CN113810265A - 用于指示和测量多通道联系中心中的回应的系统和方法 - Google Patents
用于指示和测量多通道联系中心中的回应的系统和方法 Download PDFInfo
- Publication number
- CN113810265A CN113810265A CN202110650836.6A CN202110650836A CN113810265A CN 113810265 A CN113810265 A CN 113810265A CN 202110650836 A CN202110650836 A CN 202110650836A CN 113810265 A CN113810265 A CN 113810265A
- Authority
- CN
- China
- Prior art keywords
- score
- content
- communication
- agent
- message
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000004044 response Effects 0.000 title abstract description 60
- 238000004891 communication Methods 0.000 claims abstract description 293
- 230000002996 emotional effect Effects 0.000 claims abstract description 54
- 230000008451 emotion Effects 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 33
- 238000013500 data storage Methods 0.000 claims description 27
- 238000007726 management method Methods 0.000 claims description 27
- 230000009471 action Effects 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000008921 facial expression Effects 0.000 claims description 5
- 230000007774 longterm Effects 0.000 abstract description 2
- 239000003795 chemical substances by application Substances 0.000 description 157
- 238000012545 processing Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 25
- 230000007246 mechanism Effects 0.000 description 20
- 230000036651 mood Effects 0.000 description 11
- 238000013515 script Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000010223 real-time analysis Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 206010049976 Impatience Diseases 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006397 emotional response Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010195 expression analysis Methods 0.000 description 1
- 230000003370 grooming effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000014616 translation Effects 0.000 description 1
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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
- H04L51/046—Interoperability with other network applications or services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/07—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
- H04L51/10—Multimedia information
-
- 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
- H04M3/5166—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing in combination with interactive voice response systems or voice portals, e.g. as front-ends
-
- 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
- H04M3/5183—Call or contact centers with computer-telephony arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2203/00—Aspects of automatic or semi-automatic exchanges
- H04M2203/35—Aspects of automatic or semi-automatic exchanges related to information services provided via a voice call
- H04M2203/357—Autocues for dialog assistance
-
- 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
- H04M3/5141—Details of processing calls and other types of contacts in an unified manner
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Information Transfer Between Computers (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明涉及用于指示和测量多通道联系中心中的回应的系统和方法。可以向代理(无论是人类代理还是自动代理)提供在通信期间传递给客户的内容。该内容可以具有情感内容以及事实内容,这些内容对于与客户的特定通信可能是合适的或不合适的。可以提示代理提供该内容和情感内容,但他们是否这样做并不总是确定的。通过确定实际情感内容和预期情感内容之间的差异并执行校正这种差异的步骤,可以在此通信内和/或在后续通信中校正包括额定范围之外的情感内容的通信。此外,可以适当地识别和管理一个或多个代理的长期趋势。
Description
著作权声明
本专利文档披露的公开的一部分包含受著作权保护的材料。版权所有者不反对任何人对专利文档或专利公开内容按照在专利商标局的专利文件或记录中出现得那样进行传真复制,但是除此之外在任何情况下都保留所有版权。
技术领域
本发明总体涉及用于消息插入和引导的系统和方法,更特别地,涉及呈现单节点信号以引导双节点通信。
背景技术
在大多数行业中,通过通信通道应对客户需求是最重要的。对于大多数通信模式,通信可以包括经由语音、语音和视频、短消息服务(SMS)/文本、聊天和电子邮件来与客户通信的人类或自动代理。可以向代理(无论是人类或自动的)提供脚本或其他提示,以向客户提供解决通信目的所需的信息。完全配置的自动代理将按照编程以准确的方式传递准确的消息。然而,自动代理包括人类智能(AI)和自学习,并且可以依赖于学习阶段以自我编程或配置用于任何一个或多个消息的语气(tone)。这种初始粗略指导可能导致消息语气在极端之间变化,直到观察到足够的反馈并且目标语气变得知晓更多粒度。人类代理还可能为特定消息提供不正确的语气。这可能是由于训练或提示问题,或者代理可能确定偏离指定语气是正当的;这样的确定可能是正确的,也可能不正确。
发明内容
在任何行业,通过自动电子邮件、聊天操作应对客户都是最重要的。多通道(例如,语音、聊天/消息收发、电子邮件、视频等)联系中心语音通信以及短消息服务(SMS)、文本、聊天、社交媒体发贴/回复、电子邮件和其他基于文本的通信对于解决客户问题、接收和应对客户请求以及其他通信同样至关重要。客户通常被连接到自动资源以经由聊天机器人(chatbot)提供自动电子邮件、SMS/文本和/或实时聊天,聊天机器人被用于高效地回应客户,从而回答问题、寻找信息、提供选项或建议、或以其他方式为客户解决问题。
许多自动SMS、电子邮件和聊天机器人回复或其他陈述/聊天机器人提出的疑问的问题是,它们不包括需要适当应对与客户的特定情况的“人情味”,诸如情感(emotion)。由于缺乏情感,自动消息以相同的方式应对客户,甚至是不同类型的客户。缺乏适当的情感语气可能会导致客户不满或怨恨。
作为示例,一位沮丧的客户在实时聊天期间或经由电子邮件抱怨服务中断或产品质量差。通常的聊天机器人或电子邮件回复将提供没有情感的答案和所建议的行动方案,但不能充分应对客户,客户可能需要知道他们的担忧和他们的业务是重要的和/或他们沮丧的根源得到了充分的理解。一个事实性的、没有情感的回应可能会增加客户的沮丧,因为客户只能任由没有情感的自动答复摆布。
在另一种情况下,考虑跨世界不同地区开展市场营销或销售活动。亚洲、非洲、阿拉伯、中欧和拉丁美洲的文化通常被认为是高语境文化,即它们依赖于隐含的通信和非语言的暗示。而起源于西欧的文化,诸如美国和澳大利亚,通常被认为是依赖于显性通信的低语境文化。如果使用相同的、预先配置的自动回复或聊天回复在世界各地开展活动或回应,将不会受到好评,并且会浪费通信,这可能需要后续或其他通信。
要应用的情感的确定可以基于以下一个或多个:
1.客户信息、客户个性类型
2.对话语境的实时分析
3.对电子邮件或聊天的文本分析,以了解客户的情感,例如愤怒、高兴、不满、沮丧、忧愁等
4.与客户的交互类型的过去历史,例如成功、不成功、满意、不满意等
5.客户的提问/问题/要求的过去历史
6.联系中心总体上当前正在进行的最新、最高和平均问题/要求及其解决方案
7.词典
8.客户所属地理区域
9.客户的文化和宗教
10.客户原籍和当前位置
11.客户的人口统计细节
12.映射到客户的个性类型及其人口统计信息的问题种类。
上述因素列表不是排他性的,也可以考虑情感确定过程的其他因素。
例如,可以考虑特定客户的文化来更改电子邮件或聊天回应。例如,如果客户属于被认为是高语境文化的亚洲文化,则可以将电子邮件或聊天回复更改为在回应中使用高语境语言。在诸如这样的高语境文化中,如果没有背景信息,消息就较难以理解,这可能是重要的。例如,背景可以包括详细的问候、关于过去对话的谈话等。然而,如果在电子邮件或聊天回应中使用直接、直截了当的回应,那么与属于低语境文化(诸如那些起源于西欧的文化)客户的通信更有可能成功。
了解问题的严重性非常重要。然而,不同的客户可能会感知到具有不同严重性的不同问题。作为另一示例,对于商业来说,服务中断被认为是关键问题,但对于家庭来说则不是。因此,作为本文公开的因素的附加或替代,可以针对映射到客户种类的问题种类相应地调整来自电子邮件或聊天机器人的回应。
可以应用可配置的标记(其可以包括颜色、字体、元数据等)来突出显示句子,其中在传递该句子时特定标记将强调特定情感。个别词语也可以用不同的方式被突出显示或强调,以描述该词语所需的强调程度。在选择颜色时,还可以考虑地理方面,因此可以修改电子邮件或聊天回应。例如,红色在大多数国家被认为是危险的标志,但在像例如中国这样的国家,红色被认为是幸运、繁荣和幸福的象征。
这些方法有助于模拟来自人而不是机器的自动电子邮件或聊天回应,这将进一步提高客户对他们被提供个人关注的满意级别。
基于手头确定的语境以及客户的个性和情感,从等同的个别词语或短语池中选择正确的词语。例如,当客户的情感是负面的时,要回复的词语可以被选择为更加顺从和肯定的。
本文实施例的实现提高了传递给客户的回应的可接受率。正确的句子选择(强调了具有适当反映情感(reflective emotion)的有影响力的词语)会使对话更令人满意和有效。随着接受率的提高,结束对话所需的时间会减少,从而较高的客户满意度。
本文公开的实施例强调修改自动代理提供的自动电子邮件、聊天或其他文本消息,以适应正在应对的客户和对话语境。具有相同或不同情感,来自相同或不同原籍、文化和宗教,手头有相同或不同问题/要求的不同个性类型的客户,将收到个性化、有效和高效的回应,因为我们挖掘客户的情感、对话语境、人口统计细节、国家和文化并适应它。因此,当前的实施例有助于在更短的时间内、更有效地实现更高的客户满意度,这对所有行业都有帮助。
可以向代理提供实时提示,诸如脚本或提示。然而,现有技术没有考虑代理应该用来应对特定客户的人情味,例如情感。由于缺乏情感,代理倾向于基于代理自己的个性和他们自己独特的应对客户的方式来对待不同类型的客户。因此,尽管有相关的实时提示给代理,但整个对话的结果可能不是很有效,这可能会引起客户的不满或怨恨。另一方面,高度熟练和经验丰富的代理会以反映情感处理同一客户,从而带来更高级别的客户满意度和积极的收获。
作为示例,沮丧的客户抱怨服务中断或产品质量差。通常向代理提供的实时脚本和提示永远不足以应对这样的客户。没有经验的代理或个性冲突的代理可能会使情况变得更糟,因为客户只能任由没有情感的代理脚本和基于实时对话的提示摆布。
在另一个示例中,诸如在市场营销或销售活动期间,代理遇到难缠的客户。代理会向客户提供最优惠的交易,但以什么方式提供呢?本文的“方式”将对应于代理自己的个性和代理自己应对客户的独特方式。实时代理脚本只能使代理能够知道要说“什么”,而不能知道“如何”说。
联系中心的代理有不同的实现方式。在一个实施例中,代理是能够在利用通信设备通过网络与客户进行电子通信期间偏离提供给客户的规定脚本或提示的人类代理。在另一实施例中,代理是需要“学习”阶段以便自编程或自配置从而经由网络以适当的语气向客户递送脚本的自动代理,并且对于本文的实施例来说,学习阶段尚未完成。结果,可以提示人类或自动代理提供具有预先确定的语气的消息(例如,人类说出的脚本、来自脚本的由机器生成的语言等)。可以为特定通信和/或特定客户或其类别选择语气。
本发明的各种实施例和配置解决了这些和其他需求。根据特定的配置,本发明可以提供多个优点。这些和其他优点将从本文包含的(多个)发明的公开中显而易见。
在一个实施例中,相对于先前确定的期望的情感语气或这种语气的级别(诸如可以在培训中指定)来测量和评估代理。因此,可以识别和测量实际的和预期的回应及行为之间的差异。可以将差异的结果实时地和/或作为历史值显示或以其他方式指示回给代理或联系中心的其他方(例如,主管、人力资源等)。将差异分数发送给主管,从而使主管能够采取各种动作,诸如推动上提、识别需要训练的代理或者熟练的并可以成为训练者/榜样的代理。
向代理提供暗示或提示,特别是实时暗示或提示,可以更好地识别消息的内容和/或情感级别是否需要改变,并允许代理容易地实现这些改变。附加地或替代地,长期的(每小时的、每日的、每周的,等)差异分数提供向代理和/或其他人指示代理是正随着时间的推移越来越接近目标还是远离目标的历史趋势。
要测量的关于所传递的回应的内容和/或情感的因素包括但不限于以下中的一个或多个:
1.在语音回应的情况下,实时音频的语音到文本的转换;
2.在视频或网络电话会议/协助的情况下,面部表情分析;
3.整个对话的语境的实时分析;
4.对电子邮件或聊天的文本分析,以了解客户的情感(例如,愤怒、高兴、不满、沮丧、忧愁等);以及
5.对正在进行的对话的实时语音和语气分析。
如本文中使用,前述因素在用作实际回应的因素时在下文中被表示为‘f(y)’,并且由这些因素产生的分数被表示为‘y’。对于实时通信模式(例如,语音、语音和视频等),这些因素在通信期间可能会有所变化。然而,对于基于文本的通信模式(例如,SMS、电子邮件、聊天等),这些因素可以至少在通信的持续时间内是恒定的,并且可选地在更长时间内是恒定的,诸如直到接收到关注或在同一对话上发送了提供关于被认为不合适或需要改进的语气的反馈或其他信息的回应。
在生成个性化回应时考虑的因素包括但不限于以下一个或多个:
1.客户信息(例如,客户的个性类型);
2.对话语境的实时分析;
3.对电子邮件或聊天的文本分析,以了解客户的情感(例如,愤怒、高兴、不满、沮丧、忧愁等);
4.与客户的交互类型的过去历史(例如,成功、不成功、满意、不满意等);
5.客户的提问、问题和/或要求的过去历史;
6.联系中心整体上当前正在进行的最新、最高和平均问题/要求及其解决方案;
7.词典;
8.客户所属的地理区域;
9.客户的文化和宗教;
10.客户的原籍和当前位置;
11.客户的人口统计细节;
12.映射到客户的个性类型及其人口统计信息的问题种类;和/或
13.具有相同或相似提问/问题的相同或相似个性类型的客户的语音和语气分析的过去历史。
如本文中使用的,紧接在前的因素被用作预期回应的因素,并在下文中还被表示为‘f(x)’,从这些因素中产生的分数被表示为‘x’。这些预期回应因素中的某些是可变的,而其他的,特别是1、4、5、7、8、9、10、11、13可以被认为是常数,因为它们在通信过程中不会改变。
基于预期的和实际的分数x和y,可以计算差值或增量(见公式1),其中增量在下文中称为‘z’:
z=x–y (公式1)
z的因素是:
f(z)=f(x)-f(y) (公式2)
除了x的恒定因素不会实时改变。
应当理解,z的值可以是正的、负的或零。在一个实施例中,值z可以被称为距预期回应的距离,换言之,具有或不具有朝向正或负的方向的指示的绝对值。因此,零值或在从零开始的先前确定的额定范围内的值被认为符合目标,而在先前确定的范围之外的值被认为偏离目标。
在另一实施例中,z的负值源于具有大于预期回应的值的实际回应,并且可以被认为指示比预期的(例如,脚本化的、提示的)更好的回应,该回应还可以被输入到提示人类代理和/或训练机器学习算法。相反,当实际回应小于预期回应时z是正值时,可以确定所提供的回应不符合预期回应,诸如可以指示回应需要在内容方面和/或情感上改进。应当理解,在不脱离本文提供的实施例的范围的情况下,可以利用替代的数学运算和/或值集来确定实际回应和预期回应之间的差异,并且可选地确定差异的方向(即,大于和小于)。
例如,如果客户属于亚洲文化,即高语境文化,则客户可能会在对话期间期待更多细节。因此,本文实现某些实施例的系统将指示预期回应f(x)要更详细。如果应对此类客户的代理属于低语境文化,则代理可能不会使用高语境语言来传递回应,诸如考虑到代理自身的个性特性或文化背景,可能会不熟悉或不舒服。因此,实际传递的回应f(y)可能偏离预期回应,因此z将为正。
随着分数(‘z’)被确定,可以将分数实时提供给代理。如果分数为正,这可能尤为相关。在自动代理的情况下,分数可以作为机器学习算法的输入来提供,以改进下一个回应。例如,算法可以选择特定回应,并且基于所产生的分数,相应地对该特定回应进行加权,使得该特定回应将会或不会再次发生或将更频繁地或更不频繁地发生,如z分别为正或负所指示的。
可以将原始的分数或分数的指示实时地和/或在一个或多个通信之后呈现给人类代理,诸如通过:
-将分数z显示为表示正值和负值的数字。
-将分数z显示为具有指示状态的颜色的数字(例如,绿色表示比预期更好的回应,白色表示如同预期,红色表示比预期差或正分数等)。中间颜色和阴影也可用于指示接受值,即使分数为正(例如,在移至红色之前为橙色或黄色)。
-将分数z显示为实时改变的指示状态的颜色条。可以使用不同的颜色来指示已发送或正在发送的实际回应到预期回应的距离(例如,从正到负,颜色将是红色、粉色、橙色、黄色、白色、绿色、亮绿色等)。
-如上所述,将分数z显示为具有不同颜色的条和数字的组合。
-将分数显示为指示状态的表情、符号或其他图形,诸如速度计。
-显示每小时、每周、每月的平均分数,以指示它们是否随着时间的推移有所提高。
这些指示符将帮助代理实时地和/或随时间推移知道它们的回应是否符合预期回应。
在另一实施例中,确定并呈现‘z’的因素,即‘f(z)’,以提供特定改进机会的标记作为各个因素f(x)和f(y)之间的差异,从而识别代理达不到预期回应或表现异常出色的特定元素。对于自动代理,可以将这些差异输入到机器算法中以改进自动回应。虽然在某些情况下,性能达到或高于预期的实时指示可能会有所帮助,但性能欠佳的实时指示通常更相关,因为应该实现不同动作。在分析差额时,其表示可以在以下一个或多个指示符中显示给代理:
-按原样显示因素(例如,将句子改变为更肯定)。
-显示直接暗示(例如,将词语“冲撞”改为“影响”,使得句子变得更积极/肯定)。
-对与预期情感级别不匹配的词语或句子进行颜色编码。
该分数还有助于主管和组织衡量代理的表现,并找出哪些代理需要更多训练,以及需要哪种训练。附加地或替代地,诸如主管之类的人员可以设置可配置的参数(例如,内容分数、情感分数、内容加情感分数等)以及可接受的阈值,该阈值可以被计算(见公式3)作为(多个)代理的可接受分数作为alpha,本文为“A”:
A=x+阈值 (公式3)
其中“x”是如上所述的预期分数。
在另一实施例中,如果确定代理超过alpha值“A”,则可以执行回应,该回应包括但不限于以下中的一个或多个的动作:阻止回应;将回应上提到审阅者/主管,和/或执行上提(例如,将另一代理附接到呼叫以向代理提供“耳语”通信,将另一代理附接到呼叫以向代理和客户两者提供内容,将通信转移到另一代理,将通信转移到不同的通信模式等),诸如响应于代理接受更多数量的呼叫或在同一呼叫中花费更多时间,以适应所需分数。
作为本文提供的实施例的好处,可以跨所有代理(包括对应当如何应对客户可能具有不同背景或感知的代理)一致地提供诸如针对特定客户和/或环境的先前确定的内容和情感语气的级别。作为另一选项,可以管理系统范围的标准,诸如使活动达到或超过先前的总分数。
在一个实施例中,本文描述的因素可以具有相等的权重。在另一实施例中,可以为一个或多个因素提供差分加权,使得可以基于所有因素相等地或如下加权来计算值x和y(见公式4-5):
x=w1f1+w2f2+w3f3+…+wnfn (公式4)
或者,改写为:
在另一实施例中,计算标准偏差Beta(本文为“B”)(见公式6):
其中x=个别呼叫或回应的预期分数;
y=对话中每个回应的实际分数;
z=x-y;
Nc=代理在从事活动c时处理的呼叫总数;以及
Zn=活动c上所有呼叫的z的总和。
在另一实施例中,在实时仪表板上实时地向主管显示Beta值“B”,该Beta值针对特定代理以不同方式计算、针对所有代理累积、针对特定活动累积、和/或针对所有活动累积。
本文公开的实施例的好处包括但不限于:实时测量回应;将测量结果实时显示给代理,作为预期的和实际的回应/行为的指示符;向代理提供关于需要改进的提示;使主管能够配置活动以与情感相结合设置应当向(多个)客户证明的内容的可接受级别;使主管能够以各种形式实时查看标准偏差;使主管能够基于几个因素来衡量代理的表现及其适应性;使主管能够识别代理的关键训练/指导领域;以及使组织能够设定对待其客户的标准。
公开了各种实施例和实施例的各个方面,包括:
在一个实施例中,公开了一种用于回应不合规动作的方法,包括:监控分别由代理使用的代理通信设备和由客户使用的客户通信设备之间的通信内容;对情感内容进行分析,以产生实际的情感内容;访问与所述通信相关联的预期情感内容;将分数产生为目标情感内容与观察到的情感内容之间的差异;格式化消息以包括所述分数;以及将所述消息实时发送到从所述代理通信设备和管理通信设备中选择的至少一个设备,以使所述至少一个设备能立即访问所述分数。
在另一实施例中,公开了一种用于回应不合规动作的系统,包括:耦合到包括可执行指令的非瞬态存储器的处理器;耦合到所述处理器的网络接口;以及其中指令使所述处理器:监控分别由代理使用的代理通信设备和由客户使用的客户通信设备之间的通信内容;对情感内容进行分析,以产生实际情感内容;访问与所述通信相关联的预期情感内容;将分数产生为目标情感内容与观察到的情感内容之间的差异;格式化消息以包括所述分数;以及将所述消息实时发送到从所述代理通信设备和管理通信设备中选择的至少一个设备,以使所述至少一个设备能立即访问所述分数。
在另一实施例中,公开了一种用于回应不合规动作的系统,包括:用于监控分别由代理使用的代理通信设备和由客户使用的客户通信设备之间的通信内容的单元;用于对情感内容进行分析以产生实际情感内容的单元;用于访问与所述通信相关联的预期情感内容的单元;用于将分数产生为目标情感内容与观察到的情感内容之间的差异的单元;用于格式化消息以包括所述分数的单元;以及用于将所述消息实时发送到从所述代理通信设备和管理通信设备中选择的至少一个设备,以使所述至少一个设备能立即访问所述分数的单元。
一个或多个实施例的方面包括,其中在确定分数在额定范围之外后执行格式化消息以包括分数的以及将消息实时传输到至少一个设备。
一个或多个实施例的方面包括,将所述分数添加到在数据存储设备中维护的数据结构;针对以下中的至少一个,从所述数据结构中导出包括所述分数的多个分数的合计分数:(i)相关联的第一多个通信,每个通信包括由所述代理提供的内容,或者(ii)相关联的第二多个通信,每个通信包括由包括所述代理的多个代理提供的内容;格式化合计分数消息以包括所述合计分数;以及向所述至少一个设备实时发送所述合计分数消息,以使所述至少一个设备能立即访问所述合计分数。
一个或多个实施例的方面包括,格式化包括所述分数的消息,还包括,格式化所述消息以包括所述分数和所述分数的量值的至少一个辅助标记;以及将所述消息实时发送到从代理通信设备和管理通信设备中选择的至少一个设备,以使所述至少一个设备能立即访问所述分数和所述分数的量值的辅助标记。
一个或多个实施例的方面包括,其中所述分数包括至少一个分数因素,作为所述内容的目标因素与观察到的因素之间的差异,并且包括针对以下中的一个或多个的值:从情感关联方面不同的词语池的词语选择,从在情感关联面部表情方面不同的短语池的短语选择,从在情感关联方面不同的标点符号池的标点符号选择,从在情感关联、身体姿势、手势、副语言(paralinguistics)、眼睛凝视和包括该通信的消息传递时间方面不同的图形池的图形选择。
一个或多个实施例的方面包括,其中格式化消息以包括分数,还包括格式化消息以包括分数的标记。
一个或多个实施例的方面包括,其中所述通信包括作为草稿在所述代理通信设备中维护的基于文本的通信消息,并且其中,发送所述消息待定。
一个或多个实施例的方面包括,其中:所述代理包括自动代理,其从包括多个内容的数据存储设备中选择内容,并且每个内容具有加权值,所述加权值部分地确定过去分数作为目标情感内容和包括所述多个内容中的每个内容的过去通信的观察到的情感内容之间的差异;以及选择所述内容还包括从所述多个内容中进行伪随机加权选择。
一个或多个实施例的方面包括,更新过去分数以包括针对所选内容的分数。
一个或多个实施例的方面包括,其中所述指令还使所述处理器格式化所述消息以包括所述分数,并且在执行使所述处理器确定所述分数在额定范围之外的指令之后执行将所述消息实时发送到所述至少一个设备。
一个或多个实施例的方面包括,其中所述指令还使所述处理器:将所述分数添加到在非瞬态数据存储设备中维护的数据结构;针对以下中的至少一个,从所述数据结构中导出包括所述分数的多个分数的合计分数:(i)相关联的第一多个通信,每个通信包括由所述代理提供的内容,或者(ii)相关联的第二多个通信,每个通信包括由包括所述代理的多个代理提供的内容;格式化合计分数消息以包括所述合计分数;以及向所述至少一个设备实时发送所述合计分数消息,以使所述至少一个设备能立即访问所述合计分数。
一个或多个实施例的方面包括,其中所述指令还使所述处理器:格式化包括所述分数的消息,还包括指令以使所述处理器格式化所述消息以包括所述分数和所述分数的量值的至少一个辅助标记;以及将所述消息实时发送到所述至少一个设备,以使所述至少一个设备能立即访问所述分数和所述分数的量值的辅助标记。
一个或多个实施例的方面包括,其中所述分数包括至少一个分数因素,作为所述内容的目标因素与所观察因素之间的差异,并且包括针对以下中的一个或多个的值:从在情感关联方面不同的词语池的词语选择,从在情感关联面部表情方面不同的短语池的短语选择,从在情感关联方面不同的标点符号池的标点符号选择,从在情感关联、身体姿势、手势、副语言、眼睛凝视和包括该通信的消息传递时间方面不同的图形池的图形选择。
一个或多个实施例的方面包括,其中使所述处理器格式化所述消息以包括所述分数的指令还包括使所述处理器格式化所述消息以包括所述分数的标记的指令。
一个或多个实施例的方面包括,其中所述通信包括作为草稿在所述代理通信设备中维护的基于文本的通信消息,并且其中,使所述处理器发送所述消息的指令尚未执行。
一个或多个实施例的方面包括,其中:所述代理包括自动代理,其从包括多个内容的数据存储设备中选择内容,并且每个内容具有加权值,所述加权值部分地确定过去分数作为目标情感内容和包括所述多个内容中的每个内容的过去通信的观察到的情感内容之间的差异;以及其中,使所述处理器选择所述内容的指令还包括使所述处理器从所述多个内容中进行伪随机加权选择的指令。
一个或多个实施例的方面包括,其中所述指令还包括使所述处理器更新过去分数以包括针对所选内容的分数的指令。
一个或多个实施例的方面包括:用于在确定分数是否在额定范围之外的单元;以及用于当分数在额定范围内时,省略用于格式化消息以包括分数的单元和用于将消息实时发送到至少一个设备的单元的单元。
短语“至少一个”、“一个或多个”、“或”、“和/或”是在操作中既是合取又是析取的开放式表达式。例如,每个表达“A、B和C中的至少一个”、“A、B或C中的至少一个”、“A、B和C中的一个或多个”、“A、B或C中的一个或多个”、“A、B和/或C”,以及“A、B或C”意为仅A、仅B、仅C、A和B一起、A和C一起、B和C一起、或A、B和C一起。
术语“一”或“一个”实体指的是该实体中的一个或多个。因此,术语“一”(或“一个”)、“一个或多个”和“至少一个”在本文可以互换使用。还应注意的是,术语“包括”、“包含”和“具有”可以互换使用。
本文使用的术语“自动”及其变型指的是在执行过程或操作时在没有实质人类输入的情况下完成的、通常是连续或半连续的任何过程或操作。然而,即使过程或操作的执行使用实质或非实质的人类输入,但是如果输入是在过程或操作的执行之前接收到的,则该过程或操作也可以是自动的。如果人类输入影响流程或操作的如何执行,则认为这种输入是实质的。同意流程或操作的执行的人类输入不被认为是“实质的”。
本公开的方面可以采取完全硬件的实施例、完全软件(包括固件、驻留软件、微代码等)的实施例、或结合软件和硬件方面的实施例的形式,在本文它们全部可以统称为“电路”、“模块”或“系统”。可以利用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。
计算机可读存储介质可以是例如但不限于电子、磁、光、电磁、红外或半导体系统、装置或设备,或前述的任何适当组合。计算机可读存储介质的更具体的示例(非穷举列表)将包括以下各项:具有一条或多条导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式光盘只读存储器(CD-ROM)、光存储设备、磁存储设备,或者前述的任何适当组合。在本文档的语境中,计算机可读存储介质可以是能够包含或存储由指令执行系统、装置或设备使用或结合指令执行系统、装置或设备使用的程序的任何有形、非瞬态介质。
计算机可读信号介质可以包括传播数据信号,例如在基带中或作为载波的一部分,其中含有计算机可读程序代码。这样的传播信号可以采取各种形式中的任何一种,包括但不限于电磁、光或其任何适当的组合。计算机可读信号介质可以是任何计算机可读介质,其不是计算机可读存储介质,并且可以传送、传播或传输由指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合使用的程序。计算机可读介质上含有的程序代码可以使用任何适当的介质来传输,包括但不限于无线、有线、光纤电缆、RF等,或者前述的任何适当组合。
本文使用的术语“确定”、“计算”、“估算”及其变型可互换使用,且包括任何类型的方法、过程、数学运算或技术。
应根据35U.S.C.第112(f)节和/或第112节第6款,以尽可能宽泛的解释给出本文使用的术语“单元”。因此,包含术语“单元”的权利要求应涵盖本文所陈述的所有结构、材料或行为及其所有等同。此外,结构、材料或行为及其等同应包括发明内容、附图说明、具体实施方式、摘要和权利要求本身中描述的所有内容。
前面是对本发明的简化概括,以提供对本发明的某些方面的理解。该发明内容既不是对本发明及其各种实施例的广泛概述也不是详尽概述。其既不旨在识别本发明的关键或重要元素,也不旨在划定本发明的范围,而是以简化的形式呈现本发明的选定概念,作为对下面呈现的具体实施方式的介绍。如将理解的,本发明的其他实施例可以单独或组合地利用上面或下面详细描述的一个或多个特征。此外,虽然本公开是按照示例性实施例来呈现的,但是应当理解,本公开的个别方面可以单独要求保护。
附图说明
结合附图描述本公开:
图1描绘了根据本公开的实施例的第一系统;
图2描绘了根据本公开的实施例的第二系统;
图3描绘了根据本公开的实施例的第三系统;
图4描绘了根据本公开的实施例的第一数据结构;
图5描绘了根据本公开的实施例的数据转换;
图6描绘了根据本公开的实施例的第一显示;
图7描绘了根据本公开的实施例的第二显示;
图8描述了根据本公开的实施例的过程;以及
图9描绘了根据本公开的实施例的第四系统。
具体实施方式
随后的描述仅提供实施例,并不旨在限制权利要求的范围、适用性或配置。相反,随后的描述将向本领域技术人员提供用于实现实施例的使能描述。应当理解,在不背离所附权利要求的精神和范围的情况下,可以对元素的功能和布置进行各种改变。
在当子元素标识符存在于附图中时没有子元素标识符的情况下,说明书中包括元素编号的任何引用当以复数使用时旨在引用具有相似元素编号的任何两个或更多元素。当以单数形式进行这样的引用时,旨在引用具有相似元素编号的元素之一,而不限于元素中的特定一个元素。本文任何明确的相反用法或提供进一步限定或识别应优先。
还将关于分析软件、模块和相关联的分析硬件来描述本公开的示例性系统和方法。然而,为了避免不必要地模糊本公开,下面的描述省略了众所周知的结构、组件和设备,它们可以在附图中省略或以简化形式示出,或者以其他方式概括。
出于解释的目的,为了提供对本公开的透彻理解,陈述了许多细节。然而,应当理解,本公开可以以本文阐述的具体细节之外的各种方式来实施。
现在参考图1,根据本公开的至少一些实施例讨论了通信系统100。通信系统100可以是分布式系统,并且在一些实施例中包括通信网络104,通信网络104将一个或多个通信设备108连接到工作分配机构116,工作分配机构116可以由企业管理联系中心102拥有和操作,在该企业管理联系中心102中分布了多个资源112以处理来自客户通信设备108的传入工作项(以联系的形式)。
联系中心102被不同地实现为接收和/或发送作为或关联于工作项以及由一个或多个资源112对工作项的处理和管理(例如,调度、分配、路由、生成、记账、接收、监控、审查等)的消息。工作项通常是针对处理资源112生成和/或接收的请求,其被实施为电子和/或电磁传递的消息(或作为其组件)。联系中心102可以包括比图示更多或更少的组件和/或提供比图示更多或更少的服务。指示联系中心102的边框可以是物理边界(例如,建筑物、校园等)、法律边界(例如,公司、企业等)和/或逻辑边界(例如,针对联系中心102的客户,用于向客户提供服务的资源112)。
此外,图示联系中心102的边框可以如图所示,或者在其他实施例中包括更改和/或比图示更多和/或更少的组件。例如,在其他实施例中,资源112、客户数据库118和/或其他组件中的一个或多个可以经由通信网络104连接到路由引擎132,诸如当这些组件经由公共网络(例如,因特网)连接时。在另一实施例中,通信网络104可以是公共网络的至少部分的私人利用(例如,VPN);至少部分地位于联系中心102内的私有网络;或者可以用来提供本文描述的组件的电子通信的私有网络和公共网络的混合。此外,应当理解,诸如社交媒体服务器130和/或其他外部数据源134的被图示为外部的组件可以在物理上和/或逻辑上位于联系中心102内,但是出于其他目的仍被认为是外部的。例如,联系中心102可以操作社交媒体服务器130(例如,可操作为从客户和/或资源112接收用户消息的网站)作为经由其客户通信设备108与客户交互的一种手段。
客户通信设备108被实施为在联系中心102的外部,因为它们处于其各自用户或客户更直接的控制之下。然而,可以提供实施例,其中一个或多个客户通信设备108在物理上和/或逻辑上位于联系中心102内,并且仍然被认为在联系中心102外部,诸如当客户在公用电话亭处利用客户通信设备108并连接到在联系中心102内或由联系中心102控制的联系中心102的私有网络(例如,到公用电话亭的WiFi连接等)时。
应当理解,联系中心102的描述提供了至少一个实施例,由此可以在不限制这些实施例的情况下更容易地理解以下实施例。联系中心102可以在不脱离本文描述的任何实施例的范围的情况下并且在不限制实施例或权利要求的范围的情况下进一步改变、添加和/或减少,除非明确规定。
另外,联络中心102可以并入和/或利用社交媒体服务器130和/或可以利用其他外部数据源134来为资源112提供接收和/或检索联系并连接到联络中心102的客户的一种手段。其他外部数据源134可以包括诸如服务局、第三方数据提供商(例如,信用机构、公共和/或私有记录等)的数据源。客户可以利用他们各自的客户通信设备108来利用社交媒体服务器130发送/接收通信。
根据本公开的至少一些实施例,通信网络104可以包括任何类型的已知通信介质或通信介质集合,并且可以使用任何类型的协议在端点之间传输电子消息。通信网络104可以包括有线和/或无线通信技术。因特网是构成互联网协议(IP)网络的通信网络104的示例,其由通过许多电话系统和其他手段连接的位于世界各地的许多计算机、计算网络和其他通信设备组成。通信网络104的其他示例包括但不限于标准普通老式电话系统(POTS)、综合业务数字网(ISDN)、公共交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、会话发起协议(SIP)网络、IP语音(VoIP)网络、蜂窝网络以及本领域已知的任何其他类型的分组交换或电路交换网络。此外,可以理解,通信网络104不需要限于任何一种网络类型,而是可以由多个不同的网络和/或网络类型组成。作为一个示例,本公开的实施例可以用来提高基于网格的联系中心102的效率。在Steiner的美国专利公开No.2010/0296417中更全面地描述了基于网格的联系中心102的示例,其全部内容通过引用合并于此。此外,通信网络104可以包括多种不同的通信介质,诸如同轴电缆、铜缆/线、光纤电缆、用于发送/接收无线消息的天线及其组合。
通信设备108可以对应于客户通信设备。根据本公开的至少一些实施例,客户可以利用他们的通信设备108来发起工作项。例示性的工作项包括但不限于:定向到联系中心102并在联系中心102处接收的联系、定向到服务器工场(例如,服务器集合)并在服务器工场处接收的网页请求、媒体请求、应用请求(例如,对诸如SIP应用服务器之类的远程应用服务器上的应用资源位置的请求)等。工作项可以是通过通信网络104传输的消息或消息集合的形式。例如,工作项可以作为电话呼叫、分组或分组集合(例如,通过IP网络发送的IP分组)、电子邮件消息、即时消息、SMS消息、传真及其组合来传输。在一些实施例中,通信可以不一定定向到工作分配机构116,而是可以在通信网络104中的某个其他服务器(诸如社交媒体服务器130)上,在那里它被工作分配机构116收集,工作分配机构116针对所收集的通信生成工作项。这种所收集的通信的示例包括由工作分配机构116从社交媒体服务器130或服务器网络收集的社交媒体通信。在分别于2010年3月20日、2010年2月17日和2010年2月17日提交的美国专利申请No.12/784,369、12/706,942和12/707,277中描述了用于收集社交媒体通信并基于其生成工作项的示例性架构;这些申请的全部内容均通过引用并入本文。
工作项的格式可以取决于通信设备108的能力和通信的格式。特别地,工作项是与为在联系中心102(更具体地,工作分配机构116)处接收的通信服务有关地执行的工作在联系中心102内的逻辑表示。通信可以在工作分配机构116、连接到工作分配机构116的交换机或服务器等处被接收并维护,直到资源112被分配给表示该通信的工作项。此时,工作分配机构116将工作项传递到路由引擎132,以将发起通信的通信设备108与所分配的资源112连接。
尽管路由引擎132被描绘为与工作分配机构116分开,但是路由引擎132可以并入工作分配机构116中,或者其功能可以由工作分配引擎120执行。
根据本公开的至少一些实施例,通信设备108可以包括任何类型的已知通信设备或通信设备集合。合适的通信设备108的示例包括但不限于个人计算机、膝上型计算机、个人数字助理(PDA)、蜂窝电话、智能电话、电话或其组合。通常,每个通信设备108可以适于支持与其他通信设备108以及处理资源112的视频、音频、文本和/或数据通信。通信设备108用来与其他通信设备108或处理资源112通信的介质的类型可以取决于通信设备108上可用的通信应用。
根据本公开的至少一些实施例,经由工作分配机构116和路由引擎132合力将工作项发送到处理资源112的集合。资源112可以是完全自动化的资源(例如,交互式语音回应(IVR)单元、微处理器、服务器等)、利用通信设备的人类资源(例如,利用计算机、电话、膝上型计算机等或其他代理通信设备的人类代理),或者任何已知在联系中心102中使用的其他资源。
如上所述,工作分配机构116和资源112可以以联系中心102格式由公共实体拥有和操作。在一些实施例中,工作分配机构116可以由多个企业管理,每个企业具有连接到工作分配机构116的其自己的专用资源112。
在一些实施例中,工作分配机构116包括工作分配引擎120,其使得工作分配机构116能够做出针对工作项的智能路由决策。在一些实施例中,工作分配引擎120被配置为在无队列联系中心102中管理和做出工作分配决策,如美国专利申请序列No.12/882,950中所描述的,其全部内容通过引用结合于此。在其他实施例中,工作分配引擎120可以被配置为在传统的基于队列(或基于技能)的联系中心102中执行工作分配决策。
工作分配引擎120及其各种组件可以驻留在工作分配机构116中或者驻留在多个不同的服务器或处理设备中。在一些实施例中,可以采用基于云的计算架构,由此使工作分配机构116的一个或多个硬件组件在云或网络中可用,使得它们可以成为多个不同用户之间的共享资源。工作分配机构116可以访问客户数据库118,诸如以检索记录、简档、购买历史、以前的工作项和/或联系中心102已知的客户的其他方面。可以响应于工作项和/或来自处理工作项的资源112的输入来更新客户数据库118。
应当理解,除了完全本地部署(on-premises)的实施例之外,联系中心102的一个或多个组件还可以以其整体、或者其组件(例如,混合)在基于云的架构中实现。在一个实施例中,客户通信设备108经由完全由基于云的服务提供商托管的组件连接到资源112之一,其中处理和数据存储硬件组件可以专用于联系中心102的运营商或在多个服务提供商客户之间共享或分布,其中一个服务提供商客户是联系中心102。
在一个实施例中,消息由客户通信设备108生成,并经由通信网络104在工作分配机构116处接收。联系中心102(诸如,在工作分配机构116处)接收的消息在本文通常被称为“联系”。路由引擎132将联系路由到资源112中的至少一个以供处理。
图2描绘了根据本公开的实施例的系统200。在一个实施例中,资源112被实施为由人类代理208用来经由客户通信设备108通过通信网络104与客户210通信的代理通信设备206。服务器202被图示为资源112和通信网络104之间的中间设备,并且可以包括诸如交换机、集线器、路由器等的特征和功能,以有助于客户通信设备108和资源112之间的通信。在另一实施例中,服务器202监控代理通信设备206和客户通信设备108之间的通信的内容,并且可选地包括或省略交换、路由或其他连接性或连接性管理操作。
在另一实施例中,服务器202监控代理通信设备206和客户通信设备108之间的通信的内容,其可以被编码以在通信网络104上传输。人类通信是复杂的,而且往往是微妙的。消息或含义可以在文本或口语中明确地传达,附加含义甚至相互矛盾的含义可以通过其他方式传达,诸如通过特定的词语选择或词语组合或非文本/非语言发音(例如,音高、节奏、叹息等)提供的含义的潜台词传达的情感语气(例如,同理心、不耐烦、权威性等)。例如,文本消息说:“现在重新启动您的计算机,并且它重新启动时告诉我。”传达与文本“对不起,但您将需要重新启动您的计算机。您备份并运行时请让我知道。”相同的明确含义(重新启动计算机的指示并指示计算机何时重新启动),但在情感语气上有明显的不同。这里,第一个示例是冷淡、无情、冷漠、权威、像机器的等等;第二个示例是同情的、理解的、像人的等。
对于基于文本的通信(例如,SMS、聊天、电子邮件等),人可以感知在显示器(诸如客户通信设备108的显示器)上明确表示的字母数字字符(例如,字母、数字、符号、标点符号等)、图形元素(例如,表情符号),以及经由词语选择、标点符号等被编码成特定文本的副语言(例如,情感语气、态度等)。类似地,对于基于语音的通信(例如,音频电话呼叫、音频聊天等),由人类代理208提供的人类语音可以在语音的语气、响度、音调、音高、节奏等方面传达类似的副语言。对于视觉通信(例如,视频聊天),面部表情、手势、眼睛凝视、人工物品的使用(例如,摆弄钢笔、做笔记等)可以传达所提供的任何词语的字面含义之外的含义。因此,如本文所使用的,“内容”或“通信的内容”是指通信的人类可感知的部分,其由人类代理208(或自动代理302,见图3)发送,并且特别意在内容被提供给客户通信设备108时呈现给人(例如,客户210),以便由通信设备108的输出组件呈现(例如,文本显示、图形显示、视频显示、扬声器等)。内容可以包括但不限于:词语和短语以及词语或短语、标点符号、符号、图形的显式和/或隐式含义;包括手势、表情等的图像;和/或词语或短语的副语言。
还应当理解,本文使用的“内容”或“通信的内容”不包括为了发起、支持或维持通信而传达的数据,诸如报头、编解码器、加密、呼叫建立/关闭消息、服务质量(QoS)监控数据、以及可以包括通信或被包括在通信中的其他数据,该数据不明确地意图作为客户210和人类代理208(或自动代理302)之间通信的一部分呈现给客户210。
可以向人类代理208提供关于要在通信期间提供的词语的提示,以及可选地由特定词语选择、措辞、图像(当通信包括视频时)或副语言(当通信包括音频时)提供的情感语气。人类代理208可以即兴发挥或以其他方式改变内容,并且在这样做时改变通信的情感语气。服务器202可以量化由人类代理208提供的通信的该部分的情感内容,并且如果尚未提供,则量化给人类代理208提供的提示词语的情感内容。然后确定实际和预期情感内容之间的差异或分数。
分数可以被维护在数据存储设备204或其他非瞬态数据存储设备中。数据存储设备204还可以由服务器202、代理通信设备206和/或管理通信设备212的处理器用来维护可访问的数据(例如,机器可读指令、数据记录等)。附加地或替代地,具有超出可接受的额定范围的值的分数可以另外触发过程。例如,可以实时地和/或在通信已经结束之后向人类代理208提供反馈,诸如经由代理通信设备206,以向人类代理208提供关于其传递的表现相比于预期的度量。在另一实施例中,异常分数可以被标记或以其他方式被强调为需要改进的区域,或者当为负时,是将来要采用的实践的示例。分数可以被提供给管理通信设备212以呈现给管理代理214(例如,主管、人力资源等),作为人类代理208的表现的历史记录。然而,在某些情况下,可以保证实时动作。因此,在另一实施例中,服务器202可以确定分数或分数的因素在可接受的额定范围之外,并且作为回应,格式化包括该分数(例如,“分数=3.8”、“同理心=4.4”、“权威性=6.3”)和/或分数的标记(例如,“问题”、“不可接受的内容”、“需要采取的动作”、“代理异常激进”、“代理说,‘照我说的做’”等)或其他标准化格式的消息,以便立即传输到管理通信设备212,诸如实时地并以标准化格式向管理代理214和/或其他系统和组件警告需要动作的情况。
为了解决超出可接受的额定范围的分数的问题而可以采取的动作包括:以任何“耳语”模式自动地将另一节点(例如,管理通信设备212)加入到客户通信设备108和代理通信设备206之间的通信中;使得客户210和人类代理208之间的所有通信被呈现给管理通信设备212,但是由管理通信设备212提供的任何通信,诸如源自管理代理214的通信,只能由代理通信设备206接收以呈现给人类代理208;或者完全加入作为包括客户通信设备108、代理通信设备206和管理通信设备212中的每一个节点的三方通信。作为另一实施例,代理通信设备206可以完全(即,丢弃)或部分地与通信断开,以便在客户210和管理代理214之间的通信继续时能够观察但不能贡献内容。
图3描绘了根据本公开的实施例的系统300。系统300包括系统200的部分(见图2),除非另有说明。在一个实施例中,系统300利用具有数据存储设备304的自动代理302作为资源112。自动代理302可以包括执行在自动代理302的非瞬态存储器中或数据存储设备304或其他非瞬态存储设备中维护的机器可读指令的处理器。附加地或替代地,自动代理302可以与服务器202一起实施。
在一个实施例中,自动代理302在与客户210的通信中提供内容。自动代理302可以是或包括人类智能或其他逻辑,其可以以事先不能确定地知道的方式选择内容。例如,自动代理302可以包括自学习部分,其中对具有相关联的实际和预期情感的先前通信进行评分。可以可选地响应于辅助度量(例如,客户反馈、事后审查、通信产生期望结果的成功/失败率等)来评估评分。结果,可以获得并(诸如在数据存储设备304中)维护多个内容。可以用有利结果(例如,良好的反馈、成功结果等)和/或不利结果(例如,负面反馈、不成功结果等)来训练自动代理302,以便训练自动代理302选择在具有特定客户和/或主题属性的当前或未来通信中更有可能成功的特定内容。更具体地,自动代理302尝试提供最适合特定通信的内容。在与特定客户210的一次通信和/或与该通信相关联的任何事实特定情况中可接受或甚至理想的内容可能在与不同特定客户210的不同通信和/或与该通信相关联的任何事实特定情况下是不太理想或不合适的。
自动代理302可以尝试学习重要的因素和不重要的因素,以及这些因素之间的任何关联,并基于重要的因素做出选择决策。例如,自动代理302可以确定与多个客户210的过去通信被提供了变化的内容,并且成功或失败与所使用的特定客户通信设备108(例如,个人计算机的品牌、智能电话的操作系统等)具有非常低的相关性,因此,当基于设备类型时,对特定内容的选择对通信的成功没有明显影响。然而,自动代理302可以确定客户通信设备108的位置对于过去通信确实有影响。例如,当多个过去通信的多个客户通信设备108位于机场或火车站时,即使以内容更冷淡或更像机器为代价,也可以通过强调简洁性的内容来提高成功。类似地,当第二多个过去通信的多个客户通信设备108位于家庭或企业时,通过更冗长的内容提高了成功率。自动代理302从过去的通信中学习并在未来的通信中选择的因素可能很难或不可能预先确定。
所检测和利用的因素的变化也可以是作为自动代理302的特征的特定选择的随机性(或计算领域中已知的伪随机性)的结果。脊形选择算法要求针对预先已知的一组固定因素选择理想的内容。通过利用人类智能,可以利用以前未知或未考虑的因素,或者可以不考虑或省略那些被认为不相关的因素。然而,这需要改变所考虑的因素的能力。因此,在另一实施例中,自动代理302尝试基于做出内容的可变选择决策来确定针对特定通信的最佳内容。这可能会放弃未知的或先前识别为不太理想的当前最佳内容,以便确定当前最佳内容是否需要更新或替换。通过使用从内容池中随机或加权随机选择内容,自动代理302可以更好地学习与特定内容选择和/或最适合产生成功结果的特定内容相关的因素。
作为示例,在数据存储设备304中维护与多个客户210的过去通信。每个通信具有一些可能不常见或没有共性的因素(例如,客户名称210、日期、一天中的时间等),这些因素可以被降低权重为几乎没有相关性。其他因素可能更相关(例如,表达的或感觉到的紧迫性、通信的主题、与客户的过去历史等)并被提升权重为更相关或高度相关。与那些被认为相关性较小的因素相比,更相关的因素更常被选择以供考虑。类似地,可以确定与在过去通信期间提供的内容的关联或多或少是相关的。例如,大量过去的通信,诸如具有主题为“行李丢失”的因素的通信,总体成功率为85%。如果确定在这些通信当中,提供了较权威内容的通信的成功率为84.7%(在先前确定的额定范围内,诸如一个标准偏差),而具有较不权威内容的通信的成功率为86.1%,则基于权威性选择更多内容不太可能影响当前或未来关于行李丢失的通信的成功。因此,基于内容的权威性方面选择内容可以被降低权重或完全不考虑。
相反,如果过去的通信具有更具同理心的内容的总体成功率为93%,而具有低同理心内容的通信的成功率为23%,则基于同理心(尤其是高同理心)选择内容可能更有可能导致当前或未来关于行李丢失的通信的成功。因此,可以对基于内容的同理心方面选择内容提高权重。可以理解,一个因素的相关性(例如,当主题是“丢失行李”时)可能与其他因素有相关关系(例如,当主题是“行李遗失”,并且当前位置是家庭位置vs酒店时)。因此,自动代理302可以对特定内容的选择进行加权,以便选择最有可能成功的内容,但也可以发现先前未知或未考虑的因素,这些因素一旦用于选择内容会更有可能改善通信的成功。
在另一实施例中,权重可以被归一化,使得所有内容的组合是100%,并且任何一个内容被选择的机会全部或部分由针对该内容的归一化加权来确定。在另一实施例中,可以全部或部分地应用随机化,使得权重充分降低以至于不被选择的内容至少偶尔被选择,以便确认或在必要时调整权重。
在另一实施例中,自动代理302,特别是当处于学习阶段时,可以选择并传递在分数(z)或一个或多个分数因素(f(z))方面与预期内容不同的实际内容。当自动代理302尚不具有有足够的数据来确定相关或不相关的因素时,这可能特别明显。作为示例,自动代理302可以与名字为“Alice”的客户210进行成功的通信,其中内容的随机选择是由异常高的“关注”的内容构成的。然后,自动代理302可以将高“关注”语境与客户的名字Alice相关联。在随后的呼叫中,客户210也具有名字“Alice”,但是为不同的个体。自动代理302现在在客户名字是“Alice”时具有对“关注”的加权偏向。然而,预期内容可以具有低“关注”,诸如当主题具有较小后果,而过高的“关注”可能会被视为居高临下或高人一等。由于样本大小较小,自动代理302选择高“关注”语境并传递消息。服务器202确定实际和预期内容之间的差异(分数‘z’)并做出回应,而不是仅等待较大的数据大小来对“Alice(s)”和高“关注”之间的关联降低权重。
在一个实施例中,诸如当z的值较低时(例如,在先前确定的额定范围内),服务器202采取的动作可以限于记录保存或其他通知。在其他实施例中,诸如当z的值高时(例如,在先前确定的额定范围之外),服务器202采取的动作可以是格式化消息以供管理通信设备212呈现和/或发起向不同节点(例如,代理通信设备206、管理通信设备212等)的通信的转移,和/或向自动代理302提供反馈,诸如提供包括预期因素(例如,期望‘关注=3’、期望同理心=5等)的数据结构和/或实际和预期之间的差异(例如,增量)(例如,“关注增量=-3”、“同理心增量=+0.3”等)。因此,自动代理302可以识别所选择的语境以及用于做出这种选择的输入,以及提供反馈的数据结构,并相应地调整输入的加权。
图4描绘了根据本公开的实施例的数据结构400。在一个实施例中,数据结构400被维护在非瞬态数据存储设备中,诸如数据存储设备204、数据存储设备304和/或与服务器202和/或数据存储设备304相关联的非瞬态存储器。数据结构400包括多个记录404A-C和/或406和408A-B,包括预期的内容字段410,诸如可以作为代理通信设备206上的提示被提供。数据结构400包括用于多个情感语境分数402的字段,诸如关注402a、语境402b、同理心402c、权威性402d和/或更多,如字段402n所示。应该理解,可以从图示那些中选择更多、更少或不同的情感语境分数。
在另一实施例中,数据结构400包括记录404A-C、406和408A-B。记录404A-C包括用于内容的字段和用于情感语境分数402的关联分数。记录可以是嵌套的,当被设计为请求回应时,这样的记录406可以省略情感语境分数402中的一个或多个分数,诸如记录408A(例如,当客户肯定地回应时)或记录408B(例如,当客户否定地回应时)中的特定一个,以及所选择的具有相关联的情感语境分数402的特定记录408A或408B。然后所选择的特定记录408A或408B分别具有其自己的预期内容字段412A、412B。
在另一实施例中,与客户210的特定通信的因素可以确定应该使用语境为“5”的消息。因此,记录404B的内容字段410被选择,并经由代理通信设备206作为提示被提供给人类代理208。附加地或替代地,如果人类代理208以某种方式改变消息,则可以对传递到客户通信设备108的实际消息进行评分,或者对其因素进行评分,并将其与分数402中提供的因素进行比较以用于后续处理。改进可以包括采用比预期更好的结果以供将来使用、格式化标准化消息以供实时传递到管理通信设备212、自动改变网络拓扑等。
图5描绘了根据本公开的实施例的数据转换500。在一个实施例中,数据转换500包括指示要传递到客户通信设备108的预期内容的记录504。记录504的评分由分数502提供并产生预期分数x。实际内容由具有分数502并产生预期分数y(y的因素)的记录506来示出。差异z,如分数508所示。可以记录为绝对值或有符号的差异,并如本文所述作出回应。作为另一选项,可以诸如通过对一个或多个分数508的值510进行加权来对评分进行加权,以产生加权分数512。可以提供加权以反映重要性或与分数502的过去成功成比例。
图6描绘了根据本公开的实施例的显示600。在一个实施例中,代理通信设备206包括显示600。对话602示出了正在与客户通信设备108和客户210进行的通信部分的内容,但是该通信部分尚未被发送。因此,诸如代理通信设备206和/或服务器202的处理器之类的处理器在对话内容602被键入时实时地接收对话内容602,并且也实时地执行文本的评分。例如,对话内容602可以包括词语604,该词语604使得对话602倾斜到不期望的分数,诸如在与积极或肯定陈述相关联的分数因素中。相应地,对话610可以弹出或以其他方式呈现,包括提示612中的一个或多个,以指示被确定为对于对话602不利的因素,和/或建议614作为特定替换,其如果通过选择接受选项616接受,则用建议的词语替换词语604并导致对话602的分数有利或至少更有利。如果代理通过选择拒绝选项618选择拒绝,则对话610关闭,并且代理可以通过完成对话602并选择发送608来推翻该决策。
在另一实施例中,可以利用建议614和关于该建议是被接受还是被拒绝的统计数据来选择备选建议,诸如当特定建议的接受度非常低并且对建议614使用具有更高接受率的不同术语时。附加地或替代地,特定建议614的接受/拒绝统计数据可以用作自动代理302的输入,以更快速地训练自动代理302关于遇到词语604时可能发生什么问题以及哪些建议更有可能被人类代理接受。
虽然显示600被图示为执行基于文本的通信的一部分,但是应当理解,不同的通信形式可以使用不同呈现的相似内容。例如,人类代理208在音频或音频-视频通信期间说出对话602中的词语604,对话610可以提供基于文本的提醒以在将来使用不同的词语。附加地或替代地,该提醒可以作为进入由人类代理208而不是客户210接收的音频的“耳语”通信来呈现。
对话610可以被呈现为从多个输入(例如,分数、分数因素、随时间/多个代理的累积分数、分数的量值等)之一接收并经由代理通信设备206和可选地管理通信设备212以及当前正在使用的任何自动监控代理实时呈现给人类代理208的标准化消息的结果。结果,当遇到不合标准或非额定的分数时,每个接收者可以实时地从非标准输入接收标准化消息。
图7描绘了根据本公开的实施例的显示700。在一个实施例中,显示700包括代理通信设备206、管理通信设备212和/或类似地配置的任何其他监控设备的可视输出显示的全部或一部分。响应于接收到关于特定内容在额定范围之外或以其他方式被确定为需要动作的消息。可以接收实时消息以供显示700呈现。
除了呈现消息的内容之外,显示700还可以呈现消息内容的辅助标记。例如,行702具有远远超出额定范围的值(例如,大于两个标准偏差、大于先前确定的值等),因此,呈现包括粗体、下划线和更大字体的格式化,以及导致特定格式化的值。行704也在额定范围之外,但较少(例如,大于一个标准偏差、大于先前确定的值等),以及所选择的不同格式化(例如,粗体和下划线,但具有标准字体大小以及确定该格式化的值)。行706和708图示了被确定为在额定范围内的值(例如,小于一个标准偏差、小于先前确定的值等),并且被呈现为具有默认格式以及确定该格式化的值。
作为好处,可以将分数的值呈现给一个或多个设备,以便以不仅显示该值而且以基于该值实时确定的方式显示度量和相关联的值的方式进行查看。应当理解,本文只能接受黑白图示,但是使用颜色作为格式化选项,诸如绿色表示额定范围或先前确定的值,黄色、橙色、红色等表示逐渐增加距额定范围或先前确定值的距离。作为另一实施例,针对一个或多个代理和/或在特定时间段或目的上,可以实时地或用历史值更新显示700。
图8描绘了根据本公开的实施例的过程800。在一个实施例中,过程800可以被实现为在诸如与服务器202、自动代理302和/或代理通信设备206相关联的存储器、存储设备204、数据存储设备304的非瞬态存储设备中维护的机器可读指令,其使得处理器执行机器可读指令以执行过程800。
在一个实施例中,过程800利用客户通信设备108开始并监控资源112和客户210之间的通信。资源112可以是由人类代理208或自动代理302操作的代理通信设备206。通信可以被实时监控,或者诸如监控所键入的文本消息的情况下在传输之前被监控。步骤804针对其中的实际情感内容分析通信或通信的部分。应当理解,独立于本文描述的情感内容,可以利用其他手段来监控事实内容(例如,确定通信或通信的消息是否提供了所需的回答、问题、指令或解决通信原因所需的其他事实内容)。
步骤806诸如从数据存储设备204和/或数据存储设备304访问期望情感内容。预期情感内容可以基于本文描述的因素,诸如客户210的属性、通信的主题等。步骤808对差异和/或差异的因素进行评分。测试810确定差异是否大于阈值,诸如大于或超出额定分数范围。如果测试810被确定为否,则过程800可以循环回到步骤802以继续监控通信,直到过程800在通信终止时结束。
如果测试810被确定为是,则步骤812格式化标准化消息并在步骤814发送该消息。步骤814可以实时执行,诸如当通信仍在进行时,或者步骤814可以针对在时间和/或代理上的历史或聚集趋势来执行。然后,过程800可以继续回到步骤802,直到通信结束的时间。虽然被图示为离散的步骤,但是过程800的步骤可以不在仿真后续步骤时结束,以便提供对通信、以及通信发生时的内容以及对其的回应消息的持续和实时监控。
图9描绘了根据本公开的实施例的系统900。在一个实施例中,代理通信设备206、管理通信设备212和/或自动代理302可以全部或部分实施为包括各种组件和到其他组件和/或系统的连接的设备902。这些组件以各种方式实施,并且可以包括处理器904。处理器904可以实现为其中具有诸如以下组件的单个电子微处理器或多处理器设备(例如,多核):(多个)控制单元,(多个)输入/输出单元,(多个)算术逻辑单元,(多个)寄存器,主存储器和/或访问诸如经由总线914接收的信息(例如,数据、指令等)、执行指令和同样诸如经由总线914输出数据的其他组件。在其他实施例中,处理器904可以包括共享处理设备,该共享处理设备可以由其他进程和/或进程所有者使用,诸如在处理阵列或分布式处理系统(例如,“云”、工场等)中。应当理解,处理器904是非瞬态计算设备(例如,包括用于与其他组件和设备通信的电路和连接的电子机器)。处理器904可以操作虚拟处理器,以便处理不是处理器本机的机器指令(例如,翻译9xx芯片组代码以仿真不同处理器的芯片组或非本机操作系统,诸如Mac上的VAX操作系统),然而,这样的虚拟处理器是由底层处理器(例如,处理器904)及其硬件和其他电路执行的应用。
除了处理器904的组件之外,设备902还可以利用存储器906和/或数据存储设备908来存储诸如指令、值等的可访问数据。通信接口910有助于经由总线914与不可经由总线914访问的组件(诸如处理器904)进行通信。通信接口910可以被实施为网络端口、卡、电缆或其他配置的硬件设备。附加地或替代地,人类输入/输出接口912连接到一个或多个接口组件以向和/或从人和/或电子设备接收和/或呈现信息(例如,指令、数据、值等)。可以连接到输入/输出接口的输入/输出设备930的示例包括但不限于键盘、鼠标、轨迹球、打印机、显示器、传感器、开关、继电器等。在另一实施例中,通信接口910可以包括人类输入/输出接口912或由其包括。通信接口910可以被配置为直接与联网组件通信或利用一个或多个网络,诸如网络920和/或网络924。
Rc104可以全部或部分实现为网络920。网络920可以是有线网络(例如,以太网)、无线(例如,WiFi、蓝牙、蜂窝等)网络,或其组合,并使设备902能够与(多个)网络组件922通信。在其他实施例中,网络920可以全部或部分地实施为电话网络(例如,公共交换电话网络(PSTN)、私有分支交换机(PBX)、蜂窝电话网络等)。
附加地或替代地,可以利用一个或多个其他网络。例如,网络924可以代表第二网络,其可以有助于与设备902所利用的组件的通信。例如,网络924可以是到企业实体或其他组织(诸如联系中心102)的内部网络,由此组件是可信的(或者至少更可信),该联网组件922可以连接到包括可能不那么可信的公共网络(例如,因特网)的网络920。
附接到网络924的组件可以包括存储器926、数据存储设备928、(多个)输入/输出设备930和/或处理器904可以访问的其他组件。例如,存储器926和/或数据存储设备928可以完全或针对特定任务或目的补充或取代存储器906和/或数据存储设备908。例如,存储器926和/或数据存储设备928可以是外部数据储存库(例如,服务器工场、阵列、“云”等),并允许设备902和/或其他设备访问其上的数据。类似地,(多个)输入/输出设备930可以由处理器904经由人类输入/输出接口912和/或经由通信接口910直接地、经由网络924、仅经由网络920(未示出)、或经由网络924和920来访问。存储器906、数据存储设备908、存储器926、数据存储设备928中的每一个包括非瞬态数据存储设备,其包括数据存储设备。
应当理解,计算机可读数据可以由各种组件发送、接收、存储、处理和呈现。还应当理解,图示组件可以控制本文示出或未示出的其他组件。例如,一个输入/输出设备930可以是路由器、交换机、端口或其他通信组件,使得处理器904的特定输出启用(或禁用)可以与网络920和/或网络924相关联的输入/输出设备930,以允许(或禁止)网络920和/或网络924上的两个或多个节点之间的通信。例如,使用特定客户通信设备108,可以利用特定联网组件922和/或特定资源112来启用(或禁用)一个特定客户之间的连接。类似地,可以启用(或禁用)一个特定的联网组件922和/或资源112与特定的其他联网组件922和/或资源112(在某些实施例中包括设备902)通信,反之亦然。本领域普通技术人员将理解,在不脱离实施例的范围的情况下,附加于或替代本文描述的那些通信设备,还可以使用其他通信设备。
在前述描述中,出于说明的目的,以特定顺序描述了方法。应当理解,在备选实施例中,在不脱离实施例的范围的情况下,可以按照与所描述的顺序不同的顺序来执行这些方法。还应当理解,上述方法可以作为由专为执行本文描述的一个或多个算法或其部分而构建的硬件组件(例如,电路)执行的算法来执行。在另一实施例中,硬件组件可以包括首先被转换为专用微处理器的通用微处理器(例如,CPU、GPU)。专用微处理器然后已经在其中加载了编码信号,使得现在的专用微处理器维护机器可读指令,以使微处理器能够读取和执行从本文描述的算法和/或其他指令导出的机器可读指令集。用于执行(多个)算法或其部分的机器可读指令不是无限的,而是利用微处理器已知的有限指令集。机器可读指令可以在微处理器中编码为信号产生组件中的信号或值,并且在一个或多个实施例中包括存储器电路中的电压、开关电路的配置和/或通过选择性地使用特定逻辑门电路。附加地或替代地,机器可读指令可由微处理器访问,并在介质或设备中编码为磁场、电压值、电荷值、反射/非反射部分和/或物理标记。
在另一实施例中,微处理器还包括单微处理器、多核处理器、多个微处理器、分布式处理系统(例如,(多个)阵列、(多个)刀片、(多个)服务器工场、“云”、(多个)多用途处理器阵列、(多个)集群等)中的一个或多个,和/或可以与执行其他处理操作的微处理器同位。任何一个或多个微处理器可以集成到单个处理设备(例如,计算机、服务器、刀片等)中,或者全部或部分位于经由通信链路(例如,总线、网络、背板等或其多个)连接的分立组件中。
通用微处理器的示例可以包括中央处理单元(CPU),其具有编码在指令寄存器(或维护指令的其他电路)中的数据值,或者包括存储器位置的数据值,其进而包括用作指令的值。存储位置还可以包括CPU外部的存储位置。这种CPU外部组件可以实现为现场可编程门阵列(FPGA)、只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、随机存取存储器(RAM)、总线可存取存储器、网络可存取存储器等。
这些机器可执行指令可以存储在一个或多个机器可读介质上,诸如CD-ROM或其他类型的光盘、软盘、ROM、RAM、EPROM、EEPROM、磁卡或光卡、闪存或适合于存储电子指令的其他类型的机器可读介质。备选地,这些方法可以通过硬件和软件的组合来执行。
在另一实施例中,微处理器可以是处理硬件组件的系统或集合,诸如客户端设备上的微处理器和服务器上的微处理器、具有其各自微处理器的设备的集合、或者共享或远程处理服务(例如,基于“云”的微处理器)。微处理器系统可以包括处理任务和/或共享或分布式处理任务的特定于任务的分配。在又一实施例中,微处理器可以执行软件以提供服务以仿真不同的一个或多个微处理器。结果,由第一组硬件组件组成的第一微处理器可以虚拟地提供第二微处理器的服务,由此与第一微处理器相关联的硬件可以使用与第二微处理器相关联的指令集来操作。
虽然机器可执行指令可以被本地存储和执行到特定机器(例如,个人计算机、移动计算设备、膝上型计算机等),但是应当理解,数据和/或指令的存储和/或指令的至少一部分的执行可以经由到远程数据存储和/或处理设备或设备集合的连接来提供,该远程数据存储和/或处理设备或设备集合通常被称为“云”,但是可以包括公共的、私有的、专用的、共享的和/或其他服务局、计算服务和/或“服务器工场”。
本文描述的微处理器的示例可以包括但不限于以下至少之一: 800和801、具有4GLTE集成和64位计算的 610和615、具有64位架构的A7微处理器、M7运动微处理器、系列、CoreTM系列微处理器、 系列微处理器、AtomTM系列微处理器、 系列微处理器、i5-4670K和i7-4770K22nmHaswell、i5-3570k 22nm Ivy桥、FXTM系列处理器、FX-4300、FX-6300和FX-8350 32nm Vishera、Kaveri微处理器、Jacinto C6000TM汽车信息娱乐处理器、OMAPTM汽车级移动处理器、CortexTM-M微处理器、Cortex-A和ARM926EJ-STM微处理器、其他行业等同微处理器,并且可以使用任何已知或未来开发的标准、指令集、库和/或架构来执行计算功能。
本文讨论的任何步骤、功能和操作都可以连续且自动地执行。
本发明的示例性系统和方法已经相对于通信系统和用于监控、增强和修饰通信和消息的组件和方法进行了描述。然而,为了避免不必要地模糊本发明,前面的描述省略了许多已知结构和装置。该省略不应被解释为对所要求保护的发明的范围的限制。陈述具体细节以提供对本发明的理解。然而,应理解,本发明可以以本文阐述的具体细节之外的各种方式来实现。
此外,虽然本文图示的示例性实施例示出并置的系统的各种组件,但是系统的某些组件可以位于远程、位于分布式网络的远程部分,诸如LAN和/或因特网,或者位于专用系统内。因此,应当理解,系统的组件或其部分(例如,微处理器、存储器/存储设备、接口等)可以组合成一个或多个设备,诸如服务器、多个服务器、计算机、计算设备、终端、“云”或其他分布式处理,或者并置在分布式网络的特定节点上,诸如模拟和/或数字电信网络、分组交换网络或电路交换网络。在另一实施例中,组件可以在物理上或逻辑上分布在多个组件上(例如,微处理器可以包括一个组件上的第一微处理器和另一个组件上的第二微处理器,每个微处理器执行共享任务和/或分配的任务的一部分)。从前面的描述可以理解,并且出于计算效率的原因,在不影响系统的操作的情况下,系统的组件可以布置在分布式组件网络内的任何位置。例如,各种组件可以位于诸如PBX和媒体服务器、网关的交换机中、位于一个或多个通信设备中、位于一个或多个用户企业处、或其某种组合。类似地,系统的一个或多个功能部分可以分布在(多个)电信设备和相关联的计算设备之间。
此外,应当理解,连接元件的各种链路可以是有线或无线链路或其任意组合,或者能够向所连接的元件提供数据和/或从所连接的元件传送数据的任何其他已知的或以后开发的(多个)元件。这些有线或无线链路也可以是安全链路,并且可能能够传送加密信息。例如,用作链路的传输介质可以是用于电信号的任何合适的载体,包括同轴电缆、铜线和光纤,并且可以采用声波或光波的形式,诸如在无线电波和红外数据通信期间产生的那些。
此外,虽然已经针对特定的事件序列讨论和图示了流程图,但是应当理解,可以在不对本发明的操作产生实质性影响的情况下对该序列进行改变、添加和省略。
可以使用本发明的许多变型和修改。可以在不提供其它特征的情况下提供本发明的一些特征。
在又一实施例中,本发明的系统和方法可以结合专用计算机、可编程微处理器或微控制器和(多个)外围集成电路元件、ASIC或其他集成电路、数字信号微处理器、诸如离散元件电路的硬连线电子或逻辑电路、诸如PLD、PLA、FPGA、PAL的可编程逻辑器件或门阵列、专用计算机、任何类似装置等来实现。一般而言,能够实现本文所示的方法的任何(多个)设备或手段都可以用来实现本发明的各个方面。可用于本发明的示例性硬件包括计算机、手持设备、电话(例如,蜂窝、支持互联网、数字、模拟、混合等)以及本领域公知的其他硬件。这些设备中的一些包括微处理器(例如,单个或多个微处理器)、存储器、非易失性存储器、输入设备和输出设备。此外,还可以构建备选软件实现,包括但不限于分布式处理或组件/对象分布式处理、并行处理或虚拟机处理,以实现由一个或多个处理组件提供的本文描述的方法。
在又一实施例中,所公开的方法可以容易地结合使用对象或面向对象的软件开发环境的软件来实现,所述面向对象的软件开发环境提供可在各种计算机或工作站平台上使用的便携式源代码。备选地,所公开的系统可以使用标准逻辑电路或VLSI设计在硬件中部分或全部实现。是否使用软件或硬件来实现根据本发明的系统取决于系统的速度和/或效率要求、特定功能以及所使用的特定软件或硬件系统或微处理器或微型计算机系统。
在又一实施例中,所公开的方法可以部分地以软件实现,该软件可以存储在存储介质上,在控制器和存储器、专用计算机、微处理器等的协作下在编程的通用计算机上执行。在这些情况下,本发明的系统和方法可以被实现为嵌入在个人计算机上的程序,诸如小应用程序、或CGI脚本,作为驻留在服务器或计算机工作站上的资源,作为嵌入在专用测量系统、系统组件等中的例程。该系统还可以通过将该系统和/或方法物理地合并到软件和/或硬件系统中来实现。
本文中包括软件的实施例由一个或多个微处理器执行或存储以供后续执行,并作为可执行代码执行。选择该可执行代码来执行包括该特定实施例的指令。所执行的指令是从微处理器理解的本机指令的离散集合中选择的受限指令集,并且在执行之前提交给微处理器可访问的存储器。在另一实施例中,在由一个或多个微处理器执行之前,人类可读的“源代码”软件首先被转换成系统软件以包括从平台的本机指令集中选择的特定于平台(例如,计算机、微处理器、数据库等)的指令集。
尽管本发明描述了参考特定标准和协议在实施例中实现的组件和功能,但是本发明不限于这些标准和协议。本文未提及的其他类似标准和协议也存在,并且被认为包括在本发明中。此外,本文提到的标准和协议以及本文没有提到的其他类似标准和协议周期性地被具有基本上相同功能的更快或更有效的等同形式取代。具有相同功能的这种替换标准和协议被认为是包括在本发明中的等同形式。
在各种实施例、配置和方面中,本发明基本上包括本文描述和描述的组件、方法、过程、系统和/或设备,包括各种实施例、子组合和它们的子集。本领域技术人员在理解本公开之后将理解如何制造和使用本发明。在各种实施例、配置和方面中,本发明包括在没有在此描述和/或描述的项目的情况下或在本发明的各种实施例、配置或方面中提供设备和过程,包括在缺少可能已经在先前的设备或过程中使用的项目的情况下,例如用于提高性能、实现简易性和/或降低实现成本。
出于说明和描述的目的,已经呈现了本发明的前述讨论。前述内容并不旨在将本发明限制于在此公开的一种或多种形式。例如,在前述详细描述中,为了简化本公开的目的,在一个或多个实施例、配置或方面中将本发明的各种特征分组在一起。本发明的实施例、配置或方面的特征可以在不同于上面讨论的实施例、配置或方面的备选实施例、配置或方面中组合。本公开的该方法不应被解释为反映所要求保护的发明需要比在每个权利要求中明确叙述的特征更多的特征的意图。相反,如所附权利要求所反映的,创造性方面不在于单个前述公开的实施例、配置或方面的所有特征。因此,在此将所附权利要求合并到该详细描述中,其中每个权利要求作为本发明的单独优选实施例独立存在。
此外,尽管本发明的描述已经包括对一个或多个实施例、配置或方面以及某些变化和修改的描述,但是在理解本公开之后,其他变化、组合和修改也在本发明的范围内,例如,可以在本领域的技术人员和知识范围内。本发明旨在获得权利,其在允许的范围内包括可选实施例、配置或方面,包括可选、可互换和/或与所要求权利要求相同的结构、功能、范围或步骤,而不意图公开贡献任何可专利主题,不管本文是否公开了这种可替换、可互换和/或等同的结构、功能、范围或步骤。
Claims (10)
1.一种用于回应不合规动作的系统,包括:
耦合到包括可执行指令的非瞬态存储器的处理器;
耦合到所述处理器的网络接口;以及
其中所述指令使所述处理器:
监控分别由代理使用的代理通信设备和由客户使用的客户通信设备之间的通信的内容;
针对情感分析所述内容,以产生实际情感内容;
访问与所述通信相关联的预期情感内容;
产生作为目标情感内容与观察到的情感内容之间的差异的分数;
格式化消息以包括所述分数;以及
将所述消息实时发送到选自所述代理通信设备和管理通信设备的至少一个设备,以使所述至少一个设备能立即访问所述分数。
2.如权利要求1所述的系统,其中,所述指令还使所述处理器格式化所述消息以包括所述分数,并且在执行指令以使所述处理器确定所述分数在额定范围外之后执行所述消息到所述至少一个设备的实时发送。
3.如权利要求1所述的系统,其中,所述指令还使所述处理器:
将所述分数添加到在非瞬态数据存储设备中维护的数据结构;
针对以下中的至少一个,从所述数据结构导出包括所述分数的多个分数的合计分数:(i)相关联的第一多个通信,每个通信包括由所述代理提供的内容,或(ii)相关联的第二多个通信,每个通信包括由包括所述代理的多个代理提供的内容;
格式化合计分数消息以包括所述合计分数;以及
向所述至少一个设备实时发送所述合计分数消息,以使所述至少一个设备能立即访问所述合计分数。
4.如权利要求1所述的系统,其中,所述指令还使所述处理器:
格式化包括所述分数的消息,还包括使所述处理器格式化所述消息以包括所述分数和所述分数的量值的至少一个辅助标记的指令;以及
将所述消息实时发送到所述至少一个设备,以使所述至少一个设备能立即访问所述分数和所述分数的量值的辅助标记。
5.如权利要求1所述的系统,其中,所述分数包括作为所述内容的目标因素与观察的因素之间的差异的至少一个分数因素,并且包括针对以下中的一个或多个的值:从在情感关联方面不同的词语池的词语选择,从在情感关联面部表情方面不同的短语池的短语选择,从在情感关联方面不同的标点符号池的标点符号选择,从在情感关联、身体姿势、手势、副语言、眼睛凝视和包括该通信的消息传递定时方面不同的图形池的图形选择。
6.如权利要求1所述的系统,其中,使所述处理器格式化所述消息以包括所述分数的指令还包括使所述处理器格式化所述消息以包括所述分数的标记的指令。
7.如权利要求1所述的系统,其中,所述通信包括作为草稿在所述代理通信设备中维护的基于文本的通信消息,并且其中,使所述处理器发送所述消息的指令尚未执行。
8.如权利要求1所述的系统,其中:
所述代理包括从包括各自具有加权值的多个内容的数据存储设备中选择内容的自动代理,所述加权值部分地确定作为所述目标情感内容和包括所述多个内容中的每个内容的过去通信的观察到的情感内容之间的差异的过去分数;以及
其中,使所述处理器选择所述内容的指令还包括使所述处理器从所述多个内容中进行伪随机加权选择的指令。
9.如权利要求8所述的系统,其中,所述指令还包括使所述处理器更新过去分数以包括针对所选择的内容的分数的指令。
10.一种用于回应不合规动作的方法,包括:
监控分别由代理使用的代理通信设备和由客户使用的客户通信设备之间的通信的内容;
针对情感分析所述内容,以产生实际情感内容;
访问与所述通信相关联的预期情感内容;
产生作为目标情感内容与观察到的情感内容之间的差异的分数;
格式化消息以包括所述分数;以及
将所述消息实时发送到选自代理通信设备和管理通信设备中的至少一个设备,以使所述至少一个设备能够立即访问所述分数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/899,396 US20210392230A1 (en) | 2020-06-11 | 2020-06-11 | System and method for indicating and measuring responses in a multi-channel contact center |
US16/899,396 | 2020-06-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113810265A true CN113810265A (zh) | 2021-12-17 |
CN113810265B CN113810265B (zh) | 2023-04-28 |
Family
ID=78826175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110650836.6A Active CN113810265B (zh) | 2020-06-11 | 2021-06-11 | 用于消息插入和引导的系统和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20210392230A1 (zh) |
CN (1) | CN113810265B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11961031B2 (en) * | 2020-12-29 | 2024-04-16 | Nice Ltd. | System and method to gauge agent self-assessment effectiveness in a contact center |
US20220230116A1 (en) * | 2021-01-21 | 2022-07-21 | Mindtickle, Inc. | Automated scoring of call interactions |
EP4093005A1 (en) * | 2021-05-21 | 2022-11-23 | Cogito Corporation | System method and apparatus for combining words and behaviors |
US11870931B2 (en) * | 2021-07-28 | 2024-01-09 | Zoom Video Communications, Inc. | Automated call queue agent conversation item selection |
US20230259990A1 (en) * | 2022-02-14 | 2023-08-17 | State Farm Mutual Automobile Insurance Company | Hybrid Machine Learning and Natural Language Processing Analysis for Customized Interactions |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101030368A (zh) * | 2006-03-03 | 2007-09-05 | 国际商业机器公司 | 在保持情感的同时跨通道进行通信的方法和系统 |
US20140140497A1 (en) * | 2012-11-21 | 2014-05-22 | Castel Communications Llc | Real-time call center call monitoring and analysis |
US20150195406A1 (en) * | 2014-01-08 | 2015-07-09 | Callminer, Inc. | Real-time conversational analytics facility |
CN108733838A (zh) * | 2018-05-29 | 2018-11-02 | 东北电力大学 | 基于多极情感分析的用户行为预测系统及其方法 |
CN110121706A (zh) * | 2017-10-13 | 2019-08-13 | 微软技术许可有限责任公司 | 提供会话中的响应 |
CN110784334A (zh) * | 2018-07-24 | 2020-02-11 | 阿瓦亚公司 | 用于自我分配资源的系统 |
CN111133724A (zh) * | 2017-09-25 | 2020-05-08 | 微软技术许可有限责任公司 | 会话调度助理计算系统中的自然语言处理和分析 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9848082B1 (en) * | 2016-03-28 | 2017-12-19 | Noble Systems Corporation | Agent assisting system for processing customer enquiries in a contact center |
US10044865B2 (en) * | 2016-06-02 | 2018-08-07 | Interactive Intelligence Group, Inc. | Technologies for monitoring interaction between customers and agents using sentiment detection |
-
2020
- 2020-06-11 US US16/899,396 patent/US20210392230A1/en not_active Abandoned
-
2021
- 2021-06-11 CN CN202110650836.6A patent/CN113810265B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101030368A (zh) * | 2006-03-03 | 2007-09-05 | 国际商业机器公司 | 在保持情感的同时跨通道进行通信的方法和系统 |
US20140140497A1 (en) * | 2012-11-21 | 2014-05-22 | Castel Communications Llc | Real-time call center call monitoring and analysis |
US20150195406A1 (en) * | 2014-01-08 | 2015-07-09 | Callminer, Inc. | Real-time conversational analytics facility |
CN111133724A (zh) * | 2017-09-25 | 2020-05-08 | 微软技术许可有限责任公司 | 会话调度助理计算系统中的自然语言处理和分析 |
CN110121706A (zh) * | 2017-10-13 | 2019-08-13 | 微软技术许可有限责任公司 | 提供会话中的响应 |
CN108733838A (zh) * | 2018-05-29 | 2018-11-02 | 东北电力大学 | 基于多极情感分析的用户行为预测系统及其方法 |
CN110784334A (zh) * | 2018-07-24 | 2020-02-11 | 阿瓦亚公司 | 用于自我分配资源的系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113810265B (zh) | 2023-04-28 |
US20210392230A1 (en) | 2021-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113810265B (zh) | 用于消息插入和引导的系统和方法 | |
AU2020201883B2 (en) | Call center system having reduced communication latency | |
US11494566B2 (en) | Systems and methods for adaptive emotion based automated emails and/or chat replies | |
EP3453160B1 (en) | System and method for managing and transitioning automated chat conversations | |
US10447856B2 (en) | Computer-implemented system and method for facilitating interactions via automatic agent responses | |
US9525776B2 (en) | System and method for managing enterprise communications | |
US10572599B2 (en) | Contextual fit determination for proposed messages | |
US20160189558A1 (en) | Learning Based on Simulations of Interactions of a Customer Contact Center | |
IL310740B1 (en) | A system and method for emotion modeling and an application for determining optimal agent action | |
JP2022547470A (ja) | ボット通信を容易にするシステム及び方法 | |
US20140362984A1 (en) | Systems and methods for analyzing coaching comments | |
US11264012B2 (en) | Network topology determination and configuration from aggregated sentiment indicators | |
US20150134404A1 (en) | Weighted promoter score analytics system and methods | |
JP7358621B2 (ja) | 対話勧誘を管理するためのシステムおよび方法 | |
US20200192981A1 (en) | Indicating sentiment of users participating in a chat session | |
US20230056573A1 (en) | Adaptive cloud conversation ecosystem | |
US20230388422A1 (en) | Determination and display of estimated hold durations for calls | |
US20220366427A1 (en) | Systems and methods relating to artificial intelligence long-tail growth through gig customer service leverage | |
US11595526B2 (en) | Systems and methods of contact center client assignment leveraging quantum computation | |
US20210407527A1 (en) | Optimizing interaction results using ai-guided manipulated video | |
US11765274B2 (en) | Determination and display of estimated hold durations for calls | |
KR20190058257A (ko) | 챗봇 트레이너 플랫폼 및 그 운영 방법 | |
US11776546B1 (en) | Intelligent agent for interactive service environments | |
US20230388419A1 (en) | System and method for an adaptive cloud conversation platform | |
US8953773B2 (en) | Incorporating interactive voice response functions into a work assignment engine script |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |