JP2019062460A - オペレータ選択装置、オペレータ選択システム、プログラム及びオペレータ選択方法 - Google Patents

Abstract

【課題】入電した顧客に対して、顧客満足度が高く、かつ電話対応に要する時間が短くなるようにオペレータを割り当てる装置を提供する。【解決手段】オペレータ選択装置４は、顧客の入電に関する情報とオペレータの生体情報とを入力として、オペレータの入電に関する対応能力値を出力するように学習された機械学習モデルＭを取得するモデル取得部４３２と、所定の取得条件を満たすタイミングにおいて、顧客の入電に関する情報と、顧客対応をしていない空きオペレータの生体情報とを取得する入力情報取得部４３１と、入電した顧客それぞれを空きオペレータそれぞれが対応した場合の対応能力値を、顧客の入電に関する情報と空きオペレータの生体情報を機械学習モデルＭに入力して取得するモデル適用部４３３と、対応能力値を用いて定められた評価関数を用いて、顧客それぞれについて対応する空きオペレータを割り当てるオペレータ割当部４３４と、を備える。【選択図】図５

Description

本発明は、入電した顧客にオペレータを割り当てるためのオペレータ選択装置、オペレータ選択システム、プログラム及びオペレータ選択方法に関する。

入電した顧客にオペレータを割り当てる装置が知られている。特許文献１には、複数のオペレータのうち、緊張度が低いオペレータを割り当てる技術が開示されている。

特開２００３−２４４３２８号公報

入電した顧客にオペレータを割り当てる場合、顧客満足度が高く、かつ電話対応に要する時間が短くなる割り当て条件を満たすようにオペレータを選択することが好ましい。しかし、入電内容が属するカテゴリに対応する能力はオペレータの熟練度によって異なり、また疲労度は時間の経過や電話対応の内容によって変化するため、割り当て条件を満たすオペレータの選択は一定ではない。従来の技術を用いることで、疲労していない、又は緊張していないオペレータを選択することができる。しかし、顧客のことを考えず、常に無感情に応対するオペレータが優先的に選択されるようになり、顧客満足度と乖離してしまう可能性が生じる。

そこで、本発明はこれらの点に鑑みてなされたものであり、入電した顧客に対して、顧客満足度が高く、かつ電話対応に要する時間が短くなるように、オペレータを割り当てるオペレータ選択装置、オペレータ選択システム、プログラム及びオペレータ選択方法を提供することを目的とする。

本発明の第１の態様に係るオペレータ選択装置は、顧客の入電に関する情報とオペレータの生体情報とを入力として、前記オペレータの前記入電に関する対応能力値を出力するように学習された機械学習モデルを取得するモデル取得部と、所定の取得条件を満たすタイミングにおいて、前記顧客の入電に関する情報と、顧客対応をしていない空きオペレータの生体情報とを取得する入力情報取得部と、入電した前記顧客それぞれを前記空きオペレータそれぞれが対応した場合の対応能力値を、前記顧客の入電に関する情報と前記空きオペレータの生体情報を前記機械学習モデルに入力して取得するモデル適用部と、前記対応能力値を用いて定められた評価関数を用いて、前記顧客それぞれについて対応する前記空きオペレータを割り当てるオペレータ割当部と、を備える。

前記入力情報取得部は、所定の時間及び所定の前記顧客の入電数のいずれかの前記取得条件を満たすタイミングにおいて前記顧客の入電に関する情報と、前記空きオペレータの生体情報とを取得してもよい。

前記顧客の入電に関する情報は、前記顧客の入電内容が属するカテゴリを含んでもよい。
前記顧客の入電に関する情報は、前記顧客の顧客属性を含んでもよい。

前記オペレータ選択装置は、前記対応能力値を算出するための算出パラメータを、前記オペレータが電話対応にかかった時間を示す対応時間が短いほど対応能力値が高くなり、かつ前記顧客が電話対応を受けた前記オペレータに対する評価を示す顧客満足度が高いほど前記対応能力値が高くなるようにマッピングされた対応能力マッピングに基づいて定められた前記対応能力値の指標値、オペレータの生体情報、及び前記顧客の入電に関する情報と、前記顧客満足度と、前記オペレータの生体情報と、前記対応時間と、を含む顧客対応履歴に基づいて学習した前記機械学習モデルを生成するモデル生成部をさらに備えてもよい。

前記モデル生成部は、前記算出パラメータを、前記顧客満足度より前記オペレータが電話対応を行った自己に対する評価である自己評価の方が高い場合において、前記顧客満足度と前記自己評価の差分が大きいほど前記指標値が低くなるように補正し、前記顧客満足度が高いほど前記対応能力値が高くなるようにマッピングされた前記対応能力マッピングに基づいて定められ、かつ補正された前記対応能力値の指標値、及び前記自己評価をさらに含む前記顧客対応履歴に基づいて学習した前記機械学習モデルを生成してもよい。

前記モデル生成部は、前記オペレータの個人特性が前記自己評価を高く付ける傾向を示す場合に、前記指標値が低くなるように補正し、前記オペレータの個人特性が前記自己評価を低く付ける傾向を示す場合に、前記指標値が高くなるように補正してもよい。

本発明の第２の態様に係るオペレータ選択システムは、前記オペレータ選択装置と、所定の時間ごとに前記オペレータの生体情報を取得し、取得した前記オペレータの生体情報を所定のタイミングで前記オペレータ選択装置に送信するオペレータ端末と、を備える。

本発明の第３の態様に係るプログラムは、コンピュータに、顧客の入電に関する情報とオペレータの生体情報とを入力として、前記オペレータの前記入電に関する対応能力値を出力するように学習された機械学習モデルを取得するステップと、所定の取得条件を満たすタイミングにおいて前記顧客の入電に関する情報を取得するステップと、所定の取得条件を満たすタイミングにおいて顧客対応をしていない空きオペレータの生体情報を取得するステップと、入電した顧客それぞれを空きオペレータそれぞれが対応した場合の対応能力値を、前記顧客の入電に関する情報と前記オペレータの生体情報を前記機械学習モデルに入力して取得するステップと、前記対応能力値を用いて定められた評価関数を用いて、前記顧客それぞれについて対応する前記空きオペレータを割り当てるステップと、を実行させる。

本発明の第４の態様に係るオペレータ選択方法は、コンピュータが実行する、顧客の入電に関する情報とオペレータの生体情報とを入力として、前記オペレータの前記入電に関する対応能力値を出力するように学習された機械学習モデルを取得するステップと、所定の取得条件を満たすタイミングにおいて前記顧客の入電に関する情報を取得するステップと、所定の取得条件を満たすタイミングにおいて顧客対応をしていない空きオペレータの生体情報を取得するステップと、入電した顧客それぞれを空きオペレータそれぞれが対応した場合の対応能力値を、前記顧客の入電に関する情報と前記オペレータの生体情報を前記機械学習モデルに入力して取得するステップと、前記対応能力値を用いて定められた評価関数を用いて、前記顧客それぞれについて対応する前記空きオペレータを割り当てるステップと、を有することを特徴とする。

本発明によれば、入電した顧客に対して、顧客満足度が高く、かつ電話対応に要する時間が短くなるようにオペレータを割り当てることができるという効果を奏する。

オペレータ選択システムの概要を説明するための図である。 オペレータ選択システムの概要を説明するための図である。 オペレータ端末の構成を示す図である。 ＣＴＩサーバの構成を示す図である。 オペレータ選択装置の構成を示す図である。 オペレータ状態データベースの構成を示す図である。 入電情報データベースの構成を示す図である。 対応能力推定データベースの構成を示す図である。 顧客対応履歴データベースの構成を示す図である。 対応能力評価概要データベースの構成を示す図である。 対応能力マッピングの構成を示す図である。 オペレータ選択システムによる処理の流れを示すシーケンス図である。

［オペレータ選択システムＳの概要］
図１及び図２は、オペレータ選択システムＳの概要を説明するための図である。オペレータ選択システムＳは、機械学習モデルを用いて、顧客からの入電時に電話対応を行っていない複数の空きオペレータの中から、顧客満足度が高く、かつ電話対応に要する時間が短くなるようにオペレータを選択するシステムである。また、オペレータ選択システムＳは、オペレータが行った電話対応に関する情報に基づいて、機械学習モデルＭを更新するシステムである。

オペレータ選択システムＳは、オペレータ端末２、ＣＴＩ（Computer Telephony Integration）サーバ３、及びオペレータ選択装置４を有する。
オペレータ端末２は、例えばＰＣ（Personal Computer）である。オペレータ端末２は、顧客に対して電話対応を行うためにオペレータによって用いられる端末である。オペレータ端末２は、オペレータの生体情報（例えば、心電図、脈拍又は自律神経の状態等）を取得するためのセンサーを有する。

ＣＴＩサーバ３は、例えばサーバである。ＣＴＩサーバ３は、基地局１を介して、コールセンターに電話をかけた顧客の入電を受け付ける。ＣＴＩサーバ３は、オペレータ選択装置４が選択したオペレータが用いるオペレータ端末２に、受け付けた顧客の電話を転送する。

オペレータ選択装置４は、例えばサーバである。オペレータ選択装置４は、機械学習モデルＭを用いて、顧客からの入電時に電話対応を行っていない複数の空きオペレータの中から、顧客満足度が高く、かつ電話対応に要する時間が短くなるように入電した顧客と空きオペレータとの組み合わせを算出する。機械学習モデルＭは、所定の情報を入力すると、対応能力値を出力するように学習されたモデルである。対応能力値は、顧客からの入電時における、当該顧客に対して電話対応を行う業務に対するオペレータの適性の高さを示した数値である。対応能力値は、オペレータの熟練度、入電時の疲労度、入電した顧客の属性及び電話内容のカテゴリ等が考慮される。

図１に示す顧客Ｃ１、Ｃ２は、コールセンターに電話をかけている状態であり（図１の（１））、顧客Ｃ３においては、オペレータＯＰ４が電話対応している状態である。この場合において、ＣＴＩサーバ３は、基地局１を介して、顧客Ｃ１、Ｃ２の入電を受け付けると（図１の（２））、オペレータ選択装置４に顧客Ｃ１、Ｃ２の入電に関する情報（例えば、性別や年代を含む顧客属性及び電話内容のカテゴリ等）を送信する（図１の（３））。

オペレータ選択装置４は、顧客Ｃ１、Ｃ２の入電に関する情報を取得すると、電話対応を行っていない空きオペレータＯＰ１、ＯＰ２、及びＯＰ３の生体情報を取得する（図１の（４））。オペレータ選択装置４は、オペレータそれぞれに対応する機械学習モデルＭを用いて、顧客Ｃ１、Ｃ２の入電に関する情報及び当該機械学習モデルＭに対応するオペレータの生体情報を入力し、顧客Ｃ１、Ｃ２それぞれに対するオペレータＯＰ１、ＯＰ２、及びＯＰ３それぞれの対応能力値を取得する（図１の（５））。

オペレータ選択装置４は、取得した対応能力値に基づいて、空きオペレータＯＰ１、ＯＰ２、ＯＰ３と顧客Ｃ１、Ｃ２とを組み合わせた６パターンから、評価関数を用いて、顧客満足度が高く、かつ電話対応に要する時間が短くなるような組み合わせを算出する（図１の（６））。具体的には、オペレータ選択装置４は、評価関数を用いて対応能力値の合計値が最大となる組み合わせを算出する。オペレータ選択装置４は、例えば、対応能力値の合計値が最大となる、顧客Ｃ１に空きオペレータＯＰ１、顧客Ｃ２に空きオペレータＯＰ２の組み合わせを算出すると、当該組み合わせを示す組み合わせ情報を、ＣＴＩサーバ３に送信する（図１の（７））。

ＣＴＩサーバ３は、オペレータ選択装置４から送信された組み合わせ情報に基づいて、組み合わせ情報に示す空きオペレータＯＰ１に顧客Ｃ１の電話を転送し、オペレータＯＰ２に顧客Ｃ２の電話を転送する（図１の（８））。電話を転送された空きオペレータＯＰ１、ＯＰ２は、ＣＴＩサーバ３を介して、それぞれ顧客Ｃ１、Ｃ２に対して電話対応を開始する（図１の（９））。

ＣＴＩサーバ３は、オペレータＯＰ１、ＯＰ２、ＯＰ３が電話対応を終えると、アンケートの回答を求める自動音声に切り替える。顧客Ｃ１、Ｃ２、Ｃ３それぞれは、自動音声に従って、電話対応したオペレータＯＰ１、ＯＰ２、ＯＰ３それぞれに対する評価をアンケートで回答する（図２の（１））。ＣＴＩサーバ３は、顧客Ｃ１、Ｃ２、Ｃ３が回答したアンケート結果から顧客満足度を取得する（図２の（２））。ＣＴＩサーバ３は、顧客満足度及び電話対応にかかった対応時間に、オペレータと顧客とを関連付けた対応情報をオペレータ選択装置４に送信する（図２の（３））。

オペレータＯＰ１、ＯＰ２、ＯＰ３は、電話対応に対する自己評価をオペレータ端末２にそれぞれ入力する。オペレータ端末２ａ、２ｂ、２ｃは、オペレータＯＰ１、ＯＰ２、ＯＰ３それぞれが入力した自己評価を、オペレータ選択装置４に送信する（図２の（４））。オペレータ選択装置４は、対応情報及び自己評価に基づいて、顧客対応履歴を更新する（図２の（５））。その後、オペレータ端末２ａ、２ｂ、２ｃは、所定の時間ごとに取得したオペレータＯＰ１、ＯＰ２、ＯＰ３の生体情報を、オペレータ選択装置４に送信する（図２の（６））。そして、オペレータ選択装置４は、更新した顧客対応履歴及びオペレータ端末２ａ、２ｂ、２ｃから送信されたオペレータＯＰ１、ＯＰ２、ＯＰ３の生体情報に基づいて学習した機械学習モデルＭを生成する（図２の（７））。

以上のとおり、オペレータ選択システムＳは、顧客対応履歴及びオペレータの生体情報に基づいて学習された機械学習モデルＭから出力された対応能力値に基づいて、入電した顧客と空きオペレータの組み合わせを算出することにより、顧客満足度が高く、かつ電話対応に要する時間が短くなるようにオペレータを割り当てることができる。
以下、オペレータ端末２、ＣＴＩサーバ３、及びオペレータ選択装置４の詳細について説明する。

［オペレータ端末２の構成］
図３は、オペレータ端末２の構成を示す図である。オペレータ端末２は、ヘッドセット２０、通信部２１、センサー部２２、記憶部２３、及び制御部２４を備える。
ヘッドセット２０は、オペレータが音声を入力するマイクと、顧客の音声を出力するスピーカとを有する。

通信部２１は、基地局１を介して、顧客と通話するための電話交換機としての役割を有する。また、通信部２１は、ＣＴＩサーバ３及びオペレータ選択装置４に対してデータを送受信するための通信コントローラを含んでいる。

センサー部２２は、オペレータが装着する機器（例えば、ウェアラブル又はヘッドセット等）に取付けられたセンサーからオペレータの心電波形又は心拍数を計測する。
記憶部２３は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）及びハードディスク等の記憶媒体である。記憶部２３は、制御部２４が実行する各種のプログラムを記憶する。

制御部２４は、例えばＣＰＵ（Central Processing Unit）である。制御部２４は、記憶部２３に記憶されているプログラムを実行することにより、オペレータ端末２に係る機能を制御する。制御部２４は、プログラムを実行することにより、生体情報取得部２４１、通話部２４２、自己評価入力部２４３、及び送信部２４４として機能する。

生体情報取得部２４１は、所定の時間ごとに、センサー部２２が計測した心電波形又は心拍数に基づいてオペレータの生体情報を取得する。また、生体情報取得部２４１は、通話部２４２又はオペレータ選択装置４から生体情報取得指示が通知された場合に、センサー部２２が計測した心電波形又は心拍数に基づいて、オペレータの生体情報を取得する。所定の時間は、オペレータごとに、電話対応の合計時間又は電話対応の回数に応じて定めてもよいし、オペレータの特性（例えば、緊張しやすい及び疲れやすい等）に応じて定めてもよい。生体情報は、例えば、心電図又は心電図から既知の方法で得られる脈拍又は自律神経の状態（例えば、自律神経のバランスが乱れているか否か）である。

生体情報取得部２４１は、取得したオペレータの生体情報にオペレータの識別番号を関連付けて記憶部２３に記憶させる。オペレータの識別番号は、オペレータ端末２にログインしているアカウント情報から取得してもよい。生体情報取得部２４１は、通話部２４２又はオペレータ選択装置４から生体情報取得指示が通知された場合、取得したオペレータの生体情報を送信部２４４に入力する。

通話部２４２は、通信部２１を介して、ＣＴＩサーバ３から転送された電話を受け付け、オペレータが入電した顧客と音声通話できるように、ヘッドセット２０を制御する。通話部２４２は、通話の終了後に、オペレータの生体情報を取得ための生体情報取得指示を生体情報取得部２４１に通知する。通話部２４２は、通話が終了した場合に、自己評価入力部２４３及び通信部２１を介してＣＴＩサーバ３に通話が終了したことを通知する。

自己評価入力部２４３は、通話部２４２から通話終了の通知を受けると、不図示の表示部に、オペレータが今回の応答がうまくできたかを主観的に評価するための自己評価入力画面を表示する。自己評価入力画面には、例えば、５段階評価で、「うまくできなかった」、「一部うまくできない点があった」、「ふつう」、「ややうまくいった」、「とてもうまくいった」を示す選択肢が含まれる。自己評価入力部２４３は、オペレータがいずれかの選択肢を入力すると、入力した情報を送信部２４４に入力する。

送信部２４４は、通信部２１を介して、自己評価入力部２４３から入力された自己評価をオペレータ選択装置４に送信する。送信部２４４は、通信部２１を介して、生体情報取得部２４１が取得したオペレータの生体情報を所定のタイミングでオペレータ選択装置４に送信する。送信部２４４は、例えば、オペレータ選択装置４が生体情報を学習に使用するために、コールセンター業務が終了するタイミングで、記憶部２３に記憶されている生体情報をオペレータ選択装置４に送信する。送信部２４４は、生体情報取得部２４１から生体情報が入力された場合に、通信部２１を介して、入力された生体情報をオペレータ選択装置４に送信する。

［ＣＴＩサーバ３の構成］
図４は、ＣＴＩサーバ３の構成を示す図である。ＣＴＩサーバ３は、通信部３１、記憶部３２及び制御部３３を備える。
通信部３１は、基地局１を介して、コールセンターにかけた顧客の電話を受け付け、また受け付けた電話をオペレータ端末２に転送するための電話交換機としての役割を有する。また、通信部３１は、オペレータ選択装置４に対してデータを送受信するための通信コントローラを含んでいる。

記憶部３２は、例えば、ＲＯＭ、ＲＡＭ及びハードディスク等の記憶媒体である。記憶部３２は、顧客情報データベースを記憶する。顧客情報データベースは、顧客番号、顧客の名前、顧客の性別、顧客の年代、顧客の電話番号等を関連付けて記憶している。記憶部３２は、制御部３３が実行する各種のプログラムを記憶する。

制御部３３は、例えばＣＰＵであり、記憶部３２に記憶されているプログラムを実行することにより、ＣＴＩサーバ３に係る機能を制御する。制御部３３は、プログラムを実行することにより、入電情報取得部３３１、割当情報取得部３３２、転送部３３３、及び対応情報取得部３３４として機能する。

入電情報取得部３３１は、顧客の入電に関する情報を取得する。顧客の入電に関する情報は、顧客の性別及び顧客の年代を含む顧客属性及び顧客が自動音声案内に従って入力した情報（例えば、顧客の入電内容が属するカテゴリ）である。入電情報取得部３３１は、入電によって得られる発信者番号に基づいて、顧客情報データベースから顧客属性を取得する。入電情報取得部３３１は、取得した顧客の入電に関する情報を割当情報取得部３３２に入力する。なお、入電情報取得部３３１は、電話番号が顧客データベースに存在しない新規顧客である場合、カテゴリのみを割当情報取得部３３２に入力する。

割当情報取得部３３２は、入電情報取得部３３１から顧客の入電に関する情報が入力されると、通信部３１を介して、顧客の入電に関する情報をオペレータ選択装置４に送信する。割当情報取得部３３２は、顧客の入電に関する情報をオペレータ選択装置４に送信した後に、通信部３１を介して、オペレータ選択装置４が生成した組み合わせ情報を取得する。組み合わせ情報は、入電した顧客に割り当てるオペレータを特定するための情報を含む。割当情報取得部３３２は、取得した組み合わせ情報を、転送部３３３に入力する。

転送部３３３は、割当情報取得部３３２から入力された組み合わせ情報に基づいて、入電した顧客の電話を空きオペレータに転送する。具体的には、転送部３３３は、入電した顧客の電話を、組み合わせ情報に示された空きオペレータに転送する。

対応情報取得部３３４は、オペレータが電話対応を終えた後に、電話対応に関する情報を取得する。具体的には、対応情報取得部３３４は、オペレータ端末２から通話終了の通知を受け付けると、電話対応の対応時間、及び顧客が入力したアンケート結果に基づく顧客満足度を取得する。対応情報取得部３３４は、例えば、今回の対応について５段階評価で「不満」、「やや不満」、「ふつう」、「ほぼ満足」、「満足」の選択肢を自動音声で案内し、顧客が自動音声に従って回答した選択肢を取得する。対応情報取得部３３４は、通信部３１を介して、取得した電話対応の時間及び顧客満足度にオペレータの識別番号及び顧客番号を関連付けた対応情報を、オペレータ選択装置４に送信する。

［オペレータ選択装置４の構成］
図５は、オペレータ選択装置４の構成を示す図である。オペレータ選択装置４は、通信部４１、記憶部４２、及び制御部４３を備える。
通信部４１は、オペレータ端末２及びＣＴＩサーバ３に対してデータを送受信するための通信コントローラを含んでいる。

記憶部４２は、例えば、ＲＯＭ、ＲＡＭ及びハードディスク等の記憶媒体である。記憶部４２は、顧客対応履歴データベース、オペレータ状態データベース、入電情報データベース、対応能力推定データベース、対応能力評価概要データベース、及び対応能力マッピングを記憶する。各データベース及びマッピングの構成については後述する。また、記憶部４２は、オペレータそれぞれに対応付けられた複数の機械学習モデルＭを記憶する。記憶部４２は、制御部４３が実行する各種のプログラムを記憶する。

制御部４３は、例えばＣＰＵであり、記憶部４２に記憶されているプログラムを実行することにより、オペレータ選択装置４に係る機能を制御する。制御部４３は、プログラムを実行することにより、入力情報取得部４３１、モデル取得部４３２、モデル適用部４３３、オペレータ割当部４３４、モデル生成情報取得部４３５、及びモデル生成部４３６として機能する。

入力情報取得部４３１は、機械学習モデルＭから対応能力値を出力させるために入力する情報を取得する。具体的には、入力情報取得部４３１は、所定の取得条件を満たすタイミングにおいて、顧客の入電に関する情報と、顧客対応をしていない空きオペレータの生体情報とを取得する。より具体的には、入力情報取得部４３１は、所定の時間及び所定の顧客の入電数のいずれかの取得条件を満たすタイミングにおいて、顧客の入電に関する情報と、空きオペレータの生体情報とを取得する。

ここで、所定の時間は、例えば、ＣＴＩサーバ３から顧客の入電に関する情報が送信されてから予め設定された時間（例えば１分）が経過するまでの期間である。所定の顧客の入電数は、例えば、ＣＴＩサーバ３から顧客の入電に関する情報が送信されてから予め設定された入電数（例えば１０呼）に達するまでの数である。

顧客の入電に関する情報は、カテゴリ及び顧客の顧客属性を含む。顧客属性は、例えば、顧客の性別及び年代である。このように顧客の入電に関する情報に顧客属性を含めることで、入力情報取得部４３１は、例えば、若い男性は回答だけ的確に短時間で欲しく、高齢の女性はきちんと話を聞いた上で分かり易くある程度時間が掛かっても説明が欲しいなど、性別及び年代によって要求される内容が異なることが考慮された各オペレータの対応能力値を機械学習モデルＭから出力させることができる。また、顧客の入電に関する情報にカテゴリを含めることで、入力情報取得部４３１は、オペレータごとに異なる熟練度が考慮された対応能力値を機械学習モデルＭから出力させることができ、オペレータの教育において不得意分野を特定することが容易となる。

入力情報取得部４３１は、オペレータ状態データベースを参照することにより、空きオペレータを特定する。図６は、オペレータ状態データベースの構成を示す図である。オペレータ状態データベースは、オペレータの識別番号、及びオペレータが電話対応を行っているか否かを示す対応状況を関連付けて記憶している。オペレータが電話対応を行っている場合、対応状況に顧客番号が格納され、オペレータが電話対応を行っていない場合、「０」が格納される。図６に示す例において、入力情報取得部４３１は、オペレータ状態データベースから電話対応を行っていない空きオペレータであることを示す対応状況が「０」であるオペレータの識別番号として、ＯＰ０１、ＯＰ０３、及びＯＰ０４を取得する。

入力情報取得部４３１は、オペレータ状態データベースからオペレータの識別番号を取得すると、当該識別番号の空きオペレータが使用するオペレータ端末２からオペレータの生体情報を取得する。具体的には、入力情報取得部４３１は、通信部４１を介して、空きオペレータが使用するオペレータ端末２に生体情報取得指示を通知し、通知したオペレータ端末２からオペレータの生体情報を取得する。

入力情報取得部４３１は、取得したオペレータの生体情報をモデル適用部４３３に入力する。また、入力情報取得部４３１は、取得したオペレータの識別番号をモデル取得部４３２に入力する。このように、入力情報取得部４３１が、電話対応を行っていない空きオペレータを割り当て対象にすることで、経験がありスキルが高い特定のオペレータのみに選択が偏ることなく、全体の空き状況や経験量が少ないオペレータに例外的に割り当てる等、バランスを考慮した選択が可能となる。

入力情報取得部４３１は、ＣＴＩサーバ３から送信されたカテゴリ及び顧客属性を入電情報データベースに格納する。図７は、入電情報データベースの構成を示す図である。入電情報データベースは、顧客番号、顧客の性別、顧客の年代、及びカテゴリを関連付けて記憶している。図７に示すように、入力情報取得部４３１は、ＣＴＩサーバ３から送信されたカテゴリ及び顧客属性を、顧客番号に関連付けて入電情報データベースに格納する。

モデル取得部４３２は、顧客の入電に関する情報とオペレータの生体情報とを入力として、オペレータの入電に関する対応能力値を出力するように学習された機械学習モデルＭを取得する。具体的には、モデル取得部４３２は、入力情報取得部４３１から入力されたオペレータの識別番号に対応する機械学習モデルＭを記憶部４２から取得する。機械学習モデルＭは、例えば、サポートベクターマシン（ＳＶＭ：Support Vector Machine）を用いて、オペレータごとに学習されたモデルである。モデル取得部４３２は、事前に全てのオペレータそれぞれの機械学習モデルＭを取得してもよい。

モデル適用部４３３は、入電した顧客それぞれを空きオペレータそれぞれが対応した場合の対応能力値を、顧客の入電に関する情報と空きオペレータの生体情報を機械学習モデルＭに入力して取得する。具体的には、モデル適用部４３３は、入電情報データベースに格納されている情報及び入力情報取得部４３１から入力された空きオペレータの生体情報を、顧客及び空きオペレータの組み合わせごとに機械学習モデルＭに入力し、入電した顧客を空きオペレータが対応した場合の対応能力値を取得する。

モデル適用部４３３は、取得した対応能力値を対応能力推定データベースに格納する。図８は、対応能力推定データベースの構成を示す図である。対応能力推定データベースは、オペレータの識別番号、入電した顧客の顧客番号、及びオペレータの対応能力を関連付けて記憶している。図８に示すように、モデル適用部４３３は、取得した組み合わせごとの対応能力値を、オペレータの識別番号及び顧客番号に関連付けて対応能力推定データベースに格納する。

オペレータ割当部４３４は、対応能力値を用いて定められた評価関数を用いて、顧客それぞれについて対応する空きオペレータを割り当てる。オペレータ割当部４３４は、例えば、対応能力推定データベースを参照し、空きオペレータそれぞれに入電した複数の顧客それぞれを割り当てた場合に対応能力値が最大になる組み合わせを算出する（例えば、ハンガリー法）。

図８に示す例において、オペレータ割当部４３４は、ＯＰ０１、ＯＰ０３、及びＯＰ０４で識別される３人のオペレータが、Ｃ０１、Ｃ０２、及びＣ０３で識別される３人の顧客に対応する場合の６通りの組み合わせの中から、対応能力の合計値が最大となる組み合わせを算出する。この場合において、オペレータ割当部４３４は、対応能力の合計値が「１．６」と最大となる、識別番号「ＯＰ０１」であるオペレータに顧客番号「Ｃ０２」である顧客、識別番号「ＯＰ０３」であるオペレータに顧客番号「Ｃ０１」である顧客、識別番号「ＯＰ０４」であるオペレータに顧客番号「Ｃ０３」である顧客の組み合わせを算出する。このようにすることで、オペレータ割当部４３４は、全体として顧客満足度が高く、かつ対応時間が最小となる組み合わせを算出することができる。オペレータ割当部４３４は、通信部４１を介して、算出した組み合わせ情報をＣＴＩサーバ３に送信する。

オペレータ割当部４３４は、算出した組み合わせに基づいて、オペレータ状態データベースの対応状況を更新する。オペレータ割当部４３４は、例えば、上述の組み合わせに基づいて、オペレータ状態データベースの識別番号「ＯＰ０１」に対応する対応状況を「Ｃ０２」、識別番号「ＯＰ０３」に対応する対応状況を「Ｃ０１」、識別番号「ＯＰ０４」に対応する対応状況を「Ｃ０３」に更新する。

モデル生成情報取得部４３５は、機械学習モデルＭを生成するためのモデル生成情報を取得する。具体的には、モデル生成情報取得部４３５は、オペレータ端末２から自己評価を取得し、ＣＴＩサーバ３から対応時間及び顧客満足度を取得する。また、モデル生成情報取得部４３５は、オペレータ端末２から所定の時間ごと及び電話対応前後のオペレータの生体情報を取得する。モデル生成情報取得部４３５は、取得した自己評価、対応時間及び顧客満足度に基づいて、記憶部４２に記憶されている顧客対応履歴データベースを更新する。

図９は、顧客対応履歴データベースの構成を示す図である。顧客対応履歴データベースは、オペレータの識別番号、カテゴリ、対応時間、顧客満足度、自己評価、及び電話対応の回数を合計した対応回数を関連付けて記憶している。顧客対応履歴データベースに記憶される対応時間は、電話対応にかかった時間の合計値を１０進数に変換した時間である。顧客対応履歴データベースに記憶される顧客満足度は、顧客満足度の合計値を、電話対応の回数を合計した対応回数で除算した平均値である。顧客対応履歴データベースに記憶される自己評価は、自己評価の合計値を、電話対応の回数を合計した対応回数で除算した平均値である。図９に示すように、モデル生成情報取得部４３５は、取得した自己評価、対応時間及び顧客満足度に基づいて、顧客対応履歴データベースにおいてオペレータの識別番号及びカテゴリに対応する、対応時間、顧客満足度、自己評価、及び対応回数を更新する。

モデル生成情報取得部４３５は、自己評価を取得した場合に、オペレータ状態データベースにおいて当該自己評価を行ったオペレータに対応する対応状況を更新する。具体的には、モデル生成情報取得部４３５は、自己評価を取得したオペレータ端末２を使用しているオペレータの識別番号に対応する対応状況を「０」に更新する。

モデル生成情報取得部４３５は、所定の時間ごとに取得されたオペレータの生体情報、及び電話対応前後に取得されたオペレータの生体情報を、モデル生成部４３６に入力する。このようにすることで、モデル生成情報取得部４３５は、所定の時間ごとの生体情報と、電話対応前後の生体情報から求められる疲労度の変化量と、顧客満足度とを機械学習モデルＭに学習させ、入電時のオペレータの生体情報に基づいて得られる疲労度から、顧客満足度に結びついた対応能力値を機械学習モデルＭから出力させることができる。これにより、疲労度が高くても顧客満足度が高いオペレータや、疲労度が低いのに顧客満足度が低いオペレータなど、オペレータごとの疲労耐性を推定することができ、推定された疲労耐性に応じて、オペレータを教育することができる。

モデル生成部４３６は、対応能力値を算出するための算出パラメータを、対応能力マッピングに基づいて定められた対応能力値の指標値、オペレータの生体情報、及び顧客対応履歴データベースに基づいて学習した機械学習モデルＭを生成する。図９に示すように、顧客対応履歴データベースは、顧客の入電に関する情報（例えば、カテゴリ）と、顧客満足度と、オペレータの生体情報と、対応時間と、を含む。

図１０は、対応能力評価概要データベースの構成を示す図である。対応能力評価概要データベースは、対応能力マッピングで対応能力の指標値を算出するための評価概要を記憶する。対応能力評価概要データベースは、所定の基準値に基づいて電話対応にかかった時間が長いか否かを示す対応時間、５段階で示す評価、指標値を算出するための評価概要を関連付けて記憶している。評価概要は、例えば、「◎」が最も評価が高く、「×」が最も評価が低いことを示す。

図１１は、対応能力マッピングの構成を示す図である。対応能力マッピングは、機械学習モデルＭに学習させる情報を格納する。対応能力マッピングは、顧客対応履歴データベースに基づいて、オペレータが電話対応にかかった時間を示す対応時間が短いほど対応能力値が高くなり、かつ顧客が電話対応を受けたオペレータに対する評価を示す顧客満足度が高いほど対応能力値が高くなるようにマッピングされている。対応能力マッピングは、対応能力の指標値を対応時間及び評価にマッピングする。

指標値は、対応能力評価概要データベースに基づいて、０＜指標値≦１の間で数値化された対応能力の目安である。指標値は、モデル生成部４３６が算出してもよいし、コールセンターの管理者が設定してもよい。このように対応能力値に対応時間を関連付けることで、モデル生成部４３６は、顧客満足度と対応時間とのバランスが考慮された対応能力値を機械学習モデルＭから出力させることができる。また、モデル生成部４３６は、対応能力マッピングを調整することで、企業ごと、部署ごと、又はカテゴリごとに、対応時間及び顧客満足度のいずれかに重視するかを変更することができる。

モデル生成部４３６は、算出パラメータを、顧客満足度よりオペレータが電話対応を行った自己に対する評価である自己評価の方が高い場合において、顧客満足度と自己評価の差分が大きいほど指標値が低くなるように補正してもよい。モデル生成部４３６は、例えば、自己評価が「５」であり、顧客満足度が「２」である場合には、自己評価と顧客満足度とが一致する場合に比べて、対応能力マッピングの指標値が低くなるように補正してもよい。

この場合、モデル生成部４３６は、顧客満足度が高いほど対応能力値が高くなるようにマッピングされた対応能力マッピングに基づいて定められ、かつ補正された対応能力値の指標値、及び自己評価をさらに含む顧客対応履歴データベースに基づいて学習した機械学習モデルを生成してもよい。このように顧客満足度とオペレータの自己評価との差を比較することで、モデル生成部４３６は、オペレータのコミュニケーション能力を考慮した対応能力値を機械学習モデルＭから出力させることができる。また、オペレータ教育時に、相手の気持ちを把握するようなコミュニケーション能力を向上させる教育に用いることや、人事評価の際に客観的評価として提示することでオペレータ側の不満解消に効果を上げることができる。

モデル生成部４３６は、オペレータの個人特性が自己評価を高く付ける傾向を示す場合に、指標値が低くなるように補正し、オペレータの個人特性が自己評価を低く付ける傾向を示す場合に、指標値が高くなるように補正してもよい。モデル生成部４３６は、例えば、定期的にオペレータに個人特性を取得する主観アンケート（例えば、性格特性Ｂｉｇ５尺度）を利用し、自己評価を高めにつける傾向がある外向性傾向が高いオペレータに対して指標値が低くなるように補正し、自己評価を低めにつける傾向がある神経質傾向のオペレータに対して指標値が高くなるように補正してもよい。このようにすることで、モデル生成部４３６は、オペレータの性格を考慮した対応能力値を機械学習モデルＭから出力させることができる。

［オペレータ選択システムＳの処理］
続いて、オペレータ選択システムＳによる処理の流れを説明する。図１２は、オペレータ選択システムＳによる処理の流れを示すシーケンス図である。本シーケンス図は、顧客がコールセンターに電話をかけたことを契機として開始する。

ＣＴＩサーバ３の入電情報取得部３３１は、顧客からの入電を受け付けると、顧客の入電に関する情報を取得する。具体的には、入電情報取得部３３１は、入電により得られる発信者番号に基づいて、顧客情報データベースから顧客の性別及び顧客の年代を含む顧客属性を取得し、自動音声に従って顧客が入力した入電内容が属するカテゴリを取得する。入電情報取得部３３１は、取得した顧客属性及びカテゴリをＣＴＩサーバ３の割当情報取得部３３２に入力する。割当情報取得部３３２は、入電情報取得部３３１から顧客属性及びカテゴリが入力されると、通信部３１を介して、顧客属性及びカテゴリをオペレータ選択装置４に送信する。

オペレータ選択装置４の入力情報取得部４３１は、ＣＴＩサーバ３から顧客属性及びカテゴリを取得すると、所定の取得条件を満たすか否かを判定する（Ｓ１）。具体的には、入力情報取得部４３１は、所定の時間及び所定の顧客の入電数のいずれかの取得条件を満たすか否かを判定する。入力情報取得部４３１は、所定の取得条件を満たさないと判定した場合、処理をＳ１に戻す。

一方、入力情報取得部４３１は、所定の取得条件を満たすと判定した場合、電話対応を行っていない空きオペレータを特定する（Ｓ２）。具体的には、入力情報取得部４３１は、オペレータ状態データベースから電話対応を行っていない空きオペレータであることを示す対応状況が「０」であるオペレータの識別番号を取得する。

入力情報取得部４３１は、オペレータ状態データベースからオペレータの識別番号を取得すると、当該識別番号の空きオペレータが使用するオペレータ端末２からオペレータの生体情報を取得する。具体的には、まず、入力情報取得部４３１は、通信部４１を介して、空きオペレータが使用するオペレータ端末２に生体情報取得指示を通知する。オペレータ端末２の生体情報取得部２４１は、オペレータ選択装置４から生体情報取得指示を受け付けると、センサー部２２が計測した心電波形又は心拍数に基づいてオペレータの生体情報を取得する。オペレータ端末２の送信部２４４は、生体情報取得部２４１が取得したオペレータの生体情報をオペレータ選択装置４に送信する。そして、入力情報取得部４３１は、オペレータ端末２から送信されたオペレータの生体情報を取得する。

入力情報取得部４３１は、取得したオペレータの生体情報をモデル適用部４３３に入力する。入力情報取得部４３１は、ＣＴＩサーバ３から送信された顧客属性及びカテゴリを入電情報データベースに格納する。モデル取得部４３２は、入力情報取得部４３１から入力されたオペレータの識別番号それぞれに対応する機械学習モデルＭを記憶部４２から取得する。

続いて、モデル適用部４３３は、入力情報取得部４３１から入力されたオペレータの生体情報及び入電情報データベースに格納されている情報を機械学習モデルＭに入力して、入電した顧客及び空きオペレータの組み合わせごとに、入電した顧客に空きオペレータが対応した場合の対応能力値を取得し（Ｓ３）、取得した対応能力値を対応能力推定データベースに格納する。

オペレータ割当部４３４は、対応能力値を用いて定められた評価関数を用いて、顧客それぞれについて対応する空きオペレータを割り当てる。オペレータ割当部４３４は、例えば、対応能力推定データベースを参照し、ハンガリー法に基づいて、空きオペレータそれぞれに入電した顧客それぞれを割り当てた場合に対応能力値が最大になる組み合わせを算出する（Ｓ４）。オペレータ割当部４３４は、通信部４１を介して、算出した組み合わせ情報をＣＴＩサーバ３に送信する。また、オペレータ割当部４３４は、算出した組み合わせに基づいて、オペレータ状態データベースを更新する。

ＣＴＩサーバ３の転送部３３３は、通信部３１を介して、入力された組み合わせ情報に基づいて、複数の顧客からの入電それぞれを、複数の空きオペレータそれぞれに転送する。そして、転送されたオペレータそれぞれは、電話対応を開始する。ＣＴＩサーバ３の対応情報取得部３３４は、オペレータが電話対応を終えた後に、電話対応に関する情報を取得する。具体的には、対応情報取得部３３４は、オペレータ端末２から通話終了の通知を受け付けると、対応時間及び顧客が入力したアンケート結果に基づく顧客満足度を含む電話対応に関する情報を取得する。対応情報取得部３３４は、通信部３１を介して、取得した電話対応に関する情報を、オペレータ選択装置４に送信する。

オペレータ端末２の自己評価入力部２４３は、通話部２４２から通話終了の通知を受け付けると、自己評価入力画面を表示する。自己評価入力部２４３は、オペレータが自己評価入力画面から５段階評価のいずれかの選択肢を入力すると、入力した自己評価を送信部２４４に入力する。オペレータ端末２の送信部２４４は、通信部２１を介して、自己評価入力部２４３から入力された自己評価をオペレータ選択装置４に送信する。

オペレータ選択装置４のモデル生成情報取得部４３５は、機械学習モデルＭを生成するためのモデル生成情報を取得する。具体的には、モデル生成情報取得部４３５は、オペレータ端末２から自己評価を取得し、ＣＴＩサーバ３から対応時間及び顧客満足度を取得する。

モデル生成情報取得部４３５は、取得したモデル生成情報に基づいて、記憶部４２に記憶されている顧客対応履歴データベースを更新する（Ｓ５）。モデル生成情報取得部４３５は、所定の時間ごと及び電話対応前後のオペレータの生体情報を、モデル生成部４３６に入力する。具体的には、モデル生成情報取得部４３５は、オペレータ端末２の送信部２４４が、所定のタイミングで送信したオペレータの生体情報を取得し、モデル生成部４３６に入力する。モデル生成部４３６は、対応能力値を算出するための算出パラメータを、対応能力マッピングに基づいて定められた対応能力値の指標値、オペレータの生体情報、及び顧客対応履歴データベースに基づいて学習した機械学習モデルＭを生成する（Ｓ６）。

［本実施の形態における効果］
以上説明したとおり、本実施の形態に係るオペレータ選択システムＳは、機械学習モデルＭが出力したオペレータの対応能力値に基づいて、入電した顧客と空きオペレータの組み合わせを算出する。そして、オペレータ選択システムＳは、算出した組み合わせに基づいて、オペレータに顧客を割り当てる。このようにすることで、オペレータ選択システムＳは、顧客満足度が高く、かつ対応時間が短くなる最適な組み合わせで割り当てることができる。その結果、オペレータ選択システムＳは、入電した顧客に最適なオペレータを割り当てることができる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の分散・統合の具体的な実施の形態は、以上の実施の形態に限られず、その全部又は一部について、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を合わせ持つ。

１ 基地局
２ オペレータ端末
２０ ヘッドセット
２１ 通信部
２２ センサー部
２３ 記憶部
２４ 制御部
２４１ 生体情報取得部
２４２ 通話部
２４３ 自己評価入力部
２４４ 送信部
３ ＣＴＩサーバ
３１ 通信部
３２ 記憶部
３３ 制御部
３３１ 入電情報取得部
３３２ 割当情報取得部
３３３ 転送部
３３４ 対応情報取得部
４ オペレータ選択装置
４１ 通信部
４２ 記憶部
４３ 制御部
４３１ 入力情報取得部
４３２ モデル取得部
４３３ モデル適用部
４３４ オペレータ割当部
４３５ モデル生成情報取得部
４３６ モデル生成部

Claims (10)

1. 顧客の入電に関する情報とオペレータの生体情報とを入力として、前記オペレータの前記入電に関する対応能力値を出力するように学習された機械学習モデルを取得するモデル取得部と、
   所定の取得条件を満たすタイミングにおいて、前記顧客の入電に関する情報と、顧客対応をしていない空きオペレータの生体情報とを取得する入力情報取得部と、
   入電した前記顧客それぞれを前記空きオペレータそれぞれが対応した場合の対応能力値を、前記顧客の入電に関する情報と前記空きオペレータの生体情報を前記機械学習モデルに入力して取得するモデル適用部と、
   前記対応能力値を用いて定められた評価関数を用いて、前記顧客それぞれについて対応する前記空きオペレータを割り当てるオペレータ割当部と、
   を備えるオペレータ選択装置。
2. 前記入力情報取得部は、所定の時間及び所定の前記顧客の入電数のいずれかの前記取得条件を満たすタイミングにおいて前記顧客の入電に関する情報と、前記空きオペレータの生体情報とを取得する、
   請求項１に記載のオペレータ選択装置。
3. 前記顧客の入電に関する情報は、前記顧客の入電内容が属するカテゴリを含む、
   請求項１又は２に記載のオペレータ選択装置。
4. 前記顧客の入電に関する情報は、前記顧客の顧客属性を含む、
   請求項１から３のいずれか一項に記載のオペレータ選択装置。
5. 前記対応能力値を算出するための算出パラメータを、前記オペレータが電話対応にかかった時間を示す対応時間が短いほど対応能力値が高くなり、かつ前記顧客が電話対応を受けた前記オペレータに対する評価を示す顧客満足度が高いほど前記対応能力値が高くなるようにマッピングされた対応能力マッピングに基づいて定められた前記対応能力値の指標値、オペレータの生体情報、及び前記顧客の入電に関する情報と、前記顧客満足度と、前記オペレータの生体情報と、前記対応時間と、を含む顧客対応履歴に基づいて学習した前記機械学習モデルを生成するモデル生成部をさらに備える、
   請求項１から４のいずれか一項に記載のオペレータ選択装置。
6. 前記モデル生成部は、前記算出パラメータを、前記顧客満足度より前記オペレータが電話対応を行った自己に対する評価である自己評価の方が高い場合において、前記顧客満足度と前記自己評価の差分が大きいほど前記指標値が低くなるように補正し、前記顧客満足度が高いほど前記対応能力値が高くなるようにマッピングされた前記対応能力マッピングに基づいて定められ、かつ補正された前記対応能力値の指標値、及び前記自己評価をさらに含む前記顧客対応履歴に基づいて学習した前記機械学習モデルを生成する、
   請求項５に記載のオペレータ選択装置。
7. 前記モデル生成部は、前記オペレータの個人特性が前記自己評価を高く付ける傾向を示す場合に、前記指標値が低くなるように補正し、前記オペレータの個人特性が前記自己評価を低く付ける傾向を示す場合に、前記指標値が高くなるように補正する、
   請求項６に記載のオペレータ選択装置。
8. 請求項１から７のいずれか一項に記載のオペレータ選択装置と、
   所定の時間ごとに前記オペレータの生体情報を取得し、取得した前記オペレータの生体情報を所定のタイミングで前記オペレータ選択装置に送信するオペレータ端末と、
   を備えるオペレータ選択システム。
9. コンピュータに、
   顧客の入電に関する情報とオペレータの生体情報とを入力として、前記オペレータの前記入電に関する対応能力値を出力するように学習された機械学習モデルを取得するステップと、
   所定の取得条件を満たすタイミングにおいて前記顧客の入電に関する情報を取得するステップと、
   所定の取得条件を満たすタイミングにおいて顧客対応をしていない空きオペレータの生体情報を取得するステップと、
   入電した顧客それぞれを空きオペレータそれぞれが対応した場合の対応能力値を、前記顧客の入電に関する情報と前記オペレータの生体情報を前記機械学習モデルに入力して取得するステップと、
   前記対応能力値を用いて定められた評価関数を用いて、前記顧客それぞれについて対応する前記空きオペレータを割り当てるステップと、
   を実行させるためのプログラム。
10. コンピュータが実行する、
    顧客の入電に関する情報とオペレータの生体情報とを入力として、前記オペレータの前記入電に関する対応能力値を出力するように学習された機械学習モデルを取得するステップと、
    所定の取得条件を満たすタイミングにおいて前記顧客の入電に関する情報を取得するステップと、
    所定の取得条件を満たすタイミングにおいて顧客対応をしていない空きオペレータの生体情報を取得するステップと、
    入電した顧客それぞれを空きオペレータそれぞれが対応した場合の対応能力値を、前記顧客の入電に関する情報と前記オペレータの生体情報を前記機械学習モデルに入力して取得するステップと、
    前記対応能力値を用いて定められた評価関数を用いて、前記顧客それぞれについて対応する前記空きオペレータを割り当てるステップと、
    を有することを特徴とするオペレータ選択方法。

Images