CN106062803A - 用于客户体验管理的系统和方法 - Google Patents
用于客户体验管理的系统和方法 Download PDFInfo
- Publication number
- CN106062803A CN106062803A CN201480076446.0A CN201480076446A CN106062803A CN 106062803 A CN106062803 A CN 106062803A CN 201480076446 A CN201480076446 A CN 201480076446A CN 106062803 A CN106062803 A CN 106062803A
- Authority
- CN
- China
- Prior art keywords
- call center
- performance
- client
- processor
- identification
- 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.)
- Granted
Links
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5175—Call or contact centers supervision arrangements
-
- 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
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
- H04M3/5232—Call distribution algorithms
- H04M3/5233—Operator skill based call distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2203/00—Aspects of automatic or semi-automatic exchanges
- H04M2203/40—Aspects of automatic or semi-automatic exchanges related to call centers
- H04M2203/401—Performance feedback
Abstract
本发明公开了一种用于使用呼叫中心管理客户体验的系统和方法,该呼叫中心使用关于该客户的可用数据、呼叫中心的代理以及该呼叫中心代表的组织,从而识别与客户的附加对话/交互的机会并同时加入这些附加对话/交互并具有预计为该组织最大化结果的资源。处理器被配置为识别客户与呼叫中心之间的交互的明确意向和/或隐含意向。还识别与该明确意向和/或隐含意向相关的业务目标以用于确定该呼叫中心的当前性能并且识别任意性能差距。呼叫中心对象根据他们处理明确意向和/或隐含意向的能力以及被识别的性能差距被识别。被识别的对象中的可用的一个随后被选择用以将该交互路由到该对象。
Description
背景技术
企业可以使用呼叫中心执行与通过该企业可获得的产品和服务相关的销售和服务的功能。该服务可以根据呼叫中心的类型变化,并且可以从客户服务到帮助台、应急响应、电话销售以及类似服务。为了提供销售和服务的功能,呼叫中心通过多个通信信道,例如电话、电子邮件、实时网页聊天以及类似形式与客户交互。
在典型的场景中,从客户到呼叫中心的入站交互(例如,入站语音呼叫)被路由到呼叫中心目标(例如,呼叫中心代理)进行处理。在该典型场景中,该交互的路由基于定义用于路由该交互的要求的预定义规则。
然而,这对于根据当前数据在交互期间管理客户体验是有益的,以便资源使用最大化以及最大化一个或多个业务目标。
发明内容
本发明的实施例涉及用于为呼叫中心管理交互的系统和方法。处理器被配置成为客户与该呼叫中心之间的交互识别意向。该意向可以由处理器根据为客户累积的数据推断。该处理器被配置为识别与该意向相关的呼叫中心业务目标。在实现该呼叫中心业务目标中的当前呼叫中心性能也被识别,并且与业务目标相关的性能差距根据所述确定被识别。当处理该意向时,该处理器还被配置为识别呼叫中心对象的性能。根据确定的呼叫中心代理的性能和与业务目标相关的识别的性能差距识别呼叫中心对象中的一个或多个。确定特定呼叫中心对象的可用性以在该交互期间处理该意向。然后选择该特定对象用于在该交互期间处理该意向。
根据一个实施例,确定呼叫中心对象的性能包括由处理器识别被识别为彼此相关的第一呼叫中心度量和第二呼叫中心度量,并且由处理器为多个呼叫中心对象中的每一个计算性能分数。该计算可以根据该意向的相应对象关于第一呼叫中心度量和第二呼叫中心度量的历史性能。
根据一个实施例,识别多个呼叫中心对象中的一个或多个包括:识别最小性能分数;和选择具有满足最小性能分数的性能分数的呼叫中心对象。
根据一个实施例,最小性能分数是根据识别的性能差距。
根据一个实施例,一种用于为呼叫中心管理交互的系统和方法包括由处理器识别客户与该呼叫中心之间的交互的第一类型意向和第二类型意向。第一类型意向由客户根据发起与呼叫中心的该交互提供,并且第二类型意向由处理器根据为该客户累积的数据推断。该处理器被配置为识别分别与第一类型意向和第二类型意向相关的第一呼叫中心业务目标和第二呼叫中心业务目标。该处理器还被配置为确定实现第一呼叫中心业务目标和第二呼叫中心业务目标中的当前呼叫中心性能。与第一呼叫中心业务目标和第二呼叫中心业务目标相关的第一性能差距和第二性能差距是根据所述确定识别的。该处理器被配置为当分别处理第一类型意向和第二类型意向时确定多个第一呼叫中心对象的性能和多个第二呼叫中心对象的性能。该处理器还被配置为根据确定的多个第一呼叫中心对象的性能和与第一呼叫中心业务目标相关的识别的第一性能差距识别多个第一呼叫中心对象中的一个或多个。该处理器还被配置为根据确定的多个第二呼叫中心对象的性能和与第二呼叫中心业务目标相关的识别的第二性能差距识别多个第二呼叫中心对象中的一个或多个。该处理器被配置为确定从第一呼叫中心对象和第二呼叫中心对象中所识别的一个或多个中选择的特定对象的可用性。该处理器还被配置为响应于确定该特定对象是可用的而将该交互传送到该特定对象。该处理器被配置为提示该特定对象在该交互期间处理第一类型意向和第二类型意向。
根据一个实施例,第一类型意向识别客户发起该交互的原因。
根据一个实施例,第二类型意向与呼叫中心实现第二呼叫中心业务目标中的机会相关。
根据一个实施例,第一呼叫中心业务目标和第二呼叫中心业务目标与收入或客户体验中的至少一个相关。
根据一个实施例,确定多个第一呼叫中心对象的性能和多个第二呼叫中心对象的性能还包括:由处理器识别被识别为彼此相关的第一呼叫中心度量和第二呼叫中心度量;由处理器为多个第一呼叫中心对象中的每一个计算第一性能分数,其中该计算是根据该第一类型意向的与第一呼叫中心度量和第二呼叫中心度量相关的相应的第一呼叫中心对象的历史性能;和由处理器为多个第二呼叫中心对象中的每一个计算第二性能分数,其中该计算是根据该第二类型意向的与第一呼叫中心度量和第二呼叫中心度量相关的相应的第二呼叫中心对象的历史性能。
根据一个实施例,识别多个第一呼叫中心对象或多个第二呼叫中心对象中的一个或多个包括:识别最小性能分数;和选择具有满足该最小性能分数的性能分数的呼叫中心对象。
根据一个实施例,最小性能分数是根据与相应类型的意向相关的性能差距。
根据一个实施例,最小性能分数是根据为相应类型的意向预测的交互。
根据一个实施例,确定特定对象的可用性包括:由处理器确定分别与第一类型意向和第二类型意向相关的第一客户耐性程度和第二客户耐性程度;和由处理器确定该交互是否可以在第一客户耐性程度和第二客户耐性程度的极限内被传送到该特定对象。该处理器被配置为响应于确定该交互可以在第一客户耐性程度和第二客户耐性程度的极限内被传送而将该交互传送到该特定对象。
如本领域技术人员应当理解的,本发明的实施例删除对预设规则的依赖并且允许基于当前数据路由决策是动态的。本发明的实施例还允许一次对附加对话/交互的机会的识别并且具有预计为该组织最大化结果的资源。
本发明的上述和其它特征、方面和优点结合以下详细说明、所附的权利要求以及附图的说明将得到更完整的理解。当然,本发明的实际范围通过所附的权利要求限定。
附图说明
图1为根据本发明一个示例性实例的支持呼叫中心用于客户体验管理的系统的示意性方框图;
图2A和2B为根据本发明一个实施例的示例性相关性矩阵的总体布置图;
图3为根据本发明一个实施例的用于特定类型意向的不同代理的示例性MAC分数表的总体布置图;
图4A为根据本发明一个实施例的根据示例性MAC分数生成的十个代理组的总体布置图;
图4B-4C为根据本发明一个实施例的测定图4A中的代理组的不同性能标准的图表;
图4D-4E为根据本发明一个实施例的根据图4A中的用于将交互路由至路由组的代理组生成的路由组的性能标准的图表;
图5A-5B为根据本发明一个实施例的由客户体验服务器25执行的客户体验管理的过程的流程图;
图6-9F为根据本发明一个实施例的管理员可以为不同目标层次设置的示例性目标的总体布置图;
图10A为根据本发明一个实施例的计算装置的方框图;
图10B为根据本发明一个实施例的计算装置的方框图;
图10C为根据本发明一个实施例的计算装置的方框图;
图10D为根据本发明一个实施例的计算装置的方框图;和
图10E为根据本发明一个实施例的包括多个计算装置的网络环境的方框图。
具体实施方式
总地来说,本发明的实施例涉及用于使用呼叫中心管理客户体验的系统和方法,该呼叫中心使用关于客户的可用数据、呼叫中心的代理以及呼叫中心代表的组织,以用于识别与客户的附加对话/交互的机会并同时加入这些附加对话/交互并具有预计为该组织最大化结果的资源。虽然在这里使用了术语对话和交互,但是本领域技术人员应当理解的是对话和交互不限于语音通信,还包括聊天、文本、电子邮件、视频以及本领域传统的任何其它形式的实时和/或非实时通信。
根据一个实施例,客户体验管理可以从对客户发起与呼叫中心的交互的原因的识别开始,这被称为明确意向/目的。本发明的实施例还允许对参与与客户的对话或交互的机会或导向的识别,这被称为隐含意向/目的。这种识别可以基于收集的客户信息、组织目标及类似信息。例如,客户可以以他的无线电话的账单查询发起到呼叫中心的语音呼叫。在该示例中,对于该交互,账单查询是客户的明确意向。发起联络的该客户还可以触发为该客户识别的隐含意向的识别。一个这样的隐含意向可以是无线服务合同续签。虽然客户不是特地打电话续签他的合同,但如果检测到该客户的合同快要到期了,该客户可能会询问续签他的合同。
根据一个实施例,明确意向和隐含意向的资源映射基于客户结果和组织目标的可预测模型。在这方面,本发明的实施例被配置为将履行客户的明确意向作为主要目标,并且在有能力时尝试满足隐含意向。根据一个实施例,为满足特定意向的需要所需的资源(例如,代理)的能力是动态的并且基于呼叫中心对于相关业务目标的当前性能。例如,可以接受由能力不太足的代理处理已超出相关业务目标的交互。
如果出现能力问题,则隐含意向被搁置以继续进行另一个可用实例。例如,客户在线浏览特定产品可以触发购买该产品的隐含意向的识别。然而,如果呼叫中心没有当前能力发起与该客户的出站交互(例如,通过发起语音呼叫),则可以显示消息,从而在代理可用时向客户提供回叫。
根据一个实施例,交互结果被监测并用于学习和在例如这类响应的定时和/或这类响应的资源识别方面修改由系统提出的未来的响应。例如,交互的结果可以用于评估或重新评估代理关于与该交互相关联的意向的表现。该交互的结果还可以用于评估或重新评估应多快将具有相同意向的交互路由到代理以进行处理。
图1为根据本发明一个示例性实例的支持用于客户体验管理的呼叫中心的系统的示意性方框图。呼叫中心可以是企业或公司的内部设备,用于在执行销售和与可通过该企业获得的产品和服务相关的服务的功能中服务该企业。另一方面,呼叫中心可以是第三方服务提供商。呼叫中心可以本地部署在专属该企业或者第三方服务提供商的设备中,和/或部署在诸如例如具有用于支持多个企业的多个呼叫中心的基础设施的私人或公共云环境的远程计算环境中。
期望从呼叫中心接受服务的客户、潜在客户或者其他终端用户(统称为客户)可以通过他们的终端用户装置10a-10c(统称为10)向呼叫中心发起入站交互,例如呼叫。每一个终端用户装置10都可以是本领域传统的通信装置,例如电话、无线电话、智能电话、个人计算机、电子平板和/或类似装置。操作终端用户装置10的用户可以发起、管理并响应电话呼叫、电子邮件、聊天、短信、网页浏览会话和其它多媒体事物。
从终端用户装置10发起的或到终端用户装置10的入站和出站呼叫可以根据正在使用的装置的类型穿过电话、蜂窝电话和/或数据通信网络14。例如,通信网络14可以包括专用或公共交换电话网络(PSTN)、局域网(LAN)、专用广域网(WAN)和/或公共广域网,例如因特网。通信网络14还可以包括无线载波网络,所述无线载波网络包括本领域中传统的码分多址(CDMA)网络、全局移动通信系统(GSM)网络和/或3G或4G网络。
根据一个示例性实施例,呼叫中心包括连接到通信网络14的交换机/媒体网关12,用于接收并发送终端用户与呼叫中心之间的呼叫。交换机/媒体网关12可以包括被配置为用作用于该中心内的代理层路由的中心交换机的电话交换机。就此而言,交换机12可以包括自动呼叫分配器、专用小交换机(PBX)、基于IP的软件交换机和/或被配置为接收来源于网络的呼叫和/或来源于电话网络的呼叫的任何其它交换机。根据本发明的一个示例性实施例,交换机连接到呼叫服务器18,呼叫服务器18可以例如用作交换机与呼叫中心的路由、监测和其它呼叫处理部件的剩余件之间的适配器或接口。
呼叫中心还可以包括用于与终端用户装置10和/或网页服务器32进行语音交互以外的媒体交互的多媒体/社交媒体服务器24。媒体交互可以与例如电子邮件、语音邮件(通过电子邮件传送的语音邮件)、聊天、视频、短信、网络、社交媒体、屏幕共享以及类似形式相关。网页服务器32可以包括例如终端用户可以订阅的诸如脸书、推特以及类似的各种公知的社交网站的社交网站主机。网页服务器还可以为呼叫中心正在支持的企业提供网页。终端用户可以浏览网页并获得与该企业的产品和服务相关的信息。该网页还可以通过例如网络聊天、语音呼叫、电子邮件、网页实时通信(WebRTC)或类似形式提供用于联络呼叫中心的途径。
根据本发明的一个示例性实施例,交换机被连接到还可以被称为自助系统、虚拟助理或类似名称的交互式媒体响应(IMR)服务器34。IMR服务器34可以类似于交互式语音响应(IVR)服务器,但是IMR服务器并不限于语音而是可以涵盖包括语音的各种媒体信道。以语音作为示例,然而,IMR服务器可以与IMR脚本一起配置用于查询呼叫客户的需求。例如,银行的呼叫中心可以通过IMR脚本告诉呼叫者如果他们希望获得账户余额则“按1”。如果是这种情况,则通过与IMR的持续交互,客户可以在不需要与代理对话的情况下完成服务。IMR服务器34还可以提出开放性问题,例如“有什么可以帮您吗?”,客户可以通过说话或以其它方式输入联络呼叫中心的原因。客户的响应可以在随后用于为该交互识别明确意向并为该交互选择合适的资源。
如果呼叫将被路由到代理,则该呼叫被转发到与路由服务器20交互的呼叫服务器18以将该呼叫路由到合适的代理。呼叫服务器18可以被配置为处理PSTN呼叫、VoIP呼叫以及类似呼叫。例如,呼叫服务器18可以包括用于处理SIP呼叫的会话发起协议(SIP)服务器。根据一些示例性实施例,呼叫服务器18可以例如提取与客户交互相关的数据,例如呼叫者的电话号码(常被称为自动号码识别(ANI)号)、或者客户的因特网协议(IP)地址或者电子邮件地址。
根据一个实施例,根据本发明的一个实施例,该系统包括与路由服务器20交互的客户体验服务器25,用于管理客户体验并最大化输出。客户体验服务器25可以包括一个或多个软件模型,所述软件模型用于识别与客户交互的机会、识别用于处理交互的资源、确定用于交互的处理的时间以及从交互的结果中学习。这种情况中,客户体验服务器25可以被配置为查询一个或多个数据库以获得客户数据(例如,客户配置文件)、代理数据(例如,代理配置文件、日程安排等)、交互数据(例如,与客户的每个交互的细节(包括交互的原因)、配置数据、保持时间、处理时间,等等)、与组织相关的数据(例如,当前的业务目标以及性能统计)以及由例如外部数据源提供的任何其它数据,以便识别合适的机会和资源。该数据可以存储在可以采用硬盘或磁盘阵列形式的(多个)大容量存储装置30中。存储有客户配置文件和交互/案例数据的一个或多个数据库通常可以统称为客户数据库。根据一个实施例,所述数据中的一部分(例如,客户配置文件数据)可以由诸如第三方客户关系管理(CRM)数据库的第三方数据库提供。在一个实施例中,所述数据中的一部分被存储在客户体验服务器25的缓冲内存中。
根据一个实施例,客户体验服务器25可以使用ANI查询客户数据或者查询由IMR34收集的任何其它信息,并通过呼叫服务器18或路由服务器20转发到客户体验服务器25。
根据一个实施例,处理交互的合适目标的选择基于该资源在交互期间处理明确意向和/或隐含意向的预测性能以及在预测明确意向和/或隐含意向最大化结果的时间周期内该代理的可用性。代理的可用性信息可以从例如统计服务器22获得。
一旦识别出合适的代理用以处理交互,则客户与所识别的代理的代理装置38a-38c(统称为38)之间的连接被建立。就此而言,每个代理装置38可以包括适用于规则的电话呼叫、VoIP呼叫以及类似呼叫的电话。代理装置38还可以包括用于与呼叫中心的一个或多个服务器通信并执行与呼叫中心操作相关联的数据处理以及用于通过语音和其它多媒体通信机制与客户交互的计算机。收集的与呼叫者相关的信息和/或呼叫者的历史信息可以显示在代理的计算机装置上以辅助代理更好地服务该呼叫。该代理还可以通过显示在计算机上关于如何处理交互的提示进行训练。例如,在明确意向被处理完后,代理可以被训练提出为该客户识别的隐含意向。
呼叫中心还可以包括被配置为由统计服务器22汇总的数据生成报表的报表服务器28。这些报表可以包括与代理性能、呼叫中心性能、与(因为,例如缺乏资源)不能处理的隐含意向相关的丢失的机会相关的近实时报表或历史报表。
根据本发明的一个示例性实施例,路由服务器20通过用于管理分配给代理的后台/离线活动的功能而被增强。这些活动可以包括例如回复电子邮件、回信、参加培训讲座或不需要与客户实时通信的任何其它活动。处理这些类型的活动的代理的选择还可以依赖于代理和呼叫中心性能、业务目标以及类似因素。一旦分配给代理,则活动可以被推送给该代理或者可以在该代理的工作框26a-26c(统称为26)中显示为该代理的待完成任务。代理的工作框可以通过本领域中传统的任何数据结构实现,例如链表、阵列和/或类似数据结构。该工作框可以保持在例如每个代理装置38的缓冲内存中。
根据一个实施例,客户体验管理和结果最大化包括对客户与呼叫中心之间的交互的原因或目的(统称为意向或目标)的识别。作为一个示例,可以为与呼叫中心已经发起呼叫的客户识别两种类型的意向:1)(多个)明确/明显意向;和2)(多个)隐含意向。
根据一个实施例,明确意向由客户在与呼叫中心发起交互来提供。客户的明确意向可以从多个来源获得,例如客户的表达、与IMR服务器34的交互和/或客户采用的其它明示动作。
以IMR服务器34作为示例,IMR服务器34可以配置为询问客户开放式问题以引出关于该呼叫的原因的信息。例如,IMR服务器34可以配置为询问“有什么可以帮助您?”客户可以通过说出呼叫原因进行回答,例如“我有资格升级我的手机吗?”根据一个实施例,客户说出的短语由语音分析模块分析,其中所述语音分析模块可以是客户体验服务器40的一部分或者独立于客户体验服务器40,然后该呼叫被归类为特定类别,例如随后被设置为该呼叫的明确意向的“升级资格”类别。在其它实施例中,IMR服务器34询问的问题是非开放式的,但是将呼叫者的响应限定到例如特定主题。当然,IMR服务器30还可以配置为用作传统IVR,其中向客户提供一列呼叫原因,客户按下与他或她的呼叫原因相匹配的数字。随后可以从客户按下的特定数字推断出明确意向。在另一个实例中,来自先前交互的未解决意向可以被识别为当前呼叫的潜在原因,并且可以询问客户以证实当前呼叫原因是为了解决该未解决意向。
交互的明确客户意向还可以通过其它形式提供,例如网络、聊天、文本、电子邮件、社交媒体信道和/或类似形式。如果客户通过移动应用程序发起联络,则意向数据可以由移动应用程序在发起呼叫之前收集。在通过语音信道将客户连接到代理之前,所收集的意向数据随后可以通过数据信道被提供到呼叫中心。
类似地,如果客户在联络呼叫中心之前正在浏览网站,则由网站收集的信息可以作为客户的用于发起该联络的明确原因被提供到呼叫中心。例如,当客户选择“与代理对话”选项时,该客户可以正在浏览与“携带宠物飞行政策”相关的公司网页。正在浏览的页面上的信息可以与和代理对话的请求一起传送,从所传送的信息可以确定客户希望与代理对话的原因与“携带宠物飞行”相关。
捕获客户的明确意向允许呼叫中心向客户提供第一时间处理他们的交互(称为第一联络解决方案)的能力。这在满足服务相关的度量中很重要。
根据一个实施例,隐含意向是由客户体验服务器25根据例如收集的客户数据、该组织的全局业务目标和/或类似信息推断的意向。在一些情况中,隐含意向可以描述为在获得业务目标中的交互的机会或引导。这些目标包括但不限于:收入/销售额(总体、产品、服务,等等)、服务成本、委托收款和保留。例如,根据特定的客户数据和组织的增收目标,具有质疑信用卡交易的明确意向的客户呼叫可以被识别为符合信用卡限制增销的隐含意向。可以在当前呼叫期间为该特定隐含意向生成反应事件以由当前(或一些其他)代理执行。
隐含意向还可以使用类似于网络互动或主动聊天的技术收集。虽然客户没有明确请求与该意向的交互,该交互可以根据客户浏览该公司的网站并查看特定产品或服务的信息而作为主动事件提出。
根据一个实施例,当能力允许隐含意向被处理时,隐含意向被处理。就此而言,处理客户的明确意向先于处理隐含意向。也可以根据客户价值、可用工作人员、执行能力以及类似因素分配隐含交互的优先级。
客户体验管理和结果最大化还包括为确定呼叫中心目标的性能识别有意义的属性以预测这些目标在处理特定类型意向中的性能。无论呼叫中心目标是否是自动资源、人力资源(例如,呼叫中心代理)或资源组,术语呼叫中心目标在这里一般用于指呼叫中心资源。
一旦识别到适当的属性,体验管理服务器25可以计算表明代理的性能/资格/能力的分数以满足特定意向(它可以是明确的或隐含的)的需要,以下称为有意义的属性计算(MAC)分数或性能分数。在一个实施例中,MAC分数用于预测将具有特定意向的特定交互路由到特定资源的结果。
为生成MAC分数选择的属性可以是通常由呼叫中心收集的一个或多个呼叫中心度量(测量)。这种度量可以包括例如平均处理时间(AHT)、净推荐值(NPS)、解决率、总传输、等待时间、平均保持时间以及类似度量。根据一个实施例,为生成MAC分数选择两种类型的属性:1)客户度量;和2)业务度量。客户度量可以是基于客户提供他或她对该交互的意见的度量。例如,可以在交互结束时通过询问:“今天的互动得到解决了吗?”以及回答“是”、“没有”或“还不能回答”的选项来提示客户提供他或她对于第一呼叫解决的意见。业务度量可以是被配置为度量该交易的重要性的度量。这可以从例如类似净推荐或客户费力度的反馈机制到类似于信用承诺或销售转化率的性能度量。特定的呼叫中心度量可以作为客户度量和/或业务度量。同样,可以选择客户度量和业务度量以外的其它类别来识别应该用于计算MAC分数的度量。当然,本领域技术人员应当理解MAC分数可以根据多于或少于两个的属性进行计算。例如,MAC分数可以基于对单个属性或三个或更多个属性的组合的选择。
根据一个实施例,选择被识别为彼此关联的客户度量和业务度量以计算MAC分数。就此而言,客户体验服务器25可以访问可以特定用于特定的呼叫中心或呼叫中心组(例如,特定的垂直行业中的呼叫中心)的度量相关性的数据库。
图2A和2B为根据本发明的一个实施例的示例性相关性矩阵100a和100b的总体配置图。相关性矩阵100a和100b确定可能对客户很重要的度量是如何匹配到商业利益的,反之亦然。相关性矩阵可以由客户体验服务器(或者任何其它服务器)根据为呼叫中心或者呼叫中心组积累并且存储在大容量存储装置中的过去的交互结果数据自动生成。
在图2A的示例性相关性矩阵100a中,如果选择NPS分数102a作为重要的业务度量,那么被认为与NPS分数相关性最高的客户度量是具有0.31的相关性分数的通话时长104。该相关性分数表明随着NPS分数上升,通话时长也被预测为上升。
在图2B的示例性相关性矩阵100b中,将NPS分数102b再次作为重要的业务度量,在本示例中的相关性矩阵100b确定NPS分数与解决率106最高相关,具有-0.3的相关性分数。根据该相关性分数,随着NPS分数上升,解决率106被预测为下降。
根据一个实例,为MAC分数选择的客户度量可以是测量第一次联络解决率的决议解决(%)。决议解决(%)度量的值的范围从0%到100%。为MCA分数选择的业务度量可以是例如平均NPS分数。NPS分数的值的范围可以是-200到+200。
根据一个实施例,客户度量和业务度量被首先标准化,以使得标准化的值为0到200。然后,可以根据下面的示例性公式使用标准化的值计算MAC分数:
总和(客户结果度量x业务结果度量)
呼叫中心度量的标准化可以基于表1示出的公式。当然,表1中的标准化公式仅为示例性的。正如本领域技术人员应当理解的,可以使用其它公式。
表1
根据一个实例,根据上述公式计算出的最大MAC分数为40,000点,其中200最大点由客户度量提供以及200最大点由业务度量提供。根据一个实施例,MAC分数可以进一步除以4,000并取整(例如,四舍五入),以给代理提供关于该意向的在10范围以外的整数的MAC分数。根据本实施例,根据代理的分数可以将他们分为10个组。当然,如本领域技术人员理解的,代理可以被分组为更少的组或者多于10个的组,也可以根本不生成组。
根据一个实施例,对于每一个特定类型的意向为每个代理根据该代理针对该意向的过去性能计算MAC分数。就此而言,识别由代理处理的与特定意向相关联的过去交互,并且为代理计算客户度量值和业务度量值以最终计算该代理针对该特定意向的MAC分数。可以以周期性(规律或不规律)的间隔,例如以周为单位、每30天、在特定的日期和/或时间、该代理处理一定数量的呼叫之后、该代理工作数个小时之后和/或类似周期,自动触发MAC分数计算。可以考虑用于检索客户度量值和业务度量值的交互可以是短时间周期内收集以用于提供短期MAC分数或者是长时间周期内收集以用于提供历史(长期的)MAC分数。例如,历史MAC分数可以是为代理计算的所有过去的短期MAC分数的平均值。
图3是特定类型的意向的不同代理的示例性MAC分数表的总体配置图,其中MAC分数使用上文讨论的MAC计算和归一化公式计算。在图3的实例中,代理200具有100点的平均NPS分数以及100%的第一呼叫解决率。按照表1中的第一个归一化公式,该代理的根据NPS分数的归一化业务度量为200(100x2),并且按照表1中的最后一个归一化公式,该代理的根据解决率的归一化客户度量也是200((0.100x100)x2)。因此,根据本示例的代理200的MAC分数为200x200=40,000。
代理202具有-33.33的平均NPS分数以及66.67%的第一联络解决率。按照表1中的第二个归一化公式,该代理的根据NPS分数的归一化商业度量为66.67点(-33.33+100),并且按照表1中的最后一个归一化公式,该代理的根据解决率的归一化客户度量为133.33点((0.6667x100)x2)。因此,根据本实例,代理202的MAC分数为66.67x133.33=8889。因此,根据将NPS分数和第一次联络解决率视为用于评估代理性的度量的该MAC分数,对于这些类型的交互,代理202可以被认为与代理200相比具有更低的熟练程度。
为特定意向类型的代理分配MAC分数允许为与该特定意向类型相关联的交互选择正确的资源。例如,根据为呼叫中心的全部代理或代理的一个子集合计算的MAC分数,代理可以被分为多个组。随后可以评估代理对于不同业务量度的真实性能以根据当前需要选择合适的代理。
图4A为根据本发明一个实施例的根据示例性MAC分数生成的10个代理组的总体布置图。根据本实例,代理被分配1到10的MAC分数,并且根据他们的MAC分数被分为10个组。在本实例中,组10中的代理具有与最高组NPS分数(96.79)和最高组第一联络解决率(99.84%)相关联的MAC分数10。组1中的代理具有与最低组NPS分数(-78.16)和最低组第一联络解决率(54.73%)相关联的MAC分数1。根据该代理分组,客户体验管理服务器可以根据当前的呼叫中心性能选择限制到特定组中的代理的意向路由,并且因此限制到特定MAC分数的代理的意向路由。生成的MAC组可以被称为路由组。例如,如果呼叫中心没有完全实现特定业务目标,则服务器25可以缩小代理池到包括性能高于平均值的代理的路由组。典型的业务目标可以是特定的NPS目标,例如NPS目标为50。如果呼叫中心的当前NPS仅为35,则可以收小资源池以选择NPS分数高于平均值的代理,并且因此具有更高的成功帮助符合公司的NPS目标的可能性。然而,如果呼叫中心已超额完成特定业务目标,则服务器25可以将代理池扩展到包括性能低于平均值的代理的路由组。
图4B-4C为根据本发明一个实施例的测量图4A中的代理组的不同性能度量的图表。如本实例中所示,每组都具有它自己的针对两个被识别的建立MAC分数(例如,NPS分数和解决率(%))的度量的性能。图表识别在这两个度量中表现地好和不好的成员组。例如,组1-6低于通过所有组计算的平均NPS分数33.07,并且低于88.89%的平均解决率(%)。另一方面,组1-7既高于平均NPS分数又高于解决率(%)。
图4D-4E为根据本发明一个实施例的根据用于将交互路由到路由组的图4A中的代理组生成的路由组的性能度量的图表。可以为该业务确定性能提升以选择将交互路由限制到特定组中的代理。例如,包括组4-10(图4E)的路由组中获得的性能可以与仅包括组5-10(图4D)的路由组中获得的性能相比较。通过移除性能带之外的组中的成员而获得的性能提升是所述组内成员的性能分数的总和与总值的比。
图5A-5B为根据本发明一个实施例的由客户体验服务器25执行的客户体验管理过程的流程图。该过程可以响应于特定事件(例如,来自客户的入站交互)被触发。
该过程在步骤500中开始,服务器25同时识别与交互相关联的明确意向和隐含意向。对明确意向的识别可以根据客户的表达、与IMR服务器34的交互、与组织的网站的交互和/或类似形式的语音分析。如上文所述,明确意向是为什么客户联络呼叫中心的原因。例如,客户可能有特殊的难题、问题和/或类似原因。根据客户的输入,服务器25将明确意向归类到多个已知类别中的一个中。
除了明确意向,可以根据对客户、当前业务目标和类似因素的了解为该客户识别一个或多个隐含意向。就此而言,隐含意向可以是为获得一个或多个呼叫中心业务目标而为客户收集的一系列机会,例如信用卡加售、续约加售和/或类似机会。如果为客户识别多个隐含意向,则意向可以根据一个或多个因素排列优先次序。其中一个因素可以是呼叫中心在获得一个或多个呼叫中心业务目标中的当前性能。例如,如果该组织具有当月续签100个新合同的目标,并且在当月第15天时仅获得了该目标的40%,则续约加售可以比与续约无关的另一个隐含意向等级排列得更高。
可以与隐含意向优先次序排列相关的另一个因素可以是为该交互识别的特定明确意向。例如,连同特定明确意向处理的特定隐含意向与其它不相关明确意向一起处理时相比可以具有更高的成功率。因此,根据一个实施例,根据呼叫中心的当前性能分配给隐含意向的等级可以根据与明确意向一起处理隐含意向的成功率修改。
根据一个实施例,为当前交互的客户选择具有最高等级的隐含意向。在其它实施例中,所选择的隐含意向不具有最高等级。
在步骤502中,服务器25为识别的明确意向和隐含意向识别业务的目标/目的。该目标可以从组织到组织之间改变、从一个意向改变到另一个意向和/或类似因素变化。例如,组织可以具有特定的NPS分数、销售、托收和/或利润的全局目标。然后可以为不同的意向类型、产品线、业务单元和/或类似项目设定更具体的目标。例如,基于销售的意向可以具有与转换率、收入和销售相关的目标,而基于服务的意向可以具有与客户费力度、NPS和/或类似项相关的目标。根据一个实施例,除非管理员另有规定,否则全局目标默认为设定在意向水平的更具体的目标。例如,如果特定意向与目标收入目的相关联,则可以在步骤502中选择该目标的收入目的而非全局组织收入目的。
在步骤504中,服务器25识别在满足所识别的业务目标中当前呼叫中心的性能,并且比较该当前性能与业务目标以确定(多个)性能差距。性能差距可以指示呼叫中心相对于业务目标的表现优异或表现不佳。当前的呼叫中心性能数据可以存储在大容量存储装置30的一个或多个数据库中、服务器25的缓冲内存中和/或类似位置,并且定期或非定期更新。例如,大容量存储装置30和/或缓冲区内存可以存储与组织的多种业务目标相关的当前统计,例如当前收入、销售、收款、利润、NPS分数以及类似数据。当前统计可以保持在组织级别或者进一步细分为意向级别、产品级别、业务单元级别和/或类似级别。
根据一个实施例,当前的性能数据识别该呼叫中心为没有实现或者超额实现为明确意向和隐含意向识别的业务目标。例如,如果业务目标的目标是35%,但是当前性能是30%,则该呼叫中心被认为没有实现5%的目标。
步骤506中,服务器25确定多种呼叫中心目标在处理明确意向和隐含意向中的当前性能,从而根据性能差距识别处理隐含意向和/或明确意向的(多个)正确资源。就此而言,服务器25识别隐含意向的多个目标的MAC分数以及明确意向的MAC分数。MAC分数可以被预先计算并存储在大容量存储装置中,以便服务器25在需要时检索。大容量存储装置可以根据为呼叫中心识别的业务度量和客户度量的一个或多个不同组合为每个代理存储一个或多个不同的MAC分数。根据一个实施例,所识别的业务度量和/或客户度量基于该呼叫中心的业务目标。例如,如果呼叫中心的目标中的一个是特定的销售转换率,则用于计算代理的MAC分数选择的业务度量还可以是销售转换率。根据当前相关性矩阵,例如图2A-2B中的相关性矩阵100a或100b,随后可以(例如,由服务器25自动地)选择与销售转换率高度关联的客户度量。例如,由于第一联络解决方案与销售转换率高度关联,可以选择第一联络解决方案作为客户度量。
根据一个实施例,根据为特定意向分配的MAC分数,代理可以被分配到路由组中。例如,如图4的实例,根据范围从1到10的MAC分数可以生成10个路由组。这样,具有相似性能的代理可以被分组到一起以便于管理。当然,根据呼叫中心需要,所述组可以少于或多于10个,或者可以根本不生成组。
步骤508中,服务器25识别明确意向和隐含意向中的每一个所需要的当前最小性能,以弥补步骤504中识别的性能差距。根据一个实施例,服务器25为明确意向和隐含意向中的每一个计算最小性能分数。就此而言,服务器25考虑各种因素,包括但不限于:1)所计算的性能差距;2)MAC分数;3)在特定意向周期(例如,24小时)内已经处理的交互数量;和/或4)在同一时间段内为该意向预测的交互数量。如本领域技术人员所理解的,为特定意向预测的交互数量可以基于对过去交互的历史分析。
根据以下的示例性数值,下面提供了最小性能分数的计算作为示例:
a)当前性能:30%获得了阀值MAC分数
b)目标性能:35%获得了阀值MAC分数
d)完成交互:600
e)预测交互:1000
f)剩余交互:400
预测转变:预测交互(1000)x目标性能(35%)=一天中有350个交互需要转变。
完成转变:完成交互(600)x当前性能(30%)=目前有180个获得了阀值MAC分数。
需要的转变:预测转变(350)-完成转变(180)=还有170个需要获得阀值MAC分数。
最小性能分数:需要的转变(170)/剩余交互(400)=42.5%。
假设呼叫中心未获得它的MAC阀值分数目标的5%,那么需要具有提升当前性能的性能历史的代理。特别是在上述实例中,在满足MAC阀值分数中被预测为传递大于42.5%的速率的代理被预测为有效目标。
通过根据当前呼的叫中心数据和代理的预测性能动态地计算最小性能分数,可以实时做出缩小或扩展符合条件的路由组以适应当前的呼叫中心度量的确定。随后可以从符合条件的路由组中选择可用代理。
步骤510中,服务器25为满足相应的当前最小性能分数的明确意向和隐含意向生成一列潜在目标。潜在目标可以是一列潜在的代理或代理组。
步骤512中,确定客户对明确意向和隐含意向中的每一个的耐性以确定多长时间后应当将交互路由到代理。客户耐性值可以是例如客户放弃率突然增加的等待时间和/或特定业务度量开始严重增加的时间。根据一个实施例,耐性与交互的每个意向(明确的和隐含的)相关联,并且执行隐含意向的选择基于满足该意向的耐性阀值的能力。根据一个实施例,值计算也可以添加到耐性值中,以在意向执行的资源是有限的情况下确保最优价值的一个被首先处理。可以根据客户分类(例如,金牌客户、银牌客户、铜牌客户)、交易价值或重要性以及类似因素计算价值。
根据一个实施例,根据以下非限制性标准为每个交互计算客户耐性:1)特定客户的过去的行为(例如,放弃、客户体验反馈、购买以及类似行为);2)相似客户(例如,年龄、性别、产品持有等等)的过去的行为;3)交互的明确意向;和4)交互的信道(例如,语音、电子邮件、文本等等)。不同类型的意向以及不同类型的交互信道可以提供不同的耐性阀值。根据一个实施例,评估各种标准以确定:1)客户放弃特定交互的可能的时间;和2)损害获得所需的结果(例如,通过糟糕的NPS分数或其它类似的分数而导致糟糕的客户体验反馈)或者降低达成销售的能力的可能的时间。根据一个实施例,客户耐性阀值被设置为两个时间中较小的一个。
作为一个实例,假设客户的明确意向是账单查询并且隐含询问为销售。根据该客户特定的过去行为、其他相似客户的行为、交互的明确意向以及交互信道,如果被路由到代理之前该客户等待2分钟,则预测到对于明确意向可以预期到高于阀值的NPS分数。因此,明确意向的客户耐性阀值可以设置为2分钟。然而,历史数据还可以指示等待2分钟导致低销售可能性。历史数据可以指示被路由到代理之前客户等待30秒或更短时间时销售可能性上升到高于期望阀值。因此,销售的隐含意向的客户耐性值可以被设置为30秒而非2分钟。
根据一个实施例,步骤514中,服务器25尝试从符合条件的路由组中识别具有用于处理明确意向和隐含意向的技能的目标,预计该目标在明确和隐含的客户耐性阀值期间是可用的。在明确意向耐性值为2分钟且隐含意向耐性值为30秒的实例中,服务器25尝试找到期望在30秒内变成可用的代理,以便处理明确意向和隐含意向。可以根据例如统计服务器22提供的代理可用数据通过常规机制做出代理可用性的确定。
如果代理被识别为能够满足明确和隐含的客户耐性阀值,则在步骤516中,当前交互被传送到所识别的代理。例如,客户体验服务器25可以向路由服务器20传送命令以将交互路由到所识别的代理。该命令可以携带为交互识别的明确意向和隐含意向。
步骤518中,服务器25提示代理处理明确意向和隐含意向。该提示可以是仅仅显示交互的被识别的意向。如果该意向为隐含意向,则该意向可以被突出显示或者以其它方式区别于明确意向。根据一个实施例,可以通过显示在代理装置上的脚本训练该代理处理隐含意向。在这种方式中,当具有可用于处理隐含意向的资源以最大化这种隐含意向的结果时,隐含意向在正确的环境下被处理。
再次参照步骤514,如果交互不能在被识别的客户耐性时间内被路由到符合条件的路由组中的代理,则在步骤522中做出是否存在具有用于处理满足明确客户耐性阀值的明确意向的技能的可用代理的判定。
如果答案为是,则服务器25放弃隐含意向和/或存储隐含意向以备后用,并且在步骤526中该交互被传送到识别的代理以处理明确意向。就此而言,将交互路由到被识别的代理的命令可以包括被识别的明确意向而不包括被识别的隐含意向。根据一个实施例,可以报告并分析错过的机会。这些错过的机会可以与由于缺少用于处理隐含意向的资源而造成的收入和销售的损失相关。
如果没有代理可用于在明确的客户耐性阀值内处理明确意向,则客户体验服务器25可以向路由服务器20发送消息,以在步骤528中根据常规路由机制采用用于路由交互的默认路由逻辑。这可以包括例如如果客户不想等待可用代理则向客户发送消息承诺回拨。还可以分散生成的符合条件的路由组以将呼叫路由到任一个可用代理,即使该代理不满足为明确意向计算的最小性能需求。
在交互被代理处理后,交互的结果由例如服务器25收集,以在步骤520中更新大容量存储装置30中的多个数据库。该结果可以包括与交互、呼叫中心统计相关的数据(例如,平均处理时间、等待时间,等等)、业务结果数据(例如,销售是否达成或者该销售的细节)以及类似项目相关的问题或调查的客户响应。通过更新该数据以反映代理或呼叫中心的当前性能,然后该数据可以被用于为下一个交互重新评估需求。
在图5A-5B的流程图中,隐含意向在响应于客户发起的入站交互的反应事件中被处理。隐含意向还可以作为没有(作为前提的)入站客户交互的主动事件被处理。例如,隐含意向可以根据通过缺乏明确通信请求的客户(例如,访问公司网页、登录公司提供的移动应用程序、访问分公司/商店、支付账单以及有类似行为的客户)生成的事件触发的机会被主动执行。在这种情况下,该客户被识别为使用提议可接触的,并且可以生成并通过任何交互信道传送讨论隐含意向的邀请。该邀请可以是例如呼叫中心的出站动作的一部分。对主动事件的时机以及分配给主动事件的资源的考虑可以与关于反应事件在图5A-5B中讨论的考虑相似。根据一个实施例,来自主动事件的交互结果可以包括联络的优选模式的数据以及后续的发生情况和优先次序的联络方法的性能。
图6-9F是根据本发明一个实施例的管理员可以为不同目标水平设置的示例性目标的总体布置图。所述目标可以周期性地(例如,基于每小时、每天或每月地)更新。所述目标可以被存储在例如服务器25的缓冲内存中,并且与当前的呼叫中心性能进行比较以确定性能差距、预测并调度资源、计划并调整组织目标以及类似内容。
如图6-9F的图中所例示,目标被设定在多个层次,其中除非被覆盖,否则每个较高层次默认为较低分组。图6-9F的图示中示出的示例性层次包括:
全局设置
意向组设置,例如,销售
产品线或业务单元设置,例如,手机
意向设置,例如,新销售,重新签订合同
意向组设置,例如,销售
产品线或业务单元设置,例如,宽带
意向设置,例如,新的销售,重新签订合同
意向组设置,例如,服务
产品线或业务单元设置,例如,宽带
意向设置,例如,连接性
意向组设置,例如,服务
产品线或业务单元设置,例如,宽带
意向设置,例如,故障
可以形成在全局层次并且具有覆盖每个后续层次的能力的以下类型的设置:
1)要获得的目标以及相关联的时间范围(例如,每月的营业额和NPS目标);和
2)操作信道以及它们的操作模式(例如,语音、聊天、反应、主动)。
其它目标包括但不限于转变率、做出的提议以及类似目标。
根据一个实施例,目标设置包括由例如配置服务器执行的验证步骤,以确保每个层次的值都是有意义的。例如,验证步骤可以检查以确保收入数值不超过达到的下面的数字的总和。
在操作过程中,获得的实际值和生成并执行以及没有执行的机会可以由客户体验服务器25、报表服务器28或者单独的监控服务器追踪并上报。例如,一个周期内生成的“手机销售”隐含意向的数量可以被追踪。这些可以被看作是支持满足目标的“机会”。被执行的隐含意向的数量、它们是如何被执行的(例如,反应的、事件驱动、主动的)以及执行的信道也可以被追踪。未执行的原因也可以被追踪,例如没有可用资源、超出耐性、由于值优先次序而错过、没有执行的机会以及类似原因。
根据一个实施例,报表/分析可以被用于突出针对设定目标的呼叫中心性能,并且目标的相似原因没有得到满足(例如,仪表板类型的报表中)。报表/分析数据还可以在后期初始配置中用于预填充具有交互和机会量信息的目标以支持现实可获得的目标的设置。例如,如果根据一定历史时间段的手机销售意向(明确+隐含,反应+主动)的结合次数在收入为$100在为1000,那么由于基于上面的数量的机会的最大收入为$100,000,就完全没有必要设定$1M的收入目标。
分析数据也可以被馈送到路由的目标寻找部件,例如用于根据迄今为止的平均销售值和性能计算满足特定收入目标所需的转变率。
“错过的机会”分析也可以用于策略能力规划。例如,关于“手机销售”隐含意向,假设如下:
1.生成1000个隐含意向;
2.执行600个(200个为反应标签、200个事件驱动以及200个为完全主动);
3.由于缺乏有力的资源而错过200个事件驱动机会;和
4. 200个完全主动交互由于资源配置而没有完成。
在上述实例中,在平均收入为$100下将会失去400个机会。这相当于失去的机会中的$40,000。如果转变率为25%,则这相当于失去的销售中的$10,000。
根据上述分析,可以调用呼叫中心(例如,劳动力管理服务器)以计算增加的资源的数量,这些增加的资源可以被启用以能够满足上述需求以执行上述机会。该原则可以被达到并提供到目标设定/追求的每个层次,从而能够在所有交互和信道中计划真实策略的劳动力和能力。
在前述附图中的多个服务器、控制器、交换机、网关、引擎和/或模式(统称为服务器)中的每一个可以是运行在一个或多个计算装置1500中的一个或多个处理器上(例如,图10A、图10B)、执行计算机程序指令并与其它系统部件交互以执行本文所述的各种功能的进程或者线程。所述计算机程序指令存储在实现在内存中,所述内存可以使用标准内存装置(例如,随机存取存储器(RAM))在计算装置中执行。该计算机程序指令还可以存储在其它非临时性计算机可读介质中,例如CD-ROM、闪存驱动器或者类似介质。同时,本领域技术人员应当理解,计算装置可以通过固件(例如,应用程序专用集成电路)、硬件或者软件、固件和硬件的组合实现。本领域技术人员还应当理解在不背离本发明的示例性实施例的保护范围的情况下,各种计算装置的功能可以组合或集成到单个计算装置中,或者特定计算装置的功能可以通过一个或多个其它计算装置而被分散。服务器可以是软件模块,所述软件模块也可以简单地称为模块。呼叫中心中的一组模块可以包括服务器以及其它模块。
多个服务器可以位于站内计算装置上的与呼叫中心的代理相同的物理位置,或者可以位于站外(或在云中)的在地理上不同的位置,例如远程数据中心,并通过网络(例如,因特网)连接到呼叫中心。另外,一些服务器可以位于呼叫中心处的站内计算装置中,同时其它服务器可以位于站外计算装置中,或者提供冗余功能的服务器既可以通过站内计算装置提供又可以通过站外计算装置提供以提供更大的容错能力。在本发明的一些实施例中,由位于站外的计算装置上的服务器提供的功能可以通过虚拟专用网(VPN)访问并提供,就好像这些服务器是站内的,或者这些功能可以使用软件即服务(SaaS)提供以通过互联网使用各种协议提供功能,例如通过交换使用在可扩展标记语言(XML)或JavaScript对象符号(JSON)中编码的数据。
图10A和图10B显示在本发明的示例性实施例中可以使用的计算装置1500的框图。每个计算装置1500都包括中央处理单元1521和主内存单元1522。如图10A所示,计算装置1500还可以包括存储装置1528、可移除介质接口1516、网络接口1518、输入/输出(I/O)控制器1523、一个或多个显示装置1530c、键盘1530a和指向装置1530b(例如,鼠标)。存储装置1528可以包括但不限于用于操作系统和软件的存储器。如图10B所示,每个计算装置1500还可以包括附加的可选元件,例如内存端口1503、桥接器1570、一个或多个附加的输入/输出装置1530d,1530e和与中央处理单元1521通信的缓冲内存1540。输入/输出装置1530a、1530b、1530d和1530e在这里可以使用附图标记1530统称。
中央处理单元1521为响应并处理从主内存单元1522获取的指令的任意的逻辑电路。它可以例如在集成电路中实现、以微处理器、微控制器或者图形处理单元(GPU)的形式实现或者在现场可编程门阵列(FPGA)或者应用程序专用集成电路(ASIC)中实现。主内存单元1522可以是能够存储数据并允许中央处理单元1521直接访问任何存储位置的一个或多个内存芯片。如图10A所示,中央处理单元1521通过系统总线1550与主内存1522通信。如图10B所示,中央处理单元1521还可以通过内存端口1503与主内存1522直接通信。
图10B示出了中央处理单元1521通过次级总线(有时称为后段总线)与缓冲内存直接通信的一个实施例。在其它实施例中,中央处理单元1521使用系统总线1550与缓冲内存1540通信。缓冲内存1540相对于主内存1522通常具有更快的响应时间。如图10A中所示,中央处理单元1521通过本地系统总线1550与多种I/O装置1530通信。多种总线可以用作本地系统总线1550,包括视频电子标准协会(VESA)本地总线(VLB)、工业标准结构(ISA)总线、扩展工业标准结构(EISA)总线、微信道结构(MCA)总线、外设部件互连(PCI)总线、PCI扩展(PCI-X)总线、PIC-Express总线或者网络用户总线。对于I/O装置为显示装置1530c的实施例,中央处理单元1521可以通过高级图形端口(AGP)与显示装置1530c通信。图10B示出了计算机1500的一个实施例,其中中央处理单元1521与I/O装置1530e直接通信。图10B还示出了本地总线和直接通信相混合的一个实施例:中央处理单元1521使用本地系统总线1550与I/O装置1530d通信并且与I/O装置1530e直接通信。
多种I/O装置1530可以存在于计算装置1500中。输入装置包括一个或多个键盘1530a、鼠标、触控板、轨迹球、麦克风和绘图板。输出装置包括视频显示装置1530c、扬声器和打印机。如图10A所示,I/O控制器1523可以控制I/O装置。I/O控制器可以控制一个或多个I/O装置,例如键盘1530a和指向装置1530b,例如鼠标或光学笔。
再次参考图10A,计算装置1500可以支持一个或多个可移除介质接口1516,例如软盘驱动器、CD-ROM驱动器、DVD-ROM驱动器、多种形式的磁带驱动器、USB端口、安全数字或COMPACT FLASHTM内存卡端口或者适于从只读介质读取数据或者从读写介质读取或写入数据的其它任意装置。I/O装置1530可以是系统总线1550和可移除介质接口1516之间的桥接器。
例如,可移除介质接口1516可用于安装软件和程序。计算装置1500还可以包括用于存储操作系统和其它相关软件并用于存储应用软件程序的存储装置1528,例如一个或多个硬盘器或者硬盘驱动器阵列。可选地,可移除介质接口1516还可以用作存储装置。例如,操作系统和软件可以由可启动介质(例如,可启动CD)运行。
在一些实施例中,计算装置1500可以包括或者连接到多个显示装置1530c,该多个显示装置中的每一个可以是相同或者不同类型和/或形式。因此,I/O装置1530和/或I/O控制器1523中的任何一个可以包括任意类型和/或形式的合适的硬件、软件或硬件和软件的组合,以通过计算装置1500支持、启动或提供到多个显示装置1530c的连接或者使用多个显示装置1530c。例如,计算装置1500可以包括任何类型和/或形式的视频适配器、视频卡、驱动器和/或库以接合、通信、连接或以其它方式使用显示装置1530c。在一个实施例中,视频适配器可以包括多个连接器以连接到多个显示装置1530c。在其它实施例中,计算装置1500可以包括多个视频适配器,其中每个视频适配器被连接到显示装置1530c中的一个或多个。在一些实施例中,计算装置1500的操作系统的任意一部分可以配置为使用多个显示装置1530c。在其它实施例中,显示装置1530c中的一个或多个可以由一个或多个其它计算装置提供并且通过网络被连接到例如计算装置1500。这些实施例可以包括被设计并构造为使用另一个计算装置的显示装置作为用于计算装置1500的第二显示装置1530c的任意类型的软件。本领域技术人员应当认识并理解到计算装置1500可以被配置为具有多个显示装置1530c的多种方法和实施例。
图10A和图10B中所示出的这种计算装置1500可以在操作系统的控制下操作,该操作系统控制任务的调度并访问系统资源。计算装置1500可以运行任意操作系统、任意嵌入式操作系统、任意实时操作系统、任意开源操作系统、任意专有操作系统、任意用于移动计算装置的操作系统或者能够在计算装置上运行并执行在此所述的操作的任意其它操作系统。
计算装置1500可以是任意工作站、台式计算机、膝上型计算机或笔记本电脑、服务器机器、手持式计算机、移动电话或者其它便携式电信装置、媒体播放装置、游戏系统、移动计算装置或者能够通信并具有足够的处理器能力和内存能力以执行在此所述操作的任意其它类型和/或形式的计算、电信或媒体装置。在一些实施例中,计算装置1500可以具有不同的处理器、操作系统和与这些装置相匹配的输入装置。
在其它实施例中,计算装置1500为移动装置,例如支持Java的蜂窝电话或个人数字助理(PDA)、智能电话、数字音频播放器或者便携式媒体播放器。在一些实施例中,计算装置1500包括诸如与数字音频播放器或便携式媒体播放器结合的移动电话的装置的组合。
如图10C所示,中央处理单元1521可以包括多个处理器P1、P2、P3和P4,并且可以提供指令的同时执行或者多于一个数据片上的一个指令的同时执行的功能。在一些实施例中,计算装置1500可以包括具有一个或多个核的并行处理器。在这些实施例中的一个中,计算装置1500为具有多个处理器和/或多个处理器核的共享内存并行装置,并且作为单个全局地址空间访问全部可用内存。在这些实施例中的另一个中,计算装置1500为具有每一个仅访问本地内存的多个处理器的分布式内存并行装置。在这些实施例中的又一个中,计算装置1500同时具有一些共享的内存和一些可以仅由特定处理器或处理器子集访问的内存。在这些实施例中的又一个中,中央处理单元1521包括将两个或更多个独立处理器组合到单一封装体中,例如单个集成电路(IC)中的多核微处理器。在一个示例性实施例中,如图10D中所示,计算装置1500包括至少一个中央处理单元1521和至少一个图形处理单元1521’。
在一些实施例中,中央处理单元1521提供单指令、多数据(SIMD)功能,例如在多个数据片上同时执行单个指令。在其它实施例中,中央处理单元1521中的多个处理器可以提供用于在多个数据片(MIMD)上同时执行多个指令的功能。在其它实施例中,中央处理单元1521可以在单个装置中使用SIMD和MIMD核的任意组合。
计算装置可以是通过网络连接的多个机器中的一个,或者可以包括如此连接的多个机器。图10E示出了示例性网络环境。该网络环境包括通过一个或多个网络1504与一个或多个远程机器1506a、1506b和1506c(也统称为(多个)服务器机器1506或者(多个)远程机器1506)通信的一个或多个本地机器1502a、1502b(也统称为(多个)本地机器1502、(多个)客户端1502、(多个)客户端节点1502、(多个)客户端机器1502、(多个)客户端计算机1502、(多个)客户端装置1502、(多个)端点1502或者(多个)端点节点1502)。在一些实施例中,本地机器1502具有同时用作寻求访问由服务器机器提供的资源的客户端节点和作为向其它客户端1502a和1502b提供对存储的资源的访问的服务器机器的能力。虽然图10E中仅示出了两个客户端1502和三个服务器机器1506,但是通常每一个可以是任意数量的。网络1504可以是本地局域网(LAN)(例如,诸如公司内联网的专用网络)、城域网(MAN)或者广域网(WAN)(例如,因特网或者其它公共网络)或者上述网络的组合。
计算装置1500可以包括网络接口1518,以通过包括但不限于标准电话线、局域网(LAN)或者广域网(WAN)链接、宽带连接、无线连接或者上述任意或所有连接的组合的多种连接连接到网络1504。连接可以使用多种通信协议建立。在一个实施例中,计算装置1500通过任意类型和/或形式的网关或隧道协议(例如,安全套字层(SSL)或者传输层安全(TLS))与其它计算装置1500通信。网络接口1518可以包括适于将计算装置1500连接到能够通信并执行本文所述的操作的任意类型的网络的内置网络适配器,例如网络接口卡。I/O装置1530可以是系统总线1550和外部通信总线之间的桥接器。
申请人意在通过权利要求覆盖本发明的全部所述应用以及在不背离本发明的精神和范围的情况下对本发明为公开的目的而选择的上述实施例所做的改变和修改。向用户呈现的模板细节的特定方式也可以不同。因此,本发明呈现的实施例从各个方面应当理解为说明性的而非限制性的,本发明的范围将由权利要求和它们的同等项,而非前面的说明。
Claims (22)
1.一种用于为呼叫中心管理交互的方法,所述方法包括以下步骤:
通过处理器识别客户与所述呼叫中心之间的交互的意向,其中所述意向由所述处理器根据为所述客户累积的数据推断;
由所述处理器识别与所述意向相关的呼叫中心业务目标;
由所述处理器确定在实现所述呼叫中心业务目标中的当前呼叫中心性能,并且根据所述确定识别与所述业务目标相关的性能差距;
当处理所述意向时,由所述处理器确定呼叫中心对象的性能;
由所述处理器根据所述确定的所述呼叫中心代理的性能和与所述业务目标相关的识别的所述性能差距识别所述呼叫中心对象中的一个或多个;
由所述处理器确定从用于在所述交互期间处理所述意向的识别的所述呼叫中心对象中的所述一个或多个选择的特定对象的可用性;和
由所述处理器选择所述特定对象以在所述交互期间处理所述意向。
2.根据权利要求1所述的方法,其中,所述确定所述呼叫中心对象的性能的步骤包括:
由所述处理器识别被识别为彼此关联的第一呼叫中心度量和第二呼叫中心度量;和
由所述处理器计算所述多个呼叫中心对象中的每一个的性能分数,其中所述计算是根据所述意向的与所述第一呼叫中心度量和所述第二呼叫中心度量相关的相应对象的历史性能。
3.根据权利要求2所述的方法,其中,所述识别所述多个呼叫中心对象中的一个或多个的步骤包括:
识别最小性能分数;和
选择具有满足所述最小性能分数的性能分数的呼叫中心对象。
4.根据权利要求3所述的方法,其中,所述最小性能分数是根据识别的所述性能差距。
5.一种用于为呼叫中心管理交互的方法,所述方法包括以下步骤:
由处理器为客户与所述呼叫中心之间的交互识别第一类型意向和第二类型意向,其中所述第一类型意向由所述客户根据发起与所述呼叫中心的所述交互提供,并且所述第二类型意向由所述处理器根据所述客户累积的数据推断;
由所述处理器识别分别与所述第一类型意向和所述第二类型意向相关的第一呼叫中心业务目标和第二呼叫中心业务目标;
由所述处理器确定在实现所述第一呼叫中心业务目标和所述第二呼叫中心目标中的当前呼叫中心性能,并且根据所述确定识别与所述第一呼叫中心业务目标和所述第二呼叫中心业务目标相关的第一性能差距和第二性能差距;
当分别处理所述第一类型意向和所述第二类型意向时,由所述处理器确定多个第一呼叫中心对象的性能和多个第二呼叫中心对象的性能;
由所述处理器根据所述确定的所述多个第一呼叫中心对象的性能和与所述第一呼叫中心业务目标相关的识别的所述第一性能差距识别所述多个第一呼叫中心对象中的一个或多个;
由所述处理器根据所述多个第二呼叫中心对象的所述确定的性能和与所述第二呼叫中心业务目标相关的识别的所述第二性能差距识别所述多个第二呼叫中心对象中的一个或多个;
由所述处理器确定从所述第一呼叫中心对象和所述第二呼叫中心对象中的识别的一个或多个中选择的特定对象的可用性;
响应于确定所述特定对象是可用的,由所述处理器将所述交互传送到所述特定对象;和
由所述处理器提示所述特定对象在所述交互期间处理所述第一类型意向和所述第二类型意向。
6.根据权利要求5所述的方法,其中,所述第一类型意向识别所述客户发起所述交互的原因。
7.根据权利要求5所述的方法,其中,所述第二类型意向与所述呼叫中心实现所述第二呼叫中心业务目标的机会相关。
8.根据权利要求5所述的方法,其中,所述第一呼叫中心业务目标和所述第二呼叫中心业务目标与收入或客户体验中的至少一个相关。
9.根据权利要求5所述的方法,其中,所述确定所述多个第一呼叫中心对象的性能和所述多个第二呼叫中心对象的性能的步骤还包括:
由所述处理器识别被识别为彼此相关的第一呼叫中心度量和第二呼叫中心度量;
由所述处理器为所述多个第一呼叫中心对象中的每一个计算第一性能分数,其中所述计算是根据所述第一类型意向的与所述第一呼叫中心度量和所述第二呼叫中心度量相关的相应的所述第一呼叫中心对象的历史性能;和
由所述处理器为所述多个第二呼叫中心对象中的每一个计算第二性能分数,其中所述计算是根据所述第二类型意向的与所述第一呼叫中心度量和所述第二呼叫中心度量相关的相应的所述第二呼叫中心对象的历史性能。
10.根据权利要求9所述的方法,其中,所述识别所述多个第一呼叫中心对象或所述第二呼叫中心对象中的一个或多个的步骤包括:
识别最小性能分数;和
选择具有满足所述最小性能分数的性能分数的呼叫中心对象。
11.根据权利要求10所述的方法,其中,所述最小性能分数是根据与所述相应类型的意向相关的所述性能差距。
12.根据权利要求10所述的方法,其中,所述最小性能分数是根据为所述相应类型意向预测的交互。
13.根据权利要求5所述的方法,其中,所述确定所述特定对象的可用性的步骤包括:
由所述处理器确定分别与所述第一类型意向和所述第二类型意向相关的第一客户耐性程度和第二客户耐性程度;和
由所述处理器确定所述交互是否能够在所述第一客户耐性程度和所述第二客户耐性程度的极限内被传送到所述特定对象,其中所述处理器响应于确定所述交互能够在所述第一客户耐性程度和所述第二客户耐性程度的所述极限内被传送而将所述交互传送到所述特定对象。
14.根据权利要求13所述的方法,其中,所述第二客户耐性程度短于所述第一客户耐性程度。
15.根据权利要求5所述的方法,其中,所述识别所述第二类型意向的步骤包括:
由所述处理器为所述客户识别与一个或多个呼叫中心业务目标相关联的多个隐含意向;
由所述处理器排列所述多个隐含意向的优先次序;和
由所述处理器根据所述优先次序选择所述多个隐含意向中的一个。
16.根据权利要求15所述的方法,其中,根据实现所述一个或多个呼叫中心业务目标中的呼叫中心性能排列所述隐含意向的优先次序。
17.根据权利要求5所述的方法,其中,所述第一呼叫中心对象和所述第二呼叫中心对象中的每一个均为代理组。
18.一种用于为呼叫中心管理交互的系统,所述方法包括:
处理器;和
内存,其中所述内存存储指令,所述指令在由所述处理器执行时使得所述处理器:
为客户与所述呼叫中心之间的交互识别第一类型意向和第二类型意向,其中所述第一类型意向由所述客户根据发起与所述呼叫中心的所述交互提供,所述第二类型意向由所述处理器根据为所述客户累积的数据推断;
识别分别与所述第一类型意向和所述第二类型意向相关的第一呼叫中心业务目标和第二呼叫中心业务目标;
确定在实现所述第一呼叫中心业务目标和所述第二呼叫中心业务目标中的当前呼叫中心性能,并且根据所述确定识别与所述第一呼叫中心业务目标和所述第二呼叫中心业务目标相关的第一性能差距和第二性能差距;
当分别处理所述第一类型意向和所述第二类型意向时,确定多个第一呼叫中心对象的性能和多个第二呼叫中心对象的性能;
根据所述确定的所述多个第一呼叫中心对象的性能和与所述第一呼叫中心业务目标相关的识别的所述第一性能差距识别所述多个第一呼叫中心对象中的一个或多个;
根据所述确定的所述多个第二呼叫中心对象的性能和与所述第二呼叫中心业务目标相关的识别的所述第二性能差距识别所述多个第二呼叫中心对象中的一个或多个;
确定从所述第一呼叫中心对象和所述第二呼叫中心对象中的所述识别的一个或多个中选择的特定对象的可用性;
响应于确定所述特定对象是可用的,将所述交互传送到所述特定对象;和
提示所述特定对象在所述交互期间处理所述第一类型意向和所述第二类型意向。
19.根据权利要求18所述的系统,其中,所述第一类型意向识别所述客户发起所述交互的原因。
20.根据权利要求18所述的系统,其中,所述第二类型意向与所述呼叫中心实现所述第二呼叫中心业务目标的机会相关。
21.一种基本上如上述结合附图说明的系统。
22.一种基本上如上述结合附图说明的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/141,405 | 2013-12-26 | ||
US14/141,405 US9392116B2 (en) | 2013-12-26 | 2013-12-26 | System and method for customer experience management |
PCT/US2014/072297 WO2015100391A1 (en) | 2013-12-26 | 2014-12-23 | System and method for customer experience management |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106062803A true CN106062803A (zh) | 2016-10-26 |
CN106062803B CN106062803B (zh) | 2020-04-03 |
Family
ID=53479684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480076446.0A Active CN106062803B (zh) | 2013-12-26 | 2014-12-23 | 用于客户体验管理的系统和方法 |
Country Status (7)
Country | Link |
---|---|
US (3) | US9392116B2 (zh) |
EP (1) | EP3087545A4 (zh) |
KR (1) | KR101971332B1 (zh) |
CN (1) | CN106062803B (zh) |
AU (2) | AU2014369897A1 (zh) |
CA (1) | CA2936389C (zh) |
WO (1) | WO2015100391A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114223188A (zh) * | 2019-08-14 | 2022-03-22 | 利维帕尔森有限公司 | 用于管理交互邀请的系统和方法 |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10708431B2 (en) | 2008-01-28 | 2020-07-07 | Afiniti Europe Technologies Limited | Techniques for hybrid 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 |
US11012568B2 (en) * | 2009-01-28 | 2021-05-18 | Virtual Hold Technology Solutions, Llc | System and method for providing chat-based customer callbacks |
US20230199119A1 (en) * | 2009-01-28 | 2023-06-22 | Virtual Hold Technology Solutions, Llc | System and method for providing chat-based customer callbacks |
US9392116B2 (en) * | 2013-12-26 | 2016-07-12 | Genesys Telecommunications Laboratories, Inc. | System and method for customer experience management |
US9716792B2 (en) | 2015-10-19 | 2017-07-25 | Genesys Telecommunications Laboratories, Inc. | System and method for generating a network of contact center agents and customers for optimized routing of interactions |
US9723151B2 (en) * | 2015-10-19 | 2017-08-01 | Genesys Telecommunications Laboratories, Inc. | Optimized routing of interactions to contact center agents based on forecast agent availability and customer patience |
US9635181B1 (en) | 2015-10-19 | 2017-04-25 | Genesys Telecommunications Laboratories, Inc. | Optimized routing of interactions to contact center agents based on machine learning |
US20170185945A1 (en) * | 2015-12-29 | 2017-06-29 | Avaya Inc. | Dynamic interaction pacing |
CN113095661B (zh) * | 2016-04-18 | 2022-07-15 | 阿菲尼帝有限公司 | 用于对联系中心系统中的配对策略进行基准检测的方法、系统和介质 |
US10154138B2 (en) | 2016-07-29 | 2018-12-11 | Genesys Telecommunications Laboratories, Inc. | System and method for optimizing physical placement of contact center agents on a contact center floor |
US10158757B2 (en) * | 2016-07-29 | 2018-12-18 | Genesys Telecommunications Laboratories, Inc. | System and method for optimizing contact center resource groups |
US9866695B1 (en) | 2016-08-30 | 2018-01-09 | Genesys Telecommunications Laboratories, Inc. | System and method for predictive routing based on a customer journey patience |
US10440180B1 (en) | 2017-02-27 | 2019-10-08 | United Services Automobile Association (Usaa) | Learning based metric determination for service sessions |
US10135981B2 (en) | 2017-03-24 | 2018-11-20 | Microsoft Technology Licensing, Llc | Routing during communication of help desk service |
US20180276676A1 (en) * | 2017-03-24 | 2018-09-27 | Microsoft Technology Licensing, Llc | Communication conduit for help desk service |
US10182156B2 (en) | 2017-03-24 | 2019-01-15 | Microsoft Technology Licensing, Llc | Insight based routing for help desk service |
US10762423B2 (en) * | 2017-06-27 | 2020-09-01 | Asapp, Inc. | Using a neural network to optimize processing of user requests |
US20190019090A1 (en) * | 2017-07-12 | 2019-01-17 | Accenture Global Solutions Limited | Field services platform |
US11176461B1 (en) | 2017-08-29 | 2021-11-16 | Massachusetts Mutual Life Insurance Company | System and method for managing routing of customer calls to agents |
US10235628B1 (en) | 2017-08-29 | 2019-03-19 | Massachusetts Mutual Life Insurance Company | System and method for managing routing of customer calls to agents |
CN108320738B (zh) * | 2017-12-18 | 2021-03-02 | 上海科大讯飞信息科技有限公司 | 语音数据处理方法及装置、存储介质、电子设备 |
US10769647B1 (en) * | 2017-12-21 | 2020-09-08 | Wells Fargo Bank, N.A. | Divergent trend detection and mitigation computing system |
US20200014801A1 (en) * | 2018-07-03 | 2020-01-09 | ScoreData Corporation | System and method to route calls based upon agent performance indicators |
US10594865B2 (en) * | 2018-07-31 | 2020-03-17 | Avaya Inc. | Efficient management of co-existing multi-channel interactions in a contact center |
US10681213B2 (en) * | 2018-07-31 | 2020-06-09 | Avaya Inc. | Dynamic synchronization of co-existing multichannel interactions in a contact center |
US11004048B2 (en) * | 2018-12-21 | 2021-05-11 | Shopify Inc. | Integrated customer experience functionality in point of sale |
CN113474768A (zh) * | 2019-02-25 | 2021-10-01 | 利维帕尔森有限公司 | 意图驱动的联系中心 |
US11948153B1 (en) * | 2019-07-29 | 2024-04-02 | Massachusetts Mutual Life Insurance Company | System and method for managing customer call-backs |
US11790302B2 (en) * | 2019-12-16 | 2023-10-17 | Nice Ltd. | System and method for calculating a score for a chain of interactions in a call center |
US11882238B1 (en) * | 2019-12-24 | 2024-01-23 | Mh Sub I, Llc | System and method for customer identification and workflow optimization |
US11089162B1 (en) * | 2020-05-28 | 2021-08-10 | Nice Ltd. | Dynamic metric optimization in predictive behavioral routing |
US11134155B1 (en) * | 2020-12-31 | 2021-09-28 | Genesys Telecommunications Laboratories, Inc. | Technologies for automated generation of contact center system embeddings |
US20230267398A1 (en) * | 2022-02-22 | 2023-08-24 | Justin R Haul | Online customer inquiry tool with response time measurement |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060245580A1 (en) * | 2005-04-27 | 2006-11-02 | Sbc Knowledge Ventures Lp | Method and apparatus for associating customer needs with agents |
US20090327051A1 (en) * | 2003-10-02 | 2009-12-31 | Diane Nerby | Online employee assessment and management performance system and method |
CN102301688A (zh) * | 2008-11-06 | 2011-12-28 | 资源集团国际有限公司 | 呼叫中心内的两步路由过程 |
US20130282430A1 (en) * | 2012-04-20 | 2013-10-24 | 24/7 Customer, Inc. | Method and apparatus for an intuitive customer experience |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6832203B1 (en) | 1999-11-05 | 2004-12-14 | Cim, Ltd. | Skills based contact routing |
US8112298B2 (en) * | 2006-02-22 | 2012-02-07 | Verint Americas, Inc. | Systems and methods for workforce optimization |
US9846846B2 (en) * | 2006-11-14 | 2017-12-19 | International Business Machines Corporation | Method and system for analyzing contact studies |
US8781100B2 (en) * | 2008-01-28 | 2014-07-15 | Satmap International Holdings Limited | Probability multiplier process for call center routing |
US8472611B2 (en) | 2008-11-06 | 2013-06-25 | The Resource Group International Ltd. | Balancing multiple computer models in a call center routing system |
US9537924B2 (en) | 2010-01-28 | 2017-01-03 | Genesys Telecommunications Laboratories, Inc. | Interaction management system and methods of use |
US8488772B2 (en) | 2011-05-25 | 2013-07-16 | Avaya Inc. | Grouping of contact center agents |
US8527310B1 (en) | 2011-07-22 | 2013-09-03 | Alcatel Lucent | Method and apparatus for customer experience management |
US8838788B2 (en) * | 2011-09-23 | 2014-09-16 | Balancebpo Inc. | System, method, and computer program product for contact center management |
KR101335690B1 (ko) * | 2012-02-29 | 2013-12-16 | 전화성 | 콜 센터의 콜 처리 시스템 및 방법 |
US9398156B2 (en) * | 2013-04-12 | 2016-07-19 | Salesforce.Com, Inc. | Computer implemented methods and apparatus for managing agent workload in a customer service environment |
US9451090B2 (en) | 2013-10-31 | 2016-09-20 | Genesys Telecommunications Laboratories, Inc. | System and method for performance-based routing of interactions in a contact center |
US9392116B2 (en) | 2013-12-26 | 2016-07-12 | Genesys Telecommunications Laboratories, Inc. | System and method for customer experience management |
-
2013
- 2013-12-26 US US14/141,405 patent/US9392116B2/en active Active
-
2014
- 2014-12-23 KR KR1020167020512A patent/KR101971332B1/ko active IP Right Grant
- 2014-12-23 EP EP14875141.5A patent/EP3087545A4/en not_active Withdrawn
- 2014-12-23 CN CN201480076446.0A patent/CN106062803B/zh active Active
- 2014-12-23 WO PCT/US2014/072297 patent/WO2015100391A1/en active Application Filing
- 2014-12-23 CA CA2936389A patent/CA2936389C/en active Active
- 2014-12-23 AU AU2014369897A patent/AU2014369897A1/en not_active Abandoned
-
2016
- 2016-07-11 US US15/206,501 patent/US9774737B2/en active Active
-
2017
- 2017-09-25 US US15/714,913 patent/US10135982B2/en active Active
-
2018
- 2018-02-07 AU AU2018200891A patent/AU2018200891A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090327051A1 (en) * | 2003-10-02 | 2009-12-31 | Diane Nerby | Online employee assessment and management performance system and method |
US20060245580A1 (en) * | 2005-04-27 | 2006-11-02 | Sbc Knowledge Ventures Lp | Method and apparatus for associating customer needs with agents |
CN102301688A (zh) * | 2008-11-06 | 2011-12-28 | 资源集团国际有限公司 | 呼叫中心内的两步路由过程 |
US20130282430A1 (en) * | 2012-04-20 | 2013-10-24 | 24/7 Customer, Inc. | Method and apparatus for an intuitive customer experience |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114223188A (zh) * | 2019-08-14 | 2022-03-22 | 利维帕尔森有限公司 | 用于管理交互邀请的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CA2936389A1 (en) | 2015-07-02 |
CA2936389C (en) | 2021-04-20 |
US20150189088A1 (en) | 2015-07-02 |
AU2018200891A1 (en) | 2018-02-22 |
EP3087545A4 (en) | 2017-01-18 |
US20180013890A1 (en) | 2018-01-11 |
WO2015100391A1 (en) | 2015-07-02 |
EP3087545A1 (en) | 2016-11-02 |
KR20160102558A (ko) | 2016-08-30 |
US9774737B2 (en) | 2017-09-26 |
CN106062803B (zh) | 2020-04-03 |
KR101971332B1 (ko) | 2019-08-27 |
AU2014369897A1 (en) | 2016-08-04 |
US10135982B2 (en) | 2018-11-20 |
US9392116B2 (en) | 2016-07-12 |
US20160323447A1 (en) | 2016-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106062803A (zh) | 用于客户体验管理的系统和方法 | |
US11755978B2 (en) | System for providing dynamic recommendations based on interactions in retail stores | |
CA3009944C (en) | Optimized routing of interactions to contact center agents based on machine learning | |
US9635181B1 (en) | Optimized routing of interactions to contact center agents based on machine learning | |
CN105960655A (zh) | 用于呼叫中心中交互的基于性能的路由的系统和方法 | |
WO2015106171A1 (en) | Computing suggested actions in caller agent phone calls by using real-time speech analytics and real-time desktop analytics | |
KR101944642B1 (ko) | 연락 센터에 대한 예상 동적 고객 세분화를 위한 시스템 및 방법 | |
WO2015183940A1 (en) | Multi-tenant based analytics for contact centers | |
CA2999184C (en) | Method and apparatus for reserving zero-wait time agent interactions | |
US10715665B1 (en) | Dynamic resource allocation | |
Ramsey | Exploring models with social network analytics to improve churn prediction of mobile phone operators |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |