CN1368827A - 一种实现预测呼出的方法 - Google Patents

Abstract

本发明公开了一种实现预测呼出的方法,是在呼出之前首先获取系统资源的相关信息,然后进行呼出预测;该呼出预测至少包括以下步骤:a.通过无偏算法计算相应呼叫参数的预测值;b.通过呼叫参数值或呼叫参数的预测值计算出系统实际应呼出的用户数量。使用该方法可使系统资源得到充分利用,并提高服务质量。

Description

一种实现预测呼出的方法

本发明涉及一种呼叫处理技术，特别是指一种呼叫中心通过事先预测呼出进行呼叫管理的实现预测呼出的方法。

呼叫中心(Call Center)不单可以让使用企业提高服务质量，而且能为企业提供产品促销进行主动销售的平台，它可以通过主动呼出用户进行专业的电话销售，也能主动发起答复用户的各种需求，如投诉答复等等。但在进行呼出管理时，呼叫中心系统因同时有呼入的存在，而呼出在一定程度上有随意性，就使得呼叫中心存在一个系统资源如何充分利用和系统对外呼入/呼出服务质量如何平衡的问题。由于呼入是由用户主动发起的，是随机的，不可控制的，只能通过对呼出的控制来调整呼叫中心的资源利用与呼入/呼出服务质量的平衡。

目前的呼出处理主要有两种解决方案：一种方案是直接取到用户信息数据，然后按用户信息呼叫用户，但该方案没有呼出决策的步骤，实际没有真正的对呼出进行控制，是一种不常用的方案。

另一种方案是呼叫中心通过对历史数据进行计算并综合参数配置，所有座席(或业务代表)被动态地分为呼入组和呼出组，系统计算出一个呼入组座席空闲的阈值K，当呼入组座席空闲数超过K时，系统认为此时呼入组是“闲”的，一个空闲座席从呼入组转移到呼出组，系统可以调度呼出组座席发起呼出，当呼入组空闲座席数量低于K值时，呼出组座席将回到呼入组接听来话。但此方案存在两方面的问题：其一，因将座席分为呼入组和呼出组，动态的处理保证了座席资源的利用，但座席分组调度给处理增加了复杂度，尤其是在呼出中心需管理针对不同需求设置的复杂的座席技能组，针对管理需求座席又有不同的班组管理时座席的分组增加了一个复杂的维度。其二，由于没有考虑用户响应情况，如果系统呼出用户后用户不应答，结果是系统资源进行了无效的呼出，此时应将此因素以一定权重影响呼出的数量。

有鉴于此，本发明的主要目的在于提供一种实现预测呼出的方法，使得该方法在保证预测进程不影响系统处理能力的同时，能预测资源的利用和服务质量间的平衡，进而提高资源的利用率，并保证服务质量更高。

为达到上述目的，本发明的技术方案具体是这样实现的：

一种实现预测呼出的方法，是在呼出之前首先获取系统资源的相关信息，然后进行呼出预测；该呼出预测至少包括以下步骤：

a.通过无偏算法计算相应呼叫参数的预测值；

b.通过呼叫参数值或呼叫参数的预测值计算出系统实际应呼出的用户数量。

其中，所述的无偏算法是指目标当前预测值＝目标前一次的实际值*(1-a)+目标前一次的预测值*a，其中，a为加权因子。

所述的呼叫参数至少包括对应任务的当前空闲呼叫中心客户数量、系统内部资源的空闲情况、系统对外的服务水平以及呼出管理任务上次的呼出成功率。

所述的系统实际应呼出用户数量为对应任务的当前空闲呼叫中心客户数量、系统内部资源的空闲情况预测值、系统对外的服务水平预测值以及呼出管理任务上次的呼出成功率之积。

所述的呼叫中心客户数量为座席数量或交互式语音应答线程数量。

所述的系统内部资源的空闲情况是指任务所用设备的资源空闲率。其中，设备为座席资源或交互式语音应答资源，资源空闲率为空闲时长除以实有时长，该空闲时长为当前能处理来话状态的时长。

所述的服务水平表示为(最大排队等待时长-平均排队等待时长)/最大排队等待时长。

该获取系统资源相关信息的过程至少包括以下步骤：呼出管理系统首先通过开放式数据库互连进入用户信息数据库查找用户相关信息；然后根据用户信息调用应用程序接口通过用户接口服务的用户接口从计算机与电信集成(CTI)的服务端获取所需信息。

本发明的预测呼出实现方法还进一步包括以下的步骤：

a.统计当前仍未呼出成功的用户数；

b.计算实际需补充的呼出用户数，并从用户信息表中取出需补充的用户数；

c.发起实际的呼出。

由上述技术方案可以看出，本发明所提供的一种实现预测呼出的方法具有以下的优点和特点：

1)在座席级进行动态呼入/呼出转换，或者说座席根本就不区分呼入和呼出，同一时间同一座席即是呼入座席又是呼出座席，完全由呼出调度决定，如此可提高座席的利用率，进而提高整个系统资源的利用率，同时也能保证呼入/呼出服务质量的平衡。

2)该方法中的无偏算法采用了移动平均的思想，且对移动平均的算法进行了简化，因此该算法计算简单，计算量小，可保证整个预测呼出的处理过程不会影响系统的整体设计、运行性能及处理能力。

3)本方法考虑了用户的响应情况，可尽量减少无效的呼出，如果用户响应程度低则系统将偏重于保护呼入的满足，适当减少呼出量，从而提高呼叫中心的服务质量。

有关本发明的详细说明及技术内容，配合附图说明如下：

图1为呼出决策在呼出处理流程中所处位置的示意图；

图2为获取用户信息的硬件结构示意图；

图3为本发明呼出预测操作实现的流程图。

由于控制呼出能提高服务质量，也能提高系统资源利用率，如果在保证满意的服务质量的前提下提高资源利用，且在资源利用满足要求时不受到呼出服务的冲击，就必须在呼出之前综合各种因素对呼出方案进行呼出决策，如图1所示。所谓呼出决策主要是采用呼出预测的方法在呼出发起前进行呼出策略的分析，它主要负责在获取用户数据后，结合各种呼叫因素，作出是否呼出或一批呼出多少的决策，以预测资源利用和服务质量间的平衡。经过预测的呼出可尽量减少无效呼出，进而降低系统资源的浪费，使系统资源得到充分的利用。

参见图3所示，系统呼出的具体操作过程是按如下步骤进行的：

1)通过应用程序接口(API)获取系统资源的相关信息，为下一步计算作准备，此部分数据主要调用API通过用户接口服务(UIS)从服务端获取。如图2所示，当需要获取系统资源的相关信息时，呼出管理系统首先通过开放式数据库互连进入用户信息数据库查找用户相关信息，再根据用户信息调用API通过UIS用户接口从CTI服务端获取所需信息。

2)计算实际应呼出的用户数量S；

在本发明中，计算实际应呼出的用户数量要涉及四个因素，分别由参数A、B、C、D代表，这四个参数的具体描述如下，其中设定呼叫统计周期为60秒：

参数A为对应任务的当前空闲呼叫中心客户(CCC)数量，一般指座席数量或交互式语音应答(IVR)线程数量。

参数B指系统内部资源的空闲情况，采用与任务所用设备(座席和IVR)的资源空闲率来计算表示，是一个百分比相对指标。其中，空闲率为空闲时长/实有时长，空闲时长主要是指能处理来话状态的时长。为避免影响IVR线程调度处理，对IVR进行计算的指标值只取计算结果的80％，呼出比率随此指标递增。

参数C是指系统对外的服务水平，服务水平的指数表示为(最大排队等待时长-平均排队等待时长)/最大排队等待时长，一般根据交换机协议的特点和统计的方便，最大排队等待时长取60，因为用户排队不超过60秒，该值也可更精确地设为30秒，其是针对队列的汇总数据，呼出量随此指标递增。

参数D指呼出管理任务上次呼出成功率。如果上次呼出失败较多，本次呼出在上两个指标计算出的呼出数量上适当下调，此指标较高时呼出越多。

为了提高座席和IVR等系统资源的利用率，参数B和C指标需进行预测处理，呼叫中心服务(CCS)返回给系统的值是经过预测计算的，参数D因可能时间拉得较长，不进行预测处理。如此，

系统实际应呼出的用户数量＝A*B当前预测值*C当前预测值*D其中，B和C的预测值是采用无偏算法计算得到的，考虑到系统资源变化的特点，预测采用加权移动平均的思路，其具体做法是这样：

首先作如下假定：

基本假定1：在相邻的两个时间段，系统资源的相关程度为a(0＜a＜1)，a的值可按历史数据进行调整，或根据具体环境随机设定。

基本假定2：随着与当前时间段往前推，越早的时间段对当前资源情况影响越小，且递减比率为1-a.，事实上这一假定是由上一假定引伸而来的，a也与上面的a一致。

对向前记录的资源统计数据序列：A(n)、A(n-1)、A(n-2)、A(n-3)...预测第(n+1)个数据，A(n+1)＝(A(n)*a+A(n-1)*a*a+A(n-2)*a*a*a...)*(1-a)/a为简化计算，采用递推公式计算，修正无偏计算式为：

          A(n+1)＝A(n)*a′+A′(n)*(1-a′)其中，A′(n)为前一次预测结果，a′＝1-a。

因而，具体到参数B、C两个指标的预测中，采用如下方式进行预测，由X代表B或C：

X当前预测值＝X前一次实际值*(1-a)+X前一次预测值*a其中a是预测权重。

3)取当前呼出仍未成功的用户数F；即：检查上一次呼出未成功且未达到放弃次数的用户数量，因为系统对一些用户预先设定了重试次数，如果呼出未成功，只要失败后重试次数小于设计重试次数，就可重试，将这些可重试的用户作为已获取信息转入本次呼出的用户数量的一部分。

4)统计实际需补充的呼出用户数A，A＝S-F；并从用户信息表中取补充的用户数。

5)按任务呼出定义的类别调用呼出API进行实际呼出，并记录相关的呼出结果。

Claims (11)

1、一种实现预测呼出的方法，是在呼出之前首先获取系统资源的相关信息，然后进行呼出预测；其特征在于该呼出预测至少包括以下步骤：

a.通过无偏算法计算相应呼叫参数的预测值；

b.通过呼叫参数值或呼叫参数的预测值计算出系统实际应呼出的用户数量。

2、根据权利要求1所述的方法，其特征在于：所述的无偏算法是指目标当前预测值＝目标前一次的实际值*(1-a)+目标前一次的预测值*a，其中，a为加权因子。

3、根据权利要求1所述的方法，其特征在于：所述的呼叫参数至少包括对应任务的当前空闲呼叫中心客户数量、系统内部资源的空闲情况、系统对外的服务水平以及呼出管理任务上次的呼出成功率。

4、根据权利要求1或3所述的方法，其特征在于：所述的系统实际应呼出用户数量为对应任务的当前空闲呼叫中心客户数量、系统内部资源的空闲情况预测值、系统对外的服务水平预测值以及呼出管理任务上次的呼出成功率之积。

5、根据权利要求3所述的方法，其特征在于：所述的呼叫中心客户数量为座席数量或交互式语音应答线程数量。

6、根据权利要求3所述的方法，其特征在于：所述的系统内部资源的空闲情况是指任务所用设备的资源空闲率。

7、根据权利要求6所述的方法，其特征在于：所述的设备为座席资源或交互式语音应答资源。

8、根据权利要求6所述的方法，其特征在于：所述的资源空闲率为空闲时长除以实有时长，该空闲时长为当前能处理来话状态的时长。

9、根据权利要求3所述的方法，其特征在于：所述的服务水平表示为(最大排队等待时长-平均排队等待时长)/最大排队等待时长。

10、根据权利要求1所述的方法，其特征在于该获取系统资源相关信息至少包括以下步骤：呼出管理系统首先通过开放式数据库互连进入用户信息数据库查找用户相关信息；然后根据用户信息调用应用程序接口通过用户接口服务的用户接口从计算机与电信集成(CTI)的服务端获取所需信息。

11、根据权利要求1所述的方法，其特征在于该方法还进一步包括以下的步骤：

a.统计当前仍未呼出成功的用户数；

b.计算实际需补充的呼出用户数，并从用户信息表中取出需补充的用户数；

c.发起实际的呼出。

Images