JP2015514268A - 差異アルゴリズム（ｖａ）および／または分布補償を用いた通話マッピングシステムおよび方法 - Google Patents

Abstract

係員パラメータデータを取得し、係員パーセンタイルの係員分布を取得するために係員パラメータデータに基づいて係員のパーセンタイルを求め、基準に基づいて架電者をパーティションに分割し、架電者傾向データを取得し、架電者分布を取得するために結果の傾向に基づいて架電者のパーセンタイルを求め、エッジ補償を提供するために少なくとも１つの分布エッジ付近で係員パーセンタイルの分布または架電者パーセンタイルの分布に適用されるエッジ補償アルゴリズムと、分布のうちの１つ以上を異なるトポロジーに変更するために係員分布および架電者分布の一方または両方に適用されるトポロジー変更アルゴリズムとから選択される１つのアルゴリズムを使用して分布補償を行い、係員を最も近いそれぞれのパーセンタイルを伴うパーティションのうちの１つの中の架電者にマッチングすることとを含む、方法、システム、およびプログラム製品。

Description

（関連出願の引用）
本願は、米国仮出願第６１／６１５，７８８号（０３／２６／２０１２出願）、米国仮出願第６１／６１５，７７９号（０３／２６／２０１２出願）、米国仮出願第６１／６１５，７７２号（０３／２６／２０１２出願）、および米国出願第１３／８４３，５４１号（２０１３年３月１５日出願）からの優先権を主張し、これらすべての出願は、記載されているかのようにそれらの全体が参照により本明細書に引用される。

本発明は、概して、コンタクトセンターシステムにおいて電話の呼び出しおよび他の電気通信を経路指定する分野に関する。

典型的なコンタクトセンターは、数人の人間の係員から成り、各々は、センタースイッチに接続されている電話またはＥメールあるいはインターネットチャットを行うためのコンピュータ等の電気通信デバイスに割り当てられる。これらのデバイスを使用して、係員は、概して、販売、顧客サービス、または技術サポートを、コンタクトセンターまたはコンタクトセンターのクライアントの顧客または見込み顧客に提供するために使用される。

典型的には、コンタクトセンターまたはクライアントは、請求についての質問のため、または技術サポートのため等の特定のサービスのために、その顧客、見込み顧客、または他の第三者に、いくつかの異なる連絡先番号またはアドレスを告知するであろう。次いで、特定のサービスを求める顧客、見込み顧客、または第三者は、この連絡先情報を使用し、着信架電者は、１つ以上のルーティングポイントにおいて、適切なサービスを提供することができるコンタクトセンターにおける人間の係員に経路指定されるであろう。そのような着信連絡に応答するコンタクトセンターは、典型的には、「着信コンタクトセンター」と称される。

同様に、コンタクトセンターは、現在の顧客または見込み顧客あるいは第三者に発信連絡を行うことができる。そのような連絡は、製品の販売を促し、技術サポートまたは課金情報を提供し、消費者選好を調査し、または負債を回収するために行われ得る。そのような発信連絡を行うコンタクトセンターは、「発信コンタクトセンター」と称される。

着信コンタクトセンターおよび発信コンタクトセンターの両方において、電気通信デバイスを使用してコンタクトセンター係員と相互作用する個人（顧客、見込み顧客、調査参加者、または他の第三者等）は、本願では「架電者」と称される。架電者と相互作用するためにコンタクトセンターによって採用される個人は、本願では「係員」と称される。

従来、コンタクトセンター運営は、架電者を係員に接続するスイッチシステムを含む。着信コンタクトセンターでは、これらのスイッチは、着信架電者を、コンタクトセンター内の特定の係員に、または複数のコンタクトセンターが展開される場合は、さらなる経路指定のために特定のコンタクトセンターに経路指定する。電話デバイスを採用する発信コンタクトセンターでは、典型的には、スイッチシステムに加えて、ダイヤラが採用される。ダイヤラは、電話番号のリストから１つの電話番号を自動的にダイヤルするため、および（応答なし、話し中の信号、エラーメッセージ、または留守番電話を取得することとは対照的に）かけられた電話番号から実際の架電者に連絡がついたかどうかを決定するために使用される。ダイヤラが実際の架電者を取得した場合、スイッチシステムは、架電者をコンタクトセンター内の特定の係員に経路指定する。

したがって、経路指定技術が、架電者体験を最適化するように開発されてきた。例えば、米国特許第７，２３６，５８４号（特許文献１）は、これらのスイッチの間に存在し得る性能の一般的変動にかかわらず、複数の電話スイッチにわたる架電者待機時間を均等化するための電話システムを説明する。しかしながら、着信コンタクトセンターにおけるコンタクトルーティングは、架電者を最も長い期間にわたってアイドル状態であった係員に接続するように、概して構造化されるプロセスである。１人だけの係員が対応可能であり得る着信架電者の場合、その係員は、概して、さらなる分析を伴わずに架電者に選択される。別の実施例では、コンタクトセンターに８人の係員が存在し、７人が連絡に専念している場合、スイッチは、概して、着信架電者を対応可能である１人の係員に経路指定するであろう。８人全ての係員が連絡に専念している場合、スイッチは、典型的には、連絡を保留し、それを対応可能になる次の係員に経路指定するであろう。より一般的に、コンタクトセンターは、着信架電者の待ち行列を設定し、最も長く待機している架電者をそのうちに対応可能になる係員に優先的に経路指定するであろう。連絡を第１の対応可能な係員または最も長く待機している係員のいずれか一方に経路指定する、そのようなパターンは、「ラウンドロビン」コンタクトルーティングと称される。ラウンドロビンコンタクトルーティングでは、架電者と係員との間の最終的マッチングおよび接続は、事実上ランダムである。

いくつかの試行が、架電者を係員に接続するためのこれらの標準的であるが事実上ランダムであるプロセスを改良するように行われてきた。例えば、米国特許第７，２０９，５４９号（特許文献２）は、着信架電者の言語選好が回収され、架電者の電話呼び出しを、その言語でサービスを提供することができる特定のコンタクトセンターまたは係員に経路指定するために使用される、電話ルーティングシステムを説明する。このようにして、言語選好は、架電者を係員にマッチングして接続することの一次的動因であるが、いったんそのような選好が行われると、架電者は、ほとんど常に「ラウンドロビン」様式で経路指定される。

米国特許第７，２３６，５８４号明細書 米国特許第７，２０９，５４９号明細書

１つ以上のコンピュータによって、一組の係員の係員パラメータデータを取得するステップと、係員ランキングまたはパーセンタイルの係員分布を取得するために、少なくとも部分的に係員パラメータデータに基づいて、１つ以上のコンピュータによって、係員をランク付けするか、または係員のパーセンタイルを求めるステップと、１つ以上の基準に基づいて、１つ以上のコンピュータによって、一組の架電者の中の架電者を一組のパーティションに分割するステップと、１つ以上のコンピュータによって、それぞれのパーティションの架電者傾向データを取得するステップと、架電者ランキングまたはパーセンタイルの架電者分布を取得するために、それぞれの架電者のパーティションの架電者傾向データに少なくとも部分的に基づく所望の結果に対する架電者傾向に関係するか、またはそれを予測するデータに少なくとも部分的に基づいて、１つ以上のコンピュータによって、架電者をランク付けするか、または架電者のパーセンタイルを求めるステップと、エッジ補償されたランキングまたはパーセンタイルを取得するために、それぞれの分布の少なくとも１つのエッジ付近で、係員ランキングまたはパーセンタイルの分布、および架電者ランキングまたはパーセンタイルの分布の群から選択される少なくとも１つに適用されるエッジ補償アルゴリズムと、分布のうちの１つ以上を異なるトポロジーに変更するために、係員ランキングまたはパーセンタイルの分布、および架電者ランキングまたはパーセンタイルの分布のいずれか一方または両方に適用されるトポロジー変更アルゴリズムとの群から選択される少なくとも１つのアルゴリズムを使用して、１つ以上のコンピュータによって、分布補償を行うステップと、１つ以上のコンピュータによって、それぞれのランキングまたはパーセンタイルを伴う係員のうちのそれぞれの１人を、最も近いそれぞれのランキングまたはパーセンタイルを伴うパーティションのうちの１つの中の架電者のうちのそれぞれの１人にマッチングするステップであって、架電者ランキングまたはパーセンタイル、または、係員ランキングまたはパーセンタイルのうちの少なくとも１つは、分布補償されている、ステップとを含む、方法の実施形態が開示される。

実施形態では、分布補償を行うステップは、エッジ補償アルゴリズムを使用し、エッジ補償を係員ランキングまたはパーセンタイルのみに提供する。

実施形態では、分布補償を行うステップは、エッジ補償アルゴリズムを使用し、エッジ補償を架電者ランキングまたはパーセンタイルのみに提供する。

実施形態では、分布補償を行うステップは、エッジ補償アルゴリズムを使用し、エッジ補償を架電者ランキングまたはパーセンタイルと係員ランキングまたはパーセンタイルとの両方に提供する。

実施形態では、分布補償ステップは、エッジ補償アルゴリズムを使用し、実行時に空いている係員を選び、係員分布のエッジにより多くの空間／余白を提供するように、これらの実行時対応可能係員のそれぞれの係員ランキングまたはパーセンタイルを再調整する。

実施形態では、余白の量は、少なくとも部分的に、実行時に空いている係員の数に基づく。

実施形態では、分布補償ステップは、エッジ補償アルゴリズムを使用し、実行時に待ち行列または他のグループの中の架電者を選び、分布のエッジにより多くの空間／余白を提供するように、それぞれの架電者傾向ランキングまたはパーセンタイルを再調整する。

実施形態では、余白の量は、少なくとも部分的に、実行時に待ち行列の中またはグループの中にいる架電者の数に基づく。

実施形態では、分布補償ステップは、エッジ補償アルゴリズムを使用し、係員分布の少なくとも１つのエッジ付近での係員の利用を増加させるように、係員分布の少なくとも１つのエッジ付近で実行時に空いている複数の係員に重み付けし、かつ架電者分布の少なくとも１つのエッジ付近で複数の架電者に重み付けする。

実施形態では、分布補償ステップは、エッジ補償アルゴリズムを使用し、係員分布の両方のエッジ付近で実行時に空いている複数の係員に重み付けするか、または架電者分布の両方のエッジ付近で複数の架電者に重み付けする。

実施形態では、架電者のパーティションは、少なくとも部分的に、人口統計データ、市外局番、郵便番号、ＮＰＡＮＸＸ、ＶＴＮ、地理的地域、フリーダイヤル、および転送番号の群から選択される１つ以上に基づく。

実施形態では、係員実績データは、売上、１回の通話につき販売されたアイテムの数、および処理時間を加味した１回の通話あたりの収益の群から選択される１つ以上を含む。

実施形態では、トポロジー変更アルゴリズムは、使用されて、係員実績の分布および／または架電者の分布を円トポロジーに変換し得る。

実施形態では、トポロジー変更アルゴリズムは、使用されて、分布のエッジを除去するように、係員実績の分布および架電者の分布を変換し得る。

実施形態では、対応可能な複数の係員および１人の架電者が存在し、係員の分布に対するＫａｐｐａは、１．０より大きくあり得る。

実施形態では、複数の架電者および１人の係員が存在し、架電者に適用されるＲｈｏは、１．０より大きくあり得る。

実行されると、１つ以上のコンピュータによって、一組の係員の係員パラメータデータを取得するステップと、係員ランキングまたはパーセンタイルの係員分布を取得するために、少なくとも部分的に係員パラメータデータに基づいて、１つ以上のコンピュータによって、係員をランク付けするか、または係員のパーセンタイルを求めるステップと、１つ以上の基準に基づいて、１つ以上のコンピュータによって、一組の架電者の中の架電者を一組のパーティションに分割するステップと、１つ以上のコンピュータによって、それぞれのパーティションの架電者傾向データを取得するステップと、架電者ランキングまたはパーセンタイルの架電者分布を取得するために、それぞれの架電者のパーティションの架電者傾向データに少なくとも部分的に基づく所望の結果に対する架電者傾向に関係するか、またはそれを予測するデータに少なくとも部分的に基づいて、１つ以上のコンピュータによって、架電者をランク付けするか、または架電者のパーセンタイルを求めるステップと、エッジ補償されたランキングまたはパーセンタイルを取得するために、それぞれの分布の少なくとも１つのエッジ付近で、係員ランキングまたはパーセンタイルの分布、および架電者ランキングまたはパーセンタイルの分布の群から選択される少なくとも１つに適用されるエッジ補償アルゴリズムと、分布のうちの１つ以上を異なるトポロジーに変更するために、係員ランキングまたはパーセンタイルの分布、および架電者ランキングまたはパーセンタイルの分布のいずれか一方または両方に適用されるトポロジー変更アルゴリズムとの群から選択される少なくとも１つのアルゴリズムを使用して、１つ以上のコンピュータによって、分布補償を行うステップと、１つ以上のコンピュータによって、それぞれのランキングまたはパーセンタイルを伴う係員のうちのそれぞれの１人を、最も近いそれぞれのランキングまたはパーセンタイルを伴うパーティションのうちの１つの中の架電者のうちのそれぞれの１人にマッチングするステップであって、架電者ランキングまたはパーセンタイル、または、係員ランキングまたはパーセンタイルのうちの少なくとも１つは、分布補償されている、ステップとの実施を引き起こすプログラムコードで構成されている１つ以上のコンピュータを備えている、システムの実施形態が開示される。

実施形態では、１つ以上のコンピュータによって実行されると、１つ以上のコンピュータによって、一組の係員の係員パラメータデータを取得するステップと、係員ランキングまたはパーセンタイルの係員分布を取得するために、少なくとも部分的に係員パラメータデータに基づいて、１つ以上のコンピュータによって、係員をランク付けするか、または係員のパーセンタイルを求めるステップと、１つ以上の基準に基づいて、１つ以上のコンピュータによって、一組の架電者の中の架電者を一組のパーティションに分割するステップと、１つ以上のコンピュータによって、それぞれのパーティションの架電者傾向データを取得するステップと、架電者ランキングまたはパーセンタイルの架電者分布を取得するために、それぞれの架電者のパーティションの架電者傾向データに少なくとも部分的に基づく所望の結果に対する架電者傾向に関係するか、またはそれを予測するデータに少なくとも部分的に基づいて、１つ以上のコンピュータによって、架電者をランク付けするか、または架電者のパーセンタイルを求めるステップと、エッジ補償されたランキングまたはパーセンタイルを取得するために、それぞれの分布の少なくとも１つのエッジ付近で、係員ランキングまたはパーセンタイルの分布、および架電者ランキングまたはパーセンタイルの分布の群から選択される少なくとも１つに適用されるエッジ補償アルゴリズムと、分布のうちの１つ以上を異なるトポロジーに変更するために、係員ランキングまたはパーセンタイルの分布、および架電者ランキングまたはパーセンタイルの分布のいずれか一方または両方に適用されるトポロジー変更アルゴリズムとの群から選択される少なくとも１つのアルゴリズムを使用して、１つ以上のコンピュータによって、分布補償を行うステップと、１つ以上のコンピュータによって、それぞれのランキングまたはパーセンタイルを伴う前記係員のうちのそれぞれの１人を、最も近いそれぞれのランキングまたはパーセンタイルを伴うパーティションのうちの１つの中の架電者のうちのそれぞれの１人にマッチングするステップであって、架電者ランキングまたはパーセンタイル、または、係員ランキングまたはパーセンタイルのうちの少なくとも１つは、分布補償されている、ステップとの実施を引き起こすコンピュータ読み取り可能なプログラムコードで構成されている非一過性のコンピュータ読み取り可能な媒体を備えているプログラム製品が提供される。

例示的なプロセスはさらに、パターンマッチングアルゴリズムを含むか、またはそれによって補完され得る。例えば、パターンマッチングアルゴリズムは、履歴架電者・係員ペアに基づいて１つ以上の結果変数の可能性を予測するために、係員および／または架電者の人口統計データを使用し得る。パターンマッチングアルゴリズムを介した比較は、架電者・係員マッチングおよび経路指定を決定するように、対応する係員実績および架電者の傾向を介したマッチングと組み合わせられ得る。

係員データは、係員グレードまたはランキング、係員履歴データ、係員人口統計データ、係員心理学データ、および係員についての他のビジネス関連データ（本願では個別または集合的に「係員データ」と称される）を含み得る。係員および架電者人口統計データは、性別、人種、年齢、教育、アクセント、収入、国籍、民族性、市外局番、郵便番号、婚姻関係、仕事の状態、および信用度の得点のうちのいずれかを含み得る。係員および架電者心理学データは、内向性、社交性、財政的成功の所望、ならびに映画およびテレビの選好のうちのいずれかを含むことができる。さらに、市外局番等のあるデータは、例えば、特定の結果変数に対する架電者の傾向を決定するために例示的なプロセスによって使用され得る、架電者の推定収入レベル、教育レベル、民族性、宗教等に関する統計データを提供し得ることに留意されたい。

実施例は、架電者と係員とをマッチングするための異なるプロセスに広く提供することができる。例えば、例示的なプロセスまたはモデルは、従来の待ち行列経路指定、実績ベースのマッチング（例えば、実績に基づいて一組の係員をランク付けし、実績ランキングまたは得点に基づいて、優先的に架電者を係員にマッチングする）、架電者を係員にマッチングするための適応パターンマッチングアルゴリズムまたはコンピュータモデル（例えば、架電者に関連付けられる架電者データを、一組の係員に関連付けられる係員データと比較する）、親近性データマッチング、それらの組み合わせ等を含み得る。したがって、本方法は、結果変数の所望の最適化のために（例えば、費用、収益、顧客満足度等を最適化するために）架電者、係員、および／または架電者・係員ペアの得点またはランキングを出力するように動作し得る。一実施例では、異なるモデルが、架電者を係員にマッチングするために使用され、ある様式で例示的な乗算器プロセスと組み合わせられ、例えば、直線的に重み付けされ、異なる実績結果変数（例えば、費用、収益、顧客満足度等）のために組み合わせられ得る。

別の側面によると、コンピュータ読み取り可能な媒体および装置が、本明細書で説明される種々のプロセスに従って架電者を係員にマッピングおよび経路指定するために提供される。本明細書で説明される技術の多くは、ハードウェア、ファームウェア、ソフトウェア、またはそれらの組み合わせで実装され得る。一実施例では、本技術は、プロセッサ、プロセッサによって読み取り可能な記憶媒体（揮発性および不揮発性メモリおよび／または記憶要素を含む）、および好適な入出力デバイスをそれぞれ含む、プログラム可能なコンピュータ上で実行されるコンピュータプログラムで実装される。プログラムコードは、説明される機能を果たすように、および出力情報を生成するように、入力デバイスを使用して入力されるデータに適用される。出力情報は、１つ以上の出力デバイスに適用される。また、各プログラムは、好ましくは、コンピュータシステムと通信するように、高レベルプロシージャまたはオブジェクト指向プログラミング言語で実装される。しかしながら、プログラムは、所望であれば、アセンブリまたは機械言語で実装することができる。いずれにしても、言語は、コンパイラ型またはインタープリタ型言語であり得る。

図１は、コンタクトセンターおよびその運営の一般的設定を反映する、略図である。 図２は、実績および／またはパターンマッチングアルゴリズムに基づいて架電者を経路指定するためのルーティングエンジンを有する、例示的なルーティングシステムを図示する。 図３は、確率乗算器プロセスのみに基づいて、または１つ以上の追加のマッチングプロセスと組み合わせて、架電者を係員にマッチングするためのマッピングエンジンを有する、例示的なルーティングシステムを図示する。 図４Ａおよび４Ｂは、それぞれ、例示的な確率マッチングプロセスおよびランダムマッチングプロセスを図示する。 図５Ａおよび５Ｂは、架電者を係員にマッチングするための例示的な確率マッチングプロセスを図示する。 図６Ａおよび６Ｂは、特定の架電者・係員ペアに対する係員実績、クライアント傾向、および売上の確率の例示的な３次元プロットを図示する。 図６Ａおよび６Ｂは、特定の架電者・係員ペアに対する係員実績、クライアント傾向、および売上の確率の例示的な３次元プロットを図示する。 図７は、結果変数の確率に基づいて架電者を係員にマッチングするための例示的な確率マッチングプロセスまたはコンピュータモデルを図示する。 図８は、結果変数の確率に基づいて架電者を係員にマッチングするための例示的な確率マッチングプロセスまたはコンピュータモデルを図示する。 図９は、結果変数の確率に基づいて架電者を係員にマッチングするための例示的な確率マッチングプロセスまたはコンピュータモデルを図示する。 図１０は、本発明のある実施形態で一部または全ての処理機能性を実装するために採用され得る、典型的なコンピュータシステムを図示する。 図１１は、差異アルゴリズムを使用して架電者を係員にマッチングするための例示的な確率マッチングプロセスまたはコンピュータモデルを図示する。 図１２は、分布補償を使用して架電者を係員にマッチングするための例示的な確率マッチングプロセスまたはコンピュータモデルを図示する。 図１３は、ｎａｇｅｎｔｓ＝１００、ｍｕ＝２０、Ｋａｐｐａ＝１であり、エッジ補正を伴わない、係員利用の例示的なグラフである。 図１４は、ｎａｇｅｎｔｓ＝１００、ｍｕ＝２０、Ｋａｐｐａ＝１であり、位相的エッジ補正を伴う、係員利用の例示的なグラフである（交互円方法）。 図１５は、ｎａｇｅｎｔｓ＝１００、ｍｕ＝２０、Ｋａｐｐａ＝１であり、エッジ補正の適応シフト方法を伴う、係員利用の例示的なグラフである。 図１６は、ｎａｇｅｎｔｓ＝１００、ｍｕ＝１０、Ｋａｐｐａ＝１であり、エッジ補正の静的シフト方法ｖ５を伴う、係員利用の例示的なグラフである。 図１７は、ｎａｇｅｎｔｓ＝１００、ｍｕ＝２０、Ｋａｐｐａ＝１であり、エッジ補正の静的シフト方法ｖ６を伴う、係員利用の例示的なグラフである。 図１８は、ｎａｇｅｎｔｓ＝１００、ｍｕ＝４０、Ｋａｐｐａ＝１であり、エッジ補正の静的シフト方法ｖ６を伴う、係員利用の例示的なグラフである。 図１９は、ｎａｇｅｎｔｓ＝１００、ｍｕ＝１０、Ｋａｐｐａ＝１．４であり、エッジ補正の適応シフト方法を伴う、係員利用の例示的なグラフである。 図２０は、ｎａｇｅｎｔｓ＝１００、ｍｕ＝１０、Ｋａｐｐａ＝１．４であり、エッジ補正を伴わない、係員利用の例示的なグラフである。 図２１は、ｎａｇｅｎｔｓ＝１００、ｍｕ＝１０、Ｋａｐｐａ＝１．４であり、エッジ補正の静的シフト方法ｖ５を伴う、係員利用の例示的なグラフである。 図２２は、ｎａｇｅｎｔｓ＝１００、ｍｕ＝１０、Ｋａｐｐａ＝１．４であり、エッジ補正の静的シフト方法ｖ６を伴う、係員利用の例示的なグラフである。 図２３は、ｎａｇｅｎｔｓ＝１００、ｍｕ＝１０、Ｋａｐｐａ＝１．４であり、エッジ補正 の交互円方法を伴う、係員利用の例示的なグラフである。 図２４は、１ヶ月の１週間の日と対比した、１回の通話あたりの平均収益の時間効果を図示する、例示的なグラフである。 図２５は、１週間の日と対比した、１回の通話あたりの平均収益の時間効果を図示する、例示的なグラフである。 図２６は、１日の時間と対比した、１回の通話あたりの平均収益の時間効果を図示する、例示的なグラフである。 図２７は、頻度（１／時間）と対比した正規化パワースペクトル密度を図示する、例示的なグラフである。

例示的な通話マッピングおよびルーティングシステムおよび方法は、例えば、それらの全体で参照することにより、全て本明細書に組み込まれる、２００８年１１月７日出願の「Ｒｏｕｔｉｎｇ Ｃａｌｌｅｒｓ ｔｏ Ａｇｅｎｔｓ Ｂａｓｅｄ ｏｎ Ｔｉｍｅ Ｅｆｆｅｃｔ Ｄａｔａ」と称された米国特許出願第１２／２６７，４７１号、２００９年６月２４日出願の「Ｐｒｏｂａｂｉｌｉｔｙ Ｍｕｌｔｉｐｌｉｅｒ Ｐｒｏｃｅｓｓ ｆｏｒ Ｃａｌｌ Ｃｅｎｔｅｒ Ｒｏｕｔｉｎｇ」と題された第１２／４９０，９４９号、および２００８年１１月６日出願の「Ｐｏｏｌｉｎｇ Ｃａｌｌｅｒｓ ｆｏｒ Ｍａｔｃｈｉｎｇ ｔｏ Ａｇｅｎｔｓ Ｂａｓｅｄ ｏｎ Ｐａｔｔｅｒｎ Ｍａｔｃｈｉｎｇ Ａｌｇｏｒｉｔｈｍｓ」と題された第１２／２６６，４１８号、２００８年１月２８日出願の米国特許出願第１２／０５１，２５１号、および２００８年１月２８日出願の米国特許出願第１２／２６７，４７１号、および２００８年７月２８日出願の仮出願第６１／０８４，２０１号で説明されている。

以下の説明は、当業者が本発明を作製して使用することを可能にするように提示され、特定の用途およびそれらの要件の関連で提供される。実施形態への種々の修正は、当業者に容易と明白となり、本明細書で定義される一般原理は、本発明の精神および範囲から逸脱することなく、他の実施形態および用途に適用され得る。また、以下の説明では、多数の詳細が説明の目的で記載される。しかしながら、当業者であれば、これらの具体的詳細を使用することなく、本発明が実践され得ることを認識するであろう。他の場合において、周知の構造およびデバイスが、不必要な詳細を伴って本発明の説明を曖昧にしないために、ブロック図で示されている。したがって、本発明は、示される実施形態に限定されることを目的としていないが、本明細書で開示される原理および特徴と一致する最も広い範囲を与えられる。

本発明は、特定の実施例および例証的な図の観点で説明されるが、当業者であれば、本発明は、説明される実施例または図に限定されないことを認識するであろう。当業者であれば、適宜に、ハードウェア、ソフトウェア、ファームウェア、またはそれらの組み合わせを使用して、種々の実施形態の動作が実装され得ることを認識するであろう。例えば、ソフトウェア、ファームウェア、またはハードワイヤード論理の制御下でプロセッサまたは他のデジタル回路を使用して、いくつかのプロセスを実行することができる。（本明細書での「論理」という用語は、記載された機能を実行するために当業者によって認識されるような、固定ハードウェア、プログラマブル論理、および／またはそれらの組み合わせを指す。）ソフトウェアおよびファームウェアは、コンピュータ読み取り可能な記憶媒体上に記憶することができる。当業者に周知であるように、アナログ回路網を使用して、いくつかの他のプロセスを実装することができる。加えて、メモリまたは他の記憶装置、ならびに通信構成要素が、本発明の実施形態で採用され得る。

本発明のある側面によると、類似ランキングまたは所望の結果変数に対する相対的確率に基づいて、架電者を電話ルーティングセンター内の係員にマッチングするためのシステムおよび方法が提供される。一実施例では、例示的な確率乗算器プロセスは、所望の結果変数の相対的確率に基づいて、最高係員を最高架電者に、最低係員を最低架電者に等、マッチングすることを含む。例えば、係員は、売上、顧客満足度、費用等の結果変数に対する実績に基づいて採点されるか、またはランク付けされ得る。加えて、架電者は、購入に対する傾向または統計的可能性等（利用可能な架電者データ、例えば、電話番号、市外局番、郵便番号、人口統計データ、使用される電話の種類、履歴データ等に基づき得る）の結果変数について、採点されるか、またはランク付けされることができる。次いで、架電者および係員は、それぞれのランクまたはパーセンタイルランクに従ってマッチングされることができる（例えば、最高ランキング係員が最高ランキング架電者とマッチングされ、第２の最高ランクの係員が第２の最高架電者とマッチングされる等）。

例示的な確率乗算器プロセスは、異なる確率を乗算する固有の幾何学的関係、例えば、２０％または１０％売上率の係員を３０％購入顧客とマッチングする（６％または３％可能性をもたらす）のではなく、３０％売上率の係員をその同一の顧客とマッチングすること（９％の全可能性を生じる）を利用する。全ての係員および架電者にわたって使用されるとき、本プロセスは、ランダムマッチングプロセスよりも高い、売上等の特定の結果変数の全体的予測された可能性をもたらす。

一実施例では、架電者を係員にマッチングするために係員および架電者の相対的ランクを使用することに加えて、係員および／または架電者人口統計データを使用するパターンマッチングアルゴリズムが使用され得る。例えば、係員および架電者は、適応相関アルゴリズム等のパターンマッチングアルゴリズムを介して、人口統計データに基づいてマッチングされ得る。確率乗算器アルゴリズムおよびパターンマッチングアルゴリズムからの架電者・係員マッチングは、組み合わせることができ、例えば、架電者を係員に経路指定するための最終マッチングを決定するように、重みを伴って、または伴わずに、線形的に組み合わせることができる。

最初に、架電者を対応可能な係員にマッチングするための例示的な通話ルーティングシステムおよび方法が説明される。この説明は、結果変数、例えば、売上、顧客満足度、等に基づいて、架電者および係員をランク付けするか、または順序付けし、相対的ランキングに基づいて係員を架電者にマッチングするための例示的なシステムおよび方法によって従われる。例えば、特定の結果変数に対する最高ランキング係員を、特定の結果変数に対する最高ランキング架電者とマッチングすること、最低ランキング係員を最低ランキング架電者とマッチングすること等である。

図１は、典型的なコンタクトセンター運営１００の一般設定を示す、略図である。ネットワーククラウド１０１は、着信架電者を受信するように、または発信架電者に行われる連絡を支援するように設計される、特定または地域電気通信ネットワークを示す。ネットワーククラウド１０１は、電話番号またはＥメールアドレス等の単一の連絡先アドレス、または複数の連絡先アドレスを含み得る。中央ルータ１０２は、コールセンター１０３の間で連絡を経路指定するのに役立つように設計される、コンタクトルーティングハードウェアおよびソフトウェアを示す。中央ルータ１０２は、単一のコンタクトセンターのみが展開される場合には必要とされなくてもよい。複数のコンタクトセンターが展開される場合、連絡を特定のコンタクトセンター１０３用の別のルータに経路指定するために、より多くのルータが必要とされ得る。コンタクトセンターレベル１０３で、コンタクトセンタールータ１０４は、個々の電話または他の電気通信機器１０５を用いて連絡を係員１０５に経路指定するであろう。典型的には、コンタクトセンター１０３に複数の係員１０５が存在する。

図２は、（図１のコンタクトセンタールータ１０４に含まれ得る）例示的なコンタクトセンタールーティングシステム２００を図示する。大まかに言えば、ルーティングシステム２００は、一実施例では、特定の結果変数に対する係員実績および架電者傾向（例えば、統計的可能性または尤度）に基づく確率乗算器プロセスに少なくとも部分的に基づいて、架電者と係員とをマッチングするように動作可能である。ルーティングシステム２００はさらに、架電者データおよび／または係員データのみを使用して、または確率乗算器プロセスと組み合わせて、パターンマッチングアルゴリズムに基づいて架電者をマッチングするように動作可能であり得る。ルーティングシステム２００は、通信サーバ２０２と、架電者を受信して係員にマッチングする（時として架電者を係員に「マッピングする」と称される）ためのルーティングエンジン２０４とを含み得る。

一実施例では、以下でさらに詳細に説明されるように、ルーティングエンジン２０４は、対応可能な係員の実績データ、および保留中の架電者からの結果変数に対する架電者傾向を決定するか、または取り出すように動作可能である。実績データおよび架電者傾向データは、各々に対するパーセンタイルランクに変換され、それぞれ、パーセンタイルランクの最も近い一致に基づいて架電者を係員にマッチングするために使用され得、それによって、例えば、高い実績の係員が、購入に対する傾向が最も高い架電者とマッチングされる。

加えて、いくつかの実施例では、ルーティングエンジン２０４は、加えて、以前の架電者・係員マッチングの実績または結果に基づいて経時的に適応し得る、パターンマッチングアルゴリズムおよび／またはコンピュータモデルをさらに含み得る。追加のパターンマッチングアルゴリズムは、経路指定を決定するように、種々の様式で確率乗算器プロセスと組み合わせられ得る。一実施例では、パターンマッチングアルゴリズムは、当技術分野で公知であるような適応パターンマッチングエンジンに基づくニューラルネットワーク、例えば、その全体で参照することにより本明細書に組み込まれる、Ｍ．Ｒｉｅｄｍｉｌｌｅｒ，Ｈ．Ｂｒａｕｎ：“Ａ Ｄｉｒｅｃｔ Ａｄａｐｔｉｖｅ Ｍｅｔｈｏｄ ｆｏｒ Ｆａｓｔｅｒ ｂａｃｋｐｒｏｐａｇａｔｉｏｎ Ｌｅａｒｎｉｎｇ：Ｔｈｅ ＲＰＲＯＰ Ａｌｇｏｒｉｔｈｍ，”Ｐｒｏｃ．ｏｆ ｔｈｅ ＩＥＥＥ ＩｎｔＩ．Ｃｏｎｔ’．ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ １９９３によって説明されるような弾性逆伝搬（ＲＰｒｏｐ）アルゴリズムを含み得る。コンタクトルーティングシステムおよび／またはルーティングエンジン２０４に含まれ得る、種々の他の例示的な係員実績およびパターンマッチングアルゴリズムならびにコンピュータモデルシステムおよびプロセスが、例えば、両方ともそれらの全体で参照することにより本明細書に組み込まれる、２００８年１月２８日出願の米国特許出願第１２／０２１，２５１号、および２００８年８月２９日出願の米国特許出願第１２／２０２，０９１号で説明されている。当然ながら、パターンマッチングアルゴリズムおよび方法に基づく他の実施が、単独で、または本明細書で説明されるものと組み合わせて使用され得ることが認識されるであろう。

ルーティングシステム２００はさらに、着信架電者の架電者データ、架電者・係員ペアに関するデータ、架電者・係員ペアの結果、係員の係員データ、係員の履歴実績データ等を回収するためのコレクタ２０６等の他の構成要素を含み得る。さらに、ルーティングシステム２００は、ルーティングシステム２００の性能および動作のレポートを生成するための報告エンジン２０８を含み得る。種々の他のサーバ、構成要素、および機能性が、ルーティングシステム２００に含むために可能である。さらに、単一のハードウェアデバイスとして示されているが、種々の構成要素が相互から遠隔に位置し得ることが理解されるであろう（例えば、通信サーバ２０２およびルーティングエンジン２０４は、共通ハードウェア／サーバシステムに含まれる必要も、共通の場所に含まれる必要もない）。加えて、種々の他の構成要素および機能性がルーティングシステム２００に含まれ得るが、本明細書では明確にするために省略されている。

図３は、例示的なルーティングエンジン２０４のさらなる詳細を図示する。ルーティングエンジン２０４は、単独で、または他のマッピングエンジンと組み合わせて使用するために、その中に１つ以上のマッピングエンジンを含み得る、主要マッピングエンジン３０４を含む。いくつかの実施例では、ルーティングエンジン２０４は、専ら、または部分的に、特定の結果変数の傾向または可能性に関連付けられる、係員に関連付けられる実績データ、および架電者データに基づいて、架電者を経路指定し得る。他の実施例では、ルーティングエンジン２０４はさらに、専ら、または部分的に、例えば、実績ベースのデータ、人口統計データ、心理学データ、電話の種類／電話番号、ＢＴＮデータ、および他のビジネス関連データを含み得る、種々の架電者データおよび係員データを比較することに基づいて、経路指定の決定を行い得る。加えて、親近性データベース（図示せず）が使用され得、そのような情報は、経路指定の決定を行うため、またはそれに影響を及ぼすために、ルーティングエンジン２０４および／またはマッピングエンジン３０４によって受信され得る。データベース３１２は、ローカルまたは遠隔データベース、第三者サービス等を含み得る（加えて、マッピングエンジン３０４は、特定のマッピングプロセスのために適用可能である場合、データベース３１４から係員データを受信し得る）。

一実施例では、相対的係員実績は、（収益生成、費用、顧客満足度、それらの組み合わせ等の）特定の結果変数に対する実績に基づいて、一組の係員をランク付けするか、または採点することによって決定され得る。さらに、相対的係員実績は、相対的パーセンタイルランキングに変換され得る。処理エンジン３２０−１は、例えば、１つ以上の結果変数に対する相対的係員実績データを決定または受信し得る。加えて、処理エンジン３２０−１は、（購入に対する傾向、通話の長さ、満足すること、それらの組み合わせ等の）特定の結果変数に対する架電者の傾向を受信または決定し得る。架電者の傾向は、利用可能な架電者データから決定され得る。次いで、係員の相対的実績データおよび架電者の傾向データは、対応するランキングに基づいて架電者と係員とをマッチングするために使用され得る。いくつかの実施例では、実績および傾向データは、架電者および係員に対する相対的パーセンタイルランキングに変換され、最も近いそれぞれのパーセンタイルに基づいて、架電者と係員とをマッチングする。

処理エンジン３２０−２は、一実施例では、架電者に関する利用可能な架電者データを、一組の係員に関連付けられる係員データと比較し、各架電者・係員ペアの好適性得点を決定するように動作する、１つ以上のパターンマッチングアルゴリズムを含む。処理エンジン３２０−２は、種々のデータベース（例えば、３１２および３１４）から架電者データおよび係員データを受信し、例えば、架電者・係員ペア得点、または架電者・係員ペアのランキングを出力し得る。パターンマッチングアルゴリズムは、ニューラルネットワークアルゴリズム、一般アルゴリズム、または他の適応アルゴリズム等の相関アルゴリズムを含み得る。

加えて、処理エンジンは、架電者および／または係員に関連付けられる親近性データを受信するように動作する、１つ以上の親近性マッチングアルゴリズムを含み得る。親近性データおよび／または親近性マッチングアルゴリズムは、単独で、または本明細書で議論される他のプロセスまたはモデルと組み合わせて使用され得る。

ルーティングエンジン２０４はさらに、架電者を係員にマッピングするための複数の処理エンジン３２０−１および３２０−２のうちの１つ以上を選択し、および／または重み付けするための選択論理（図示せず）を含み得る。例えば、選択論理は、既知または利用可能である架電者データの種類および量を決定し、適切な処理エンジン３２０−１、３２０−２、またはそれらの組み合わせを選択するための規則を含み得る。選択論理は、全体的または部分的に、ルーティングエンジン２０４、マッピングエンジン３０４に含まれ得るか、または両方に遠隔であり得る。

さらに、３５０で図３に示されるように、通話履歴データ（例えば、架電者・係員ペアデータ、および費用、収益、顧客満足度等に関する結果を含む）が、処理エンジン３２０−１および３２０−２を再訓練または修正するために使用され得る。例えば、係員実績データは、係員を再びランク付けするように、履歴結果に基づいて周期的に（例えば、毎日）更新され得る。さらに、架電者に関する履歴情報は、特定の結果変数の架電者傾向に関する情報を更新するために使用され得る。

いくつかの実施例では、ルーティングエンジン２０４または主要マッピングエンジン３０４はさらに、架電者および係員の保留またはアイドル時間を記憶またはアクセスし、架電者（および／または係員）の保留時間または待ち行列の順番に基づいて、架電者を係員にマッチングするように動作し得る、従来の待ち行列ベースのルーティングプロセスを含み得る。さらに、架電者が過剰に長く係員を待って保留されていないことを確実にするように、種々の機能または時間制限が架電者に適用され得る。例えば、架電者の時間制限（架電者に関係する所定の値または機能に基づくかどうかに関わらない）を超えた場合、架電者を次の対応可能な係員に経路指定することができる。

加えて、例示的なシステムおよび方法の種々の側面の調整を可能にする、例えば、架電者データの異なるモデル、程度、および種類の数の調整を可能にする、インターフェースがユーザに提供され得る。さらに、インターフェースは、異なる程度または種類に使用される特定のモデルの調整を可能にし得、例えば、特定のモデルの最適化または重み付けを調整すること、特定の程度または種類の架電者データに対するモデルを変更すること等を可能にする。インターフェースは、リアルタイムで、または所定の時間に、異なる要因を調整するためのスライダまたはセレクタを含み得る。加えて、インターフェースは、ユーザがある方法をオンおよびオフにすることを可能にし得、変更の推定効果を表示し得る。例えば、インターフェースは、ルーティングシステムの側面を変更することによって、費用、収益生成、または顧客満足度のうちの１つ以上の推定変化を表示し得る。結果変数を推定するための種々の推定方法およびアルゴリズムは、例えば、その全体で参照することにより本明細書に組み込まれる、２００８年７月２８日出願の同時係属米国仮特許出願第６１１０８４，２０１号で説明される。一実施例では、推定値は、同一（または類似）の一組の係員の過去の期間を評価し、係員／架電者ペアの分布を構築することを含む。各ペアを使用して、実績ベースのマッチング、パターンマッチングアルゴリズム等を介して、期待成功率が計算され、（例えば、売上、費用、顧客満足度等のうちの１つ以上に関して）現在の実績を推定するために、現在の情報に適用されることができる。したがって、履歴通話データおよび係員情報を取り込むことにより、本システムは、処理方法のバランスの変更または重み付けの推定を計算することができる。実績が時間とともに変化する可能性が高いであろうため、履歴情報に対する比較の時間（例えば、時刻、曜日等）が重要であり得ることに留意されたい。

図４Ａは、概して、架電者と係員とをマッチングするための例示的な確率乗算器プロセスを図示し、図４Ｂは、（例えば、待ち行列ベース等の）ランダムマッチングプロセスを図示する。これらの例証的実施例は、マッチングされる５人の係員および５人の架電者が存在することを仮定する。係員は、所望の結果変数の実績に基づいてランク付けすることができる。例えば、係員は、履歴売上率データに基づいて販売を完了する統計的可能性に基づいて、採点され、順序付けられ得る。加えて、架電者は、所望の結果変数、例えば、製品またはサービスを購入する傾向または尤度に基づいて、採点され、順序付けられることができる。架電者は、例えば、架電者が購入に対する統計的または履歴的可能性を決定するために使用される、人口統計データ、郵便番号、市外局番、使用される電話の種類等を含む、既知または利用可能な架電者データに基づいて、ランク付けおよび順序付けされ得る。

次いで、係員および架電者は、ランキングに基づいて互にマッチングされ、最高ランクの係員は、最高ランクの架電者にマッチングされ、第２の最高ランクの係員は、第２の最高ランクの架電者にマッチングされる等。最高を最高に、最低を最低にマッチングすることにより、図４Ｂに示されるように架電者を係員にランダムにマッチングすることと比較して、マッチングペアの積の増加をもたらす。例えば、（例えば、過去の係員実績に基づく）係員Ａ１−Ａ５の例証的な売上率、および（例えば、人口統計データ、架電者データ等の架電者データに基づく）架電者Ｃ１−Ｃ５が購入に対する可能性を使用して、図４Ａに示されるマッチングの積は、
（０．０９＊０．２１）＋（０．０７＊０．１２）＋（０．０６＊０．０４）＋（０．０５＊０．０３）＋（０．０２＊０．０２）０．０３１６
である。

対照的に、ランダムマッチングについては、図４Ｂで図示されるように、同一の割合を使用して、積は、
（０．０９＊０．１２）＋（０．０７＊０．０２）＋（０．０６＊０．２１）＋（０．０５＊０．０３）＋（０．０２＊０．０４）０．０２７１
である。

したがって、最高ランキング係員を最高ランキング架電者と、最低ランキング係員を最低ランキング架電者とマッチングすることにより、全体的な積、したがって、所望の結果変数（例えば、売上）を最適化する可能性を増加させる。

図５Ａは、保留中の架電者を、手の空く係員にマッチングするための例示的なプロセスを概略的に図示する。この実施例では、勤務時間中の全ての係員Ａ１−Ａ５、または架電者Ｃ１−Ｃ５の合理的な保留時間内に手が空き得る全ての係員が、以前に説明されたように採点されるか、またはランク付けされる。加えて、架電者Ｃ１−Ｃ５は、以前に説明されたように採点されるか、またはランク付けされる。係員、例えば、係員Ａ２の手が空くと、本プロセスは、架電者Ｃ２が係員Ａ２と同一（または類似）のランクであることを決定し、架電者Ｃ２がＡ２にマッチングされる。次いで、保留中の残りの架電者は、次の係員の手が空くと、マッチングのために再ランク付けされ得る。加えて、新しい架電者が保留にされると、架電者をリアルタイムで再ランク付けされることができる。例示的なプロセスは、複数の空いている係員に対して同様に動作し、（着信および発信コールセンターの両方に対して）架電者の手が空く。

大抵の場合において、係員および架電者の数は等しくないであろうと認識されるであろう。したがって、架電者（および／または係員）は、ランク付けされ、架電者の相対的パーセンタイルランキングに変換されることができる（例えば、正規化ランキング、または最高ランクの架電者を１００番目のパーセンタイルとして、最低ランクの架電者を０番目のパーセンタイルとして設定する）。係員は、同様に、相対的パーセンタイルランキングに変換され得る。係員の手が空くと、係員は、係員の相対的パーセンタイルランクに対して最も近い相対的パーセンタイルランクを有する架電者にマッチングされ得る。他の実施例では、係員の手が空くと、係員は、各係員・架電者ペアのＺ得点を計算するように、保留中の架電者の少なくとも一部分のランキングと比較されることができる。最高Ｚ得点は、相対的パーセンタイルランキングの最小差に対応し得る。さらに、ここで、Ｚ得点は、同様にＺ得点を出力し得る、パターンマッチングアルゴリズム等の他のアルゴリズムとマッチングを組み合わせるために使用され得る。

図５Ｂは、係員の手が空き、複数の架電者が保留中であるときに、架電者と係員とをマッチングするための例示的な方法を概略的に図示する。この実施例では、架電者（およびいくつかの実施例では係員）は、実績のサブグループにグループ化される。例えば、架電者実績の範囲が、複数のサブグループに分けられ得、架電者が、各グループ内でバケットされ得る。実績別の架電者の上位２０％は、図示されるようにＣ１_１−Ｃ１_Ｎとしてともにグループ化され得、その後に次の２０％が続く等。係員は、例えば、Ａ２の手が空くと、適切なサブグループからの架電者は、この実施例では、Ｃ２_１−Ｃ２_Ｎからの架電者にマッチングされる。サブグループ内で、架電者は、待ち行列の順番、最良適合、パターンマッチングアルゴリズム、等によって選択され得る。架電者を経路指定すべき適切なサブグループは、例えば、係員ランキングまたは得点に基づいて決定され得る。

一実施例では、結果変数Ｏに対するコールセンター実績を最適化することが所望されると仮定されたい。Ｏは、売上率、顧客満足度、第１通話解決、または他の変数のうちの１つ以上を含むことができる。さらに、ログインしているＮ_Ａ人の係員、および待ち行列の中のＮ_ｃ人の架電者が存在するある時を仮定されたい。係員は、Ｏを生成することにおいて、

の実績を有し、
ある性質Ｐによって分割される架電者が、以下のＯに対して、

傾向を有すると仮定されたい。

例えば、Ｏが売上率であり、Ｐが架電者の市外局番である場合、Ａ^Ｏは、各係員の売上率であり、Ｃ^Ｏは、特定の市外局番内の架電者に対する売上率である。（一組のログインした係員に関する）パーセンタイルランク付けされた係員の実績および（ある瞬間での待ち行列の中の一組の架電者に関する）パーセンタイルランク付けされた架電者の傾向を、以下のように計算する。

ここで、ｐｒ（ａ，Ｂ）は、範囲［０，１００］に調整された、一組の値Ｂに関する値ａのランクを返すパーセンタイルランク関数である。

ｋ番目の係員が対応可能になるときに、全ての係員が待機中であると仮定されたい。次いで、待ち行列の中のどの架電者に係員が接続されるべきであるかを決定するために、新たに手が空いたｋ番目の係員のパーセンタイルランクと待ち行列の中の架電者のパーセンタイルランクとの間の差

を計算する。

組｛Ｄ_Ｊ｝の最小要素を指示するｊの値は、ｋ番目の係員に接続する待ち行列の構成員を与える。Ｚ得点もまた、Ｄ_ｊから導出されることができる。これは、最高値の係員・架電者ペアが組の最良適合であり、それらが同一のスケールを有するので、このアルゴリズムからの出力が、他のアルゴリズムからのＺ得点出力と組み合わせられることができるという利点を有する。

ここで、μおよびσは、Ｔの平均および標準偏差であり、Ｔは、

で与えられる。

２つの変数の場合について説明される上記の実施例およびアルゴリズムは、２つの変数の場合に制限されないが、所望の結果に単調に関係する２つより多くの変数の場合まで明確に拡張できることが、当業者によって認識されるであろう。さらに、コールセンター実績の増加は、当業者によって理解および検討されるように、より多くの変数に関して増加することを示されることができる。

図６Ａは、ｘ軸およびｙ軸に沿った係員実績対架電者傾向、およびｚ軸に沿った売上の確率の例示的な３次元プロットを図示する。この実施例では、係員実績および架電者傾向は、ｘおよびｙの線形関数として定義される。例えば、一般性を失うことなく、ｘε［０，１］およびｙε［０，１］、係員傾向は、
ａ＝ｃａ＋ｍａ ｘ
であり、ここｐで、「ｃａ」および「ｍａ」は、係員実績線形関数の切片および勾配を表す（本明細書のある場合において、複数文字が単一の変数を表し、例えば、「ｃａ」および「ｍａ」は、各々が単一の変数であり、乗算演算子を示す他の文字によってオフセットされる）。同様に、架電者傾向については、
ｃ＝ｃｃ＋ｍｃ ｙ
であり、「ｃｃ」および「ｍｃ」は、架電者傾向線形関数の切片および勾配を表す。ａおよびｃの積の乗算モデル売上確率ｐは、
ｐ＝ａ ｃ
である。

表面６００として図６Ａで図式的に図示される、売上の確率の表面の平均高さｄは、

として計算されることができる。

表面高さの対角線「ｐｄｉａｇ」の平均高さｎ（単一の変数）を決定することは、架電者に対して類似パーセンタイルランキング係員を乗算することに対応し、

であり、ここで、λは、線に沿って積分することができるように対角線関数をパラメータ化する。

表面６００上の対角線上の影付き帯６０２によって図示されるような、対応する割合による確率マッチングに従った実績または売上率のブーストｂ、または潜在的な増加は、

のように計算されることができ、ここで、確率によるマッチングの理論的最大ブーストは、この例証的実施例について、１／３である。したがって、対角線上の影付き帯６０２の上または付近で架電者を係員にマッチングすることは、売上の確率を増加させる。

図６Ｂは、（実績の均一な分布とは対照的に）係員実績および架電者傾向に対する架電者および係員の正規分布の例示的な分析およびプロットを図示する。係員実績および架電者傾向の同一の定義を仮定すると、係員の実績および架電者の傾向にわたって通話頻度の分布を表すために、２次元ガウス関数が使用されることができる。

次いで、売上率は、ａおよびｃの関数によって表すことができ、Ａおよびσは、それぞれ、ガウス構成要素の大きさおよび標準偏差を与える。ガウスが｛０．５，０．５｝を中心とすると仮定して、確率は、

のように記述されることができる。

次いで、対角線売上率ｄは、

のように、売上率から直接決定されることができる。

これを［０，１］にわたってｘに関して積分することは、対角上で生じる通話係員ペアの売上率

を与える。

ランダムなクライアント係員ペアの売上率は、

のように計算することができ、これは、

に展開され、アルゴリズムのブーストは、

として計算されることができ、これは、売上のブースト

をもたらす。

したがって、図６Ａの正規分布と同様に、対角線上の影付き帯６０２の上または付近で架電者を係員にマッチングすることは、売上の確率を増加させる。当然ながら、架電者実績および係員傾向の例示的な関数、仮定、および分布は、例証的であり、例えば、履歴データ、フィードバック等に基づいて変化するであろうと理解されるであろう。さらに、追加の考慮および変数が、一般的プロセスに組み込まれ得る。また、上記の実施例では、売上を最適化すべき変数として参照するが、同一の手順は、通話処理時間（例えば、費用）、または第１通話解決、または多くの他の変数等の最適化されるべき他の変数またはそれらの組み合わせに適用されることができることにも留意されたい。

出願第１２／４９０，９４９号と比較して先述の方程式のうちのいずれかに相違がある限り、出願第１２／４９０，９４９号の方程式は、正しい方程式であり、優先する。図７は、架電者を通話ルーティングセンター内の係員にマッチングするための例示的なプロセスを図示する。この実施例では、係員は、７０２で、売上または顧客満足度等の結果変数に関連付けられる実績特性に基づいてランク付けされる。いくつかの実施例では、係員実績が、ある期間にわたる履歴データから各係員について決定され得る。他の実施例では、本方法は、係員の係員実績データまたは係員ランキングを単に取り出すか、または受信し得る。

一実施例では、係員は、収益の増加、費用の減少、または顧客満足度の増加等の最適な相互作用について格付けされる。格付けは、少なくとも１０日の期間等の期間にわたって、最適な相互作用を達成する能力についてコンタクトセンター係員の実績を対照することによって達成されることができる。しかしながら、期間は、直前の連絡と同じくらい短いものから、係員の架電者との最初の相互作用と同じくらい長く延びた期間までであり得る。また、係員を格付けする方法は、特定の最適な相互作用に対して１からＮの段階で、各係員をランク付けすることと同じくらい単純であり得、Ｎは、係員の総数である。格付けの方法はまた、費用について係員を格付けするために、各係員の平均連絡処理時間を決定すること、売上について係員を格付けするために、各係員によって生成される総売上収益または売上数を決定すること、または顧客満足度について係員を格付けするために、架電者との連絡の終了時に顧客調査を行うことを含むこともできる。しかしながら、先述の内容は、どのようにして係員が格付けされ得るかという実施例にすぎず、多くの他の方法が使用され得る。

架電者は、７０４で、架電者データに基づく結果変数に基づいて、ランク付けされるか、または採点される。架電者は、既知または利用可能な架電者データに基づく特定の結果の予測された可能性に基づいて、ランク付けされるか、または採点され得る。架電者データの量および種類は、各架電者について変化し得るが、履歴結果に基づいて特定の結果の統計的可能性を決定するために使用されることができる。例えば、架電者について既知である唯一のデータは、特定の市外局番からの架電者との過去の相互作用に基づいて、特定の購入に対する傾向に関連付けられる、市外局番であり得る。いくつかの実施例では、架電者に関連付けられるデータが存在しない場合があり、そのような場合、データが既知ではない場合、特定の結果に対する平均傾向または統計的可能性が使用され得る。

次いで、架電者および係員は、７０６で、それらのそれぞれのランキングに基づいてマッチングされる。例えば、説明されるように、より良い係員をより良い架電者にマッチングする等。加えて、等しくない数の架電者および係員に対処するために、いずれか一方または両方のランキングが調整または正規化されることができ、架電者および係員は、最も近いマッチングに基づいて経路指定される。例えば、係員のランクは、係員の数で除算され得、架電者についても同様であり、架電者は、最も近い一致に基づいて（またはある範囲内で）係員にマッチングされ得る。次いで、本プロセスは、７０８で、架電者を係員に経路指定するか、または経路指定を引き起こし得る。他の実施例では、本プロセスは、他のプロセスでマッチングを使用するか、または他の経路指定プロセスで重み付けするために使用し得る、他の装置またはプロセスにマッチングを伝え得る。

図８は、架電者を通話ルーティングセンター内の係員にマッチングするための別の例示的なプロセスを図示する。この実施例では、係員は、７０２で、売上または顧客満足度等の結果変数に関連付けられる実績特性に基づいてランク付けされ、相対的パーセンタイルランキングに変換される。例えば、係員の未加工実績値は、相対的パーセンタイルランキングに変換されることができ、例えば、９％売上率は、８５％実績ランキングに変換され得る。他の実施例では、未加工実績値は、標準得点またはＺ得点に変換されることができる。

架電者は、８０４で、架電者データに基づく結果変数に基づいてランク付けされるか、または採点され、相対的パーセンタイルランキングに変換される。係員と同様に、架電者の未加工予測値は、相対的パーセンタイルランキングに変換されることができ、例えば、２０％の購入する傾向または尤度は、架電者の間で９２％パーセンタイルランキングに変換され得る。他の実施例では、未加工値は、標準得点またはＺ得点に変換されることができる。

次いで、架電者および係員は、８０６で、それぞれの相対的パーセンタイルランキングに基づいてマッチングされる。例えば、架電者の相対的パーセンタイルランキングは、係員の相対的パーセンタイルランキングと比較されることができ、架電者は、対応可能な最も近い係員にマッチングされることができる。係員の手が空き、複数の架電者が保留中である実施例では、係員は、最も近い一致の架電者にマッチングされ得る。他の実施例では、架電者は、最良適合の係員の手が空くために所定の時間にわたって保留され、次いで、最も近い一致の係員にマッチングおよび経路指定され得る。

架電者および係員をランク付けし、それらのそれぞれのランキングに基づいて架電者を係員にマッチングする種々の様式が想定されることが認識されるであろう。例えば、一般的に言えば、例示的なプロセスは、より高いランキング架電者が、より高いランキング係員に経路指定され、より低いランキング架電者が、よりランキング係員に経路指定されることをもたらす。

図９は、確率乗算器プロセスおよびパターンマッチングアルゴリズムの両方に基づいて、架電者を通話ルーティングセンター内の係員にマッチングするための別の例示的なプロセスを図示する。本プロセスは、９０２で、結果変数に対する一組の係員の相対的係員実績を決定することと、９０４で、結果変数に対する一組の架電者の相対的架電者傾向を決定することとを含む。相対的係員実績および相対的架電者傾向はさらに、９０６で、相対的パーセンタイルランキングに正規化または変換され得る。

対応可能な係員データおよび架電者データの一部分または全ては、９０８で、パターンマッチングアルゴリズムを通過させられ得る。一実施例では、マッチングアルゴリズムは、以前の架電者・係員ペア結果について訓練されるニューラルネットワークアルゴリズム等の適応パターンマッチングアルゴリズムを含む。

マッチングアルゴリズムは、各架電者・係員ペアに対する架電者および／または係員に関連付けられる人口統計データを比較することと、所望の結果変数に対する架電者・係員ペアの好適性得点またはランキングを計算すること（または結果変数を重み付けすること）とを含み得る。さらに、Ｚ得点が、各架電者・係員ペアおよび結果変数について決定されることができる。例えば、２００９年８月２９日出願の同時係属米国出願第１２／２０２，０９１号は、架電者・係員ペアのＺ得点を計算するための例示的なプロセスを説明し、その全体で参照することにより本明細書に組み込まれる。

例示的なパターンマッチングアルゴリズムおよびコンピュータモデルは、ニューラルネットワークアルゴリズムまたは一般アルゴリズム等の相関アルゴリズムを含むことができる。一実施例では、その全体で参照することにより本明細書に組み込まれる、Ｍ．Ｒｉｅｄｍｉｌｌｅｒ，Ｈ．Ｂｒａｕｎ：“Ａ Ｄｉｒｅｃｔ Ａｄａｐｔｉｖｅ Ｍｅｔｈｏｄ ｆｏｒ Ｆａｓｔｅｒ ｂａｃｋｐｒｏｐａｇａｔｉｏｎ Ｌｅａｒｎｉｎｇ：Ｔｈｅ ＲＰＲＯＰ Ａｌｇｏｒｉｔｈｍ，”Ｐｒｏｃ．ｏｆ ｔｈｅ ＩＥＥＥ ＩｎｔＩ．Ｃｏｎｔ’．ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ １９９３によって説明されるように、弾性逆伝搬（ＲＰｒｏｐ）アルゴリズムが使用され得る。アルゴリズムを概して訓練するか、または別様に精緻化するために、（最適な相互作用のために測定されるような）実際の連絡結果が、起こった各連絡の実際の係員および架電者データに対して比較される。次いで、パターンマッチングアルゴリズムは、ある架電者をある係員とマッチングすることが、どのようにして最適な相互作用の可能性を変化させるであろうかを習得するか、またはその習得を向上させることができる。このようにして、次いで、パターンマッチングアルゴリズムは、特定の一組の架電者データに関する架電者を、特定の一組の係員データの係員とマッチングすることの関連で、最適な相互作用の可能性を予測するために使用されることができる。好ましくは、パターンマッチングアルゴリズムは、コンタクトセンターが１日の営業を終えた後に毎晩、アルゴリズムを周期的に訓練する等、架電者相互作用についてのより多くの実際のデータがアルゴリズムに利用可能になるにつれて周期的に精緻化される。

パターンマッチングアルゴリズムは、各係員および架電者マッチングに対する最適な相互作用の予測された可能性を反映する、コンピュータモデルを作成するために使用されることができる。例えば、コンピュータモデルは、全ての対応可能な架電者に対してマッチングされるような、コンタクトセンターにログインしている全ての係員に対する一組の最適な相互作用の予測された可能性を含み得る。代替として、コンピュータモデルは、これらの一部、または前述の組を含む組を含むことができる。例えば、コンタクトセンターにログインしている全ての係員を全ての対応可能な架電者とマッチングする代わりに、例示的な方法およびシステムは、全ての対応可能な係員を、全ての対応可能な架電者、またはさらに、係員あるいは架電者のより狭い一部とマッチングすることができる。コンピュータモデルはまた、係員および架電者の各マッチングの好適性得点を含むように、さらに精緻化されることもできる。

他の実施例では、例示的なモデルまたは方法は、架電者および／または係員に関連付けられる親近性データを利用し得る。例えば、親近性データは、人口統計、心理学、または他のビジネス関連情報から独立している、個々の架電者の連絡結果（本願では「架電者親近性データ」と称される）に関係し得る。そのような架電者親近性データは、架電者の購入履歴、連絡時間履歴、または顧客満足度履歴を含むことができる。これらの履歴は、架電者の商品購入の一般履歴、係員との平均連絡時間、または平均顧客満足度の評定等、一般的であり得る。これらの履歴はまた、架電者の購入、連絡時間、または特定の係員に接続された時の顧客満足度等、係員特有でもあり得る。

実施例として、ある架電者が連絡された最後のいくつかの場合において、架電者が製品またはサービスを購入することを選択したので、架電者は、購入する可能性が高い人として、それらの架電者親近性データによって識別され得る。次いで、この購入履歴は、架電者が最適な相互作用の可能性を増加させるために好適と見なされる係員と架電者が優先的にマッチングされるように、マッチングを適切に精緻化するために使用することができる。この実施形態を使用して、架電者の過去の購入行動を考慮すると、売上の可能性が依然としてあり得るので、コンタクトセンターは、架電者を、収益を生成するための高い等級を有さない、またはそうでなければ容認可能なマッチングではないであろう係員と優先的にマッチングすることができる。このマッチングのための方略は、そうでなければ架電者との連絡相互作用に専念させられであろう対応可能な他の係員を残すであろう。代替として、コンタクトセンターは、代わりに、架電者データおよび係員人口統計または心理学データを使用して生成されるマッチングが、何を示し得るかにかかわらず、架電者が収益を生成するための高い等級を伴う係員とマッチングされることを保証しようとし得る。

一実施例では、説明された実施例によって開発される親近性データおよび親近性データベースは、架電者の連絡が種々の係員データにわたって追跡されるものであり得る。そのような分析は、例えば、類似する性別、人種、年齢の係員に、またはさらに、特定の係員とマッチングされる場合に、架電者が連絡に満足する可能性が最も高いことを示し得る。この実施例を使用して、本方法は、架電者を、容認可能な最適相互作用を生成したことが架電者親近性データから既知である特定の係員または種類の係員と優先的にマッチングすることができる。

親近性データベースは、商用、クライアント、または公的に利用可能なデータベース源が、架電者についての情報を欠いているときに、架電者についての特に実用的な情報を提供することができる。このデータベース開発はまた、個々の架電者の連絡結果が、商用データベースが暗示し得るものとは異なり得るという結論を駆動し得るので、架電者について利用可能なデータがある場合でさえも、コンタクトルーティングおよび係員・架電者マッチングをさらに増進するために使用されることもできる。例として、例示的な方法が、架電者と係員とをマッチングするために、専ら商用データベースに依存する場合、それは、架電者が最適な顧客満足度を達成するために、同性の係員に最良適合されるであろうと予測し得る。しかしながら、架電者との以前の相互作用から開発された親近性データベース情報を含むことによって、例示的な方法は、架電者が、最適な顧客満足度を達成するように、異性の係員に最良適合されるであろうと、より正確に予測し得る。

次いで、架電者は、９０６で決定される相対的ランキングの比較、および９０８でのパターンマッチングアルゴリズムに基づいて、９１０で係員にマッチングすることができる。例えば、両方のプロセスの結果が、最良適合の架電者・係員ペアを決定するように、例えば、線形または非線形結合を介して、組み合わせられ得る。

次いで、係員への架電者の選択またはマッピングは、９１２で、架電者係員に経路指定させるためのルーティングエンジンまたはルータに渡され得る。ルーティングエンジンまたはルータは、架電者を係員にマッピングするシステムに対してローカルまたは遠隔にあり得る。追加の動作が行われ得、説明された動作は、それらが記述される順番で起こる必要はなく、いくつかの動作は、並行して行われ得ることに留意されたい。

（差異アルゴリズムマッピング（ＶＡＲＩＡＮＣＥ ＡＬＧＯＲＩＴＨＭ ＭＡＰＰＩＮＧ）：）さらなる実施形態が、少なくとも部分的に差異アルゴリズムに基づく通話マッピングについて、次に説明される。以下の実施例および説明は、概して、係員実績（ＡＰ）の観点で説明されるが、例えば、購入に対する架電者傾向を推定するために、類似の問題が存在し、同一の方法論が適用される。したがって、用語を繰り返すことを回避するために、実施例は、これが、同等に種々のパーティションに基づく架電者傾向（ＣＰ）を指すことができると理解した上で、係員実績（ＡＰ）の観点で表されるであろう。

例示的な通話マッピングおよびルーティングシステムは、３つの異なる数学的種類の標的データを利用することができる。２項式、例えば、売上／売上なしであるコンバージョン率（ＣＲ）、多項式、例えば、１回の通話につき販売された単位あたりの収益生成（ＲＧＵ）の数、および連続、例えば、１回の通話あたりの収益および処理時間である。本明細書で説明される全ての技術は、３つ全ての種類のデータに適用されるが、当業者によって認識されるように、使用される数学的技法の差異を必要とする（特にベイズ平均回帰（ＢＭＲ）の場合）。再度、反復で議論を乱すことを回避するために、用語ＣＲが全体を通して使用されるが、これは、２項式、多項式、または連続データ表すと理解されるべきである。

コンタクトセンター内の係員への架電者のマッピングおよび経路指定を向上させるか、または最適化するために使用されることができるシステムおよび方法が、ここで提供され、架電者のマッピングおよび経路指定は、実績ベースの経路指定技術を使用し得る。本発明の一側面では、方法およびシステムは、高い実績の係員を、係員実績が通話結果に大きな差異を生じるグループに属する架電者にマッピングするか、または割り当て、不良な実績の係員を、係員実績が比較的少ない差異を生じるグループ内の架電者にマッピングするか、または割り当てようとする。一実施例では、本方法およびシステムは、架電者の分割が行われたこと、例えば、多くの方法で定義され得る｛Ｐ｝を仮定する。可能なパーティションは、少なくとも部分的に、いくつか例を挙げると、架電者の人口統計、架電者ＮＰＡ（別名市外局番）またはＮＰＡＮＸＸ（電話番号上の最初の６桁）、またはベクトルディレクトリ番号（ＶＤＮ）、または地理的地域、またはフリーダイヤル、または転送番号に基づき得る。どのような方法によっても、架電者は、パーティションの種々の統計の各々が計算され得る組に分割される。

例示的なプロセスは、以下のように実行され得る。

１．例えば、ベイズ平均回帰方法等によって、係員実績（ＡＰ）の最良推定値を計算する。一組の係員を、それらのＡＰ値によって、上半分の最高実績の係員｛Ｔ｝および下半分の一組の係員｛Ｂ｝に分ける。これは、中央ＡＰで係員を分割し、中央値より大きいＡＰを伴う係員を｛Ｔ｝に、残りを｛Ｂ｝に割り当てることによって、行われ得る。実施形態では、係員は、実績に基づいて、または人口統計あるいは個性に関係する１つ以上の他のパラメータに基づいて、２つより多くの分割またはグループに分けられ得ることに留意されたい。

２．１つ以上の基準に基づいて、１つ以上のコンピュータによって、一組の架電者を一組のパーティションに分割する。各パーティションＰ_ｉに対して、｛Ｔ｝の中の係員によって獲得されるＰ_ｉの通話における平均コンバージョン率（ＣＲ）を計算し、｛Ｂ｝の中の係員に同一の計算を行う。次いで、これらの量の間の差異Δを計算する。大きなΔを伴うパーティションは、係員が大きな差異を生じ、つまり、高い実績の係員が、低い実績の係員よりもはるかに高いＣＲを得るものである。逆に、小さいまたはゼロのΔを伴うパーティションは、係員が差異をほとんどまたは全く生じないものである。

３．最高Δから最低ΔまでのΔによって、パーティションに対するランキングまたはパーセンタイルを計算し、例えば、９７番目のパーセンタイルのパーティションは、より低いΔを伴うパーティションの中の通話の９７％を有する。

４．係員実績（ＡＰ）のパーセンタイルを計算する。（これらのパーセンタイリングは、各グループ、各架電者パーティション、または各係員における通話数により、マッチング時にほぼ等しい数の各々が利用可能であることを保証し、したがって、係員または架電者のプールにバイアスをかけることを回避する）。したがって、実施形態では、９７番目のパーセンタイルを伴う係員は、より低い実績ランキングを伴う係員へ行く通話の９７パーセントを有する。

５．実施形態では、通話は、架電者のパーティションに対するパーセンタイルΔと係員のＡＰのパーセンタイルとの間の差異が最小化される、係員・架電者ペアに割り当てられ得る。したがって、実施形態では、より高いΔを伴うパーティションからの通話は、より高い実績の係員にマッチングされ、より低いΔを伴う通話は、より低い実績の係員にマッチングされるであろう。

図１１を参照すると、実施形態の実装が開示されている。ブロック１１００は、１つ以上のコンピュータによって、一組の係員の係員実績データを取得する動作を表す。実施形態では、係員実績データは、売上／売上なし、１回の通話につき販売されたアイテムの数、および処理時間を加味した１回の通話あたりの収益の群から選択される１つを含み得る。実施形態では、この実績データは、そのような実績データを含むデータベースにアクセスすることによって取得され得る。

ブロック１１１０は、少なくとも部分的に係員実績データに基づいて、１つ以上のコンピュータによって、係員をランク付けする動作を表す。

ブロック１１２０は、少なくとも部分的にランク付けするステップに基づいて、１つ以上のコンピュータによって、係員を係員実績範囲に分ける動作を表す。

ブロック１１３０は、１つ以上の基準に基づいて、１つ以上のコンピュータによって、一組の架電者の中の架電者を一組のパーティションに分割する動作を表す。実施形態では、パーティションは、少なくとも部分的に、いくつか例を挙げると、人口統計データ、市外局番、郵便番号、ＮＰＡＮＸＸ、ＶＴＮ、地理的地域、フリーダイヤル、および転送番号の群から選択される１つ以上に基づき得る。

ブロック１１４０は、１つ以上のコンピュータによって、パーティションの各々について、係員実績範囲のうちの少なくとも第１の範囲の結果値、および係員実績範囲のうちの第２の範囲の結果値を決定する動作を表す。実施形態では、結果値は、売上、１回の通話につき販売されたアイテムの数、および処理時間を加味した１回の通話あたりの収益の群から選択される１つ以上を含む。実施形態では、結果値を決定するステップは、係員実績範囲の特定の結果の平均結果値を決定することを含み得る。

ブロック１１５０は、少なくとも部分的に第１の係員実績範囲の結果値と第２の係員実績範囲の結果値との間の差に基づいて、１つ以上のコンピュータによって、パーティションの各々について、結果値差指標を計算する動作を表す。

ブロック１１６０は、少なくとも部分的にパーティションの結果値差指標に基づいて、１つ以上のコンピュータによって、それぞれの実績データを伴うそれぞれの係員を、パーティションのうちの１つの中のそれぞれの架電者にマッチングする動作を表す。

実施形態では、マッチングするステップは、少なくとも部分的に、より高い実績の係員を、結果値差指標が結果値差指標のうちの他方に対してより高い、パーティションのうちの１つからの架電者に割り当てる規則に基づき得、より高い実績の係員は、少なくとも部分的に、係員のうちの他の係員実績データに対するそれぞれの係員の係員実績データに基づいて決定される。実施形態では、１つ以上の閾値が、結果値差指標に使用され得、係員実績の異なる範囲が、これらのそれぞれの閾値に関連付けられ得る。実施形態では、ランキングまたはパーセンタイルが使用され得、架電者のパーティションの結果値差指標のランキングまたはパーセンタイルに最も近いランキングまたはパーセンタイルを伴う係員がマッチングされ得る。

実施形態では、マッチングするステップはさらに、少なくとも部分的に通話数のうちの第１の数に基づいて、１つ以上のコンピュータによって、高いΔから低いΔまでのΔによってパーティションのランキングまたはパーセンタイルを計算するステップと、少なくとも部分的にそれぞれの係員実績データおよび第２の通話数に基づいて、１つ以上のコンピュータによって、一組の係員の中のそれぞれの係員の係員実績（ＡＰ）のランキングまたはパーセンタイルを計算するステップとを含む。実施形態では、これらのパーセンタイリングまたはランキングは、各グループ、各架電者パーティション、または各係員の通話数により、マッチング時にほぼ等しい数のそれぞれが利用可能であることを保証し、したがって、係員または架電者のプールにバイアスをかけることを回避する。実施形態では、マッチングするステップはさらに、少なくとも部分的に、それぞれの架電者のパーティションの結果値差指標のパーティションパーセンタイルまたはランキングと、それぞれの係員の実績パーセンタイルまたはランキングとの間の差異を最小化する規則に基づいて、１つ以上のコンピュータによって、それぞれの係員をそれぞれの架電者にマッチングすることを含み得る。

実施形態では、実績データの混合が使用され得る。実施形態では、より高い次元マッチングが行われ得、マッチングするステップは、コンバージョン率またはコンバージョン率差分、および処理時間、または顧客満足度得点について行われ得る。

実施形態では、マッチングアルゴリズムの混合が使用され得る。例えば、１つ以上のコンピュータは、実行されると、１つ以上の基準に基づいて、１つ以上のコンピュータによって、結果値差指標マッチングアルゴリズムと、結果値差指標マッチングアルゴリズムとは異なる第２のマッチングアルゴリズムとの間で切り替えるステップを行うためのプログラムコードで構成され得る。この実施例では、第２のマッチングアルゴリズムへの切替があったとき、次いで、１つ以上のコンピュータによって、係員のうちのそれぞれの１人を架電者のうちのそれぞれの１人とマッチングするように第２のマッチングアルゴリズムを行う。実施形態では、第２のマッチングアルゴリズムは、パターンマッチングアルゴリズム、または係員および架電者の最も近いパーセンタイルまたはランキングマッチング、または他のマッチング型アルゴリズムであり得る。実施形態では、本システムは、ランダムまたは待ち行列ベースのマッチングと比較して、結果値差指標マッチングアルゴリズムの使用の相対的有効性を実証するように、ランダムマッチングアルゴリズムまたは純待ち行列ベースのアルゴリズムに切り替わり得る。

実施形態では、１つ以上のコンピュータは、実行されると、マッチングするステップで結果値差指標マッチングアルゴリズムおよび第２のマッチングアルゴリズムの各々を使用して、１つ以上のコンピュータによって結果データを取得するステップと、１つ以上のコンピュータによって、係員実績の分布および／または架電者傾向の分布の中の切替点を取得または受信するステップであって、より良い結果が、アルゴリズムのうちの他方に対してアルゴリズムのうちの一方から取得される、ステップと、１つ以上のコンピュータによって、アルゴリズムの間で切り替えるために、この切替点を使用するステップとを行うためのプログラムコードで構成され得る。切替点は、２つの異なる種類の実績データに基づいて、アルゴリズムモデルの実績データを精査することによって、経験的に決定され得る。この精査は、手動で行われ得、または実績結果の比較、およびそれぞれのアルゴリズムの実績結果間の所定の差異の閾値を超えたという決定に基づいて、自動的に、周期的または非周期的に、あるいは実行時に決定され得る。実施形態では、実績データの混合の使用はまた、処理時間、顧客満足度、または別のパラメータに使用され得る。

実施形態では、純コンバージョン率ランキングまたはパーセンタイルが、低い係員コンバージョン率（例えば、不良な売上）に使用され得る。次いで、本システムは、差分のランキングまたはパーセンタイルを使用することに切り替わり得る。したがって、実施形態では、１つ以上のコンピュータは、実行されると、１つ以上のコンピュータによって、結果値差指標マッチングアルゴリズムと、１つ以上の基準に基づいて、それぞれのランキングまたはパーセンタイルを伴うそれぞれの係員を、最も近いランキングまたはパーセンタイルを伴うパーティションのうちの１つの中の架電者にマッチングするように構成される、第２のマッチングアルゴリズムとを切り替えるステップと、第２のマッチングアルゴリズムへの切替があったとき、次いで、１つ以上のコンピュータによって、係員のうちのそれぞれの１人を架電者のうちのそれぞれの１人にマッチングするように第２のマッチングアルゴリズムを行うステップとを行うためのプログラムコードで構成され得る。

（時間効果補償：）自立し得るか、または本明細書の他の実施形態に組み込まれ得る、時間効果を補償する、通話マッピングのためのさらなる時間効果の実施形態が開示される。前述のように、以下の実施例および説明は、概して、係員実績（ＡＰ）の観点で説明されるが、例えば、購入に対する架電者傾向を推定するために、類似の問題が存在し、同一の方法論が適用される。したがって、用語を繰り返すことを回避するために、実施例は、これが、同等に架電者傾向（ＣＰ）を指すことができると理解した上で、係員実績（ＡＰ）の観点で表されるであろう。

コールセンター内のコンバージョン率（ＣＲ）は、典型的には、経時的に変化し得る。例えば、１日を通したＣＲ、曜日効果、およびより長いサイクルの変動等の周期的変化がある。また、経年変化もあり得る。後者の原因は、販売キャンペーン、休暇シーズンを過ごすこと等の季節的影響、および経済の状態を含む。

これらの効果は、補償されない場合、係員実績（ＡＰ）およびＣＰの両方の正確な計算に影響を及ぼし得る。例えば、特定のコールセンターが、日中より夜間の通話に高いＣＲを有した場合には、夜間シフトのみで働いた係員が、日中に働いた係員より高い実績を有すると考えられるであろう。しかし、この高い実績は、アーチファクトとなり、補正されなかった場合、不正確なＡＰをもたらすであろう。図１２−１４を参照されたい。

架電者のマッピングおよび経路指定が、実績ベースの経路指定技術を使用し得る、コンタクトセンター内の係員への架電者のマッピングおよび経路指定を向上させるか、または最適化するために使用することができる、システムおよび方法が、本明細書で提供される。本発明の一側面では、係員および／または架電者データに基づいて架電者を係員にマッピングするためのシステムおよび方法が提供され、係員および／または架電者データは、タイミング効果（例えば、係員への架電者のマッピングを決定するために使用される、係員および／または架電者データのうちの１つ以上に影響を及ぼす時間データまたは情報）を含むか、またはそれらに基づく。例えば、パターンマッチングアルゴリズムによって利用される係員データおよび架電者データは、いくつか例を挙げると、時刻、曜日、１ヶ月の時期、１年の時期のうちの１つ以上の関数として、実績、推定実績、または出力変数に関連付けられる時間効果データを含み得る。パターンマッチングアルゴリズムは、各架電者に関連付けられる架電者データを各係員に関連付けられる係員データと比較して、係員への架電者の最適なマッチングを決定するように動作し、マッチングアルゴリズムを行うときに、係員の実績または特定のマッチングの推定結果への時間効果の分析を含み得る。

実施形態では、ＣＲの経年動向が、例えば、１日または１週間の移動窓平均を用いた、コールセンターデータの平滑化によって検出され得る。周期的効果が、多くの時期にわたって、ＦＦＴまたはＬｏｍｂ Ｓｃａｒｇｌｅ Ｐｅｒｉｏｄｏｇｒａｍ（参照することにより本明細書に組み込まれる、Ｗｉｌｌｉａｍ Ｈ．Ｐｒｅｓｓ ａｎｄ Ｇｅｏｒｇｅ Ｂ．Ｒｙｂｉｃｋｉ Ｆａｓｔ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｓｐｅｃｔｒａｌ Ａｎａｌｙｓｉｓ ｏｆ Ｕｎｅｖｅｎｌｙ Ｓａｍｐｌｅｄ Ｄａｔａ Ａｓｔｒｏｐｈｙｓｉｃａｌ Ｊｏｕｒｎａｌ，３３８：２７７−２８０，Ｍａｒｃｈ １９８９）等のパワースペクトル分析技法によって、曜日ＣＲ、１日の時間ＣＲの両方とも検出され得る。例えば、３ヶ月のデータのデータサンプルが使用され得、平均値および平均値の標準誤差（ＳＥ）が、全ての月曜日、火曜日等について、平均値および平均値の標準誤差を単純に計算することによって、計算され得る。

図２４−２７は、１日の時間、曜日、および他のサイクルタイミング効果の証拠を示し、上記を例示する。図２４は、１ヶ月にわたる平均収益変動を図示する。図２５は、１週間の日々にわたる平均収益変動を図示する。図２６は、１日の時間にわたる平均収益変動を図示する。図２７は、頻度（１時間）と対比した正規化パワースペクトル密度を図示する。

経年動向を補正する例示的な方法が提供される。典型的には、数ヶ月の長さの期間からのＣＲの毎日の平均値が、線形最小二乗回帰、またはｌｏｗｅｓｓ（例えば、参照することにより本明細書に組み込まれる、Ｃｌｅｖｅｌａｎｄ，Ｗ．Ｓ．（１９７９）Ｒｏｂｕｓｔ ｌｏｃａｌｌｙ ｗｅｉｇｈｔｅｄ ｒｅｇｒｅｓｓｉｏｎ ａｎｄ ｓｍｏｏｔｈｉｎｇ ｓｃａｔｔｅｒｐｌｏｔｓ．Ｊ．Ａｍｅｒ．Ｓｔａｔｉｓｔ． Ａｓｓｏｃ．７４，８２９−８３６を参照）あるいはｌｏｅｓｓのようにより平滑な局所加重最小二重のいずれか一方を用いて適合される。次いで、未加工の毎日の時系列を適合値で除算することによって、補正ＣＲデータを取得することができる。

周期的変動を補正する例示的な方法も提供される。１日の時間（ＨＯＤ）別、曜日（ＤＯＷ）別、またはＨＯＤおよびＤＯＷ効果を１つの変数に組み込む１週間の時間（ＨＯＷ）別のＣＲ（コンバージョン率）の時期平均は、好適に長いデータサンプルから計算され得る。

以下は、３つの例示的な補正方法である。

１．加法：新しい標的変数が、通話が発生する時期の時期平均より小さい未加工標的変数として定義される。この方法および後に続く方法では、「標的変数」という用語は、通話マッピングシステムが最適化しているあらゆる変数を意味する。コンバージョン率の場合、それは｛Ｏ，Ｉ｝となり、収益生成単位（ＲＧＵ）の場合、１回の通話あたりのＲＧＵの数となり、または収益の場合、１回の通話あたりの収益となるであろう。

２．乗法：新しい標的変数が、通話が発生する時期の時期平均で除算される、未加工標的変数として定義される。

３．マイクロスキル方法：関連時間効果、ＨＯＤ、ＤＯＷ、またはＨＯＷが、外積を形成することによって、ＡＰ計算で使用されるスキル（またはＶＤＮ）と組み合わせられる。例えば、２つのスキル、つまり、ＡおよびＢがあり、ＤＯＷ補正のみを考慮している場合、Ａおよび月曜日、Ａおよび火曜日、・・・、Ａおよび日曜日、Ｂおよび月曜日、Ｂおよび火曜日、・・・、Ｂおよび日曜日を含む、２×７＝１４の新しいマイクロスキルを形成することができる。次いで、これらの１４のマイクロスキルは、係員実績のＢＭＲ計算で因数として使用されるであろう。例えば、時間効果がスキルレベルまたはＶＤＮレベルで適用され、測定される係員に対する１０のスキルがあるとき、次いで、それぞれの係員に対する時間効果調整が、１０のスキルの各々について、２４日の各時間について行われ得、例えば、１０×２４＝２４０の時間効果調整、すなわち、マイクロスキル調整が、実績データに行われ得る。

新しい標的変数を伴う補正データが計算されたとき、補正標的変数を使用して、ＡＰおよびＣＰならびに全ての他のマッピング計算が行われ得る。

実施形態では、１つ以上のコンピュータによって、時間効果を補正するための方法は、標的結果変数から、所望の結果データサンプルからの時期平均を差し引くことを含み、時期平均は、新しい標的結果変数を取得するように、それぞれの通話が起こる時期からの１日の時間、曜日、および１週間の時間の所望の結果データの群から選択される１つの平均を含む。

実施形態では、１つ以上のコンピュータによって、時間効果を補正するための方法は、所望の結果データサンプルからの時期平均で標的結果変数を除算することを含み、時期平均は、新しい標的結果変数を取得するために、それぞれの通話が起こる時期からの１日の時間、曜日、および１週間の時間の所望の結果データの群から選択される１つの平均を含む。

実施形態では、１つ以上のコンピュータによって、時間効果を補正するための方法は、係員実績のベイズ平均回帰（ＢＭＲ）計算で使用される因数を取得するように、それぞれの通話が起こる時期からの１日の時間、曜日、および１週間の時間の所望の結果データ等の選択された時期データを組み合わせることによって、外積を形成することを含む。

（分布補償：）実施形態では、マッチングアルゴリズムは、係員を架電者にマッチングするために使用され得、係員のパラメータを反映する所与の数は、架電者の異なるパラメータを反映する最も近い数を伴う架電者にマッチングされる。例えば、実施形態では、係員の数は、一組の係員の中の他の係員に対するそれぞれの係員の実績を反映する、ランクまたはパーセンタイルであり得る。同様に、架電者の数は、何かに対する架電者傾向のため等の待ち行列または他のグループの中の他の架電者に対する、架電者のランクまたはパーセンタイルであり得る。実施形態では、ランクまたはパーセンタイルは、少なくとも部分的に、係員の実績のレベルが通話の結果に差異を生じるか否かに基づく、架電者のパーティション（例えば、人口統計、郵便番号、市外局番等）に対するものであり得る。

そのようなアルゴリズムが使用されるとき、係員実績パーセンタイルの実施例を使用して、マッチングアルゴリズムは、分布の端部における係員（例えば、最低係員および最高係員）を犠牲にして、実績の分布内の中間パーセンタイルにおける係員に架電者を割り当てる／クラスタ化する傾向があることが発見されている。実施形態では、この効果を補償するために、実績分布のエッジにおける係員がさらに利用される尤度を増加させるように、エッジ補償アルゴリズムが提供される。一実施形態では、エッジ補償アルゴリズムは、実行時に空いている係員を選び、実績分布のエッジにより多くの空間／余白を提供するように、これらの実行時対応可能係員のそれぞれの係員実績を再調整する（例えば、それぞれの実績レベルを増加させるように最低係員の実績数に重み付けし、および／または最高係員のそれぞれの実績レベルを減少させるように重み付けする）。重み付けの余白の量は、実行時に空いている係員の数に基づく。例えば、そのうちのｋ人が自由に通話を受けることができる、ｎ人の係員が働いている場合、最下位の係員がパーセンタイル１００／（２＊ｋ）を有し、最上位の係員がパーセンタイル１００＊（１−（２／ｋ））を有するように、ｎの係員パーセンタイルを直線的に再調整する。別の実施形態では、エッジ補償アルゴリズムは、待ち行列または他のグループの中の架電者を選び、分布のエッジにより多くの空間／余白を提供するように、それぞれの架電者傾向ランキングまたはパーセンタイルを再調整する（例えば、それぞれの傾向レベルを増加させるように最低架電者の傾向数に重み付けし、および／または最高架電者のそれぞれの傾向レベルを減少させるように重み付けする）。重み付けの余白の量は、実行時に待ち行列の中またはグループの中にいる架電者の数に基づく。

ここで、エッジ補償アルゴリズムの種々の実施例が提供される。

（表記法および設定）
パーセンタイルは、全て１００で除算されており、０から１の間にある。
この実験は、１次元単位間隔の架電者・係員マッチングアルゴリズムに対するものであり、目標は、以下の通りである。
１．係員のパーセンタイルと架電者パーセンタイルとの間の平均差を最小化する。
２．実績に向かった明示的な補間がない場合、経路指定は、係員の均一な利用、または架電者の平均待機時間を有する。
３．係員の均一な利用と実績ベースの経路指定との間で補間する簡易アルゴリズムを組み込む。
Ｌ１＝複数の空いている係員が存在し、単一の通話が着信して、空いている係員のうちの１人に経路指定される状況。
Ｌ２＝待ち行列の中に複数の通話があり、１人の係員が対応可能になる状況。待ち行列の中の通話のうちの１つが、空いている係員に経路指定される。
Ｋａｐｐａ＝Ｌ１状況で、純実績経路指定（通話が着信するとき、最高実績の空いている係員に割り当てられる）とより均一な係員利用との間で補間する方法。実施形態は、１より大きいあるｋａｐｐａに対するｋａｐｐａ乗まで、パーセンタイルを上昇させることによる、係員パーセンタイルの再調整である。
Ｒｈｏ＝Ｌ２状況で、純実績経路指定（係員が対応可能になり、待ち行列の中の最良通話に割り当てられるとき。この場合、低いパーセンタイルを伴う通話は、高いパーセンタイルを伴う通話よりはるかに長い待機時間を有し得る）とより均一な通話の期待待機時間アルゴリズムとの間で補間する方法。実施形態は、１より大きいあるｒｈｏに対して、ｒｈｏ乗まで、パーセンタイルを上昇させることによる、係員パーセンタイルの再調整である。

実験のコードは、Ｒで記述された。
Ｔ＝秒単位の時間、時間は離散的である
ｍｅｔｈｏｄ＝分析されている新しい方法について、現在の方法論には値ｎｏｗ、先見的方法にはｌａｈ、適応シフト方法にはａｓｍ、静的シフト方法にはｓｓｍ、静的シフト方法ｖ６にはｓｓｍ６、平均距離方法にはａｄｍ、および交互円にはａｃｌを有する。
ｎａｇｅｎｔｓ＝係員の数
ａｈｔ＝平均処理時間
ｍｕ＝空いている係員の平衡平均数
ｂａｓｅ＿ａｐ＝１／（２＊ｎａｇｅｎｔｓ）から始まる、［０，１］で均等に分布する、任意の調整または変換前の係員パーセンタイル
ｂａｓｅ＿ｃｐ＝［０，１］で均一に分布する、任意の調整または変換前の架電者パーセンタイル
ｍｅｔｈｏｄ＿ａｐ＝適用される方法による任意の調整または変換後の係員パーセンタイルのベクトル
ｍｅｔｈｏｄ＿ｃｐ＝適用される方法による任意の調整または変換後の、待ち行列に入った順番で係員を待つ、待ち行列の中にいる架電者パーセンタイルのベクトル
ｂａｓｅ＿ａｐ［ｆｒｅｅａｇｅｎｔｓ］＝空いている係員のみに対する係員パーセンタイルのベクトル
ｂａｓｅ＿ｃｐ［ｆｒｅｅａｇｅｎｔｓ］＝待ち行列の中の通話に対する架電者パーセンタイルのベクトル
（適応シフト方法Ｌ１）
方法：これは、１人以上の空いている係員、および待ち行列の中の多くても１つの通話がある状況である。任意の時点で、｛（１−ｍａｘ（ｂａｓｅ＿ａｐ［ｆｒｅｅａｇｅｎｔｓ］））−ｍａｘ（ｂａｓｅ＿ａｐ［ｆｒｅｅａｇｅｎｔｓ］）｝／２によって、係員のパーセンタイルをシフトする。すなわち、
ａｓｍ＿ａｐ＝ｂａｓｅ＿ａｐ＋（１−ｍａｘ（ｂａｓｅ＿ａｐ［ｆｒｅｅａｇｅｎｔｓ］））／２−ｍｉｎ（ｂａｓｅ＿ａｐ［ｆｒｅｅａｇｅｎｔｓ］）／２
である。

理論：この方法の基礎は、エッジがなければ、いかなるエッジ効果もないであろうという見解である。すなわち、係員および架電者パーセンタイルが長さ１の円に沿って均等に分布した場合である。単純に適用された場合、これは、１に近いｂａｓｅ＿ｃｐを伴う架電者が、ｂａｓｅ＿ａｐが０に近い係員とマッチングされ得るため、いくつかの不良なマッチングをもたらすであろう。これを回避するための重要な見解としては、単純適応シフト方法論の下で、通話がｉ番目の空いている係員に割り当てられる確率は、内部（最上位（ｎ番目）でも最下位（ｉ番目）でもない）の空いている係員については（ａｓｍ＿ａｐ_ｉ＋１−ａｓｍ＿ａｐ_ｉ−１）／２、最下位の係員については（１−ａｓｍ＿ａｐ_ｎ＋ａｓｍ＿ａｐ_２）／２、最上位の空いている係員については（ａｓｍ＿ａｐ_１＋１−ａｓｍ＿ａｐ_ｎ−１）／２である。最下位および最上位エッジが同一であるように、空いている係員のパーセンタイルが実行時に厳格にシフトされた場合には、確率が維持され、ゼロの通話が常に最下位の空いている係員にマッチングされ、１つの通話が常に最上位の空いている係員にマッチングされる。この方法の不都合な点は、いくつかの内部マッチングが、シフトにより最適に満たないであろうことである。

Ｋａｐｐａ：一次へのＫａｐｐａの実装。Ｋａｐｐａ＞１は、最上位係員のより高い利用、および最下位係員のより低い利用をもたらす。しかしながら、適応シフトは、この利用の不均衡が、より広いエッジ領域を最下位に割り付けさせ、最下位の利用の二次増加をもたらすことを意味する。数値シミュレーションがこれを確認し、平均値へのエッジ傾向をもたらす。数値関数形式が、二次効果を補償するように数値的に試行された。選択された最終的な関数形式は、
ａｐ＝ｂａｓｅ＿ａｐ−ｍｉｎ（ｂａｓｅ＿ａｐ［ｆｒｅｅａｇｅｎｔｓ］）＋（ｍｉｎ（ｂａｓｅ＿ａｐ［ｆｒｅｅａｇｅｎｔｓ］）／１）＾（ｋａｐｐａ−１）＊０．５＊（ｍｉｎ（ｂａｓｅ＿ａｐ［ｆｒｅｅａｇｅｎｔｓ］）＋（１−ｍａｘ（ｂａｓｅ＿ａｐ［ｆｒｅｅａｇｅｎｔｓ］）））
ａｐ＝ａｐ＾ｋａｐｐａ
であった。

（適応シフト方法Ｌ２：）
方法：これは、待ち行列の中の１人以上の架電者、および多くても１人の空いている係員が存在する状況である。任意の時点で、｛（１−ｍａｘ（ｂａｓｅ＿ｃｐ））−ｍａｘ（ｂａｓｅ＿ｃｐ）｝／２によって、通話待ち行列のパーセンタイルをシフトする。すなわち、
ａｓｍ＿ｃｐ＝ｂａｓｅ＿ｃｐ＋（１−ｍａｘ（ｂａｓｅ＿ｃｐ））／２−ｍａｘ（ｂａｓｅ＿ｃｐ）／２
である。

理論：この方法の基礎は、エッジがなければ、いかなるエッジ効果もないであろうという見解である。すなわち、係員および架電者パーセンタイルが長さ１の円に沿って均等に分布した場合である。単純に適用された場合、これは、１に近いｂａｓｅ＿ｃｐを伴う架電者が、ｂａｓｅ＿ａｐが０に近い係員とマッチングされ得るため、いくつかの不良なマッチングをもたらすであろう。１人の係員が存在するとき、適応シフト方法は、係員が、最低ｂａｓｅ＿ｃｐを伴う架電者の左側に、または最高ｂａｓｅ＿ｃｐを伴う架電者の右側に、等しく存在する可能性が高いように、架電者のパーセンタイルを交代させることによって、これらの不良なマッチングを防止する。これは、待ち行列の中の所与の架電者が、円の上で行われたときと同じようにマッチングされる確率をもたらす。この方法の不都合な点は、いくつかの内部マッチングが、最適に満たないであろうことである。
Ｒｈｏ：Ｒｈｏは、以下の式、
Ｒｈｏを伴うａｓｍ＿ｃｐ＝ａｓｍ＿ｃｐ＾ｒｈｏ
を用いて実装することが単純であり、複雑な事態がないが、最上位係員の利用のわずかな減少がある。

注記：１人の空いている係員、待ち行列の中の複数の架電者が存在するとき、シフトを係員のパーセンタイルに適用するべきではない。なぜなら、そのシフトは、係員のパーセンタイルを０．５まで移動させ、中央パーセンタイル架電者に自動的にマッチングするであろうからである。係員パーセンタイルを不変のまま残し、架電者のパーセンタイルのみをシフトするべきである。同様に、１人の架電者、および複数の空いている係員が存在するとき、係員のパーセンタイルのみをシフトするべきである。複数の空いている係員、および待ち行列の中の複数の架電者が存在するとき、多くの可能性が想起され、３つの可能性として、１）１人の架電者または１人の係員のいずれか一方がマッチングされずに残されるように、十分な架電者および係員が対にされるまでシフトせず、次いで、調整シフト方法に戻る；または、２）１人の架電者または１人の係員のいずれか一方がマッチングされずに残されるように、十分な架電者および係員が対にされるまで、より大きいグループシフトをシフトし、次いで、調整シフト方法に戻る；または、３）１人の架電者または１人の係員のいずれか一方がマッチングされずに残されるように、十分な架電者および係員が対にされるまで、両方のグループをシフトし、次いで、調整シフト方法に戻る。選択される特定の方法は、マッチング精度、簡易性、放棄された通話行動、および外部サービスレベル合意（例えば、通話待機時間を制限する、または係員利用に関する合意）を含むが、それらに限定されない、いくつかの要因に依存するであろう。

注記（理論的性能限界）：係員スタックの最上位と最下位との間の相互作用があるため、この方法は、マッチングの精度の観点から、最良の可能な利用均質化解決策ではないことが明確である。

（静的シフト方法：Ｌ１）
方法：これは、１人以上の空いている係員、および待ち行列の中の多くても１つの通話がある状況である。任意の時点で、（１−１／ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ）の長さまで係員のパーセンタイルを再調整し、１／（２＊ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ）によってパーセンタイルをシフトする。すなわち、
ｓｓｍ＿ａｐ＝ｂａｓｅ＿ａｐ＊（１−１／ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ）＋１／（２＊ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ）
である。

理論：この方法は、適応シフト方法の主要な弱点に対処する試行である。すなわち、マッチングの性能を下げ、ｋａｐｐａを実装し難くする、最上位および最下位係員間の直接相互作用である。我々は、適応シフトの累積効果を平均し、静的アフィン変換を行おうとする。変換は、極めて臨機応変である。追加の変形例が可能である。
Ｋａｐｐａ：Ｋａｐｐａは、以下の式、
ｋａｐｐａを伴うｓｓｍ＿ａｐ＝ｓｓｍ＿ａｐ＾ｋａｐｐａ
を介して実装することが単純であり、複雑な事態がないが、最上位係員の利用のわずかな減少がある。

（静的シフト方法：Ｌ２：）
方法：適応シフト方法論に対するものと同一の理論
理論：適応シフト方法論に対するものと同一の方法
Ｒｈｏ：Ｒｈｏは、以下の式を用いて実装することが単純であり、複雑な事態がないが、最上位係員の利用のわずかな減少がある。
ｒｈｏを伴うｓｓｍ＿ｃｐ＝ｓｓｍ＿ｃｐ＾ｒｈｏ
（静的シフト方法：ｖ５およびｖ６：Ｌ１：）
方法：これは、１人以上の空いている係員、および待ち行列の中の多くても１つの通話がある状況である。任意の時点で、第１に、１／（２＊ｎａｇｅｎｔｓ）で開始し、１−（１／（２＊ｎａｇｅｎｔｓ））で終了するよりもむしろ、０で開始し、１で終了するようにｂａｓｅ＿ａｐを再調整、第２に、（１−１／ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ）の長さまで係員のパーセンタイルを再調整し、１／（２＊ｃｏｕｎｔ＿ｆｒｅａｇｅｎｔｓ）によってパーセンタイルをシフトする。すなわち、
ｓｓｍ６＿ａｐ＝（ｂａｓｅ＿ａｐ−１／（２＊ｎａｇｅｎｔｓ））＊（１−１／ｎａｇｅｎｔｓ）＊（１−１／ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ）＋１／（２＊ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ）
である。
理論：この方法は、静的シフト方法の主要な弱点に対処する試行である。パターンが、比較的少ないが空いている係員が存在するときの利用に生じる。いくつかの変形例が、ｖ８を通して試験されたが、ｖ５およびｖ６が本明細書で記載される。選択される変換は、極めて単純であるが、臨機応変である。いくつかのパターンが残るが、それらは弱められる。
Ｋａｐｐａ：ｖ５については、ｋａｐｐａは直接適用される。
ｋａｐｐａを伴うａｓｍ５＿ａｐ＝ａｓｍ５＿ａｐ＾ｋａｐｐａ
しかしながら、ｓｓｍ５によって挿入されるエッジバッファは、ｋａｐｐａが適用されるときに調整されるべきであると見出された。そうでなければ、最下位係員の利用は高すぎ、最上位係員の利用は低すぎる。合理的にうまく言葉で表していると考えられる臨機応変な調整は、ｋａｐｐａで最下位エッジバッファを除算し、差異を最上位エッジバッファに加算することである。これは、ｓｓｍ６のために選択されたものである。
ｋａｐｐａを伴うａｓｍ６＿ａｐ＝（ａｓｍ６＿ａｐ−（１／（２＊ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ））＋（１／（２＊ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ））／（ｋａｐｐａ））＾ｋａｐｐａ
（静的シフト方法：ｖ５およびｖ６：Ｌ２：）
方法：適応シフト方法論に対するものと同一の理論
理論：適応シフト方法論に対するものと同一の方法
Ｒｈｏ：ｖ５については、Ｒｈｏは直接適用される。
ｒｈｏを伴うａｓｍ５＿ｃｐ＝ａｓｍ５＿ａｐ＾ｒｈｏ
（平均距離方法：Ｌ１：）
方法：これは、１人以上の空いている係員、および待ち行列の中の多くても１つの通話がある状況である。この方法は、アフィンシフトを各時点での構成に適応させようとする、適応シフトおよび静的シフト方法の変形例である。観点としては、２つのエッジ間隙だけでなく、全ての間隙が、エッジ調整を決定する際に考慮されるべきである。
ａｖｇ＿ｄｉｓｔａｎｃｅ＝０
ｆｏｒ（ｊ ｉｎ １：（ｌｅｎｇｔｈ（ａｐ＿ｆｒｅｅａｇｅｎｔｓ）−１））
｛
ａｖｇ＿ｄｉｓｔａｎｃｅ＝ａｖｇ＿ｄｉｓｔａｎｃｅ＋（（ａｐ＿ｆｒｅｅａｇｅｎｔｓ［ｊ＋１］−ａｐ＿ｆｒｅｅａｇｅｎｔｓ［ｊ］）＾２）／２
｝
ａｖｇ＿ｄｉｓｔａｎｃｅ＝ａｖｇ＿ｄｉｓｔａｎｃｅ＋（（ｍｉｎ（ａｐ＿ｆｒｅｅａｇｅｎｔｓ）＋（１−ｍａｘ（ａｐ＿ｆｒｅｅａｇｅｎｔｓ）））＾２）／２
ａｐ＝（ｂａｓｅ＿ａｐ−ｍｉｎ（ａｐ＿ｆｒｅｅａｇｅｎｔｓ））＊（１−２＊ａｖｇ＿ｄｉｓｔａｎｃｅ）／（ｍａｘ（ａｐ＿ｆｒｅｅａｇｅｎｔｓ）−ｍｉｎ（ａｐ＿ｆｒｅｅａｇｅｎｔｓ））＋ａｖｇ＿ｄｉｓｔａｎｃｅ．
理論：この方法は、適応シフト方法の主要な弱点に対処する試行である。すなわち、マッチングの性能を下げ、ｋａｐｐａを実装し難くする、最上位および最下位係員間の直接相互作用。この方法は、アフィンシフトを各時点での構成に適応させようとする、適応シフトおよび静的シフト方法の変形例である。観点としては、２つのエッジ間隙だけでなく、全ての間隙が、エッジ調整を決定する際に考慮されるべきである。この方法はおそらく、微調整により向上させることができる。
Ｋａｐｐａ：ａｄｍについては、ｋａｐｐａは直接適用される。
ｋａｐｐａを伴うａｄｍ＿ａｐ＝ａｄｍ＿ａｐ＾ｋａｐｐａ
（平均距離方法：Ｌ２：）
方法：適応シフト方法論に対するものと同一の理論
理論：適応シフト方法論に対するものと同一の方法
Ｒｈｏ：ａｄｍについては、ｒｈｏは、以下の式を介して直接適用される。
ｒｈｏを伴うａｄｍ＿ｃｐ＝ａｄｍ＿ａｐ＾ｒｈｏ
（交互円方法：Ｌ１：）
方法：これは、１人以上の空いている係員、および待ち行列の中の多くても１つの通話がある状況である。任意の時点で、符号関数を交代させることによって、空いている係員のパーセンタイルを円［−１，１］にマッピングする。加えて、開始符号関数を無作為化する。最初に、我々は、空いている係員の符号関数のみを変化させようとした。すなわち、
（ａｃｌ＿ａｐ［ｆｒｅｅａｇｅｎｔｓ］）［ｉ］＝ｒｂｉｎｏｍ（１，１，０．５）＊（ｂａｓｅ＿ａｐ［ｆｒｅｅａｇｅｎｔｓ］）［ｉ］＊（−１）＾ｉ
である。
架電者ｃｐは変更されない。距離は、−１および＋１の識別に基づいて計算される。残念ながら、数値実験は、明確ではない理由により、高次マスキング効果を示した。この理由により、我々は、符号関数の静的変化を試行した。すなわち、
ａｃｌ＿ａｐ［ｉ］＝ｒｂｉｎｏｍ（１，１，０．５）＊ａｃｌ＿ａｐ［ｉ］＊（−１）＾ｉ
である。
再度、架電者ｃｐは、変更されず、距離は、−１および＋１の識別に基づいて計算される。これは、利用の完璧な均質化をもたらした。
理論：この方法の基礎は、エッジがなければ、いかなるエッジ効果もないであろうという見解である。この場合、係員および架電者パーセンタイルが長さ２の円に沿って均等に分布するように、トポロジーを変化させる（間隔［−１，＋１］を選び、終点−１および＋１を識別する）。空いている係員に対する開始符号関数を無作為化することによって、円の［０，１］部分上に架電者を残すことができる。この方法の欠点は、時として、架電者ｃｐが終点０および１から遠いが、「最良」マッチングが円の負の側にあり、第２の「最良」マッチングがあまり良好ではないことである。
Ｋａｐｐａ：ａｃｌについては、ｋａｐｐａは、以下の式を用いて直接適用される。
ｋａｐｐａを伴うａｃｌ＿ａｐ＝｜ａｃｌ＿ａｐ｜＾ｋａｐｐａ＊ｓｉｇｎｕｍ（ａｃｌ＿ａｐ）
（交互円方法：Ｌ２：）
方法：これは、待ち行列の中の１人以上の架電者、および多くても１人の空いている係員が存在する状況である。任意の時点で、符号関数を交代させることによって、待ち行列の中の架電者のパーセンタイルを円［−１，１］にマッピングする。加えて、開始符号関数を無作為化する。すなわち、
（ａｃｌ＿ｃｐ［ｃａｌｌｑｕｅｕｅ］）［ｉ］＝ｒｂｉｎｏｍ（１，１，０．５）＊（ｂａｓｅ＿ｃａｐ［ｃａｌｌｑｕｅｕｅ］）［ｉ］＊（−１）＾ｉ
である。
距離は、−１および＋１の識別に基づいて計算される。
理論：この方法の基礎は、エッジがなければ、いかなるエッジ効果もないであろうという見解である。すなわち、係員および架電者パーセンタイルが長さ２の円に沿って均等に分布した場合である。待ち行列に対する開始符号関数を無作為化することによって、円の［０，１］部分上に係員を残すことができる。この方法の欠点は、時として、係員ａｐが終点０および１から遠いが、「最良」マッチングが円の負の側にあり、第２の「最良」マッチングがあまり良好ではないことである。
Ｒｈｏ：ａｃｌについては、ｒｈｏは、以下の式を介して直接適用される。
ｒｈｏを伴うａｃｌ＿ｃｐ＝｜ａｃｌ＿ｃｐ｜＾ｋａｐｐａ＊ｓｉｇｎｕｍ（ａｃｌ＿ｃｐ）
（先見的方法：Ｌ１：）
方法：これは、かなり複雑な方法である。
ｂｅｓｔａｇｅｎｔ＿ｎｏｗ＝ｂｅｓｔａｇｅｎｔ
ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ＝ｓｕｍ（ａｇｅｎｔｓ＝＝０）
ｆｒｅｅａｇｅｎｔ＿ｓｃｏｒｅ＝ｒｅｐ（０，ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ）
ｐｅｎａｌｔｙ＝ｒｅｐ（０，ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ）
ｄｉｓｃｏｕｎｔ＿ｆａｃｔｏｒ＝１．０
ｆｏｒ（ｊ ｉｎ １：ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ）
｛
ｐｅｎａｌｔｙ［ｊ］＝ａｂｓ（ａｐ＿ｆｒｅｅａｇｅｎｔｓ［ｊ］−ｔｈｅｃａｌｌ）
ｐｏｓｔ＿ａｐ＿ｆｒｅｅａｇｅｎｔｓ＝ａｐ＿ｆｒｅｅａｇｅｎｔｓ［−ｊ］
ｆｒｅｅａｇｅｎｔ＿ｓｃｏｒｅ［ｊ］＝（ｐｏｓｔ＿ａｐ＿ｆｒｅｅａｇｅｎｔｓ［１］＾２）／２＋（１−ｐｏｓｔ＿ａｐ＿ｆｒｅｅａｇｅｎｔｓ［ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ−１］＾２）／２
ｉｆ（ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ＞２）
｛
ｆｏｒ（ｋ ｉｎ １：（ｃｏｕｎｔ＿ｆｒｅｅａｇｅｎｔｓ−２））
｛
ｆｒｅｅａｇｅｎｔ＿ｓｃｏｒｅ［ｊ］＝ｆｒｅｅａｇｅｎｔ＿ｓｃｏｒｅ［ｊ］＋（（ｐｏｓｔ＿ａｐ＿ｆｒｅｅａｇｅｎｔｓ［ｋ＋１］−ｐｏｓｔ＿ａｐ＿ｆｒｅｅａｇｅｎｔｓ［ｋ］）＾２）／４
｝
｝
｝
ｂｅｓｔａｇｅｎｔ２＝ｗｈｉｃｈ（ｆｒｅｅａｇｅｎｔｓ）［ｗｈｉｃｈ．ｍｉｎ（ｐｅｎａｌｔｙ＋ｆｒｅｅａｇｅｎｔ＿ｓｃｏｒｅ＊ｄｉｓｃｏｕｎｔ＿ｆａｃｔｏｒ）］
ｉｆ（ｂｅｓｔａｇｅｎｔ［１］！＝ｂｅｓｔａｇｅｎｔ２［１］）｛ｎｏｗ＿ｎｅ＿ｌａｈ＿ｃｏｕｎｔｅｒ＝ｎｏｗ＿ｎｅ＿ｌａｈ＿ｃｏｕｎｔｅｒ＋１｝．
理論：この方法は、次の架電者の期待距離をより大きくする程度まで欲にペナルティを科すものに、現在の欲張り方法を修正する試行である。
Ｋａｐｐａ：ａｄｍについては、ｋａｐｐａは、直接適用される。
ｋａｐｐａを伴うｌａｈ＿ａｐ＝ｌａｈ＿ａｐ＾ｋａｐｐａ
（先見的方法：Ｌ２：）
方法：適応シフト方法論に対するものと同一の理論
Ｒｈｏ：ｌａｈについては、ｒｈｏは、以下の式を介して直接適用される。
ｒｈｏを伴うｌａｈ＿ｃｐ＝ｌａｈ＿ａｐ＾ｒｈｏ
エッジ利用：ｋａｐｐａ＝１のグラフが調査された。ここで、結果が要約され、これらのグラフのうちのいくつかが、可視化を明確にするように含まれる。第１のグラフは、エッジ補正を伴わない状況を図示する。
・ｍｕ＝４０については、ａｃｌおよびａｓｍ係員利用グラフは、所望の平坦なプロファイルを有する。ｓｓｍ６のプロファイルはＶ字形である（しかしながら、変動性のわずかな部分のみがこの形状に起因し、利用の範囲は、ｓｓｍ６については９０、ａｓｍ／ａｃｌについては６９／７０である）。ａｄｍの係員利用グラフは、Ｗ字形である。ｎｏｗおよびｌａｈについては、形状は逆Ｕ字である。
・ｍｕ＝２０については、ａｃｌ、ａｓｍ、ｓｓｍ６係員利用グラフは、所望の平坦なプロファイルを有し、ａｄｍの係員利用グラフは、Ｗ字形である。ｎｏｗおよびｌａｈについては、形状は逆Ｕ字である。
・ｍｕ＝１０、５、２については、ａｃｌ、ａｓｍ、およびｓｓｍ６は、所望の平坦なプロファイルを有する。他はそうではない。
・ｍｕ＝０については、ａｃｌおよびａｓｍは、所望の平坦なプロファイルを有する。ｓｓｍ６は、わずかにそれに近い形状を有するが、最高および最低係員利用の間の差異は、ａｃｌおよびａｓｍに対するよりもわずかにのみ高い。

ｋａｐｐａ＝１．２および１．４のグラフが調査された。結果が要約され、いくつかのグラフが、可視化を明確にするように含まれる。
・Ａｃｌが、単調に増加する利用に関して、シームレスにｋａｐｐａに適応する。
・ｎｏｗ、ａｓｍ、ｓｓｍ５、およびｓｓｍ６は、高いａｐに対して減少する利用を有する。最高ａｐ係員に対する利用の減少は、ｎｏｗについては最大であり、ｓｓｍ６については最小である。ｓｓｍ６の減少は、この時点でより良好な解決策を探す理由がないと考えるほど十分に小さい。

実際の実装のために選択される方法は、以下を含む、種々の要因に依存する。
・係員および架電者パーセンタイルの差異を最小化する重要性
・コールセンターの係員利用要件
・架電者待機時間に関するサービスレベル合意
・技術的実装制限
追加の係員および架電者パラメータがマッチングされるときに、高次元類似物が生じる。他のトポロジーも可能である。例えば、最も率直な拡張は、係員および架電者が各々、２つの独立パラメータによって特徴付けられることであり、第１は、以前に議論されたような実績パーセンタイルであり、第２は、係員および架電者の期待処理時間に基づくパーセンタイルである。次いで、上記で議論される方法のエッジ補償アルゴリズム類似物は、エッジにおける（加えて、頂点付近で拡大された）余白の挿入、または正方形から円筒またはトーラスへのトポロジーの変更に対応するであろう。カテゴリパラメータがマッチングされる場合、トポロジーは切断され得る。

図１２を参照すると、分布補償のための方法の実施形態が開示されている。ブロック１２００は、１つ以上のコンピュータによって、一組の係員の係員パラメータデータを取得する動作を表す。

ブロック１２１０は、係員ランキングまたはパーセンタイルの係員分布を取得するために、少なくとも部分的に係員パラメータデータに基づいて、１つ以上のコンピュータによって、係員をランク付けするか、または係員のパーセンタイルを求める動作を表す。実施形態では、係員実績は、売上または売上なし、１回の通話につき販売されたアイテムの数、および処理時間を加味した１回の通話あたりの収益の群から選択される１つ以上を含む。

ブロック１２２０は、１つ以上の基準に基づいて、１つ以上のコンピュータによって、一組の架電者の中の架電者を一組のパーティションに分割する動作を表す。実施形態では、架電者のパーティションは、少なくとも部分的に、人口統計データ、市外局番、郵便番号、ＮＰＡＮＸＸ、ＶＴＮ、地理的地域、フリーダイヤル、および転送番号の群から選択される１つ以上に基づく。

ブロック１２３０は、１つ以上のコンピュータによって、それぞれのパーティションの架電者傾向データを取得する動作を表す。

ブロック１２４０は、架電者ランキングまたはパーセンタイルの架電者分布を取得するために、それぞれの架電者のパーティションの架電者傾向データに少なくとも部分的に基づく所望の結果に対する架電者傾向に関係するか、またはそれを予測するデータに少なくとも部分的に基づいて、１つ以上のコンピュータによって、架電者をランク付けするか、または架電者のパーセンタイルを求める動作を表す。

ブロック１２５０は、エッジ補償されたランキングまたはパーセンタイルを取得するために、それぞれの分布の少なくとも１つのエッジ付近で、係員ランキングまたはパーセンタイルの分布、および架電者ランキングまたはパーセンタイルの分布の群から選択される少なくとも１つに適用されるエッジ補償アルゴリズムと、分布のうちの１つ以上を異なるトポロジーに変更するために、係員ランキングまたはパーセンタイルの分布、および架電者ランキングまたはパーセンタイルの分布のいずれか一方または両方に適用されるトポロジー変更アルゴリズムとの群から選択される少なくとも１つのアルゴリズムを使用して、１つ以上のコンピュータによって、分布補償を行う動作を表す。

実施形態では、分布補償を行うステップは、エッジ補償アルゴリズムを使用し、エッジ補償を係員ランキングまたはパーセンタイルのみに提供し得る。実施形態では、分布補償を行うステップは、エッジ補償アルゴリズムを使用し、エッジ補償を架電者ランキングまたはパーセンタイルのみに提供し得る。実施形態では、分布補償を行うステップは、エッジ補償アルゴリズムを使用し、エッジ補償を架電者ランキングまたはパーセンタイルと係員ランキングまたはパーセンタイルとの両方に提供し得る。

実施形態では、分布補償ステップは、エッジ補償アルゴリズムを使用し、実行時に空いている係員を選び、係員分布のエッジにより多くの空間／余白を提供するように、これらの実行時対応可能係員のそれぞれの係員ランキングまたはパーセンタイルを再調整し得る。実施形態では、余白の量は、少なくとも部分的に、実行時に空いている係員の数に基づく。

実施形態では、分布補償ステップは、エッジ補償アルゴリズムを使用し、実行時に待ち行列または他のグループの中の架電者を選び、分布のエッジにより多くの空間／余白を提供するように、それぞれの架電者傾向ランキングまたはパーセンタイルを再調整し得る。実施形態では、余白の量は、少なくとも部分的に、実行時に待ち行列の中またはグループの中にいる架電者の数に基づく。

実施形態では、分布補償ステップは、エッジ補償アルゴリズムを使用し、係員分布の少なくとも１つのエッジ付近での係員の利用を増加させるように、係員分布の少なくとも１つのエッジ付近で実行時に空いている複数の係員に重み付けし、かつ架電者分布の少なくとも１つのエッジ付近で複数の架電者に重み付けし得る。

実施形態では、分布補償ステップは、エッジ補償アルゴリズムを使用し、係員分布の両方のエッジ付近で実行時に空いている複数の係員に重み付けするか、または架電者分布の両方のエッジ付近で複数の架電者に重み付けし得る。

ブロック１２６０は、１つ以上のコンピュータによって、それぞれのランキングまたはパーセンタイルを伴う係員のうちのそれぞれの１人を、最も近いそれぞれのランキングまたはパーセンタイルを伴うパーティションのうちの１つの中の架電者のうちのそれぞれの１人にマッチングする動作を表し、架電者ランキングまたはパーセンタイル、または、係員ランキングまたはパーセンタイルのうちの少なくとも１つは、分布補償されている。

実施形態では、分布補償ステップは、トポロジー変更アルゴリズムを使用し、そのアルゴリズムは、係員実績の分布および架電者の分布を円に変換し得る。

実施形態では、分布補償ステップは、トポロジー変更アルゴリズムを使用し、そのアルゴリズムは、分布のエッジを除去するように、係員実績の分布および架電者の分布を変換し得る。

実施形態では、分布補償ステップは、エッジ補償アルゴリズムを使用し、係員の分布に対するＫａｐｐａは、１．０より大きくあり得る。

実施形態では、待ち行列の中の架電者に適用されるｒｈｏは、１．０であり得る。ｒｈｏは、通話に適用されるようなＫａｐｐａの類似物であることに留意されたい。ｒｈｏ＝１．０は、通話の平坦な利用の類似体、例えば、全ての通話ＣＰに対する同一の期待Ｌ２待機時間である。１．０より大きいｒｈｏは、最高ランクまたはパーセンタイルの通話に最初に応答するバイアスがある、設定である。

本明細書で説明される技法の多くは、ハードウェアまたはソフトウェア、あるいは２つの組み合わせで実装され得る。好ましくは、本技法は、プロセッサ、プロセッサによって読み取り可能な記憶媒体（揮発性および不揮発性メモリおよび／または記憶要素を含む）、および好適な入出力デバイスをそれぞれ含む、プログラム可能なコンピュータ上で実行されるコンピュータプログラムで実装される。プログラムコードは、説明される機能を果たすように、および出力情報を生成するように、入力デバイスを使用して入力されるデータに適用される。出力情報は、１つ以上の出力デバイスに適用される。また、各プログラムは、好ましくは、コンピュータシステムと通信するように、高レベルプロシージャまたはオブジェクト指向プログラミング言語で実装される。しかしながら、プログラムは、所望であれば、アセンブリまたは機械言語で実装することができる。いずれにしても、言語は、コンパイラ型またはインタープリタ型言語であり得る。

それぞれのそのようなコンピュータプログラムは、好ましくは、記憶媒体またはデバイスが、説明されるプロシージャを行うようにコンピュータによって読み取られるときに、コンピュータを構成および操作するための汎用または特殊用途プログラム可能コンピュータによって読み取り可能な記憶媒体またはデバイス（例えば、ＣＤ−ＲＯＭ、ハードディスク、または磁気ディスケット）上に記憶される。本システムはまた、コンピュータプログラムを用いて構成される、コンピュータ読み取り可能な記憶媒体として実装され得、そのように構成される記憶媒体は、特定の事前定義された様式でコンピュータを動作させる。

図１０は、本発明の実施形態で処理機能性を実装するために採用され得る、典型的なコンピュータシステム１０００を図示する。この種類のコンピュータシステムは、例えば、クライアントおよびサーバで使用され得る。当業者であれば、他のコンピュータシステムまたはアーキテクチャを使用して、どのようにして本発明を実装するかも認識するであろう。コンピュータシステム１０００は、例えば、所与の用途または環境に望ましく、または適切であり得るような、デスクトップ、ラップトップ、またはノートブックコンピュータ、ハンドヘルドコンピュータデバイス（ＰＤＡ、携帯電話、パームトップ等）、メインフレーム、サーバ、クライアント、または任意の他の種類の特殊用途あるいは汎用コンピュータデバイスを表し得る。コンピュータシステム１０００は、プロセッサ１００４等の１つ以上のプロセッサを含むことができる。プロセッサ１００４は、例えば、マイクロプロセッサ、マイクロコントローラ、または他の制御論理等の汎用または特殊用途処理エンジンを使用して、実装することができる。この実施例では、プロセッサ１００４は、バス１００２または他の通信媒体に接続される。

コンピュータシステム１０００はまた、情報およびプロセッサ１００４によって実行される命令を記憶するために、ランダムアクセスメモリ（ＲＡＭ）または他のダイナミックメモリ等のメインメモリ１００８を含むこともできる。メインメモリ１００８はまた、プロセッサ１００４によって実行される命令の実行中に一時的変数または他の中間情報を記憶するために使用され得る。コンピュータシステム１０００は、同様に、プロセッサ１００４のための静的情報および命令を記憶するために、バス１００２に連結される読み取り専用メモリ（「ＲＯＭ」）または他の静的記憶デバイスを含み得る。

コンピュータシステム１０００はまた、例えば、媒体ドライブ１０１２および取り外し可能な記憶インターフェース１０２０を含み得る、情報記憶システム１０１０を含み得る。媒体ドライブ１０１２は、ハードディスクドライブ、フロッピー（登録商標）ディスクドライブ、磁気テープドライブ、光ディスクドライブ、ＣＤまたはＤＶＤドライブ（ＲまたはＲＷ）、あるいは他の取り外し可能なまたは固定の媒体ドライブ等の固定または取り外し可能読み取り可能な媒体をサポートするドライブまたは他の機構を含み得る。読み取り可能な媒体１０１８は、例えば、媒体ドライブ１０１２によって読み書きされる、ハードディスク、フロッピー（登録商標）ディスク、磁気テープ、光ディスク、ＣＤまたはＤＶＤ、あるいは他の固定または取り外し可能な媒体を含み得る。これらの実施例が例証するように、読み取り可能な媒体１０１８は、その中に特定のコンピュータソフトウェアまたはデータを記憶している、コンピュータ読み取り可能な記憶媒体を含み得る。

代替実施形態では、情報記憶システム１０１０は、コンピュータプログラムまたは他の命令あるいはデータが、コンピュータシステム１０００にロードされることを可能にするための他の同様の構成要素を含み得る。そのような構成要素は、例えば、プログラムカートリッジおよびカートリッジインターフェース、取り外し可能なメモリ（例えば、フラッシュメモリまたは他の取り外し可能なメモリモジュール）およびメモリスロット等の取り外し可能な記憶ユニット１０２２およびインターフェース１０２０、ならびにソフトウェアおよびデータが取り外し可能な記憶ユニット１０１８からコンピュータシステム１０００へ転送されることを可能にする他の取り外し可能な記憶ユニット１０２２およびインターフェース１０２０を含み得る。

コンピュータシステム１０００はまた、通信インターフェース１０２４を含むこともできる。通信インターフェース１０２４は、ソフトウェアおよびデータがコンピュータシステム１０００と外部デバイスとの間で転送されることを可能にするために使用することができる。通信インターフェース１０２４の実施例は、モデム、ネットワークインターフェース（Ｅｔｈｅｒｎｅｔ（登録商標）または他のＮＩＣカード等）、通信ポート（例えば、ＵＳＢポート等）、ＰＣＭＣＩＡスロットおよびカード等を含むことができる。通信インターフェース１０２４を介して転送されるソフトウェアおよびデータは、通信インターフェース１０２４によって受信されることが可能な電子、電磁、光学、または他の信号であり得る、信号の形態である。これらの信号は、チャネル１０２８を介して通信インターフェース１０２４に提供される。このチャネル１０２８は、信号を搬送し得、無線媒体、ワイヤまたはケーブル、光ファイバ、または他の通信媒体を使用して実装され得る。チャネルのいくつかの実施例は、電話線、携帯電話リンク、ＲＦリンク、ネットワークインターフェース、ローカルエリアまたは広域ネットワーク、または他の通信チャネルを含む。

本書では、「コンピュータプログラム製品」、「コンピュータ読み取り可能な媒体」等という用語は、概して、例えば、メモリ１００８、記憶媒体１０１８、または記憶ユニット１０２２等の物理的な有形媒体を指すために使用され得る。コンピュータ読み取り可能な媒体のこれらおよび他の形態は、プロセッサに特定動作を行わせるように、プロセッサ１００４によって使用するための１つ以上の命令を記憶することに関与し得る。概して、「コンピュータプログラムコード」（コンピュータプログラムまたは他のグループの形態でグループ化され得る）と称される、そのような命令は、実行されると、コンピュータシステム１０００が本発明の実施形態の特徴または機能を果たすことを可能にする。コードは、直接、プロセッサに特定動作を行わせ、そうするようにコンパイルさせられ、および／またはそうするように他のソフトウェア、ハードウェア、および／またはファームウェア要素（例えば、標準機能を果たすためのライブラリ）と組み合わせられ得ることに留意されたい。

要素がソフトウェアを使用して実装される実施形態では、ソフトウェアは、コンピュータ読み取り可能な媒体に記憶され、例えば、取り外し可能読み取り可能な媒体１０１８、ドライブ１０１２、または通信インターフェース１０２４を使用して、コンピュータシステム１０００にロードされ得る。制御論理（この実施例では、ソフトウェア命令またはコンピュータプログラムコード）は、プロセッサ１００４によって実行されたとき、プロセッサ１００４に本明細書で説明されるような本発明の機能を果たさせる。

明確にする目的で、上記の説明は、異なる機能的ユニットおよびプロセッサを参照して、本発明の実施形態を説明してきたことが理解されるであろう。しかしながら、本発明を損なうことなく、異なる機能的ユニット、プロセッサ、またはドメインの間の任意の好適な機能性の分布が使用され得ることが明白となるであろう。例えば、別個のプロセッサまたはコントローラによって果たされることが例証される機能性は、同一のプロセッサまたはコントローラによって果たされ得る。したがって、特定の機能的ユニットの参照は、厳重な論理または物理的構造または組織を示すよりもむしろ、説明された機能性を提供するための好適な手段の参照として見なされるにすぎない。

本発明の上記の実施形態は、限定的ではなく例証的であるように意図されているにすぎない。そのより広い側面で本発明から逸脱することなく、種々の変更および修正が行われ得る。添付の請求項は、本発明の精神および範囲内で、そのような変更および修正を包含する。

Claims (33)

1. １つ以上のコンピュータによって、一組の係員の係員パラメータデータを取得することと、
   前記１つ以上のコンピュータによって、係員ランキングまたはパーセンタイルの係員分布を取得するために、少なくとも部分的に前記係員パラメータデータに基づいて、前記係員をランク付けするか、または前記係員のパーセンタイルを求めることと、
   前記１つ以上のコンピュータによって、１つ以上の基準に基づいて、一組の架電者の中の架電者を一組のパーティションに分割することと、
   前記１つ以上のコンピュータによって、それぞれのパーティションの架電者傾向データを取得することと、
   前記１つ以上のコンピュータによって、架電者ランキングまたはパーセンタイルの架電者分布を取得するために、それぞれの架電者の前記パーティションの前記架電者傾向データに少なくとも部分的に基づく所望の結果に対する架電者傾向に関係するか、またはそれを予測するデータに少なくとも部分的に基づいて、前記架電者をランク付けするか、または前記架電者のパーセンタイルを求めることと、
   前記１つ以上のコンピュータによって、
   エッジ補償されたランキングまたはパーセンタイルを取得するために、それぞれの分布の少なくとも１つのエッジ付近で、前記係員ランキングまたはパーセンタイルの分布、および前記架電者ランキングまたはパーセンタイルの分布の群から選択される少なくとも１つに適用されるエッジ補償アルゴリズム、および
   前記分布のうちの１つ以上を異なるトポロジーに変更するために、前記係員ランキングまたはパーセンタイルの分布、および前記架電者ランキングまたはパーセンタイルの分布のいずれか一方または両方に適用されるトポロジー変更アルゴリズム
   の群から選択される少なくとも１つのアルゴリズムを使用して、分布補償を行うことと、
   前記１つ以上のコンピュータによって、それぞれのランキングまたはパーセンタイルを伴う前記係員のうちのそれぞれの１人を、最も近いそれぞれのランキングまたはパーセンタイルを伴う前記パーティションのうちの１つの中の前記架電者のうちのそれぞれの１人にマッチングすることであって、前記架電者ランキングまたはパーセンタイル、または、前記係員ランキングまたはパーセンタイルのうちの少なくとも１つは、分布補償されている、ことと
   を含む、方法。
2. 前記分布補償を行うステップは、前記エッジ補償アルゴリズムを使用し、エッジ補償を前記係員ランキングまたはパーセンタイルのみに提供する、請求項１に記載の方法。
3. 前記分布補償を行うステップは、前記エッジ補償アルゴリズムを使用し、エッジ補償を前記架電者ランキングまたはパーセンタイルのみに提供する、請求項１に記載の方法。
4. 前記分布補償を行うステップは、前記エッジ補償アルゴリズムを使用し、エッジ補償を前記架電者ランキングまたはパーセンタイルと前記係員ランキングまたはパーセンタイルとの両方に提供する、請求項１に記載の方法。
5. 前記分布補償ステップは、前記エッジ補償アルゴリズムを使用し、実行時に空いている係員を選び、これらの実行時対応可能係員のそれぞれの係員ランキングまたはパーセンタイルを再調整することにより、前記係員分布の前記エッジにより多くの空間／余白を提供する、請求項１に記載の方法。
6. 前記余白の量は、少なくとも部分的に、実行時に空いている前記係員の数に基づく、請求項５に記載の方法。
7. 前記分布補償ステップは、前記エッジ補償アルゴリズムを使用し、実行時に待ち行列または他のグループの中の前記架電者を選び、それぞれの架電者傾向ランキングまたはパーセンタイルを再調整することにより、前記分布の前記エッジにより多くの空間／余白を提供する、請求項１に記載の方法。
8. 前記余白の量は、少なくとも部分的に、実行時に前記待ち行列の中または前記グループの中にいる架電者の数に基づく、請求項７に記載の方法。
9. 前記分布補償ステップは、前記エッジ補償アルゴリズムを使用し、前記係員分布の少なくとも１つのエッジ付近で実行時に空いている複数の前記係員に重み付けし、かつ前記架電者分布の少なくとも１つのエッジ付近で複数の前記架電者に重み付けすることにより、前記係員分布の前記少なくとも１つのエッジでの前記係員の利用を増加させる、請求項１に記載の方法。
10. 前記分布補償ステップは、前記エッジ補償アルゴリズムを使用し、前記係員分布の両方のエッジ付近で実行時に空いている複数の前記係員に重み付けするか、または前記架電者分布の両方のエッジ付近で複数の前記架電者に重み付けする、請求項１に記載の方法。
11. 前記架電者の前記パーティションは、少なくとも部分的に、人口統計データ、市外局番、郵便番号、ＮＰＡＮＸＸ、ＶＴＮ、地理的地域、フリーダイヤル、および転送番号の群から選択される１つ以上に基づく、請求項１に記載の方法。
12. 前記係員実績データは、売上、１回の通話につき販売されたアイテムの数、および処理時間を加味した１回の通話あたりの収益の群から選択される１つ以上を含む、請求項１に記載の方法。
13. 前記トポロジー変更アルゴリズムは、使用されて、前記係員実績の分布および／または前記架電者の分布を円トポロジーに変換する、請求項１に記載の方法。
14. 前記トポロジー変更アルゴリズムは、使用されて、前記係員実績の分布および前記架電者の分布を変換することにより、前記分布の前記エッジを除去する、請求項１に記載の方法。
15. 対応可能な複数の係員および１人の架電者が存在し、前記係員の前記分布に対するＫａｐｐａは、１．０より大きい、請求項１に記載の方法。
16. 複数の架電者および１人の係員が存在し、待ち行列の中の前記架電者に適用されるＲｈｏは、１．０より大きい、請求項１に記載の方法。
17. プログラムコードで構成されている１つ以上のコンピュータを備えているシステムであって、前記プログラムコードは、実行されると、
    １つ以上のコンピュータによって、一組の係員の係員パラメータデータを取得するステップと、
    前記１つ以上のコンピュータによって、係員ランキングまたはパーセンタイルの係員分布を取得するために、少なくとも部分的に前記係員パラメータデータに基づいて、前記係員をランク付けするか、または前記係員のパーセンタイルを求めるステップと、
    前記１つ以上のコンピュータによって、１つ以上の基準に基づいて、一組の架電者の中の架電者を一組のパーティションに分割するステップと、
    前記１つ以上のコンピュータによって、それぞれのパーティションの架電者傾向データを取得するステップと、
    前記１つ以上のコンピュータによって、架電者ランキングまたはパーセンタイルの架電者分布を取得するために、それぞれの架電者の前記パーティションの前記架電者傾向データに少なくとも部分的に基づく所望の結果に対する架電者傾向に関係するか、またはそれを予測するデータに少なくとも部分的に基づいて、前記架電者をランク付けするか、または前記架電者のパーセンタイルを求めるステップと、
    前記１つ以上のコンピュータによって、
    エッジ補償されたランキングまたはパーセンタイルを取得するために、それぞれの分布の少なくとも１つのエッジ付近で、前記係員ランキングまたはパーセンタイルの分布、および前記架電者ランキングまたはパーセンタイルの分布の群から選択される少なくとも１つに適用されるエッジ補償アルゴリズム、および
    前記分布のうちの１つ以上を異なるトポロジーに変更するために、前記係員ランキングまたはパーセンタイルの分布、および前記架電者ランキングまたはパーセンタイルの分布のいずれか一方または両方に適用されるトポロジー変更アルゴリズム
    の群から選択される少なくとも１つのアルゴリズムを使用して、分布補償を行うステップと、
    前記１つ以上のコンピュータによって、それぞれのランキングまたはパーセンタイルを伴う前記係員のうちのそれぞれの１人を、最も近いそれぞれのランキングまたはパーセンタイルを伴う前記パーティションのうちの１つの中の前記架電者のうちのそれぞれの１人にマッチングするステップであって、前記架電者ランキングまたはパーセンタイル、または、前記係員ランキングまたはパーセンタイルのうちの少なくとも１つは、分布補償されている、ステップと
    の実施を引き起こす、システム。
18. 前記分布補償を行うステップは、前記エッジ補償アルゴリズムを使用し、エッジ補償を前記係員ランキングまたはパーセンタイルのみに提供する、請求項１７に記載のシステム。
19. 前記分布補償を行うステップは、前記エッジ補償アルゴリズムを使用し、エッジ補償を前記架電者ランキングまたはパーセンタイルのみに提供する、請求項１７に記載のシステム。
20. 前記分布補償を行うステップは、前記エッジ補償アルゴリズムを使用し、エッジ補償を前記架電者ランキングまたはパーセンタイルと前記係員ランキングまたはパーセンタイルとの両方に提供する、請求項１７に記載のシステム。
21. 前記分布補償ステップは、前記エッジ補償アルゴリズムを使用し、実行時に空いている前記係員を選び、これらの実行時対応可能係員のそれぞれの係員ランキングまたはパーセンタイルを再調整することにより、前記係員分布の前記エッジにより多くの空間／余白を提供する、請求項１７に記載のシステム。
22. 前記余白の量は、少なくとも部分的に、実行時に空いている前記係員の数に基づく、請求項２１に記載のシステム。
23. 前記分布補償ステップは、前記エッジ補償アルゴリズムを使用し、実行時に待ち行列または他のグループの中の前記架電者を選び、それぞれの架電者傾向ランキングまたはパーセンタイルを再調整することにより、前記分布の前記エッジにより多くの空間／余白を提供する、請求項１７に記載のシステム。
24. 前記余白の量は、少なくとも部分的に、実行時に前記待ち行列の中または前記グループの中にいる架電者の数に基づく、請求項２３に記載のシステム。
25. 前記分布補償ステップは、前記エッジ補償アルゴリズムを使用し、前記係員分布の少なくとも１つのエッジ付近で実行時に空いている複数の前記係員に重み付けし、かつ前記架電者分布の少なくとも１つのエッジ付近で複数の前記架電者に重み付けすることにより、前記係員分布の少なくとも１つのエッジでの前記係員の利用を増加させる、請求項１７に記載のシステム。
26. 前記分布補償ステップは、前記エッジ補償アルゴリズムを使用し、前記係員分布の両方のエッジ付近で実行時に空いている複数の前記係員に重み付けするか、または前記架電者分布の両方のエッジ付近で複数の前記架電者に重み付けする、請求項１７に記載のシステム。
27. 前記架電者の前記パーティションは、少なくとも部分的に、人口統計データ、市外局番、郵便番号、ＮＰＡＮＸＸ、ＶＴＮ、地理的地域、フリーダイヤル、および転送番号の群から選択される１つ以上に基づく、請求項１７に記載のシステム。
28. 前記係員実績データは、売上、１回の通話につき販売されたアイテムの数、および処理時間を加味した１回の通話あたりの収益の群から選択される１つ以上を含む、請求項１７に記載のシステム。
29. 前記トポロジー変更アルゴリズムは、使用されて、前記係員実績の分布および／または前記架電者の分布を円トポロジーに変換する、請求項１７に記載のシステム。
30. 前記トポロジー変更アルゴリズムは、使用されて、前記係員実績の分布および前記架電者の分布を変換することにより、前記分布の前記エッジを除去する、請求項１７に記載のシステム。
31. 対応可能な複数の係員および１人の架電者が存在し、前記係員の前記分布に対するＫａｐｐａは、１．０より大きい、請求項１６に記載のシステム。
32. 複数の架電者および１人の係員が存在し、待ち行列の中の前記架電者に適用されるＲｈｏは、１．０より大きい、請求項１６に記載のシステム。
33. コンピュータ読み取り可能なプログラムコードで構成されている非一過性のコンピュータ読み取り可能な媒体を備えているプログラム製品であって、
    前記プログラムコードは、１つ以上のコンピュータによって実行されると、
    １つ以上のコンピュータによって、一組の係員の係員パラメータデータを取得するステップと、
    前記１つ以上のコンピュータによって、係員ランキングまたはパーセンタイルの係員分布を取得するために、少なくとも部分的に前記係員パラメータデータに基づいて、前記係員をランク付けするか、または前記係員のパーセンタイルを求めるステップと、
    前記１つ以上のコンピュータによって、１つ以上の基準に基づいて、一組の架電者の中の架電者を一組のパーティションに分割するステップと、
    前記１つ以上のコンピュータによって、それぞれのパーティションの架電者傾向データを取得するステップと、
    前記１つ以上のコンピュータによって、架電者ランキングまたはパーセンタイルの架電者分布を取得するために、それぞれの架電者の前記パーティションの前記架電者傾向データに少なくとも部分的に基づく所望の結果に対する架電者傾向に関係するか、またはそれを予測するデータに少なくとも部分的に基づいて、前記架電者をランク付けするか、または前記架電者のパーセンタイルを求めるステップと、
    前記１つ以上のコンピュータによって、
    エッジ補償されたランキングまたはパーセンタイルを取得するために、それぞれの分布の少なくとも１つのエッジ付近で、前記係員ランキングまたはパーセンタイルの分布、および前記架電者ランキングまたはパーセンタイルの分布の群から選択される少なくとも１つに適用されるエッジ補償アルゴリズム、および
    前記分布のうちの１つ以上を異なるトポロジーに変更するために、前記係員ランキングまたはパーセンタイルの分布、および前記架電者ランキングまたはパーセンタイルの分布のいずれか一方または両方に適用されるトポロジー変更アルゴリズム
    の群から選択される少なくとも１つのアルゴリズムを使用して、分布補償を行うステップと、
    前記１つ以上のコンピュータによって、それぞれのランキングまたはパーセンタイルを伴う前記係員のうちのそれぞれの１人を、最も近いそれぞれのランキングまたはパーセンタイルを伴う前記パーティションのうちの１つの中の前記架電者のうちのそれぞれの１人にマッチングするステップであって、前記架電者ランキングまたはパーセンタイル、または、前記係員ランキングまたはパーセンタイルのうちの少なくとも１つは、分布補償されている、ステップと
    の実施を引き起こす、プログラム製品。

Images