CN110166641B - 动态的预测式智能自动外呼系统算法 - Google Patents

Abstract

本发明公开了一种动态的预测式智能自动外呼系统算法，包括以下步骤：第一步，开始启动，相应开启主调度模块；第二步，新建项目，导入项目任务名单；第三步，启动任务，第一子模块每隔一段时间自动扫描任务文件，调度控制模块根据预测外呼算法获取外呼电话个数，预测外呼算法为动态调整第一子模块发出的外呼电话个数，将速度调整系数根据每半个小时调整一次，得到偏移量数据范围，原始数据处于正常数据范围之外的为异常数据，使用话务量剔除掉异动数据，得到不受异动数据影响的话务数据，在原有的基础上优化算法，通过计算偏移量因子以及预测冗余系数来动态获取外呼电话个数，提高自动外呼的客户接入率和坐席利用率，降低客户呼损率。

Description

动态的预测式智能自动外呼系统算法

【技术领域】

本发明涉及一种智能自动外呼系统算法，尤指一种动态的预测式智能自动外呼系统算法。

【背景技术】

随着计算机和通信技术的发展，基于传统技术的呼叫中心系统已经难以满足市场变化需求，企业客服的服务模式也由原先的被动式服务，到分层服务，再到目前主推的GF模式，即主动为客户服务模式做转变。

各企业也开始着手建设完善自己的自动外呼系统，自动外呼系统是系统提前导入一批名单按照设置的外呼上限主动拨打客户电话，电话接入后，立即转交给空闲坐席。但是随着外呼业务量的增加，坐席数量有限，容易造成系统拨通的电话无法及时安排到空闲坐席，导致客户反感以及满意度下降。通过增加坐席数量能提高电话接通率，然后在客户接通率低的情况下，会造成大量空闲坐席，加大企业开支。

当前市面上预测外呼算法很多，虽然总体上坐席平均空闲时长较短，提高了坐席效率，但是结合历史以往数据分析得知，坐席平均置闲时长分布不稳定，特别是在系统刚开始呼叫时，存在坐席置闲时间过长的问题。另外，在外呼一段时间以后，坐席等待时间波动较大。

因此，有必要设计一种好的动态的预测式智能自动外呼系统算法，以克服上述问题。

【发明内容】

针对背景技术所面临的问题，本发明的目的在于提供一种通过计算偏移量因子以及预测冗余系数来动态获取外呼电话个数，以达到充分利用坐席资源的同时，降低客户呼损率，提升客户满意度的动态预测式智能自动外呼系统算法。

为实现上述目的，本发明采用以下技术手段：

一种动态的预测式智能自动外呼系统算法，其包括以下步骤：第一步，开始启动智能自动外呼系统后，就相应开启一个主调度模块，主调度模块分为第一子模块、第二子模块、第三子模块，第一子模块负责定时扫描任务文件，第二子模块负责自动外呼；第三子模块负责回写任务状态以及执行情况；第二步，自动外呼以项目为基础单位，新建项目，接着开始导入批次项目任务名单，任务标识为待启动；第三步，任务导入完毕以后，启动任务，第一子模块每隔一段时间自动扫描任务文件，如果有任务满足条件，调度控制模块根据预测外呼算法获取外呼电话个数，预测外呼算法为动态调整第一子模块发出的外呼电话个数，将速度调整系数根据每半个小时调整一次，在原有的基础上，去除时段偏移量因子、日偏移量因子和月偏移量因子，得到一个时段的偏移量参考基数，再加回时段偏移量因子、日偏移量因子和月偏移量因子，得到偏移量数据范围，原始数据处于正常数据范围之外的为异常数据，异常数据即为异动数据，使用话务量剔除掉异动数据，得到不受异动数据影响的话务数据；第四步，智能自动外呼系统从第一子模块中的号码池提取出号码信息文件，并将外呼电话扔到第二子模块队列，同时更新外呼冗余系统，第二子模块每隔一段时间自动取出队列里面的数据进行外呼，系统拨号模块自动剔除掉无法接通、不在服务区、无人接听等状态的通话，将正常接通的电话转交给空闲坐席处理，处理中将外呼号码信息更新为进行中，处理完毕以后将外呼号码信息更新为呼叫完毕，并将呼叫结果扔到第三子模块队列，并由第三子模块定时回写任务状态以及执行情况；第五步，确认号码是否拨打完毕，如果是，则任务结束，如果否，则返回第三步中继续执行任务。

进一步地，正常数据范围包括日常数据采集和统计，采集数据包括通话时长、话后处理时长、平均处理时长、呼叫量和接听量，统计维度包括时段、日、周、月和年。

进一步地，正常数据范围包括维度数据，维度数据的分析为短期预测以小时为单位来预测近期的话务量与坐席安排，中期预测以天为单位来预测每月的话务量与坐席安排，以及长期预测以月为单位来预测整年的话务量与坐席安排。

第三步中，预测外呼算法的计算过程，首先以年为单位，将年拆分为：1至12月乘以每月总天数乘以48个时段，按时段来统计；再计算Y年M月D日H时段的话务数据，话务量为S，时段偏移量因子Ah＝H时段话务量S除以全天48个时段话务总量的均值，日偏移量因子Ad＝D天话务量除以M月每天话务总量的均值，月偏移量因子Am＝M月话务量除以全年每月话务总量均值；接着计算偏移量参考值A＝S÷Ah÷Ad÷Am；随之，对于1至12月，每月D日的参考值都计算出来为A1至A12；之后，计算去掉异动数据的均值A’；再加回时段偏移量因子，日偏移量因子以及月偏移量因子的影响，A0＝A’乘以Ah乘以Ad乘以Am；然后，设R为可配置的偏移度，则若S∈(A0±R％)，则为正常数据，否则若

为异常数据，需进一步修正；最后，对

的数据，用参考值A0替换S，进一步优化数据。

第三步中，预测外呼算法的数据分析，首先，抽取前一个月的数据来做分析，数据包括H时段话务量，全天48个时段话务总量均值；D天话务量，M月每天话务总量均值；M月话务量，全年每月话务总量均值；接着，计算Ah＝H时段话务量÷全天48个时段话务总量均值；Ad＝D天话务量÷M月每天话务总量均值；Am＝M月话务量÷全年每月话务总量均值；之后，设定当前时段预测呼出话务量，计算偏移量参数A＝当前时段预测呼出话务量÷Ah÷Ad÷Am；再分别计算12个月的A1至A12，然后再求平均得到均值A’＝(A1+A2…+A12)÷12；继而加回偏移量影响A0＝均值A’乘以Ah乘以Ad乘以Am；最后，设定偏移度R，并计算范围值和预测话务量，得出正常数据，如果预测值超过计算范围值，则呼出客户数较多，导致坐席无法及时接听电话，如果预测值低于计算范围值，则导致呼出客户数少，坐席空闲数多。

进一步地，设定偏移度R为5％。

进一步地，偏移度R跟呼叫中心的话务水平稳定程序相关联，稳定程度高，则对应设置的值小于5％，稳定程度低，则对应设置的值大于5％。

与现有技术相比，本发明具有以下有益效果：

上述动态的预测式智能自动外呼系统算法，包括以下步骤：第一步，开始启动智能自动外呼系统后，就相应开启一个主调度模块，主调度模块分为第一子模块、第二子模块、第三子模块，第一子模块负责定时扫描任务文件，第二子模块负责自动外呼；第三子模块负责回写任务状态以及执行情况；第二步，自动外呼以项目为基础单位，新建项目，接着开始导入批次项目任务名单，任务标识为待启动；第三步，任务导入完毕以后，启动任务，第一子模块每隔一段时间自动扫描任务文件，如果有任务满足条件，调度控制模块根据预测外呼算法获取外呼电话个数，预测外呼算法为动态调整第一子模块发出的外呼电话个数，将速度调整系数根据每半个小时调整一次，在原有的基础上，去除时段偏移量因子、日偏移量因子和月偏移量因子，得到一个时段的偏移量参考基数，再加回时段偏移量因子、日偏移量因子和月偏移量因子，得到偏移量数据范围，原始数据处于正常数据范围之外的为异常数据，异常数据即为异动数据，使用话务量剔除掉异动数据，得到不受异动数据影响的话务数据；第四步，智能自动外呼系统从第一子模块中的号码池提取出号码信息文件，并将外呼电话扔到第二子模块队列，同时更新外呼冗余系统，第二子模块每隔一段时间自动取出队列里面的数据进行外呼，系统拨号模块自动剔除掉无法接通、不在服务区、无人接听等状态的通话，将正常接通的电话转交给空闲坐席处理，处理中将外呼号码信息更新为进行中，处理完毕以后将外呼号码信息更新为呼叫完毕，并将呼叫结果扔到第三子模块队列，并由第三子模块定时回写任务状态以及执行情况；第五步，确认号码是否拨打完毕，如果是，则任务结束，如果否，则返回第三步中继续执行任务，在原有的基础上优化算法，通过计算偏移量因子以及预测冗余系数来动态获取外呼电话个数，将智能的预测外呼呼出数量，智能匹配坐席数量，以达到充分利用坐席资源的同时，能够提高自动外呼的客户接入率和坐席利用率，降低客户呼损率，从而降低服务费用，提升客户满意度，进而提升企业品牌形象。

【附图说明】

图1为本发明动态的预测式智能自动外呼系统的流程图；

图2为本发明动态的预测式智能自动外呼系统算法的优化前后呼损率对比图。

【具体实施方式】

为便于更好的理解本发明的目的、结构、特征以及功效等，现结合附图和具体实施方式对本发明作进一步说明。

请参见图1和图2，一种动态的预测式智能自动外呼系统算法，对预测外呼系统的性能做进一步分析，然后结合企业实际排班需求，动态的调整外呼话务量。

所述动态的预测式智能自动外呼系统算法，包括以下步骤：

第一步，开始启动智能自动外呼系统后，就相应开启一个主调度模块，主调度模块分为第一子模块、第二子模块、第三子模块，第一子模块负责定时扫描任务文件，第二子模块负责自动外呼；第三子模块负责回写任务状态以及执行情况。

第二步，自动外呼以项目为基础单位，新建项目，接着开始导入批次项目任务名单，任务标识为待启动。

第三步，任务导入完毕以后，启动任务，第一子模块每隔一段时间自动扫描任务文件，如果有任务满足条件，预测外呼系统的呼叫效率关键在于话务量与坐席需求的均衡，既不能话务量过大，避免坐席太忙，无法及时接听客户电话，导致骚扰客户；又不能话务量过少，避免坐席空闲时间太长，导致效率低下。优化前后算法不同的关键因素在于动态调整子模块发出的外呼电话个数。原有算法中预测外呼的数量根据坐席通话时长、电话接通状态、通话线路资源、坐席工作模式参数等计算出平均话务量以及坐席人数，然后在配置文件中设定，优化后算法将速度调整系数根据每半个小时调整一次，调度控制模块根据预测外呼算法获取外呼电话个数，预测外呼算法为动态调整第一子模块发出的外呼电话个数，将速度调整系数根据每半个小时调整一次，在原有的基础上，去除时段偏移量因子、日偏移量因子和月偏移量因子，得到一个时段的偏移量参考基数，再加回时段偏移量因子、日偏移量因子和月偏移量因子，得到偏移量数据范围，原始数据处于正常数据范围之外的为异常数据，异常数据即为异动数据，使用话务量剔除掉异动数据，得到不受异动数据影响的话务数据。

预测外呼算法的计算过程，首先以年为单位，将年拆分为：1至12月乘以每月总天数乘以48个时段，按时段来统计；再计算Y年M月D日H时段的话务数据，话务量为S，时段偏移量因子Ah＝H时段话务量S除以全天48个时段话务总量的均值，日偏移量因子Ad＝D天话务量除以M月每天话务总量的均值，月偏移量因子Am＝M月话务量除以全年每月话务总量均值；接着计算偏移量参考值A＝S÷Ah÷Ad÷Am；随之，对于1至12月，每月D日的参考值都计算出来为A1至A12；之后，计算去掉异动数据的均值A’；再加回时段偏移量因子，日偏移量因子以及月偏移量因子的影响，A0＝A’乘以Ah乘以Ad乘以Am；然后，设R为可配置的偏移度，则若S∈(A0±R％)，则为正常数据，否则若

为异常数据，需进一步修正；最后，对

的数据，用参考值A0替换S，进一步优化数据。

预测外呼算法的数据分析，首先，抽取前一个月的数据来做分析，数据包括H时段话务量，全天48个时段话务总量均值；D天话务量，M月每天话务总量均值；M月话务量，全年每月话务总量均值；接着，计算Ah＝H时段话务量÷全天48个时段话务总量均值；Ad＝D天话务量÷M月每天话务总量均值；Am＝M月话务量÷全年每月话务总量均值；之后，设定当前时段预测呼出话务量，计算偏移量参数A＝当前时段预测呼出话务量÷Ah÷Ad÷Am；再分别计算12个月的A1至A12，然后再求平均得到均值A’＝(A1+A2…+A12)÷12；继而加回偏移量影响A0＝均值A’乘以Ah乘以Ad乘以Am；最后，设定偏移度R，并计算范围值和预测话务量，得出正常数据，如果预测值超过计算范围值，则呼出客户数较多，导致坐席无法及时接听电话，如果预测值低于计算范围值，则导致呼出客户数少，坐席空闲数多。设定偏移度R为5％。偏移度R跟呼叫中心的话务水平稳定程序相关联，稳定程度高，则对应设置的值小于5％，稳定程度低，则对应设置的值大于5％。

预测外呼算法的数据分析具体举例为，H时段话务量为78，全天48个时段话务总量均值为80；D天话务量为750，M月每天话务总量均值为830；M月话务量为23284，全年每月话务总量均值为24211，Ah＝78÷80＝0.975；Ad＝750÷830≈0.90；Am＝23284÷24211≈0.96；假定当前时段预测呼出话务量为70个，计算偏移量参数A＝70÷0.975÷0.90÷0.96≈83.10，分别计算12个月的A1至A12，然后在求平均得到均值A’＝(A1+A2…+A12)除以12≈81.53，加回偏移量影响A0＝81.53乘以0.975乘以0.90乘以0.96＝68.68，设定偏移度R为5％，计算范围值在65至72之间，预测话务量70在65和72之间，属于正常数据；如果预测值超过72，那么呼出客户数较多，可能会导致坐席无法及时接听电话而呼损；如果预测值低于65，则会导致呼出客户数少，坐席空闲数多而造成资源浪费。偏移度R跟呼叫中心的话务水平稳定程序有关，稳定程度高，则可对应设置更小的值，即小于5％，稳定程度低，则可对应设置更大的值，即大于5％。

第四步，智能自动外呼系统从第一子模块中的号码池提取出号码信息文件，并将外呼电话扔到第二子模块队列，同时更新外呼冗余系统，第二子模块每隔一段时间自动取出队列里面的数据进行外呼，系统拨号模块自动剔除掉无法接通、不在服务区、无人接听等状态的通话，将正常接通的电话转交给空闲坐席处理，处理中将外呼号码信息更新为进行中，处理完毕以后将外呼号码信息更新为呼叫完毕，并将呼叫结果扔到第三子模块队列，并由第三子模块定时回写任务状态以及执行情况。

第五步，确认号码是否拨打完毕，如果是，则任务结束，如果否，则返回第三步中继续执行任务。

正常数据范围包括日常数据采集和统计，采集数据包括通话时长、话后处理时长、平均处理时长、呼叫量和接听量，统计维度包括时段、日、周、月和年。

正常数据范围包括维度数据，通常对历史数据的分析可以反映未来趋势的系列预测，我们以三个维度来预测分析，维度数据的分析为短期预测以小时为单位来预测近期的话务量与坐席安排，中期预测以天为单位来预测每月的话务量与坐席安排，以及长期预测以月为单位来预测整年的话务量与坐席安排。

调整冗余系统对外呼性能的影响，比如实际抽取20000个号码进行外呼测试，坐席数分别为15、30、50、100、150、200的情况下，本文对优化前后的呼损率进行了对比测试。在坐席较少的情况下，如15、30个坐席，优化预测外呼系统优势明显，能将呼损率大幅下降。在坐席数适中，如50、100时，呼损率也能适当下降。随着坐席数目的加大，如150、200个坐席，呼损也都维持在1％以下，优化前算法为L1,优化后算法为L2。因此优化后预测外呼算法更好的适应了坐席数目的变化要求，总体上在满足客户满意度的情况下，提高了系统效率。

上述动态的预测式智能自动外呼系统算法，包括以下步骤：第一步，开始启动智能自动外呼系统后，就相应开启一个主调度模块，主调度模块分为第一子模块、第二子模块、第三子模块，第一子模块负责定时扫描任务文件，第二子模块负责自动外呼；第三子模块负责回写任务状态以及执行情况；第二步，自动外呼以项目为基础单位，新建项目，接着开始导入批次项目任务名单，任务标识为待启动；第三步，任务导入完毕以后，启动任务，第一子模块每隔一段时间自动扫描任务文件，如果有任务满足条件，调度控制模块根据预测外呼算法获取外呼电话个数，预测外呼算法为动态调整第一子模块发出的外呼电话个数，将速度调整系数根据每半个小时调整一次，在原有的基础上，去除时段偏移量因子、日偏移量因子和月偏移量因子，得到一个时段的偏移量参考基数，再加回时段偏移量因子、日偏移量因子和月偏移量因子，得到偏移量数据范围，原始数据处于正常数据范围之外的为异常数据，异常数据即为异动数据，使用话务量剔除掉异动数据，得到不受异动数据影响的话务数据；第四步，智能自动外呼系统从第一子模块中的号码池提取出号码信息文件，并将外呼电话扔到第二子模块队列，同时更新外呼冗余系统，第二子模块每隔一段时间自动取出队列里面的数据进行外呼，系统拨号模块自动剔除掉无法接通、不在服务区、无人接听等状态的通话，将正常接通的电话转交给空闲坐席处理，处理中将外呼号码信息更新为进行中，处理完毕以后将外呼号码信息更新为呼叫完毕，并将呼叫结果扔到第三子模块队列，并由第三子模块定时回写任务状态以及执行情况；第五步，确认号码是否拨打完毕，如果是，则任务结束，如果否，则返回第三步中继续执行任务，在原有的基础上优化算法，通过计算偏移量因子以及预测冗余系数来动态获取外呼电话个数，将智能的预测外呼呼出数量，智能匹配坐席数量，以达到充分利用坐席资源的同时，能够提高自动外呼的客户接入率和坐席利用率，降低客户呼损率，从而降低服务费用，提升客户满意度，进而提升企业品牌形象。

优化后的预测式外呼算法在设定系统最大呼损率时，动态获取外呼电话个数，极大程序的缩短坐席空闲时长，让坐席工时利用率尽可能的高；设定坐席最小工作利用率时，动态获取外呼电话个数，极大程序的降低客户呼损率，减少呼叫骚扰。总之，优化后的预测外呼算法及时调整外呼速度，外呼电话个数，使平均空闲时间更稳定，有效降低了呼损，提高了外呼效率。

现有技术都不能得到不受异动数据影响的话务数据，本发明动态的预测式智能自动外呼系统算法可以达到优化后的预测外呼算法及时调整外呼速度，外呼电话个数，使平均空闲时间更稳定，有效降低了呼损，提高了外呼效率。

以上详细说明仅为本发明之较佳实施例的说明，非因此局限本发明的专利范围，所以，凡运用本创作说明书及图示内容所为的等效技术变化，均包含于本发明的专利范围内。

Claims (6)

1.一种动态的预测式智能自动外呼系统算法，其特征在于，包括以下步骤：

第一步，开始启动智能自动外呼系统后，就相应开启一个主调度模块，主调度模块分为第一子模块、第二子模块、第三子模块，第一子模块负责定时扫描任务文件，第二子模块负责自动外呼；第三子模块负责回写任务状态以及执行情况；

第二步，自动外呼以项目为基础单位，新建项目，接着开始导入批次项目任务名单，任务标识为待启动；

第三步，任务导入完毕以后，启动任务，第一子模块每隔一段时间自动扫描任务文件，如果有任务满足条件，调度控制模块根据预测外呼算法获取外呼电话个数，预测外呼算法为动态调整第一子模块发出的外呼电话个数，将速度调整系数根据每半个小时调整一次，在原有的基础上，去除时段偏移量因子、日偏移量因子和月偏移量因子，得到一个时段的偏移量参考基数，再加回时段偏移量因子、日偏移量因子和月偏移量因子，得到偏移量数据范围，原始数据处于正常数据范围之外的为异常数据，异常数据即为异动数据，使用话务量剔除掉异动数据，得到不受异动数据影响的话务数据，预测外呼算法的计算过程，首先以年为单位，将年拆分为：1至12月乘以每月总天数乘以48个时段，按时段来统计；再计算Y年M月D日H时段的话务数据，话务量为S，时段偏移量因子Ah=H时段话务量S除以全天48个时段话务总量的均值，日偏移量因子Ad=D天话务量除以M月每天话务总量的均值，月偏移量因子Am=M月话务量除以全年每月话务总量均值；接着计算偏移量参考值A=S÷Ah÷Ad÷Am；随之，对于1至12 月，每月D日的参考值都计算出来为A1至A12；之后，计算去掉异动数据的均值A’；再加回时段偏移量因子，日偏移量因子以及月偏移量因子的影响，A0=A’乘以Ah乘以Ad乘以Am；然后，设R为可配置的偏移度，则若S∈（A0±R%），则为正常数据，否则若S ∉（A0±R%）为异常数据，需进一步修正；最后，对S ∉（A0±R%）的数据，用参考值A0替换S，进一步优化数据；

第四步，智能自动外呼系统从第一子模块中的号码池提取出号码信息文件，并将外呼电话扔到第二子模块队列，同时更新外呼冗余系统，第二子模块每隔一段时间自动取出队列里面的数据进行外呼，系统拨号模块自动剔除掉无法接通、不在服务区、无人接听等状态的通话，将正常接通的电话转交给空闲坐席处理，处理中将外呼号码信息更新为进行中，处理完毕以后将外呼号码信息更新为呼叫完毕，并将呼叫结果扔到第三子模块队列，并由第三子模块定时回写任务状态以及执行情况；

第五步，确认号码是否拨打完毕，如果是，则任务结束，如果否，则返回第三步中继续执行任务。

2.根据权利要求1所述的动态的预测式智能自动外呼系统算法，其特征在于：正常数据范围包括日常数据采集和统计，采集数据包括通话时长、话后处理时长、平均处理时长、呼叫量和接听量，统计维度包括时段、日、周、月和年。

3.根据权利要求1所述的动态的预测式智能自动外呼系统算法，其特征在于：正常数据范围包括维度数据，维度数据的分析为短期预测以小时为单位来预测近期的话务量与坐席安排，中期预测以天为单位来预测每月的话务量与坐席安排，以及长期预测以月为单位来预测整年的话务量与坐席安排。

4.根据权利要求1所述的动态的预测式智能自动外呼系统算法，其特征在于：第三步中，预测外呼算法的数据分析，首先，抽取前一个月的数据来做分析，数据包括H时段话务量，全天48个时段话务总量均值；D天话务量，M月每天话务总量均值；M月话务量，全年每月话务总量均值；接着，计算Ah=H时段话务量÷全天48个时段话务总量均值；Ad=D天话务量÷M月每天话务总量均值；Am=M月话务量÷全年每月话务总量均值；之后，设定当前时段预测呼出话务量，计算偏移量参数A=当前时段预测呼出话务量÷Ah÷Ad÷Am；再分别计算12个月的A1至A12，然后再求平均得到均值A’=(A1+A2…+A12)÷12；继而加回偏移量影响A0=均值A’乘以Ah乘以Ad乘以Am；最后，设定偏移度R，并计算范围值和预测话务量，得出正常数据，如果预测值超过计算范围值，则呼出客户数较多，导致坐席无法及时接听电话，如果预测值低于计算范围值，则导致呼出客户数少，坐席空闲数多。

5.根据权利要求4所述的动态的预测式智能自动外呼系统算法，其特征在于：第三步中，设定偏移度R为5%。

6.根据权利要求5所述的动态的预测式智能自动外呼系统算法，其特征在于：偏移度R跟呼叫中心的话务水平稳定程序相关联，稳定程度高，则对应设置的值小于5%，稳定程度低，则对应设置的值大于5%。

Images