CN114372644A - 排班方法、装置、电子设备及计算机可读存储介质 - Google Patents

Abstract

本发明实施例提供的排班方法、装置、电子设备及计算机可读存储介质，方法包括：获得客服坐席总数、话务呼入总量以及多个服务时段；将客服坐席总数、话务呼入总量以及多个服务时段输入到预设的排班方案生成模型中，得到多种候选排班方案；利用预生成的话务接通率查找表和排班方案生成模型，对多种候选排班方案进行优化，直到满足预设优化条件后，将话务接通率最高的候选排班方案确定为目标排班方案，本发明可以直观对比各种排班方案的优劣，并且能够快速得到话务接通率较高的排班方案，通过查表方式得到每种排班方案的话务接通率，大大降低了耗时，提高了排班方法的性能。

Description

排班方法、装置、电子设备及计算机可读存储介质

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种排班方法、装置、电子设备及计算机可读存储介质。

背景技术

在互联网服务行业，拥有呼叫中心或者企业客服，可以为客户提供非常优质的售前以及售后服务。一般来说，服务提供中心往往仅有几十至上百名坐席人员，但随着互联网服务业务的不断升级扩展，服务提供中心要处理的呼入量越来越多，因此坐席人员的排班的重要性对于互联网服务质量而言变得尤其重要。

传统的客服坐席的排班方式主要有人工排班和利用优化算法自动排班，人工排班的方式效率低、耗时长，很难系统性评估一个排班方案的优劣，利用优化算法自动排班的方式常常面临排班组合爆炸问题，复杂度较高而且降低了排班效率，还可能最终无法确定最佳的排班方案。

发明内容

本发明的目的之一在于提供一种排班方法、装置、电子设备及可读存储介质，用以解决在获得最佳的排班方案的同时，还能够降低计算复杂度，提高排班效率和系统性能。

本发明的实施例可以这样实现：

第一方面，本发明提供一种排班方法，所述方法包括：获得客服坐席总数、话务呼入总量以及多个服务时段；将所述客服坐席总数、所述话务呼入总量以及所述多个服务时段输入到预设的排班方案生成模型中，得到多种候选排班方案；其中，每种排班方案包含所述多个服务时段以及每个服务时段对应的客服坐席量；开始迭代，利用预生成的话务接通率查找表和所述排班方案生成模型，对所述多种候选排班方案进行优化；进行多轮迭代，直到满足预设优化条件后，将话务接通率最高的候选排班方案确定为目标排班方案。

第二方面，本发明提供一种排班装置，包括：获取模块，用于获得客服坐席总数、话务呼入总量以及多个服务时段；生成模块，用于将所述客服坐席总数、所述话务呼入总量以及所述多个服务时段输入到预设的排班方案生成模型中，得到多种候选排班方案；其中，每种排班方案包含所述多个服务时段以及每个服务时段对应的客服坐席量；优化模块，用于利用预生成的话务接通率查找表和所述排班方案生成模型，对所述多种候选排班方案进行优化；直到满足预设优化条件后，将话务接通率最高的候选排班方案确定为目标排班方案。

第三方面，本发明提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序以实现第一方面所述的方法。

第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法。

本发明实施例提供的排班方法、装置、电子设备及计算机可读存储介质，方法包括：首先获得客服坐席总数、话务呼入总量以及多个服务时段，然后利用排班方案生成模型生成多个候选排班方案，再利用排班方案生成模型，结合利用预生成的话务接通率查找表，对这多种排班方案进行优化，最后将话务接通率最高的候选排班方案作为目标排班方案，本发明提供的排班方法可以直观对比各种排班方案的优劣，并且能够快速得到话务接通率较高的排班方案，而且可以直接通过查表方式得到每种排班方案的话务接通率，这在候选排班方案数量较大、优化次数较多的情况下，大大降低了优化所需的耗时，提高了排班方法的性能。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提供的一种应用场景示意图；

图2为本发明实施例提供的电子设备的结构示意图；

图3为本发明实施例提供的排班方法的示意性流程图；

图4为本发明实施例提供的步骤S307的一种实施方式的示意性流程；

图5为本发明实施例提供的另一种排班方法的示意性流程图；

图6为本发明实施例提供的步骤S306的一种实施方式的示意性流程；

图7为本发明实施例提供的每个时刻对应的话务呼入概率的分布图；

图8为本发明实施例提供的每个重复呼入间隔时长对应的话务呼入时刻概率分布图；

图9为本发明实施例提供的步骤S307-2的一种示意性流程图；

图10为本发明实施例提供的排班装置400的功能模块图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。

首先对本发明实施例中涉及的相关术语进行解释。

服务时段：也可以称作班次，指得是服务起始时刻到服务结束时刻之间的时间段，即上下班时间段，例如08:00上班17:00下班，那么08:00--17:00就是一个服务时段或者一个班次。

客服坐席：指负责某项业务的客服人员。

话务呼入量：指某个时段内不同的用户首次呼入的数量，也可以理解为去重呼入量。

排班：指给某个服务时段指定一定数量的客服坐席，也可以理解为某个班次对应的坐席需求量，例如有一个班次是08:00--17:00，给这个班次安排10个坐席。

排班方案：指得是n个指定了坐席量的班次的集合，例如[[08:00--17:00, 10],[09:00-18:00, 10],...]。

请参见图1，图1为本发明实施例提供的一种应用场景示意图，其中包括终端10,呼叫中心20以及客服坐席30，其中，终端10可以但不限于是智能手机、座机等。

目前，各种互联网服务平台都存在销售类和服务类业务，需要为顾客提供非常优质的售前和售后服务，顾客可以通过终端10向互联网服务平台的呼叫中心20拨打电话，呼叫中心20接收到来电之后为该顾客匹配客服坐席30，通过客服坐席为该顾客提供电话服务，因此，呼叫中心20每天会接到大量顾客产生的话务呼入量。

以金融服务平台为例，空闲时的话务呼入量为每天2000个呼入至3000个呼入，繁忙时的话务呼入量为每天10000多个呼入，然而呼叫中心20仅有几十至上百名客服坐席30，很难应对巨大的话务呼入流量，因此会出现接通率较低的问题，影响售前和售后服务质量，因此，如何在服务时段进行排班以使当天接通率最高是需要解决的问题。

目前现有的两种排班方式分别为人工经验排班和利用优化算法自动排班，针对人工经验排班，很难系统性评估一个排班方案的优劣，比如无法量化如果给某个时间段增加一个坐席能使该时间段接通率提升多少，也难以找到最优解，人工经验没法在庞大解集中搜索，只能给出一个合乎直觉的解决方案，无法适应日益增长的话务呼入量；针对利用优化算法自动排班方式主要有：分枝界限方法，该方法把问题的可行解展开如树的分枝，再经由各个分枝中寻找最佳解，该方法会面临组合爆炸问题，性能较差；模拟退火方法，该方法是基于Monte-Carlo迭代求解策略的一种随机寻优算法，它容易陷入局部最优；遗传算法，模拟生物遗传特性，通过物竞天择的思想寻找最优解，适应度计算会成为该算法的瓶颈。

也就是说，上述两种排班方式均无法确定最佳的排班方案，并且申请人经过深入的分析和研究，发现若要实现在具体的业务场景中实现自动化排班的效果，必然会涉及两个环节：第一必须能够计算排班方案的接通率，第二得有一种优化算法不断搜索接通率更高的排班方案并迭代出最优解。这两个环节包含了以下两个难点：

一、接通率计算困难。如前首先我们必须知道如何计算某个排班方案的接通率，然而接通率没有显示表达，因为话务咨询业务是一个随机过程，存在随机变量：

（1）去重呼入时刻。通过对历史话务数据进行统计虽然可以统计出重呼入时点的概率分布，但并不能不知道当天或者未来这些去重呼入到底什么时刻呼入。

（2）话务呼入总量。通过对历史话务数据进行统计可以预测出当天或者未来的去重话务呼入总量，但是某个用户会在当天重复拨打，本次拨打是否被成功接通还会影响下次重复拨打的概率 。

（3）重复呼入间隔时长。重复呼入间隔时长会影响后续各时间段呼入量的变化。

（4）坐席服务时长。一个坐席一次只能服务一次话务呼入，服务时长的变化直接影响当前时段接通成功率的高低。

以上这些随机变量相互影响，而且有些会随着时间的变化而变化，造成在给定排班方案和去重呼入量的情况下，很难计算出接通率。

二、优化算法性能较低。现有优化算法在搜索最优的排班方案时，往往会有一个步骤：计算排班方案候选集合中每个方案的接通率，如果这个集合数量很大时会导致优化算法迭代耗时很长。

为了解决上述技术问题，首先，本发明实施例首先提供了一种电子设备200，请参见图2，图2为本发明实施例提供的电子设备的结构示意图。

电子设备200包括存储器201、处理器202和通信接口203，该存储器201、处理器202和通信接口203相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。

存储器201可用于存储软件程序及模块，如本发明实施例提供排班装置400对应的程序指令/模块，可以软件或固件（firmware）的形式存储于存储器201中或固化在电子设备200的操作系统（operating system，OS）中，处理器202通过执行存储在存储器201内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口203可用于与其他节点设备进行信令或数据的通信。

其中，存储器201可以是但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。

处理器202可以是一种集成电路芯片，具有信号处理能力。该处理器202可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

可以理解，图2所示的结构仅为示意，电子设备200还可以包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。

下面以上述电子设备200执行本发明实施例提供的为例，介绍本发明实施例提供的文件写入方法，请参见图3，图3为本发明实施例提供的排班方法的示意性流程图，该方法可以包括：

S301，获得客服坐席总数、话务呼入总量以及多个服务时段。

S304，将客服坐席总数、话务呼入总量以及多个服务时段输入到预设的排班方案生成模型中，得到多种候选排班方案；

其中，每种排班方案包含多个服务时段以及每个服务时段对应的客服坐席量。

S307，利用预生成的话务接通率查找表和排班方案生成模型，对多种候选排班方案进行优化，直到满足预设优化条件后，将话务接通率最高的候选排班方案确定为目标排班方案。

根据本发明实施例提供的排班方法，首先获得客服坐席总数、话务呼入总量以及多个服务时段，然后利用排班方案生成模型生成多个候选排班方案，再利用排班方案生成模型，结合预生成的话务接通率查找表，对这多种排班方案进行优化，最后将话务接通率最高的候选排班方案作为目标排班方案，本发明提供的排班方法可以直观对比各种排班方案的优劣，并且能够快速得到话务接通率较高的排班方案，而且可以直接通过查表方式得到每种排班方案的话务接通率，这在候选排班方案数量较大、优化次数较多的情况下，大大降低了优化所需的耗时，提高了排班方法的性能。

下面将对上述各个步骤进行示例性解释和说明。

在步骤S301中，获得客服坐席总数、话务呼入总量以及多个服务时段。

可以理解的是，步骤S301获得的客服坐席总数、话务呼入总量以及各个服务时段即为实际的业务配置条件，例如，给定某天的三个服务时段：分别为8:00-16:00、16:00-24:00、0:00-8:00；当天可用的客服坐席数量：50人；当天的话务呼入总量：2000个被不同客户呼入的电话，获得上述业务配置条件之后，接下来就是要找到一种把50个客服坐席分配到上述三个服务时段里的排班方案，也就是该排班方案能使当天整体话务接通率达到最高。

可以理解的是，上述获得的客服坐席总数、多个服务时段可以根据实际情况自定义，服务时段可以按照不同的时间间隔将一天24小时进行划分，例如时间间隔为8小时，或者，时间间隔为15分钟，此处也不作限定，话务呼入总量可以根据历史话务数据确定，本发明实施例将在后续介绍生成业务模拟模型的内容进行介绍。

在步骤S304，将客服坐席总数、话务呼入总量以及多个服务时段输入到预设的排班方案生成模型中，得到多种候选排班方案。

其中，上述预设的排班方案生成模型是改进后的遗传算法模型，遗传算法（Genetic Algorithm,GA）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。

本实施例中，该遗传算法模型具有各种预先定义的模型参数，包括：种群大小、个体编码解码方式、染色体长度、迭代次数、交叉阈值和变异阈值，其中，种群大小即本发明实施例中生成的候选排班方案的个数，个体指的是本发明实施例中的生成的候选排班方案，这些模型参数均是现有的遗传算法所具备的参数,此处不再赘述。

示例性的，将客服坐席总数、话务呼入总量以及多个服务时段输入到预设的排班方案生成模型中，即可生成多种候选排班方案，例如，其中一种候选排班方案形如[5，4，5]，它表示3个服务时段，第一个服务时段有5个客服坐席、第二服务时段有4个客服坐席、第三个服务时段有5个客服坐席，这里服务时段的时间信息隐去不表示，假设排班方案生成模型可以随机生成50个这样的候选排班方案，那么这些候选排班方案被称为个体，这50个个体构成的集合就称为种群。

本发明实施例基于改进的遗传算法模型对排班方案进行搜索，通过不断迭代，能够自动在解空间中搜索最优解，与人工排班方案相比较，能取得更高的话务接通率，以此实现自动排班的效果。

在步骤S307中，利用预生成的话务接通率查找表和排班方案生成模型，对多种候选排班方案进行优化，直到满足预设优化条件后，将话务接通率最高的候选排班方案确定为目标排班方案。

其中，本发明实施例中的话务接通率相当于遗传算法模型中的适应度，即用来度量某种候选排班方案对于业务配置条件的适应程度，上述的话务接通率查找表可以如表1所示。

表1

从表1中可以看出，话务接通率查找表中具有多个时间段，这些时间段均是对一天24小时进行拆分所得到的时间段，例如15分钟为一个时段，这样就有t个时间段，每个时间段有m个客服坐席量和n个话务呼入量，这样就有t*m*n个组合模式。对这t*m*n个组合模式分别计算话务接通率，获得的结果即可生成该话务接通率查找表。此外，该表还包含了某个时段对后续若干时段的影响，即话务量影响因子，话务量影响因子表征对后续若干增加了多少话务重复呼入。

可以理解的是，当种群数量很大时，计算所有候选排班方案的话务接通率会非常耗时。为提升性能，本发明实施例改进了利用遗传算法模型话务接通率的方式，即先将重复计算结果保存下来，生成话务接通率查找表，后续通过查表方式直接得到接通率，使得性能大幅度提升，经统计，相较于原始遗传算法模型，本发明实施例中的遗传算法模型的性能提升超过200倍。

其中，上述的话务接通率查找表是根据多个服务时段各自对应的最大客服坐席量和最大话务呼入量以及预生成的业务模拟模型生成的，该业务模拟模型是结合历史话务数据和历史客服坐席服务数据得到的。

在一种可能的实施方式中，上述步骤S307的实施方式可以参见图4，图4为本发明实施例提供的步骤S307的一种实施方式的示意性流程图：步骤S307可以具有以下几个步骤：

S307-1，根据排班方案生成模型，对多种候选排班方案进行多轮迭代。

S307-2，在任意一轮迭代过程中，利用预生成的话务接通率查找表，确定多种候选排班方案各自对应的话务接通率；

S307-3,根据多种候选排班方案各自对应的话务接通率，确定每种候选排班方案的权重。

在本发明实施例中，话务接通率越高的候选排班方案被选中的权重越大，保证每次选择后，话务接通率高的候选排班方案数量增加，话务接通率低的候选排班方案数量减少。

S307-4,根据每种候选排班方案的权重，从多种候选排班方案中进行采样，将采样得到的候选排班方案进行优化。

在对被选中的候选排班方案进行优化的过程中，可以用交叉和变异的方式生成新的候选排班方案，这一步骤可以用来跳出局部最优。

S307-5，当在任意一轮迭代过程确定满足预设优化条件，则停止所迭代过程，并将话务接通率最高的候选排班方案确定为目标排班方案，否则返回执行S307-2。

通过上述实施方式可知，在获得每种候选排班方案对应的话务接通率之后，基于话务接通率的大小，可以对多种候选排班方案进行优化，根据每个候选排班方案的话务接通率大小选择候选排班方案，使得适应度高的排班方案更有可能被选中，然后进行组合交叉和变异，产生出代表新的解集的种群，这个过程将导致种群像自然进化一样使得后代种群比前代更加适应于上述业务配置条件，从而得到最优候选排班方案。

可选地，在一种可能的实施方式中，上述预设优化条件可以为迭代次数达到预设迭代次数，还可以是话务接通率达到预设话务接通率，即当确定优化次数达到预设次数或者当确定优化后的话务接通率达到预设话务接通率，则将话务接通率最高的候选排班方案确定为目标排班方案。

可选地，本发明实施例中的话务接通率查找表可以预先生成，这表明话务接通率中的时段是固定的，但在实际场景中，业务配置条件中的服务时段与话务接通率查找表中时段可能不一致，那么在后续查表过程中无法成功匹配，因此，需要重新生成与该服务时段匹配的话务接通率，下面还给出一种可能的实施方式，请参见图5，图5为本发明实施例提供的另一种排班方法的示意性流程，该方法还包括：

S305，确定多个服务时段与话务接通率查找表中的时段是否一致。

若一致，则执行S307；若不一致，则执行S306。

S306，根据多个服务时段各自对应的最大客服坐席量和最大话务呼入量以及预生成的业务模拟模型，生成话务接通率查找表。

其中，每个服务时段对应的最大客服坐席量和最大话务呼入量可以预先定义，也可以根据历史话务数据进行确定，本发明实施例将在后续介绍生成业务模拟模型的内容进行介绍。

在一种可能的实施方式中，为了实现生成话务接通率查找表的效果，请参见图6，图6为本发明实施例提供的步骤S306的一种示意性流程图，上述步骤S306可以包括以下步骤：

S306-1,根据预设的每个服务时段对应的最大客服坐席量和最大话务呼入量，确定每个服务时段对应的客服坐席量和话务呼入量的多种组合模式。

S306-2,针对每个服务时段，根据预生成的业务模拟模型，计算每种组合模式的话务接通率以及话务量影响因子。

可以理解，假设某个服务时段对应的最大客服坐席量和最大话务呼入量分别为m和n，则该服务时段则对应有m*n种组合模式，通过业务模拟模型可以得到这m*n种组合模式各自的话务接通率。

其中，上述的话务量影响因子表征当前时段的话务量对未来若干时段造成的话务增加量的影响，即未来时段分别会增加多少个重复呼入。

S306-3,根据每个服务时段、每个服务时段的多种组合模式以及每种组合模式的话务接通率以及话务量影响因子，生成话务接通率查找表。

可以理解的是，当需要计算某个候选排班方案对应的话务接通率时，只需要调用上述话务接通率查找表，针对某个候选排班方案，如果话务接通率查找表中存在与某个服务时段所对应的客服坐席量和话务呼入量一致的组合模式，就可以确定该服务时段接通率，获得每个服务时段对应的接通率之后，即可得到该候选排班方案对应的话务接通率，则可以执行步骤S306-1至步骤S306-3生成话务接通率查找表，这样就可以快速、准确的得到该候选排班方案的话务接通率。可选地，为了实现生成业务模拟模型的效果，本发明实施例还给出了一种可能的实施方式，即业务模拟模型可以按照如下步骤生成：

c1，获得目标统计周期内的历史话务数据和历史客服坐席服务数据。

其中，目标统计周期可以按照实际的业务繁忙程度来定义，目标统计周期可以有多个，每个目标统计周期内的业务繁忙程度不同，例如，可以在业务繁忙时期、业务正常时期、业务清闲时期各统计一周的历史话务数据，这样一来可以获得全面的历史话务数据，使得业务模拟模型与实际业务场景更加贴切，保证后续话务接通率的准确性和可信度。

在可能的实施方式中，上述的历史话务数据可以包括每天每个时刻对应的话务呼入量、重复呼入的时间间隔、每个重复呼入时间间隔发生的次数，历史客服坐席服务数据可以包括每个客服坐席的服务时长、服务时间段。

c2,根据历史话务数据，确定话务呼入时刻概率分布和重复呼入间隔时长概率分布。

请参见图7，图7为本发明实施例提供的每个时刻对应的话务呼入时刻概率的分布图，从图7中可以看出，从第0分钟（即0：00）开始，依次可以确定每个时刻对应的话务呼入概率。

请参见图8，图8为本发明实施例提供的重复呼入间隔时长概率分布图，重复呼入可以理解为客户再次呼入，从图7中可以看出，横坐标为重复呼入间隔时长，例如间隔2.5分钟，间隔20分钟重复呼入，依据图8所示的概率分布图可以确定重复呼入间隔时长的概率。

在一种可能的实施方式中，在获得每个时刻对应的话务呼入概率之后，可以确定某天具体的各话务呼入时刻，例如，根据话务呼入时刻概率分布和去重呼入量进行抽样，得到当天这些呼入量具体都在什么时刻呼入。

应理解，基于历史话务数据统计来看，假设每天10点都有2个话务呼入，并不能说明天一定有话务呼入，但是可以基于获得的每个时刻对应的话务呼入概率进行抽样，比如抽样20次，全部抽样结果的平均值逼近真实值，则可以将全部抽样结果的平均值作为话务呼入预测量，保证了结果的可信度。

c3,根据历史客服坐席服务数据，确定客服坐席服务时长概率分布。

c4,根据话务呼入概率分布、重复呼入概率、重复呼入间隔时长概率分布、客服坐席服务时长概率分布，生成业务模拟模型。

结合生成的业务模拟模型，针对上述步骤S303-2中利用业务模拟模型计算每种组合模式的话务接通率，本发明实施例还给出了一种可能的实施方式：

首先定义一些类：比如时间轴、时间刻度、坐席、客户等；然后根据去重呼入样本给时间轴上的刻度添加去重呼入，扫描时间轴上的刻度，根据排班方案得到该时刻坐席池中的坐席信息，如果当前时刻有呼入并且有空闲坐席则记录该呼入接通成功，并根据坐席服务时长更改该坐席状态，如果当前没有空闲坐席则记录该呼入接通失败，同时根据重复拨打概率确定是否重复拨打，并根据重复拨打间隔时长更新时间轴。扫描完时间轴后会有各个时间段和总的接通率等统计数据。对上述步骤进行多次重复，以保证采样的多样性，并对多个接通率求平均从而形成稳定的接通率结果。

可以理解的是，通过对历史话务数据进行统计分析，可以获得用来预测话务呼入预测量需要的概率分布，然后通过赋权采样的方式生成例如呼入时间点、再次拨打时长间隔、服务时长等数据，并通过多次采样生成不同批的实验数据，这样就保证了模拟过程中的数据多样性从而增加结果的稳定性，使得模拟结果更接近于真实场景。

本发明实施例中，通过模拟业务的方法使话务接通率可以自动计算，可基于它测试各种不同排班方案的接通率，直观地比较各种排班方案的效果，例如，如表2所示，从而实现直观地比较各种排班方案的效果。

表2

08:00--08:15上班坐席数量	08:00--08:15时段接通率
		2	0.57
3	0.84
		4	0.92
5	0.98

可选地，结合上述表1以及上述生成话务接通率查找表的生成方式，本发明实施例还给出一种确定每个候选排班方案的话务接通率的实施方式，请，上述步骤S307-2可以如图9所示，图9为本发明实施例提供的步骤S307-2的一种示意性流程图：

S307-2-1，获得多个服务时段各自对应的话务呼入预测量。

可以理解的是，每个时间段对应的话务预测量为该时段去重话务呼入量加上该时段对应的话务量影响因子。

S307-2-2，针对每种候选排班方案，将每个服务时段各自对应的客服坐席量以及话务呼入预测量，与话务接通率查找表中的每个服务时段对应的多种组合模型进行匹配。

例如，假设某个候选排班方案存在服务时段为t1，t2,针对t1，假设客服坐席量为m’,话务呼入预测量为n’，将m1和n1与话务接通率查找表中t1对应的m*n种组合模式进行匹配，假设存在一个组合模式中的mi与m’一致，ni和n’一致，则将mi和ni对应的话务接通率作为服务时段t1对应的话务接通率，紧接着，将t2对应的客服坐席量以及话务呼入预测量，与话务接通率查找表中t2对应的m*n种组合模式进行匹配，直到获得t2对应的话务接通率，最后根据t1和t2各自的话务接通率，得到该候选排班方案的话务接通率。

S307-2-3，当存在与每个服务时段对应的客服坐席量以及话务呼入预测量一致的组合模式，则根据组合模型对应的话务接通率，确定每种候选排班方案对应的话务接通率。

为了方便理解步骤S307-2和S307-3，结合表1举个例子：

假设存在两个服务时段，即表1中的8:00-8：15和8:15-8:30，某个候选排班方案形如[1,3]，即8:00-8：15时段有1个客服坐席量，8:15-8:30时段有3个客服坐席量，通过步骤，假设获得8:00-8：15的话务呼入为2，话务量影响因子为1，则8:00-8：15的话务呼入预测量为3，那么 8:00-8：15：1个客服坐席量，3个话务呼入预测量；以此类推，8:15-8：30：3个客服坐席量，假设有3个话务呼入量，则8:15-8：30对应3个话务呼入量，包括2个去重呼入量和0个受之前时段影响的话务增加量。

结合上述表1，针对服务时段8:00-8：15，在8:00-8：15对应的9中组合模式中，存在客服坐席量为1，话务呼入量为2的组合模式，该组合模式与8:00-8：15：1个客服坐席量，2个话务呼入预测量一致，因此，可以得到8:00-8：15对应的话务接通率为100%；紧接着，针对服务时段8:15-8：30，在8:15-8：30对应的9中组合模式中，存在客服坐席量为3，话务呼入量为3的组合模式，该组合模式与8:15-8：30：3个客服坐席量，3个话务呼入预测量一致，因此，可以得到8:15-8：30对应的话务接通率为90%，最终，针对候选排班方案[1，3]，话务接通率为(1+0.9)/2=95%。以此类推，可以获得每种候选排班方案对应的话务接通率。

通过上述查表的方式，可以快速确定每个候选排班方案的话务接通率，提高了系统性能。

基于与上述文件写入方法相同的发明构思，本发明实施例还提供了一种排班装置400，请参见图10，图10为本发明实施例提供的排班装置400的功能模块图，包括：

获取模块410，用于获得客服坐席总数、话务呼入总量以及多个服务时段；

生成模块420，用于将客服坐席总数、话务呼入总量以及多个服务时段输入到预设的排班方案生成模型中，得到多种候选排班方案；其中，每种排班方案包含多个服务时段以及每个服务时段对应的客服坐席量；

优化模块430，用于利用预生成的话务接通率查找表和排班方案生成模型，对多种候选排班方案进行优化，直到满足预设优化条件后，将话务接通率最高的候选排班方案确定为目标排班方案。

可选地，优化模块430，具体用于在任意一轮迭代过程中，利用预生成的话务接通率查找表，确定所述多种候选排班方案各自对应的话务接通率；根据所述多种候选排班方案各自对应的话务接通率，确定每种候选排班方案被选中的权重；根据每种候选排班方案被选中的权重，从所述多种候选排班方案中进行采样，将采样得到的候选排班方案进行优化；当在任意一轮迭代过程中确定满足预设优化条件，则停止迭代过程，并将话务接通率最高的候选排班方案确定为目标排班方案，否则返回执行根据所述排班方案生成模型，对所述多种候选排班方案进行多轮迭代的步骤。

可选地，排班装置400还包括确定模块，用于确定所述多个服务时段与所述话务接通率查找表中的时段是否一致；若一致，则优化模块430，具体用于：利用预生成的话务接通率查找表，所述排班方案生成模型，对所述多种候选排班方案进行优化，直到满足预设优化条件后，将话务接通率最高的候选排班方案确定为目标排班方案；若不一致，生成模块420，用于根据所述多个服务时段各自对应的最大客服坐席量和最大话务呼入量以及预生成的业务模拟模型，生成所述话务接通率查找表。

可选地，生成模块420，具体用于根据预设的每个服务时段对应的最大客服坐席量和最大话务呼入量，确定每个服务时段对应的客服坐席量和话务呼入量的多种组合模式；针对每个服务时段，根据预生成的业务模拟模型，计算每种组合模式的话务接通率以及话务量影响因子；根据每个服务时段、所述每个服务时段的多种组合模式、每种组合模式的话务接通率以及话务量影响因子，生成所述话务接通率查找表。

可选地，生成模块420，还用于获得目标统计周期内的历史话务数据和历史客服坐席服务数据；根据所述历史话务数据，确定话务呼入时刻概率分布、重复呼入概率以及重复呼入间隔时长概率分布；根据所述历史客服坐席服务数据，确定客服坐席的服务时长概率分布；根据所述话务呼入时刻概率分布、重复呼入概率、重复呼入间隔时长概率分布以及客服坐席服务时长概率分布，生成所述业务模拟模型。

可选地，优化模块430，具体还用于获得所述多个服务时段各自对应的话务呼入预测量，即每个时段去重呼入量加上之前若干时段对当前时段的影响；针对每种候选排班方案，将所述每个服务时段各自对应的客服坐席量以及话务呼入预测量，与所述话务接通率查找表中的所述每个服务时段对应的多种组合模型进行匹配；当存在与所述每个服务时段对应的客服坐席量以及话务呼入预测量一致的组合模式，则根据所述组合模型对应的话务接通率，确定每种候选排班方案对应的话务接通率。

可选地，优化模块430，具体还用于当确定优化次数达到预设次数或者当确定优化后的话务接通率达到预设话务接通率，则将话务接通率最高的候选排班方案确定为目标排班方案。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前述实施方式中任一项的排班方法。该计算机可读存储介质可以是，但不限于，U盘、移动硬盘、ROM、RAM、PROM、EPROM、EEPROM、磁碟或者光盘等各种可以存储程序代码的介质。

应该理解到，在本发明所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

Claims (10)

1.一种排班方法，其特征在于，所述方法包括：

获得客服坐席总数、话务呼入总量以及多个服务时段；

将所述客服坐席总数、所述话务呼入总量以及所述多个服务时段输入到预设的排班方案生成模型中，得到多种候选排班方案；其中，每种排班方案包含所述多个服务时段以及每个服务时段对应的客服坐席量；

利用预生成的话务接通率查找表和所述排班方案生成模型，对所述多种候选排班方案进行优化，直到满足预设优化条件后，将话务接通率最高的候选排班方案确定为目标排班方案。

2.根据权利要求1所述的排班方法，其特征在于，利用预生成的话务接通率查找表和所述排班方案生成模型，对所述多种候选排班方案进行优化，直到满足预设优化条件后，将话务接通率最高的候选排班方案确定为目标排班方案，包括：

根据所述排班方案生成模型，对所述多种候选排班方案进行多轮迭代；

在任意一轮迭代过程中，利用预生成的话务接通率查找表，确定所述多种候选排班方案各自对应的话务接通率；

根据所述多种候选排班方案各自对应的话务接通率，确定每种候选排班方案的权重；

根据每种候选排班方案的权重，从所述多种候选排班方案中进行采样，将采样得到的候选排班方案进行优化；

当在任意一轮迭代过程中确定满足预设优化条件，则停止迭代过程，并将话务接通率最高的候选排班方案确定为目标排班方案，否则返回执行在任意一轮迭代过程中，利用预生成的话务接通率查找表，确定所述多种候选排班方案各自对应的话务接通率的步骤。

3.根据权利要求1或2所述的排班方法，其特征在于，在利用预生成的话务接通率查找表和所述排班方案生成模型，对所述多种候选排班方案进行优化，直到满足预设优化条件后，将话务接通率最高的候选排班方案确定为目标排班方案之前,所述方法还包括：

确定所述多个服务时段与所述话务接通率查找表中的时段是否一致；

若一致，则执行利用预生成的话务接通率查找表和所述排班方案生成模型，对所述多种候选排班方案进行优化，直到满足预设优化条件后，将话务接通率最高的候选排班方案确定为目标排班方案的步骤；

若不一致，则根据所述多个服务时段各自对应的最大客服坐席量和最大话务呼入量以及预生成的业务模拟模型，生成所述话务接通率查找表。

4.根据权利要求3所述的排班方法，其特征在于，根据所述多个服务时段各自对应的最大客服坐席量和最大话务呼入量以及预生成的业务模拟模型，生成所述话务接通率查找表，包括：

根据预设的每个服务时段对应的最大客服坐席量和最大话务呼入量，确定每个服务时段对应的客服坐席量和话务呼入量的多种组合模式；

针对每个服务时段，根据预生成的业务模拟模型，计算每种组合模式的话务接通率以及话务量影响因子；

根据每个服务时段、所述每个服务时段的多种组合模式、每种组合模式的话务接通率以及话务量影响因子，生成所述话务接通率查找表。

5.根据权利要求3所述的排班方法，其特征在于，所述业务模拟模型是通过以下方式生成的：

获得目标统计周期内的历史话务数据和历史客服坐席服务数据；

根据所述历史话务数据，确定话务呼入时刻概率分布、重复呼入概率以及重复呼入间隔时长概率分布；

根据所述历史客服坐席服务数据，确定客服坐席的服务时长概率分布；

根据所述话务呼入时刻概率分布、重复呼入概率、重复呼入间隔时长概率分布以及客服坐席服务时长概率分布，生成所述业务模拟模型。

6.根据权利要求4所述的方法，其特征在于，在任意一轮迭代过程中，利用预生成的话务接通率查找表，确定所述多种候选排班方案各自对应的话务接通率，包括：

获得所述多个服务时段各自对应的话务呼入预测量；

针对每种候选排班方案，将所述每个服务时段各自对应的客服坐席量以及话务呼入预测量，与所述话务接通率查找表中的所述每个服务时段对应的多种组合模型进行匹配；

当存在与所述每个服务时段对应的客服坐席量以及话务呼入预测量一致的组合模式，则根据所述组合模型对应的话务接通率，确定每种候选排班方案对应的话务接通率。

7.根据权利要求2所述的排班方法，其特征在于，当满足预设优化条件，将话务接通率最高的候选排班方案确定为目标排班方案，包括：

当确定优化次数达到预设次数或者当确定优化后的话务接通率达到预设话务接通率，则将话务接通率最高的候选排班方案确定为目标排班方案。

8.一种排班装置，其特征在于，包括：

获取模块，用于获得客服坐席总数、话务呼入总量以及多个服务时段；

生成模块，用于将所述客服坐席总数、所述话务呼入总量以及所述多个服务时段输入到预设的排班方案生成模型中，得到多种候选排班方案；其中，每种排班方案包含所述多个服务时段以及每个服务时段对应的客服坐席量；

优化模块，用于利用预生成的话务接通率查找表和所述排班方案生成模型，对所述多种候选排班方案进行优化，直到满足预设优化条件后，将话务接通率最高的候选排班方案确定为目标排班方案。

9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序以实现权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。

Images