JP5631326B2 - コールセンターでの２ステップルーティング手続き - Google Patents

Description

（関連出願の相互参照）
本出願は２００８年１月２８日に出願された米国特許出願番号１２／０２１，２５１に関連する。本出願は、２００８年１１月６日に出願された“Ｓｅｌｅｃｔｉｖｅ Ｍａｐｐｉｎｇ ｏｆ ｃａｌｌｅｒｓ ｉｎ ａ Ｃａｌｌ Ｃｅｎｔｅｒ Ｒｏｕｔｉｎｇ Ｅｎｖｉｒｏｎｍｅｎｔ”と題された米国出願番号１２／２６６，４４６、および２００８年１１月６日に出願された“Ｂａｌａｎｃｉｎｇ Ｍｕｌｔｉｐｌｅ Ｃｏｍｐｕｔｅｒ Ｍｏｄｅｌｓ ｉｎ ａ Ｃａｌｌ Ｒｏｕｔｉｎｇ Ｓｙｓｔｅｍ”と題された米国出願番号１２／２６６，４６１に対し優先権を主張する。

（背景）
（１．分野）
本発明はコンタクトセンターシステムで電話コールおよび他のテレコミュニケーションをルーティングすることの分野に一般的に関連する。

（２．関連技術）
典型的なコンタクトセンターは、電話または電子メールもしくはインターネットチャットセッションを実施するためのコンピューターのような、中央スイッチに接続されたテレコミュニケーションデバイスをそれぞれ割り当てられた、複数の人間エージェントから成る。これらのデバイスを使って、エージェントは一般的にコンタクトセンターの顧客もしくは見込み顧客またはコンタクトセンターのクライアントに、販売、顧客サービス、または技術サポートを提供するために使用される。

典型的に、コンタクトセンターまたはクライアントは、特定のサービス（例えば、請求の質問または技術サポート）のための複数の異なるコンタクト番号またはアドレスをそれらの顧客、見込み顧客、または他の第三者に公示する。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、そして、このコンタクト情報を使い、内向きコーラーは適切なサービスを提供できるコンタクトセンターの人間エージェントに１つ以上のルーティングポイントでルーティングされる。このような内向きコンタクトに応答するコンタクトセンターは典型的に“内向きコンタクトセンター”と呼ばれる。

同様に、コンタクトセンターは現在もしくは見込み顧客または第三者に外向きコンタクトを取り得る。このようなコンタクトは、製品の販売を促進するか、技術サポートもしくは請求情報を提供するか、顧客の好みを調査するか、または債務の回収に助力するために取られ得る。このような外向きコンタクトを取るコンタクトセンターは“外向きコンタクトセンター”と呼ばれる。

内向きコンタクトセンターおよび外向きコンタクトセンターのどちらでも、コンタクトセンターエージェントとテレコミュニケーションデバイスを使ってインタラクトする個人（例えば、顧客、見込み顧客、調査参加者、または他の第三者）は本出願では“コーラー”と呼ばれる。コーラーとインタラクトするためにコールセンターによって獲得された個人は本出願では“エージェント”と呼ばれる。

コンタクトセンターオペレーションは、慣習的に、コーラーをエージェントに接続するスイッチシステムを含む。内向けコンタクトセンターでは、これらのスイッチは内向きコーラーをコンタクトセンターの特定のエージェントにルーティングするか、または複数のコンタクトセンターが展開されている場合、更なるルーティングのために特定のコンタクトセンターにルーティングする。電話機を用いる外向きコンタクトセンターでは、スイッチシステムに加えて典型的にダイアラーが用いられる。ダイアラーは、自動的に電話番号のリストからのひとつの電話番号をダイアルし、かけられた電話番号から生コーラーに（応答なし、話し中信号、エラーメッセージ、または留守番電話を得ることと対照的に）つながったかどうかを決定するために使用される。ダイアラーが生コーラーを得たとき、スイッチシステムはコンタクトセンターの特定のエージェントにコーラーをルーティングする。

ルーティングテクノロジーは、従って、コーラーの経験を最適化するために開発された。例えば、特許文献１は、複数のスイッチ間に存在し得るパフォーマンスの一般的なバリエーションに関わらずそれらのスイッチにわたりコーラーの待ち時間を平準化する電話システムを記述する。内向きコンタクトセンターでのコンタクトルーティングは、しかし、一般的に、最も長い時間アイドル状態のエージェントにコーラーを接続するように構成されているプロセスである。ひとりのエージェントだけが利用可能であり得る内向きコーラーの場合、そのエージェントは一般的に更なる分析なしにコーラーへ選択される。他の例では、コンタクトセンターに８名のエージェントがおり、７名がコンタクトに取り組んでいる場合、スイッチは、一般的に、内向きコーラーを利用可能な１人のエージェントにルーティングする。８名全てのエージェントがコンタクトに取り組んでいる場合、スイッチは典型的にコンタクトを保留にし、そして利用可能になった次のエージェントにルーティングする。より一般的に、コンタクトセンターは内向きコーラーのキューをセットアップし、経時的に利用可能になったエージェントに最も長く待っているコーラーを優先的にルーティングする。このような、コンタクトを最初の利用可能なエージェントまたは最も長く待っているエージェントのどちらかにルーティングするパターンは“ラウンドロビン”コンタクトルーティングと呼ばれる。ラウンドロビンコンタクトルーティングでは、コーラーおよびエージェントの最終的なマッチおよび接続は実質的にランダムである。

コーラーをエージェントに接続するためのこれらの標準的であるが実質的にランダムなプロセスを向上させるためのいくつかの試みがなされた。例えば、特許文献２は、内向きコーラーの言語の好みが収集され、その言語でサービスを提供できる特定のコンタクトセンターまたはエージェントに彼らの電話をルーティングために使用される電話ルーティングシステムを記述する。このように、一度このような好みが決められればコーラーはほとんどいつもラウンドロビン方式でルーティングされるが、言語の好みはコーラーをエージェントにマッチングすることおよび接続することの主要なドライバーである。

米国特許第７，２３６，５８４号明細書 米国特許第７，２０９，５４９号明細書

（概要）
本発明のシステムおよび方法は、コンタクトセンターでコーラーをエージェントにルーティングすることを向上または最適化するために使用され得る。本発明の１つの側面によると、コールセンタールーティングシステムでコーラーをエージェントにルーティングするための方法は、コーラーをエージェントにマッチングするために複数層プロセッシングアプローチを使用することを含み、プロセッシングの第一層は、コーラーをエージェントにマッチングするための２つ以上の異なるコンピューターモデルまたは方法を含む。第一層の出力（例えば、コーラーをエージェントにマッチングするための異なる方法の出力）は、出力をバランスまたは重み付けし、ルーティングのための最終的なコーラー・エージェントマッチを選択するために、プロセッシングの第二層に受信される。

１つの例では、二つ以上のモデルまたは方法は、慣習的なキューベースルーティング、パフォーマンスベースマッチング（例えば、パフォーマンスに基づいてエージェントのセットをランク付けし、パフォーマンスランキングまたはスコアに基づいてコーラーをエージェントに優先的にマッチングすること）、パターンマッチングアルゴリズム（例えば、コーラーのセットに関連するエージェントデータとエージェントのセットに関連するエージェントデータを比較し、異なるコーラー・エージェントペアの適合スコアを決定すること）、類似性データマッチング、およびコーラーをエージェントにマッチングするための他のモデルを含み得る。これらの方法は、ゆえに、所望の最適化のための（例えば、コスト、収益、顧客満足度、などを最適化するための）、コーラー、エージェント、および／またはコーラー・エージェントペアのスコアまたはランキングを出力するように動作し得る。

２つ以上の方法の出力またはスコアは、コーラー・エージェントペアを選択し、コーラーを特定のエージェントにルーティングさせるために処理され得る。例えば、２つ以上の方法の出力は、マッチするエージェント・コーラーペアを決定するために相互にバランスまたは重み付けされ得る。１つの例では、異なる方法の出力は、ルーティング命令を決定するために、均等にバランスされ得る（例えば、スコアは、異なる方法から“最適”にマッチするエージェント・コーラーペアを決定するために、標準化および均一な重み付けがなされ得る）。他の例では、これらの方法は、アンバランスにされ得る（例えば、パターンマッチングアルゴリズムの出力にパフォーマンスベースルーティングの出力より大きく重み付けする、など）。

それに加えて、方法のバランスの調整を可能にするインターフェイスがユーザーに提供され得る（例えば、リアルタイムでまたは既定の時間にバランスの調整をするためのスライダーまたはセレクター）。インターフェイスは、ユーザーが特定の方法をオンおよびオフにすること、および所望の最適化を変更することを可能にし得、異なるルーティング方法のバランスまたはバランスの変化の推定された影響をディスプレーし得る。

いくつかの例では、適応的アルゴリズム（例えば、ニューラルネットワークまたは遺伝的アルゴリズム）は、コーラー・エージェントペアを出力するために２つ以上のモデルの出力を入力として受信するために使用され得る。適応的アルゴリズムは、経時的にパフォーマンスを比較し得、所望の結果変数への最適なモデルを選択するように適応し得る。

他の側面によると、コーラーをエージェントにマッピングおよびルーティングするロジックを含む装置が提供される。装置は、プロセッシングの第一層でコーラーおよびエージェントに関連する入力データを受信するロジックを含み得、プロセッシングの第一層は、コーラーをエージェントにマッチングするための少なくとも２つのモデルを含み、各モデルは少なくとも１つのコーラー・エージェントペアの出力データを出力する。装置は、更に、各プロセッシングモデルから出力データをプロセッシングの第二層で受信するロジックを含み得、プロセッシングの第二層は、少なくとも２つのモデルの出力データをバランスし、受信した出力に基づいてコーラーをエージェントにマッピングするように動作可能である。

それに加えて、本発明のシステムおよび方法は、コンタクトセンターでコーラーをエージェントにルーティングすることを向上または最適化するために使用され得る。一つの側面によると、コールセンタールーティングシステムでコーラーをエージェントにルーティングするための方法は、第一部分または割合のコーラーを、エージェントパフォーマンスデータおよび／またはパターンマッチングアルゴリズムに基づいてエージェントにマッピングすることを含む。エージェントパフォーマンスデータは、所望のパフォーマンス結果に基づく異なるエージェントの評価またはランキングを含み得る。パターンマッチングアルゴリズムは、各コーラーに関連するコーラーデータと各エージェントに関連するエージェントデータを比較するように動作し得る。この方法は、更に、第二部分または割合のコーラーをエージェントに、第一部分のコーラーと異なる態様でマッピングすることを含む。例えば、第二部分のコーラーは、自動コール分配（ＡＣＤ）キューオーダーのようなランダムなプロセスに基づいて、またはエージェントのパフォーマンスベースオーダーに従ってエージェントにマッピングされ得る。第二部分のコーラーは対照群またはベンチマークとして、第一部分のコーラーをエージェントにマッピングするためのパフォーマンスおよび／またはパターンマッチングアルゴリズムのパフォーマンスをアクセスすることを助力する役割を果たし得る。

一つの例では、方法は、更に、パフォーマンスおよび／またはパターンマッチングアルゴリズムを介してマッピングされるコーラーの人数または割合を調整するためのグラフィカルエレメントをディスプレーさせることを含む。この方法は、更に、コーラーの人数またはその変化の、コーラーをマッピングするためのパフォーマンスおよび／またはパターンマッチングアルゴリズムの一つ以上の結果変数への推定される影響をディスプレーし得る。

他の側面によると、インターフェイスは、エージェントのパフォーマンスおよび／またはコーラーとエージェント間のパターンマッチングアルゴリズムに基づいてコーラーをルーティングするための内向きまたは外向きコールルーティングセンターとの使用のために提供される。一つの例では、インターフェイスは、ランダムまたは慣習的な（例えば、エージェントおよび／またはコーラーのキューオーダーに基づく）ルーティング方法とは対照的な、エージェントのパフォーマンスおよび／またはパターンマッチングアルゴリズムに基づいてルーティングされるコーラーの部分または人数を設定および調節するためのグラフィカルエレメント（例えば、セレクター、スライダー、テキストフィールド、または同様のもの）を含む。例えば、コンタクトセンターのオペレーターが、第一部分または割合のコーラーをエージェントにパターンマッチングアルゴリズムを介してルーティングし、残りのコーラーを異なる（例えば、キューオーダーまたは同様なものに基づく）プロセスでルーティングすることを可能にするグラフィカルエレメントがある。このようなシステムおよび方法は、パターンマッチングアルゴリズムに基づくルーティングの影響を比較および分析するためにコーラー・エージェントペアの対照群が接続されることを可能にし得る。

一つの例では、インターフェイスは、更に、少なくとも１つの結果変数への、マッピングされたコーラーの人数または比率の推定された影響をディスプレーするように動作可能である。例えば、インターフェイスは、推定される収益生成、コスト、顧客満足度、ファーストコールレゾリューション、キャンセル、またはパフォーマンスおよび／またはパターンマッチングアルゴリズム（単数または複数）に従ってマッピングされるコールの数の特定の設定に基づいたパフォーマンスおよび／またはパターンマッチングアルゴリズム（単数または複数）の他の結果変数をディスプレーするように動作する。結果変数は、過去のコール履歴データ、記憶されたアルゴリズム、ルックアップテーブル、または同様なものに基づいて推定され得る。更に、インターフェイスは、マッピングされたコールの数の選択が変更された場合に少なくとも１つの結果変数の推定される変化をディスプレーするように動作であり得る。

他の側面によると、コーラーをエージェントにマッピングおよびルーティングするロジックを含む装置が提供される。装置は、コーラーに関連するコーラーデータとエージェントに関連するエージェントデータを比較することに基づくパターンマッチングアルゴリズムに従って第一部分（または割合）のコーラーをエージェントにマッピングするロジックを含み得る。装置は、更に、第二部分のコーラー（例えば、全コーラーの残りの部分または割合）をエージェントに第一部分のコーラーと異なる態様（例えば、キューオーダー、ランダムプロセス、またはパフォーマンスのみに基づくマッピング）でマッピングすることを含み得る。これはパターンマッチングアルゴリズムの影響をモニターまたは分析するための対照群を提供し得る。更に、装置は、パフォーマンスおよび／またはパターンマッチングアルゴリズムを介してルーティングまたはマッピングされたコーラーの部分または人数を調整するためのインターフェイスでグラフィカルエレメントをディスプレーさせるように動作し得る。

ここに記述された多くのテクニックは、ハードウェア、ファームウェア、ソフトウェア、またはその組み合わせにインプリメントされ得る。一つの例では、テクニックは、それぞれがプロセッサー、プロセッサーによって読み出し可能な記憶媒体（揮発性および不揮発性メモリ、ならびに／または記憶素子を含む）、ならびに適切な入力および出力デバイスを含むプログラム可能なコンピューターで実行するコンピュータープログラムにインプリメントされる。プログラムコードは、記述された機能を実行するために、および出力情報を生成するために入力デバイスを使って入力された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。更に、各プログラムは、好ましくは、コンピューターシステムとコミュニケーションをとるために高級手続き型言語またはオブジェクト指向プログラム言語にインプリメントされる。しかし、プログラムは、所望される場合には、アセンブリ言語または機械語にインプリメントされ得る。いかなる場合も言語はコンパイル型またはインタプリタ型言語であり得る。
例えば、本発明は以下の項目を提供する。
（項目１）
コールセンタールーティングの環境の中でコーラーをエージェントにルーティングする方法であって、該方法は、
コーラーおよびエージェントに関連する入力データをプロセッシングの第一層で受信する動作であって、該プロセッシングの第一層はコーラーをエージェントにマッチングするための少なくとも２つのモデルを含み、各モデルは少なくとも１つのコーラー・エージェントペアの出力データを出力する、動作、および、
各プロセッシングモデルからの該出力データをプロセッシングの第二層で受信する動作であって、該プロセッシングの第二層は、該少なくとも２つのモデルの該出力データをバランスし、受信した出力に基づいてコーラーをエージェントにマッピングするように動作可能である、動作
を含む、方法。
（項目２）
項目１の方法であって、更に、
コーラーのセットおよびエージェントのセットの一方または両方に関連する少なくとも第一データに基づいた第一モデルに従ってコーラー・エージェントペアをスコア付けすること、および、
第二モデルに従って該コーラー・エージェントペアをスコア付けすることであって、
該第一モデルおよび該第二モデルからのスコアは上記プロセッシングの第二層に出力される、こと
を含む、方法。
（項目３）
項目２の方法であって、上記第二モデルに従ってコーラー・エージェントペアをスコア付けすることは、上記コーラーのセットおよび上記エージェントのセットの一方または両方に関連する少なくとも第二データに基づく、方法。
（項目４）
項目２の方法であって、上記コーラー・エージェントペアをスコア付けすることは、パフォーマンスに基づいてエージェントをランク付けすることを含む、方法。
（項目５）
項目２の方法であって、上記コーラー・エージェントペアをスコア付けすることは、所望の出力パフォーマンスのための適合スコアを決定することを含む、方法。
（項目６）
項目１の方法であって、上記モデルの１つは、少なくとも２人のエージェントのパフォーマンスデータに基づくパフォーマンスベースマッチングアルゴリズムを含む、方法。
（項目７）
項目１の方法であって、上記モデルの１つは、コーラーのセットに関連するコーラーデータおよびエージェントのセットに関連するエージェントデータを利用するパターンマッチングアルゴリズムを含む、方法。
（項目８）
項目１の方法であって、上記モデルの１つは、上記エージェントおよびコーラーの一方または両方に関連する類似性データを利用する、方法。
（項目９）
項目１の方法であって、上記少なくとも２つのモデルの少なくとも１つはニューラルネットワークアルゴリズムを含む、方法。
（項目１０）
項目１の方法であって、上記プロセッシングの第二層はニューラルネットワークアルゴリズムを含む、方法。
（項目１１）
コールセンタールーティングの環境の中でコーラーをエージェントにルーティングする方法であって、該方法は、
エージェントのセットを、該エージェントのセットに関連するパフォーマンスデータに基づいてスコア付けする動作、
コーラー・エージェントペアを、該エージェントのセットに関連するエージェントデータおよびコーラーのセットに関連するコーラーデータを利用するパターンマッチングアルゴリズムに基づいてスコア付けをする動作、ならびに
パフォーマンスでの該エージェントのセットのスコア付け、および該パターンマッチングアルゴリズムに基づいた該コーラー・エージェントペアのスコア付けをバランスすることに基づいてコーラーをエージェントにマッチングする動作
を含む、方法。
（項目１２）
項目１１の方法であって、上記コーラー・エージェントペアをスコア付けすることは、所望の出力パフォーマンスの適合スコアを決定することを含む、方法。
（項目１３）
項目１１の方法であって、更に、
類似性データに基づくコーラー・エージェントペアをスコア付けすることを含み、上記マッチングは、更に、該類似性データに基づいたスコア付けを、パフォーマンスでの上記エージェントのセットの上記スコア付け、および上記パターンマッチングアルゴリズムに基づいたコーラー・エージェントペアの上記スコア付けとバランシングすることを含む、方法。
（項目１４）
項目１１の方法であって、上記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を含む、方法。
（項目１５）
項目１１の方法であって、上記パフォーマンスでのエージェントのセットのスコア付け、および上記パターンマッチングアルゴリズムに基づいたコーラー・エージェントペアのスコア付けをバランスする動作は、該スコアをニューラルネットワークアルゴリズムに通すことを含む、方法。
（項目１６）
コールセンタールーティングの環境の中でコーラーをエージェントにルーティングする装置であって、該装置は、
コーラーおよびエージェントに関連する入力データをプロセッシングの第一層で受信するロジックであって、該プロセッシングの第一層は、コーラーをエージェントにマッチングするための少なくとも２つのモデルを含み、各モデルは少なくとも１つのコーラー・エージェントペアの出力データを出力する、ロジック、および、
各プロセッシングモデルからの該出力データをプロセッシングの第二層で受信するロジックであって、該プロセッシングの第二層は、該少なくとも２つのモデルの出力データをバランスし、該受信した出力に基づいてコーラーをエージェントにマッピングするように動作可能である、ロジック
を含む、装置。
（項目１７）
項目１６の装置であって、更に、
コーラーのセットおよびエージェントのセットの一方または両方に関連する少なくとも第一データに基づいた第一モデルに従ってコーラー・エージェントペアをスコア付けするロジック、および、
第二モデルに従って該コーラー・エージェントペアをスコア付けするロジックであって、該第一モデルおよび該第二モデルからのスコアは、上記プロセッシングの第二層に出力される、ロジック
を含む、装置。
（項目１８）
項目１７の装置であって、上記第二モデルに従ってコーラー・エージェントペアをスコア付けすることは、上記コーラーのセットおよび上記エージェントのセットの一方または両方に関連する少なくとも第二データに基づく、装置。
（項目１９）
項目１７の装置であって、上記コーラー・エージェントペアをスコア付けすることは、パフォーマンスに基づいてエージェントをランク付けすることを含む、装置。
（項目２０）
項目１７の装置であって、上記コーラー・エージェントペアをスコア付けすることは、所望の出力パフォーマンスのための適合スコアを決定することを含む、装置。
（項目２１）
項目１６の装置であって、上記モデルの１つは、少なくとも２人のエージェントのパフォーマンスデータに基づくパフォーマンスベースマッチングアルゴリズムを含む、装置。
（項目２２）
項目１６の装置であって、上記モデルの１つは、コーラーのセットに関連するコーラーデータおよびエージェントのセットに関連するエージェントデータを利用するパターンマッチングアルゴリズムを含む、装置。
（項目２３）
項目１６の装置であって、上記モデルの１つは、上記エージェントおよびコーラーの一方または両方に関連する類似性データを利用する、装置。
（項目２４）
項目１６の装置であって、上記少なくとも２つのモデルの少なくとも１つはニューラルネットワークアルゴリズムを含む、装置。
（項目２５）
項目１６の装置であって、上記プロセッシングの第二層はニューラルネットワークアルゴリズムを含む、装置。
（項目２６）
コーラーおよびエージェントに関連する入力データをプロセッシングの第一層で受信することであって、該プロセッシングの第一層はコーラーをエージェントにマッチングするための少なくとも２つのモデルを含み、各モデルは少なくとも１つのコーラー・エージェントペアの出力データを出力する、こと、および、
各プロセッシングモデルからの該出力データをプロセッシングの第二層で受信することであって、該プロセッシングの第二層は、該少なくとも２つのモデルの出力データをバランスし、該受信した出力に基づいてコーラーをエージェントにマッピングするように動作可能である、こと
の方法を実行するためのコンピューター読み込み可能命令を含むコンピューター読み出し可能記憶媒体。
（項目２７）
項目２６のコンピューター読み出し可能記憶媒体であって、更に、
コーラーのセットおよびエージェントのセットの一方または両方に関連する少なくとも第一データに基づいた第一モデルに従ってコーラー・エージェントペアをスコア付けすること、および、
第二モデルに従って該コーラー・エージェントペアをスコア付けすることであって、該第一モデルおよび該第二モデルからのスコアは上記プロセッシングの第二層に出力される、こと
のためのプログラムコードを含む、コンピューター読み出し可能記憶媒体。
（項目２８）
項目２７のコンピューター読み出し可能記憶媒体であって、上記第二モデルに従ってコーラー・エージェントペアをスコア付けすることは、上記コーラーのセットおよび上記エージェントのセットの一方または両方に関連する少なくとも第二データに基づく、コンピューター読み出し可能記憶媒体。
（項目２９）
項目２７のコンピューター読み出し可能記憶媒体であって、上記コーラー・エージェントペアをスコア付けすることは、パフォーマンスに基づいてエージェントをランク付けすることを含む、コンピューター読み出し可能記憶媒体。
（項目３０）
項目２７のコンピューター読み出し可能記憶媒体であって、上記コーラー・エージェントペアをスコア付けすることは、所望の出力パフォーマンスのための適合スコアを決定することを含む、コンピューター読み出し可能記憶媒体。
（項目３１）
項目２６のコンピューター読み出し可能記憶媒体であって、上記モデルの１つは、少なくとも２人のエージェントのパフォーマンスデータに基づくパフォーマンスベースマッチングアルゴリズムを含む、コンピューター読み出し可能記憶媒体。
（項目３２）
項目２６のコンピューター読み出し可能記憶媒体であって、上記モデルの１つは、コーラーのセットに関連するコーラーデータ、およびエージェントのセットに関連するエージェントデータを利用するパターンマッチングアルゴリズムを含む、コンピューター読み出し可能記憶媒体。
（項目３３）
項目２６のコンピューター読み出し可能記憶媒体であって、上記モデルの１つは、上記エージェントおよびコーラーの一方または両方に関連する類似性データを利用する、コンピューター読み出し可能記憶媒体。
（項目３４）
項目２６のコンピューター読み出し可能記憶媒体であって、上記少なくとも２つのモデルの少なくとも１つはニューラルネットワークアルゴリズムを含む、コンピューター読み出し可能記憶媒体。
（項目３５）
項目２６のコンピューター読み出し可能記憶媒体であって、上記プロセッシングの第二層はニューラルネットワークアルゴリズムを含む、コンピューター読み出し可能記憶媒体。
（項目３６）
コールセンタールーティングの環境の中でコーラーをエージェントにルーティングする方法であって、該方法は、
第一部分のコーラーを、該コーラーに関連するコーラーデータと、該エージェントに関連するエージェントデータを比較することに基づくパターンマッチングアルゴリズムに従ってエージェントにマッピングさせる動作、および
第二部分のコーラーを、該第一部分と異なる態様でエージェントにマッピングさせる動作
を含む、方法。
（項目３７）
項目３６の方法であって、上記第一部分のコーラーは、更に、エージェントに、該エージェントに関連するパフォーマンスベースデータに基づいて、マッピングされる、方法。
（項目３８）
項目３７の方法であって、上記第二部分のコーラーをマッピングさせることは、上記エージェントのパフォーマンスベースオーダーに従って該コーラーをマッピングすることを含む、方法。
（項目３９）
項目３６の方法であって、上記第二部分のコーラーをマッピングさせることは、上記エージェントのパフォーマンスベースオーダーに従って該コーラーをマッピングすることを含む、方法。
（項目４０）
項目３６の方法であって、上記第二部分のコーラーをマッピングさせることは、自動コール分配キューオーダーに基づいて該コーラーをエージェントにマッピングすることを含む、方法。
（項目４１）
項目３６の方法であって、更に、上記第二部分のコーラーと比較した上記第一部分のコーラーに関連する少なくとも１つの結果変数をディスプレーさせることを含む、方法。
（項目４２）
項目４１の方法であって、上記少なくとも１つの結果変数は、コスト、収益、または顧客満足度の中の１つ以上を含む、方法。
（項目４３）
項目３６の方法であって、上記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を含む、方法。
（項目４４）
項目３６の方法であって、更に、コーラー・エージェントペアのあり得る結果を予測するためのコンピューターモデルに従って上記第一部分のコーラーをマッピングすることを含む、方法。
（項目４５）
コールセンタールーティングの環境の中でコーラーをエージェントにルーティングする方法であって、該方法は、
第一部分のコーラーを、エージェントに、該エージェントに関連するパフォーマンスベースデータに従ってマッピングさせる動作、および
第二部分のコーラーを、エージェントに、該第一部分と異なる態様でマッピングさせる動作
を含む、方法。
（項目４６）
項目４５の方法であって、上記第一部分のコーラーは、更に、エージェントに、該コーラーに関連するコーラーデータと、該エージェントに関連するエージェントデータを比較することに基づくパターンマッチングアルゴリズムに従ってマッピングされる、方法。
（項目４７）
項目４６の方法であって、上記第二部分のコーラーをマッピングさせることは、上記エージェントのパフォーマンスベースオーダーに従って該コーラーをマッピングすることを含む、方法。
（項目４８）
項目４５の方法であって、上記第二部分のコーラーをマッピングさせることは、自動コール分配キューオーダーに基づいて該コーラーをエージェントにマッピングすることを含む、方法。
（項目４９）
項目４５の方法であって、更に、上記第二部分のコーラーと比較した上記第一部分のコーラーに関連する少なくとも１つの結果変数をディスプレーさせることを含む、方法。
（項目５０）
項目４５の方法であって、上記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を含む、方法。
（項目５１）
項目４５の方法であって、更に、コーラー・エージェントペアのあり得る結果を予測するためのコンピューターモデルに従って上記第一部分のコーラーをマッピングすることを含む、方法。
（項目５２）
コールセンタールーティングシステムとの使用のためのインターフェイスであって、該インターフェイスは、
パフォーマンスまたはパターンマッチングアルゴリズムの中の１つ以上に基づいてエージェントにマッピングされる第一部分のコーラーのコーラー数を調整するためのグラフィカルユーザーエレメントであって、第二部分のコーラーは、該第一部分のコーラーと異なる態様で該エージェントにマッピングされる、グラフィカルユーザーエレメント
を含む、インターフェイス。
（項目５３）
項目５２のインターフェイスであって、上記第二部分のコーラーは、エージェントに、自動コール分配キューオーダーに基づいてマッピングされる、インターフェイス。
（項目５４）
項目５２のインターフェイスであって、上記第二部分のコーラーをマッピングさせることは、上記エージェントのパフォーマンスベースオーダーに従って該コーラーをマッピングすることを含む、インターフェイス。
（項目５５）
項目５２のインターフェイスであって、更に、上記第二部分のコーラーと比較した上記第一部分のコーラーに関連する少なくとも１つの結果変数のディスプレーを含む、インターフェイス。
（項目５６）
項目５５のインターフェイスであって、上記少なくとも１つの結果変数は、コスト、収益、または顧客満足度の中の１つ以上を含む、インターフェイス。
（項目５７）
項目５２のインターフェイスであって、上記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を含む、インターフェイス。
（項目５８）
項目５２のインターフェイスであって、上記第一部分のコーラーは、更に、コーラー・エージェントペアのあり得る結果を予測するためのコンピューターモデルに従ってマッピングされる、インターフェイス。
（項目５９）
コールセンタールーティングの環境の中でコーラーをエージェントにルーティングする装置であって、該装置は、
第一部分のコーラーを、エージェントに、該コーラーに関連するコーラーデータと、該エージェントに関連するエージェントデータを比較することに基づいたパフォーマンスまたはパターンマッチングアルゴリズムの中の１つ以上に従ってマッピングさせるロジック、および、
第二部分のコーラーを、該第一部分と異なる態様でエージェントにマッピングさせる
ロジック
を含む、装置。
（項目６０）
項目５９の装置であって、更に、上記第二部分のコーラーを、エージェントに、自動コール分配キューオーダーに基づいてマッピングさせるロジックを含む、装置。
（項目６１）
項目５９の装置であって、上記第二部分のコーラーをマッピングさせることは、上記エージェントのパフォーマンスベースオーダーに従って該コーラーをマッピングすることを含む、装置。
（項目６２）
項目５９の装置であって、更に、上記第二部分のコーラーと比較した上記第一部分のコーラーに関連する少なくとも１つの結果変数をディスプレーさせるロジックを含む、装置。
（項目６３）
項目５９の装置であって、上記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を含む、装置。
（項目６４）
項目５９の装置であって、更に、上記第一部分のコーラーを、コーラー・エージェントペアのあり得る結果を予測するためのコンピューターモデルに従ってマッピングするロジックを含む、装置。
（項目６５）
第一部分のコーラーを、エージェントに、該コーラーに関連するコーラーデータと、該エージェントに関連するエージェントデータを比較することに基づいたパフォーマンスまたはパターンマッチングアルゴリズムの中の１つ以上に従ってマッピングさせること、および、
第二部分のコーラーを、該第一部分と異なる態様でエージェントにマッピングさせること
の方法を実行するためのコンピューター読み込み可能命令を含むコンピューター読み出し可能記憶媒体。
（項目６６）
項目６５のコンピューター読み出し可能記憶媒体であって、更に、上記第二部分のコーラーを、自動コール分配キューオーダーに基づいてマッピングさせるための命令を含む、コンピューター読み出し可能記憶媒体。
（項目６７）
項目６５のコンピューター読み出し可能記憶媒体であって、上記第二部分のコーラーをマッピングさせることは、上記エージェントのパフォーマンスベースオーダーに従って該コーラーをマッピングすることを含む、コンピューター読み出し可能記憶媒体。
（項目６８）
項目６５のコンピューター読み出し可能記憶媒体であって、更に、上記第二部分のコーラーと比較した上記第一部分のコーラーに関連する少なくとも１つの結果変数をディスプレーさせるための命令を含む、コンピューター読み出し可能記憶媒体。
（項目６９）
項目６５のコンピューター読み出し可能記憶媒体であって、上記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を含む、コンピューター読み出し可能記憶媒体。
（項目７０）
項目６５のコンピューター読み出し可能記憶媒体であって、更に、上記第一部分のコーラーを、コーラー・エージェントペアのあり得る結果を予測するためのコンピューターモデルに従ってマッピングするための命令を含む、コンピューター読み出し可能記憶媒体。

図１はコンタクトセンターの一般的な構成を反映する図表である。 図２はパフォーマンスおよび／またはパターンマッチングアルゴリズムに基づいてコーラーをルーティング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示す。 図３はパフォーマンスおよび／またはパターンマッチングアルゴリズムに基づいてコーラーをルーティ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示す。 図４は複数のマッチング方法に基づいてコーラー・エージェントペアを選択するための例示的な複数層アプローチを示す。 図５は、少なくとも２つの異なる方法に従ってエージェント、コーラー、および／またはエージェント・コーラーペアをスコア付けまたはランク付けし、少なくとも２つの異なる方法をバランスすることに基づいてコーラーをエージェントにマッチングするための例示的な方法を示す。 図６は、少なくとも２つの異なる方法に従ってエージェント、コーラー、および／またはエージェント・コーラーペアをスコア付けまたはランク付けし、少なくとも２つの異なる方法をバランスすることに基づいてコーラーをエージェントにマッチングするための別の例示的な方法を示す。 図７はパフォーマンスに基づいてコーラーをエージェントにマッチングするための例示的な方法またはコンピューターモデルを示す。 図８は、コーラーデータおよびエージェントデータに基づいてコーラーをエージェントにマッチングするための例示的な方法またはコンピューターモデルを示す。 図９は発明の特定の実施形態にいくつかまたは全てのプロセッシング機能をインプリメントするために用いられ得る典型的なコンピューティングシステムを示す。 図１０は、コーラーデータおよびエージェントデータをパターンマッチングアルゴリズムに使用する第一部分のコーラーおよびエージェントを、キューオーダーを使用する第二部分のコーラーとマッチングするための例示的な方法を示す。 図１１は、パフォーマンスおよび／またはパターンマッチングアルゴリズムに基づいてルーティングするためのコーラーの人数または割合を調整するためのグラフィックエレメントを有する例示的なインターフェイスを示す。

（発明の詳細説明）
以下の記述は、当業者が発明を作成することおよび使用することを可能にするために示されており、特定の用途およびそれらの必須条件と関連して提供される。様々な実施形態への改変は当業者にはただちに明白であり、この明細書の中に定義された一般的な原理は、他の実施形態および用途に、発明の精神および範囲から離れずに適用され得る。更に、以下の記述に、説明の目的で数々の詳細が示される。しかし、当業者には、これらの特定の詳細の使用なしに発明が実施され得ることが分かる。他の事例では、周知の構造およびデバイスは、不必要な詳細で発明の記述を不明瞭にしないためにブロック図形式で示されている。そのため、本発明は、示された実施形態に制限されるように解釈されるのではなく、この明細書に開示された原理および機能と一貫性のある最も広い範囲を与えられる。

発明は特定の例および描写的な図によって記述されているが、当業者は、発明が記述された例または図に制限されないことを認識する。様々な実施形態のオペレーションは、ハードウェア、ソフトウェア、ファームウェア、またはその組み合わせを適切に使ってインプリメントされ得ることを当業者は認識する。例えば、あるプロセスは、プロセッサー、またはソフトウェア、ファームウェア、もしくはハードワイヤードロジック（この明細書での“ロジック”という用語は、記載された機能を実行する当業者に認識されるように、固定ハードウェア、プログラム可能ロジックおよび／またはその適切な組み合わせを指す。）の制御下にある他のデジタル回路を使って実行され得る。ソフトウェアおよびファームウェアはコンピューター読み出し可能記憶媒体に記憶され得る。ある他のプロセスは、当業者に周知であるように、アナログ回路を使ってインプリメントされ得る。それに加えて、メモリまたは他の記憶領域、およびコミュニケーションコンポーネントは、発明の実施形態に用いられ得る。

本発明の一つの側面によって、コールセンター内に、コーラーをエージェントにルーティングするためのシステム、方法、およびディスプレーされたコンピューターインターフェイスが提供される。一つの例では、方法は、プロセッシングの第一層を使用することを含み、第一層は、コーラー・エージェントペアを決定するための２つ以上の方法またはモデルを含む。例えば、二つ以上の方法は、慣習的なキューベースルーティング、パフォーマンスベースマッチング（例えば、パフォーマンスに基づいてエージェントのセットをランク付けし、パフォーマンスランキングまたはスコアに基づいてコーラーをエージェントに優先的にマッチングすること）、パターンマッチングアルゴリズム（例えば、コーラーのセットに関連するエージェントデータとエージェントのセットに関連するエージェントデータを比較し、異なるコーラー・エージェントペアの適合スコアを決定すること）、類似性データマッチング、およびコーラーをエージェントにマッチングするための他のモデルを含み得る。これらの方法は、ゆえに、所望の最適化のための（例えば、コスト、収益、顧客満足度、などを最適化するための）、コーラー、エージェント、および／またはコーラー・エージェントペアのスコアまたはランキングをプロセッシングの第二層に出力するように動作し得る。プロセッシングの第二層は、第一層の出力を受信し、プロセッシングの第一層の異なる方法の出力に基づいてエージェント・コーラーペアを決定し得る。一つの例では、プロセッシングの第二層は、異なる出力をバランスまたは重み付けするための、ユーザーによって変更され得るコンピューターモデルを含む。

初めに、コーラーを、利用できるエージェントにルーティングするためのパフォーマンスおよび／またはパターンマッチングアルゴリズム（このうちいずれも所望の結果の可能性を予測するための生成されたコンピューターモデル内で使用され得る）を使用する例示的なコールルーティングシステムおよび方法が記述される。この記述の後に、コーラー・エージェントペアを選択するための、入力データの複数層プロセッシングのための、例示的なシステムおよび方法が続く。

図１はコンタクトセンターオペレーション１００の一般的な構成を反映する図である。ネットワーククラウド１０１は内向きコーラーを受けるか外向きコーラーになされるコンタクトをサポートするために設計された特定または地域電気通信ネットワークを反映する。ネットワーククラウド１０１は電話番号かメールアドレスのような１つのコンタクトアドレスか複数のコンタクトアドレスを含むことができる。中央ルーター１０２はコールセンター１０３間のコンタクトをルーティングする補助をするために設計された、コンタクトをルーティングするハードウェアとソフトウェアを反映する。中央ルーター１０２はコンタクトセンターが１つだけ用いられている場合には必要とされないかもしれない。複数のコンタクトセンターが用いられている場合、特定のコンタクトセンター１０３用の別のルーターにコンタクトをルーティングするためにさらにルーターが必要であり得る。コンタクトセンターレベル１０３ではコンタクトセンタールータ１０４がコンタクトを個別の電話または他の電気通信機器１０５を有するエージェント１０５にルーティングする。典型的にはコンタクトセンター１０３には複数のエージェント１０５がいるが、コンタクトセンター１０３にエージェント１０５が１人だけいる実施形態も確かにあり、その場合コンタクトセンタールータ１０４が不必要と証明され得る。

図２は例示的なコンタクトセンタールーティングシステム２００（これは図１のコンタクトセンタールータ１０４に含まれ得る）を示す。大まかに言ってルーティングシステム２００はコーラーとエージェントを、エージェントのパフォーマンスか、コーラーデータおよび／またはエージェントデータを使用したパターンマッチングアルゴリズムに少なくとも部分的に基づいて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はコーラーを受けることとコーラーをエージェントにマッチングする（場合によりコーラーをエージェントに‘マッピングする’と呼ぶ）こととのためのコミュニケーションサーバー２０２とルーティングエンジン２０４（場合により‘サットマップ’または‘サティスファクションマッピング’と呼ぶ）を含み得る。

ルーティングエンジン２０４は、過去のコーラー・エージェントマッチングのパフォーマンスか結果に基づき時間とともに適応し得るエージェントのパフォーマンスデータ、パターンマッチングアルゴリズム、およびコンピューターモデルに基づいてコーラーをエージェントにマッチングするために様々な態様で動作し得る。一例としてルーティングエンジン２０４はニューラルネットワークに基づく適応的パターンマッチングエンジンを含む。もちろん他のパフォーマンスベースまたはパターンマッチングアルゴリズムおよび方法は単独で、もしくはここに記述されたものの組み合わせで使用され得ると認識される。

ルーティングシステム２００は、更に、他のコンポーネントを含み得る。この他のコンポーネントは、例えば、内向けコーラーのコーラーデータ、コーラー・エージェントペアに関するデータ、コーラー・エージェントペアの結果、エージェントのエージェントデータ、および同様なものを集めるコレクター２０６である。更にルーティングシステム２００はルーティングシステム２００のパフォーマンスとオペレーションのレポートを生成するレポーティングエンジン２０８を含み得る。様々な他のサーバー、コンポーネント、および機能をルーティングシステム２００に含むことが可能である。更に、単体ハードウェア装置として表されているが様々なコンポーネントは相互に離れて配置され得ると認識される（例えば、コミュニケーションサーバー２０２とルーティングエンジン２０４は共通のハードウェア／サーバーシステムまたは共通の場所にある必要がない）。それに加えて、様々な他のコンポーネントおよび機能をルーティングシステム２００に含み得る。しかし明晰性の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の詳細を示す。ルーティングエンジン２０４はコーラーデータおよびエージェントデータをデータベース３１０と３１２から受信するメインマッピングエンジン３０４を含む。いくつかの例では、ルーティングエンジン２０４はエージェントに関連するパフォーマンスデータだけに基づいて、またはそれに部分的に基づいてコーラーをルーティングし得る。他の例では、ルーティングエンジン２０４は様々なコーラーデータとエージェントデータを比較することだけに基づいて、またはそれに部分的に基づいてルーティング判断をし得る。このコーラーデータおよびエージェントデータは、例えば、パフォーマンスベースデータ、人口統計データ、サイコグラフデータ、および他のビジネス関連データを含み得る。それに加えて、類似性データベース（図示なし）およびルーティングエンジン２０４により受信されたこのような情報はルーティング判断するために使用され得る。

１つの例では、ルーティングエンジン２０４は１つかそれ以上のニューラルネットワークエンジン３０６を含むかそれとコミュニケーションを取っている。ニューラルネットワークエンジン３０６はコーラーおよびエージェントデータを直接またルーティングエンジン２０４経由で受信し得、コーラーを、パターンマッチングアルゴリズムおよび所望の結果の可能性を上げるように生成されたコンピューターモデルに基づいてマッチングおよびルーティングするために動作し得る。更に、図３に表されているようにコール履歴データ（コスト、収益、顧客満足度などに関するコーラー・エージェントペア結果を例えば含む）はニューラルネットワークエンジン３０６を再トレーニングまたは修正するために使用され得る。

ルーティングエンジン２０４は、更に、ホールドキュー３０８を含むか、またはそれとコミュニケーションを取る。ホールドキュー３０８はコーラーおよびエージェントの待ち時間またはアイドリング時間を記憶またはアクセスし得、コーラーをエージェントにコーラー（および／またはエージェント）のキューオーダーに基づいてマッピングするように動作し得る。マッピングエンジン３０４はパターンマッチングアルゴリズム（例えば、ニューラルネットワークエンジン３０６に含まれているもの）に基づいて、またはキューオーダー（例えば、ホールドキュー３０８から引き出したもの）に基づいてコーラーをマッピングするために動作し得る。

図４は例示的なマッピングシステム４０６を示す。マッピングシステム４０６はプロセッシング層を２つ含む。第一層は４２０−１、４２０−２、および４２０−３に表されたプロセッシングエンジンまたはコンピューターモデルを少なくとも２つ含む。プロセッシングエンジン４２０−１、４２０−２、および４２０−３はそれぞれコーラーをエージェントにマッチングするために、異なるデータに対して動作、および／または異なるモデルまたは方法に従って動作し得る。この特定の例ではプロセッシングエンジン４２０−１はエージェント評価データ（例えば、特定の所望のパフォーマンスのためのエージェントパフォーマンスに関連するデータ）を受信し得る。以下に図７に関して更に詳細に記述されるように、パフォーマンスベースルーティングは、特定の結果（例えば収益生成、コスト、顧客満足度、その組み合わせなど）に対するパフォーマンスに基づいて一組のエージェントをランク付けやスコア付けすること、およびコーラーをエージェントにパフォーマンスランキングまたはスコアに基づいて選択的にルーティングすることを含み得る。従って、プロセッシングエンジン４２０−１はエージェント評価またはエージェント履歴データを受信し得、所望の１つ以上の結果変数に基づいてエージェントの１つ以上のランキングを出力し得る。

この例では、プロセッシングエンジン４２０−２は１つ以上のパターンマッチングアルゴリズムを含む。これはコーラーのセットに関連するエージェントデータを、エージェントのセットに関連するエージェントデータと比較し、各コーラー・エージェントペアの適応スコアを決定するように動作し得る。プロセッシングエンジン４２０−２はコーラーデータおよびエージェントデータを様々なデータベースから受信し得、例えば、コーラー・エージェントペアのスコアまたはコーラー・エージェント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、遺伝的アルゴリズム、または他の適応的アルゴリズムを含み得る。更に、いくつかの例では、異なるプロセッシングエンジンが、同じまたは異なる入力データに対して動作する異なるパターンマッチングアルゴリズムと使用され得る（例えば、第一プロセッシングエンジンはニューラルネットワークアルゴリズムを利用し、第二プロセッシングエンジンは遺伝アルゴリズムまたは他のパターンマッチングアルゴリズムのような異なるアルゴリズムを利用する）。それに加えて、第一および第二プロセッシングエンジンは異なる出力変数を最大化するように動作可能な同様なパターンマッチングアルゴリズムを含み得る（例えば、第一ニューラルネットワークアルゴリズムは収益を最大化するように動作可能であり、第二ニューラルネットワークアルゴリズムは顧客満足度を最大化するように動作可能である）。

この例では、プロセッシングエンジン４２０−３は、コーラーおよび／またはエージェントに関連する類似性データを受信するように動作する１つ以上の類似性マッチングアルゴリズムを含む。プロセッシングエンジン４０２−３は様々なデータベースから類似性データを受信し得、コーラー・エージェントペア、または少なくとも部分的に類似性データに基づいたコーラー・エージェントペアのランキングを出力し得る。注意すべきは、様々な他の方法またはモデルはプロセッシングの第一層で使用され得、更にプロセッシングの第一層はプロセッシングの複数の下位層（例えば、プロセッシングエンジン４２０−１がプロセッシングエンジン４２０−２に出力する、など）を含み得ることである。更に、いくつかの例では、プロセッシングエンジンは一般的なキューに基づいたルーティング（例えば、キューオーダーに基づいたコーラーとエージェントのルーティング）を含み得る。

記述されたように、プロセッシングエンジン４２０−１，４２０−２，および４２０−３は、それぞれ、所望の最適化のための（例えば、コスト、収益、顧客満足度、などの最適化のための）コーラー、エージェント、および／またはコーラー・エージェントペアのスコアまたはランキングを出力する。２つ以上の方法の出力またはスコアは、バランシングマネージャー４１０によってそのあと処理され得る（例えば、プロセッシングの第二レベルでコーラー・エージェントペアを選択するために）。例えば、プロセッシングエンジン４２０−１、４２０−２、および４２０−３の出力は、バランシングマネージャー４１０により受信され、マッチするエージェント・コーラーペアを決定するために相互に重み付けられ得る。１つの例では、プロセッシングエンジン４２０−１、４２０−２、および４２０−３の出力は、ルーティング指示を決定するために均等にバランスされている。（例えば、“最適”にマッチするエージェント・コーラーペアを決定するために、スコアは標準化および均一な重み付けがなされ得る）。他の例では、方法はアンバランスにされ得る（例えば、パターンマッチングアルゴリズム方法の出力にパフォーマンスベースルーティング方法より大きく重み付けする、特定のプロセッシングエンジンを“オフ”にする、など）。

それに加えて、ユーザーにバランシングマネージャー４１０の調整を可能にするインターフェイスが提供され得る（例えば、リアルタイムでまたは既定の時間にプロセッシングエンジンのバランスの調整をするためのスライダーまたはセレクター）。それに加えて、インターフェイスはユーザーが特定の方法をオンおよびオフにすることを可能にし得、バランスまたはバランスの変化の推定された影響をディスプレーし得る。例えば、インターフェイスは、バランシングマネージャー４１０の動作を変えることにより、コスト、収益生成、または顧客満足度の中の１つ以上の起こり得る変化を表示し得る。１つの例では、推定は、同じ（または同様な）セットのエージェントの過去時間帯を評価すること、およびエージェント／コーラーペアの分配を作成することを含む。各ペアを使って、パフォーマンスベースマッチング、パターンマッチングアルゴリズム、などを介して期待成功率が算定され得、現在のパフォーマンス（例えば、売上、コスト、顧客満足度、などの中の１つ以上に関するもの）を推定するために現在の情報に適用され得る。従って、コール履歴データおよびエージェント情報を使って、システムは第一レベルのプロセッシング方法のバランスまたは重み付けを変えることによる推定を算定し得る。注意されることは、履歴情報と比較できる時間（例えば、一日の時間、曜日、など）は、パフォーマンスが時間によっておそらく変化するため重要であり得ることである。

いくつかの例では、バランシングマネージャー４１０は、コーラー・エージェントペアを出力するために２つ以上のモデルの出力を入力として受信するための適応的アルゴリズム（例えば、ニューラルネットワークまたは遺伝的アルゴリズム）を含み得る。従って、適応的アルゴリズムを介してバランシングマネージャー４１０はパフォーマンスを経時的に比較し得、所望の結果の可能性を上げるために第一レベルのプロセッシングエンジンを選択または重み付けするように適応し得る。

図５は、少なくとも２つの異なるコンピューターモデルまたは方法に従って、エージェント、コーラー、および／またはエージェント・コーラーペアをスコア付けまたはランク付けし、少なくとも２つの異なるモデルをバランスすることに基づくコーラーをエージェントにマッチングするための例示的な方法を示す。この例では、５０２で少なくとも第一入力データに基づいてコーラー、エージェント、またはコーラー・エージェントペアがスコア付けされる。入力データはエージェントパフォーマンス評価、コーラーデータおよび／またはエージェントデータ、コーラーおよびエージェントのキューオーダー、その組み合わせ、などを含み得る。更に、スコアは未加工スコア、正規化されたスコア、他のコーラー、エージェント、および／またはコーラー・エージェントペアとの相対的なランキングなどを含み得る。

この方法は、更に、コーラーをエージェントにマッピングするための第二モデル（第二モデルは第一モデルと異なる）に従った、５０４での、コーラー、エージェント、またはコーラー・エージェントペアをスコア付けすることを含む。しかし、注意すべきは、第二モデルは５０２で使用されたものと同じ第一入力データをいくつかまたは全て使い得るか、異なる入力データ（例えば、少なくとも第二入力データ）に依存し得ることである。同様に、スコア付けは未加工スコア、正規化されたスコア、他のコーラー、エージェント、および／またはコーラー・エージェントペアとの相対的なランキング、などを含み得る。

５０２および５０４で決定されたスコアはコーラーへのルーティング指示を決定するために５０６でバランスされ得る。バランスすることは５０２および５０４からのスコアを均等または不均等に重み付けすることを含み得、ユーザーによって、またはシステムの適応的フィードバックに応答して経時的に調整され得る。５０２および５０４から出力されたスコアはいかなる適切なやり方でも正規化され得ることも認識される。

エージェントへのコーラーの最終的な選択またはマッピングは、次に、５０８でコーラーをエージェントにルーティングさせるためにルーティングエンジンまたはルーターに送信され得る。注意すべきは、記述されている動作は上述された順番に起こる必要がなく、いくつかの動きは並行して遂行され得る（例えば、５０２および５０４の第一層プロセッシングは部分的または全体的に並行して遂行され得る）。更に、スコア付け、およびコーラーをエージェントにマッピングするために追加的なモデルが使用され得、コーラー・エージェントペアの最終的な選択を決定するために５０６でのバランシングに出力し得る。

図６は、少なくとも２つの異なる方法に従った、エージェント、コーラー、および／またはエージェント・コーラーペアのスコア付けまたはランク付けをし、少なくとも２つの異なる方法をバランスすることに基づく、コーラーをエージェントにマッチングするためのもう１つの例示的な方法を示す。この特定の例では、第一モデルは６０２でパフォーマンスに基づいて一セットのエージェントをスコア付けするように動作し、エージェントのパフォーマンスに関連するランキングまたはスコアを出力し得る。このような、パフォーマンスに基づくエージェントのランク付けをするための方法は、以下に図７に関して更に詳細に記述されている。

この方法は、更に、コーラーをエージェントにマッピングするための第二モデルに従って、特にパターンマッチングアルゴリズムに従って、コーラー・エージェントペアを６０４でスコア付けすることを含む。パターンマッチングアルゴリズムは、各コーラー・エージェントペアのコーラーデータとエージェントデータを比較することと、所望の結果変数（または結果変数の重み付け）のための適合スコアまたはコーラー・エージェントペアのランキングを算定することとを含み得る。このようなパターンマッチングアルゴリズムは、以下に図８に関して更に詳細に記述されており、ニューラルネットワークを含み得る。

この方法は、更に、類似性データに基づいた、コーラーをエージェントにマッピングするための第三モデルに従って、コーラー・エージェントペアを６０６でスコア付けすることを含む。類似性データおよび類似性データベースのみの、またはパターンマッチングアルゴリズムとの組み合わせでの使用は以下に更に詳細に記述されている。

６０２、６０４、および６０６で決定されたスコア（またはランキング）はコーラーへのルーティング指示を決定するために６０８でバランスされ得る。バランスすることは６０２、６０４、および６０６からのスコアを均等または不均等に重み付けすることを含み得、ユーザーによって、またはシステムの適応的フィードバックに応答して調整され得る。６０２、６０４、および６０から出力されたスコアは図５に関して記述されているように、いかなる適切なやり方で正規化され得ることも認識される。

エージェントへのコーラーの最終的な選択またはマッピングは、次に、コーラーをエージェントにルーティングさせるためにルーティングエンジンまたはルーターに送信され得る。重ねて注意すべきは、記述されている動作は上述された順番に起こる必要がなく、いくつかの動きは並行して遂行され得る（例えば、６０２、６０４、および６０６の第一層プロセッシングは部分的または全体的に並行して遂行され得る）ことである。更に、スコア付け、およびコーラーをエージェントにマッピングするために追加的な（またはより少数の）マッチングモデルが使用され得、コーラー・エージェントペアの最終的な選択を決定するために６０８でのバランシングに出力し得る。

図７は、パフォーマンスに基づいてコーラーをエージェントにマッチングするための例示的方法またはモデルのフローチャートを示す。この方法は２人のエージェントを最適なインタラクションで評価付けすることと、最適なインタラクションの可能性を上げるために、コーラーを、評価付けされたエージェント２人のうち少なくとも１人にマッチングすることとを含む。最初のブロック７０１で、エージェントは収益を上げること、コストを減らすこと、または顧客満足度を上げることのような最適なインタラクションで評価付けされる。評価付けは、ある期間（例えば、少なくとも１０日間）にわたるコンタクトセンターエージェントのパフォーマンスを、最適なインタラクションを達する能力に基づいて照合することによって成し遂げられ得る。しかし、期間は、直前のコンタクトのように短いものからエージェントのコーラーとの最先のコンタクトのように長きにわたる期間まであり得る。更に、エージェントを評価付けする方法は、特定の最適なインタラクションのために、各エージェントを１からＮ（Ｎはエージェントの総人数）までの階級にランク付けすることのようにシンプルであり得る。評価付けする方法は、エージェントをコストで評価付けするために各エージェントの平均コンタクト処理時間を決定すること、エージェントを売上で評価付けするために、各エージェントによって生成された合計売上収益もしくは売上数を決定すること、またはエージェントを顧客満足度で評価付けするためにコーラーとのコンタクトの終わりに顧客アンケートを実施することをも含み得る。前述は、しかし、どのようにエージェントが評価付けされ得るかの例にすぎず、多数の他の方法が使用され得る。

ブロック７０２でコーラーはコンタクトセンターとのコンタクトを開始するために電話番号またはメールアドレスのようなコンタクト情報を使用する。ブロック７０３で、先行技術のラウンドロビンマッチング方法をただ使用することと対照的に、コーラーは、最適なインタラクションの可能性が上がるようにエージェントまたはエージェントのグループにマッチングされる。この方法は、更に、少なくとも２人のエージェントのグループを２つの最適なインタラクションで評価付けすること、１つの最適なインタラクションを他の最適なインタラクションに対して重み付けすること、およびいっそう重く重み付けられた最適なインタラクションの可能性を上げるようにコーラーを、評価付けされたエージェント２人のうち１人にマッチングすることを含み得る。特に、エージェントは、収益を上げること、コストを減らすこと、または顧客満足度を上げることのような２つ以上の最適なインタラクションで評価付けされ得、次に最適なインタラクションは相互に重み付けられ得る。重み付けすることは各最適なインタラクションにパーセンテージの重み係数（そのような係数の全てを合計すると１００パーセントになる）を割り当てることのようにシンプルであり得る。しかし、いかなる相対的な重み付け方法も使用され得る。さまざまな最適なインタラクションに付与された重み付けは、コンタクトセンターもしくはそのクライアントによって制御された、または既定されたルールに沿った態様でリアルタイムで起こり得る。オプションとしてコンタクトセンターまたはそのクライアントは、インターネットまたはいくつかの別のデータ転移システムを通して重み付けを制御し得る。一例としては、コンタクトセンターのクライアントが現在使用されている重み付けをインターネットブラウザでアクセスし、遠隔的にこれらを変更し得ることである。このような変更はすぐに効果が現れるようにセットされ得、このような変更のすぐ後に、新たに設定する重み付けに沿って、次のコーラーのルーティングが起こる。このような例の事例は、コンタクトセンターのクライアントが自身のビジネスのなかで現在最も重要な戦略的優先事項が収益の最大化であると決定した場合に起こり得る。このような場合、クライアントは所与のコンタクトにおいて販売の最大の可能性を生成するエージェントの選択を支持するように重み付けを遠隔的にセットする。続いて、クライアントは自身のビジネスのために顧客満足度の最大化がより重要であるという見解を取り得る。この場合、彼らは、コーラーの満足感の度合いをもっとも最大化しそうなエージェントにコーラーがルーティングされるように本発明の重み付けを遠隔的にセットし得る。あるいは、重み付けの変化は後に効果が現れるようにセットされ得る（例えば、次の朝に始める）。

図８はコーラーをエージェントにマッチングするためのもう１つの例示的なモデルまたは方法を示す。それはエージェント評価、エージェントの人口統計的データ、エージェントのサイコグラフデータ、およびエージェントについての他のビジネス関連データ（本出願では個別にまたはまとめて“エージェントデータ”と呼ばれる）を、コーラーについての人口統計的、サイコグラフ、および、他のビジネス関連データ（本出願では個別にまたはまとめて“コーラーデータ”と呼ばれる）とともに組み合わせ得る。エージェントおよびコーラーの人口統計的データは性別、人種、年齢、教養、訛り、収入、国籍、民族性、市外局番、郵便番号、結婚の状況、仕事の状況、および信用度スコアのいずれをも含み得る。エージェントおよびコーラーのサイコグラフデータは内向性、社交性、経済的成功の願望、ならびに映画およびテレビの好みのいずれをも含み得る。図８のフローチャートに概説されている動きはまさにその順番に起こる必要がないことが認識される。

この例示的なモデルまたは方法はコーラーの少なくとも１つのコーラーデータを決定すること、２人のエージェントそれぞれの少なくとも１つのエージェントデータを決定すること、エージェントデータおよびコーラーデータをパターンマッチングアルゴリズムに使用すること、ならびに最適なインタラクションの可能性を上げるようにコーラーを２人のエージェントのうち１人にマッチングすることを含む。８０１で少なくとも１つのコーラーデータ（例えば、コーラーの人口統計的またはサイコグラフデータ）が決定される。これを成し遂げる１つの仕方は、コーラーのコンタクト情報をインデックスとして使用することによって、利用可能なデータベースからこれを検索することである。利用可能なデータベースは一般に入手可能なもの、市販されているもの、またはコンタクトセンターもしくはコンタクトセンターのクライアントによって作成されたものを含むがこれらに限られない。外向きコンタクトセンターの環境の中ではコーラーのコンタクト情報は前もって知られている。内向きコンタクトセンターの環境の中ではコーラーのコンタクト情報は、コーラーのコーラーＩＤ情報を検査すること、またはコンタクトの初めにコーラーのこの情報を（例えば、コーラーのアカウント番号、または他のコーラー識別情報の入力を通して）リクエストすることによって検索され得る。履歴購買習性、顧客としての現在の満足感の度合い、または製品への自発的に提供された興味レベルのような、他のビジネス関連データも利用可能なデータベースから検索され得る。

８０２では、２人のエージェントそれぞれの少なくとも１つのエージェントデータが決定される。エージェントの人口統計的またはサイコグラフデータを決定する１つの方法は、エージェントを、採用時に、または雇用中に定期的に調査することを含み得る。このような調査プロセスは、（例えば紙での調査または口頭調査を介して）人力を使用するものであるか、もしくはコンピューターシステムを通して（例えば、ウェブブラウザを通しての展開によって）調査が実施されるようにオートメーション化され得る。

この先端的な実施形態は、好ましくは、エージェントの評価、人口統計的データ、サイコグラフデータ、および他のビジネス関連データを、コーラーの人口統計的データ、サイコグラフデータ、および他のビジネス関連データとともに使用するが、本発明の他の実施形態は、本発明を使用するために必要なコンピューター処理能力または記憶領域を最小化するためにコーラーまたはエージェントデータの１つ以上の種類またはカテゴリーを削除し得る。

エージェントデータおよびコーラーデータが収集されると、このデータは計算システムに送信される。計算システムは、次には、各エージェントにコーラーをマッチングするコンピューターモデルを構築するために８０３でこのデータをパターンマッチングアルゴリズムに使用し、販売の生成、コンタクトの持続時間、または顧客が満足に感じるインタラクションの生成の見込みのような、いくつかの最適なインタラクションに沿った各マッチングのあり得る結果を推定する。

本発明で使用され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または遺伝的アルゴリズムのような、いかなる相関アルゴリズムをも含み得る。一般的にアルゴリズムをトレーニングまたは別の洗練をするために、（最適なインタラクションに対し測定された）現実のコンタクトの結果は、それぞれの起こったコンタクトの現実のエージェントおよびコーラーデータと比較される。パターンマッチングアルゴリズムは、そして、特定のコーラーを特定のエージェントにマッチングすることが最適なインタラクションの可能性をどのように変えるかということを習得し得るかまたはその知識を改善し得る。そして、このように、パターンマッチングアルゴリズムは、コーラーデータの特定のセットを有するコーラーを、エージェントデータの特定のセットのエージェントにマッチングすることに関連して、最適なインタラクションの可能性を予測するために使用され得る。好ましくは、パターンマッチングアルゴリズムは、コーラーインタラクションのより多くの現実データがそれに利用可能になるにつれて、定期的に洗練される（例えば、コンタクトセンターが一日のオペレーションを終えたあとに毎晩アルゴリズムを定期的にトレーニングする）。

パターンマッチングアルゴリズムは、８０４で、エージェントとコーラーの各マッチングの、最適なインタラクションの予測された可能性を反映するコンピューターモデルを構築するために使用される。好ましくは、コンピューターモデルは、全ての利用可能なコーラーにマッチされた、コンタクトセンターにログインしている全てのエージェントの最適なインタラクションのセットの予測された可能性を含む。あるいは、コンピューターモデルはこれらのサブセット、または前述のセットを包含するセットを含み得る。例えば、コンタクトセンターにログインしている全てのエージェントを全ての利用可能なコーラーにマッチングする代わりに、本発明は全ての利用可能なエージェントを全ての利用可能なコーラーに、または更に限られたサブセットのエージェントもしくはコーラーをマッチングし得る。同じく、利用できるまたはログインしている状態であろうとそうでなかろうと、本発明は特定のキャンペーンに取り組んだことのある全てのエージェントを、全ての利用可能なコーラーにマッチングし得る。同様に、コンピューターモデルは、１つの最適なインタラクションまたは複数の最適なインタラクションの予測された可能性を含み得る。

コンピューターモデルは、エージェントとコーラーの各マッチングのための適合スコアを含むようにも更に洗練され得る。適合スコアは、パターンマッチングアルゴリズムによって予測された最適なインタラクションのセットの可能性をとって、特定の最適なインタラクションに、他の最適なインタラクションに相関して重点をさらにまたはより少なく置くためにそれらの可能性に重み付けすることによって、決定され得る。適合スコアは、そして、どのエージェントがどのコーラーに接続されるべきかを決定するために本発明で使用され得る。

他の例では例示的なモデルまたは方法はコーラーおよび／またはエージェントに関連する類似性データを利用し得る。例えば、類似性データは、人口統計的、サイコグラフ、または他のビジネス関連情報と無関係の、個別のコーラーのコンタクト結果（本出願では“コーラー類似性データ”と呼ばれる）を関係し得る。このようなコーラー類似性データはコーラーの購買履歴、コンタクト時間履歴、または顧客満足度履歴を含み得る。これらの履歴は、コーラーの一般的な製品購買履歴、エージェントとの平均コンタクト時間、または平均顧客満足度評価のように一般的であり得る。これらの履歴は、特定のエージェントと接続したときのコーラーの購買、コンタクト時間、または顧客満足度履歴のようにエージェント特有のものでもあり得る。

例えば、コーラーがコンタクトされた最後の数件の事例でコーラーが製品またはサービスを購入することを決めたために、特定のコーラーが、自身のコーラー類似性データによって購入する高い見込みがあるものと識別され得る。この購買履歴は、そして、コーラーを、最適なインタラクションの可能性を上げるために、コーラーに適合していると思われるエージェントと優先的にマッチングさせるようにマッチを適切に洗練するために使用され得る。この実施形態を使って、コンタクトセンターは、コーラーの過去の購買習性を考慮に入れると販売の可能性がまだ有望なので、コーラーを、収益を生成することに高い評価を受けていないエージェント、または別の容認できるマッチとはならないであろうエージェントと優先的にマッチングし得る。このマッチングの戦略は、その戦略がとられていない場合コーラーとのコンタクトインタラクションに取り組んでいたかもしれない他のエージェントを利用可能にする。あるいは、コンタクトセンターは、その代わりに、コーラーデータおよびエージェントの人口統計的またはサイコグラフデータを使って生成されたマッチが何を示すにかかわらず、コーラーが、収益を生成することに高い評価を受けているエージェントとマッチングされることを保証するようにしようとし得る。

１つの例では、例によって発展させた類似性データおよび類似性データベースは、コーラーのコンタクト結果が様々なエージェントデータにわたってトラッキングされたものであり得る。このような分析は、例えば、コーラーは、同性、同人種、同様な年齢のエージェントに対して、または特定のエージェントに対してでさえ、マッチングされたときのコンタクトにもっとも満足しそうであることを表し得る。この実施形態を使って、本発明はコーラーを特定のエージェント、または容認できる最適なインタラクションを生成したとコーラー類似性データから知られるタイプのエージェントに優先的にマッチングし得る。

類似性データベースは、市販、クライアント、または一般に入手可能なデータベースの供給源がコーラーについての情報を欠き得るときに、コーラーについての特に役に立つ情報を提供し得る。このデータベースの発展は、個別のコーラーコンタクト結果が市販のデータベースが暗示するものと異なり得ると結論をし得るため、コーラーについて利用できるデータがある場合でも、コンタクトルーティングおよびエージェントからコーラーへのマッチングを更に向上されるためにも使用され得る。例えば、本発明が、コーラーおよびエージェントをマッチングするために市販のデータベースにだけに依存する場合、本発明は、最適な顧客満足を達するためにそのコーラーが同性のエージェントに最もよくマッチングされるのであろうと予測し得る。しかし、コーラーとの以前のインタラクションから発展させた類似性データベース情報を含むことによって、本発明は、最適な顧客満足を達するためにそのコーラーが異性のエージェントに最もよくマッチングされるのであろうと更に正確に予測し得る。

本発明の別の側面は、本発明は、特定のコーラーの人口統計的、サイコグラフ、または他のビジネス関連の特徴とマッチングされた、個別のエージェントの収益生成、コスト、および顧客満足パフォーマンスデータ（本出願では“エージェント類似性データ”と呼ばれる）を含む類似性データベースを発展させ得ることである。このような類似性データベースは、例えば、本発明が、特定のエージェントは同年代のコーラーとのインタラクションで最もよいパフォーマンスをし、自身より有意に年齢が上のまたは下のコーラーとのインタラクションで同年代とのインタラクションほどよいパフォーマンスをしないと予測するという結果にし得る。同様に、このタイプの類似性データベースは、本発明が、特定のエージェント類似性データのエージェントは、エージェントが他の地理からのコーラーを扱うよりも特定の地理から発生したコーラーをかなりうまく扱うと予測するという結果にし得る。他の例では、本発明は、特定のエージェントが、憤慨したコーラーとそのエージェントが接続された状況の中でよいパフォーマンスをすると予測し得る。

類似性データベースは、好ましくは、マッチングを生成するために、パターンマッチングアルゴリズムを通り抜けるエージェントおよびコーラーデータとの組み合わせで使用されるが、類似性データベースに記憶された情報は、類似性情報がマッチングを生成するために使用される唯一の情報であるようにエージェントおよびコーラーデータとは独立して使用され得る。例えば、いくつかの例では、プロセッシングの第一レベルは、パターンマッチングアルゴリズムおよび類似性データの両方に依存する第一コンピューターモデル、ならびに類似性データのみに依存する第二コンピューターモデルを含み得る。

ここに記述された多くのテクニックはハードウェアもしくはソフトウェア、またはその２つの組み合わせにインプリメントされ得る。好ましくは、テクニックは、それぞれがプロセッサー、プロセッサーによって読み出し可能な記憶媒体（揮発性および不揮発性メモリ、ならびに／または記憶素子を含む）、ならびに適切な入力および出力デバイスを含むプログラム可能なコンピューターで実行するコンピュータープログラムにインプリメントされる。プログラムコードは、記述された機能を実行するために、および出力情報を生成するために入力デバイスを使って入力された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。更に、各プログラムは、好ましくは、コンピューターシステムとコミュニケーションをとるために高級手続き型言語またはオブジェクト指向プログラム言語にインプリメントされる。しかし、プログラムは、所望される場合には、アセンブリ言語または機械語にインプリメントされ得る。いかなる場合も言語はコンパイル型またはインタプリタ型言語であり得る。

それぞれのこのようなコンピュータープログラムは、好ましくは、記憶媒体またはデバイス（例えば、ＣＤ−ＲＯＭ、ハードディスク、または磁気ディスク）が、記述された手続きを実行するためにコンピューターに読み出されたときに、コンピューターを設定するまたは動作させるための汎用または特殊用途のプログラム可能なコンピューターによって読み出し可能な記憶媒体またはデバイスに記憶される。システムは、コンピュータープログラムで設定された、コンピューター読み出し可能記憶媒体としてもインプリメントされ得る。このように設定された記憶媒体はコンピューターを特定および既定の態様で動作させる。

図９は発明の実施形態におけるプロセッシング機能をインプリメントするために用いられ得る典型的なコンピューティングシステム９００を示す。例えば、このタイプのコンピューティングシステムはクライアントおよびサーバーに使用され得る。当業者は他のコンピューターシステムまたはアーキテクチャを使って発明をどのようにインプリメントするかも認識する。コンピューティングシステム９００は、例えば、デスクトップ、ラップトップもしくはノートブックコンピューター、携帯コンピューティングデバイス（ＰＤＡ、携帯電話、パームトップ、など）、メーンフレーム、サーバー、クライアント、または所与の用途または環境にて所望され得る、もしくは適切であり得るいかなる他のタイプの特殊用途または汎用のコンピューティングデバイスを表し得る。コンピューティングシステム９００は１つ以上の、プロセッサー９０４のようなプロセッサーを含み得る。プロセッサー９０４は、例えば、マイクロプロセッサー、マイクロコントローラー、または他の制御ロジックのような汎用または特殊用途のプロセッシングエンジンを使ってインプリメントされ得る。この例では、プロセッサー９０４はバス９０２または他のコミュニケーション媒体に接続されている。

コンピューティングシステム９００は、情報、およびプロセッサー９０４によって実行される命令を記憶するための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のようなメインメモリ９０８をも含み得る。メインメモリ９０８は、プロセッサー９０４によって実行される命令の実行中に一時変数または他の中間情報を記憶するためにも使用され得る。コンピューティングシステム９００は、同様に、スタティック情報、およびプロセッサー９０４への命令を記憶するための、バス９０２に結合されたリードオンリーメモリ（“ＲＯＭ”）または他のスタティック記憶デバイスを含み得る。

コンピューティングシステム９００は、例えば、メディアドライブ９１２およびリムーバブル記憶インターフェイス９２０を含み得る情報記憶システム９１０をも含み得る。メディアドライブ９１２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、光学ディスクドライブ、ＣＤもしくはＤＶＤドライブ（ＲもしくはＲＷ）、または他のリムーバブルまたは固定メディアドライブのような、固定もしくはリムーバブル記憶媒体をサポートためのドライブまたは他のメカニズムを含み得る。記憶媒体９１８は、例えば、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もしくはＤＶＤ、またはメディアドライブ９１２によって読み出しおよび書き込みされる他の固定もしくはリムーバブル媒体を含み得る。これらの例が示すように記憶媒体９１８は、特定のコンピューターソフトウェアまたはデータを内部に記憶したコンピューター読み出し可能記憶媒体を含み得る。

代替的な実施形態では情報記憶システム９１０は、コンピュータープログラムまたは他の命令もしくはデータがコンピューティングシステム９００にロードされることを可能にするための他の同様なコンポーネントを含み得る。このようなコンポーネントは、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イス、リムーバブルメモリ（例えば、フラッシュメモリまたは他のリムーバブルメモリモジュール）およびメモリースロット、ならびにソフトウェアおよびデータがリムーバブル記憶ユニット９１８からコンピューティングシステム９００に転送されることを可能にする他のリムーバブル記憶ユニット９２２およびインターフェイス９２０のような、リムーバブル記憶ユニット９２２およびインターフェイス９２０を含み得る。

コンピューティングシステム９００は、コミュニケーションインターフェイス９２４をも含み得る。コミュニケーションインターフェイス９２４は、ソフトウェアおよびデータがコンピューティングシステム９００と外部デバイスの間を転送されることを可能にするために使用され得る。コミュニケーションインターフェイス９２４の例は、モデム、（イーサネット（登録商標）または他のネットワークカードのような）ネットワークインターフェイス、（例えば、ＵＳＢポートのような）コミュニケーションポート、ＰＣＭＣＩＡスロットおよびカード、などを含み得る。コミュニケーションインターフェイス９２４を介して転送されたソフトウェアおよびデータは、電子的、電磁気的、光学的、またはコミュニケーションインターフェイス９２４によって受信されることが可能な他の信号であり得る信号の形態をとる。これらの信号はチャンネル９２８を介してコミュニケーションインターフェイス９２４に供与される。このチャンネル９２８は信号を運び得、ワイヤレス媒体、ワイヤーもしくはケーブル、光ファイバー、または他のコミュニケーション媒体を使ってインプリメントされ得る。チャンネルのいくつかの例は、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イス、ローカルまたはワイドエリアネットワーク、および他のコミュニケーションチャンネルを含む。

本明細書では、一般的に“コンピュータープログラム製品”、“コンピューター読み込み可能媒体”、および同様の用語は、例えば、メモリ９０８、記憶媒体９１８、または記憶ユニット９２２のような物理的で有体的な媒体を指すために使用され得る。これらおよびコンピューター読み込み可能媒体の他の形態は、プロセッサーに特定のオペレーションを実行させるために、プロセッサー９０４によって使用される１つ以上の命令を記憶することに関与し得る。一般的に“コンピュータープログラムコード”（コンピュータープログラムまたは他のグループの形で分類され得る）と呼ばれるこのような命令は、実行されたときに、コンピューティングシステム９００が本発明の実施形態の特徴または機能を実行することを可能にする。注意すべきは、コードは、プロセッサーが特定のオペレーションを直接実行させ得る、そのようにするようにコンパイルされ得る、ならびに／またはそのように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のエレメント（例えば、基本機能を実行するためのライブラリ）と組み合わせられ得ることである。

エレメントがソフトウェアを使ってインプリメントされる実施形態では、ソフトウェアは、コンピューター読み込み可能媒体に記憶され得、例えばリムーバブル記憶媒体９１８、ドライブ９１２、またはコミュニケーションインターフェイス９２４を使って、コンピューティングシステム９００にロードされ得る。制御ロジック（この例ではソフトウェア命令またはコンピュータープログラムコード）は、プロセッサー９０４に実行されたとき、プロセッサー９０４を本明細書に記述されたように発明の機能の実行をするようにする。

図１０は、コーラーをエージェントにマッピングおよびルーティングするための例示的な方法を示す。この方法では、第一部分または割合のコーラーがパフォーマンスベースおよび／またはパターンマッチングアルゴリズムに基づいてルーティングされ、第二部分もしくは割合のコーラーがキューに基づくルーティングのような従来の、本質的にランダムなルーティング方法に基づいてルーティングされる。従って、ルーティングシステムは、１４２０で、コーラーがどのようにルーティングされるかを第一に決定する。例えば、システムは、コンタクトセンターによって入力された設定に応じて様々な比率でコーラーおよびエージェントをマッピングし得る。例えば、設定が８０、すなわち８０％である場合システムはコーラー・エージェントペアの８０％をパフォーマンスおよび／またはパターンマッチングアルゴリズムに基づいてマッピングし、コーラー・エージェントペアの残りの２０％をキューオーダーのような他の方法に基づいてマッピングする。

コーラーをエージェントにルーティングするための例示的な、パフォーマンスベースおよび／またはパターンマッチング方法は、パフォーマンスでエージェントを評価すること、エージェントデータおよびコーラーデータを比較しパターンマッチングアルゴリズムによってマッチングすること、エージェント・コーラーペアの結果を予測するためのコンピューターモデルを構築すること、またはそれらの組み合わせを含む。特に、最適なインタラクションの可能性を上げるためのひとつの例示的な方法は、エージェント評価（エージェントを所望の結果に対して評価付けまたはランク付けすることによって決定され得る）、エージェントの人口統計的データ、エージェントのサイコグラフデータ、およびエージェントの他のビジネス関連データ（個別に、またはまとめて本出願では“エージェントデータ”と呼ばれる）を、コーラーの人口統計的、サイコグラフ、および他のビジネス関連データ（個別に、またはまとめて本出願では“コーラーデータ”と呼ばれる）とともに組み合わせることを含む。エージェントおよびコーラーの人口統計的データは、性別、人種、年齢、教養、訛り、収入、国籍、民族性、市外局番、郵便番号、結婚の状況、仕事の状況、信用度スコア、および同様のいずれをも含み得る。エージェントおよびコーラーのサイコグラフデータは内向性、社交性、経済的成功の願望、映画およびテレビの好み、ならびに同様のいずれをも含み得る。

例示的な方法は、１人以上のコーラー（例えば、保留中のコーラー）に関連するコーラーデータを決定すること、１人以上のエージェント（例えば、１人以上の利用できるエージェント）に関連するエージェントデータを決定すること、エージェントデータとコーラーデータを（例えば、パターンマッチングアルゴリズムを介して）比較すること、ならびに最適なインタラクションの可能性を上げるためにコーラーをエージェントにマッチングすることを含み得る。特に、１４２２で、コーラーに対して、コーラーデータ（例えば、コーラーの人口統計的またはサイコグラフデータ）が決定または識別される。これを成し遂げる１つの仕方は、コーラーのコンタクト情報をインデックスとして使用することによって、利用可能なデータベースからコーラーデータを検索することである。利用できるデータベースは一般に入手可能なもの、市販されているもの、またはコンタクトセンターもしくはコンタクトセンターのクライアントによって作成されたものを含むがこれらに限られない。外向きコンタクトセンターの環境の中ではコーラーのコンタクト情報は通常前もって知られている。内向きコンタクトセンターの環境の中では、コーラーのコンタクト情報は、コーラーのコーラーＩＤ情報を検査すること、またはコンタクトの初めにコーラーのこの情報を（例えば、コーラーのアカウント番号、または他のコーラー識別情報の入力を通して）リクエストすることによって検索され得る。履歴購買習性、顧客としての現在の満足感の度合い、または製品への自発的に提供された興味レベルのような、他のビジネス関連データも利用可能なデータベースから検索され得る。

１４２４では、１人以上のエージェントのエージェントデータが識別または決定される。
エージェントの人口統計的またはサイコグラフデータを決定する１つの方法は、エージェントを、採用時に、または雇用中に定期的に調査することを含み得る。このような調査プロセスは、（例えば紙での調査または口頭調査を介して）人力を使用するものであるか、もしくはコンピューターシステムを通して（例えば、ウェブブラウザを通しての展開によって）調査が実施されるようにオートメーション化され得る。いくつかの例では、この方法は、エージェントの評価、人口統計的データ、サイコグラフデータ、および他のビジネス関連データを、コーラーの人口統計的データ、サイコグラフデータ、および他のビジネス関連データとともに使用するが、例示的な方法およびシステムの他の実施形態は、必要な応対の時間、コンピューター処理能力または記憶領域を削減するためにコーラーまたはエージェントデータの１つ以上の種類またはカテゴリーを削除し得る。

エージェントデータおよびコーラーデータは、次に、１４２６で比較され得る。例えば、エージェントデータおよびコーラーデータは、各エージェント・コーラーペアのコーラーデータおよびエージェントデータを比較するために計算システムに送信され得る（例えば、それぞれの可能なルーティング判断のコーラーデータおよびエージェントデータは、ペアに関する形式で比較される）。１つの例では、比較は、各コーラーを各エージェントにマッチングし、販売の生成、コンタクトの持続時間、または顧客が満足に感じるインタラクションの生成の見込みのような、いくつかの最適なインタラクションに沿った各マッチングのあり得る結果を推定するコンピューターモデルを構築するためにエージェントおよびコーラーデータをパターンマッチングアルゴリズムに送信することによって達成される。

例示的な方法およびシステムに使用され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または遺伝的アルゴリズムのような、いかなる相関アルゴリズムをも含み得る。一般的にアルゴリズムをトレーニングまたは別の洗練をするために、（最適なインタラクションに対し測定された）現実のコンタクトの結果は、それぞれの起こったコンタクトの現実のエージェントおよびコーラーデータと比較される。パターンマッチングアルゴリズムは、そして、特定のコーラーを特定のエージェントにマッチングすることが最適なインタラクションの可能性をどのように変えるかということを習得し得るかまたはその知識を改善し得る。そして、このように、パターンマッチングアルゴリズムは、コーラーデータの特定のセットを有するコーラーを、エージェントデータの特定のセットのエージェントにマッチングすることに関連して、最適なインタラクションの可能性を予測するために使用され得る。好ましくは、パターンマッチングアルゴリズムは、コーラーインタラクションのより多くの現実データがそれに利用可能になるにつれて、定期的に洗練される（例えば、コンタクトセンターが一日のオペレーションを終えたあとに毎晩アルゴリズムを定期的にトレーニングする）。

パターンマッチングアルゴリズムは、エージェントとコーラーの各マッチングの最適なインタラクションの予測された可能性を反映するコンピューターモデルを構築し得るか、使い得る。好ましくは、コンピューターモデルは、全ての利用可能なコーラーにマッチングされた、コンタクトセンターにログインしている全てのエージェントの最適なインタラクションのセットの予測された可能性を含む。あるいは、コンピューターモデルはこれらのサブセット、または前述のセットを包含するセットを含み得る。例えば、コンタクトセンターにログインしている全てのエージェントを全ての利用可能なコーラーにマッチングする代わりに、例は全ての利用可能なエージェントを全ての利用可能なコーラーに、または更に限られたサブセットのエージェントもしくはコーラーをマッチングし得る。同じく、利用できるまたはログインしている状態であろうとそうでなかろうと、本発明は特定のキャンペーンに取り組んだことのある全てのエージェントを、全ての利用可能なコーラーにマッチングし得る。同様に、コンピューターモデルは、１つの最適なインタラクションまたは複数の最適なインタラクションの予測された可能性を含み得る。

コンピューターモデルは、エージェントおよびコーラーの各マッチングのための適合スコアをも含み得る。適合スコアは、パターンマッチングアルゴリズムによって予測された最適なインタラクションのセットの可能性をとって、特定の最適なインタラクションに、他の最適なインタラクションに相関して重点をさらにまたはより少なく置くためにそれらの可能性に重み付けすることによって、決定され得る。適合スコアは、そして、どのエージェントがどのコーラーに接続されるべきかを決定するために例示的な方法およびシステムに使用され得る。

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ーモデルに基づいてこの方法は、更に、１４２８でコーラーに最もよくマッチするエージェントを決定することを含む。理解されるように、最もよくマッチするエージェントは、パターンマッチングアルゴリズム、コンピューターモデル、ならびに特定のコールセンターによって選択された所望される出力変数および重み付けに依存し得る。コーラーは、次に、１４３０で最もよくマッチするエージェントにルーティングされる。

エージェントにマッピングするためのコーラーが１４２０で異なる（例えば、パフォーマンスおよび／またはパターンマッチングアルゴリズムに基づかない）方法で選択され場合、この特定の例示的な方法は、該当する場合、１４５０で自動コール分配（ＡＣＤ）キューオーダーまたは同様なものを介してコーラーのキューオーダーを決定することによって、ルーティングすることを含む。例えば、他のコーラーが保留中で利用できるエージェントを待っている場合、コーラーは他のコーラーとともにキューに加えられ得る（例えば、システムは保留時間によってコーラーを順序付けし、優先的に最も長く保留中のコーラーをマッピングし得る）。同様に、例示的な方法はエージェントのキューオーダーを、該当する場合、１４５２で決定することを含む（例えば、複数のエージェントが利用できる状況で）。従って、システムは通常最も長く待機しているまたはアイドル状態のエージェントを、最も長く保留中のコーラーにマッピングするように動作する。コーラーは、次に、１４５４でエージェントにルーティングされ得る。

注意すべきは、コーラーが少なくともパターンマッチングアルゴリズムで（例えば、単独で、またはエージェントのパフォーマンスに基づく評価付けとの組み合わせで）マッチングされる他の例では、異なる方法はパフォーマンスベースルーティングを含み得ることである。これはパターンマッチングアルゴリズムをパフォーマンスベースルーティングと比較することまたはパターンマッチングアルゴリズムからパフォーマンスベースルーティングに対してベンチマークを取ることを可能にする。

記述された例示的なシステムおよび方法の他の側面によって、ビジュアルコンピューターインターフェイスおよびプリント可能なレポートがコンタクトセンターまたはそれらのクライアントに提供され得る。これにより、コンタクトセンターおよびそれらのクライアントにリアルタイムに、または過去のパフォーマンスを基に、エージェントからコーラーへのマッチの統計をモニターすること、コンピューターモデルによって予測されたインタラクションに対して達成されている最適なインタラクション、およびこの明細書に記述された方法を使用したリアルタイムまたは過去のパフォーマンスのいかなる他の測定値を測定することを可能にする。パフォーマンスおよび／またはパターンマッチングアルゴリズム（および最適なインタラクションの重み付け）を介してマッピングされるコーラーの人数または部分を変更するためのビジュアルコンピューターインターフェイスも、コンタクトセンターまたはコンタクトセンタークライアントに、この明細書で論じられているように、パフォーマンスベースデータおよび／またはパターンマッチングアルゴリズムの１つ以上の結果変数に対する影響をモニターでき得るように提供され得る。

図１１は、パフォーマンスおよび／またはパターンマッチングアルゴリズムに従ってマッピングされるコーラーの割合または部分を調整するためのグラフィックエレメント１５０２を有する例示的なインターフェイス１５００を示す。インターフェイス１５００はブラウザページ、ポータルページ、またはコンタクトセンタールーティングシステムの独立型ユーザーインターフェイスにディスプレーされ得ることが認識される。それに加えて、様々な他の情報および機能はインターフェイス１５００に含まれ得るが、明晰性のためにここでは省略されている。

この例ではインターフェイス１５００は、１５１０、１５１２、および１５１４で、異なる出力変数によって分類されたコールセンターパフォーマンスのレポートをディスプレーする。特に、コスト、収益生成、および顧客満足度が示されているが、ファーストコールレゾリューション、キャンセル、またはシステムのパターンマッチングアルゴリズム（単数または複数）もしくはコンピューターモデル（単数または複数）の他の可変性の出力のような、他の出力変数がディスプレーされ得る。インターフェイス１５００は、更に、１５０４で、コーラーをエージェントにルーティングするために使用されているパターンマッチングアルゴリズムおよびコンピューターモデルの異なる結果変数の所望される重み付けのための設定を含む。特に、セレクター１５０４は、コールセンタールーティングアルゴリズムおよびコンピューターモデルの中の収益、コスト、および顧客満足度の重み付けを調節するためのセレクターを含む。もちろん、様々な他のパターンマッチングアルゴリズム、コンピューターモデル、および所望の結果を調整するための重み付け方法は可能であり、予期される。

セレクター１５０２は、マッピングシステムの“パワー”（例えば、記述されたようなパフォーマンスおよび／またはパターンマッチングアルゴリズムを介してマッピングされたコーラーの部分または割合）を調整するように動作する。この例では、セレクター１５０２が“１００”に設定された場合、システムはパフォーマンスおよび／またはパターンマッチングアルゴリズムを介して全てのコーラーをルーティングする。あるいは、セレクター１５０２が“０”に設定された場合、システムはどのコーラーもパフォーマンスおよび／またはパターンマッチングアルゴリズムを介してルーティングしない。セレクター１５０２はマウスからの入力、キーボードへの入力（例えば、矢印キー、数字入力、など）、または同様なものに応答して調整され得る。更に、セレクター１５０２は、“スライダー”エレメント、ドロップダウンセレクター、数字または値を手動で入力するためのエントリーフィールド、上および下矢印、などに置き換えられ得るか、またはそれらを更に含み得る。

記述されたように、ある割合のコーラーを実質的にランダムなプロセスでルーティングすることが、マッピングシステムのパフォーマンスおよび／またはパターンマッチングアルゴリズムの評価を提供する。例えば、結果変数は、マッピングシステムを介してルーティングされたコーラーのものと別の態様でルーティングされたコーラーのものが比較され得る。例えば、インターフェイス１５００は、１５１１ａおよび１５１１ｂそれぞれによって示されるように、マッピングシステムがオンおよびオフ（例えば、“サットマップオン”および“サットマップオフ”）でのルーティングシステムの経時的コストのディスプレー１５１０を含む。ディスプレー１５１０は、コストは、マッピングシステムを介してルーティングされたコーラーのものが、異なる方法で（例えば、キューオーダーまたは実質的にランダムに）マッピングされたものより低いことを示す。ディスプレー１５１２に示されているように、マッピングシステムを介してルーティングされたコーラーの収益（１５１３ａで表示されている）は他のコーラーのもの（１５１３ｂで示されている）より高い。更に、（ディスプレー１５１４に示されているように）マッピングシステムを介してルーティングされたコーラーの顧客満足度（１５１５ａで示されている）は他のコーラーのもの（１５１５ｂによって示されている）より高い。

注意すべきは、ディスプレー１５１０、１５１２、および１５１４によってディスプレーされている情報は、過去のパフォーマンスデータであることである。しかし、他の例では、インターフェイス１５００は、更に、セレクター１５０２を変更することによる１つ以上の結果変数への推定される影響をディスプレーするように動作し得る。例えば、セレクター１５０２を変更することによるコスト、収益生成、または顧客満足度の１つ以上のあり得る変化をディスプレーする。１つの例では、推定は、同じ（または同様な）セットのエージェントの過去時間帯を評価すること、およびエージェント／コーラーペアの分配を作成することを含む。各ペアを使って、パターンマッチングアルゴリズムを介して期待成功率が算定され得、現在のパフォーマンス（例えば、売上、コスト、顧客満足度、などの中の１つ以上に関するもの）を推定するために現在の情報に適用され得る。従って、コール履歴データおよびエージェント情報を使って、アルゴリズムはパワーまたはパフォーマンスおよび／またはパターンマッチングアルゴリズムを介してマッピングされたコーラーの人数を変えることによる推定を算定し得る。注意すべきことは、履歴情報と比較できる時間（例えば、一日の時間、曜日、など）は、パフォーマンスが時間によっておそらく変化するため重要であり得ることである。

明晰性目的のため、上の記述は、異なる機能ユニットおよびプロセッサーに関する発明の実施形態を記述することが認識される。しかし、異なる機能ユニット、プロセッサー、またはドメイン間のいかなる適切な機能の分配が、発明を損なうことなく使用され得ることは明らかである。例えば、別々のプロセッサーまたはコントローラーによって実行されると示された機能は、同じプロセッサーまたはコントローラーによって実行され得る。それ故に、特定の機能ユニットへの参照は、厳密な論理的または物理的な構造または構成を示すものではなく、記述された機能を提供するための適切な手段のただの参照とみなされる。

本発明の上述された実施形態は、単に例証となることを意図されており、制限するものではない。様々な変更および改変は、発明の広い解釈から離れないでされ得る。添付された特許請求範囲は発明の精神および範囲内のそのような変更および改変を含む。

Claims (23)

1. コールセンタールーティングの環境の中でコーラーをエージェントにルーティングする方法であって、該方法は、
   １つ以上のコンピューターにより、エージェントのセットの中のエージェントに関連するエージェントデータの複数の項目を取得するステップと、
   該１つ以上のコンピューターにより、コーラーのセットの中のコーラーに関連するコーラーデータの複数の項目を取得するステップと、
   該１つ以上のコンピューターにより、該コーラーのセットの第一部分を、エージェントに、該コーラーの第一部分の中のコーラーに関連するコーラーデータと該エージェントに関連するエージェントデータを比較することに少なくとも部分的に基づいてエージェント・コーラーペアを形成するためにパターンマッチングアルゴリズムに従ってマッピングさせるステップと、
   該１つ以上のコンピューターにより、該コーラーのセットの第二部分を、エージェントに、エージェント・コーラーペアを形成するために該第一部分とは異なるマッピング方法に従ってマッピングさせるステップと、
   該１つ以上のコンピューターにより、該コーラーの第一部分に対して取得された第一結果変数と、該コーラーの第二部分に対して取得された第一結果変数とを推定するステップと、
   該１つ以上のコンピューターにより、第一チャート上に、該コーラーの第二部分に対して取得された該第一結果変数対時間と並置された該コーラーの第一部分に対して取得された該第一結果変数対時間の第一グラフィカルデータを生成するステップと、
   該１つ以上のコンピューターにより、該第一グラフィカルデータを提供するか、該第一グラフィカルデータをアクセス可能にするステップと、
   該１つ以上のコンピューターにより、該推定するステップに少なくとも部分的に基づいて、該部分のうちの１つからの該コーラーのうちの１つを該エージェントのうちの１つにルーティングするステップと
   を含む、方法。
2. 前記１つ以上のコンピューターにより、前記コーラーの第一部分に対して取得された第二結果変数と、該コーラーの第二部分に対して取得された第二結果変数とを推定することと、
   該１つ以上のコンピューターにより、第二チャート上に、該コーラーの第二部分に対して取得された該第二結果変数対時間と並置された該コーラーの第一部分に対して取得された該第二結果変数対時間の第二グラフィカルデータを生成することと、
   該１つ以上のコンピューターにより、該第二グラフィカルデータを提供するか、該第二グラフィカルデータをアクセス可能にすることと
   を更に含む、請求項１に記載の方法。
3. 前記１つ以上のコンピューターにより、前記パターンマッチングアルゴリズムを介してルーティングされた前記コーラーの部分または割合を調整することを更に含む、請求項１に記載の方法。
4. 前記コーラーの第二部分をマッピングさせることは、前記エージェントのパフォーマンスベースオーダーに従って該コーラーをマッピングすることを含む、請求項１に記載の方法。
5. 前記コーラーの第二部分をマッピングさせることは、自動コール分配キューオーダーに基づいて該コーラーをエージェントにマッピングすることを含む、請求項１に記載の方法。
6. 前記コーラーの第二部分に関連する第一結果変数と比較した前記コーラーの第一部分に関連する第一結果変数を表示することを更に含む、請求項１に記載の方法。
7. 前記少なくとも１つの結果変数は、コスト、収益、または顧客満足度のうちの１つ以上を含む、請求項１に記載の方法。
8. 前記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を含む、請求項１に記載の方法。
9. コールセンタールーティングの環境の中でコーラーをエージェントにルーティングするシステムであって、該システムは、
   １つ以上のコンピューターにより、エージェントのセットの中のエージェントに関連するエージェントデータの複数の項目を取得することと、
   該１つ以上のコンピューターにより、コーラーのセットの中のコーラーに関連するコーラーデータの複数の項目を取得することと、
   該１つ以上のコンピューターにより、該コーラーのセットの第一部分を、エージェントに、該コーラーの第一部分に関連するコーラーデータと該エージェントに関連するエージェントデータを比較することに少なくとも部分的に基づいてエージェント・コーラーペアを形成するためにパターンマッチングアルゴリズムに従ってマッピングさせることと、
   該１つ以上のコンピューターにより、該コーラーのセットの第二部分を、エージェントに、エージェント・コーラーペアを形成するために該第一部分とは異なるマッピング方法に従ってマッピングさせることと、
   該１つ以上のコンピューターにより、該コーラーの第一部分に対して取得された第一結果変数と、該コーラーの第二部分に対して取得された第一結果変数とを推定することと、
   該１つ以上のコンピューターにより、第一チャート上に、該コーラーの第二部分に対して取得された該第一結果変数対時間と並置された該コーラーの第一部分に対して取得された該第一結果変数対時間の第一グラフィカルデータを生成することと、
   該１つ以上のコンピューターにより、該第一グラフィカルデータを提供するか、該第一グラフィカルデータをアクセス可能にすることと、
   該１つ以上のコンピューターにより、該推定するステップに少なくとも部分的に基づいて、該部分のうちの１つからの該コーラーのうちの１つを該エージェントのうちの１つにルーティングすることと
   を実行するロジックで構成された１つ以上のコンピューターを備える、システム。
10. 前記１つ以上のコンピューターにより、前記コーラーの第一部分に対して取得された第二結果変数と、該コーラーの第二部分に対して取得された第二結果変数とを推定することと、
    該１つ以上のコンピューターにより、第二チャート上に、該コーラーの第二部分に対して取得された該第二結果変数対時間と並置された該コーラーの第一部分に対して取得された該第二結果変数対時間の第二グラフィカルデータを生成することと、
    該１つ以上のコンピューターにより、該第二グラフィカルデータを提供するか、該第二グラフィカルデータをアクセス可能にすることと
    を実行するロジックで構成された該１つ以上のコンピューターを更に備える、請求項９に記載のシステム。
11. 前記１つ以上のコンピューターにより、前記パターンマッチングアルゴリズムを介してルーティングされた前記コーラーの部分または割合を調整するロジックで構成された該１つ以上のコンピューターを更に備える、請求項９に記載のシステム。
12. 前記グラフィカルユーザーエレメントに対するデータは、前記第二部分に対する前記第一部分の比率またはパーセンテージを設定するためのエレメントに対するデータを含む、請求項９に記載のシステム。
13. 自動コール分配キューオーダーに基づいて前記コーラーの第二部分をエージェントにマッピングさせるロジックを更に備える、請求項９に記載のシステム。
14. 前記コーラーの第二部分をマッピングさせることは、前記エージェントのパフォーマンスベースオーダーに従って該コーラーをマッピングすることを含む、請求項９に記載のシステム。
15. 前記コーラーの第二部分に関連する第一結果変数と比較した前記コーラーの第一部分に関連する第一結果変数を表示するロジックを更に備える、請求項９に記載のシステム。
16. 前記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を含む、請求項９に記載のシステム。
17. １つ以上のコンピューターにより実行されたときに方法を実行するためのコンピューター読み出し可能命令を含む非一時的なコンピューター読み出し可能記憶媒体であって、
    該方法は、
    １つ以上のコンピューターにより、エージェントのセットの中のエージェントに関連するエージェントデータの複数の項目を取得することと、
    該１つ以上のコンピューターにより、コーラーのセットの中のコーラーに関連するコーラーデータの複数の項目を取得することと、
    該１つ以上のコンピューターにより、該コーラーのセットの第一部分を、エージェントに、該コーラーの第一部分に関連するコーラーデータと該エージェントに関連するエージェントデータを比較することに少なくとも部分的に基づいてエージェント・コーラーペアを形成するためにパターンマッチングアルゴリズムに従ってマッピングさせることと、
    該１つ以上のコンピューターにより、該コーラーのセットの第二部分を、エージェントに、エージェント・コーラーペアを形成するために該第一部分とは異なるマッピング方法に従ってマッピングさせることと、
    該１つ以上のコンピューターにより、該コーラーの第一部分に対して取得された第一結果変数と、該コーラーの第二部分に対して取得された第一結果変数とを推定することと、
    該１つ以上のコンピューターにより、第一チャート上に、該コーラーの第二部分に対して取得された該第一結果変数対時間と並置された該コーラーの第一部分に対して取得された該第一結果変数対時間の第一グラフィカルデータを生成することと、
    該１つ以上のコンピューターにより、該第一グラフィカルデータを提供するか、該第一グラフィカルデータをアクセス可能にすることと、
    該１つ以上のコンピューターにより、該推定するステップに少なくとも部分的に基づいて、該部分のうちの１つからの該コーラーのうちの１つを該エージェントのうちの１つにルーティングすることと
    を含む、非一時的なコンピューター読み出し可能記憶媒体。
18. 前記１つ以上のコンピューターにより、前記コーラーの第一部分に対して取得された第二結果変数と、該コーラーの第二部分に対して取得された第二結果変数とを推定することと、
    該１つ以上のコンピューターにより、第二チャート上に、該コーラーの第二部分に対して取得された該第二結果変数対時間と並置された該コーラーの第一部分に対して取得された該第二結果変数対時間の第二グラフィカルデータを生成することと、
    該１つ以上のコンピューターにより、該第二グラフィカルデータを提供するか、該第二グラフィカルデータをアクセス可能にすることと
    を実行するためのコンピューター読み出し可能命令を更に含む、請求項１７に記載の非一時的なコンピューター読み出し可能記憶媒体。
19. 前記１つ以上のコンピューターにより、前記パターンマッチングアルゴリズムを介してルーティングされた前記コーラーの部分または割合を調整するためのコンピューター読み出し可能命令を更に含む、請求項１７に記載の非一時的なコンピューター読み出し可能記憶媒体。
20. 前記コーラーの第二部分を自動コール分配キューオーダーに基づいてマッピングさせるための命令を更に備える、請求項１７に記載の非一時的なコンピューター読み出し可能記憶媒体。
21. 前記コーラーの第二部分をマッピングさせることは、前記エージェントのパフォーマンスベースオーダーに従って該コーラーをマッピングすることを含む、請求項１７に記載の非一時的なコンピューター読み出し可能記憶媒体。
22. 前記コーラーの第二部分に関連する第一結果変数と比較した前記コーラーの第一部分に関連する第一結果変数を表示するための命令を更に備える、請求項１７に記載の非一時的なコンピューター読み出し可能記憶媒体。
23. 前記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を含む、請求項１７に記載の非一時的なコンピューター読み出し可能記憶媒体。