适合与特定客户或者顾客匹配的选择。在一个实施例中,基于这里所论述的任何代理能力因素或者未提及的任何其它因素,某些代108可能比其它代理更加昂贵。作为一个示例,与仅讲一种语言的代理108相比,双语代理108可能具有更高的代理价格306。基于不同处境,不同的客户102可以具有不同的价格/质量/能力要求。例如,在繁忙的午餐时间,速食餐馆客户102可能想要利用在获取和输入订单方面最快的代理108,而不管那些代理108具有更高的代理价格306的事实。以下将描述,这可由客户102经由客户要求输入来指定。同样,在顾客流较低的低行期(down period),同一速食餐馆可能想要最便宜、最低价格的代理108,而不考虑其它能力考虑。
在一个实施例中,代理价格306是表示对所提供的服务索取的价格的数据值,如上所述。在替代实施例中,代理价格306是推导价值,或者可替代地描述了与对所提供的服务索取的价格相关的输入的子类,例如,可以从其推导所索取价格的代理成本和利润率。例如,在订单分发器204由作为客户102的服务公司的第三方服务提供商106操作的情况下,服务提供商106将寻求扣除提供这种服务的成本并获取利润。为此,服务提供商106将定义与提供代理108相关联的成本,例如,薪水、福利、培训、设备等。另外,服务提供商106将定义他们寻求获取的利润率,该利润率可以是固定的或者动态的,例如随着需求、时段、高峰期等而变化。代理价格306可以从这些值的和推导得到。另外,还可以包括“扣减率”(“haircut”)或者偏置输入,其构成了扣除或增加可针对给定代理108收取的数额的因素,即,说明了代理108的价值,例如,代理108的能力水平、经验等。这种扣减率输入可以纳入代理价格306的推导,以将所索取的价格增加或降低到符合代理108的整体价值的数额。
在一个实施例中,可以用诸如金、银、或铜之类的标签来对代理108的能力评级,以表明不同级别的价格或能力。这些标签可以是整体评级,或者可以在不同类别中对代理108评级。因此,标签也可以对应于代理的价格,其中,金代理108具有最高价格,而铜代理具有最低价格。评级可以基于代理的能力水平来建立不同价格。客户102可以在非常繁忙时选择对金代理支付更高价格,而在客户102没那么繁忙时仅使用铜代理。某些客户102因为试图更加高效并改善顾客服务,所以可能仅想要使用金代理,而不考虑高价格。
在替代实施例中,可以不像如上所论述的那样对代理108评级,相反,每一个代理108具有基于在作为代理价格306描述的子类内的各种其它因素或输入的自我价格。所述因素可以是被分类为代理能力的那些因素,或者可以包括任何其它输入或因素。这些因素可以既包括主观因素又包括客观因素。主观因素可以基于管理者的复审(review)(例如,友善因素)来评估,而诸如每一个订单的处理时间或其它度量之类的客观因素可以被客观地测量,而不需要主观解释。因此,与得分低的代理相比,在一个或多个因素上得分很高的代理108可以具有更高价格。例如,客户102可以选择具有优秀顾客服务但是在其它类别中很一般的代理108,这是因为该代理108具有较低价格,但是向客户102提供了客户102更看重的给定特性。
被分类为代理能力的另一输入是利润率308。利润率308涉及订单分发器204针对代理108和顾客104的每一个匹配实现的利润。如上所述,利润率308可以是在代理价格306类别之下描述的输入并被纳入针对代理108所索取的价格中,但是利润率308也可以被视为分离的输入值或者与实施方式相关的值的子类。如果服务提供商106独立于客户102,则利润率308可以指来自由服务提供商106促成的每一个匹配的利润,而与代理108所收取的价格无关。同样,如果服务提供商106包括代理108,则利润率可以指由服务提供商106或代理108针对订单分发器204的每一个匹配所获得的利润。因此,服务提供商106向订单分发器204提供利润率输入。可替代地,如果服务提供商106是客户102的一部分,则利润率可以指客户102针对每一个匹配所接收的利润,并且客户102将利润率输入提供给订单分发器。利润率308是从每一个订单分发器204的匹配获得的利润的度量。订单分发器204可以使代理108与顾客匹配以为服务提供商106实现更高的利润。或者,订单分发器204可以利用利润率308输入来降低客户102的成本。
利润率308可以依赖于客户102针对与代理108的每一个事务所支付的代理价格306以及针对该事务与代理108相关联的所有成本。利润率308可以通过客户102将支付给特定代理108的代理价格306减去与该代理108相关联的所有成本(包括代理的支付费用)来确定。如上所述,价格越高并且成本越低,则代理更有价值。利润率308可被视为每一个代理108对服务提供商106而言的价值。其它因素或考虑可能影响利润率308。例如,已被评级/评分得非常好并且被认为是高质量代理、但是因为缺乏经验而具有较低支付费用的新代理108可以具有非常高的利润率308并且对服务提供商106而言被认为是非常有价值的代理108(但是相反,由于缺乏经验因而对于客户而言具有较低价值)。如以下将论述的,可以基于各个领域的表现(例如,与质量310相关联的输入)来对代理108评级或评分。具有很多经验但是被评级/评分为低质量代理的代理108可能具有较低的利润率308,这是因为经验可能赋予该代理较高的支付费用或成本,但是低质量等级可能导致客户102仅仅想要对该代理支付最低的价格,即,客户价值最低。
被分类为代理能力的另一个输入是代理的经验304。代理的经验304可以是在客户102定义他们感兴趣的特定的一组代理108时订单分发器204所考虑的输入。例如,客户102可能想要具有至少最少量的经验或者已经为其商店获取最少量的订单的代理108。代理经验304可以是由代理108提供给订单分发器204的输入,或者由服务提供商106提供给订单分发器204的输入。代理经验304可以包括代理108已经具有的可能有助于完成事务的任何过去或现在的知识。过去的工作或者在充当代理108之前发生的其它履历经验可能是相关的,并且涉及任何工作培训和实时的工作经验。
代理经验304可以是在判断费用或代理价格306时考虑的因素之一。例如,在两年的经验之后,假设其它能力/质量因素值得升级,则铜代理可以升级为银代理。在替代实施例中,代理经验304可以从其它输入推导得到,或者描述诸如过去经验、现在经验、或利用率水平之类的输入的又一个子类。以下将描述来自该经验子类的这些输入。
过去经验输入可以反映代理108在成为代理108之前具有的经验,并且可以是代理能力中的一个因素。例如,如果代理108在成为订单获取代理108之前是在速食餐馆获取订单的雇员,则这种经验对于代理108而言是有利的。
现在经验输入可以反映作为代理108在他们的当前位置上的任何时间和所作的努力,即,他们的现在在职经验。这种工作经验可以包括线下培训以及实时的在职学习。特定代理108已经处置事务的时间可被考虑为在职培训。一般而言,代理108处置事务和接待顾客104的经验越多,该代理108就将更加高效。除了在充当代理108时可能发生的学习或经验之外,还可能有对代理108的培训计划。培训可以用于使代理108准备好开始工作,或者可以有给代理充电的周期性培训课程。可能需要针对每一个代理108处置的事务所来自的不同客户102来培训每一个代理108。例如,对于速食餐馆客户102,可以有关于了解并变得熟悉该餐馆的菜单的培训。
利用率水平输入反映了无论是受代理108自己控制还是作为环境因素(即,没有足够的工作来保持代理108被100%利用)的情况下,代理108的作为其可获得性的函数的利用率。例如,代理108可以选择他们想要被利用的水平,以反映出代理108所希望的工作量。例如,代理108可以请求以80%的水平被利用,这意味着该代理108可以在80%的时间内在接听呼叫。因此,假设所有其它因素都相等,则与请求80%利用率的代理108相比,仅请求50%利用率的代理108将被用的较少。或者,可能仅有足够的工作量来保持特定代理利用其80%的可用时间。
实际利用率可以是与所请求利用率相分离的输入。例如,可以忽略代理的所请求利用率,例如如果对代理有很高的要求,则即使代理108请求50%的利用率,实际利用率也可能是80%。实际利用率可能取决于系统或服务提供商106所希望的利用率。允许代理108请求利用率水平提高了代理工作的灵活性。例如,如果代理108感觉不舒服,则他/她可能希望处置较少订单,因而他/她请求较低的利用率水平。相反,如果代理108想要处置许多订单,则他/她可以请求增大的利用率。但是,所请求利用率可以与实际利用率不同。实际利用率可被视为经验的一部分,这是因为代理108的实际利用率对代理的经验作出了贡献。换而言之,代理108被利用的越多,则该代理108将具有越多的经验。
被分类为代理能力的另一个输入是代理的质量310。代理质量310可以是在将代理108与顾客104匹配时的相关因素。代理质量310涉及代理108的一般能力,用以满足由服务提供商106、客户102等设置的特定标准,并且可以主观地和/或客观地确定。特别地,代理质量310可以反映对代理能力的各种度量与关联标准的比较结果。客户102可以在选择代理时考虑代理108具有的许多质量。代理质量310可以是代理108所具有的、客户可能考虑的任何品质。在一个实施例中,代理质量310可以是表示代理的整体质量值的输入。或者,代理质量310输入可以是从其它输入推导得到的值,或者可以描述与代理108的质量相关的输入的子类。
在替代实施例中,代理的质量310可以描述代理能力302的子类,其包括与代理108的质量相关的各种输入。此外,代理质量310子类可被划分为这里所使用的用于论述目的的附加子类,例如客观考虑和主观考虑。取决于实施方式,可以以不同方式对在任一个子类中的输入进行分类。
可以基于质量分数或等级来评估代理质量310,所述质量分数或等级包括与代理的表现相关的客观和/或主观数据。分数或等级可以表示代理的整体质量。或者,分数或等级可以从与代理质量310相关的输入推导得到。可以基于这里所列出的任何其它输入或者不包括在此的其它输入来评估每一个代理108。代理的分数可以影响代理108使服务提供商106花费的价格以及影响选择哪些代理。评估可以基于在诸如每一订单的速度或时间之类的输入方面与其它代理的客观比较。同样,评估可以主观地基于管理者针对诸如顾客服务之类的输入对代理表现的分析。对代理108的评分或评级可以影响客户102对他们的选择以及代理108使客户102花费的数额。
来自质量之类的输入可以由代理108、服务提供商106或其组合提供。任何质量考虑都可由服务提供商106或代理108自己记录。在一个实施例中,可以有数据库(未示出),该数据库存储这里所论述的所有输入以及每一个代理针对特定输入的分数/等级/值。因此,当客户102想要利用具有特定质量的代理108时,客户102或服务提供商106可以从数据库提取每一个代理108的质量以对代理108进行比较并选择最合适的代理108。
如上所述,质量310的子类可进一步被划分为客观或主观子类。主观质量是基于观点的那些质量,而客观质量是基于客观信息、观察和/或度量来测量的。如以下将论述的,客观元素的示例被报告为事件、准确性、销售过程、技术问题、速度、产生的收入、可靠性、语言能力、熟悉度、和可用软件。将在以下论述这些客观输入。
所报告的、代理108所陷入的事件或问题的数目可以影响客户对该代理的选择。在一个实施例中,所报告事件的数目是描述顾客104抱怨的数目或特定代理108具有的问题的值。特别地,这个输入对于具有大量顾客抱怨或显示出缺乏正确处置困难的顾客情形的能力的代理108而言具有重大意义。所报告事件的潜在示例可以是无礼、疏忽、不称职或者草率断开来自顾客的连接。这些事件可被报告为顾客对代理108的抱怨。所有代理108都可能具有来自不满足的顾客104的事件,但是相当大量的事件可能是更严重的顾客服务问题的指示。在一个实施例中,可由管理者出于质量控制目的来复审每一个所报告事件。管理者随后可以判断代理108是否对该事件有过错或者代理108是否正确地处置该紧张场面。对于得到专业处置的所报告事件,不应该责备代理108。相应地,如果判定代理108未正确处置紧张场面,则事件可以仅影响代理108的等级。所报告事件的数目可由服务提供商106记录或者由代理108自己记录。
准确性是来自代理质量310子类的客观质量子类的另一输入。在一个实施例中,准确性是描述代理108是否正确处置事务和/或订单而没有差错的数据值。准确性可以是对代理108准确为客户102接收并完成事务或订单的能力的度量。在一个实施例中,可以基于在监督监控给定事务期间检测到的、由顾客104或由客户102报告的错误订单来测量准确性。例如,如果代理108错误地输入大杯饮料而不是中杯饮料,并且顾客104将这个错误通知客户102,则该错误可包括在代理的所测量准确性中。订单准确性问题的其它示例可以是错误项目、错误量、遗漏项目、不适当的订单准备、未报告整个订单、草率断开顾客的连接、销售不可获得的项目、给出错误的订单总数、未能澄清订单、不适当的项目收费、错误的产品信息、超过了产品限度、或者错误优惠券。可能有许多潜在的准确性问题的其它示例。代理108错误完成事务或者顾客104因为代理108出错而未接收到正确订单的情况都可能导致该特定代理108的正确性值的减小。
与任何输入一样,对个人因素的度量可以至少部分基于管理者对顾客-代理交互的复审。在一个实施例中,管理者至少可以复审发生了抱怨或错误的事务以判断代理108是否有错。这种复审针对任何因素考虑代理108表现的更真实特性。例如,顾客104可能抱怨订单错误,但是如果证明是顾客要了错误项目,则不应当因为该声称的错误而责备代理108。
销售过程是在来自代理质量310子类的客观考虑子类之下的另一个输入。销售过程可以是表示代理108是否遵循客户102所建立的过程的数据值。销售过程可以是对代理108针对给定客户102要使用的正确过程的描述。销售过程可以随各个客户102改变而改变。例如,诸如速食餐馆之类的某些客户102可能想要代理108交叉销售和/或追加销售(up-sell),例如建议额外的或者更昂贵的项目,而优先于交叉销售和/或最佳销售,其它客户102可能想要更快的周转时间(turnaround)。销售过程可以指代理108针对特定客户102所要遵循的任何过程。代理108正确遵循所定义的销售过程上的错误可能将代理108标识为对特定客户102或事务而言不合格。销售过程可以包括其它因素,例如每一个事务的时限、建议正确项目、正确输入事务、未建议不可获得项目的替代品、或者代理108应当遵循的任何其它过程或协议。
另外的客观考虑输入是代理108利用必要技术来与顾客联系或通信的能力和成就。代理108所面临的技术问题可以是表示特定代理108是否具有技术问题或困难的数据值。频繁经历技术问题的代理108因为不可靠而不那么有价值。例如,技术问题可以包括在与顾客104通信期间的较差的音频质量、掉话、或者其它软件或硬件问题。无论技术问题是否是代理108的过错,服务提供商106都可能在与顾客104匹配时考虑特定代理108是否具有技术问题的历史。
另一个客观考虑输入是速度。速度可以是表示代理108接收、处理和完成事务或订单的速率的数据值。代理108的速度可以是在服务提供商106选择特定代理108时使用的重要输入。特定客户102可以具有应当进行每一个事务的设定时限。相反地,其它客户102实际上可能鼓励代理108与顾客104聊天,并且可能不怎么看重即时事务。可以用各种方式来测量速度,包括在限定时间段内的平均、最小和/或最大谈话时间、响应时间、呼叫数目,或其组合。
另一个客观考虑输入是代理108所产生的收入。所产生的收入可以是表示代理108所产生的总收入和/或代理108通过销售额外或更昂贵的产品而产生的额外收入的数据值。特定客户102可能要求代理108在事务期间向顾客104建议项目。例如,速食餐馆可能想要顾客104尝试其新的汉堡,因而可以要求代理108询问每一个顾客104他们是否想要尝试新汉堡。代理108影响顾客104点新汉堡的成功率可以是对代理质量的度量。因此,通过代理108的建议而产生的额外收入可以是为客户匹配代理108时的因素。同样,也可以为代理108测量事务的大小/总收入。客户102可能想要代理108充当销售专员并尝试向顾客104销售附加产品以最大化每一个事务的价值。能够成功说服顾客点附加产品的代理108对于特定客户102而言可能更有价值。每一个订单所产生的收入可以是对特定代理108的销售技术的度量。所产生的收入也可称为代理108的追加销售成就。因为太过热心的代理108可能得到顾客104的负面评价,所以需要使这个输入与顾客服务或友善度输入相平衡。客户102可能不得不平衡是包括产生更高的每订单收入的代理108更重要还是包括顾客104感觉更加友善的代理108更重要。客户102可以具有选择最符合他们需要的代理108的灵活度。
另一个客观考虑输入是可靠性。可靠性可以是表示代理108是否可靠的数据值。代理108的可靠性对于客户102而言可能很重要。可靠性可以包括代理108是否始终如一地表现得符合商店所设定的标准。或者,可靠性可以与许多其它输入相关。如上所述,在网络连接方面频繁具有技术问题的代理108可能不可靠。相反,具有很少的所报告问题事件的代理108可被视为非常可靠。相应地,在替代实施例中,可靠性可以是从这里未论述的其它输入或附加输入推导得到的推导值。
另一个客观考虑输入是代理108的语言/方言能力。语言/方言可以是表示代理108所讲或所具有的一种或多种语言或方言的数据值。客户102的顾客104可能讲不同语言或者具有特定方言,客户102将想要代理108匹配这些不同语言或特定方言。因此,针对特定顾客104可以选择讲顾客104的语言或具有类似方言的代理108。例如,如果顾客104仅讲西班牙语,则应当选择讲西班牙语的代理108。同样,对于位于南方的客户102,可以选择具有南方口音的代理108。因此,讲双语或多种语言的代理108因为他们能够处置与不讲英语的顾客104的事务,所以可能更加有价值。
另一个客观考虑输入是熟悉度。熟悉度可以是表示代理108对给定事务/订单类型、客户102或顾客104的熟知度的数据值。代理对特定客户102或事务的熟悉度可以提高代理的整体表现。这可以与代理的经验304相关。例如,如果代理108已经从特定速食餐馆获得许多订单,则该代理108可能比尚未从该餐馆获取许多订单的代理108更加有效。对菜单、产品或订单项目的熟悉度可以允许更顺利的事务。客户102可能想要具有更多经验或者对他们的商店或产品更加熟悉的代理108。增加的熟悉度可以改善诸如速度、准确性或所报告事件之类的许多其它质量考虑。
另一个客观考虑输入是代理108可获得的软件或信息。在一个实施例中,可获得信息可以是表示代理108对访问处置特定事务或订单所需的相关信息的访问权限的数据值。可获得信息可能与熟悉度因素相关,这是因为它是对代理108是否具有特定客户的信息的考虑。在一个替代实施例中,可获得信息可以是基于诸如熟悉度输入之类的其它输入的推导值,如上所述。例如,每一个客户102可以向代理108提供存货清单或者菜单,从而代理108可以在处置事务时访问该信息。如果特定代理108已经具有所有的相关数据/软件,则相比于必需向其提供新数据/软件的代理108而言,可以优选该特定代理108。可能要花费时间来向另一个代理发送、上载或以其它方式提供适当软件,因而客户102可以选择具有最新数据/软件的代理108以节省时间。代理108可能需要的数据/软件包括存货清单、菜单、优惠券、促销、特价、以及对于代理108处置事务而言可能相关的任何其它信息,包括来自任何其它考虑或因素的信息。
如上所述,代理质量310子类还可以包括主观考虑。主观考虑子类可以包括基于观点、估计、判断、印象等来确定或度量的输入。例如,对代理表现的管理者评估是主观度量。度量并没有正确或错误的方式,而是基于主观观点来作决定。如以下所论述的,示例性的主观考虑输入包括友善度和顾客服务。
一个主观考虑输入是友善度。在一个实施例中,友善度可以是表示对代理108所感知的友善度的数据值。在一个实施例中,友善度是可以通过管理者对代理与顾客的交互的复审来度量的主观输入。或者,友善度可以通过诸如顾客调查或意见卡之类的顾客反馈来度量。友善度可以包括各种各样的子因素,例如,问候、语调或注意力。无礼、无定见、不真诚、呆板/机械、不予帮助、或者不礼貌的代理108可被视为不友善。某些客户102可能想要代理108总是问候顾客104并且可能鼓励与顾客104“寒暄”。其它客户102可能想要尽快接收并输入订单,因而不鼓励不必要的交谈。订单分发器204在将代理108与特定客户102或顾客104匹配时可以使用对代理友善度的主观度量。
另一个主观考虑输入是顾客服务。在一个实施例中,顾客服务可以是表示代理108向顾客提供服务的能力的数据值。在一个替代实施例中,顾客服务可以是基于附加输入的推导值。例如,顾客服务可以与上述的友善度输入相关或者包括友善度输入。顾客服务考虑的示例可以包括及时问候、友善问候、不打断顾客、不讲的太快、给予正确信息、吐字清晰、感谢顾客、澄清顾客的订单、正确用语、不重复、以及不过快断开连接。另外,对于不寻常的顾客请求或问题的处置也可以表示良好顾客服务。顾客服务可以包括与顾客满意度相关的任何事项。在一个实施例中,可以在有关顾客与任意特定代理108的经历方面调查顾客。来自顾客调查的主观结果可包括在代理108的顾客服务分数中,并且该分数表示了顾客服务的输入。
除了代理能力类别之外,输入通常也可以被分类为客户要求。客户要求可以包括与客户102为了选择代理108而可以建立的要求相关的信息。所述要求可以包括以上在代理能力类别下论述的任何输入/考虑。图3示出了要求的附加类别。特别地,客户要求类别可以包括输入子类别,例如:客户信息312、价格314、顾客信息316和可靠性318。要求可进一步划分为静态考虑和动态考虑子类,如以下将论述的。静态考虑是在特定时间段内不波动的那些要求,而动态考虑可以在比为静态考虑限定的时间段短的时间段内波动。客户信息312可以是静态考虑子类的子类,而价格314、顾客信息316和可靠性是动态考虑子类的子类,如以下将论述的。
静态考虑可以是在所限定的时间段内不那么容易波动的那些要求。在一个实施例中,静态考虑包括通常在例如一天内不变化的那些考虑。如以下将论述的,静态考虑可以包括被分类为客户信息312的输入。静态考虑还可以基于信息保持静态或者有望保持静态的时间长度来分类。例如,客户信息312还可以包括恒定客户信息和可变客户信息,其中,恒定客户信息对于特定客户而言很少改变,而可变客户信息比恒定客户信息更可能改变,例如,该信息在一天中保持静态,但是可以一天一天地改变。以下将论述被分类为恒定客户信息和可变客户信息的输入。
恒定客户信息可以包括诸如客户类型和位置之类的输入。在一个实施例中,恒定客户信息可以是推导值,或者可以描述与诸如客户类型和位置之类的客户信息相关的输入的子类。客户类型可以指客户的类型或者客户所销售的产品的类型。客户类型可以是表示特定客户102具有的产业或产品的类型的数据值。例如,速食餐馆将在第二天保持为速食餐馆,并且不会一天一天地改变。因此,客户类型是餐馆或速食餐馆。
同样,客户102的位置通常也不改变,因而位置被视为恒定客户信息。位置可以是表示客户102的地理位置的数据值。客户102的位置可以是在为客户匹配代理108时的相关因素。例如,位于南方的商店可能要求具有南方口音的代理108。位于特定时区的商店可能要求也位于该时区的代理108。
除了恒定客户信息之外,静态考虑还包括可变客户信息。可变客户信息输入可以包括比恒定客户信息输入波动更频繁(例如,一天一天地波动)的客户信息输入。在一个实施例中,可变客户信息可以包括例如以下输入:当前在工作的工人的数目、在休息的工人的数目、优惠券/特价/促销、或者客户优先级。可变客户信息可以在一天中恒定,或者与以下将论述的动态考虑相比至少在客户102层面上可以已知或者可控,其可以一小时一小时地或者一分钟一分钟地变化,即,后续输入决不能假定为相同。
出现在特定客户102处或者正为特定客户102工作的工人数目可以影响代理108与该客户102的顾客104的匹配。在一个实施例中,工人的数目可以是表示当前工人的数目、或者在任意给定时间的工人数目的数据值。工人数目可能是相关的,这是因为如果客户102人手不够,则可能极大地依赖代理108以处置事务。相反,如果客户102具有许多雇员,则客户102可以选择不那么频繁地使用代理108,或者可能不愿意向处置事务的代理108支付一样多。同样,由于工人休息以及开始上班和下班,工人数目在一天中可能变化。在休息的工人可以是作为输入的数据值。作为一个示例,如果许多工人处于午休时间,则客户102可能需要更多代理108来处置事务。一般而言,工人数目和在休息的工人数目是落在静态考虑子类中的输入,这是因为它们可受客户的控制。换而言之,客户102通常知晓在任意给定时间将出现多少工人,从而客户102可以相应地作计划。
客户102可以提供的促销、优惠券、或特价可以是服务提供商106在匹配代理108时利用的考虑。在一个实施例中,促销、优惠券或特价可以是表示当前或以后的促销、优惠券或特价的数据值。促销的示例可以包括客户想要销售特定数目的特定产品的愿望。例如,如果新产品被发布,则客户102可能试图销售该产品以提升知名度。优惠券可以是关于特定产品的任何折扣或打折。特价可以是商店正在运行的任何节目或其它折扣。例如,在母亲节,客户102可以给与母亲们10%的折扣。客户102的促销、优惠券或特价信息在匹配代理108与顾客104时可能具有重大意义。取决于客户的促销、优惠券或特价,可能需要增加代理108的利用率。此外,如果特定代理已经知道促销、优惠券或特价信息,则该代理108可能是客户102的更加有效的匹配。
订单分发器204在选择和匹配代理时可以考虑特定客户102的优先级。在一个实施例中,客户或商店优先级可以是表示针对特定客户102的基于服务优先级的评级的数据值。例如,可以赋予客户102支付增加的费用以获得来自订单分发器204或服务提供商106的优先服务的选项。类似于代理分类,客户102可被分类为金、银和铜。金客户可以接收优先代理108和优先调度,而作为回报是客户102支付给服务提供商106或代理108的费用的增加。相反,铜客户可以具有较低优先级的服务,不过也可以为代理的使用支付较少费用。客户的优先次序可以不仅仅基于支付的费用,而是可以在试验时间段内赋予新客户102金优先级以鼓励该客户102利用系统和代理108。同样,如果特定客户经历了与服务提供商106或任何代理108之间的问题或困难,则可以将该客户102移动到金优先级以保持该客户102与服务提供商106的愉快合作。
如上所述,客户要求是输入到订单分发器204的输入类别,并且可以细分为动态考虑和如上所述的静态考虑。动态考虑包括其要求倾向于或者被假定为在特定时间段内波动的输入,而静态考虑可以或者被假定为在短时间段内不波动。在一个实施例中,动态考虑子类中的输入可以在一天中变化,或者甚至可能逐分地或逐事务地变化。或者,动态考虑可以包括商店对其不具有完全的控制或者无法预测的那些输入。如图3所示,动态考虑还可以包括诸如客户愿意为代理支付的价格314、顾客信息316和可靠性318之类的子类。以下将讨论这些子类的每一个。
由于客户102在一天的不同时间可能想要为代理108支付不同价格,所以客户102愿意为代理108支付的价格314是动态考虑。客户102愿意为代理108支付的价格可能受如上所述的代理能力、代理需求等的影响。客户102愿意支付的价格可能直接与客户102在任意给定时间针对代理建立的能力要求相关。例如,速食餐馆在午餐时间可能仅要求最快的代理108,尽管他们比较慢的代理108每订单花费的更多。同样,客户102可能想要为双语代理108支付更多以确保其顾客能够与代理108沟通。因此,上述的任何代理能力输入或者任何其它因素或输入可以影响任何特定代理108的价格和/或匹配。
客户102愿意为代理108支付的价格314还可以受队列状态的影响。因为队列状态可能频繁改变并且不受商店控制,所以队列状态是动态考虑。在一个实施例中,队列状态可以是表示与等待完成事务或订单的顾客104的数目相关的任何队列信息的数据值。在替代实施例中,队列状态可以是基于其它输入的推导值,或者可替代地,队列状态描述了与诸如队列数目和最大、最小或平均队列长度、等待时间和/或容量之类的队列信息相关的输入的子类。
队列长度可以是表示队列的长度的数据值,并且可针对餐馆的每一个操作队列或可获得队列来提供队列长度。队列长度可以是每一个可获得/操作队列的当前队列长度或者预测队列长度。例如,在速食餐馆中,队列长度可以是在免下车通道中的车辆数目。队列越长,对任何给定产品的需求就可能越大,从而增加了对代理的要求。因此,当客户的队列长度增加时,服务提供商106和/或代理108可能得到通知:可能要求他们分担处置事务的重任以减小队列。在一个实施例中,队列长度可以是表示任何给定时间的未兑现订单(back-log)的输入。
等待时间可以是表示顾客104在下订单或者完成事务之前必需等待的时间长度的数据值。在替代实施例中,等待时间可以是与队列长度或其它队列状态信息相关的推导值。等待时间可以通过将在前每一顾客的平均等待时间乘以队列长度来计算得到。例如,如果免下车餐馆的平均等待时间对于每一个免下车订单而言是30秒并且队列长度为5辆车,则第5辆车的等待时间是2分钟,这是因为在第5辆车之前的4辆车的每一辆花费了平均30秒钟。
等待时间可以包括基于当前队列长度的当前等待时间,或者可以包括基于与队列相关的其它输入或历史数据的历史等待时间。因此,等待时间输入可以是基于其它输入或历史数据的推导值。历史数据可以包括过去等待时间或者基于当时状况的队列状态信息。例如,历史数据可能提示给定假期导致了增加的队列长度。因此,订单分发器204在估计诸如队列长度或等待时间之类的未来队列状态信息时可以利用历史数据。
容量可以是表示客户102或特定队列在给定时间能够处置的顾客数目或数量的数据值。在替代实施例钟,容量可以是取决于队列状态或相关输入的推导值。容量可以包括最大队列长度。如果商店或客户102在一个队列中仅能够容纳十个顾客,则在队列长度接近容量的情况下,该商店可能需要采取行动来减小队列长度。
队列长度和等待时间的输入可能受许多因素的影响。例如,一天中的时间、星期几、季节、天气或地方性活动都可能会导致事务需求的波动。因此,可以有用于至少部分基于这些因素来确定的预测队列长度和预测等待时间的输入。因而,这些因素的每一个也可以是与队列状态相关的输入。客户102在一天的不同时间可能经历更大的需求和更长的队列长度。例如,速食餐馆知道队列在高峰期或在早餐、午餐和晚餐期间很可能达到最长。同样,零售商店可能在工作时间之后的工作日晚上接收更大的呼叫或订单数目。与一天中的时间一样,星期几也可影响顾客需求和队列长度。特定客户102在顾客不工作的周末会更加繁忙。某些客户102在夏天孩子们不上学的几个月期间最繁忙。
天气可能影响客户的队列长度。如果交通对于利用特定客户102是必要的,则恶劣天气可能妨碍顾客利用该特定客户102。因此,速食餐馆的免下车通道中的队列可能在暴风雪时最短。订单分发器204可以监控任意给定商店的天气,并获悉在特定的天气状况下需求将急剧下降。同样,在非常严热的天气,订单分发器204可以获悉餐馆中冰淇淋产品的销售会增加。订单分发器204可以与诸如提供天气信息作为输入的网站之类的第三方相链接。因此,订单分发器204可以估计产品需求以找到并匹配代理108与客户。
城市中的地方性活动可能致使增加对客户的需求。诸如体育活动、中学活动、毕业日、音乐会、市集、农贸市场、城镇惨案(town death)、收割计划、裂冰季节、或者捕猎季节之类的任何活动都会致使增加需求。例如,在中学足球场外边的速食餐馆在比赛结束时会具有非常大的需求。来自比赛的许多人会来到该餐馆,从而导致更大的队列长度以及对代理108接收顾客订单的增加需求。因此,订单分发器204可以接收地方性活动信息作为输入,以使其可以预见产品需求的波动。
在替代实施例中,队列状态以及诸如队列长度、等待时间和容量之类的相关输入还可分类为与产品需求相关的输入。在一个实施例中,产品需求可以是表示对一种或多种产品的需求的数据值。或者,产品需求可以是作为基于队列状态和相关输入的推导值的输入。在速食餐馆的午餐高峰期,代理108的价格因为产品需求处于顶峰而可能弥足昂贵。但是,当在较少有顾客的深夜并且产品需求可能很低时,餐馆可能想要为每一个事务或代理支付非常少的费用。具体而言,随着产品需求的增加,对代理108的需求也增加。相应地,客户102将为代理108支付的价格将很可能随着需求的增加而增加。
存货信息可以是与客户102愿意为代理108或者产品需求支付的价格相关的附加输入。因此,存货信息可以是表示商店或客户102的存货的数据值。代理108可能需要知晓产品的数量以及它们的立即可获得性。如果项目不可获得或者未准备好销售,则代理108可以建议替代品或者在产品可获得时通知顾客104。因此,服务提供商106在匹配代理108与顾客时可以向代理108提供正确信息。存货信息可以包括特定产品的数量和/或特定产品的生产队列。因此,在一个实施例中,存货信息可以是对订单分发器204的输入。
在替代实施例中,存货信息可以包括附加输入,例如存货数量和生产队列。存货清单中的一项目的数量可包括在发送给代理的信息中。如果一个项目具有有限的数量,则客户102可以要求代理108劝阻顾客104订购该项目或者建议替代项目。同样,对于具有非常大存货量的项目,可以鼓励代理108销售这些项目。生产队列是对可作为输入的产品存货的替代度量。生产队列可以提示有未兑现订单的特定产品正在生产中并且/或者可能无法立即可获得。一个示例将是:在速食餐馆中,因为炸薯条正在烹饪中,所以它们还不可得。代理108可以通知顾客104在几分钟内将无法获得炸薯条。
因此,对代理108的需要影响了客户102愿意为代理108支付的价格。高产品需求可能导致增加的队列长度和等待时间,而这会增加客户102愿意为代理108支付的价格。如上所述,动态考虑的第一子类是客户102愿意为代理108支付的价格314。
基于客户102的顾客104的需要,顾客信息316可能影响代理108与客户102的匹配。在一个实施例中,顾客信息316可以是表示诸如语言能力、排队时间量等的特定顾客信息的数据值。或者,顾客信息316可以是推导值,或者是包括与顾客104的信息相关的输入的子类。例如,如果顾客104讲与全体代理108通常所讲的语言不同的语言,则他/她可能需要与具有讲顾客104的语言的特殊能力的代理108匹配,例如,讲西班牙语的顾客104可以与讲西班牙语的代理108匹配。另外,顾客104的方言也可通过代理108来匹配。在一个实施例中,可例如通过语音识别来自动确定顾客104的方言,并且可将具有相似方言的代理108与该顾客104连接。例如,具有南方口音的顾客104可与具有南方口音的代理108匹配。无论商店的位置在哪都可实现这个匹配。例如,在芝加哥商店处的具有南方口音的顾客104仍然会优选具有南方口音的代理108。同样,顾客信息还可以包括任何附加顾客请求例如,具有听力问题的顾客104可与呼叫或连接被配置为额外大声的代理108匹配,从而使得顾客104可听到该代理。
动态考虑还包括与网络或电力可靠性318相关的输入。在一个实施例中,网络或电力可靠性318可以是给订单分发器204的输入,其反映了特定代理108的网络或电源的可靠性或连贯性。客户102与订单分发器204的连接和/或与代理108的连接可以是服务提供商106在匹配代理108与顾客104时使用的考虑。如果客户102的网络连接不稳定,则可能有必要仅选择具有非常强的网络信号的代理108以确保连接质量。
以上所论述的输入/要求或其推导值可被提供给订单分发器204以用在代理108选择过程中。将会了解,可以有给订单分发器204的额外或更少的输入,并且这些输入可以不同于上述实施例地被分类或者源自与以上实施例所描述的源不同的源。匹配可被设计为选择最好地满足客户102的需要的代理108。以下将论述,在选择时使用的输入通常将被称为属性。
图4是根据一个实施例的订单分发器系统400的框图,该订单分发器系统400对上述输入、属性和/或因素进行分析,以基于那些输入/属性来选择最佳代理108。特别地,系统400实现了用于分析代理108、客户102/商店402、顾客104和其它数据的处理,以确定哪个代理108应当与特定顾客104匹配。将会了解,可以有实现所公开的用于选择最佳代理108的功能的其它实施方式。
系统400包括订单分发器204,如上所述,订单分发器204具有接收器206、处理器208和选择器210,用于接收信号、订单请求或顾客存在性指示并响应于接收而匹配代理108与顾客104,如上所述。在图4的实施例中,通过将诸如上述输入/属性或其子集之类的相关数据与强制性属性集以及可选地与可选属性集相比较/评估,为特定顾客104选择针对呼叫或订单的最佳代理108。在一个实施例中,强制性属性集可以是最佳代理108必需满足的客户要求的子集,并且可选属性集可以是代理108不是必需满足但是可以标识最佳代理108的客户要求。因此,例如通过确定与给定代理108的能力相关的输入基本满足与客户102的客户要求相关的输入,最佳代理108可被选择以便全部或部分满足预定义的强制性属性集或者所定义的其子集。另外,还可以有在选择代理108时也考虑的预定义可选属性。如果未找到满足强制性属性的代理108,则事务可能被停止并且客户/商店102随后可能在没有代理108的情况下内部处置顾客事务或订单。或者系统400可以在所定义的等待时间段之后作出一个或多个后续尝试以选择代理108。所定义的等待时间段可以是固定的、随机的或者基于代理可获得性分析。
一般而言,所公开的实施例响应于订单请求(即,对顾客存在并且正在等待的指示)而以快速且灵活的方式选择代理108。在一个实施例中,订单分发器204可以分析可获得代理108,并在大约20毫秒或更少的时间内选择适当的代理108。最大时间取决于实施方式而可变化。所公开实施例的决策过程是可修改的,从而可基于适合特定客户102、商店402或服务提供商106的属性来为该实体选择代理108。
订单分发器204的接收器206从诸如服务提供商106、商店402、客户102、外部服务公司404、数据库406和/或代理108之类的各种源接收包括上述任何输入/属性的属性输入。订单分发器204还包括与接收器206耦接的一个或多个差异处理器416、与差异处理器416耦接的一个或多个重映射处理器418、与重映射处理器418耦接的一个或多个加权处理器420、以及与加权处理器420耦接的选择器210。在一个实施例中,差异处理器416、重映射处理器418和加权处理器420可以是单个处理器208的一部分。输入数据包括被示出为P14121-n和P24141-n的客户要求和/或相应的代理能力,其将如下所述地被处理和比较。对属性的处理包括对属性求差416、重映射418和加权420,以推导输入到选择器210的分数/等级,如下所述。系统400还可以包括重映射数据库419和加权数据库421,其中,重映射处理器418可以从重映射数据库419提取数据和/或在其中存储数据,并且加权处理器420可以从加权数据库421提取数据和/或在其中存储数据。选择器210基于属性比较和得到的分数来选择适当的代理108。在一个实施例中,一旦作出选择,选择器210就将诸如订单请求之类的相关数据传送给所选代理108,从而所选代理108可以处置事务,即,启动到顾客的连接,或者可替代地接收来自顾客的连接。
图5A是示出根据一个实施例、图4的订单分发器204在接收到订单请求或顾客存在信号/指示时的示例性操作的流程图。如上所述,由接收器206接收客户要求和代理能力属性(块502)。将会了解,可在接收到顾客存在指示之前、同时或之后接收客户请求和代理能力属性。如图4所示,服务提供商106、客户102和代理108可提供诸如客户要求、代理能力、顾客信息或任何其它输入之类的相关属性,这些属性可在顾客存在指示的接收之前、同时或之后被接收。将会了解,客户102和商店402可以是同一实体,或者它们可以是不同实体,即,客户102可以例如以特许经销权的形式拥有和/或操作一个或多个商店402。因此,客户102和商店402可以提供输入的不同子集。例如,商店402可以提供有关其顾客104所需的要求的属性。外部服务公司404可以提供附加数据/输入,例如提供天气预报的天气信息提供商,或者提供交通信息、地方性活动/新闻信息等的其它信息提供商,这些附加数据/输入可在顾客存在指示的接收之前、同时或之后被提供。数据库406可以包括用于订单分发器204的内部存储器或存储装置和/或外部存储器、存储装置或数据库,其存储并提供可在选择代理108时使用的历史或预先提供的数据或属性。例如,代理108的质量可记录在数据库406中,以使其可用在选择代理108中,而不是需要系统从客户102、服务提供商106或代理108提取该信息。
随后由订单分发器204例如从零值总分开始处理每一个代理的客户要求和/或代理能力的每一个属性(块504),分数值是通过分析每一个属性/要求来计算得到的,并且被求和以得到总分以用于稍后代理间的比较。以下将论述,在一个实施例中,订单分发器204可以对给定代理108的所有代理能力与特定客户102的客户要求进行比较并计算合成分数值,之后再对后续代理108执行比较并计算合成分数值,如图5B所示。在替代实施例中,可将每一个代理108的特定能力与特定客户102的相应客户要求相比较,之后再比较下一个代理能力,如图5A所示。将会了解,分析代理108及其关联属性的顺序取决于实施方式。例如,对所有代理处理给定属性之后再移动到下一个属性,而不是处理每一个代理108的所有属性之后再移动到下一个代理108,可以允许订单分发器204消除代理108的早期竞争,从而减少后续处理。将会了解,可以预先处理为选择而分析的代理108的集合,以减少经历分析的代理108数目或者在其它情况下为了更高效的分析而优化代理108数据。例如,例如因为未登录等而不可获得的代理108可立即被消除以避免进行进一步分析。此外,可以对代理108排序,或者在其它情况下可在代理108之间执行对一个或多个代理能力的比较,以使得可以首先分析更加可能与客户要求匹配的代理108,之后再分析不怎么可能匹配的代理108。这样,加速了分析和匹配过程。如图4所示,处理器208接收来自接收器206的各种输入,并执行以下将描述的必要比较和其它操作,并将结果提供给选择器210。
在执行代理108与客户102的比较时,订单分发器204可以比较为订单分发器服务的所有代理108或者仅仅比较其子集(块506)。如图4所示,每一次比较操作对可能是代理108的属性(例如,代理能力)的第一属性P14121-n与可能是来自客户102的属性(例如,相应的客户要求)的第二属性P24141-n进行比较。如上所述,在一个实施例中,在对所有代理108执行给定属性的比较之后再执行后续属性的比较。或者,可在执行给定代理108的所有属性的比较之后再执行另一个代理108的比较。比较属性和代理108的顺序取决于与实施方式。
对于每一次比较操作,针对特定属性计算选中代理108与客户102之间的差异(块508)。更具体而言,图4的差异处理器416可以对选中代理108的1-n个属性P1与客户102的相应属性P2进行比较。在一个实施例中,例如在属性具有从一个范围的可能值或者可能值集合中选择的值的情况下,差异处理器416可以使用表示为积分属性或符号整数的属性来执行差异计算。以下将论述,属性也可被作为比特数列来处理,即,多个属性值可被连接成单一表示,从而允许它们在单次操作中被处理。下面的图表图示了客户102的示例性属性及其关联数据类型,其可由差异处理器416使用。可以考虑附加属性,例如,上面参考图3论述的任何属性/输入。
在一个实施例中,属性集可以是诸如以下属性的属性的子集:讲英语、讲西班牙语、代理是否受全面培训、以及对商店类型(甜品店)的熟悉度。如上所示,属性集可以是比特数列,例如4比特二进制值,其中每一个比特表示客户102想要所选择的代理108具有或不具有的属性,其中,1表示需要该属性,而0表示不需要该属性。例如,根据属性集的图表,四比特数列“1100”可以表示商店想要讲英语和西班牙语但是未受全面培训且不能在甜品店工作的代理108。比特值或比特数列可以用于本质上为二进制的那些属性,例如,它们或者存在或者不存在、或者真或者假,等。如上所示,其它属性可用整数而不是比特数列来表示,其中,该属性可以具有一个范围的值中的一个或多个值。整数可以从0-9取值,其中9为最大值。因此,客户102可能需要速度至少为5并且准确性至少排在7的代理108。
以下图表示出了代理108的、差异处理器416可以使用的属性的一个示例。代理108的属性可以与上述客户102的要求相同。
如上所述,比特数列或整数可以表示代理108是否具有一属性。对于比特数列而言,1指示出代理108具有该属性而0指示出代理108不具有该属性。根据该图表,具有四比特数列1011的属性集表示讲英语但不讲西班牙语、受全面培训且可在甜品店工作的代理108。此外,如上所述,可用整数而不用比特数列来表示某些属性。
以下图表图示了不直接与客户102/商店402或代理108相关联的全局属性(global property)的一个示例。可以考虑附加的全局属性,例如上述的任何属性/输入。
名称 | 逻辑类型 | 描述 |
当前时间 | 整数 | 编码为整数的时间戳,表示开始决策过程的时间 |
可由差异处理器416通过对属性P14121-n与属性P24141-n求差来分析、比较并区分以上列出的所有属性。在一个实施例中,差异处理器416可以对来自每一个代理108的属性与相应的客户102属性进行比较来确定每一个代理108的分数。比较可以确定代理108是否满足客户的最低要求。差异处理器416可以执行差异计算,例如,简单的算术差或者比特差,如以下将论述的。在一个实施例中,简单的算术差用于比较表示为整数的属性并对它们求差,而比特差运算用于比较用比特数列表示的属性并对它们求差。使用符号表示比特差,比特差可定义为两个比特数列a和s返回整数值的函数,如下所示:
其中,&表示比特“与”运算符。a可以表示代理108的属性集,而s可以表示商店402或客户102所需的属性集。比特值函数cb(x)返回数列表示x中1比特的数目。比特差运算可用于比较客户102所需的属性集与代理108的属性集。
如上所述,属性集可被视为比特数列,其中,每一个比特表示一种属性。如果客户需要该属性,则该属性可用1表示,而如果不需要该属性,则用0表示。同样,对于代理108,如果代理108具有特定属性,则该特定属性用1来表示,而如果代理108不具有该属性,则用0表示。数列中的每一个比特可以表示存在(1)或不存在(0)的属性。以下表格包含了对样本客户和代理属性集(总共具有6种属性)的比特差运算的示例。
如上所示,如果比特差为0,则代理108的属性集与客户属性集要求恰好匹配。如果比特差为负,则代理108缺少客户102所需的必要属性。如果比特差为正,则代理108具有客户102所需属性以外的附加属性。在一个实施例中,如果比特差为0或为正则选择代理108,而如果为负则不选择。
差异处理器416也可使用算术差来比较属性P1和P2。如上所述,可用整数0-9表示属性。如果客户102需要整数值为5的属性,而对于特定代理108,该属性仅为3,则算术差为-2。如上所述,负值意味着代理108不能满足客户102对该属性的要求。同样,零值意味着代理108恰好满足客户102对该属性的要求,并且正值意味着代理108超过了客户102对该属性的要求。
在差异处理器416执行比特差或其它差异计算之后,得到的差值可被重映射(块512)。返回到图4,可由重映射处理器418执行重映射。重映射处理器418可被配置为按比例调整或在其它情况下归一化由差异处理器416计算得到的值。在一个实施例中,重映射处理器418可能是多余的,并且选择器210可以在经过或不经过加权处理器420的情况下使用差异处理器的未经重映射的值,如以下将论述的。或者,差异操作可被修改以取代对差值重映射的需要。
在一个实施例中,可使用动态重映射函数来按比例调整、平衡和/或均衡计算得到的差值。特别地,在用整数表示比特差或算术差的情况下,可以不提供有关整数的意义的附加信息。例如,两个代理可以各自用+1的差异计算结果来表示,但是取决于各个代理108所具有的额外属性,假定它们并不相同的情况下,一个代理可能比另一个更有价值。重映射可以为客户102之一的额外属性建立增加的值。如果代理108之一讲西班牙语,而这并不是要求,则该代理108对于客户102而言可能比具有高追加销售率的代理108更有价值。重映射可用于重新定义从差异计算得到的值的意义。重映射允许了一种灵活方法,该方法赋予或者重新定义每一个代理108的属性相比于客户102的值。
在一个实施例中,重映射函数是具有一个整数参数的整数值函数,例如,对于给定输入,重映射函数返回一整数输出,该整数输出表示根据该函数重映射后的输入。可通过基于输入计算函数值,或者可替代地通过使用输入值从预先计算得到的函数值表格(例如,存储在数据库或者内容可寻址存储器中的表格)查找关联输出值来完成重映射。在差异处理器416所计算得到的差为“d”的情况下,利用重映射函数R的重映射是对R(d)的计算。可从不同类型的函数逐步建立(build up)重映射函数。图6-9图示了可使用的四种类型的示例性重映射函数。将会了解,也可使用在包含所公开的示例性函数的函数类之内或之外的其它函数、或其组合。
图6是示出结合所公开的实施例使用的示例性分段重映射600函数的图表。分段重映射对于给定间隔将值或参数映射到恒定值。图7是示出结合所公开的实施例使用的示例性线性重映射函数700的图表。线性重映射可使用简单的线性函数来对值进行重映射。分段重映射600可通过组合线性函数来定义,但是,分段重映射对于特定线性函数而言可能是捷径(shortcut)。图8是示出结合所公开的实施例使用的示例性Lagrange重映射函数800的图表。Lagrange重映射使用Lagrange插值并基于插值来赋予函数值。任何线性重映射700或分段重映射600都可通过组合Lagrange插值来定义。因此,线性重映射700和分段重映射600可被视为Lagrange重映射的捷径。图9是示出结合所公开的实施例使用的示例性Hermite重映射函数900的图表。Hermite重映射使用Hermite曲线插值并基于该曲线来赋予函数值,其中,Hermite曲线插值是作为一种正交多项式的Hermite多项式。Hermite重映射可能比Lagrange插值更有用,这是因为除了控制点的位置之外,曲线的正切也可变化。基于在选择过程中该属性希望具有的影响以及属性自身的本质和其可以具有的值的类型,特定函数被选择来重映射特定属性值。特定函数可以加强或强调特定属性值(例如,对于较高优先级属性),从而增大它们对选择过程的影响,同时削弱不那么重要的属性并防止它们在选择过程中占支配地位。此外,可以使用非线性函数来加强特定值或者值的范围,同时削弱所述特定值或者值的范围以外的值,例如,反映出对于在给定范围以外的值返回减小的值。
由于性能原因,所有的重映射函数都可被预先计算并存储作为整数数列。因此,在决策过程中,重映射可能仅需要查找整数数列。如图4所示,每一个重映射处理器418都与重映射数据库419耦接。重映射数据库419可以存储由重映射处理器418使用的经过重映射的值。重映射处理器418也可将所执行的任何重映射计算发送到重映射数据库419以供存储和潜在的未来使用。重映射数据库419可以包括哈希表以加速通过特定属性的搜索,例如通过客户102或代理108的标识。
在差值被重映射之后,得到的经过重映射的值可被乘以加权值(块512),以取决于给定属性的优先级来进一步强调或削弱在整个选择过程中的值。如图4所示,加权处理器420接收经过重映射的值,并且可以生成表示特定代理108与客户102的兼容性的分数。从重映射函数得到的每一个值都可乘以加权值。加权值可以与正被比较的给定属性相关联,并且这些值可以存储在加权数据库421中。加权可以包括将经过重映射的值与整数值权重相乘以生成分数。
以下图表图示了许多属性的样本比较。
属性1 | 属性2 | 差 | 重映射 | 权重 | 描述 |
代理.属性集(所需) | 商店.属性集(所需) | 比特 | 分段重映射(图5) | 1000 | 实施所需的属性。由于重映射,至少缺少1种属性的代理将获得最低分数,同时具有额外属性的代理可能不被优选。 |
全局.当前时间 | 代理.上一次使用的时间 | 算术 | Hermite重映射(图8) | 100 | 订单分发器(“OD”)试图利用处于相同水平的代理。 |
代理.属性集 | 商店.属性集 | 比特 | 线性重映射(图6) | 10 | OD不选择具有多于所需属性的代理。 |
商店.高峰期 | 代理.速度 | 算术 | Lagrange重映射(图7) | 5 | 在高峰期OD为商店选择较快的代理。 |
商店.速度 | 代理.速度 | 算术 | Lagrange重映射(图7) | 1 | OD选择在速度方面适合服务水平的代理。 |
商店.准确性 | 代理.准确性 | 算术 | Lagrange重映射(图7) | 1 | OD选择在准确性方面适合服务水平的代理。 |
商店.友善度 | 代理.友善度 | 算术 | Lagrange重映射(图7) | 1 | OD选择在友善度方面适合服务水平的代理。 |
商店.追加销售成功 | 代理.追加销售成功 | 算术 | Lagrange重映射(图7) | 1 | OD选择在追加销售成功方面适合服务水平的代理。 |
如上所示,比较了代理108和商店402/客户102各自的属性。差异计算可以是比特差或者算术差,如上所述。在重映射列中示出了对于特定属性的重映射函数。对于各个属性的权重被示出为使得代理108与客户102的差异被乘以1000,而“速度”被乘以1。这表明所需属性的价值是权重仅仅为1的属性的1000倍。得到的值是对特定代理的评级,并且在此将被称为代理108的分数。加权可用于偏重特定属性并对在选择适当代理108时被视为具有更高价值或更高可靠性的那些属性加价,同时对较低价值或较低可靠性的属性减价而不必然消除这些较低价值或较低可靠性的属性。
将会了解,代理108可以包括耦接在一起并顺序或并行操作的一个或多个处理器,例如,一个或多个微处理器。差异处理器416、重映射处理器418和加权处理器420可用诸如微处理器或处理器208的硬连线逻辑之类的硬件实现,或者用在处理器208的一个或多个处理器上执行的软件实现。在一个实施例中,处理器208被实现为能够多线程执行的一个或多个通用处理器,例如,x86级处理器。在该实施例中,差异处理器416、重映射处理器418和加权处理器420被实现为由处理器208执行的软件进程,其中,差异处理器416、重映射处理器418和加权处理器420的多个实例可以并行或顺序执行以实现上述功能。
代理108和/或属性的经过重映射和加权的分数值随后被传递到选择器210(块514),选择器210可以对这些值求和,对它们进行计算以算出总分。或者,如图5B所示,在对给定代理的属性与要求进行比较时,计算得到的分数被求和来算出该代理108的综合分数,之后再移动到下一个代理108(块526、528、508、510、512、530、518、516)。如图4所示,选择器210针对每一个属性分析从各个代理108接收的分数,将其与特定客户102相比较。选择器210随后可以基于分数针对呼叫来匹配代理108与特定客户102。订单分发器204可以具有分数定义列表,该分数定义列表包含用于在代理108之间比较以便匹配代理108与客户102的一个或多个分数(属性1、属性2、差异类型等)。分数定义列表可以存储在可快速访问的存储器内数据结构中,并且可从随时可被更新的配置文件中读取。
随后可选择另一个代理108,以针对特定属性与客户102相比较(块516)。过程循环通过每一个代理108,然后可选择不同属性(块518)。随后针对每一个代理108来分析该不同属性。因此,针对每一个属性,为该特定属性将每一个代理108与客户102相比较,如上所述(块508-514)。在替代实施例中,针对每一个属性将代理108与客户102比较之后再移动到下一个代理108。
在针对每一个属性在客户102和每一个代理108之间进行比较之后,然后就可选择最佳代理(块520)。返回来参考图4,选择器210可以比较代理108的分数以为给定客户102、商店402或顾客104确定最佳代理。特别地,商店S可以要求订单分发器204选择获取呼叫和订单的最佳代理108。代理108可被表示为A1、A2、...An。订单分发器204通过针对商店S计算每一个代理Ai的整数值(等级/分数)来分析各个代理108。如上所述,可通过下式来计算等级:
其中,pj 1(商店,代理,全局)和pj 2(商店,代理,全局)表示属性1和属性2的值,其可以是客户102、商店402的属性,不同代理108的属性或者全局属性。如上所述,◇表示算术差或比特差运算,mj表示映射函数,并且wj表示给第j个分数的权重。因此,上式可用于计算特定代理108相对于客户102的分数。选择器210使用各个代理108的分数来选择最佳代理108。在替代实施例中,可使用不同的式子或不同变量来不同地计算选择器210所比较的分数。
在计算各个代理的分数期间,订单分发器204追踪具有最高分数的代理108。如果最高分数大于或等于预定值(例如,最低分数),则具有最高分数的代理108可被选择为获取呼叫的最佳代理。如果所有代理108都不满足最低分数,则因为没有代理108满足客户102的最低要求而放弃呼叫。
在一个实施例中,订单分发器204的示例性操作可以如下所示:
订单分发器204的决策过程的示例
这个示例假设订单分发器204使用以下表格所示的分数函数来工作,从而实现针对决策过程的要求。还假设当前时间为1000(其可用例如秒、毫秒等的任何时间单位来度量,这对于本示例而言并不重要)。
属性1 | 属性2 | 差 | 重映射 | 权重 | 描述 |
代理.属性集(所需) | 商店.属性集(所需) | 比特 | 分段重映射(图5) | 1000 | 实施所需的属性。由于所选择的由重映射处理器418使用的重映射函数,至少缺少1种属性的代理108将获得最低分数,同时具有额外属性的代理108可能不被优选。 |
全局.当前时间 | 代理.上一次使用的时间 | 算术 | Hermite重映射(图8) | 100 | 订单分发器204试图利用处于相同水平的代理108。 |
代理.属性集 | 商店.属性集 | 比特 | 线性重映射(图6) | 10 | 订单分发器204不选择具有多于所需属性的代理108。 |
商店.高峰期 | 代理.速度 | 算术 | Lagrange重映射(图7) | 5 | 在高峰期订单分发器204为商店选择较快的代理108。 |
商店.速度 | 代理.速度 | 算术 | Lagrange重映射(图7) | 1 | 订单分发器204选择在速度方面适合服务水平的代理108。 |
商店.准确性 | 代理.准确性 | 算术 | Lagrange重映射(图7) | 1 | 订单分发器204选择在准确性方面适合服务水平的代理108。 |
商店.友善度 | 代理.友善度 | 算术 | Lagrange重映射(图7) | 1 | 订单分发器204选择在友善度方面适合服务水平的代理108。 |
商店.追加销售成功 | 代理.追加销售成功 | 算术 | Lagrange重映射(图7) | 1 | 订单分发器204选择在追加销售成功方面适合服务水平的代理108。 |
从以上表格可见,对于第一和第三个要求使用了比特差,而对于所有其它比较使用了算术差。如上所述,比特差用于比较客户(商店)的所需属性集或代理108的属性集的要求,即,属性集表示无法简单地彼此相减的一组技能。
例如,假设存在三种技能,英语、西班牙语和甜品(甜品可以表示对所有甜品都有深入的认识)。用由3个数位0和1组成的二进制数来表示这三种技能,例如,001、110等。
假设商店需要熟悉所有甜点的讲西班牙语的代理108,并且假设存在讲英语但不讲西班牙语且熟悉所有甜点的代理108。在这种情况下,商店的所需属性集是011,而代理的属性集是101。显然,不能仅仅因为两个属性集具有相同的元素数就说两个属性集的差异为零,并且简单的算术差对于查明代理是否满足商店的需要而言可能不起作用。因此利用比特差运算,其给出了-1的结果,在这种情况下,意味着代理108不讲西班牙语(缺少1种所需属性)。
表格中的所有其它要求都可用简单的算术差来处置,这是因为它们是“正常的”整数值。同样,可以通过简单的算术运算来计算当前时间与代理108的上一次使用时间属性之间的差异计算值。如果曾在第972秒使用代理108,并且当前时间为1000,则在1000-972=28秒以前使用过代理108。
另一方面,对于“正常的”整数值,使用比特差可能毫无意义,并且将用算术差或比特差的整数值来比较属性集也可能毫无意义。
从以上表格得出的又一个兴趣点在于代理108和商店的属性集被使用两个不同的重映射函数和两个不同的权重来比较了两次。第一次比较实现了以下要求:该要求确保了选中代理108确实具有商店所需的能力。第二次比较实现了以下要求:该要求确保了如果有多于一个具有商店所需能力的代理108,则订单分发器204将试图从不具有多于所需能力的那些代理108中选择代理108。
在一个实施例中,这两个要求可以合并成一个,但是在替代实施例中,第二个要求(正确利用代理108)的优先级低于第一个要求但高于第三个要求,即,由表格中的全部要求的集合定义的当前商业需要。从而,该模型绝对能够对任何属性比较任何次数。如上所述,如商业需要所定义的,订单分发器204整体考虑的或者逐个客户102地考虑的属性以及每一个属性纳入选择过程的优先级是取决于实施方式的,并且取决于所涉及的各方的商业要求。
示例#1
在以下示例中,假设订单分发器204正在处置两个代理,并接收到来自客户102(商店)的订单传送请求。以下表格总结了所需能力和代理108的能力以及当前时间。
客户102(商店)需要 | 代理1 108具有 | 代理2 108具有 | 全局 | |
属性集 | 0111 | 0111 | 1111 | N/A |
速度 | 50 | 50 | 50 | N/A |
上一次使用时间 | N/A | 787 | 971 | N/A |
准确性 | 50 | 50 | 50 | N/A |
友善度 | 50 | 50 | 50 | N/A |
追加销售成功 | 50 | 50 | 50 | N/A |
当前时间 | N/A | N/A | N/A | 1000 |
在这种信息的情况下,订单分发器204计算第一代理(1)108的等级,如以下表格所示:
类似地,订单分发器204计算了第二代理(2)108的等级,如以下表格所示:
从以上表格可见,第一代理(1)108的等级高于第二代理(2)108的等级,因此订单分发器204选择第一代理(1)108来获取呼叫。
示例#2
在前一个示例中,代理108等级之间的差异主要由它们的上一次使用时间属性的差异所导致。在本示例中,第一代理(1)108的上一次使用时间属性被修改为与第二代理(2)108相同。
客户(商店)需要 | 代理1 108具有 | 代理2 108具有 | 全局 | |
属性集 | 0111 | 0111 | 1111 | N/A |
速度 | 50 | 50 | 50 | N/A |
上一次使用时间 | N/A | 971 | 971 | N/A |
准确性 | 50 | 50 | 50 | N/A |
友善度 | 50 | 50 | 50 | N/A |
追加销售成功 | 50 | 50 | 50 | N/A |
当前时间 | N/A | N/A | N/A | 1000 |
在更新后的这种情形下,订单分发器204计算第一代理(1)108的等级,如以下表格所示:
可见,第二代理(2)108的等级并未改变,即,在本示例中,第二代理(2)108的所有属性以及所有决策要求保持相同。因此,在这种情况下,订单分发器204仍然选择第一代理(1)108来获取订单。可见,在本示例中,等级之间的差异100是由第三要求导致的,第三要求使得订单分发器204试图不选择具有多于所需能力的代理108。
可在计算机系统1000上实现订单分发器204,如图10所示。另外,客户102、服务提供商106、代理108、重映射数据库419、加权数据库421、处理器416-418、或者图1、2和4中的其它组件也可在如图10所示的相同或不同的计算机系统1000上实现。计算机系统1000可以包括用逻辑或计算机程序来实现的指令集,其可被执行来致使计算机系统1000执行这里所公开的任何一个或多个方法或者基于计算机的功能,例如,将代理108与客户/顾客相匹配。计算机系统1000可以用作独立设备,或者可以使用网络来连接到其它计算机系统或外围设备。
在联网部署中,计算机系统1000可以以服务器的身份来操作,或者作为服务器-客户用户网络环境中的客户用户计算机来操作,或者作为对等(或分布式)网络环境中的对等计算机系统来操作。计算机系统1000还可被实现为或并入各种设备,例如,个人计算机(“PC”)、笔记本PC、机顶盒(“STB”)、个人数字助理(“PDA”)、移动设备、掌上型计算机、膝上型计算机、台式计算机、通信设备、无线电话、陆线电话、控制系统、相机、扫描仪、传真机、打印机、传呼机、个人信任设备、web设备、网络路由器、交换机或网桥、或者能够执行指令集(顺序地或者以其它方式)的任何其它机器,其中,该指令集指定了要由该机器执行的动作。在特定实施例中,可使用提供语音、视频或数据通信的电子设备来实现计算机系统1000。此外,虽然图示了单个计算机系统1000,但是术语“系统”还应当被理解为包括单独或联合执行一个或多个指令集以执行一个或多个计算机功能的多个系统或子系统的任何集合。
如图10所示,计算机系统1000可以包括处理器1002,例如,中央处理单元(“CPU”)、图形处理单元(“GPU”)或者两者。处理器1002可以是在各种系统中的组件。例如,处理器1002可以是标准个人计算机或工作站的一部分。处理器1002可以是一个或多个通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列、服务器、网络、数字电路、模拟电路、其组合、或者用于分析和处理数据的其它现在已知或以后开发的设备。处理器1002可以执行软件程序,例如,手动生成(即,编程得到的)的代码。
计算机系统1000可以包括可以经由总线1008通信的存储器1004。存储器1004可以是主存储器、静态存储器或者动态存储器。存储器1004可以包括但不限于诸如各种易失性和非易失性存储介质之类的计算机可读存储介质,包括但不限于随机访问存储器、只读存储器、可编程只读存储器、电可编程只读存储器、电可擦除只读存储器、闪存、磁带或磁盘、光介质等。在一个实施例中,存储器1004包括用于处理器1002的高速缓存或者随机访问存储器。在替代实施例中,存储器1004与处理器1002相分离,例如,处理器的高速缓存存储器、系统存储器或其它存储器。存储器1004可以是用于存储数据的外部存储设备或数据库。示例包括硬盘驱动器、光盘(“CD”)、数字视频盘(“DVD”)、存储卡、记忆棒、软盘、通用串行总线(“USB”)存储设备、或者可操作来存储数据的任何其它设备。存储器1004可操作来存储可由处理器1002执行的指令。图中示出或者这里所描述的功能、动作或任务可通过编程处理器1002执行存储在存储器1004中的指令来执行。所述功能、动作或任务独立于特定类型的指令集、存储介质、处理器或处理策略,并且可通过软件、硬件、集成电路、固件、微码等独自或组合操作来执行。同样,处理策略可包括多处理、多任务、并行处理等。
如图所示,计算机系统1000还可以包括显示单元1014,例如,液晶显示器(LCD)、有机发光二极管(OLED)、平板显示器、固态显示器、阴极射线管(CRT)、投影仪、打印机或者用于输出所确定的信息的其它现在已知或以后开发的显示设备。显示器1014可以用作用户查看处理器1002的机能的接口,或者具体地用作与存储在存储器1004或驱动单元1006中的软件的接口。
另外,计算机系统1000还可以包括输入设备1016,输入设备1016被配置为允许用户与系统1000的任何组件交互。输入设备1016可以是数字键、键盘、或者诸如鼠标或操纵杆之类的光标控制设备、触摸屏显示器、远程控制设备或者可操作来与系统1000交互的任何其它设备。
在特定实施例中,如图10所示,计算机系统1000还可以包括磁盘或光盘驱动单元1006。磁盘驱动单元1006可以包括计算机可读介质1010,其中可内置一个或多个指令集1012,例如软件。此外,指令1012可以包含这里所描述的一个或多个方法或逻辑。在特定实施例中,指令1012在由计算机系统1000执行期间可以完全或者至少部分驻留在存储器1004中和/或处理器1002中。存储器1004和处理器1002还可以包括计算机可读介质,如上所述。
本发明设想了一种计算机可读介质,其包括指令1012并响应于传播而来的信号执行指令1012,以使得连接到网络1020的设备可以经由网络1020传送语音、视频、音频、图像或者任何其它数据。此外,指令可以经由通信端口1018在网络1020上传输或被网络1020接收。通信端口1018可以是处理器1002的一部分,或者可以是分离组件。通信端口1018可用软件创建,或者可以是以硬件的物理连接。通信端口1018被配置为连接到网络1020、外部介质、显示器1014、或者系统1000中的任何其它组件、或其组合。与网络1020的连接可以是诸如有线以太网连接之类的物理连接,或者可以以无线方式建立,如以下将论述的。同样,与系统1000的其它组件的附加连接可以是物理连接或者可以以无线方式建立。
网络1020可以包括有线网络、无线网络、或者其组合。无线网络可以是蜂窝电话网络、802.11、802.16、802.20、或者WiMax网络。此外,网络1020可以是诸如因特网之类的公共网络、诸如内联网之类的私有网络、或其组合,并且网络1020可以利用现在可得或者以后开发的各种联网协议,包括但不限于基于TCP/IP的联网协议。
虽然计算机可读介质被示出为单个介质,但是术语“计算机可读介质”包括单个介质或者多个介质,例如,集中式或分布式数据库、和/或存储一个或多个指令集的关联高速缓存和服务器。术语“计算机可读介质”还应当包括能够存储、编码或承载由处理器执行或致使计算机系统执行这里所公开的任意一个或多个方法或操作的指令集的任何介质。
在特定的非限制性、示例性实施例中,计算机可读介质可以包括诸如存储卡之类的固态存储器或者收容了一个或多个非易失性只读存储器的其它包装体。此外,计算机可读介质可以是随机访问存储器或者其它易失性可写存储器。另外,计算机可读介质可以包括磁光介质或光介质,例如捕捉诸如经由传输介质传送来的信号之类的载波信号的盘、带或其它存储设备。电子邮件的数字文件附件或者其它自包含信息档案或者档案集可被视为作为有形存储介质的分布介质。因此,本发明被视为包括可存储数据或指令的任何一个或多个计算机可读介质或分布介质以及其它等同物和后继介质。
在替代实施例中,诸如专用集成电路、可编程逻辑阵列和其它硬件设备之类的专用硬件实施方式可被构造为实施这里所描述的一个或多个方法。可以包括各个实施例的装置和系统的应用可以广泛地包括各种电子和计算机系统。这里所描述的一个或多个实施例可以使用两个或更多个特定的互联硬件模块或设备、利用可在模块之间和通过模块传送的相关控制和数据信号来实现功能,或者作为专用集成电路的各个部分来实现功能。因此,本系统包含软件、固件和硬件实施方式。
根据本发明的各个实施例,这里所公开的方法可通过可由计算机系统执行的软件程序来实现。此外,在示例性而非限制性的实施例中,实施方式可以包括分布式处理、组件/目标分布式处理、和并行处理。或者,虚拟计算机系统处理可被构造为实现这里所描述的一个或多个方法或功能。
虽然本说明书描述了可参考特定标准和协议在特定实施例中实现的组件和功能,但是,本发明不限于这样的标准和协议。例如,用于因特网和其它分组交换网络传输的标准(例如,TCP/IP、UDP/IP、HTML、HTTP)代表了现有技术的示例。这样的标准周期性地被更快或者更高效的具有基本相同功能的等同物所取代。因此,与这里所公开的那些具有相同或相似功能的替代标准和协议被视为其等同物。
这里所描述的实施例的图示旨在提供对各个实施例的结构的一般性理解。这些图示不意在充当对利用这里所描述的结构或方法的装置和系统的所有元素和特征的完整描述。在看过本公开之后,许多其它实施例对于本领域技术人员而言可以是显而易见的。其它实施例可被利用并从本公开得到,从而在不脱离本发明的范围的情况下可以作出结构和逻辑替代和改变。另外,图示仅仅是代表性的,并且可能被绘制的不成比例。图示中的特定比例可能被夸大,而其它比例可能被最小化。因此,本公开和附图应当被视为是示意性的而非限制性的。
仅仅为了方便起见,可能在本文中用术语“发明”来独自和/或统称本发明的一个或多个实施例,而不意在主动将本申请的范围限制于任何特定发明或发明构思。并且,虽然已经在此图示并描述了特定实施例,但是应当了解,被设计为实现相同或相似目的的任何后续配置都可取代所示出的特定实施例。本公开旨在覆盖对各个实施例的任何和全部后续调整或改变。在阅读本说明书之后,以上实施例和这里未具体描述的其它实施例的组合对于本领域技术人员而言将是显而易见的。
本公开的摘要被提供以遵守37C.F.R.§1.72(b)的规定,并且是以不用于解释或限制权利要求的范围或意义为条件而提交的。另外,在前述的具体实施方式中,为了简化本公开,各个特征可能被组合在一起或者在单个实施例中被描述。本公开不应当被解释为反映以下意图:所要求保护的实施例要求比各个权利要求中显式记载的特征更多的特征。而是如以下权利要求所反映的,发明主题可以涉及比任何所公开实施例的所有特征少的特征。因此,以下权利要求被并入到具体实施方式中,其中,每一项权利要求独自限定分别要求保护的主题。
以上公开的主题应当被视为示意性的而非限制性的,并且所附权利要求旨在覆盖落在本发明的真实精神和范围内的所有修改、增强和其它实施例。因此,在法律所允许的最大程度上,本发明的范围应当通过可允许最广泛地解释以下权利要求及其等同物来确定,并且不应当受前面的详细描述的约束或限制。
因此,前面的详细描述应该被视为是示意性的而非限制性的,并且应当理解为是由包括所有等同物的以下权利要求来限定本发明的精神和范围。
Claims (29)
1.一种用于为客户选择代理的方法,包括:
接收对选择代理以处置事务的请求;
接收与多个代理中的至少一个代理的能力相关的能力信息;
接收基于所述客户的需要的客户要求;
处理所述能力信息和所述客户要求;以及
响应于所述请求,基于经过处理的信息来从所述多个代理中选择代理。
2.根据权利要求1所述的方法,还包括:
通过所选择的代理来启动通信以处置所述事务。
3.根据权利要求2所述的方法,其中,所述启动还包括通过所选择的代理来启动音频连接以处置所述事务。
4.根据权利要求1所述的方法,其中,所述请求是通过非电话方式接收的。
5.根据权利要求1所述的方法,其中,所述能力信息包括以下各项的至少一个:可获得性、成本、利润率、经验、质量或其组合。
6.根据权利要求5所述的方法,其中,所述质量包括以下各项的至少一个:客观考虑、主观考虑或其组合。
7.根据权利要求6所述的方法,其中,所述客观考虑包括以下各项的至少一个:所报告事件、准确性、销售过程、技术问题、速度、产生的收入、可靠性、语言、熟悉度、可获得的软件、或其组合。
8.根据权利要求6所述的方法,其中,所述主观考虑包括以下各项的至少一个:友善度、顾客服务或其组合。
9.根据权利要求1所述的方法,其中,所述客户要求包括以下各项的至少一个:静态考虑、动态考虑或其组合。
10.根据权利要求9所述的方法,其中,所述静态考虑包括订单条目类型、工人数目、在休息的工人、促销、优惠券、特价、商店优先级、或其组合。
11.根据权利要求9所述的方法,其中,所述动态考虑包括价格、代理能力、产品需求、队列长度、存货、等待时间、顾客信息、可靠性、或其组合。
12.根据权利要求1所述的方法,其中,对代理的选择是基于对所述多个代理的评级的比较的。
13.根据权利要求12所述的方法,其中,所述多个代理的评级是通过下式计算得到的:
R(Ai)=∑jwj·mj(pj 1(商店,代理,全局)◇pj 2(商店,代理,全局))
其中,pj 1(商店,代理,全局)和pj 2(商店,代理,全局)表示属性1和属性2的值,◇表示比特差运算,mj表示映射函数,并且wj表示给第j个分数的权重。
14.一种用于将代理与顾客连接的方法,包括:
接收请求与所述顾客连接的信号,其中,所述顾客与客户相关联;
接收与多个代理中的至少一个代理的能力相关的能力信息;
接收与所述客户相关联的客户要求;
处理所述能力信息和所述客户要求;
响应于所述信号,基于经过处理的信息来从所述多个代理中选择代理;以及
在顾客和所选择的代理之间建立连接。
15.根据权利要求14所述的方法,其中,请求连接的所述信号是从所述客户接收的。
16.根据权利要求15所述的方法,其中,所述信号是通过非电话方式接收的。
17.根据权利要求14所述的方法,其中,所述建立还包括建立从所选择的代理到所述顾客的连接。
18.根据权利要求14所述的方法,其中,所述客户要求涉及与所述客户相关联的数据,所述数据包括订单条目类型、位置、工人数目、在休息的工人、促销、优惠券、特价、商店优先级、价格、代理能力、产品需求、队列长度、存货、等待时间、顾客信息、可靠性、或其组合。
19.根据权利要求14所述的方法,其中,所述能力信息包括以下各项的至少一个:可获得性、成本、利润率、经验、质量或其组合。
20.根据权利要求19所述的方法,其中,所述质量包括以下各项的至少一个:所报告事件、准确性、销售过程、技术问题、速度、产生的收入、可靠性、语言、熟悉度、可获得的软件、友善度、顾客服务、或其组合。
21.根据权利要求14所述的方法,其中,所述处理包括得到所述多个代理的分数。
22.根据权利要求21所述的方法,其中,所述分数是从下式推导得到的:
∑jwj·mj(pj 1(商店,代理,全局)◇pj 2(商店,代理,全局))
其中,pj 1(商店,代理,全局)和pj 2(商店,代理,全局)表示属性1和属性2的值,◇表示比特差运算,mj表示映射函数,并且wj表示给第j个分数的权重。
23.一种用于从多个代理中选择最佳代理以与客户所关联的顾客通信的系统,所述系统包括:
请求接收器,被配置为接收请求与所述顾客连接的信号;
输入接收器,被配置为接收输入,所述输入涉及以下各项的至少一个:所述多个代理的至少一个的代理能力信息、所述客户的客户要求、或其组合;
处理器,该处理器与所述输入接收器耦接,并被配置为对所述输入进行分析以将所述代理能力信息与所述客户要求相比较并基于此对所述多个代理评级;以及
选择器,该选择器与所述处理器和所述请求接收器耦接,并被配置为响应于所述信号的接收,基于等级从所述多个代理中选择所述最佳代理。
24.根据权利要求23所述的系统,其中,所述处理器还包括:
差异处理器,被配置为对所述代理能力信息与所述客户要求进行比较以得到所述多个代理的每一个的第一值;
重映射处理器,该重映射处理器与所述差异处理器耦接,并被配置为将所述多个代理的每一个的所述第一值调整为第二值;以及
加权处理器,该加权处理器与所述重映射处理器耦接,并被配置为将所述多个代理的每一个的所述第二值乘以赋予每一次比较的适当权重。
25.根据权利要求24所述的系统,其中,所述差异处理器包括用于对所述代理能力信息与所述客户要求进行比较的比特差运算。
26.根据权利要求23所述的系统,其中,所述客户要求涉及与客户相关联的数据,所述数据包括订单条目类型、位置、工人数目、在休息的工人、促销、优惠券、特价、商店优先级、价格、代理能力、产品需求、队列长度、存货、等待时间、顾客信息、可靠性、或其组合。
27.根据权利要求23所述的系统,其中,所述代理能力信息包括可获得性、成本、利润率、经验、质量的至少一个,所述质量例如是所报告事件、准确性、销售过程、技术问题、速度、产生的收入、可靠性、语言、熟悉度、可获得的软件、友善度、顾客服务、或其组合。
28.如权利要求23所述的系统,其中,所述多个代理可以是可获得代理的子集。
29.一种用于将代理与顾客相连接的系统,包括:
用于接收向所述顾客请求连接的信号的装置,其中,所述顾客与客户相关联;
用于接收与多个代理中的至少一个代理的能力相关的能力信息的装置,其与所述用于接收信号的装置耦接;
用于接收客户要求的装置,其与所述用于接收信号的装置耦接;
用于处理所述能力信息和所述客户要求的装置,其与所述用于接收能力信息的装置和所述用于接收客户要求的装置耦接;
用于至少部分基于经过处理的信息从所述多个代理中选择代理的装置,其与所述用于处理的装置耦接;以及
用于在顾客和所选择的代理之间建立连接的装置,其与所述用于选择的装置耦接。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/512,899 US20070255611A1 (en) | 2006-04-26 | 2006-08-30 | Order distributor |
US11/512,899 | 2006-08-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101529458A true CN101529458A (zh) | 2009-09-09 |
Family
ID=39136696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007800404643A Pending CN101529458A (zh) | 2006-08-30 | 2007-08-03 | 订单分发器 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20070255611A1 (zh) |
EP (1) | EP2062213A2 (zh) |
JP (1) | JP2010503069A (zh) |
CN (1) | CN101529458A (zh) |
WO (1) | WO2008027693A2 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680368A (zh) * | 2013-11-29 | 2015-06-03 | 中国银联股份有限公司 | 一种近场无卡支付订单获取方法及系统 |
CN107408269A (zh) * | 2015-01-06 | 2017-11-28 | 摩根士丹利 | 交易异常切断开关 |
CN107966931A (zh) * | 2017-11-30 | 2018-04-27 | 广东美的厨房电器制造有限公司 | 烹饪控制方法和烹饪控制系统 |
CN108476230A (zh) * | 2015-10-19 | 2018-08-31 | 格林伊登美国控股有限责任公司 | 基于机器学习的交互到联络中心代理的最优路由 |
CN110213344A (zh) * | 2019-05-14 | 2019-09-06 | 长沙手之声信息科技有限公司 | 一种多中心远程手语在线翻译系统及方法 |
CN112132656A (zh) * | 2020-09-21 | 2020-12-25 | 深圳思为科技有限公司 | 判客方法及相关设备 |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080177606A1 (en) * | 2007-01-18 | 2008-07-24 | International Business Machines Corporation | Method and system for allocating calls to call center vendors |
US20080183540A1 (en) * | 2007-01-31 | 2008-07-31 | Lewis Donald C | Method and system for matching resources and co-resources |
CA2628297A1 (en) * | 2007-04-03 | 2008-10-03 | Intellisist, Inc. | System and method for managing customer queuing |
US20090041226A1 (en) * | 2007-08-08 | 2009-02-12 | Cisco Technology, Inc. | System and Method for Using the Reliability of an Agent's Connectivity as an Agent Selection Criteria |
US8270593B2 (en) * | 2007-10-01 | 2012-09-18 | Cisco Technology, Inc. | Call routing using voice signature and hearing characteristics |
US9300802B1 (en) | 2008-01-28 | 2016-03-29 | Satmap International Holdings Limited | Techniques for behavioral pairing in a contact center system |
US10750023B2 (en) * | 2008-01-28 | 2020-08-18 | Afiniti Europe Technologies Limited | Techniques for hybrid behavioral pairing in a contact center system |
US20090204407A1 (en) * | 2008-02-08 | 2009-08-13 | Shields T Russell | System and method for processing a spoken request from a user |
WO2009114161A1 (en) * | 2008-03-11 | 2009-09-17 | Incentalign, Inc. | Pricing, allocating, accounting and distributing internal resources using a market mechanism |
CA2735443C (en) * | 2008-08-29 | 2017-10-24 | The Resource Group International Ltd | Call routing methods and systems based on multiple variable standardized scoring and shadow queue |
US20110255682A1 (en) * | 2010-04-14 | 2011-10-20 | Avaya Inc. | High performance queueless contact center |
US8825762B2 (en) * | 2011-08-09 | 2014-09-02 | At&T Intellectual Property I, L.P. | Graphical interactive visual response system and method |
US20130211877A1 (en) * | 2012-02-13 | 2013-08-15 | Oracle International Corporation | Retail product pricing markdown system |
US9053506B2 (en) * | 2012-03-22 | 2015-06-09 | Tyco Fire & Security Gmbh | Customer assistance request system using smart device |
US8792630B2 (en) | 2012-09-24 | 2014-07-29 | Satmap International Holdings Limited | Use of abstracted data in pattern matching system |
US8744890B1 (en) | 2013-02-14 | 2014-06-03 | Aktana, Inc. | System and method for managing system-level workflow strategy and individual workflow activity |
US10984430B2 (en) | 2013-08-12 | 2021-04-20 | Thryv, Inc. | Sales lead qualification of a consumer based on sales lead rules |
US20150134325A1 (en) * | 2013-11-14 | 2015-05-14 | Avaya Inc. | Deep Language Attribute Analysis |
US9781261B2 (en) | 2014-08-12 | 2017-10-03 | Yp Llc | Systems and methods for lead routing |
CN104657883A (zh) * | 2015-03-02 | 2015-05-27 | 北京嘀嘀无限科技发展有限公司 | 基于订单的配对方法和配对设备 |
CN105468690B (zh) * | 2015-11-17 | 2018-11-30 | 中国建设银行股份有限公司 | 一种库存数据处理方法和装置 |
US11157843B1 (en) * | 2016-05-31 | 2021-10-26 | United Services Automobile Association (Usaa) | Pull-based routing for service sessions |
CN106375792A (zh) * | 2016-10-13 | 2017-02-01 | 北京奇虎科技有限公司 | 一种业务对象的推送、显示方法、服务器、终端和系统 |
US9888121B1 (en) * | 2016-12-13 | 2018-02-06 | Afiniti Europe Technologies Limited | Techniques for behavioral pairing model evaluation in a contact center system |
US9787941B1 (en) | 2017-01-06 | 2017-10-10 | Sorenson Ip Holdings, Llc | Device to device communication |
US9787842B1 (en) * | 2017-01-06 | 2017-10-10 | Sorenson Ip Holdings, Llc | Establishment of communication between devices |
US10122860B1 (en) * | 2017-07-10 | 2018-11-06 | Afiniti Europe Technologies Limited | Techniques for estimating expected performance in a task assignment system |
US10496438B1 (en) * | 2018-09-28 | 2019-12-03 | Afiniti, Ltd. | Techniques for adapting behavioral pairing to runtime conditions in a task assignment system |
US11687850B2 (en) | 2018-11-21 | 2023-06-27 | Honda Motor Co., Ltd | System and method for processing a task request to be executed and fulfilled |
US11694130B2 (en) * | 2018-11-21 | 2023-07-04 | Honda Motor Co., Ltd. | System and method for assigning an agent to execute and fulfill a task request |
JP7349119B2 (ja) * | 2019-02-07 | 2023-09-22 | 株式会社城山ケアセンター | サーバ装置、制御プログラム、及び制御方法 |
US11868942B2 (en) * | 2021-10-26 | 2024-01-09 | Sy Interiors Pvt. Ltd. | Methods and systems for facilitating ranking agents making sales of real estate |
Family Cites Families (98)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4569421A (en) * | 1980-11-17 | 1986-02-11 | Sandstedt Gary O | Restaurant or retail vending facility |
US4388689A (en) * | 1981-01-28 | 1983-06-14 | Ocr Marketing Associates, Inc. | Restaurant video display system |
US4530067A (en) * | 1981-03-10 | 1985-07-16 | Xecutek Corporation | Restaurant management information and control method and apparatus |
US4400587A (en) * | 1981-08-25 | 1983-08-23 | Rockwell International Corporation | Overflow and diversion to a foreign switch |
US4722053A (en) * | 1982-12-29 | 1988-01-26 | Michael Dubno | Food service ordering terminal with video game capability |
US4975941A (en) * | 1984-03-26 | 1990-12-04 | Dytel Corporation | Call processor for facilitating call completions |
US4567359A (en) * | 1984-05-24 | 1986-01-28 | Lockwood Lawrence B | Automatic information, goods and services dispensing system |
US5198976A (en) * | 1986-04-09 | 1993-03-30 | Computer Sport Systems, Inc. | Multifunction interactive automatic bowling alley system utilizing a touch screen console |
US4797818A (en) * | 1987-03-26 | 1989-01-10 | Jeno F. Paulucci | Food order/delivery system |
US5235509A (en) * | 1989-06-28 | 1993-08-10 | Management Information Support, Inc. | Customer self-ordering system using information displayed on a screen |
US5128862A (en) * | 1989-06-28 | 1992-07-07 | Management Information Support, Inc. | Customer operable system for a retail store or fast-food restaurant having plural ordering stations |
US5185780A (en) * | 1990-10-12 | 1993-02-09 | Tex Corporation | Method for predicting agent requirements in a force management system |
US5206903A (en) * | 1990-12-26 | 1993-04-27 | At&T Bell Laboratories | Automatic call distribution based on matching required skills with agents skills |
US5291550A (en) * | 1990-12-26 | 1994-03-01 | At&T Bell Laboratories | Dynamic network call distributor |
US5510979A (en) * | 1991-07-30 | 1996-04-23 | Restaurant Technology, Inc. | Data processing system and method for retail stores |
US5291551A (en) * | 1991-10-23 | 1994-03-01 | At&T Bell Laboratories | Home agent telecommunication technique |
US5452350A (en) * | 1992-03-09 | 1995-09-19 | Advantis | Subscriber call routing processing system |
US6055514A (en) * | 1992-03-20 | 2000-04-25 | Wren; Stephen Corey | System for marketing foods and services utilizing computerized centraland remote facilities |
US5309513A (en) * | 1992-07-02 | 1994-05-03 | Rockwell International Corporation | Telephone system with ubiquitous agents |
US5499291A (en) * | 1993-01-14 | 1996-03-12 | At&T Corp. | Arrangement for automating call-center agent-schedule-notification and schedule-adherence functions |
US5392345A (en) * | 1993-04-30 | 1995-02-21 | At&T Corp. | Work at home ACD agent network |
CA2129942C (en) * | 1993-09-30 | 1998-08-25 | Steven Todd Kaish | Telecommunication network with integrated network-wide automatic call distribution |
JP3015242B2 (ja) * | 1993-12-27 | 2000-03-06 | 松下電器産業株式会社 | 電子式キャッシュレジスタ装置 |
US5504589A (en) * | 1993-12-27 | 1996-04-02 | Montague; Charles E. | System and apparatus for transmitting food orders to a central station |
EP0696125A3 (en) * | 1994-08-02 | 1999-06-02 | Rockwell International Corporation | Telecommunication system with inbound call responsive predictive outdialing system and method |
US5602730A (en) * | 1994-12-07 | 1997-02-11 | Altoc Corporation | Restaurant management system |
DE69610582T2 (de) * | 1995-06-16 | 2001-05-31 | Seiko Epson Corp | Eingabegerät |
US5737405A (en) * | 1995-07-25 | 1998-04-07 | Rockwell International Corporation | Apparatus and method for detecting conversation interruptions in a telephonic switch |
US5636710A (en) * | 1995-09-15 | 1997-06-10 | Ace Food Services, Inc. | Pneumatic delivery system for restaurant food |
US5742675A (en) * | 1995-09-26 | 1998-04-21 | Telefonaktiebolaget Lm Ericsson | Method and apparatus for automatically distributing calls to available logged-in call handling agents |
US6175564B1 (en) * | 1995-10-25 | 2001-01-16 | Genesys Telecommunications Laboratories, Inc | Apparatus and methods for managing multiple internet protocol capable call centers |
US5918213A (en) * | 1995-12-22 | 1999-06-29 | Mci Communications Corporation | System and method for automated remote previewing and purchasing of music, video, software, and other multimedia products |
US5778060A (en) * | 1996-04-19 | 1998-07-07 | At&T Corp | Work at home ACD agent network with cooperative control |
US6081592A (en) * | 1996-08-06 | 2000-06-27 | Battle; Calvin W. | Automatic call-work director |
JPH10214284A (ja) * | 1997-01-30 | 1998-08-11 | Victor Co Of Japan Ltd | オンラインショッピングシステム及びそのサーバー |
US6567787B1 (en) * | 1998-08-17 | 2003-05-20 | Walker Digital, Llc | Method and apparatus for determining whether a verbal message was spoken during a transaction at a point-of-sale terminal |
US6678718B1 (en) * | 1997-08-29 | 2004-01-13 | Aspect Communications Corporation | Method and apparatus for establishing connections |
US6574603B1 (en) * | 1997-09-26 | 2003-06-03 | Gilbarco Inc. | In-vehicle ordering |
US6026375A (en) * | 1997-12-05 | 2000-02-15 | Nortel Networks Corporation | Method and apparatus for processing orders from customers in a mobile environment |
US6704409B1 (en) * | 1997-12-31 | 2004-03-09 | Aspect Communications Corporation | Method and apparatus for processing real-time transactions and non-real-time transactions |
US6256620B1 (en) * | 1998-01-16 | 2001-07-03 | Aspect Communications | Method and apparatus for monitoring information access |
US6094673A (en) * | 1998-01-16 | 2000-07-25 | Aspect Communications | Method and apparatus for generating agent scripts |
US6087927A (en) * | 1998-01-30 | 2000-07-11 | Techknow, Inc. | Order communication system for restaurant |
US5907275A (en) * | 1998-01-30 | 1999-05-25 | Battistini; Michael | Order communication system for restaurant |
US6047060A (en) * | 1998-02-20 | 2000-04-04 | Genesys Telecommunications Laboratories, Inc. | Method and apparatus for enabling full interactive monitoring of calls to and from a call-in center |
US6061347A (en) * | 1998-03-03 | 2000-05-09 | Rockwell Semiconductor Systems, Inc. | ACD with packet data based agent interconnect |
US6643624B2 (en) * | 1998-03-09 | 2003-11-04 | Yan Philippe | Method and system for integrating transaction mechanisms over multiple internet sites |
US6438599B1 (en) * | 1998-04-03 | 2002-08-20 | Aspect Communications Corporation | Method and apparatus for establishing communication between a transaction initiator and a transaction processing system |
US6278978B1 (en) * | 1998-04-07 | 2001-08-21 | Blue Pumpkin Software, Inc. | Agent scheduling system and method having improved post-processing step |
US6425524B2 (en) * | 1998-04-17 | 2002-07-30 | Randolph M. Pentel | Remote ordering device |
US6880750B2 (en) * | 1998-04-17 | 2005-04-19 | Randolph M. Pentel | Remote ordering device |
US6435406B1 (en) * | 1998-04-17 | 2002-08-20 | Randolph M. Pentel | Remote ordering device |
US6247142B1 (en) * | 1998-08-21 | 2001-06-12 | Aspect Communications | Apparatus and method for providing redundancy in a transaction processing system |
US6374240B1 (en) * | 1998-10-05 | 2002-04-16 | Walker Digital, Llc | Method and apparatus for maintaining a customer database using license plate scanning |
US6386323B1 (en) * | 1998-11-13 | 2002-05-14 | Diebold, Incorporated | Cash dispensing method and system for merchandise delivery facility |
US6731609B1 (en) * | 1998-12-31 | 2004-05-04 | Aspect Communications Corp. | Telephony system for conducting multimedia telephonic conferences over a packet-based network |
US6320956B1 (en) * | 1999-01-25 | 2001-11-20 | Willow Csn, Inc. | Multiple client remote agent network method |
US9773238B2 (en) * | 1999-01-28 | 2017-09-26 | International Business Machines Corporation | Vehicle-based order entry and processing mechanism |
DE60025054T2 (de) * | 1999-03-01 | 2006-08-24 | Rockwell Electronic Commerce Technologies, LLC, Wood Dale | Auf dem Rang basierte Acd Leitweglenkung |
US6744878B1 (en) * | 1999-03-02 | 2004-06-01 | Aspect Communications Corporation | Real-time transaction routing augmented with forecast data and agent schedules |
US6584191B1 (en) * | 1999-08-27 | 2003-06-24 | Aspect Communications Corporation | Staffing-based percentage-allocation routing using real-time data |
US6424709B1 (en) * | 1999-03-22 | 2002-07-23 | Rockwell Electronic Commerce Corp. | Skill-based call routing |
KR100789222B1 (ko) * | 1999-04-27 | 2007-12-31 | 아이쓰리이 홀딩스, 엘엘씨 | 원격 주문 시스템 |
US6064981A (en) * | 1999-06-17 | 2000-05-16 | Barni; Neil A. | Method for online display and negotiation of cargo rates |
US6349137B1 (en) * | 1999-08-05 | 2002-02-19 | Rockwell Electronic Commerce Corp. | Apparatus and method for providing support software for an agent workstation of an automatic call distributor |
JP2001086244A (ja) * | 1999-09-14 | 2001-03-30 | Nec Corp | コールセンターシステム向けホーム・エージェント・クライアント機能の実現方式および実現方法 |
US6850901B1 (en) * | 1999-12-17 | 2005-02-01 | World Theatre, Inc. | System and method permitting customers to order products from multiple participating merchants |
US6701303B1 (en) * | 1999-12-23 | 2004-03-02 | International Business Machines, Corp. | E-commerce system and method of operation enabling a user to conduct transactions with multiple retailers without certification and/or trusted electronic paths |
WO2001054478A2 (en) * | 2000-01-26 | 2001-08-02 | Domino's Pizza Pmc, Inc. | Method and system for routing food orders over a computer network |
US6744879B1 (en) * | 2000-02-02 | 2004-06-01 | Rockwell Electronic Commerce Corp. | Profit-based method of assigning calls in a transaction processing system |
US6915272B1 (en) * | 2000-02-23 | 2005-07-05 | Nokia Corporation | System and method of secure payment and delivery of goods and services |
TW550477B (en) * | 2000-03-01 | 2003-09-01 | Passgate Corp | Method, system and computer readable medium for Web site account and e-commerce management from a central location |
US6907401B1 (en) * | 2000-03-13 | 2005-06-14 | Verizon Corporate Services Group Inc. | Portal switch for electronic commerce |
US20020013734A1 (en) * | 2000-03-14 | 2002-01-31 | E-Food.Com Corporation | Universal internet smart delivery agent |
US20020003867A1 (en) * | 2000-04-20 | 2002-01-10 | Peter Rothschild | Systems and methods for connecting customers to merchants over a voice communication network |
US20020087413A1 (en) * | 2000-09-08 | 2002-07-04 | Agent Ai, Inc. | Vending machine adapted to vend age-restricted items |
US20020032591A1 (en) * | 2000-09-08 | 2002-03-14 | Agentai, Inc. | Service request processing performed by artificial intelligence systems in conjunctiion with human intervention |
US20030018531A1 (en) * | 2000-09-08 | 2003-01-23 | Mahaffy Kevin E. | Point-of-sale commercial transaction processing system using artificial intelligence assisted by human intervention |
US8868448B2 (en) * | 2000-10-26 | 2014-10-21 | Liveperson, Inc. | Systems and methods to facilitate selling of products and services |
US6366220B1 (en) * | 2000-11-08 | 2002-04-02 | Bbnt Solutions Llc | RF tag based system and method for drive-through applications |
US6889222B1 (en) * | 2000-12-26 | 2005-05-03 | Aspect Communications Corporation | Method and an apparatus for providing personalized service |
US20020095342A1 (en) * | 2001-01-16 | 2002-07-18 | Morris Feldman | Robotic waiter |
US20020107747A1 (en) * | 2001-02-02 | 2002-08-08 | I2 Technologies, Inc. | System and method for brokering food order transactions among a plurality of unaffiliated sellers |
US6842515B2 (en) * | 2001-06-12 | 2005-01-11 | Rockwell Electronic Commerce Technologies, Llc | Multi-site responsibility-based routing |
US20030078793A1 (en) * | 2001-10-24 | 2003-04-24 | Toth Mark E. | Enhanced customer-centric restaurant system |
US7457403B2 (en) * | 2002-08-08 | 2008-11-25 | Rockwell Electronic Commerce Technologies, Llc | Method and apparatus for determining a real time average speed of answer in an automatic call distribution system |
US20040107170A1 (en) * | 2002-08-08 | 2004-06-03 | Fujitsu Limited | Apparatuses for purchasing of goods and services |
US7330873B2 (en) * | 2002-08-23 | 2008-02-12 | International Buisness Machines Corporation | Method and apparatus for routing call agents to website customers based on customer activities |
US20040044578A1 (en) * | 2002-08-29 | 2004-03-04 | Kim David Soo Do | Online networking system for efficient operation of restaurants and method therefor |
US6959080B2 (en) * | 2002-09-27 | 2005-10-25 | Rockwell Electronic Commerce Technologies, Llc | Method selecting actions or phases for an agent by analyzing conversation content and emotional inflection |
US6970559B2 (en) * | 2002-09-30 | 2005-11-29 | Rockwell Electronic Commerce Technologies, Llc | Method and apparatus for detecting echo cancellers |
US7110964B2 (en) * | 2003-08-29 | 2006-09-19 | Exit41, Inc. | Order processing |
US20050049921A1 (en) * | 2003-08-29 | 2005-03-03 | Tengler Craig D. | Order processing |
US20050080693A1 (en) * | 2003-10-14 | 2005-04-14 | Foss Sheldon H. | Point-of-sale customer identification system |
US8306874B2 (en) * | 2003-11-26 | 2012-11-06 | Buy.Com, Inc. | Method and apparatus for word of mouth selling via a communications network |
US20050177380A1 (en) * | 2004-02-09 | 2005-08-11 | Pritchard Gordon W. | System, computer program and method for enabling individual client users to recruit, connect to, and manage a remote workforce through a shared network |
US20060041482A1 (en) * | 2004-08-03 | 2006-02-23 | Awiszus Steven T | System and method providing backup local ordering for establishment using a remote ordering system |
US8583466B2 (en) * | 2005-08-09 | 2013-11-12 | Oracle International Corporation | System and method for routing workflow items based on workflow templates in a call center |
-
2006
- 2006-08-30 US US11/512,899 patent/US20070255611A1/en not_active Abandoned
-
2007
- 2007-08-03 EP EP07813748A patent/EP2062213A2/en not_active Withdrawn
- 2007-08-03 JP JP2009526789A patent/JP2010503069A/ja not_active Withdrawn
- 2007-08-03 WO PCT/US2007/075168 patent/WO2008027693A2/en active Application Filing
- 2007-08-03 CN CNA2007800404643A patent/CN101529458A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680368A (zh) * | 2013-11-29 | 2015-06-03 | 中国银联股份有限公司 | 一种近场无卡支付订单获取方法及系统 |
CN107408269A (zh) * | 2015-01-06 | 2017-11-28 | 摩根士丹利 | 交易异常切断开关 |
CN107408269B (zh) * | 2015-01-06 | 2021-03-16 | 摩根士丹利服务集团公司 | 交易异常切断开关 |
CN108476230A (zh) * | 2015-10-19 | 2018-08-31 | 格林伊登美国控股有限责任公司 | 基于机器学习的交互到联络中心代理的最优路由 |
CN108476230B (zh) * | 2015-10-19 | 2022-04-19 | 格林伊登美国控股有限责任公司 | 基于机器学习的交互到联络中心代理的最优路由 |
CN107966931A (zh) * | 2017-11-30 | 2018-04-27 | 广东美的厨房电器制造有限公司 | 烹饪控制方法和烹饪控制系统 |
CN110213344A (zh) * | 2019-05-14 | 2019-09-06 | 长沙手之声信息科技有限公司 | 一种多中心远程手语在线翻译系统及方法 |
CN110213344B (zh) * | 2019-05-14 | 2022-05-17 | 株洲手之声信息科技有限公司 | 一种多中心远程手语在线翻译系统及方法 |
CN112132656A (zh) * | 2020-09-21 | 2020-12-25 | 深圳思为科技有限公司 | 判客方法及相关设备 |
CN112132656B (zh) * | 2020-09-21 | 2024-05-14 | 深圳思为科技有限公司 | 判客方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
EP2062213A2 (en) | 2009-05-27 |
US20070255611A1 (en) | 2007-11-01 |
WO2008027693A3 (en) | 2008-09-25 |
WO2008027693A2 (en) | 2008-03-06 |
JP2010503069A (ja) | 2010-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101529458A (zh) | 订单分发器 | |
US11157706B2 (en) | Omnichannel data communications system using artificial intelligence (AI) based machine learning and predictive analysis | |
CN108476230B (zh) | 基于机器学习的交互到联络中心代理的最优路由 | |
US9635181B1 (en) | Optimized routing of interactions to contact center agents based on machine learning | |
US7526439B2 (en) | Systems and methods to facilitate selling of products and services | |
US9716792B2 (en) | System and method for generating a network of contact center agents and customers for optimized routing of interactions | |
US9576292B2 (en) | Systems and methods to facilitate selling of products and services | |
US20130166340A1 (en) | System and Method for Online Marketing of Services | |
US20110184766A1 (en) | Systems and methods for prospecting and rounding business insurance customers | |
US11748422B2 (en) | Digital content security and communications system using artificial intelligence (AI) based machine learning and predictive analysis | |
US20170111503A1 (en) | Optimized routing of interactions to contact center agents based on agent preferences | |
JP7344234B2 (ja) | 匿名のオンラインユーザ行動を使用した発呼者介入のない自動コールルーティングのための方法およびシステム | |
JP2002297875A (ja) | 顧客関係管理方法、システム及びプログラム | |
KR101977236B1 (ko) | 아웃소싱 서비스 거래에서 발생되는 분쟁을 해결하기 위한 부분결제취소 서비스 제공 방법 | |
Kumar et al. | Implementing the CRM Strategy | |
Ramaul | Role of AI in marketing through CRM integration with specific reference to chatbots | |
KR20050024695A (ko) | 사용자의 속성별 파라미터 따른 전자상거래에서의 마케팅방식의 결정방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090909 |