CN109151233B - 基于多变量标准化评分和影子队列的呼叫路由方法及系统 - Google Patents
基于多变量标准化评分和影子队列的呼叫路由方法及系统 Download PDFInfo
- Publication number
- CN109151233B CN109151233B CN201811029848.1A CN201811029848A CN109151233B CN 109151233 B CN109151233 B CN 109151233B CN 201811029848 A CN201811029848 A CN 201811029848A CN 109151233 B CN109151233 B CN 109151233B
- Authority
- CN
- China
- Prior art keywords
- caller
- agent
- available
- callers
- predicted probability
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- 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
Abstract
公开了用于将呼叫者随智能路由系统路由到联络中心的代理的系统和方法。示例性方法包括将模式匹配算法(用于匹配呼叫者和代理)的多个输出变量组合到路由系统中使用的单个度量中。模式匹配算法可以包括神经网络体系结构,其中示例性的方法将来自多个神经网络的输出变量进行组合。所述方法可以包括确定变量输出的Z‑分数,以及确定用于期望输出的所确定的Z‑分数的线性组合。可以通过模式匹配算法将呼叫者路由到代理,以使线性组合的分数或输出值最大。另一方法可以包括,如果代理可用,则基于模式匹配算法(其可以包括基于表现的匹配、基于代理和呼叫者数据的模式匹配、用于预测代理‑呼叫者对的输出的计算机模型等)将呼叫者路由到代理,以及如果没有代理对于进来的呼叫者可用,则方法包括在影子队列中搁置呼叫者,影子队列例如是一组呼叫者。在代理变为可用时,所述方法包括扫描影子队列中的所有呼叫者,并将代理与影子队列中最匹配的呼叫者匹配。
Description
本申请是中国专利申请CN201510288212.9的分案申请,原申请的提交日为2015年5月29日,申请日为2009年8月19日,优先权日为2008年8月29日,发明名称为“基于多变量标准化评分和影子队列的呼叫路由方法及系统”。本申请的母案申请CN201510288212.9是原始母案申请CN200980142771.1的分案申请,该原始母案申请的申请日为2009年8月19日,优先权日为2008年8月29日,发明名称为“基于多变量标准化评分和影子队列的呼叫路由方法及系统”。
相关申请的交叉引用
本申请要求2008年8月29日提交的、发明名称为“CALL ROUTING METHODS ANDSYSTEMS BASED ON MULTIPLE VARIABLE STANDARDIZED SCORING”(“基于多变量标准化评分的呼叫路由方法及系统”)、序列号为12/202,091的美国申请的权利,其是以下两个申请的部分继续申请:2008年1月28日提交的、发明名称为“Systems and Methods for RoutingCallers to an Agent in a Contact Center”(“用于将呼叫者路由到联络中心中的代理的系统及方法”)、序列号为12/021,251的美国申请,以及2008年8月29日提交的、发明名称为“SHADOW QUEUE FOR CALLERS IN A PERFORMANCE/PATTERN MATCHING BASED CALLTOURING SYSTEM”(“在基于性能/模式匹配的呼叫路由系统中用于呼叫者的影子队列”)、序列号为12/202,101的美国申请,出于各种意图,将全部上述内容通过引用方式将其全文并入于此。
背景技术
本发明涉及在联络中心系统中路由电话呼叫和其它通信领域。
典型的联络中心包括多个人工代理(human agent),每个都被分配到连接中央交换机的通信设备,例如用于进行电子邮件或因特网聊天会话的电话或计算机。使用这些设备,代理通常用于向联络中心或联络中心的客户的顾客或预期顾客提供销售、顾客服务或技术支持。
典型地,联络中心或顾客将向其顾客、预期顾客或其它第三方通告用于特定服务的多个不同的联络号码或地址,例如用于计费询问或用于技术支持。寻找特定服务的顾客、预期顾客或第三方于是将使用该联络信息,并且将在一个或多个路由点,将进来的呼叫者(incoming caller)路由到联络中心处能够提供适当服务的人工代理。响应此类来电联络的联络中心被典型地称为“入站联络中心”。
类似地,联络中心可以做出去往当前或预期顾客或第三方的出去的联络(outgoing contact)。可以进行这种联络来促进产品的销售、提供技术支持或计费信息、调查顾客偏好或者帮助收集债务。进行这种出去的联络的联络中心被称为“出站联络中心”。
在入站联络中心和出站联络中心内,使用电信设备与联络中心代理进行交互的个体(例如,顾客、预期顾客、调查参与者或其它第三方)在该应用中被称为“呼叫者”。联络中心获得的与呼叫者进行交互的个体在该应用中被称为“代理”。
传统地,联络中心操作包括交换系统,其将呼叫者连接到代理。在入站联络中心内,这些交换机将进来的呼叫者路由到联络中心内的特定代理,或者,如果部署了多个联络中心,则路由到特定联络中心用于进一步路由。在使用了电话设备的出站联络中心内,除了交换系统,还典型地使用拨号器。拨号器用于自动地拨打来自电话号码列表中的电话号码,并确定是否已经获得来自所呼叫的电话号码的活动呼叫者(相对于获得没有应答、占线信号、错误信息或电话留言机)。在拨号器获得了活动呼叫者的情况下,交换系统将呼叫者路由到联络中心内的特定代理。
已经相应地开发了路由技术以优化呼叫者体验。例如,美国专利No.7,236,584介绍了一种跨越多个电话交换机均衡呼叫者等待时间的电话系统,而不考虑这些交换机之间可能存在的性能上的一般变化。然而,入站联络中心内的联络路由(contact routing)是这样的过程:其通常被构造为将呼叫者连接到已经空闲了最长时间段的代理。在对于入站呼叫者来说仅有一个代理可用的情况下,通常为呼叫者选择该代理,而进行进一步分析。在另一实例中,如果联络中心有8个代理,并且7个被联络占用,则交换机通常将入站呼叫者路由到可用的那一个代理。如果所有8个代理都被联络占用,则交换机典型地会将联络搁置,并且然后将其路由到下一个变为可用的代理。更普遍地,联络中心会建立进来的呼叫者队列,并优先将等待最长的呼叫者路由到随时间变为可用的代理。将联络路由到第一可用代理或者等待最长代理的这种模式称为“循环”(round robin)联络路由。在循环联络路由中,呼叫者与代理间的最终匹配和连接本质上是随机的。
在使用电话设备的出站联络中心环境中,典型地为联络中心或其代理提供包括要联系的电话号码列表的“引导列表”,以尝试一些游说努力,例如尝试销售产品或进行调查。引导列表可以是用于所有联络中心、一个联络中心、所有代理、或特定代理的子列表或特定的代理组的综合列表(在任意这种实例中,这种应用中的列表通常被称为“引导列表”)。在接收到引导列表之后,拨号器或代理自己典型地会通过引导列表按照数字顺序进行呼叫,获得活动呼叫者,并进行游说努力。在使用这种标准过程时,呼叫者和代理间的最终匹配和连接本质上是随机的。
基于本质上仍然是随机过程的这些标准,已经进行了一些尝试以进行改进,用于将呼叫者连接到代理。例如,美国专利No.7,209,549介绍了一种电话路由系统,其中进来的呼叫者的语言偏好被收集并用于将他们的电话呼叫路由到能够以该语言提供服务的特定联络中心或代理。按照这种方式,语言偏好是匹配并将呼叫者连接到代理的主要驱动,尽管一度已完成这种偏好,但是呼叫者几乎总是以“循环”方式被路由。
已做出了其它尝试来改变通常的循环系统。例如,美国专利No.7,231,032介绍了一种电话系统,其中每个代理自己都创建用于进来的呼叫者的个人路由规则,允许每个代理定制被路由到他们的呼叫者的类型。这些规则可以包括代理希望路由到他们的特定呼叫者的列表,例如之前已经与代理进行过交互的呼叫者。然而,这种系统偏向于代理的偏好,并没有考虑代理的相对能力,也没有考虑呼叫者和代理自身的个体特点。
发明内容
本发明的系统和方法可以用于改进或优化联络中心内呼叫者到代理的路由。根据本发明的一个方面,方法和系统包括将模式匹配算法(用于匹配呼叫者和代理)的多个输出变量组合到单个度量中,用于在控制和管理路由系统时使用。模式匹配算法可以包括神经网络体系结构,其中示例性的方法和系统将来自多个神经网络的输出组合成用于每个输出变量的一个输出。
在一个实施例中,方法包括确定模式匹配算法的两个或多个变量输出的每一个的Z-分数(例如,无量纲的标准分数)。例如,输出变量可以包括下述内容或与下述内容关联:收益生成、花费、顾客满意性能、第一呼叫解决、撤销(例如,由于购买者的后悔导致销售之后的撤销)、或者来自系统的模式匹配算法的其它变量输出。然后,可以计算所确定的Z-分数的线性组合,从而基于多个变量提供单个分数。例如,呼叫路由中心可针对期望的系统输出(例如,希望优化输出变量的某些混合,或者决定一个变量将具有比另一变量更大的权重)组合两个或多个Z-分数。然后,路由系统可以使用线性组合和单个分数,用于通过模式匹配算法将呼叫者路由到或匹配于代理,其中,例如,在尝试最大化用于不同呼叫者-代理对的所确定的Z-分数线性组合的分数或输出值时,将呼叫者和代理匹配。
典型地,呼叫中心具有等待代理变为可用的N个呼叫者。在一个实施例中,随着代理变为可用,将代理与所有呼叫者进行匹配,以便基于关于输出变量的Z-分数的线性组合来确定最适合的。更具体地,将用于每个代理的呼叫者数据与代理数据进行配对,并通过模式匹配算法传递每个代理的呼叫者数据,从而基于线性组合计算用于每个代理-呼叫者对的Z-分数。然后,可以将具有最好或最高评分的代理-呼叫者对路由到代理。
进一步地,在一个实施例中,模式匹配算法和Z-分数可受呼叫者已经被搁置的时间长度影响,例如,考虑呼叫者的痛苦阈值函数。例如,基于在路由到代理之前呼叫者被搁置的等待时间,增加的收益、顾客满意度等的可能性可以变化。例如,如果呼叫者被搁置了太长时间,基于呼叫者等待时间的阈值或痛苦函数,预期结果的可能性可能改变(例如,在搁置了一段时间之后,对特定呼叫者的销售可能性可能大大下降)。就此而言,系统可以基于输出变量和Z-分数的线性组合,将呼叫者路由到不同的次优代理匹配。例如,输出变量的期望混合可能被设置为收益权重比成本或顾客满意度大,然而,在对于特定呼叫者来说达到痛苦阈值之后,系统可以按更重视顾客满意度权重的方式来对该呼叫者进行路由。
通常,通过路由联络使得以增加被视为有利于联络中心的交互的概率的方式(在这个应用中被称为“最佳交互”),将呼叫者匹配于且连接到特定代理,来潜在地改善或优化顾客服务。最佳交互的实例包括:增加销售、减少联络的持续时间(且因此减少联络中心的成本)、提供可接受级别的顾客满意度或者联络中心可寻求控制或改进的任何其它交互。通常,本发明的系统和方法可以通过在最佳交互上对代理分级,以及将经过分级的代理与呼叫者匹配以增加最佳交互的概率,来改善最佳交互的概率。一旦匹配,则呼叫者可被连接到经过分级的代理。在更为改进的实施例中,通过使用从描述人口统计、心理统计、过去的购买行为、或与呼叫者相关的其它商业相关信息的数据,以及描述与代理相关的历史行为、人口统计或心理统计的数据所获得的计算机模型将呼叫者与代理相匹配,本发明的系统和方法还可以用于增加最佳交互的概率。
在本发明相对基础的实施例中,在一段时间内对联络中心的代理性能进行比较,以对每个代理关于其能力进行分级,以实现最佳交互。该时间段可以像紧接的之前的联络那样短,或延续像代理与呼叫者的第一次交互那样长的时段。于是,为每个代理确定的等级被用作呼叫者与特定代理的匹配和连接的因素。例如,某些代理可能显示出比参与同一联络中心的其它代理具有更好的产生销售的能力。通过优先将呼叫者路由到显示出具有更好的产生销售的能力的那些代理,本发明可以增加联络期间实现更大销售的概率。类似地,其它代理可能显示出与同一联络中心的其它代理相比产生与呼叫者之间的更短交互。通过优先将联络路由到显示出产生与呼叫者的更短交互的代理,联络中心或联络中心客户可以降低其对代理和通信带宽的总体需要,并且因此,降低其成本。
通常,通过在联络中心关于代理的能力对其进行分级,来实现最佳交互,联络中心可以将呼叫者匹配并连接到代理,以增加实现任何可以选择的最佳交互的概率。对代理进行分级的方法可以像这样简单:对特定最佳交互,关于1到N级对每个代理进行排序,N是代理的总数。分级的方法还可以包括:确定每个代理的平均联络处理时间,以关于成本对代理进行分级;确定每个代理产生的总销售收益或销售量,以关于销售来对代理进行分级;确定每个代理的销售率或导致销售的呼叫分数,或在与呼叫者的联络结束时进行顾客调查,以关于顾客满意度对代理进行分级。然而,前面提到的仅是可以如何对代理进行分级的实例;仍然存在许多其它方法。
如果关于多于一个的最佳交互对代理进行分级,则本发明可被配置为对最佳交互进行加权,以确定哪些呼叫者应当被路由到哪个代理。例如,如果对于个别呼叫者有两个当前可用的代理,并且本发明估计将呼叫者路由到一个代理将导致发生销售的更高可能性,而将呼叫者路由到另一个代理将导致较短的持续时间的联络,则依据本发明给予哪个最佳交互更大的权重,呼叫者可以被路由到第一或第二代理。在另一个实施例中,如果本发明估计将呼叫者路由到一个代理将导致较高的销售可能性、较短的联络持续时间,但是低级别的顾客满意度,而将呼叫者路由到另一个代理将导致较高的销售可能性、较长的联络持续时间、但是较高级别的顾客满意度,则依据本发明给予最佳交互的哪种混合更大的权重,呼叫者可以被路由到第一或第二代理。
按联络中心、联络中心的客户或根据预定的规则来控制的方式,可实时地发生置于各种最佳交互的权重。可选地,联络中心或其客户可通过因特网或某些另外的数据传输系统来控制权重。作为实例,联络中心的客户可以通过因特网浏览器访问目前正在使用的权重并且远程地修改它们。这种修改可以被设置为立即产生效果,在这种修改之后立即按照新建立的权重来产生后续呼叫者路由。这种实例的示例可能出现在联络中心客户决定目前其商业中最重要的策略优先级是收益的最大化的情况中。在这种情况中,客户将远程地设置权重,以促成对将在给定联络中生成最大销售可能性的代理的选择。随后,客户可能认为对于他们的商业来说顾客满意度的最大化是更为重要的。结果,他们可以远程地设置本发明的权重,使得呼叫者被路由到最可能最大化其满意度的代理。可替代地,权重的变化可以被设置为在随后的一段时间起作用,例如,在下一个早上开始。
通过经过分级的代理数据和选择的最佳交互,本发明可以用于将经过分级的代理与呼叫者匹配,以增加最佳交互或最佳交互加权组合的概率。匹配可以发生在呼叫者和联络中心处登记的所有代理、联络中心处对于目前联络可用的所有代理、或其任意组合或子组之间。可以设置匹配规则,使得具有最低等级的代理是仅有的适合与呼叫者匹配的那个。还可以设置匹配规则,使得具有最佳交互或其组合的最高等级的可用代理与呼叫者匹配。为了从发起联络时刻到指示交换机将呼叫者连接到具体代理的时刻所经过的时间中代理可能已经变成不可用的情况作准备,取代指示交换机将呼叫者连接到单个代理,匹配规则可以定义适用于特定呼叫者的代理次序,并将呼叫者与那个次序中最高等级的代理匹配。
在更为优化的实施例中,通过组合代理等级、代理人口统计数据、代理心理统计数据、以及与代理相关的其它商业相关数据(在这个应用中个别地或全体地称为“代理数据”),以及与呼叫者相关的人口统计、心理统计、和其它商业相关数据(在这个应用中个别地或全体地称为“呼叫者数据”),本发明的系统和方法可以用于增加最佳交互的概率。代理和呼叫者人口统计数据可以包括以下任意内容:性别、种族、年龄、教育、口音、收入、国籍、种族划分、区域代码、邮政编码、婚姻状况、工作状况、以及信用评分。代理和呼叫者心理统计数据可以包括以下任意内容:内向性、社交性、财务成功的欲望以及电影和电视偏好。
通过将呼叫者的联络信息作为索引,可以从可用的数据库取回呼叫者人口统计和心理统计数据。可用的数据库包括,但不限于,那些公开可用的、那些商业上可用的或者那些联络中心或联络中心客户创建的那些数据库。在出站联络中心环境中,呼叫者的联络信息是事先已知的。在入站联络中心环境中,可通过检查呼叫者的CallerID信息,或者通过在联络开始时请求呼叫者的这个信息,例如通过呼叫者账户号或其它呼叫者标识信息的条目,可以取回呼叫者的联络信息。还可以从可用的数据库取回其它商业相关数据,例如历史购买行为、作为顾客的当前满意度级别、或对产品感兴趣的自愿级别。
一旦已经收集到代理数据和呼叫者数据,该数据被传递给计算系统。然后,计算系统依次在模式匹配算法中使用该数据以创建计算机模型,该计算机模型将每个代理与每个呼叫者匹配,并按照多个最佳交互,例如,销售的生成、联络的持续时间或生成顾客觉得满意的交互的可能性,来估计每个匹配的可能结果。作为实例,通过将呼叫者与女代理匹配,本发明可显示匹配将增加4个百分比的销售可能性,降低6个百分比的联络持续时间并增加12个百分比的呼叫者对交互的满意度。通常,本发明将生成跨越代理和呼叫者的多个人口统计和心理统计方面的更为复杂的预测。本发明可能推断,例如,如果呼叫者连接到其家中具有高速因特网并且喜欢喜剧电影的单身、白人、男性、25岁的代理,将导致销售可能性增加12个百分比、联络的持续时间增加7个百分比、以及呼叫者对联络的满意度降低2个百分比。并行地,本发明还可以确定,如果呼叫者连接到已婚、黑人、女性、55岁的代理,将导致销售可能性增加4个百分比、联络的持续时间降低6个百分点、以及呼叫者对联络的满意度增加9个百分点。
根据本发明的另一方面,示例性方法包括:确定对于到呼叫中心的进来的呼叫者所期望的技能集合(例如,语言偏好),以及确定可用于所期望的技能集合的代理的数量(假设对于特定呼叫中心有多个技能集合)。如果多个代理可用于所确定的技能集合,则所述方法可包括将呼叫者路由到可用代理的最匹配的代理。例如,依靠模式匹配算法或计算机模型的基于性能的路由方法和系统可将呼叫者路由到性能最高的代理,或者可将与呼叫者关联的呼叫者数据和与多个代理中的每个代理关联的代理数据进行比较,并根据最佳匹配来路由所述呼叫。
如果对于所确定的技能集合,没有可用的代理,则所述方法可包括以呼叫者集合(此处被称为“影子队列”或“影子技能集合队列”)来搁置呼叫者,并在代理变为可用时,将代理与呼叫者集合内的最佳匹配呼叫者匹配。例如,为了使新近可用的代理与呼叫者集合中的呼叫者的最佳匹配,可以将呼叫者从序列中抽出。可使用模式匹配算法或计算机模型,以类似的方式做出代理与呼叫者的匹配。
在一个实施例中,如果呼叫者在等待可用代理的呼叫者集合(影子技能集合队列)中被搁置了太长时间,则可以将呼叫者移动到用于特定技能集合的标准技能集合队列,并将呼叫者路由到下一个可用代理。因此,在没有代理可用时,可以使用两个队列:影子技能集合队列和标准技能集合队列。呼叫者最初可被放置在用于如上所述的路由的影子技能集合队列,但是在经过了预定时间(例如,如果呼叫者搁置时间超过预定的服务等级协议SLA)之后,可被移动到标准技能集合队列。可以以传统方式对标准技能集合队列中的呼叫者进行路由,跟随其后的是如所介绍的来自影子技能集合队列的呼叫者。
在一些实例中,可包括等待时间量作为因素,例如,作为模式匹配算法中与其它数据一起使用的权重因素。在其它实例中,可为每个呼叫者分配阈值等待时间,如果超过所述阈值等待时间,则超越模式匹配算法。此外,可以分别为每个呼叫者分配等待时间阈值,例如,基于与呼叫者关联的数据,诸如他们的爱好,从而产生收益或优选的记账状态,或者可以为所有呼叫者给出公共等待时间阈值。
在另一实例中,介绍了一种用于在呼叫路由中心环境中将呼叫者路由到代理的系统或设备。设备可包括:用于确定代理对于呼叫者是否可用的逻辑,以及用于如果代理可用,则根据模式匹配算法使得呼叫者被路由到可用代理中的最佳匹配代理的逻辑。设备可以进一步包括:用于如果没有代理可用,则将呼叫者搁置在呼叫者集合中,以及当代理变为可用时,根据模式匹配算法将代理与呼叫者集合内的最佳匹配呼叫者匹配的逻辑。设备可以包括:用于比较代理数据和呼叫者数据的模式匹配引擎,其基于适应性模式匹配算法来确定最佳匹配。
用于本发明的模式匹配算法可以包括任意相关算法,例如神经网络算法或遗传算法。为了一般地训练或者否则为了完善算法,将实际联络结果(如为最佳交互所测量的)与所发生的每个联络的实际代理和呼叫数据进行比较。然后,模式匹配算法将了解到或改进其对将某些呼叫者与某些代理匹配将如何改变最佳交互的概率的了解。以这种方式,模式匹配算法于是可以用于在将具有特定呼叫者数据集合的呼叫者与特定代理数据集合的代理进行匹配的环境中,预测最佳交互的概率。随着更多的关于呼叫者交互的实际数据变得对模式匹配算法可用,可以周期性地完善模式匹配算法,例如,在联络中心已经结束了一天的运行之后,每天夜里可周期性地训练算法。
模式匹配算法可以用于创建反映每个代理和呼叫者匹配的最佳交互的预测概率的计算机模型。优选地,计算机模型包括登记到联络中心的每个代理相对于所匹配的每个可用呼叫者的一组最佳交互的预测概率。可替换地,计算机模型可以包括这些的子集,或包括上述集合的集合。例如,本发明可以将每个可用的代理与每个可用的呼叫者匹配,或者甚至代理或呼叫者的更窄子集,而不是将登记到联络中心的每个代理与每个可用的呼叫者匹配。同样地,本发明可以将曾经在特定活动中工作过的每个代理-无论是否可用或者登记-与每个可用的呼叫者相匹配。类似地,计算机模型可以包括关于一个最佳交互或多个最佳交互的预测概率。
还可以进一步完善计算机模型,以便包括代理和呼叫者的每个匹配的适合性分数。可以通过将一组最佳交互的概率看作是模式匹配算法所预测的,并且对那些概率进行加权以便相对于另外的最佳交互将更多或更少的侧重放之在特定最佳交互上,来确定适合性分数。然后,可以在本发明中使用适合性分数来确定应当将哪些代理连接到哪些呼叫者。
例如,可以是计算机模型指示:呼叫者与代理一匹配将导致高概率的销售但是高概率的长时间联络,而呼叫者与代理二匹配将导致低概率的销售但是高概率的短时间联络。如果用于销售的最佳交互比低成本的最佳交互的权重更大,那么与代理二相比较而言,关于代理一的适合性分数将指示应该将呼叫者连接到代理一。另一方面,如果用于销售的最佳交互比用于低成本联络的最佳交互的权重更小,那么与代理一相比较而言,关于代理二的适合性分数将指示应该将呼叫者连接到代理二。
在使用电话设备的出站联络中心环境中,可以以引导列表的形式反映通过在模式匹配算法中使用代理和呼叫者数据而发生的匹配。引导列表可以用于一个特定代理或一组代理,然后其可以通过引导列表来呼叫以进行他们的游说工作。其中拨号器用于通过引导列表进行呼叫,基于获得活动呼叫者,系统可以确定可用的代理,通过模式匹配算法来使用呼叫者和代理数据,以将活动呼叫者与可用代理中的一个或多个匹配,并将呼叫者与那些代理中的一个连接。优选地,系统将活动呼叫者与一组代理匹配,在该组中限定用于呼叫者的代理适合性的次序,将活动呼叫者与次序中可用的最高等级的代理匹配,以及将呼叫者连接到该最高等级的代理。在将活动呼叫者与一组代理匹配中,本发明可以用于确定具有相似代理数据(例如相似的人口统计数据或心理统计数据)的代理群集,以及在上述群集中进一步确定代理适合性的次序。按这种方式,本发明可以增加拨号器的效率,并避免直到具有具体代理数据的代理变为可用之前不得不停止拨号器的情况。
本发明的一个方面是,其可以通过存储数据来开发亲和度数据库(affinitydatabase),该数据库包括关于个体呼叫者的联络结果的数据(在本应用中被称为“呼叫者亲和度数据”),其独立于呼叫者的人口统计、心理统计或其它商业相关信息。这种呼叫者亲和度数据可以包括呼叫者的购买历史、联络时间历史或顾客满意度历史。这些历史可以是一般的,例如,呼叫者购买产品的一般历史、与代理的平均联络时间或平均顾客满意度比率。这些历史还可以是特定于代理的,例如,连接到特定代理时呼叫者的购买、联络时间或顾客满意度历史。
呼叫者亲和度数据于是可以用于完善可使用本发明作出的匹配。作为实例,由于在联络呼叫者的最近几次实例中,呼叫者选择购买产品或服务,所以某些呼叫者可被其呼叫者亲和度数据标识为非常有可能进行购买的一个。于是该购买历史可以用于适当地完善匹配,使得呼叫者优先地与视为适合于所述呼叫者的代理匹配,以增加最佳交互的概率。使用这个实施例,联络中心可以优选地将呼叫者与不具有产生收益的较高等级或者不然不是可接受的匹配的代理匹配,因为对于已知的呼叫者的过去购买行为,销售的概率仍然是很可能的。该匹配策略将留下可用的其它代理,否则所述其它代理将被与呼叫者的联络交互所占用。可替换地,联络中心可改为寻求这样的保证:保证呼叫者与具有产生收益的较高等级的代理匹配,不管使用呼叫者数据和代理人口统计或心理统计数据生成的匹配可能指示什么。
本发明所开发的更为优化的亲和度数据库是这样的一个数据库:其中,跨越多种代理数据来追踪呼叫者的联络结果。这种分析可能表明,例如,如果呼叫者被匹配给具有相似性别、种族、年龄的代理,或者甚至是与特定代理匹配,则呼叫者更有可能对联络满意。使用该实施例,本发明可以优选地将呼叫者与特定代理或从呼叫者亲和度数据所了解的已经产生可接受的最佳交互的类型的代理匹配。
当商业、客户或开放可用数据库资源可能缺少关于呼叫者的信息时,亲和度数据库可以提供与呼叫者相关的特别可实施的信息。甚至在存在关于呼叫者的可用数据的事例中,该数据库开发还可以用于进一步增强联络路由和代理到呼叫者的匹配,因为其可能得到这样的结论,即,个体呼叫者的联络结果可能不同于商业数据库可能暗示的。作为实例,如果本发明仅仅依赖于商业数据库来匹配呼叫者和代理,则其可预测呼叫者最好被匹配给具有相同性别的代理,以实现最佳的顾客满意度。然而,通过包括从与呼叫者的之前交互开发的亲和度数据库信息,本发明可以更为精确地预测:呼叫者最好被匹配给相反性别的代理,以实现最佳的顾客满意度。
本发明的另一方面是可以开发亲和度数据库,其包括与具体呼叫者人口统计、心理统计或其它商业相关特性匹配的个体代理的收益生成、成本以及顾客满意度性能数据(在本应用中被称为“代理亲和度数据”)。像这样的亲和度数据库可以,例如,导致本发明预测特定代理在与相似年龄的呼叫者的交互中表现得最好,并且在与明显老或轻的年龄的呼叫者的交互中没有那么好。类似地,这种类型的亲和度数据库可以导致本发明预测,与具有某些代理亲和度数据的代理处理来自其它地理区域的呼叫者相比,该代理处理源自特定地理区域的呼叫者要好得多。作为另一实例,本发明可以预测特定代理在该代理被连接到愤怒的呼叫者的情况下表现出色。
尽管亲和度数据库优选地用于与通过模式匹配算法传递的代理数据和呼叫者数据结合,以便产生匹配,但是也可以不依靠代理数据和呼叫者数据来使用存储在亲和度数据库中的信息,使得亲和度信息是用于产生匹配的唯一信息。
本发明可以存储特定于每个被路由的呼叫者的数据以便后续的分析。例如,本发明可以存储任意计算机模型中生成的数据,包括如计算机模型所预测的最佳交互的概率,例如,销售的概率、联络持续时间、顾客满意度或其它参数。这种存储可以包括用于所作出的呼叫者连接的实际数据,包括代理和呼叫者数据、销售是否发生、联络的持续时间以及顾客满意度的等级。这种存储还可以包括用于所作出的代理到呼叫者的匹配的实际数据,以及如何、哪个、以及何时匹配被视为依照连接规则并且在到特定代理的连接之前。
可以以多种方式分析这种存储的信息。在一个实例中,所存储的信息用于计算如上所述的Z-分数及其线性组合。在另一个实例中,可以分析所存储的信息,以确定本发明在不同时间间隔上关于最佳交互的累积效果,并将该效果报告给联络中心或联络中心客户。例如,本发明可以向回报告在5分钟、一小时、一个月、一年以及其它时间间隔(例如从特定客户游说活动开始以来)中,本发明在增强收益、降低成本、增加客户满意度中的累积影响。类似地,本发明可以分析对于特定数量的呼叫者,例如10个呼叫者、100个呼叫者、1000个呼叫者、所处理的呼叫者总数、或呼叫者的其它总数,本发明对增强收益、降低成本以及增加满意度的累积效果。
一种用于报告使用本发明的累积效果的方法包括,将呼叫者与联络中心处登记的每个代理进行匹配,对每个代理的最佳交互的概率取平均值,确定哪个代理被连接到呼叫者,将用于所连接的代理的最佳交互的概率除以平均概率,以及生成结果的报告。按这种方式,本发明的效果可被报告为,与随机地将呼叫者路由到任意登记的代理相比,与将呼叫者路由到特定代理相关联的预计增加。还可以将这种报告方法修改为将特定代理路由的最佳交互概率与自特定活动开始以来所有可用代理或所有登记代理的平均最佳交互的概率相比较。实际上,通过将特定时间段内所有不可用代理的最佳交互的平均概率除以相同时间内所有可用代理的最佳交互的平均概率,可以生成指示本发明对在上述时间内最佳交互的概率带来的整体提升的报告。可替换地,通过在一段时间内对单个代理或代理组循环地使用和不使用本发明,以及测量实际的联络结果,可以监控本发明并生成报告。按这种方式,可以确定通过使用本发明创建了什么实际的、测量的效果。
本发明的实施方式可以包括:为联络中心或他们的客户提供的可视计算机接口和可打印的报告,以允许他们实时地或基于过去的表现来监控代理与呼叫者匹配的统计量,测量与计算机模型预测的交互相比所实现的最佳交互,以及使用此处所描述的方法的实时或过去表现的任意其它测量。还可以向联络中心或联络中心客户提供用于改变Z-分数组合、对最佳交互加权或类似的可视计算机接口,使得他们可以如此处所讨论的那样,实时地或在未来的预定时间监控或改变混合或权重。
本发明的实施方式可以用于创建智能路由系统,所述系统包括:用于关于最佳交互对两个或多个代理进行分级的装置,以及用于将呼叫者与两个或多个经过分级的代理中的至少一个匹配以增加最佳交互的概率的装置。用于对代理进行分级的装置可以包括,如此处所讨论的,手动或自动调查的使用,为了记录每次呼叫代理的收益生成表现、每个呼叫者的代理联络时间或可以电子记录的任何其它表现标准而对数据库和计算设备的使用。用于将呼叫者与两个或多个经过分级的代理中的至少一个匹配的装置可以包括任意计算设备。智能路由系统可以进一步包括用于将呼叫者与两个或多个代理中的一个连接的装置,例如交换系统。系统可以进一步包括拨号器、callerID设备以及其它商业可用的电话或通信设备,以及包括数据库的存储器,例如商业上可用的数据库、开放可用的数据库、客户数据库或联络中心数据库。
在更为优化的实施方式中,本发明可以用于创建智能路由系统,系统包括:用于确定关于两个或多个代理中的每个代理的至少一个代理数据、确定关于呼叫者的至少一个呼叫者数据的装置,用于在模式匹配算法中使用代理数据和呼叫者数据的装置,以及用于将呼叫者与两个或多个代理中的一个匹配以增加最佳交互的概率的装置。用于确定代理数据的装置可以包括手动或自动调查的使用,可以以硬拷贝或电子形式对其进行记录,例如,通过使用包含用于存储这种信息的数据库的计算机存储器。用于确定呼叫者数据的装置可以包括计算机存储器的使用,所述存储器包含具有呼叫者数据的数据库,例如,商业可用的数据库、客户数据库或联络中心数据库。用于确定呼叫者数据的装置还可以包括:CallerID设备以及电话或用于接收呼叫者账号或其它标识呼叫者的信息的其它通信设备的使用。用于在模式匹配算法中使用代理数据和呼叫者数据的装置可以包括计算设备。用于将呼叫者与两个或多个代理中的一个匹配的装置还可以包括计算设备的使用。智能路由系统的这个实施方式还可以包括用于将呼叫者与两个或多个代理中的一个匹配的装置,例如,交换或路由系统。系统还可以包括用于联系呼叫者的装置,例如代理可以用来联系呼叫者的电话设备或拨号器。
可以在硬件或软件,或两者的组合中实现此处所描述的诸多技术。优选地,在可编程计算机上执行的计算机程序中实现上述技术,其中每个可编程计算机都包括:处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)以及合适的输入和输出设备。程序代码被应用于使用输入设备输入的数据,以执行所介绍的功能并且生成输出信息。将输出信息应用到一个或多个输出设备。此外,优选地在高级过程或面向对象的程序语言中实现每个程序,从而与计算机系统进行通信。然而,如果需要,可以在汇编或机器语言中实现程序。在任何情况下,所述语言可以是编译或解释语言。
每个这种计算机程序优选地存储在可由通用或专用可编程计算机读取的存储介质或设备上(例如,CD-ROM、硬盘或磁带),以便在计算机读取存储介质或设备时用于对计算机进行配置和操作,以便执行所介绍的过程。系统还可以被实现为计算机可读存储介质,其配置有计算机程序,其中如此配置的存储介质可引起计算机以特定和预定的方式来运行。
附图说明
图1是反映联络中心操作的通常设置的图;
图2示出基于示例性性能的包括模式匹配算法的联络中心路由系统;
图3示出根据此处提供的一个实例到包括路由系统的路由中心的进来的呼叫流和路由中心的示例性体系结构;
图4示出了代理可用时包括模式匹配引擎的示例性系统中的示例性时序流;
图5示出了代理不可用时包括模式匹配引擎的示例性系统中的示例性时序流;
图6是反映在联络中心内使用代理数据和呼叫者数据的更为优化的实例的流程图;
图7A和7B是反映用于运行联络中心的示例性方法的流程图;
图8是反映用于在联络中心内使用代理数据和呼叫者数据的示例性方法的路程图;
图9A和9B是反映用于在联络中心内使用代理数据和呼叫者数据的示例性方法的流程图;
图10是反映用于优化模式匹配算法和计算机模型的多个输出变量的组合或混合的实例的流程图;
图11示出可以用于实现本发明某些实施方式中的一些或全部处理功能的典型计算系统;
图12示出可以用于实现本发明某些实施方式中的一些或全部处理功能的典型计算系统。
具体实施方式
给出并在特定应用及其需求的环境中提供了下面的描述,以便使得本领域普通技术人员能够实现和使用本发明。对实施方式的多种修改对于本领域技术人员来说将是容易而明显的,并且在没有脱离本发明的精神和范围的情况下,此处所限定的一般原则可以被应用到其它实施方式和应用中。此外,在下面的说明书中,为了解释的目的而阐述了大量细节。然而,本领域技术人员会认知到在不使用这些具体细节的情况下也可以实现本发明。在其它实例中,为了不让不必要的细节模糊对本发明的说明,以框图的形式示出了已知的结构和设备。因此,本发明不希望限制于所示出的实施方式,而是符合与此处所公开的原则和特征相一致的最广范围。
虽然本发明是通过特定实例和说明性附图来描述的,但是所属领域的技术人员将意识到,本发明并不限于所描述的实例或附图。所属领域的技术人员将意识到,可以使用硬件、软件、固件或者它们的适当组合来实现各种实施方式的操作。例如,可以在软件、固件或硬接线逻辑的控制下,使用处理器或其它数字电路来执行一些处理。(此处,术语“逻辑”是指固定的硬件、可编程逻辑和/或其适当组合,如本领域技术人员所认识到的可以实现所述的功能那样。)软件和固件可被存储在计算机可读存储介质上。如所属领域技术人员所了解的,可以使用模拟电路来实现一些其它处理。另外,本发明的实施方式中可以使用存储器或其它存储设备以及通信组件。
本说明书分成三个主要部分。首先介绍示例性联络中心环境,随后介绍用于基于模式匹配算法将一组呼叫者中的一个与代理匹配的、基于示例性性能的模式匹配路由方法和系统。最后,介绍用于与示例性路由方法和系统一起使用的、基于各种示例性性能的模式匹配路由方法和系统。例如,用于组合与算法的多个可变输出相关联的各种度量以及将它们组合到公共度量中的系统和方法。在一个实例中,呼叫中心可以要求为了所需的性能以各种方式来混合输出变量。
示例性联络中心环境
图1是反映联络中心环境的示例性结构的图。网络云101反映被设计为接收进来的呼叫者或支持对正在离开的呼叫者进行的联络的特定或区域性通信网络。网络云101可以包括单个联络地址,例如电话号码或电子邮箱地址,或多个联络地址。中央路由器102反映联络路由硬件和软件,其被设计为帮助路由呼叫中心103间的联络。在仅配置了单个联络中心的情况下,可能不需要中央路由器102。在使用多个联络中心的情况下,可能需要更多的路由器,以便将联络路由到针对特定联络中心103的另一个路由器。在联络中心层面103,联络中心路由器104将联络路由到具有个人电话或其它通信设备105的代理105。典型地,在联络中心103有多个代理105,而有一些实施方式中联络中心103处仅有一个代理105,在这种情况下,可表明联络中心路由器104不是必要的。
示例性路由方法和系统
图2示出示例性联络中心路由系统200(其可以包含在图1的联络中心路由器104中)。概括地说,路由系统200是可操作的,用于至少部分地根据代理性能、基于呼叫者和/或代理数据的计算机模型或模式匹配算法以及类似的,匹配呼叫者和代理。路由系统200可以包括通信服务器202以及模式匹配引擎204(有时被称为“满意映射”或“SatMap”)。模式匹配引擎204可以以多种方式来运行,以便基于模式匹配算法和计算机模型来将呼叫者与代理相匹配,其在时间上与之前的呼叫者代理匹配的结果或性能相适应。在一个实例中,模式匹配引擎204包括基于神经网络的适应性模式匹配引擎。
可以包含在内容路由系统和/或模式匹配引擎204的各种其它示例性模式匹配和计算机模型系统和方法被描述在2008年1月28日提交的、发明名称为“Systems andMethods for Routing Callers to an Agent in a Contact Center”(“用于将呼叫者路由到联络中心的代理的系统和方法”)、序号为No.12/021,251的美国专利中,现通过引用的方式将其全部内容合并于此。此外,在说明书的下面这个部分介绍了各种说明性模式匹配算法和计算机模型生成技术。
路由系统204可以进一步包括其它组件,例如,收集器106,用于收集进来的呼叫者的呼叫者数据、与呼叫者-代理对相关的数据、呼叫者-代理对的结果、代理的代理数据以及类似的数据。此外,路由系统200可以包括报告引擎208,用于生成路由系统200的操作和性能的报告。路由系统200中可能包括多种其它服务器、组件以及功能。此外,尽管被示为单个硬件设备,但是应当了解的是,各种组件可以是彼此位于远程的(例如,通信服务器202和路由引擎204不必被包含在共同的硬件/服务器系统中或被包含在共同的位置)。另外,路由系统200中可以包括各种其它组件和功能,但是此处为了清楚起见已将其省略。
图3示出进入到根据此处提供的一个实例的包含路由系统的路由中心的呼叫的示例性流和体系架构。在实施中,进来的呼叫者最初可能接收交互式语音响应(IVR),其可以确定为呼叫者提供服务所需要的或所期望的技能集(skill set)。例如,技能集可以包括呼叫者说的语言。在另一实例中,可以通过呼叫者所拨的号码来确定技能集,例如,其中单独的数字用于不同的语言。应当了解的是,在一些实例中,可以将确定技能集省略,例如,其中呼叫中心按单一语言运行或仅对单一的技能集提供服务。
将路由请求传送到模式匹配引擎(例如,经由图2的通信服务器202到模式匹配引擎204)。如果代理在技能集中是可用的,则在300,模式匹配引擎将最佳匹配呼叫者匹配于且路由到最佳性能的代理或对于特定呼叫者的最佳匹配代理。例如,相对于可能使用代理队列、以连接已经搁置了最长时间段的代理来运行的传统路由系统,模式匹配引擎将呼叫者与所有可用的代理进行比较,并且将呼叫者路由到具有最佳性能的代理或者与呼叫者是最佳匹配的代理(例如,使呼叫者与具有最大可能性实现所期望的输出性能的代理成对)。可在通信服务器202或模式匹配引擎204中存储和追踪代理以及它们是否可用的状态。
在320处,如果对于为呼叫者确定的特定技能集没有可用的代理,则模式匹配引擎可以将呼叫附加到影子技能集队列,直到具有合适技能的代理变为可用并且可在342处将呼叫匹配和路由到代理为止。在一个实例中,由于代理变为可用,所以模式匹配引擎操作以将影子技能队列中的所有呼叫者与代理进行比较,从而确定将哪个呼叫者路由到代理。同样,可以不按次序地将呼叫者从影子技能队列中取出来(即,等待最久的呼叫者未必被匹配到可用代理)。
然而,在一些实例中,在344,如果影子技能集队列中的呼叫者超过等待时间阈值,则将该呼叫者移动到标准技能集队列,其中标准技能集队列是有序的且按传统方式来服务。系统可以操作以首先路由来自标准技能集队列的呼叫者,直到已经为所有呼叫者提供服务为止,然后按照上面描述的那样路由来自影子技能集队列的呼叫者。
最后,在350,如果模式匹配引擎没有响应(例如,引擎停止运行或选择性地不路由某些呼叫者),则可以将呼叫者路由到标准技能集队列。例如,可以基于技能集而不是基于模式匹配引擎的模式匹配或性能而对呼叫者进行路由。
图4示出在代理可用时包括模式匹配引擎的示例性路由系统中的示例性时序流程图。起初,与路由系统关联的通信服务器可将多种信息传送到专用分线交换机(PBX,Private Branch Exchange)/自动呼叫分配(ACD)服务器,包括多种与代理和呼叫相关的事件。例如,作为代理注册到系统的信息被传送到PBX/ACD服务器,以及将事件报告向回传送给通信服务器。
响应于呼叫PBX/ACD服务器的呼叫者,将路由请求传送到通信服务器,该服务器转而将请求传送到模式匹配引擎。另外,将呼叫者数据传送给模式匹配引擎,以便如这里所描述的那样基于模式匹配算法或性能来确定呼叫者的最佳匹配。将路由引擎的结果(例如,将呼叫者路由到哪个代理)作为对于呼叫者的路由选择,向回传送给通信服务器以及PBX/ACD服务器。
最后,在呼叫结束时,将报告传送到收集器/报告引擎。呼叫报告可包括关于呼叫的各种信息,包括已知的呼叫者数据、代理数据、呼叫持续时间、呼叫结果、顾客满意度数据、代理满意度数据、呼叫的日期和时间等。
图5示出在代理不可用时包括模式匹配引擎的示例性系统中的示例性时序流程图。如所示出的,在客户在所有代理都繁忙时呼叫的情况下,将呼叫者放置到影子队列,该队列被传送到PBX/ACD服务器。当代理变为可用时,模式匹配引擎扫描影子队列中的呼叫者,并确定对于代理的最佳匹配呼叫者,并相应地发布路由选择。注意,在一些实例中,如果呼叫者超时并且被放置在标准队列中,所述呼叫者可以在影子队列中的呼叫者之前被路由。
示例性性能和模式识别方法及系统
下面是各种示例性方法,其中模式匹配引擎可运行在这些方法中。例如,如所介绍的,模式匹配算法可以关于性能对代理进行分级,根据模式匹配算法对代理数据和呼叫者数据进行比较和匹配,创建计算机模型来预测代理-呼叫者对的结果等等。应当理解,内容路由器系统可以包括软件、硬件、固件或其组合,以实现示例性方法。
图6是用于对代理性能进行分级的一个示例性方法的流程图。方法包括关于最佳交互对两个代理进行分级,以及将呼叫者与两个经过分级的代理中的至少一个匹配,以增加最佳交互的概率。最初,在601,关于最佳交互对代理进行分级,最佳交互例如是增加收益、降低成本或增加顾客满意度。通过在一段时间(例如,至少10天的时间段)内对关于联络中心代理实现最佳交互的能力的性能整理,来完成分级。然而,时间段可以像紧接的之前的联络那样短,或延续像代理与呼叫者的第一次交互那样长的时段。而且,分级代理的方法可以像这样的简单:对于特定的最佳交互按1到N级来对每个代理进行排序,其中N是代理的总数。分级的方法还可以包括确定每个代理的平均联络处理时间,从而关于成本对代理进行分级,确定每个代理产生的全部销售收益或销售数,从而关于销售对代理进行分级,或者在与呼叫者的联络结束时进行顾客调查,从而关于顾客满意度来对代理进行分级。然而,前述内容仅是可以如何对代理进行分级的实例;还存在许多其它方法。
在602,呼叫者使用联络信息,例如电话号码或电子邮件地址,来发起与联络中心的联络。在603,将呼叫者与代理或一组代理匹配,使得相对于仅使用现有技术中的循环匹配方法,增加了最佳交互的概率。可在呼叫者和联络中心处登记的所有代理、联络中心处当前对于联络可用的所有代理或其任意组合或子组之间发生匹配。可以设置匹配规则,使得具有最低等级的代理是仅有的适合与呼叫者匹配的代理。还可以设置匹配规则,使得将具有对于最佳交互或其组合的最高等级的可用代理与呼叫者匹配。对于经过从发起联络时刻到指引交换机将呼叫者连接到特定代理时刻的时间,代理可能变为不可用的情况,不是指引交换机将呼叫者连接到单个代理,而是匹配规则可以限定对于特定呼叫者的代理适应性次序,并按照该次序将呼叫者匹配到最高等级的代理。在604,呼叫者于是被连接到经过分级的代理,从而增加最佳交互的概率,并且然后在代理和呼叫者之间发生联络交互。
图7A示出用于关于两个最佳交互对至少两个代理的组进行分级、相对于另一可选交互对一个最佳交互加权、并将呼叫者与两个经过分级的代理中的一个连接以增加更大权重的最佳交互的概率的示例性方法。在701,关于两个或多个最佳交互对代理进行分级,例如增加收益、降低成本或增加顾客满意度。在702,相对于彼此对最佳交互进行加权。加权可以是如此简单的:对每个最佳交互分配百分比权重因数,所有这些因数总和为100%。然而,可以使用任何比较加权方法。在多种最佳交互上设置权重可以以联络中心、其客户或根据预定规则控制的方式实时进行。可选地,联络中心或其客户可以通过因特网或一些另外的数据传输系统来控制加权。作为实例,联络中心的客户可通过因特网浏览器访问目前正在使用的权重,并且远程地修改这些权重。这种修改可以被设置为立即起作用,并且在这种修改之后,马上根据最新建立的权重来进行接下来的呼叫者路由。这种实例的示例可能出现在下面的情况中,其中联络中心客户决定目前在他们的商业中最重要的策略优先级是收益的最大化。在这种情况下,客户可以远程地设置权重,以促成对于将在给定联络中产生最高的销售可能性的代理的选择。接下来,客户可以将客服满意度的最大化作为他们商业中更为重要的。在这种情况下,他们可以远程地设置权重,使得将呼叫者路由到最有可能最大化其满意度级别的代理。可替换地,权重的改变可以被设置为在后续时间起作用,例如,在下一个早上开始。
在703,呼叫者使用联络信息,例如电话号码或电子邮件地址,来发起与联络中心的联络。在704,与在最佳交互上施加的权重一起,使用关于经过分级的代理的最佳交互等级,从而获得用于那些经过分级的代理的加权等级。在705,将呼叫者与具有关于最佳交互的最高加权等级的可用代理匹配。在706,于是呼叫者被连接到具有最高加权等级的代理,以增加更大权重的最佳交互的概率。还可以修改这个实施方式,使得将呼叫者连接到具有等级的最高权重混合的代理,以增加最佳交互的更大权重混合的概率。应当了解的是,图7A流程图中标出的动作不需要按这样的精确次序来进行。
图7B是体现操作出站联络中心的示例性方法的本发明的一个实施方式的流程图,方法包括,识别至少两个呼叫者的组,关于最佳交互对两个代理进行分级;以及将两个经过分级的代理中至少一个与来自所述组的至少一个呼叫者匹配。在711,识别至少两个呼叫者的组。这典型地是通过引导列表的使用来完成的,其中,引导表由联络中心的客户提供给联络中心。在712,关于最佳交互对至少两个代理的组进行分级。在713,代理分级用于将来自所述组的一个或多个呼叫者与经过分级的代理中的一个或多个匹配,以增加最佳交互的概率。这种匹配可以体现为为一个或多个代理生成的单独引导列表的形式,代理于是可以用来进行游说工作。
在使用电话设备的出站联络中心中,更为通用的是具有通过引导列表进行的拨号器呼叫。基于拨号器获得活动呼叫者,本发明可以确定可用的代理以及他们各自的关于最佳交互的分级,将活动的呼叫者与一个或多个可用的代理匹配以增加最佳交互的概率,并且将呼叫者与那些代理中的一个代理连接,所述代理于是可以进行他们的游说工作。优选地,本发明会将活动的呼叫者与一组代理匹配,限定适合于呼叫者的代理的次序,将活动的呼叫者与所述次序中目前可用的最高等级的代理相匹配,以及将所述呼叫者连接至最高等级的代理。按这种方式,因为拨号器应当能够通过引导列表进行持续呼叫并且尽可能快速地获得活动的呼叫者,所以本发明中拨号器的使用变得更为有效,本发明然后可以将活动的呼叫者匹配且连接至目前可用的最高等级的代理。应当了解的是,图7B的流程图中标出的步骤不需要按所述精确次序来进行。
图8是反映可以增加最佳交互概率的更为优化的实例的流程图,其中,通过组合代理等级、代理人口统计数据、代理心理统计数据以及与代理相关的其它商业相关的数据(在该应用中被单独或全体地称为“代理数据”),以及与呼叫者相关的人口统计、心理统计、和其它商业相关数据(在该应用中被单独地或全体地称为“呼叫者数据”),来增加最佳交互的概率。代理和呼叫者人口统计数据可以包括以下任意内容:性别、种族、年龄、教育、口音、收入、国籍、种族划分、区域代码、邮政编码、婚姻状况、工作状况、以及信用分数。代理和呼叫者心理统计数据可以包括任意内容:内向性、社交性、财务成功的欲望、以及电影和电视偏好。应当了解的是,图8的流程图中标出的动作不需要按所述精确次序来进行。
相应地,用于操作入站联络中心的方法的实施方式包括,确定关于呼叫者的至少一个呼叫者数据,确定关于两个代理中每个代理的至少一个代理数据,在模式匹配算法中使用代理数据和呼叫者数据,以及将呼叫者与两个代理中的一个匹配以增加最佳交互的概率。在801,确定至少一个呼叫者数据(例如,呼叫者人口统计或心理统计数据)。一种完成这一点的方式为,使用呼叫者的联络信息作为索引从可用数据取回该数据。可用的数据库包括,但不限于,那些公开可用的数据库、那些商业上可用的数据库或那些由联络中心或联络中心客户创建的数据库。在出站联络中心环境中,呼叫者的联络信息是事先已知的。在入站联络中心环境中,可以通过检查呼叫者的CallerID信息来取回呼叫者的联络信息,或者通过在联络开始时请求呼叫者的该信息,例如通过对呼叫者账户号码或其它呼叫者标识信息的条目。还可以从可用数据库取回其他商业相关的数据,例如历史购买行为、顾客的当前满意级别或者所举荐的对商品的兴趣的级别等。
在802,确定关于两个代理中的每一个代理的至少一个代理数据。确定代理人口统计或心理统计数据的一种方法可以包括:在雇佣他们时,或者在雇佣他们期间周期性地,对代理进行调查。这种调查过程可以是手动的,例如通过纸件或口头调查,或者是在计算机系统上进行的自动调查,例如通过在网络浏览器上的部署。
尽管这个优化的实施方式优选地使用代理等级、人口统计、心理统计、以及其它商业相关数据,以及呼叫者人口统计、心理统计、以及其它商业相关数据,但是示例性方法和系统的其它实施方式可以清除一个或多个类型或种类的呼叫者或代理数据,从而最小化计算功率或存储需要。
一旦已经收集了代理数据和呼叫者数据,便将所述数据传递到计算系统。在803,计算系统于是转而在模式匹配算法中使用该数据,以创建计算机模型,该计算机模型将每个代理与呼叫者匹配,并估计沿多个最佳交互的每个匹配的可能结果,例如,销售的生成、联络的持续时间、或生成顾客觉得满意的交互的可能性。
在示例性方法和系统中使用的模式匹配算法可以包括任意相关算法,例如神经网络算法或遗传算法。为了一般地训练或者要不然为了完善算法,将实际的联络结果(为最佳交互所测量的)与对于所发生的每个联络实际的代理和呼叫数据进行比较。然后,模式匹配算法可以学习将某些呼叫者与某些代理匹配将如何改变最佳交互的概率,或改进其关于将某些呼叫者与某些代理匹配将如何改变最佳交互的概率的了解。按这种方式,模式匹配算法于是可以用于在将具有特定集合的呼叫者数据的呼叫者与具有特定集合的代理数据的代理匹配的情况中,预测最佳交互的概率。优选地,随着关于呼叫者交互的更多实际数据变为对模式匹配算法可用,可以周期性地完善模式匹配算法,例如,在联络中心已经结束了白天的运行之后,每晚周期性地训练算法。
在804,模式匹配算法用于创建反映每个代理和呼叫者匹配的最佳交互的预测概率的计算机模型。优选地,计算机模式将包括登记到联络中心的每个代理作为与每个可用的呼叫者相匹配的一组最佳交互的预测概率。可替换地,计算机模型可以包括这些的子集,或包括上述集合的集合。例如,实例可以将每个可用代理与每个可用呼叫者匹配,或者甚至代理或呼叫者的更窄子集,而不是将登记到联络中心的每个代理与每个可用的呼叫者匹配。同样地,本发明可以将每个曾经在特定活动中工作过的代理-无论是否可用或者登记-与每个可用的呼叫者匹配。类似地,计算机模型可以包括一个最佳交互或多个最佳交互的预测概率。
还可以进一步完善计算机模型,以便包括代理和呼叫者的每个匹配的适合性分数。可以通过将一组最佳交互的概率看作是模式匹配算法预测的,并且对那些概率加权以便相对于另一最佳交互在特定最佳交互上施加更多或更少的侧重,来确定适合性分数。然后,可以在示例性方法和系统中使用适合性分数,来确定应当将哪些代理连接到哪些呼叫者。
在805,应用连接规则来定义何时或如何连接匹配于呼叫者的代理,以及呼叫者因此与代理连接。连接规则可以如此简单:指示系统根据与特定呼叫者的所有可用代理中的最佳匹配,连接呼叫者。按照这种方式,可以最小化呼叫者搁置时间。连接规则还可以更多地包括,例如,指示系统仅当可用代理和呼叫者间存在最小阈值匹配时才连接呼叫者,以便允许所限定的时间段从而搜索在那个时间的最小匹配或最佳可用匹配,或者以便定义适于特定呼叫者的代理的顺序并将呼叫者与该顺序中目前可用的、具有实现最佳交互的最大概率的代理连接。当发生对潜在更好匹配的搜索时,连接规则还可以有目的地保持某些代理可用。
在联络中心形成搁置呼叫者的队列是典型的。在队列已经形成的情况下,为了增加获得顾客满意度和降低联络成本的概率,需要将每个呼叫者的搁置时间最小化,所述成本不仅可以是联络持续时间的函数,而且还可以是如果等待得太久则呼叫者将放弃联络的概率的函数。在将呼叫者与代理匹配之后,由此可以将连接规则配置为包括插队算法,借此,搁置的呼叫者与可用代理的有利匹配将导致通过增加呼叫者的连接优先级,该呼叫者“插”队,使得在按时间顺序列出的队列中的其他呼叫者之前,该呼叫者首先被传递给该代理。插队算法可以进一步被配置为,自动执行与保持被搁置的呼叫者关联的成本、如果呼叫者插队那么最佳交互发生的概率方面的益处两者之间的平衡,以及将呼叫者插队,以便增加随着时间推移,以可接受的或最小级别的成本或顾客满意度概率发生的最佳交互的整体概率。如果亲和度数据库表明如果呼叫者与已经可用的特定代理匹配则特别可能是最佳交互,那么呼叫者也可以插队。
理论上,连接规则应当被配置为避免以下情形:其中队列中的呼叫者与所有登记的代理之间的匹配很可能导致较低的销售概率,然而由于在系统等待最佳代理变为可用时呼叫者被保持搁置较长时间,所以联络的成本多且顾客满意的概率小。通过识别这样的呼叫者并且将呼叫者插队,联络中心可以避免最佳交互(例如,销售)的整体概率低、但是联络的货币和满意度成本高的情形。
示例性方法和系统还可以包括一定程度的随机性到联络路由过程的注入,使得由系统识别为最佳的特定代理或所产生的代理的顺序被随机地超越,并且将呼叫者连接到对于该呼叫者来说不必是被识别为最佳的代理。这种部分随机性的注入在这中情况中可能是有用的,其中系统希望将某些代理连接到在正常功能下他们通常不可能连接到的呼叫者,以便使代理从这样的交互潜在地学习,并提高他们在处理这样的呼叫者中的能力。随机度可被设置为百分之0.1,在这种情况下基本上没有随机性注入到联络路由过程中,也可以被设置为百分之99.9,在这种情况下系统基本上不起作用,也可以被设置为百分之50,在这种情况下将所有呼叫者中的一半随机地路由到代理,或可以被设置为百分之0.1和百分之99.9之间的任意其它值。可选地,可以由联络中心、代理或联络中心的客户来设置该随机度。可以通过数据传输和检索系统(例如因特网)来远程完成这种设置,并且可以将这种设置配置为立即生效或可以设置为在接下来的时间里生效。
示例性方法和系统还可以包括亲和度数据库,该数据库包括关于个体呼叫者的联络结果的数据(在本应用中被称为“呼叫者亲和度数据”),其独立于他们的人口统计、心理统计或其它商业相关信息。这种呼叫者亲和度数据可以包括呼叫者的购买历史、联络时间历史或顾客满意度历史。这些历史可以是一般性的,例如,呼叫者对于购买产品的一般历史、与代理的平均联络时间、或平均顾客满意度比率。这些历史还可以是特定于代理的,例如,在被连接到特定代理时呼叫者的购买、联络时间或顾客满意度历史。
呼叫者亲和度数据于是可以用于完善使用示例性方法和系统可能作出的匹配。作为实例,由于在联络特定的呼叫者的最近几次实例中,呼叫者决定购买产品或服务,所以通过他们的呼叫者亲和度数据可以将该呼叫者标识为非常可能做出购买的一位呼叫者。然后,该购买历史可以用于适当地完善匹配,使得呼叫者被优先与视为适合该呼叫者的代理匹配,以增加最佳交互的概率。使用该实施方式,因为销售的概率仍然可能给出呼叫者的过去购买行为,所以联络中心可以优选地将呼叫者匹配于不具有产生收益的高等级或者要不然不是可接受的匹配的代理。用于匹配的这种策略将可用的其它代理留下,否则所述其它代理将被与呼叫者的联络交互所占用。可替换地,不考虑使用呼叫者数据和代理人口统计或心理统计数据生成的匹配可能表明什么,联络中心可以改为寻找这样的保证,即保证呼叫者被与具有产生收益的高等级的代理匹配。
更为优化的亲和度数据库包括一种其中可跨越多种代理数据来追踪呼叫者的联络结果的数据库。这种分析可能指示,例如,如果呼叫者与具有相似性别、种族、年龄的代理,或甚至是与特定的代理匹配,则呼叫者最有可能对联络满意。使用该实施方式,系统或方法可以优先将呼叫者与由呼叫者亲和度数据已知的已经产生可接受的最佳交互的类型的代理或特定的代理匹配。
当商业、客户或开放可用数据库资源可能缺少与呼叫者相关的信息时,亲和度数据库可以提供与呼叫者相关的特别可实施的信息。即使在具有关于呼叫者的可用数据的情形中,该数据库开发还可以用于进一步增强联络路由和代理-呼叫者匹配,因为其可能促使个体呼叫者的联络结果可能与商业数据库可能暗示的不同的结论。作为实例,如果系统或方法曾仅仅依赖于商业数据以便匹配呼叫者和代理,则可以预测呼叫者将最好被匹配给具有相同性别的代理,以实现最佳的顾客满意度。然而,通过包括从与呼叫者的之前交互所开发的亲和度数据库,示例性方法和系统可以更为精确地预测:呼叫者将最好被匹配给相反性别的代理,以实现最佳顾客满意度。
示例性方法和系统的另一方面是其可以开发亲和度数据库,该亲和度数据库包括作为与特定呼叫者人口统计、信息统计或其它商业相关特性相匹配的个体代理的收益生成、成本、以及顾客满意度性能数据(在本应用中被称为“代理亲和度数据”)。像这样的亲和度数据库可以,例如,导致示例性方法和系统预测特定的代理与相似年龄的呼叫者的交互中表现得最好,并且在与明显大或小年龄的呼叫者的交互中表现得不那么好。类似地,这种类型的亲和度数据库可以导致实例预测:具有特定代理亲和度数据的代理处理源自特定地理区域的呼叫者要比代理处理来自其它地理区域的呼叫者要好得多。作为另一实例,系统或方法可以预测特定代理在代理被连接到愤怒的呼叫者的情况下表现出色。
尽管亲和度数据库优选地用于与通过模式匹配算法传递的代理数据和呼叫者数据相组合,以便生成匹配,但是也可以不依靠代理数据和呼叫者数据来使用存储在亲和度数据库中的信息,使得亲和度信息是用于生成匹配的唯一信息。
图9A示出了示例性方法,其包括确定关于两个代理的每个代理的至少一个代理数据,识别至少两个呼叫者的组,确定关于来自所述组的至少一个呼叫者的至少一个呼叫者数据,在模式匹配算法中使用代理数据和呼叫者数据;以及将来自所述组的至少一个呼叫者与两个代理中的一个匹配,以增加最佳交互的概率。在901,为至少两个代理的组确定至少一个代理数据。在902,识别一组至少两个呼叫者。这典型地是通过引导列表的使用来完成的,由联络中心的客户为联络中心提供所述引导列表。在903,识别来自所述组的至少一个呼叫者的至少一个呼叫者数据。
一旦已经收集到代理数据和呼叫者数据,就将该数据传递到计算系统。然后,在904,计算系统转而在模式匹配算法中使用该数据,以创建计算机模型,该计算机模型将每个代理与来自所述组的呼叫者匹配,并且沿多个最佳交互来估计每个匹配的可能结果,例如,销售的生成、联络的持续时间、或生成顾客觉得满意的交互的可能性。在905,模式匹配算法用于创建计算机模型,该计算机模型体现每个代理和呼叫者匹配的最佳交互的预测概率。
在906,将呼叫者与代理或一组代理匹配。该匹配可以体现为对一个或多个代理生成的单独引导列表的形式,其中代理于是用于进行他们的游说工作。在907,呼叫者被连接到代理,并且代理进行他们的游说工作。应当了解的是,图9A的流程图中标出的动作不需要按那个精确的顺序执行。
其中拨号器用于通过引导列表进行呼叫,当获得活动呼叫者时,系统可以确定可用的代理,通过模式匹配算法来使用呼叫者和代理数据,以将活动呼叫者与一个或多个可用代理匹配,并将呼叫者与那些代理中的一个连接。优选地,系统会将活动呼叫者与一组代理相匹配,在那个组中限定对于呼叫者的代理适合性的次序,将活动呼叫者与那个次序中可用的最高等级的代理相匹配,以及将呼叫者连接到该最高等级的代理。在将活动的呼叫者与一组代理匹配时,示例性方法和系统可以用于确定具有相似代理数据(例如相似的人口统计数据或心理统计数据)的代理群集,并在上述群集中进一步确定代理适合性的次序。按这种方式,示例性方法和系统可以增加拨号器的效率,并避免在具有特定代理数据的代理变为可用之前不得不停止拨号器的情况。
示例性系统和方法可以存储特定于每个被路由的呼叫者的数据,用于接下来的分析。例如,系统和方法可以存储任意计算机模型中生成的数据,包括由计算机模型预测的最佳交互的概率,例如,销售的概率、联络持续时间、顾客满意度、或其它参数。这种存储可以包括用于所作出的呼叫者连接的实际数据,包括代理和呼叫者数据、销售是否发生、联络的持续时间、以及顾客满意度的等级。这种存储还可以包括用于所作出的代理到呼叫者的匹配的实际数据,以及如何、哪个、以及何时匹配被视为依照连接规则并且在连接到特定代理之前。
可以按照多种方式来分析这种存储的信息。一种可能的方式是,分析不同时间间隔上系统和方法关于最佳交互的累积效果,并将该效果报告给联络中心或联络中心客户。例如,示例性方法和系统可以将5分钟、一小时、一个月、一年、以及其它时间间隔上,例如从特定客户游说活动开始以来,系统在增强收益、降低成本、增加顾客满意度中的累积影响向回报告。类似地,示例性方法和系统可以分析对于特定数量的呼叫者,例如10个呼叫者、100个呼叫者、1000个呼叫者、所处理的呼叫者的总数、或呼叫者的其它总数,示例性方法和系统在增强收益、降低成本、以及增加满意度中的累积效果。
一种用于报告使用示例性方法和系统的累积效果的方法包括,将呼叫者与联络中心处登记的每个代理进行匹配,对每个代理的最佳交互的概率取平均值,确定哪个代理被连接到呼叫者,将用于所连接的代理的最佳交互的概率除以平均概率,以及生成结果报告。按这种方式,方法和系统的效果可以被报告为,相对于将呼叫者随机地路由到任意登记的代理,与将呼叫者路由到特定代理关联的预测增加。还可以将这种报告方法修改为,将特定代理路由的最佳交互概率,与从特定活动开始以来对所有可用代理或所有登记代理的平均最佳交互的概率相比较。实际上,通过将在特定时间段内所有不可用代理的最佳交互的平均概率除以相同时间内所有可用代理的最佳交互的平均概率,可以生成指示示例性方法和系统对该时间内最佳交互的概率带来的整体提升的报告。可替换地,通过在一段时间内对单个代理或代理组循环地使用和不使用本发明,以及测量实际的联络结果,可以监控方法和系统并且生成报告。按这种方式,可以确定通过使用方法和系统创建了什么实际的、所测量的效果。
示例性方法和系统的实施方式可以包括:为联络中心或其客户提供的可视计算机接口和可打印的报告,以允许他们实时地或基于过去的表现来监控代理到呼叫者的匹配的统计数据,测量与计算机模型所预测的交互相比所实现的最佳交互,以及使用此处所描述的方法的实时的或对过去表现的任意其它测量。还可以向联络中心或联络中心客户提供用于改变最佳交互上的权重的可视计算机接口,使得他们可以,如此处所讨论的那样,实时地或在未来的预定时间,监控或改变权重。
此处所介绍的示例性方法和系统还可以包括智能路由系统,所述系统包括:用于关于最佳交互对两个或多个代理进行分级的装置,以及用于将呼叫者与两个或多个经过分级的代理中的至少一个匹配以增加最佳交互的概率的装置。用于对代理进行分级的装置可以包括,如此处所讨论的,手动或自动调查的使用,用于记录每次呼叫代理的收益生成表现、每个呼叫者的代理的联络时间、或可以电子记录的任何其它表现标准的数据库和计算设备的使用。用于将呼叫者与两个或多个经过分级的代理中的至少一个匹配的装置可以包括任意计算设备。智能路由系统可以进一步包括用于将呼叫者与两个或多个代理中的一个连接的装置,例如交换系统。系统可以进一步包括拨号器、callerID设备、以及其它商业可用的电话或通信设备,以及包括数据库的存储器,例如商业上可用的数据库、开放可用的数据库、客户数据库、或联络中心数据库。
在更为优化的实施方式中,示例性方法和系统可以用于创建智能路由系统,系统包括:用于确定两个或多个代理中每个代理的至少一个代理数据,确定呼叫者的至少一个呼叫者数据的装置,用于在模式匹配算法中使用代理数据和呼叫者数据的装置,以及用于将呼叫者与两个或多个代理中的一个匹配以增加最佳交互的概率的装置。用于确定代理数据的装置可以包括手动或自动调查的使用,其可以被记录到硬拷贝或电子形式中,例如通过使用包含用于存储这种信息的数据库的计算机存储器。用于确定呼叫者数据的装置可以包括计算机存储器的使用,所述存储器包含具有呼叫者数据的数据库,例如,商业可用的数据库、客户数据库、或联络中心数据库。用于确定呼叫者数据的装置还可以包括:CallerID设备以及电话或用于接收呼叫者的账号或其它呼叫者标识信息的其它电信设备的使用。用于在模式匹配算法中使用代理数据和呼叫者数据的装置可以包括计算设备。用于将呼叫者与两个或多个代理中的一个匹配的装置还可以包括计算设备的使用。智能路由系统的这个实施方式还可以包括用于将呼叫者与两个或多个代理中的一个连接的装置,例如,交换或路由系统。系统还可以包括用于联系呼叫者的装置,例如代理可用来联系呼叫者的电话设备或拨号器。
图9B是体现本发明的实施方式的流程图,其包括识别代理池以普遍地增加联络中心或特定的联络中心客户的最佳交互的概率的方法。通过使用所述方法来识别代理池,联络中心可以配置代理池,其增加联络中心的用于获得销售、以低成本运行、获得可接受级别的顾客满意度或一些其它最佳交互的整体概率。还可以识别和配置代理池以增加特定联络中心客户或客户组的所选最佳交互的这些整体概率。
识别理想代理池的方法可以包括:确定最佳交互、确定用于呼叫者样本的一组呼叫者数据、确定一组代理数据、生成计算机模型用于具有该组呼叫者数据和该组代理数据的最佳交互、以及识别增加最佳交互的整体概率的代理数据。在911,由实际的呼叫者数据、预测的或理论的呼叫者数据或其组合来确定一组呼叫者数据。在912,由实际的代理数据、预测的或理论的代理数据或其组合来确定一组代理数据。在913,在模式匹配算法中使用该组呼叫者数据和该组代理数据。在914,于是得到计算机模型,其体现当具有该组呼叫者数据的呼叫者与具有该组代理数据的代理匹配时预测的发生的最佳交互的概率。
在915,然后解析计算机模型,以确定什么代理数据对于最佳交互是最有效的。按这种方式,联络中心可以识别具有这种代理数据的代理对于最大化某些呼叫者的最佳交互的概率是理想的。在916,联络中心的操作由此被配置为具有用于特定客户、一组客户或通常用于联络中心的理想代理池。可以通过对联络中心已经获得的代理进行具体地分组,通过确定联络中心应当雇佣何种类型的代理或其组合,来完成这种配置。该实施方式因此可特别地有助于识别雇佣、调动或终止哪些代理。应当了解的是,图9A的流程图中标出的动作不需要按那个精确的顺序执行。
图10示出用于将性能匹配算法的多个输出变量结合到控制和管理路由系统时使用的单个度量的示例性方法。在1002,示例性方法包括确定模式匹配算法的两个或多个变量输出的Z-分数(例如,无量纲标准分数)。所述Z-分数或标准分数可以计算如下:
z=(x–μ)/s
其中x是模式匹配算法对于特定输出变量的原始输出,μ是输出变量的均值,以及s是输出变量的标准偏差。可以为呼叫路由系统(例如,所使用的模式匹配算法)的任意数量的输出变量计算Z-分数。输出变量可以包括或关联于,例如,收益生成、成本、顾客满意度以及类似的。
在1004,Z-分数用于确定两个或多个输出变量的线性组合,其中可以基于输出变量的加权或所期望的组合来选择线性组合。例如,呼叫中心可以将顾客满意度确定为最重要的变量,并且对收益生成和成本进行小于顾客满意度的加权(例如,分配总计为1权重因数)。于是可以计算所确定的Z-分数的线性组合,并基于多个输出变量和加权因数提供单个分数。例如,呼叫路由中心可以组合系统所期望的输出(例如,决定一个变量比另一个变量的权重大)的Z-分数。在1006,路由系统于是可以使用线性组合,用于通过模式匹配算法将呼叫者路由到或匹配于代理。例如,可以在尝试以便估计或最大化所确定的Z-分数的线性组合的值或分数时,将呼叫者和代理匹配。
应当注意的是,传统地,对于入站呼叫中心,当许多呼叫者被搁置并且代理变为空闲时,将队列中的第一个呼叫者(例如,已经被搁置最久的)路由到空闲代理。如此处所介绍的,然而,用于路由呼叫者的示例性方法包括,将可用的代理与正被搁置的所有呼叫者配对,并基于模式匹配算法/计算机模型和所期望的输出变量,将最匹配的呼叫者路由到代理。
图11示出用于优化针对特定实例的模式匹配算法和/或计算机模型的多个输出变量的组合或混合的具体示例性方法,在所述特定实例中,多个呼叫者被搁置,例如在影子队列或其它中,并且一个代理变为空闲以接受呼叫者。在1102,所述方法包括确定来自呼叫者样本的一组呼叫者数据。例如,呼叫者数据可以包括被搁置的、等待呼叫中心的代理的全部或部分呼叫者的呼叫者数据。在1104,方法进一步包括,确定来自变为可用于接受呼叫者的代理的一组代理数据,其仅仅可以通过已知的代理数据来访问。
在1106,所述方法进一步包括,对每个可能的代理-呼叫者对,通过模式匹配算法/计算机模型来传递相关联的代理和呼叫者数据。在1108,可以为每个代理-呼叫者对确定Z-分数,其基于每个输出变量的模式匹配算法(例如,对每个神经网络输出),这将在下面更为详细地介绍。于是可以连接最高评分的代理-呼叫者对,例如基于Z-分数的最匹配的呼叫者被路由。
更为详细的,但示例性的,用于组合其多个变量输出的方法和模式匹配算法包括神经网络算法或遗传算法。如所介绍的,可通过将实际结果与呼叫者和代理数据相比较(例如,比较输入和输出数据)而被训练或完善的模式匹配算法,例如,神经网络算法,可以学习匹配的呼叫者与代理如何改变最佳交互的概率,或改进其对于匹配的呼叫者与代理如何改变最佳交互的概率的了解。下面包括示例性的神经网络模式匹配算法,其跟随有用于缩放输出分数以及将输出分数结合到用于确定所期望输出的呼叫者-代理对的合成分数的示例性方法。
最初,限定示例性模式匹配算法的多种术语来说明操作。使A={ai}(i=1,....N)是队列中可用于与进来的呼叫者匹配的目前登记的代理集合。注意,这些代理可以在一个物理呼叫中心中,或者跨越若干呼叫中心分布并由若干PBX控制。此外,组呼叫者可以表示为:
C={cj}........................................(1)
每个代理和呼叫者都有相关联的代理数据和呼叫者数据,例如,人口统计、心理统计信息等。(在一些情况中,呼叫者数据可能不可用,例如,在呼叫者的电话号码不可用或者在可访问的数据中无法找到的情况下)。呼叫者数据和代理数据可以分别表示为:
其中有P个描述例如代理的人口统计和心理统计特性的变量,以及有Q个描述客户的这些特性的变量,其中P和Q不必相等。
还具有描述期望优化的呼叫中心性能的某些特性的输出变量。三个最常用的是收益,表示为R;成本,其通常被计算为呼叫处理时间,此处表示为T;以及满意度,表示为S。在这个说明性实例中,仅考虑这三个示例性输出变量,但是应当了解的是,可以增加更多的变量或替换收益、成本以满意度的不同的变量。例如,其它变量可以包括第一次呼叫解决、撤消(例如,由于购买者的反悔导致随后对销售的撤消)以及类似的。
示例性模式匹配算法或基于模式匹配算法的计算机模型可以进一步包括“杠杆”(lever),在这个实例中,是三个杠杆,用于调整在进行代理-呼叫匹配时,模式匹配算法中三个输出变量的每一个被优化到的程度。这些杠杆可以表示为:
LR,LC&LS(0≤LR,LC,LS≤1)................................(3)
其中,三个值受到的限制为:
LR+LC+LS=1.....................................................(4)
在这个特定实例中,对于模式匹配算法的每个输出变量,已经训练了弹性反传(RPROP)神经网络。应当了解的是,RPROP神经网络是用于在神经网络架构中使用的启发式学习的,以便基于过去的结果提供更新机制,从而随时间改进算法的输出。得到的关于收益、成本以及满意度的每一个的神经网络评估函数,可以如下:
每个评估函数利用包括用于一个代理和一个呼叫者的呼叫者数据和代理数据(例如,人口统计、心理统计信息等)矢量,并将其映射到单个实数上,例如:
其中,收益神经网络函数将第i个代理和第j个呼叫者的特性映射到单个实数x。
示例性系统于是可以使用上述神经网络模式匹配算法,以从可用的代理和进来的呼叫者确定最佳代理-呼叫者对。在一个实例中,具有三种类型的可作出代理-呼叫者对的决定的条件。包括:
i.许多代理可用并且呼叫者呼入(入站)或将要对引导列表中
的下一个呼叫者进行呼叫(出站)。
ii.入站呼叫被搁置在队列中并且一个代理可用
iii.呼叫者在队列中并且多于一个的代理是可用的。
呼叫中心中的队列典型地会在条件i或ii下运行。下面的实例很大程度上独立于上面介绍的条件,然而,将假设最普通的情况iii。例如,假设一些三个代理可用的情况:
示例性模式匹配算法在这六个可能的对上操作,以确定对于给出的三个杠杆设置LR,LC&LS,六个可能性中的最佳匹配输出,,其中,可由联络路由中心针对所期望的输出性能来设置所述杠杆。
在一个实例中,第一步是通过收益、成本以及满意度神经网络算法来评估六个可能的配对。系统查找代理数据和呼叫者数据(例如,代理的和呼叫者的人口统计和心理统计数据),来形成长度为P+Q的六个矢量,并将神经网络函数应用到每一个以生成六个实数。以收益为例,系统计算:
其中ri,j表示为第i个代理和第j个呼叫者配对的收益神经网络的输出(注意,此处的符号是这样的:指代理的人口统计和心理统计信息。按相同的方式,可以计算这组六个数字,将ci,j和si,j称为分别用于六个代理-呼叫者对的成本和满意度神经网络函数的输出。
神经网络的输出处于略为随意的程度,所以为了将它们彼此进行比较,可将他们重新调整到共同的度量。为此,形成了登记的代理(A)和呼叫者间大量的随机配对(例如,使用上述六个之外的呼叫者和代理)。例如,在考虑了前一天的情形下的关于特定队列的呼叫中心数据可被用来形成代理和呼叫者之间数以百计、千计或更多并且随机的匹配的样本。对于每个神经网络(例如,对于收益、成本以及满意度),可以评估这些随机配对,并且可以计算神经网络输出的结果分布的均值和标准偏差。例如,计算六个量μR,σR,μC,σC,μS,σS,其中μR和σR是收益神经网络输出的分布的均值和标准偏差,并且对于成本和满意度是类似的。
使用均值和标准偏差,用于收益、成本以及满意度的每一个的Z-分数可以用于六个代理-呼叫者对的计算:
呼叫中心可能希望如杠杆设置所表式的那样来优化输出变量的组合,以确定代理-呼叫者对。所确定的Z-分数可以被结合到复合Z-分数中,并由模式匹配算法用来选择最佳代理-呼叫者对。在一个实例中,形成神经网络输出的线性组合,以得到用于每个代理到呼叫者配对的一个整体Z,如下:
由此系统和方法可以找到i和j:
Zi,j=Max({Zi,j})..................................(12)
并且将代理i与呼叫者j进行匹配或路由。在这个实例中,具有两个可用的代理和三个排队的呼叫者,系统和方法于是可以将两个可用的代理匹配于并路由到三个排队的呼叫者中的两个,选择具有最高总计的Z-分数的两个代理-呼叫者对。
在一个实例中,方法检查公式11中最高的Z是否超过预设的阈值Z-分数,并且仅在其超过时才将呼叫者分配给代理,而不是选择公式11中具有最高组合Z-分数的代理-呼叫者对。如果任意可用的代理-呼叫者对的Z-分数都没有超过阈值,则系统不分配呼叫者,并等待直到更多的代理和/或呼叫者变为可用并且配对确实超过阈值为止。
应当注意并认识到,实践中,所讨论的三个输出变量(即,收益、成本和满意度)典型地不是独立的。例如,由于在呼叫上花费时间最长的代理往往是具有较高的销售比率,所以在许多呼叫中心情况中,收益和成本(例如由操作时间来测量的)是反相关的。因此,在一个实例中,可以通过考虑到这一点的模型来确定所介绍的杠杆设置,例如,建立由过去数据的基于回归的模型,以便最大化说明了其相互影响的输出变量的组合。
此外,在一些实施例中,模式匹配算法和Z-分数可受呼叫者已经被搁置的时间长度的影响,例如,考虑呼叫者的痛苦阈值。例如,基于在路由到代理之前呼叫者被搁置的等待时间,增加的收益、顾客满意度等的可能性可以变化。例如,如果呼叫者被搁置了太久,则基于呼叫者等待时间的阈值或痛苦函数,预期结果的可能性可以改变(例如,在搁置了一分钟之后,对特定呼叫者的销售可能性可能大大下降)。结果,系统可以基于输出变量和Z-分数的线性组合,将呼叫者路由到其他次优代理匹配。例如,所期望的输出可能会最大收益,然而,在到达呼叫者痛苦阈值之后,系统可以按照对顾客满意度更多地加权的方式来对该呼叫者进行路由。
在一些实例中,呼叫者数据可能丢失或不可用。例如,可能不知道呼叫者的人口统计和心理统计数据,或者可能是PBX无法提供呼叫者的电话号码。在这种情况下,由于IC值将是未知的,所以示例性模式匹配算法可能不能很好地执行。在一个实例中,算法可以在公式(10)中计算ZR,ZC和ZS,而完全不用参考顾客。例如,对于A中的每个代理,系统可能具有历史表现数据,其是与历史时段(例如,几天或更多,例如30天)中该代理已经处理的每个呼叫相关联的收益、成本以及满意度的值。对于池中的每个代理,Z-分数(关于收益、成本和满意度表现中的每一个)可以计算为:
由于收集代理数据典型地是在呼叫者路由中心的控制之下,所以丢失代理数据通常不会发生。然而,在丢失一些或全部代理数据的情况下,可以为代理分配值Z=0,这在缺乏代理数据的情况下,可以给出与平均一致的最佳估计(因为Z值的均值为0)。
应当注意的是,呼叫路由中心或其客户可以随时间而修改线性组合,例如,改变所期望的输出变量的混合或加权。此外,随着时间的推移可以重计算基础的Z-分数,导致对线性组合和呼叫者的路由的改变。可选地,联络中心或其客户可以通过因特网或一些其它数据传输系统来控制输出变量的混合。作为实例,联络中心的客户可以通过因特网浏览器来访问目前使用的输出变量的混合,并远程地对其进行修改。这种修改可以被设置为立即生效,并在这种修改之后,接下来的呼叫者立即被按照最新建立的Z-分数组合来路由。这种实例的示例可能出现在下面的情况中,其中,联络中心客户决定目前在他们的商业中最重要的策略优先是收益的最大化。在这种情况下,客户可以远程地修改组合,以促成对在给定的联络中将产生最大的销售可能性的代理的路由和匹配。接下来,客户可以将最大化客服满意度作为其商业中最为重要的。在这种情况下,他们可以远程地改变组合,使得将呼叫者路由到最可能最大化其满意度等级的代理。可替换地,改变可以被设置为在随后的时间生效,例如,从明天早上开始。
可以在硬件或软件或两者的组合中实现此处所描述的许多技术。优选地,在执行在可编程计算机上的计算机程序中实现上述技术,其中每个可编程计算机都包括:处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)、以及合适的输入和输出设备。程序代码被应用到使用输入设备输入的数据,以执行所介绍的功能并生成输出信息。将输出信息应用到一个或多个输出设备。而且,优选地在高级过程或面向对象的程序语言中实现每个程序,从而与计算机系统进行通信。然而,如果需要,可以在汇编或机器语言中实现程序。在任何情况下,所述语言都可以是编译或解释语言。
每个这种计算机程序都优选地存储在通用或专用可编程计算机可读的设备或存储介质上(例如,CD-ROM、硬盘或磁带),以便配置和操作计算机,在计算机读取存储介质或设备的情况下执行所介绍的过程。系统还可以实现为计算机可读存储介质,其可配置有计算机程序,其中存储介质被如此配置使得计算机以特定和预定的方式来运行。
图12示出典型的计算系统1200,其可以用于实现此处所描述的各种示例性方法和系统的处理功能。这种类型的计算系统例如可使用在客户端和服务器中。本领域的技术人员还将认识到如何使用其它计算机系统或体系结构来实现示例性方法和系统。计算系统1200可以代表,例如,台式电脑、膝上型或笔记本电脑、手持计算设备(PDA、蜂窝电话、掌上电脑等)、大型机、服务器、客户端或对于给定的应用或环境可能是需要或合适的其它任意类型的专用或通用计算设备。计算系统1200可以包括一个或多个处理器,例如处理器1204。可以使用通用或专用处理引擎,例如,微处理器、微控制器或其它控制逻辑,来实现处理器1204。在这个实例中,处理器1204被连接到总线1202或其它通信介质。
计算系统1200还可以包括主存储器1208,例如用于存储将由处理器1204执行的信息和指令的随机存取存储器(RAM)或其它动态存储器。主存储器1208还可以用于存储将由处理器1204执行的指令执行期间的临时变量或其它中间信息。计算系统1200同样可以包括偶接到总线1202用于存储用于处理器1204的静态信息和指令的只读存储器(“ROM”)或其它静态存储设备。
计算系统1200还可以包括信息存储系统1210,其可以包括,例如媒体驱动器1212和可移动存储接口1220。媒体驱动器1212可以包括驱动器或其它结构,以支持固定的或可移动的存储媒体,例如,硬盘驱动器、软盘驱动器、磁带驱动器、光盘驱动器、CD或DVD驱动器(R或RW)、或其它固定的或可移动的媒体驱动。存储媒体1218可包括,例如由媒体驱动器1212读取和写入的硬盘、软盘、磁带、光盘、CD或DVD或其他固定或可移动的媒体。如这些实例所说明的,存储媒体1218可以包括计算机可读存储介质,其具有存储的特定计算机软件或数据。
在可替换的实施方式中,信息存储系统1210可以包括其它类似的组件,用于允许将计算机程序或者其它指令或数据被装载到计算系统1200中。这种组件可以包括,例如,可移动存储单元1222和接口1220,例如程序盒式存储器或盒式接口、可移动存储器(例如,闪存或其它可移动存储模块)和存储槽、以及允许软件和数据被从可移动存储单元1218传递到计算系统1200的其它可移动存储单元1222和接口1220。
计算系统1200还可以包括通信接口1224。通信接口1224可以用于允许软件和数据在计算系统1200和外部设备间传递。通信接口1224的实例可以包括调制解调器、网络接口(例如,以太网或其它NIC卡)、通信端口(例如,USB端口)、PCMCIA槽和卡等。通过通信接口1224传递的软件和数据采用信号的形式,其可以是通信接口1224能够接收的电、电磁、光或其它信号。通过信道1228将这些信号提供给通信接口1224。这个信道1228可以承载信号并且可以利用无线介质、有线或电缆、光纤或其它通信介质来实现。信道的一些实例包括电话线、蜂窝电话链路、RF链路、网络接口、局域网或广域网以及其它通信信道。
在本文档中,术语“计算机程序产品”、“计算机可读介质”以及类似的通常可以用于指物理的、有形的介质,例如存储器1208、存储媒体1218或存储单元1222。计算机可读媒体的这些和其它形式可能被包含在处理器1204使用的存储的一个或多个指令中,以引起处理器执行具体操作。这种指令,通常被称为“计算机程序代码”(可以按计算机程序或其它分组的形式对其进行分组),当执行时,使计算系统1200能够执行此处所提供的实例的特征或功能。注意到,代码可以直接导致处理器执行具体操作(被编译为这样做),和/或代码可以与其它软件、硬件、和/或固件元件(例如,用于执行标准功能的库)结合来这样做。
在使用软件来执行元件的实施方式中,软件可以存储在计算机可读介质中,并且使用例如可移动存储驱动器1214、驱动器1212或通信接口1224将其加载到计算系统1200中。当由处理器1204执行时,控制逻辑(在这个实例中,软件指令或计算机程序代码)导致处理器1204执行此处所介绍的实例的功能。
应当了解的是,为了清楚的目的,上述说明已经通过参考不同的功能单元和过程来介绍本发明的实施方式。然而,应当明白的是,在不偏离本发明的情况下,不同功能单元、处理器或域之间功能的任意合适的分配都是可以使用的。例如,由多个单独处理器或控制器来执行所说明的功能,可以由同一处理器或控制器来执行。因此,对具体功能单元的参考只被看作对用于提供所介绍的功能的合适装置的参考,而不表示严格的逻辑或物理结构或组织。
本发明的上述实施方式仅是说明性的而不是限制性的。在不脱离本发明更宽范围的情况下,可以做出各种变化和修改。附加的权利要求包括本发明的精神和范围内的这种变化和修改。
Claims (52)
1.一种用于在呼叫中心路由环境中路由呼叫的方法,所述方法包括在一个或多个计算机上执行的以下动作:
确定呼叫者的技能集合;
如果代理对于所确定的技能集合可用:
使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率;并且
将所述呼叫者路由到具有较高期望交互的预测概率的代理;以及
如果没有代理对于所确定的技能集合可用:
将所述呼叫者保持在呼叫者组中;
在代理变得可用时,使用所述模式匹配算法,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率,其中确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:通过所述模式匹配算法将变得可用的代理的代理数据与所述呼叫者组中的每个呼叫者的呼叫者数据进行比较;并且
将具有较高期望交互的预测概率的呼叫者路由到变得可用的代理。
2.根据权利要求1所述的方法,其中,使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:通过所述模式匹配算法将所述呼叫者的呼叫者数据与每个可用代理的代理数据进行比较。
3.根据权利要求1所述的方法,其中,使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:使用反映所预测的所述呼叫者与每个可用代理的期望交互的概率的计算机模型。
4.根据权利要求1所述的方法,其中,使用所述模式匹配算法,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:使用反映所预测的变得可用的代理与所述呼叫者组中的每个呼叫者的期望交互的概率的计算机模型。
5.根据权利要求1所述的方法,其中,所述呼叫者组包括多个呼叫者。
6.根据权利要求1所述的方法,其中,如果所述呼叫者被保持太久,则将所述呼叫者移动到与下一个可用代理匹配的技能集合队列中。
7.根据权利要求1所述的方法,其中,没有基于队列顺序从所述呼叫者组路由所述呼叫者。
8.一种用于在呼叫中心路由环境中路由呼叫的系统,所述系统包括:
至少一个处理器,其被配置为:
确定呼叫者的技能集合;
如果代理对于所确定的技能集合可用:
使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率;并且
将所述呼叫者路由到具有较高期望交互的预测概率的代理;以及
如果没有代理对于所确定的技能集合可用:
将所述呼叫者保持在呼叫者组中;
在代理变得可用时,使用所述模式匹配算法,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率,其中确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:通过所述模式匹配算法将变得可用的代理的代理数据与所述呼叫者组中的每个呼叫者的呼叫者数据进行比较;并且
将具有较高期望交互的预测概率的呼叫者路由到变得可用的代理;以及
至少一个存储器,其耦接到所述至少一个处理器,被配置为向所述至少一个处理器提供指令。
9.根据权利要求8所述的系统,其中,使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:通过所述模式匹配算法将所述呼叫者的呼叫者数据与每个可用代理的代理数据进行比较。
10.根据权利要求8所述的系统,其中,使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:使用反映所预测的所述呼叫者与每个可用代理的期望交互的概率的计算机模型。
11.根据权利要求8所述的系统,其中,使用所述模式匹配算法,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:使用反映所预测的变得可用的代理与所述呼叫者组中的每个呼叫者的期望交互的概率的计算机模型。
12.根据权利要求8所述的系统,其中,所述呼叫者组包括多个呼叫者。
13.根据权利要求8所述的系统,其中,如果所述呼叫者被保持太久,则将所述呼叫者移动到与下一个可用代理匹配的技能集合队列中。
14.根据权利要求8所述的系统,其中,没有基于队列顺序从所述呼叫者组路由所述呼叫者。
15.一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质包括计算机可读指令,该计算机可读指令用于执行包括如下行为的方法:
确定呼叫者的技能集合;
如果代理对于所确定的技能集合可用:
使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率;并且
将所述呼叫者路由到具有较高期望交互的预测概率的代理;以及
如果没有代理对于所确定的技能集合可用:
将所述呼叫者保持在呼叫者组中;
在代理变得可用时,使用所述模式匹配算法,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率,其中确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:通过所述模式匹配算法将变得可用的代理的代理数据与所述呼叫者组中的每个呼叫者的呼叫者数据进行比较;并且
将具有较高期望交互的预测概率的呼叫者路由到变得可用的代理。
16.根据权利要求15所述的非暂态计算机可读存储介质,其中,使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:通过所述模式匹配算法将所述呼叫者的呼叫者数据与每个可用代理的代理数据进行比较。
17.根据权利要求15所述的非暂态计算机可读存储介质,其中,使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:使用反映所预测的所述呼叫者与每个可用代理的期望交互的概率的计算机模型。
18.根据权利要求15所述的非暂态计算机可读存储介质,其中,使用所述模式匹配算法,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:使用反映所预测的变得可用的代理与所述呼叫者组中的每个呼叫者的期望交互的概率的计算机模型。
19.根据权利要求15所述的非暂态计算机可读存储介质,其中,所述呼叫者组包括多个呼叫者。
20.根据权利要求15所述的非暂态计算机可读存储介质,其中,如果所述呼叫者被保持太久,则将所述呼叫者移动到与下一个可用代理匹配的技能集合队列中。
21.根据权利要求15所述的非暂态计算机可读存储介质,其中,没有基于队列顺序从所述呼叫者组路由所述呼叫者。
22.一种用于在呼叫中心路由环境中路由呼叫的方法,所述方法包括在一个或多个计算机上执行的以下动作:
如果代理可用:
使用模式匹配算法,确定呼叫者与两个或更多个可用代理之间的期望交互的预测概率;并且
使所述呼叫者路由到具有较高期望交互的预测概率的代理;以及
如果没有代理可用:
将所述呼叫者保持在呼叫者组中;
在代理变得可用时,使用所述模式匹配算法,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率,其中确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:通过所述模式匹配算法将变得可用的代理的代理数据与所述呼叫者组中的每个呼叫者的呼叫者数据进行比较;并且
使具有较高期望交互的预测概率的呼叫者路由到变得可用的代理。
23.根据权利要求22所述的方法,其中,使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:通过所述模式匹配算法将所述呼叫者的呼叫者数据与每个可用代理的代理数据进行比较。
24.根据权利要求22所述的方法,其中,使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:使用反映所预测的所述呼叫者与每个可用代理的期望交互的概率的计算机模型。
25.根据权利要求22所述的方法,其中,使用所述模式匹配算法,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:使用反映所预测的变得可用的代理与所述呼叫者组中的每个呼叫者的期望交互的概率的计算机模型。
26.根据权利要求22所述的方法,进一步包括:如果所述呼叫者被保持太久,则将所述呼叫者添加到队列中,该队列运行以基于队列顺序将所述呼叫者与下一个可用代理匹配。
27.一种用于在呼叫中心路由环境中路由呼叫的系统,所述系统包括:
至少一个处理器,其被配置为:
如果代理可用:
使用模式匹配算法,确定呼叫者与两个或更多个可用代理之间的期望交互的预测概率;并且
使所述呼叫者路由到具有较高期望交互的预测概率的代理;以及
如果没有代理可用:
将所述呼叫者保持在呼叫者组中;
在代理变得可用时,使用所述模式匹配算法,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率,其中确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:通过所述模式匹配算法将变得可用的代理的代理数据与所述呼叫者组中的每个呼叫者的呼叫者数据进行比较;并且
使变得可用的代理与具有最高期望交互的预测概率的呼叫者匹配;以及
至少一个存储器,其耦接到所述至少一个处理器,被配置为向所述至少一个处理器提供指令。
28.根据权利要求27所述的系统,其中,使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:通过所述模式匹配算法将所述呼叫者的呼叫者数据与每个可用代理的代理数据进行比较。
29.根据权利要求27所述的系统,其中,使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:使用反映所预测的所述呼叫者与每个可用代理的期望交互的概率的计算机模型。
30.根据权利要求27所述的系统,其中,使用所述模式匹配算法,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:使用反映所预测的变得可用的代理与所述呼叫者组中的每个呼叫者的期望交互的概率的计算机模型。
31.一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质包括计算机可读指令,该计算机可读指令用于执行包括如下行为的方法:
如果代理可用:
使用模式匹配算法,确定呼叫者与两个或更多个可用代理之间的期望交互的预测概率;并且
使所述呼叫者路由到具有较高期望交互的预测概率的代理;以及
如果没有代理可用:
将所述呼叫者保持在呼叫者组中;
在代理变得可用时,使用所述模式匹配算法,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率,其中确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:通过所述模式匹配算法将变得可用的代理的代理数据与所述呼叫者组中的每个呼叫者的呼叫者数据进行比较;并且
使变得可用的代理与具有最高期望交互的预测概率的呼叫者匹配。
32.根据权利要求31所述的非暂态计算机可读存储介质,其中,使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:通过所述模式匹配算法将所述呼叫者的呼叫者数据与每个可用代理的代理数据进行比较。
33.根据权利要求31所述的非暂态计算机可读存储介质,其中,使用模式匹配算法,确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:使用反映所预测的所述呼叫者与每个可用代理的期望交互的概率的计算机模型。
34.根据权利要求31所述的非暂态计算机可读存储介质,其中,使用所述模式匹配算法,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:使用反映所预测的变得可用的代理与所述呼叫者组中的每个呼叫者的期望交互的概率的计算机模型。
35.一种用于在呼叫中心路由环境中将呼叫者路由到代理的系统,所述系统包括一个或多个计算机,所述一个或多个计算机被配置为:
确定代理对呼叫者是否可用的逻辑;
如果代理可用,则确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率的逻辑;
如果代理可用,则使所述呼叫者路由到具有较高期望交互的预测概率的代理的逻辑;以及
如果没有代理可用,则将所述呼叫者保持在呼叫者组中,并且在代理变得可用时,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率,并且使变得可用的代理与具有较高期望交互的预测概率的呼叫者匹配的逻辑,其中确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:通过模式匹配算法将变得可用的代理的代理数据与所述呼叫者组中的每个呼叫者的呼叫者数据进行比较。
36.根据权利要求35所述的系统,进一步包括用于确定所述呼叫者的技能集的逻辑。
37.根据权利要求35所述的系统,其中,如果代理可用,则确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:通过模式匹配算法将所述呼叫者的呼叫者数据与每个可用代理的代理数据进行比较。
38.根据权利要求35所述的系统,其中,如果代理可用,则确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:使用反映所预测的所述呼叫者与每个可用代理的期望交互的概率的计算机模型。
39.根据权利要求35所述的系统,其中,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:使用反映所预测的变得可用的代理与所述呼叫者组中的每个呼叫者的期望交互的概率的计算机模型,并且其中,使变得可用的代理与具有较高期望交互的预测概率的呼叫者匹配包括:将具有最高期望交互的预测概率的呼叫者路由到变得可用的代理。
40.根据权利要求35所述的系统,进一步包括:可操作为在所述呼叫者被保持预定时间量的情况下,将所述呼叫者移动到与下一个可用代理匹配的队列中的逻辑。
41.一种用于在呼叫中心路由环境中路由呼叫的系统,所述系统包括:
至少一个处理器,其被配置为:
确定代理对呼叫者是否可用;
如果代理可用,则确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率;
如果代理可用,则使所述呼叫者路由到具有较高期望交互的预测概率的代理;以及
如果没有代理可用,则将所述呼叫者保持在呼叫者组中,并且在代理变得可用时,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率,并且使变得可用的代理与具有较高期望交互的预测概率的呼叫者匹配,其中确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:通过模式匹配算法将变得可用的代理的代理数据与所述呼叫者组中的每个呼叫者的呼叫者数据进行比较;以及
至少一个存储器,其耦接到所述至少一个处理器,被配置为向所述至少一个处理器提供指令。
42.根据权利要求41所述的系统,其中,所述至少一个处理器进一步被配置为确定所述呼叫者的技能集。
43.根据权利要求41所述的系统,其中,如果代理可用,则确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:通过模式匹配算法将所述呼叫者的呼叫者数据与每个可用代理的代理数据进行比较。
44.根据权利要求41所述的系统,其中,如果代理可用,则确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:使用反映所预测的所述呼叫者与每个可用代理的期望交互的概率的计算机模型。
45.根据权利要求41所述的系统,其中,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:使用反映所预测的变得可用的代理与所述呼叫者组中的每个呼叫者的期望交互的概率的计算机模型,并且其中,使变得可用的代理与具有较高期望交互的预测概率的呼叫者匹配包括:将具有最高期望交互的预测概率的呼叫者路由到变得可用的代理。
46.根据权利要求41所述的系统,所述至少一个处理器进一步被配置为:在所述呼叫者被保持预定时间量的情况下,将所述呼叫者移动到与下一个可用代理匹配的队列中。
47.一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质包括计算机可读指令,该计算机可读指令用于执行包括如下行为的方法:
确定代理对呼叫者是否可用;
如果代理可用,则确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率;
如果代理可用,则使所述呼叫者路由到具有较高期望交互的预测概率的代理;以及
如果没有代理可用,则将所述呼叫者保持在呼叫者组中,并且在代理变得可用时,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率,并且使变得可用的代理与具有较高期望交互的预测概率的呼叫者匹配,其中确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:通过模式匹配算法将变得可用的代理的代理数据与所述呼叫者组中的每个呼叫者的呼叫者数据进行比较。
48.根据权利要求47所述的非暂态计算机可读存储介质,所述方法进一步包括如下行为:确定所述呼叫者的技能集。
49.根据权利要求47所述的非暂态计算机可读存储介质,其中,如果代理可用,则确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:通过模式匹配算法将所述呼叫者的呼叫者数据与每个可用代理的代理数据进行比较。
50.根据权利要求47所述的非暂态计算机可读存储介质,其中,如果代理可用,则确定所述呼叫者与两个或更多个可用代理之间的期望交互的预测概率包括:使用反映所预测的所述呼叫者与每个可用代理的期望交互的概率的计算机模型。
51.根据权利要求47所述的非暂态计算机可读存储介质,其中,确定变得可用的代理与所述呼叫者组中的两个或更多个呼叫者之间的期望交互的预测概率包括:使用反映所预测的变得可用的代理与所述呼叫者组中的每个呼叫者的期望交互的概率的计算机模型,并且其中,使变得可用的代理与具有较高期望交互的预测概率的呼叫者匹配包括:将具有最高期望交互的预测概率的呼叫者路由到变得可用的代理。
52.根据权利要求47所述的非暂态计算机可读存储介质,所述方法进一步包括如下行为:在所述呼叫者被保持预定时间量的情况下,将所述呼叫者移动到与下一个可用代理匹配的队列中。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/202,101 US8644490B2 (en) | 2008-08-29 | 2008-08-29 | Shadow queue for callers in a performance/pattern matching based call routing system |
US12/202,091 | 2008-08-29 | ||
US12/202,091 US8718271B2 (en) | 2008-01-28 | 2008-08-29 | Call routing methods and systems based on multiple variable standardized scoring |
US12/202,101 | 2008-08-29 | ||
CN200980142771.1A CN102273185B (zh) | 2008-08-29 | 2009-08-19 | 基于多变量标准化评分和影子队列的呼叫路由方法及系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980142771.1A Division CN102273185B (zh) | 2008-08-29 | 2009-08-19 | 基于多变量标准化评分和影子队列的呼叫路由方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109151233A CN109151233A (zh) | 2019-01-04 |
CN109151233B true CN109151233B (zh) | 2021-10-08 |
Family
ID=41226792
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811029848.1A Active CN109151233B (zh) | 2008-08-29 | 2009-08-19 | 基于多变量标准化评分和影子队列的呼叫路由方法及系统 |
CN201510288212.9A Active CN104883459B (zh) | 2008-08-29 | 2009-08-19 | 基于多变量标准化评分和影子队列的呼叫路由方法及系统 |
CN200980142771.1A Active CN102273185B (zh) | 2008-08-29 | 2009-08-19 | 基于多变量标准化评分和影子队列的呼叫路由方法及系统 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510288212.9A Active CN104883459B (zh) | 2008-08-29 | 2009-08-19 | 基于多变量标准化评分和影子队列的呼叫路由方法及系统 |
CN200980142771.1A Active CN102273185B (zh) | 2008-08-29 | 2009-08-19 | 基于多变量标准化评分和影子队列的呼叫路由方法及系统 |
Country Status (13)
Country | Link |
---|---|
EP (2) | EP3373569B1 (zh) |
JP (1) | JP5649575B2 (zh) |
CN (3) | CN109151233B (zh) |
AU (2) | AU2009288509B2 (zh) |
CA (3) | CA3048690C (zh) |
ES (2) | ES2910599T3 (zh) |
HK (1) | HK1214438A1 (zh) |
HU (1) | HUE038623T2 (zh) |
MX (1) | MX2011002272A (zh) |
NZ (1) | NZ591486A (zh) |
PT (1) | PT2338270T (zh) |
TR (1) | TR201808145T4 (zh) |
WO (1) | WO2010027671A2 (zh) |
Families Citing this family (61)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9712679B2 (en) | 2008-01-28 | 2017-07-18 | Afiniti International Holdings, Ltd. | Systems and methods for routing callers to an agent in a contact center |
US9692898B1 (en) | 2008-01-28 | 2017-06-27 | Afiniti Europe Technologies Limited | Techniques for benchmarking paring strategies in a contact center system |
US9787841B2 (en) | 2008-01-28 | 2017-10-10 | Afiniti Europe Technologies Limited | Techniques for hybrid behavioral pairing in a contact center system |
US10708430B2 (en) | 2008-01-28 | 2020-07-07 | Afiniti Europe Technologies Limited | Techniques for benchmarking pairing strategies 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 |
US9654641B1 (en) | 2008-01-28 | 2017-05-16 | Afiniti International Holdings, Ltd. | Systems and methods for routing callers to an agent in a contact center |
US9781269B2 (en) | 2008-01-28 | 2017-10-03 | Afiniti Europe Technologies Limited | Techniques for hybrid behavioral pairing in a contact center system |
US8879715B2 (en) | 2012-03-26 | 2014-11-04 | Satmap International Holdings Limited | Call mapping systems and methods using variance algorithm (VA) and/or distribution compensation |
US8824658B2 (en) | 2008-11-06 | 2014-09-02 | Satmap International Holdings Limited | Selective mapping of callers in a call center routing system |
US10708431B2 (en) | 2008-01-28 | 2020-07-07 | Afiniti Europe Technologies Limited | Techniques for hybrid behavioral pairing in a contact center system |
US9712676B1 (en) | 2008-01-28 | 2017-07-18 | Afiniti Europe Technologies Limited | Techniques for benchmarking pairing strategies in a contact center system |
US9774740B2 (en) | 2008-01-28 | 2017-09-26 | Afiniti Europe Technologies Limited | Techniques for benchmarking pairing strategies in a contact center system |
US9300802B1 (en) | 2008-01-28 | 2016-03-29 | Satmap International Holdings Limited | Techniques for behavioral pairing in a contact center system |
USRE48412E1 (en) | 2008-11-06 | 2021-01-26 | Afiniti, Ltd. | Balancing multiple computer models in a call center routing system |
US8472611B2 (en) | 2008-11-06 | 2013-06-25 | The Resource Group International Ltd. | Balancing multiple computer models in a call center routing system |
US8724797B2 (en) | 2010-08-26 | 2014-05-13 | Satmap International Holdings Limited | Estimating agent performance in a call routing center system |
US9025757B2 (en) * | 2012-03-26 | 2015-05-05 | Satmap International Holdings Limited | Call mapping systems and methods using bayesian mean regression (BMR) |
US8812417B2 (en) * | 2012-08-20 | 2014-08-19 | InsideSales.com, Inc. | Hierarchical based sequencing machine learning model |
US8792630B2 (en) | 2012-09-24 | 2014-07-29 | Satmap International Holdings Limited | Use of abstracted data in pattern matching system |
US9674356B2 (en) * | 2012-11-21 | 2017-06-06 | Genesys Telecommunications Laboratories, Inc. | Dynamic recommendation of routing rules for contact center use |
US9485360B2 (en) | 2012-12-11 | 2016-11-01 | Genesys Telecommunications Laboratories, Inc. | Contact center session preservation |
US10445670B2 (en) | 2013-11-07 | 2019-10-15 | Oracle International Corporation | Team-based approach to skills-based agent assignment |
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 |
MX2018006523A (es) | 2015-12-01 | 2018-08-15 | Afiniti Europe Tech Ltd | Tecnicas para asignacion de asuntos. |
US10182155B2 (en) | 2016-02-03 | 2019-01-15 | At&T Intellectual Property I, L.P. | Directing care calls using historical call backs, demographics and real time attributes |
CN113099050B (zh) * | 2016-04-18 | 2022-07-22 | 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技术 |
US10142473B1 (en) | 2016-06-08 | 2018-11-27 | Afiniti Europe Technologies Limited | Techniques for benchmarking performance in a contact center system |
US9692899B1 (en) | 2016-08-30 | 2017-06-27 | Afiniti Europe Technologies Limited | Techniques for benchmarking pairing strategies in a contact center system |
US9888121B1 (en) | 2016-12-13 | 2018-02-06 | Afiniti Europe Technologies Limited | Techniques for behavioral pairing model evaluation in a contact center system |
US10326882B2 (en) | 2016-12-30 | 2019-06-18 | Afiniti Europe Technologies Limited | Techniques for workforce management in a contact center system |
US10257354B2 (en) | 2016-12-30 | 2019-04-09 | Afiniti Europe Technologies Limited | Techniques for L3 pairing in a contact center system |
KR102201965B1 (ko) * | 2016-12-30 | 2021-01-11 | 아피니티 유럽 테크놀로지즈 리미티드 | L3 페어링을 위한 기술들 |
US9955013B1 (en) | 2016-12-30 | 2018-04-24 | Afiniti Europe Technologies Limited | Techniques for L3 pairing in a contact center system |
US11831808B2 (en) | 2016-12-30 | 2023-11-28 | Afiniti, Ltd. | Contact center system |
US10320984B2 (en) | 2016-12-30 | 2019-06-11 | Afiniti Europe Technologies Limited | Techniques for L3 pairing in a contact center system |
US10135986B1 (en) | 2017-02-21 | 2018-11-20 | Afiniti International Holdings, Ltd. | Techniques for behavioral pairing model evaluation in a contact center system |
CN107872593B (zh) * | 2017-03-13 | 2020-09-22 | 平安科技(深圳)有限公司 | 坐席分配的方法及装置 |
US10970658B2 (en) | 2017-04-05 | 2021-04-06 | Afiniti, Ltd. | Techniques for behavioral pairing in a dispatch center system |
US9930180B1 (en) | 2017-04-28 | 2018-03-27 | Afiniti, Ltd. | Techniques for behavioral pairing in a contact center system |
US10122860B1 (en) | 2017-07-10 | 2018-11-06 | Afiniti Europe Technologies Limited | Techniques for estimating expected performance in a task assignment system |
US10110746B1 (en) | 2017-11-08 | 2018-10-23 | Afiniti Europe Technologies Limited | Techniques for benchmarking pairing strategies in a task assignment system |
KR102247591B1 (ko) * | 2017-11-08 | 2021-05-06 | 아피니티, 엘티디. | 태스크 할당 시스템에서 페어링 전략들을 벤치마킹하기 위한 기술들 |
US10509669B2 (en) | 2017-11-08 | 2019-12-17 | Afiniti Europe Technologies Limited | Techniques for benchmarking pairing strategies in a task assignment system |
US11399096B2 (en) * | 2017-11-29 | 2022-07-26 | Afiniti, Ltd. | Techniques for data matching in a contact center system |
US10509671B2 (en) | 2017-12-11 | 2019-12-17 | Afiniti Europe Technologies Limited | Techniques for behavioral pairing in a task assignment system |
US10623565B2 (en) | 2018-02-09 | 2020-04-14 | Afiniti Europe Technologies Limited | Techniques for behavioral pairing in a contact center system |
US11250359B2 (en) | 2018-05-30 | 2022-02-15 | Afiniti, Ltd. | Techniques for workforce management 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 |
US10867263B2 (en) | 2018-12-04 | 2020-12-15 | Afiniti, Ltd. | Techniques for behavioral pairing in a multistage task assignment system |
US11144344B2 (en) | 2019-01-17 | 2021-10-12 | Afiniti, Ltd. | Techniques for behavioral pairing in a task assignment system |
US10735591B1 (en) * | 2019-03-07 | 2020-08-04 | Avaya Inc. | Contact center routing mechanisms |
CN110191240A (zh) * | 2019-05-23 | 2019-08-30 | 威比网络科技(上海)有限公司 | 用于智能匹配和自动通讯的方法、系统、装置及存储介质 |
US10757261B1 (en) | 2019-08-12 | 2020-08-25 | Afiniti, Ltd. | Techniques for pairing contacts and agents in a contact center system |
US11445062B2 (en) | 2019-08-26 | 2022-09-13 | Afiniti, Ltd. | Techniques for behavioral pairing in a task assignment system |
US10757262B1 (en) | 2019-09-19 | 2020-08-25 | Afiniti, Ltd. | Techniques for decisioning behavioral pairing in a task assignment system |
US11611659B2 (en) | 2020-02-03 | 2023-03-21 | Afiniti, Ltd. | Techniques for behavioral pairing in a task assignment system |
KR20220131337A (ko) | 2020-02-04 | 2022-09-27 | 아피니티, 엘티디. | 외부 페어링 시스템이 있는 태스크 할당 시스템에서의 에러 핸들링을 위한 기술들 |
CN115244554A (zh) | 2020-02-05 | 2022-10-25 | 阿菲尼帝有限公司 | 用于在外部配对系统和具有内部配对系统的任务分配系统之间共享分配任务的控制的技术 |
AU2021216863A1 (en) | 2020-02-05 | 2022-09-15 | Afiniti, Ltd. | Techniques for behavioral pairing in a task assignment system with an external pairing system |
CN113269476A (zh) * | 2021-07-01 | 2021-08-17 | 中电智恒信息科技服务有限公司 | 一种智能云呼叫中心调用多厂商ai能力的调度方法 |
US20230316297A1 (en) * | 2022-03-30 | 2023-10-05 | InContact Inc. | Systems and methods for personality based routing for digital contacts |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0701358A1 (en) * | 1994-09-12 | 1996-03-13 | Rockwell International Corporation | Method and system for routing incoming telephone calls to available agents based on agent skills |
CN1223529A (zh) * | 1998-09-30 | 1999-07-21 | 深圳市华为技术有限公司 | 呼叫排队路由分配方法 |
US6408066B1 (en) * | 1999-12-15 | 2002-06-18 | Lucent Technologies Inc. | ACD skill-based routing |
US6847714B2 (en) * | 2002-11-19 | 2005-01-25 | Avaya Technology Corp. | Accent-based matching of a communicant with a call-center agent |
CN1700716A (zh) * | 2004-05-19 | 2005-11-23 | 华为技术有限公司 | 呼叫排队方法 |
US7269253B1 (en) * | 2002-03-07 | 2007-09-11 | Wai Wu | Telephony control system with intelligent call routing |
KR20070106477A (ko) * | 1999-12-06 | 2007-11-01 | 아바야 테크놀러지 코퍼레이션 | 호출 관리 시스템 및 호출 관리 시스템의 동작 방법 |
CN101079928A (zh) * | 2007-06-26 | 2007-11-28 | 中兴通讯股份有限公司 | 客户呼叫中心系统 |
CN101159782A (zh) * | 2007-11-08 | 2008-04-09 | 中兴通讯股份有限公司 | 大客户系统呼叫排队的装置及方法 |
CN101170610A (zh) * | 2007-11-14 | 2008-04-30 | 中兴通讯股份有限公司 | 呼叫中心业务系统 |
CN101193162A (zh) * | 2006-11-29 | 2008-06-04 | 中兴通讯股份有限公司 | 客户服务系统的分层服务路由方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5004A (en) * | 1847-03-06 | Improvement in refining turpentine | ||
US7020264B1 (en) | 1997-02-10 | 2006-03-28 | Genesys Telecommunications Laboratories, Inc. | Negotiated routing in telephony systems |
CA2262044C (en) * | 1998-04-09 | 2001-10-30 | Lucent Technologies Inc. | Optimizing call-center performance by using predictive data to distribute agents among calls |
US6389400B1 (en) * | 1998-08-20 | 2002-05-14 | Sbc Technology Resources, Inc. | System and methods for intelligent routing of customer requests using customer and agent models |
US6445788B1 (en) | 1999-06-17 | 2002-09-03 | Genesys Telecommunications Laboratories, Inc. | Method and apparatus for providing fair access to agents in a communication center |
US6539271B2 (en) * | 2000-12-27 | 2003-03-25 | General Electric Company | Quality management system with human-machine interface for industrial automation |
US6647390B2 (en) * | 2001-04-30 | 2003-11-11 | General Electric Company | System and methods for standardizing data for design review comparisons |
US6925155B2 (en) | 2002-01-18 | 2005-08-02 | Sbc Properties, L.P. | Method and system for routing calls based on a language preference |
US7158628B2 (en) * | 2003-08-20 | 2007-01-02 | Knowlagent, Inc. | Method and system for selecting a preferred contact center agent based on agent proficiency and performance and contact center state |
US7027586B2 (en) * | 2003-12-18 | 2006-04-11 | Sbc Knowledge Ventures, L.P. | Intelligently routing customer communications |
JP2006268238A (ja) * | 2005-03-23 | 2006-10-05 | Jr East Mechatronics Co Ltd | 実乗車経路に基づく運賃収受システム |
US8885812B2 (en) * | 2005-05-17 | 2014-11-11 | Oracle International Corporation | Dynamic customer satisfaction routing |
US8577015B2 (en) * | 2005-09-16 | 2013-11-05 | Avaya Inc. | Method and apparatus for the automated delivery of notifications to contacts based on predicted work prioritization |
US20070255611A1 (en) * | 2006-04-26 | 2007-11-01 | Csaba Mezo | Order distributor |
US8488774B2 (en) * | 2006-07-24 | 2013-07-16 | Fmr Llc | Predictive call routing |
-
2009
- 2009-08-19 EP EP18168538.9A patent/EP3373569B1/en active Active
- 2009-08-19 ES ES18168538T patent/ES2910599T3/es active Active
- 2009-08-19 CN CN201811029848.1A patent/CN109151233B/zh active Active
- 2009-08-19 CN CN201510288212.9A patent/CN104883459B/zh active Active
- 2009-08-19 MX MX2011002272A patent/MX2011002272A/es not_active Application Discontinuation
- 2009-08-19 TR TR2018/08145T patent/TR201808145T4/tr unknown
- 2009-08-19 ES ES09791681.1T patent/ES2676509T3/es active Active
- 2009-08-19 CA CA3048690A patent/CA3048690C/en active Active
- 2009-08-19 CN CN200980142771.1A patent/CN102273185B/zh active Active
- 2009-08-19 NZ NZ591486A patent/NZ591486A/xx unknown
- 2009-08-19 AU AU2009288509A patent/AU2009288509B2/en active Active
- 2009-08-19 PT PT97916811T patent/PT2338270T/pt unknown
- 2009-08-19 JP JP2011525099A patent/JP5649575B2/ja active Active
- 2009-08-19 WO PCT/US2009/054352 patent/WO2010027671A2/en active Application Filing
- 2009-08-19 EP EP09791681.1A patent/EP2338270B1/en active Active
- 2009-08-19 CA CA2735443A patent/CA2735443C/en active Active
- 2009-08-19 CA CA2962536A patent/CA2962536C/en active Active
- 2009-08-19 HU HUE09791681A patent/HUE038623T2/hu unknown
-
2015
- 2015-10-14 AU AU2015243001A patent/AU2015243001A1/en not_active Abandoned
-
2016
- 2016-03-02 HK HK16102418.2A patent/HK1214438A1/zh unknown
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0701358A1 (en) * | 1994-09-12 | 1996-03-13 | Rockwell International Corporation | Method and system for routing incoming telephone calls to available agents based on agent skills |
CN1223529A (zh) * | 1998-09-30 | 1999-07-21 | 深圳市华为技术有限公司 | 呼叫排队路由分配方法 |
KR20070106477A (ko) * | 1999-12-06 | 2007-11-01 | 아바야 테크놀러지 코퍼레이션 | 호출 관리 시스템 및 호출 관리 시스템의 동작 방법 |
US6408066B1 (en) * | 1999-12-15 | 2002-06-18 | Lucent Technologies Inc. | ACD skill-based routing |
US7269253B1 (en) * | 2002-03-07 | 2007-09-11 | Wai Wu | Telephony control system with intelligent call routing |
US6847714B2 (en) * | 2002-11-19 | 2005-01-25 | Avaya Technology Corp. | Accent-based matching of a communicant with a call-center agent |
CN1700716A (zh) * | 2004-05-19 | 2005-11-23 | 华为技术有限公司 | 呼叫排队方法 |
CN101193162A (zh) * | 2006-11-29 | 2008-06-04 | 中兴通讯股份有限公司 | 客户服务系统的分层服务路由方法 |
CN101079928A (zh) * | 2007-06-26 | 2007-11-28 | 中兴通讯股份有限公司 | 客户呼叫中心系统 |
CN101159782A (zh) * | 2007-11-08 | 2008-04-09 | 中兴通讯股份有限公司 | 大客户系统呼叫排队的装置及方法 |
CN101170610A (zh) * | 2007-11-14 | 2008-04-30 | 中兴通讯股份有限公司 | 呼叫中心业务系统 |
Also Published As
Publication number | Publication date |
---|---|
EP3373569A1 (en) | 2018-09-12 |
CA2962536A1 (en) | 2010-03-11 |
EP2338270A2 (en) | 2011-06-29 |
PT2338270T (pt) | 2018-07-16 |
HUE038623T2 (hu) | 2018-10-29 |
ES2910599T3 (es) | 2022-05-12 |
CN102273185A (zh) | 2011-12-07 |
CA3048690C (en) | 2021-10-12 |
CN109151233A (zh) | 2019-01-04 |
EP2338270B1 (en) | 2018-04-25 |
MX2011002272A (es) | 2011-04-05 |
CA2735443C (en) | 2017-10-24 |
AU2009288509A1 (en) | 2010-03-11 |
CA2962536C (en) | 2019-08-06 |
HK1214438A1 (zh) | 2016-07-22 |
NZ591486A (en) | 2013-10-25 |
WO2010027671A2 (en) | 2010-03-11 |
AU2009288509B2 (en) | 2015-08-13 |
TR201808145T4 (tr) | 2018-07-23 |
CA3048690A1 (en) | 2010-03-11 |
CN104883459A (zh) | 2015-09-02 |
ES2676509T3 (es) | 2018-07-20 |
JP5649575B2 (ja) | 2015-01-07 |
CN104883459B (zh) | 2018-11-20 |
JP2012501587A (ja) | 2012-01-19 |
CN102273185B (zh) | 2015-06-10 |
AU2015243001A1 (en) | 2015-11-12 |
WO2010027671A3 (en) | 2010-04-29 |
EP3373569B1 (en) | 2022-02-16 |
CA2735443A1 (en) | 2010-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109151233B (zh) | 基于多变量标准化评分和影子队列的呼叫路由方法及系统 | |
US10511716B2 (en) | Systems and methods for routing callers to an agent in a contact center | |
US8718271B2 (en) | Call routing methods and systems based on multiple variable standardized scoring | |
US8644490B2 (en) | Shadow queue for callers in a performance/pattern matching based call routing system | |
US8781106B2 (en) | Agent satisfaction data for call routing based on pattern matching algorithm | |
EP2235926B1 (en) | Routing callers from a set of callers in an out of order sequence | |
US8903079B2 (en) | Routing callers from a set of callers based on caller data | |
US8670548B2 (en) | Jumping callers held in queue for a call center routing system | |
US10567586B2 (en) | Pooling callers for matching to agents based on pattern matching algorithms | |
US20090190750A1 (en) | Routing callers out of queue order for a call center routing system | |
US20090232294A1 (en) | Skipping a caller in queue for a call routing center | |
US20090190745A1 (en) | Pooling callers for a call center routing system | |
CA3037778C (en) | Routing callers from a set of callers in an out of order sequence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40002077 Country of ref document: HK |
|
TA01 | Transfer of patent application right |
Effective date of registration: 20210430 Address after: Hamilton, Bermuda Applicant after: Alferti Ltd. Address before: British diesel Applicant before: Affiliti Europe Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |