KR101793355B1 - 연락 센터용 지능형 자동 에이전트 - Google Patents

Abstract

기업용 연락 센터와 고객의 상호 작용을 처리하기 위한 시스템은 프로세서, 고객 프로파일 데이터를 저장하도록 구성된 비 일시적 저장 장치 및 메모리를 포함하는 지능형 자동 에이전트를 포함한다. 메모리는 명령들을 저장하고 있으며, 상기 명령들이 프로세서에 의해 실행되면, 상기 프로세서는 연락 센터와 고객 간의 과거의 상호 작용에서 고객에 대한 지식을 학습하도록 구성된 인공 지능 엔진을 실행하고, 미래 상호 작용에 학습된 지식을 적용하며, 저장 장치에 고객 프로파일 데이터를 유지시킨다. 상기 고객 프로파일 데이터의 유지는 새로운 상호 작용의 시작점에서 상기 고객 프로파일 데이터를 검색하는 과정, 상기 검색된 고객 프로파일 데이터를 이용하여 새로운 상호 작용을 처리하는 과정, 및 상기 새로운 상호 작용이 과거 상호 작용으로 반영될 수 있도록 새로운 상호 작용의 완료 후 고객 프로파일 데이터를 업데이트하는 과정을 포함한다.

Description

연락 센터용 지능형 자동 에이전트 {INTELLIGENT AUTOMATED AGENT FOR A CONTACT CENTER}

본 발명의 실시예는 연락 센터용 지능형 자동 에이전트에 관한 것이다.

고객 연락 센터는 고객과 회사 또는 고객과 다른 조직과 같은 하나 이상의 기업 사이에서 많은 양의 상호 작용을 다루는 곳이다. 예를 들어, 연락 센터는 중앙 집중식 고객 서비스 및 지원 기능을 제공할 수 있다. 이러한 상호 작용 및 고객 서비스는 통상적으로 연락 센터 에이전트들(예컨대, 전화 응답, 이메일 답신, 실시간 채팅, 전화 발신과 같은 라이브 에이전트)을 이용하여 이루어진다. 연락 센터는 고객 서비스, 판매 및 지원 기능을 위해 수백 명 또는 수천 명의 상담원을 고용하고 있는 대형 회사이다. 예컨대, 단일 연락 센터가 외주 형태로 다수의 기업에 서비스를 제공할 수 있으며, 이에 의해, 기업들이 수행하는 것과 유사한 고객 서비스 업무를 더욱 효율적으로 실행할 수 있도록 하고 있다.

연락 센터는 통상적으로 대리인들을 스태프로 두고 있는 대형 회사이며, 이들 대리인들은(라이브 에이전트와 같이) 전화를 걸거나 받고, 라이브 채팅을 하거나, 이메일을 수신 및 발신한다. 연락 센터의 규모에 따라 달라질 수 있지만, 단일 회사가 수십 명 이하의 대리인 또는 100인 이상의 직원(일부 연락 센터는 수천 명의 직원)을 보유하고 있다. 일부 연락 센터는, 예컨대 도움이 필요한 고객을 위해 수신자 부담 통화 서비스를 제공하는 은행을 위한 연락 센터, 수신 전화에 응답하는 것에 초점을 맞추고 있다. 본 예에서, 대리인들은 계정 잔액을 제공하거나, 거래에 대해 질문에 대답하거나, 전화를 통해 대출 신청을 처리하는 서비스를 제공할 수 있다. 다른 연락 센터는 발신에 초점을 맞추고 있는데, 이러한 연락 센터는 그 대리인들이 전화를 걸어 사람들에게 조사 문제를 질의하는 조사 전문 기업을 위한 연락 센터, 텔레마케팅 조직을 위한 연락 센터 또는 채권 회수를 요청하기 위한 연락 센터들이다.

그러나, 라이브 에이전트는 이러한 한정된 작업 시간, 제한된 능력, 제한된 지식수준 또는 기술(특히, 실시간 지원에 있어서 한번에 한 명 또는 수 명의 고객 처리에만 한정될 수 있음) 등의 제한을 갖고 있기 때문에, 고객이 연락 센터에 접촉할 때마다 항상 동일한 라이브 에이전트가 그 고객을 도울 수 있도록 보장이 되어 있지 않고, 동일한 상황을 겪고 있는 서로 다른 고객들에게 동일한 답변을 제공할 수 있도록 되어 있지 않다. 따라서, 연락 센터를 사용하는 고객들은 다수의 다른 라이브 에이전트들로부터 종종 부적절하거나, 부정확하거나, 또는 일관성 없는 정보를 제공받게 되며, 가장 최근의 라이브 에이전트에게 고객의 상황을 신속히 알리기 위해 종종 반복적으로 동일한 기본 사실이나 상황들을 제공하고 있다.

라이브 에이전트의 비용은 중요한 것이므로, 콜센터의 효율을 향상시키기 위한 하나의 방법으로서(라이브 에이전트의 비용을 포함하면서) 단순한 작업에 대한 라이브 에이전트의 오프로드를 도울 수 있는 대화식 음성 응답(IVR) 기술과 같은 방식이 있다. IVR을 통해, 고객과의 상호 작용은 먼저 일련의 단순한 단계들로 분류되고, 이는 컴퓨터 화면에 사전 기록된 스크립트 또는 다중 선택 메뉴와 같은 자동화된 방식으로 고객에게 전달될 수 있다. 이에 따라, 소정의 정보를(예를 들면 문제의 특성 또는 계좌 번호 등) 라이브 에이전트에게 제어를 핸드 오버하기 전에 획득할 수 있다(예를 들면, 전화 키패드 또는 컴퓨터 키보드를 통해).

예를 들면, 연락의 특성 또는 복잡성, 또는 고객 요구로 인해, IVR 상호 작용은 라이브 에이전트로 전달(라우팅) 된다. 예를 들어, IVR은 라우터로 제어를 전달하고, 라우터는 연락을 라이브 에이전트로 전달한다(IVR 스크립트에 의해 수집된 정보를 기반으로, 고객들이 선택한 문제의 유형을 전문화하는 라이브 에이전트로 전달). 또한, 고객의 요청이 제공된 옵션의 간단한 메뉴의 선택 사항 중 하나인 경우에는, IVR도 라이브 에이전트를 참여시키지 않고 일상적인 문제(예컨대, 사업 운영 시간)에 대한 간단한 통화를 처리할 수 있다.

그러나 IVR은 상기 언급된 라이브 에이전트의 본질적인 한계를 극복하기에는 부족함이 있다. 또한, 고객이 IVR을 꺼려하는 경향이 있는데, 이는 IVR의 비인격적인 방식이 양방향으로 정보의 반복을 많이 필요로 하고, 종종 상처를 안고 시작하게 하며, 납득할 수 있는 해답을 주지 않기 때문이다. 예를 들어, IVR을 이용한 고객들은 불쾌함을 느끼게 되는데, 이는 부당하게 오랜 시간 동안 대기해야 하고(예컨대, 라이브 에이전트를 기다리는 시간), 너무 많은 옵션을 갖는 자동 메뉴를 만나야 하며(또한 실질적으로 적합한 옵션은 없음), 적절한 경로를 찾기 위해 메뉴를 탐색할 때 동일한 정보를 반복 입력해야 하기 때문이다. 즉, IVR은 대부분의 고객 문제에 대한 충분한 연락 센터 솔루션이 아니다.

본 발명의 실시예들은 고객 연락 센터용 지능형 자동 에이전트에 관한 것이다. 일 실시예에서, 자동 에이전트는 서버 컴퓨터에서 실행되는 응용 프로그램이다. 자동 에이전트는, 예를 들어, 인공 지능에 의해 학습하여, 라이브 에이전트가 갖는 한계가 없이 라이브 에이전트의 역할을 수행할 수 있다. 일 실시예에서, 자동 에이전트는 실시간으로 고객에게 고객과 같은 언어를 사용하여(말하기 또는 작문) 응답한다. 예를 들어, 자동 에이전트는 현재 시간에서의 상호 작용을 통해 학습하고 장래의 상호 작용에 대해 보다 적절하게 응답하는 기술을 사용하도록 구성된 인공 지능 엔진을 가질 수 있다.

일 실시예에서, 자동 에이전트는 연락 센터의 고객에 의해 사용되는(예를 들어 음성, 전자 우편, 채팅, 웹, 휴대 전화, 스마트폰 등)의 모든 채널을 통해 통신한다. 일 실시예에서, 자동 에이전트는 기업에 접촉하는 특정 고객을 위한 일관된 진입점으로서 기능한다. 일 실시예에서, 자동 에이전트는 특정 고객(또는 연락 센터와 접촉한 고객)과의 과거 상호 작용을 기억하고, 과거 상호 작용을 반영하여 동일 고객에 대해 미래 상호 작용에 관한 응답을 수정한다.

예를 들어, 자동 에이전트는 고객의 음성을 인식하기 위해 학습할 수 있다. 이에 따라, 다른 사람들이 고객인 척 전화를 할 때 사기 행위가 발생하는 것을 감소시키거나 방지할 수 있으며, 음성 컨텐츠 인식률을 향상시킬 수 있다. 일 실시예에서, 각각의 상호 작용 중에 특정 고객에 대해 수집된 정보는 자동으로 중앙 데이터베이스에 저장되어, 나중에 동일 고객과 상호 작용을 할 때 자동 에이전트에 의해 자동 검색을 위해 사용된다.

일 실시예에서, 자동 에이전트는 당면한 고객(또는 연락 센터에 접촉한 고객) 각각에 대한 고객 프로파일을 구축하고, 중앙 데이터베이스에 상기 프로파일을 저장한다. 프로파일은 자동 에이전트 또는 연락 센터와의 상호 작용을 포함하여 동일한 고객에 의해 수행되는 각각의 미래의 상호 작용을 업데이트할 수 있다. 일 실시예에서, 프로파일은 고객의 개인 식별 정보를 포함할 수 있다(예컨대, 주민등록번호, 고객의 계좌 번호 등). 뿐만 아니라. 고객 선호도 정보, 고객의 감정, 기분에 관한 정보(예컨대, 시간에 대해 구축된 고객의 성격에 대한 스냅 사진, 예를 들면, 고객이 자주 우울한 기분을 느끼거나 월요일에 우울해 지는 것), 행동 및 거래 내역에 대한 정보를 포함한다. 일 실시예에서, 프로파일은 사용자에 의해 또는 사용자를 위해 시작되었지만 완료되지 못한 거래 목록을 포함할 수 있다.

따라서, 프로파일은 시간이 지나도 변화될 가능성이 없는 정적인 부분(예를 들면, 특징, 이벤트, 특성) 및 시간이 지남에 따라 변경될 수 있거나 변경될 것이 확실한 동적인 부분(예를 들면, 계류 중인 거래, 현재 기분)을 포함할 수 있다. 일 실시예에서, 프로파일은 정적인 부분을 포함하며, 고객 상태(또는 상황)는 동적인 부분을 포함한다.

일 실시예에서, 예를 들면, 고객이 자동 에이전트와 상호 작용하는 것을 선호하거나, 라이브 에이전트를 현재 사용할 수 없는 경우, 또는 서비스 수준 계약서(SLA, service level agreement), 예산 또는 다른 자원 고려 사항으로 인해 자동 에이전트가 라이브 에이전트를 통해 특정 상호 작용을 처리해야 한다는 지시가 있는 경우, 자동 에이전트는 라이브 에이전트를 보충할 수 있다. 일 실시예에서, 자동 에이전트는 통상적으로 연락 센터의 라이브 에이전트가 수행하는 대부분의 작업을 수행한다. 일 실시예에서, 자동 에이전트는, 자동 에이전트의 고객 서비스를 모니터링하고 필요에 따라 개입도 가능한 연락 센터 감독자의 감독(예를 들어, 제어)을 받는다. 일 실시예에서, 자동 에이전트는 연락 센터 라이브 에이전트에 대한 감독관으로 작용할 수 있다.

일 실시예에서, 자동 에이전트는 고객과 상호 작용하는 오디오 및 비디오 아바타로 표시될 수 있다(예컨대, 웹 인터페이스를 통해 연락 센터에 접속될 때 컴퓨터 디스플레이 상에 표시됨). 일 실시예에서, 자동 에이전트는, 자동 에이전트 또는 연락 센터에 대한 고객의 상호 작용 선호도 또는 이력에 기초한 미디어 형태, 시간 및 언어를 사용하여, 고객과 일반 전화기, 스마트폰, 웹, 채팅 또는 전자 메일 등을 통해 상호 작용할 수 있다. 일 실시예에서, 자동 에이전트는 이러한 소프트 기술(예컨대, 다른 사람들과의 관계를 특징짓는 성격 특성, 사회적 품위, 통신, 언어, 개인 습관, 친밀도 및 낙관)에 대한 고객의 선호도를 추적하고, 이러한 소프트 기술을 가진 라이브 에이전트를 특정 고객에 매칭시켜 줄 수 있다.

일 실시예에서, 자동 에이전트는 라이브 에이전트와 같은 인간의 역할을 한다. 예를 들어, 자동 에이전트는 기업이 소유하는 컴퓨터에서 실행되는 일련의 소프트웨어 루틴일 수 있다. 이와 같이, 자동 에이전트는 기업을 위해 작동할 수 있다. 다른 실시예에서, 자동 에이전트는 전용 컴퓨팅 리소스(클라우드 컴퓨팅과 같은)에서 실행되고, 자동 에이전트는 동일한 컴퓨팅 리소스를 공유하는 많은 기업에 대해 작동한다.

일 실시예에서, 자동 에이전트 고객의 관심을 유도하고, 고객의 흥미를 유지하기 위해 게임화 기법을 사용한다. 예를 들면, 자동 에이전트는 연락 센터와 고객의 상호 목표를 달성할 수 있도록 고객을 돕기 위하여 보상, 점진적 진보(예를 들어, 작은 단계), 경쟁 그리고 다른 심리적 장치를 사용하여 고객이 긍정적 태도 또는 기분을 갖도록 할 수 있다.

일 실시예에서, 자동 에이전트는 커뮤니티를 생성할 수 있다. 사회화를 원하며, 비슷한 상황에 있는 사람들과 정보를 공유하고자 하는 고객의 자연스런 성향을 활용하여, 자동 에이전트는 유사한 문제 또는 관심을 갖는 고객들을 소셜 커뮤니티로 조직할 수 있다(예를 들어, 상호 작용과 의사 소통을 위한 포럼). 자동 에이전트는, 예를 들어, 고객들, 후원 기업 및 자동 에이전트 등에 이익이 되는 활동을 육성하기 위해 커뮤니티에서의 활동에 대해 보상을 할 수 있다. 예를 들어, 자동 에이전트는 유사하지만 다소 다른 관심을 공유하고 있는 고객들을 대상으로 소형 고객 소셜 커뮤니티를 생성할 수 있다. 다른 예로서, 자동 에이전트는 매우 유사한 관심 또는 상황을 공유하거나 경험하고 있지만 스스로 간단하고 단순한 해법을 찾지 못하는 고객들을 대상으로 대형 고객 소셜 커뮤니티를 생성할 수 있다.

일 실시예에서, 자동 에이전트는 다양한 역할을 수행하는데, 예를 들면, 고객과의 상호 작용, 고객, 기업 및 그 라이브 에이전트 사이의 중개(예컨대, 고객과 연락 센터의 백 오피스 사이의 연결 고리로서 작용), 그리고 라이브 에이전트에 대한 감독 역할을 한다. 예를 들어, 연락 센터와 고객 사이의 모든 상호 작용에 대한 광범위한 고객 프로파일 정보를 유지하고, 백 오피스에 모든 고객 프로필 정보를 전달하여, 자동 에이전트는 라이브 에이전트에 할당된 전통적인 백 오피스 작업을 보조 수행할 수 있다. 예시적인 실시예에서, 자동 에이전트는, 라이브 에이전트에 대한 고객의 과거 경험, 고객의 분위기(일부 라이브 에이전트는 특수한 분위기 처리에 더욱 특화되어 있다), 고객의 선호도 등과 같은 다양한 기준에 기초하여, 라이브 에이전트를 고객에게 할당할 수 있다.

일 실시예에서, 지능형 자동 에이전트는 연락 센터에서 사용하기에 적합한 특성 또는 기능을 갖도록 구성될 수 있다. 이러한 특성이나 기능은 연역-추론-문제 해결, 지식 표현 및 상식, 계획, 학습, 자연 언어 처리, 인식, 창의성, 그리고 연락 센터에서 사용하기에 적합한 일반적인 지식을 포함한다.

본 발명의 예시적인 실시예에 따르면, 기업용 연락 센터와 고객의 상호 작용을 처리하기 위한 시스템이 제공된다. 상기 시스템은 지능형 자동 에이전트를 포함한다. 상기 지능형 자동 에이전트는 프로세서, 고객 프로파일 데이터를 저장하는 비일시적 저장 장치, 및 메모리를 포함한다. 상기 메모리는 명령들을 저장하고, 상기 프로세서에 의해 상기 명령들이 실행될 때, 상기 프로세서는: 연락 센터와 고객 사이에 이루어진 고객의 과거 상호 작용들에 기반하여 고객에 대한 지식을 학습하고, 상기 학습된 지식을 연락 센터와 고객 사이의 고객의 미래 상호 작용에 적용하도록 구성되는 인공 지능 엔진을 실행시키고; 상기 저장 장치에 고객 프로파일 데이터를 유지시킨다. 상기 저장 장치에 고객 프로파일 데이터를 유지시키는 것은 연락 센터와 고객 사이에서 고객의 새로운 상호 작용이 시작할 때 고객 프로파일 데이터의 검색, 고객의 새로운 상호 작용에 대한 처리 방법을 결정하기 위해 상기 검색된 고객 프로파일 데이터의 사용, 그리고 고객의 새로운 상호 작용의 종료 후에, 상기 저장 장치에 고객에 대한 프로파일 데이터를 업데이트하여, 상기 고객의 새로운 상호 작용을 상기 연락 센터와 고객 사이의 고객의 과거 상호 작용으로 반영하는 것을 포함한다.

상기 기업은 복수의 기업을 포함할 수 있다.

상기 자동 에이전트는 대응되는 복수의 자동 에이전트를 포함할 수 있다.

상기 인공 지능 엔진은 학습된 행동에 근거하여 시간에 따른 연결을 구축하도록 구성된 페트리 네트워크 또는 뉴럴 네트워크를 포함할 수 있다.

상기 인공 지능 엔진은 분류를 통해 학습하도록 구성될 수 있다.

상기 인공 지능 엔진은 수치 회귀를 통해 학습하도록 구성될 수 있다.

상기 학습된 지식은 고객의 학습된 음성 특성을 포함할 수 있다.

상기 인공 지능 엔진은 상기 연락 센터와 고객 사이의 고객의 미래 상호 작용에서 고객을 식별하기 위해 상기 학습된 고객의 음성 특성을 적용하도록 구성될 수 있다.

상기 인공 지능 엔진은 상기 연락 센터와 고객 사이의 고객의 미래 상호 작용에서 고객의 신원을 확인하기 위해 상기 학습된 고객의 음성 특성을 적용하도록 구성될 수 있다.

고객의 상호 작용은 실시간 상호 작용을 포함할 수 있다.

상기 실시간 상호 작용은 전화 통화, 라이브 채팅, 인스턴트 메시지, 텍스트 메시지, 화상 회의, 멀티미디어 상호 작용, 및/또는 웹 상호 작용을 포함할 수 있다.

상기 고객의 상호 작용은 비 실시간 상호 작용을 포함할 수 있다.

상기 비 실시간 상호 작용은 전자 메일 교환을 포함할 수 있다.

본 발명의 다른 실시예에 따르면, 지능형 자동 에이전트를 이용하여 기업용 연락 센터와 고객의 상호 작용을 처리하기 위한 방법이 제공된다. 상기 방법은: 프로세서에서 실행되는 인공 지능 엔진을 이용하는 자동 에이전트를 사용하여, 연락 센터와 고객 사이에 이루어진 고객의 과거 상호 작용들에 기반하여 지식을 학습하고, 상기 학습된 지식을 연락 센터와 고객 사이의 고객의 미래 상호 작용에 적용시키는 단계; 및 상기 프로세서를 이용하여 고객 프로파일 데이터를 비일시적 저장 장치에 유지시키는 단계를 포함한다. 상기 고객 프로파일 데이터를 유지하는 단계는 프로세서에서 실행되는 자동 에이전트에 의해 수행되고, 상기 프로파일 데이터를 유지하는 단계는, 연락 센터와 고객 사이에서 고객의 새로운 상호 작용이 시작할 때 고객에 대한 프로파일 데이터를 검색하는 단계; 고객의 새로운 상호 작용에 대한 처리 방법을 결정하기 위해 상기 검색된 고객 프로파일 데이터의 사용하는 단계; 및 고객의 새로운 상호 작용의 종료 후에, 상기 저장 장치에 고객에 대한 프로파일 데이터를 업데이트하여, 상기 고객의 새로운 상호 작용을 연락 센터와 고객 사이의 고객의 과거 상호 작용으로 반영하는 단계를 포함한다.

상기 인공 지능 엔진은 학습된 행동에 근거하여 시간에 따른 연결을 구축하도록 구성된 페트리 네트워크 또는 뉴럴 네트워크를 포함할 수 있다.

고객의 새로운 상호 작용이 실시간 상호 작용인 경우, 상기 고객 프로파일 데이터를 검색하는 것은 고객의 새로운 상호 작용이 이루어지는 동안 실시간으로 진행될 수 있다.

상기 실시간 상호 작용은 전화 통화, 라이브 채팅, 인스턴트 메시지 세션, 텍스트 메시지 세션, 화상 회의, 멀티미디어 상호 작용, 및/또는 웹 상호 작용을 포함할 수 있다.

고객 프로파일 데이터의 업데이트는 고객의 새로운 상호 작용의 완성 후 비 실시간으로 수행될 수 있다.

상기 학습된 지식은 고객의 학습된 음성 특성을 포함할 수 있다. 상기 방법은 연락 센터와 고객 사이의 고객의 미래 상호 작용에서 고객을 식별할 수 있도록, 상기 인공 지능 엔진을 이용하여 상기 고객의 학습된 음성 특성을 적용하는 단계를 더 포함할 수 있다.

상기 학습된 지식은 고객의 학습된 음성 특성을 포함할 수 있다. 상기 방법은 연락 센터와 고객 사이의 고객의 미래 상호 작용에서 고객의 신원을 확인할 수 있도록, 상기 인공 지능 엔진을 이용하여 상기 고객의 학습된 음성 특성을 적용하는 단계를 더 포함할 수 있다.

본 발명의 상기 및 다른 실시예에 따르면, 연락 센터용 지능형 자동 에이전트는 라이브 에이전트 또는 IVR을 갖는 라이브 에이전트의 한계를 극복하고 라이브 에이전트의 역할을 수행함으로써 향상된 고객 서비스를 제공한다. 개인 정보를 유지함으로써, 본 발명의 실시예는, 자동 에이전트 및 연락 센터와 고객과의 상호 작용을 통해 고객에 대해 학습하는 자동 에이전트를 제공하며, 상이한 미디어 채널들을 통해 인간과 유사하게(예를 들어, 인성, 선호도, 기분 등을 소유) 상호 작용하여 단일 라이브 에이전트 또는 IVR을 갖는 라이브 에이전트에 비해 더욱더 인격적인 서비스를 제공하는 자동 에이전트를 제공한다. 또한, 특정 고객에 대해 광범위한 기록(예를 들면, 프로파일)을 유지함으로써, 본 발명의 실시예는, 라이브 에이전트 또는 IVR을 갖는 라이브 에이전트의 풀에서 수행되었던 것보다 더욱 향상된 방식으로 고객과 연락 센터 사이에 이루어진 고객의 과거 상호 작용을 일관성 있게 재수집할 수 있다.

본 발명의 실시예들은 고객 연락 센터용 지능형 자동 에이전트에 관한 것이다. 일 실시예에서, 자동 에이전트는 서버 컴퓨터에서 실행되는 응용 프로그램이다. 자동 에이전트는, 예를 들어, 인공 지능에 의해 학습하여, 라이브 에이전트가 갖는 한계가 없이 라이브 에이전트의 역할을 수행할 수 있다. 일 실시예에서, 자동 에이전트는 실시간으로 고객에게 고객과 같은 언어를 사용하여(말하기 또는 작문) 응답한다. 예를 들어, 자동 에이전트는 현재 시간에서의 상호 작용을 통해 학습하고 장래의 상호 작용에 대해 보다 적절하게 응답하는 기술을 사용하도록 구성된 인공 지능 엔진을 가질 수 있다.

일 실시예에서, 자동 에이전트는 연락 센터의 고객에 의해 사용되는(예를 들어 음성, 전자 우편, 채팅, 웹, 휴대 전화, 스마트폰 등)의 모든 채널을 통해 통신한다. 일 실시예에서, 자동 에이전트는 기업에 접촉하는 특정 고객을 위한 일관된 진입점으로서 기능한다. 일 실시예에서, 자동 에이전트는 특정 고객(또는 연락 센터와 접촉한 고객)과의 과거 상호 작용을 기억하고, 과거 상호 작용을 반영하여 동일 고객에 대해 미래 상호 작용에 관한 응답을 수정한다.

예를 들어, 자동 에이전트는 고객의 음성을 인식하기 위해 학습할 수 있다. 이에 따라, 다른 사람들이 고객인 척 전화를 할 때 사기 행위가 발생하는 것을 감소시키거나 방지할 수 있으며, 음성 컨텐츠 인식률을 향상시킬 수 있다. 일 실시예에서, 각각의 상호 작용 중에 특정 고객에 대해 수집된 정보는 자동으로 중앙 데이터베이스에 저장되어, 나중에 동일 고객과 상호 작용을 할 때 자동 에이전트에 의해 자동 검색을 위해 사용된다.

일 실시예에서, 자동 에이전트는 당면한 고객(또는 연락 센터에 접촉한 고객) 각각에 대한 고객 프로파일을 구축하고, 중앙 데이터베이스에 상기 프로파일을 저장한다. 프로파일은 자동 에이전트 또는 연락 센터와의 상호 작용을 포함하여 동일한 고객에 의해 수행되는 각각의 미래의 상호 작용을 업데이트할 수 있다. 일 실시예에서, 프로파일은 고객의 개인 식별 정보를 포함할 수 있다(예컨대, 주민등록번호, 고객의 계좌 번호 등). 뿐만 아니라. 고객 선호도 정보, 고객의 감정, 기분에 관한 정보(예컨대, 시간에 대해 구축된 고객의 성격에 대한 스냅 사진, 예를 들면, 고객이 자주 우울한 기분을 느끼거나 월요일에 우울해 지는 것), 행동 및 거래 내역에 대한 정보를 포함한다. 일 실시예에서, 프로파일은 사용자에 의해 또는 사용자를 위해 시작되었지만 완료되지 못한 거래 목록을 포함할 수 있다.

따라서, 프로파일은 시간이 지나도 변화될 가능성이 없는 정적인 부분(예를 들면, 특징, 이벤트, 특성) 및 시간이 지남에 따라 변경될 수 있거나 변경될 것이 확실한 동적인 부분(예를 들면, 계류 중인 거래, 현재 기분)을 포함할 수 있다. 일 실시예에서, 프로파일은 정적인 부분을 포함하며, 고객 상태(또는 상황)는 동적인 부분을 포함한다.

일 실시예에서, 예를 들면, 고객이 자동 에이전트와 상호 작용하는 것을 선호하거나, 라이브 에이전트를 현재 사용할 수 없는 경우, 또는 서비스 수준 계약서(SLA, service level agreement), 예산 또는 다른 자원 고려 사항으로 인해 자동 에이전트가 라이브 에이전트를 통해 특정 상호 작용을 처리해야 한다는 지시가 있는 경우, 자동 에이전트는 라이브 에이전트를 보충할 수 있다. 일 실시예에서, 자동 에이전트는 통상적으로 연락 센터의 라이브 에이전트가 수행하는 대부분의 작업을 수행한다. 일 실시예에서, 자동 에이전트는, 자동 에이전트의 고객 서비스를 모니터링하고 필요에 따라 개입도 가능한 연락 센터 감독자의 감독(예를 들어, 제어)을 받는다. 일 실시예에서, 자동 에이전트는 연락 센터 라이브 에이전트에 대한 감독관으로 작용할 수 있다.

일 실시예에서, 자동 에이전트는 고객과 상호 작용하는 오디오 및 비디오 아바타로 표시될 수 있다(예컨대, 웹 인터페이스를 통해 연락 센터에 접속될 때 컴퓨터 디스플레이 상에 표시됨). 일 실시예에서, 자동 에이전트는, 자동 에이전트 또는 연락 센터에 대한 고객의 상호 작용 선호도 또는 이력에 기초한 미디어 형태, 시간 및 언어를 사용하여, 고객과 일반 전화기, 스마트폰, 웹, 채팅 또는 전자 메일 등을 통해 상호 작용할 수 있다. 일 실시예에서, 자동 에이전트는 이러한 소프트 기술(예컨대, 다른 사람들과의 관계를 특징짓는 성격 특성, 사회적 품위, 통신, 언어, 개인 습관, 친밀도 및 낙관)에 대한 고객의 선호도를 추적하고, 이러한 소프트 기술을 가진 라이브 에이전트를 특정 고객에 매칭시켜 줄 수 있다.

일 실시예에서, 자동 에이전트는 라이브 에이전트와 같은 인간의 역할을 한다. 예를 들어, 자동 에이전트는 기업이 소유하는 컴퓨터에서 실행되는 일련의 소프트웨어 루틴일 수 있다. 이와 같이, 자동 에이전트는 기업을 위해 작동할 수 있다. 다른 실시예에서, 자동 에이전트는 전용 컴퓨팅 리소스(클라우드 컴퓨팅과 같은)에서 실행되고, 자동 에이전트는 동일한 컴퓨팅 리소스를 공유하는 많은 기업에 대해 작동한다.

일 실시예에서, 자동 에이전트 고객의 관심을 유도하고, 고객의 흥미를 유지하기 위해 게임화 기법을 사용한다. 예를 들면, 자동 에이전트는 연락 센터와 고객의 상호 목표를 달성할 수 있도록 고객을 돕기 위하여 보상, 점진적 진보(예를 들어, 작은 단계), 경쟁 그리고 다른 심리적 장치를 사용하여 고객이 긍정적 태도 또는 기분을 갖도록 할 수 있다.

일 실시예에서, 자동 에이전트는 고객 소셜 커뮤니티를 생성할 수 있다. 사회화를 원하며, 비슷한 상황에 있는 사람들과 정보를 공유하고자 하는 고객의 자연스런 성향을 활용하여, 자동 에이전트는 유사한 문제 또는 관심을 갖는 고객들을 소셜 커뮤니티로 조직할 수 있다(예를 들어, 상호 작용과 의사 소통을 위한 포럼). 자동 에이전트는, 예를 들어, 고객들, 후원 기업 및 자동 에이전트 등에 이익이 되는 활동을 육성하기 위해 커뮤니티에서의 활동에 대해 보상을 할 수 있다. 예를 들어, 자동 에이전트는 유사하지만 다소 다른 관심을 공유하고 있는 고객들을 대상으로 소형 고객 소셜 커뮤니티를 생성할 수 있다. 다른 예로서, 자동 에이전트는 매우 유사한 관심 또는 상황을 공유하거나 경험하고 있지만 스스로 간단하고 단순한 해법을 찾지 못하는 고객들을 대상으로 대형 고객 소셜 커뮤니티를 생성할 수 있다.

일 실시예에서, 자동 에이전트는 다양한 역할을 수행하는데, 예를 들면, 고객과의 상호 작용, 고객, 기업 및 그 라이브 에이전트 사이의 중개(예컨대, 고객과 연락 센터의 백 오피스 사이의 연결 고리로서 작용), 그리고 라이브 에이전트에 대한 감독 역할을 한다. 예를 들어, 연락 센터와 고객 사이의 모든 상호 작용에 대한 광범위한 고객 프로파일 정보를 유지하고, 백 오피스에 모든 고객 프로필 정보를 전달하여, 자동 에이전트는 라이브 에이전트에 할당된 전통적인 백 오피스 작업을 보조 또는 수행할 수 있다. 예시적인 실시예에서, 자동 에이전트는, 라이브 에이전트에 대한 고객의 과거 경험, 고객의 분위기(일부 라이브 에이전트는 특수한 분위기 처리에 더욱 특화되어 있다), 고객의 선호도 등과 같은 다양한 기준에 기초하여, 라이브 에이전트를 고객에게 할당할 수 있다.

일 실시예에서, 지능형 자동 에이전트는 연락 센터에서 사용하기에 적합한 특성 또는 기능을 갖도록 구성될 수 있다. 이러한 특성이나 기능은 연역-추론-문제 해결, 지식 표현 및 상식, 계획, 학습, 자연 언어 처리, 인식, 창의성, 그리고 연락 센터에서 사용하기에 적합한 일반적인 지식을 포함한다.

본 발명의 일 실시예에 따르면, 연락 센터용 시스템이 제공된다. 상기 시스템은 프로세서; 프로세서상에서 실행되도록 구성되며, 고객에게 세트 스크립트를 제시하고 고객으로부터 대응하는 응답을 수신하여, 고객이 연락 센터로 전송하는 상호 작용에 관여하는 대화식 음성 응답(IVR) 노드; 프로세서상에서 실행되도록 구성되며, 상기 IVR 노드와 통신하고, 인공 지능 엔진을 포함하는 지능형 자동 에이전트; 프로세서상에서 실행되도록 구성되며, 상기 자동 에이전트와 통신하고, 상기 상호 작용 및 응답을 라이브 에이전트 풀(pool) 중의 하나 또는 상기 라이브 에이전트에 라우팅하는 콜 서버 노드; 수신되는 상호 작용을 상기 IVR 노드, 자동 에이전트 및 콜 서버 노드로 라우팅하는 스위치; 및 프로세서에 결합되고, 고객과 연락 센터 사이의 과거 상호 작용들에 기반하여 구축된 고객 프로파일 데이터를 저장하는 비일시적 저장 장치를 포함한다. 상기 IVR 노드는 상기 콜 서버에 상호 작용 및 응답을 라우팅하도록 구성된다. 상기 자동 에이전트는 상기 상호 작용 중에 상기 고객 프로파일 데이터로부터 고객 프로파일을 검색하고, 검색된 프로파일을 상기 상호 작용을 반영하여 상기 저장 장치에 업데이트하도록 구성된다. 상기 인공 지능 엔진은 상호 작용을 통해 지식을 학습하고, 고객과 연락 센터 사이의 미래 상호 작용에 학습된 지식을 적용하도록 구성된다.

상기 콜 서버 노드는 고객의 요청이 있는 경우 상기 상호 작용 및 응답을 상기 자동 에이전트에 라우팅하도록 구성될 수 있다.

상기 라이브 에이전트 중 어느 것도 사용 가능하지 않을 때, 상기 콜 서버 노드는 상기 상호 작용 및 응답을 상기 자동 에이전트에 라우팅하도록 구성될 수 있다.

상기 IVR 노드는 상기 고객 프로파일에 대응하는 상기 고객의 식별 정보를 획득하도록 구성될 수 있다.

상기 프로세서는 복수의 프로세서를 포함할 수 있다. 상기 IVR 노드, 콜 서버 노드, 및 자동 에이전트는 서로 다른 프로세서들일 수 있다.

상기 시스템은 상기 상호 작용이 라우팅되는 라이브 에이전트 풀에서 적절한 라이브 에이전트를 식별하도록 프로세서 상에서 실행되는 라우팅 서버 노드를 더 포함할 수 있다. 상기 콜 서버 노드는 상기 상호 작용 및 응답을 상기 라우팅 서버에 의해 식별된 적절한 라이브 에이전트에 라우팅하도록 구성될 수 있다.

상기 프로세서는 복수의 프로세서를 포함할 수 있다. 상기 콜 서버 노드 및 라우팅 서버 노드는 서로 다른 프로세서들일 수 있다.

상기 시스템은 상기 라이브 에이전트의 가용성 정보를 유지하기 위해 프로세서상에서 실행되도록 구성된 통계 서버 노드를 더 포함할 수 있다. 상기 통계 서버 노드에 의해 유지되는 라이브 에이전트의 가용성 정보에서 가용 가능한 라이브 에이전트가 존재하지 않을 때, 상기 콜 서버 노드는 상기 상호 작용을 상기 자동 에이전트로 라우팅하도록 구성될 수 있다.

상기 프로세서는 복수의 프로세서를 포함할 수 있다. 상기 콜 서버 노드 및 통계 서버 노드는 서로 다른 프로세서들일 수 있다.

상기 인공 지능 엔진은, 상기 고객과 연락 센터 사이의 상호 작용이 완료된 후 그리고 미래 상호 작용이 이루어지기 전에 상기 고객 프로파일을 분석하고, 고객과 연락 센터 사이의 미래 상호 작용 전에 저장 장치에 고객 프로파일 분석 결과를 저장하는 과정을 통해 상호 작용에 대한 지식을 학습하도록 구성될 수 있다.

상기 분석 결과는 고객과 연락 센터 사이의 미래 상호 작용 중에 자동 에이전트가 수행한 액션들을 포함한다. 상기 자동 에이전트는 상기 고객과 연락 센터 사이의 미래 상호 작용 중에 상기 액션들을 수행하도록 구성될 수 있다.

본 발명의 다른 실시예에 따르면, 비일시적 저장 장치에 결합된 프로세서에서 실행되는 연락 센터용 자동화 방법이 제공된다. 상기 방법은 프로세서상에서 실행되도록 구성되는 대화식 음성 응답(IVR) 노드를 고객이 연락 센터로 전송하는 상호 작용에 관여하도록 하고, 고객에게 세트 스크립트를 제시하며, 고객으로부터 대응하는 응답을 수신하는 단계; 인공 지능 엔진을 포함하며, 상기 IVR 노드와 통신하고, 고객과 연락 센터 사이의 과거 상호 작용들로부터 구축된 고객 프로파일 데이터를 저장 장치에 저장하도록 구성된 지능형 자동 에이전트를 프로세서상에서 실행시키는 단계; 상기 자동 에이전트와 통신하고, 상기 상호 작용 및 응답을 라이브 에이전트 풀(pool) 중의 하나 또는 상기 라이브 에이전트에 라우팅하는 콜 서버 노드를 프로세서 상에서 실행시키는 단계; 상기 상호 작용 및 응답들을 상기 IVR 노드로부터 상기 콜 서버 노드로 라우팅하는 단계; 상기 자동 에이전트를 이용하여 상기 상호 작용 중에 상기 고객 프로파일 데이터로부터 고객 프로파일을 검색하는 단계; 상기 자동 에이전트를 이용하여 검색된 프로파일을 상기 상호 작용에 반영되도록 상기 저장 장치에 업데이트하는 단계; 상기 인공 지능 엔진이 상기 상호 작용을 통해 지식을 학습하도록 하는 단계; 및 상기 자동 에이전트를 이용하여 상기 고객과 연락 센터 사이의 미래 상호 작용에 학습된 지식을 적용시키는 단계를 포함한다.

상기 방법은 고객의 요청이 있는 경우 상기 상호 작용 및 응답을 상기 콜 서버 노드로부터 상기 자동 에이전트로 라우팅하는 단계를 더 포함할 수 있다.

상기 방법은 상기 라이브 에이전트 중 어느 것도 사용 가능하지 않을 때, 상기 상호 작용 및 응답을 상기 콜 서버 노드로부터 상기 자동 에이전트로 라우팅하는 단계를 더 포함할 수 있다.

상기 방법은 IVR 노드를 이용하여 고객의 신원을 확보하는 단계를 더 포함할 수 있다. 상기 신원은 고객 프로파일에 대응할 수 있다.

상기 상호 작용은 제1 상호 작용 및 제2 상호 작용을 포함할 수 있다. 상기 응답은 대응되는 제1 응답 및 제2 응답을 포함할 수 있다. 상기 방법은: 상기 제 1 상호 작용 및 제1 응답을 상기 콜 노드로부터 상기 자동 에이전트로 라우팅하는 단계; 상기 제2 상호 작용이 라우팅되는 라이브 에이전트 풀에서 적절한 라이브 에이전트를 식별하도록 구성된 라우팅 서버 노드를 프로세서 상에서 실행키는 단계; 및 상기 제2 상호 작용 및 제2 응답을 상기 콜 서버 노드로부터 상기 라우팅 서버에 의해 식별된 적절한 라이브 에이전트로 라우팅시키는 단계를 더 포함할 수 있다.

상기 방법은 상기 라이브 에이전트의 가용성 정보를 유지하도록 구성된 통계 서버 노드를 프로세서상에서 실행시키는 단계; 및 상기 통계 서버 노드에 의해 유지되는 라이브 에이전트의 가용성 정보에서 가용 가능한 라이브 에이전트가 존재하지 않을 때, 상기 상호 작용을 상기 콜 서버 노드로부터 상기 자동 에이전트로 라우팅하는 단계를 더 포함할 수 있다.

상기 인공 지능 엔진에 의한 상호 작용에 대한 지식 학습은: 상기 인공 지능 엔진을 이용하여, 상기 고객과 연락 센터 사이의 상호 작용이 완료된 후 그리고 미래 상호 작용이 이루어지기 전에, 상기 고객 프로파일을 분석하는 단계; 및 고객과 연락 센터 사이의 미래 상호 작용 전에 저장 장치에 고객 프로파일 분석 결과를 저장하는 단계를 포함할 수 있다.

상기 분석 결과는 고객과 연락 센터 사이의 미래 상호 작용 중에 자동 에이전트가 수행한 액션들을 포함할 수 있다. 상기 방법은 상기 자동 에이전트를 이용하여 상기 고객과 연락 센터 사이의 미래 상호 작용 중에 상기 액션들을 수행하는 단계를 더 포함할 수 있다.

상기 방법은 상기 인공 지능 엔진을 이용하여, 상기 분석 및 분석 결과 저장 후에 고객 프로파일을 재분석하는 단계로서, 상기 고객 프로파일에 대한 재분석은 상기 인공 지능 엔진을 업데이트 한 후 그리고 고객과 연락 센터 사이의 미래 상호 작용 이전에 발생하는 단계; 및 상기 고객과 연락 센터 사이의 미래 상호 작용 이전에 분석 결과를 업데이트하여 재분석 결과를 고객 프로파일에 반영하는 단계를 더 포함할 수 있다.

본 발명의 상기 및 다른 실시예에 따르면, 연락 센터용 지능형 자동 에이전트는 라이브 에이전트 또는 IVR을 갖는 라이브 에이전트의 한계를 극복하고 라이브 에이전트의 역할을 수행함으로써 향상된 고객 서비스를 제공한다. 개인 정보를 유지함으로써, 본 발명의 실시예는, 자동 에이전트 및 연락 센터와 고객과의 상호 작용을 통해 고객에 대해 학습하는 자동 에이전트를 제공하며, 상이한 미디어 채널들을 통해 인간과 유사하게(예를 들어, 인성, 선호도, 기분 등을 소유) 상호 작용하여 단일 라이브 에이전트 또는 IVR을 갖는 라이브 에이전트에 비해 더욱더 인격적인 서비스를 제공하는 자동 에이전트를 제공한다. 또한, 특정 고객에 대해 광범위한 기록(예를 들면, 프로파일)을 유지함으로써, 본 발명의 실시예는, 라이브 에이전트 또는 IVR을 갖는 라이브 에이전트의 풀에서 수행되었던 것보다 더욱 향상된 방식으로 고객과 연락 센터 사이에 이루어진 고객의 과거 상호 작용을 일관성 있게 재수집할 수 있다.

본 발명의 실시예들은 고객 연락 센터용 지능형 자동 에이전트에 관한 것이다. 일 실시예에서, 자동 에이전트는 서버 컴퓨터에서 실행되는 응용 프로그램이다. 자동 에이전트는, 예를 들어, 인공 지능에 의해 학습하여, 라이브 에이전트가 갖는 한계가 없이 라이브 에이전트의 역할을 수행할 수 있다. 일 실시예에서, 자동 에이전트는 실시간으로 고객에게 고객과 같은 언어를 사용하여(말하기 또는 작문) 응답한다. 예를 들어, 자동 에이전트는 현재 시간에서의 상호 작용을 통해 학습하고 장래의 상호 작용에 대해 보다 적절하게 응답하는 기술을 사용하도록 구성된 인공 지능 엔진을 가질 수 있다.

일 실시예에서, 자동 에이전트는 연락 센터의 고객에 의해 사용되는(예를 들어 음성, 전자 우편, 채팅, 웹, 휴대 전화, 스마트폰 등)의 모든 채널을 통해 통신한다. 일 실시예에서, 자동 에이전트는 기업에 접촉하는 특정 고객을 위한 일관된 진입점으로서 기능한다. 일 실시예에서, 자동 에이전트는 특정 고객(또는 연락 센터와 접촉한 고객)과의 과거 상호 작용을 기억하고, 과거 상호 작용을 반영하여 동일 고객에 대해 미래 상호 작용에 관한 응답을 수정한다.

예를 들어, 자동 에이전트는 고객의 음성을 인식하기 위해 학습할 수 있다. 이에 따라, 다른 사람들이 고객인 척 전화를 할 때 사기 행위가 발생하는 것을 감소 시키거나 방지할 수 있으며, 음성 컨텐츠 인식률을 향상시킬 수 있다. 일 실시예에서, 각각의 상호 작용 중에 특정 고객에 대해 수집된 정보는 자동으로 중앙 데이터베이스에 저장되어, 나중에 동일 고객과 상호 작용을 할 때 자동 에이전트에 의해 자동 검색을 위해 사용된다.

일 실시예에서, 자동 에이전트는 당면한 고객(또는 연락 센터에 접촉한 고객) 각각에 대한 고객 프로파일을 구축하고, 중앙 데이터베이스에 상기 프로파일을 저장한다. 프로파일은 자동 에이전트 또는 연락 센터와의 상호 작용을 포함하여 동일한 고객에 의해 수행되는 각각의 미래의 상호 작용을 업데이트할 수 있다. 일 실시예에서, 프로파일은 고객의 개인 식별 정보를 포함할 수 있다(예컨대, 주민등록번호, 고객의 계좌 번호 등). 뿐만 아니라. 고객 선호도 정보, 고객의 감정, 기분에 관한 정보(예컨대, 시간에 대해 구축된 고객의 성격에 대한 스냅 사진, 예를 들면, 고객이 자주 우울한 기분을 느끼거나 월요일에 우울해 지는 것), 행동 및 거래 내역에 대한 정보를 포함한다. 일 실시예에서, 프로파일은 사용자에 의해 또는 사용자를 위해 시작되었지만 완료되지 못한 거래 목록을 포함할 수 있다.

따라서, 프로파일은 시간이 지나도 변화될 가능성이 없는 정적인 부분(예를 들면, 특징, 이벤트, 특성) 및 시간이 지남에 따라 변경될 수 있거나 변경될 것이 확실한 동적인 부분(예를 들면, 계류 중인 거래, 현재 기분)을 포함할 수 있다. 일 실시예에서, 프로파일은 정적인 부분을 포함하며, 고객 상태(또는 상황)는 동적인 부분을 포함한다.

일 실시예에서, 예를 들면, 고객이 자동 에이전트와 상호 작용하는 것을 선호하거나, 라이브 에이전트를 현재 사용할 수 없는 경우, 또는 서비스 수준 계약서(SLA, service level agreement), 예산 또는 다른 자원 고려 사항으로 인해 자동 에이전트가 라이브 에이전트를 통해 특정 상호 작용을 처리해야 한다는 지시가 있는 경우, 자동 에이전트는 라이브 에이전트를 보충할 수 있다. 일 실시예에서, 자동 에이전트는 통상적으로 연락 센터의 라이브 에이전트가 수행하는 대부분의 작업을 수행한다. 일 실시예에서, 자동 에이전트는, 자동 에이전트의 고객 서비스를 모니터링하고 필요에 따라 개입도 가능한 연락 센터 감독자의 감독(예를 들어, 제어)을 받는다. 일 실시예에서, 자동 에이전트는 연락 센터 라이브 에이전트에 대한 감독관으로 작용할 수 있다.

일 실시예에서, 자동 에이전트는 고객과 상호 작용하는 오디오 및 비디오 아바타로 표시될 수 있다(예컨대, 웹 인터페이스를 통해 연락 센터에 접속될 때 컴퓨터 디스플레이 상에 표시됨). 일 실시예에서, 자동 에이전트는, 자동 에이전트 또는 연락 센터에 대한 고객의 상호 작용 선호도 또는 이력에 기초한 미디어 형태, 시간 및 언어를 사용하여, 고객과 일반 전화기, 스마트 폰, 웹, 채팅 또는 전자 메일 등을 통해 상호 작용할 수 있다. 일 실시예에서, 자동 에이전트는 이러한 소프트 기술(예컨대, 다른 사람들과의 관계를 특징 짓는 성격 특성, 사회적 품위, 통신, 언어, 개인 습관, 친밀도 및 낙관)에 대한 고객의 선호도를 추적하고, 이러한 소프트 기술을 가진 라이브 에이전트를 특정 고객에 매칭시켜 줄 수 있다.

일 실시예에서, 자동 에이전트는 라이브 에이전트와 같은 인간의 역할을 한다. 예를 들어, 자동 에이전트는 기업이 소유하는 컴퓨터에서 실행되는 일련의 소프트웨어 루틴일 수 있다. 이와 같이, 자동 에이전트는 기업을 위해 작동할 수 있다. 다른 실시예에서, 자동 에이전트는 전용 컴퓨팅 리소스(클라우드 컴퓨팅과 같은)에서 실행되고, 자동 에이전트는 동일한 컴퓨팅 리소스를 공유하는 많은 기업에 대해 작동한다.

일 실시예에서, 자동 에이전트 고객의 관심을 유도하고, 고객의 흥미를 유지하기 위해 게임화 기법을 사용한다. 예를 들면, 자동 에이전트는 연락 센터와 고객의 상호 목표를 달성할 수 있도록 고객을 돕기 위하여 보상, 점진적 진보(예를 들어, 작은 단계), 경쟁 그리고 다른 심리적 장치를 사용하여 고객이 긍정적 태도 또는 기분을 갖도록 할 수 있다.

일 실시예에서, 자동 에이전트는 고객 소셜 커뮤니티를 생성할 수 있다. 사회화를 원하며, 비슷한 상황에 있는 사람들과 정보를 공유하고자 하는 고객의 자연스런 성향을 활용하여, 자동 에이전트는 유사한 문제 또는 관심을 갖는 고객들을 소셜 커뮤니티로 조직할 수 있다(예를 들어, 상호 작용과 의사 소통을 위한 포럼). 자동 에이전트는, 예를 들어, 고객들, 후원 기업 및 자동 에이전트 등에 이익이 되는 활동을 육성하기 위해 커뮤니티에서의 활동에 대해 보상을 할 수 있다. 예를 들어, 자동 에이전트는 유사하지만 다소 다른 관심을 공유하고 있는 고객들을 대상으로 소형 고객 소셜 커뮤니티를 생성할 수 있다. 다른 예로서, 자동 에이전트는 매우 유사한 관심 또는 상황을 공유하거나 경험하고 있지만 스스로 간단하고 단순한 해법을 찾지 못하는 고객들을 대상으로 대형 고객 소셜 커뮤니티를 생성할 수 있다.

일 실시예에서, 자동 에이전트는 다양한 역할을 수행하는데, 예를 들면, 고객과의 상호 작용, 고객, 기업 및 그 라이브 에이전트 사이의 중개(예컨대, 고객과 연락 센터의 백 오피스 사이의 연결 고리로서 작용), 그리고 라이브 에이전트에 대한 감독 역할을 한다. 예를 들어, 연락 센터와 고객 사이의 모든 상호 작용에 대한 광범위한 고객 프로파일 정보를 유지하고, 백 오피스에 모든 고객 프로필 정보를 전달하여, 자동 에이전트는 라이브 에이전트에 할당된 전통적인 백 오피스 작업을 보조 또는 수행할 수 있다. 예시적인 실시예에서, 자동 에이전트는, 라이브 에이전트에 대한 고객의 과거 경험, 고객의 분위기(일부 라이브 에이전트는 특수한 분위기 처리에 더욱 특화되어 있다), 고객의 선호도 등과 같은 다양한 기준에 기초하여, 라이브 에이전트를 고객에게 할당할 수 있다.

일 실시예에서, 지능형 자동 에이전트는 연락 센터에서 사용하기에 적합한 특성 또는 기능을 갖도록 구성될 수 있다. 이러한 특성이나 기능은 연역-추론-문제 해결, 지식 표현 및 상식, 계획, 학습, 자연 언어 처리, 인식, 창의성, 그리고 연락 센터에서 사용하기에 적합한 일반적인 지식을 포함한다.

본 발명의 예시적인 실시예에 따르면, 연락 센터용 지능형 자동 에이전트의 고객 포털이 제공된다. 상기 고객 포털은 비 일시적 저장 장치와 연결된 프로세서상에서 실행되도록 구성된다. 상기 고객 포털은 저장 장치에 저장된 고객 프로파일 데이터베이스의 고객 프로파일을 액세스하도록 구성된 고객 프로파일 모듈; 및 고객과 연락 센터 사이의 상호 작용 중에 고객의 감정과 감성을 검출하도록 구성된 고객 감정 기분 검출 모듈을 포함한다. 상기 지능형 자동 에이전트는 상기 프로세서 상에서 실행되고; 상기 고객과 연락 센터 사이의 상호 작용에서 일부분을 담당하고; 액세스된 고객 프로파일 및 검출된 고객의 감정 및 기분을 감안하여 상호 작용 과정에서 자신의 동작을 조정하며; 그리고 상기 상호 작용을 반영하여 저장 장치에 액세스 프로파일을 업데이트한다.

상기 고객 감정 기분 검출 모듈은 상호 작용하는 동안 상기 고객의 기록 통신, 음성 통신 및/또는 화상 통신을 분석하여 고객의 감정과 기분을 검출하도록 구성될 수 있다.

상기 고객 감정 기분 검출 모듈은 상기 고객의 기록 통신, 음성 통신 및/또는 화상 통신을 상기 고객과 연락 센터 간의 과거 상호 작용 과정에서 발생한 과거 고객의 기록 통신, 음성 통신 및/또는 화상 통신과 비교하여 상기 고객의 기록 통신, 음성 통신 및/또는 화상 통신을 분석하도록 구성될 수 있다.

상기 고객 감정 기분 검출 모듈은 상기 고객의 기록 통신, 음성 통신 및/또는 화상 통신을 고객 프로파일 데이터베이스에서 고객 프로파일 특성을 공유하는 다른 고객의 기록 통신, 음성 통신 및/또는 화상 통신과 비교하여 상기 고객의 기록 통신, 음성 통신 및/또는 화상 통신을 분석하도록 구성될 수 있다.

상기 고객 포털은 화상 아바타를 통해 고객과 상호 작용하도록 구성되는 아바타 모듈을 더 포함할 수 있다.

상기 고객 포털은 상기 고객과 연락 센터 사이의 상호 작용에 대한 진입점의 역할을 하도록 구성된 개별 대화식 음성 응답(IVR) 모듈을 더 포함하여, 고객 프로파일에 대응하는 고객의 신원을 획득하고; 그리고 프로파일에 기초하여 고객 맞춤형 스크립트를 제시하고, 고객으로부터 대응하는 응답을 수신할 수 있다.

상기 고객 포털은 상기 고객과 연락 센터 사이의 상호 작용에 게임 개념을 적용하도록 구성된 게임화 모듈을 더 포함할 수 있다.

상기 고객 포털은 저장 장치에 저장된 지식 데이터베이스에 액세스하도록 구성된 지식 전달 인터페이스 모듈을 더 포함할 수 있다. 상기 게임화 모듈은 상기 지식 전달 인터페이스 모듈과 협력하여 게임 개념을 상기 고객과 연락 센터 사이의 상호 작용에 적용함으로써, 고객이 상기 지식 데이터베이스에서 지식을 검색하거나, 상기 지식 데이터베이스에 지식을 저장할 수 있도록 지원할 수 있다.

상기 고객 포털은 저장 장치에 저장된 지식 데이터베이스에 액세스하도록 구성된 지식 전달 인터페이스 모듈을 더 포함할 수 있다.

상기 고객 포털은 연락 센터의 선택된 고객들을 대상으로 연락 센터의 프로토콜에 대한 승인 테스트를 수행하도록 구성된 승인 테스트 모듈을 더 포함할 수 있다.

상기 프로토콜은 대화식 음성 응답(IVR) 스크립트, 라이브 에이전트 스크립트 및/또는 에이전트 라우팅 규칙들을 포함할 수 있다.

상기 고객 포털은 상기 고객 프로파일 데이터베이스로부터 선택된 고객 프로파일에 기초하여 대응하는 고객을 선택하는 고객 선택 모듈을 더 포함할 수 있다.

상기 지능형 자동 에이전트는: 상기 고객과 연락 센터 사이의 상호 작용이 완료된 후 그리고 미래 상호 작용이 수행되기 전에 액세스 프로파일을 분석하고; 상기 고객과 연락 센터 사이의 미래 상호 작용이 이루어지기 전에 분석의 결과를 반영하기 위해 저장 장치에 액세스 프로파일을 업데이트할 수 있다.

본 발명의 다른 실시예에 따르면, 연락 센터용 지능형 자동 에이전트를 통해 고객과 인터페이싱 하는 방법이 제공된다. 상기 방법은 비 일시적 저장 장치에 결합된 프로세서 상에서 지능형 자동 에이전트를 실행시키는 단계; 상기 저장 장치에 저장된 고객 프로파일 데이터베이스의 고객 프로파일을 액세스하는 단계; 고객 및 연락 센터 사이의 상호 작용 중에 자동 에이전트를 통해 고객의 감정과 기분을 검출하는 단계; 고객에 대한 액세스 프로파일 및 상호 작용하는 동안 검출된 고객의 감정과 기분을 고려하여 상호 작용 중에 자동 에이전트의 동작을 조정하는 단계; 및 상호 작용을 반영할 수 있도록 저장 장치에 액세스 프로파일을 업데이트하는 단계를 포함한다.

상기 상호 작용 중에 고객의 감정과 기분을 검출하는 단계는 상기 상호 작용 중에 고객의 기록 통신, 음성 통신 및/또는 화상 통신을 분석하는 단계를 포함할 수 있다.

상기 방법은 고객 프로파일에 대응하는 고객의 신원을 상호 작용의 진입점에서 획득하는 단계; 및 프로파일에 기초하여 고객 맞춤형 스크립트를 제시하고, 고객으로부터 대응하는 응답을 수신하는 단계를 더 포함할 수 있다.

상기 방법은 상기 고객과 연락 센터 사이의 상호 작용이 완료된 후 그리고 미래 상호 작용이 수행되기 전에 액세스 프로파일을 분석하는 단계; 및 저장 장치에 액세스 프로파일을 업데이트하여 고객과 연락 센터 사이의 미래 상호 작용 전에 분석 결과를 반영시키는 단계를 더 포함할 수 있다.

본 발명의 또 다른 실시예에 따르면, 연락 센터용 지능형 자동 에이전트의 고객 포털이 제공된다. 상기 상기 지능형 자동 에이전트는 프로세서, 고객 프로파일 데이터를 저장하는 비 일시적 저장 장치 및 메모리를 포함한다. 상기 메모리는 명령들을 저장하고, 상기 프로세서에 의해 상기 명령들이 실행될 때, 상기 프로세서는: 저장 장치에 저장된 고객 프로파일 데이터베이스의 고객 프로파일에 액세스하고; 고객 및 연락 센터 사이의 상호 작용 중에 고객 포털을 통해 고객의 감정과 고객의 기분을 감지하며; 고객에 대한 액세스 프로파일 및 상호 작용하는 동안 검출된 고객의 감정과 기분을 고려하여 상호 작용 중에 자동 에이전트의 동작을 조정하고; 그리고 상호 작용을 반영하기 위해 저장 장치에 액세스 프로파일을 업데이트한다.

상기 프로세서에 의해 상기 명령들이 실행될 때, 상기 프로세서는: 고객 프로파일에 대응하는 고객의 신원을 상호 작용의 진입점에서 획득하고; 그리고 프로파일에 기초하여 고객 맞춤형 스크립트를 제시하고, 고객으로부터 대응하는 응답을 수신할 수 있다.

상기 프로세서에 의해 상기 명령들이 실행될 때, 상기 프로세서는: 고객과 연락 센터 사이의 상호 작용이 완료된 후 그리고 미래 상호 작용이 이루어 지기 전에 액세스 프로파일을 분석하고; 고객과 연락 센터 사이의 미래 상호 작용 전에 분석 결과를 반영하기 위해 저장 장치에 액세스 프로파일을 업데이트할 수 있다.

본 발명의 상기 및 다른 실시예에 따르면, 연락 센터용 지능형 자동 에이전트는 라이브 에이전트 또는 IVR을 갖는 라이브 에이전트의 한계를 극복하고 라이브 에이전트의 역할을 수행함으로써 향상된 고객 서비스를 제공한다. 개인 정보를 유지함으로써, 본 발명의 실시예는, 자동 에이전트 및 연락 센터와 고객과의 상호 작용을 통해 고객에 대해 학습하는 자동 에이전트를 제공하며, 상이한 미디어 채널들을 통해 인간과 유사하게(예를 들어, 인성, 선호도, 기분 등을 소유) 상호 작용하여 단일 라이브 에이전트 또는 IVR을 갖는 라이브 에이전트에 비해 더욱더 인격적인 서비스를 제공하는 자동 에이전트를 제공한다. 또한, 특정 고객에 대해 광범위한 기록(예를 들면, 프로파일)을 유지함으로써, 본 발명의 실시예는, 라이브 에이전트 또는 IVR을 갖는 라이브 에이전트의 풀에서 수행되었던 것보다 더욱 향상된 방식으로 고객과 연락 센터 사이에 이루어진 고객의 과거 상호 작용을 일관성 있게 재수집할 수 있다.

본 발명의 실시예들은 고객 연락 센터용 지능형 자동 에이전트에 관한 것이다. 일 실시예에서, 자동 에이전트는 서버 컴퓨터에서 실행되는 응용 프로그램이다. 자동 에이전트는, 예를 들어, 인공 지능에 의해 학습하여, 라이브 에이전트가 갖는 한계가 없이 라이브 에이전트의 역할을 수행할 수 있다. 일 실시예에서, 자동 에이전트는 실시간으로 고객에게 고객과 같은 언어를 사용하여(말하기 또는 작문) 응답한다. 예를 들어, 자동 에이전트는 현재 시간에서의 상호 작용을 통해 학습하고 장래의 상호 작용에 대해 보다 적절하게 응답하는 기술을 사용하도록 구성된 인공 지능 엔진을 가질 수 있다.

일 실시예에서, 자동 에이전트는 연락 센터의 고객에 의해 사용되는(예를 들어 음성, 전자 우편, 채팅, 웹, 휴대 전화, 스마트 폰 등)의 모든 채널을 통해 통신한다. 일 실시예에서, 자동 에이전트는 기업에 접촉하는 특정 고객을 위한 일관된 진입점으로서 기능한다. 일 실시예에서, 자동 에이전트는 특정 고객(또는 연락 센터와 접촉한 고객)과의 과거 상호 작용을 기억하고, 과거 상호 작용을 반영하여 동일 고객에 대해 미래 상호 작용에 관한 응답을 수정한다.

예를 들어, 자동 에이전트는 고객의 음성을 인식하기 위해 학습할 수 있다. 이에 따라, 다른 사람들이 고객인 척 전화를 할 때 사기 행위가 발생하는 것을 감소 시키거나 방지할 수 있으며, 음성 컨텐츠 인식률을 향상시킬 수 있다. 일 실시예에서, 각각의 상호 작용 중에 특정 고객에 대해 수집된 정보는 자동으로 중앙 데이터베이스에 저장되어, 나중에 동일 고객과 상호 작용을 할 때 자동 에이전트에 의해 자동 검색을 위해 사용된다.

일 실시예에서, 자동 에이전트는 당면한 고객(또는 연락 센터에 접촉한 고객) 각각에 대한 고객 프로파일을 구축하고, 중앙 데이터베이스에 상기 프로파일을 저장한다. 프로파일은 자동 에이전트 또는 연락 센터와의 상호 작용을 포함하여 동일한 고객에 의해 수행되는 각각의 미래의 상호 작용을 업데이트할 수 있다. 일 실시예에서, 프로파일은 고객의 개인 식별 정보를 포함할 수 있다(예컨대, 주민등록번호, 고객의 계좌 번호 등). 뿐만 아니라. 고객 선호도 정보, 고객의 감정, 기분에 관한 정보(예컨대, 시간에 대해 구축된 고객의 성격에 대한 스냅 사진, 예를 들면, 고객이 자주 우울한 기분을 느끼거나 월요일에 우울해 지는 것), 행동 및 거래 내역에 대한 정보를 포함한다. 일 실시예에서, 프로파일은 사용자에 의해 또는 사용자를 위해 시작되었지만 완료되지 못한 거래 목록을 포함할 수 있다.

따라서, 프로파일은 시간이 지나도 변화될 가능성이 없는 정적인 부분(예를 들면, 특징, 이벤트, 특성) 및 시간이 지남에 따라 변경될 수 있거나 변경될 것이 확실한 동적인 부분(예를 들면, 계류 중인 거래, 현재 기분)을 포함할 수 있다. 일 실시예에서, 프로파일은 정적인 부분을 포함하며, 고객 상태(또는 상황)는 동적인 부분을 포함한다.

일 실시예에서, 예를 들면, 고객이 자동 에이전트와 상호 작용하는 것을 선호하거나, 라이브 에이전트를 현재 사용할 수 없는 경우, 또는 서비스 수준 계약서(SLA, service level agreement), 예산 또는 다른 자원 고려 사항으로 인해 자동 에이전트가 라이브 에이전트를 통해 특정 상호 작용을 처리해야 한다는 지시가 있는 경우, 자동 에이전트는 라이브 에이전트를 보충할 수 있다. 일 실시예에서, 자동 에이전트는 통상적으로 연락 센터의 라이브 에이전트가 수행하는 대부분의 작업을 수행한다. 일 실시예에서, 자동 에이전트는, 자동 에이전트의 고객 서비스를 모니터링하고 필요에 따라 개입도 가능한 연락 센터 감독자의 감독(예를 들어, 제어)을 받는다. 일 실시예에서, 자동 에이전트는 연락 센터 라이브 에이전트에 대한 감독관으로 작용할 수 있다.

일 실시예에서, 자동 에이전트는 고객과 상호 작용하는 오디오 및 비디오 아바타로 표시될 수 있다(예컨대, 웹 인터페이스를 통해 연락 센터에 접속될 때 컴퓨터 디스플레이 상에 표시됨). 일 실시예에서, 자동 에이전트는, 자동 에이전트 또는 연락 센터에 대한 고객의 상호 작용 선호도 또는 이력에 기초한 미디어 형태, 시간 및 언어를 사용하여, 고객과 일반 전화기, 스마트 폰, 웹, 채팅 또는 전자 메일 등을 통해 상호 작용할 수 있다. 일 실시예에서, 자동 에이전트는 이러한 소프트 기술(예컨대, 다른 사람들과의 관계를 특징 짓는 성격 특성, 사회적 품위, 통신, 언어, 개인 습관, 친밀도 및 낙관)에 대한 고객의 선호도를 추적하고, 이러한 소프트 기술을 가진 라이브 에이전트를 특정 고객에 매칭시켜 줄 수 있다.

일 실시예에서, 자동 에이전트는 라이브 에이전트와 같은 인간의 역할을 한다. 예를 들어, 자동 에이전트는 기업이 소유하는 컴퓨터에서 실행되는 일련의 소프트웨어 루틴일 수 있다. 이와 같이, 자동 에이전트는 기업을 위해 작동할 수 있다. 다른 실시예에서, 자동 에이전트는 전용 컴퓨팅 리소스(클라우드 컴퓨팅과 같은)에서 실행되고, 자동 에이전트는 동일한 컴퓨팅 리소스를 공유하는 많은 기업에 대해 작동한다.

일 실시예에서, 자동 에이전트 고객의 관심을 유도하고, 고객의 흥미를 유지하기 위해 게임화 기법을 사용한다. 예를 들면, 자동 에이전트는 연락 센터와 고객의 상호 목표를 달성할 수 있도록 고객을 돕기 위하여 보상, 점진적 진보(예를 들어, 작은 단계), 경쟁 그리고 다른 심리적 장치를 사용하여 고객이 긍정적 태도 또는 기분을 갖도록 할 수 있다.

일 실시예에서, 자동 에이전트는 고객 소셜 커뮤니티를 생성할 수 있다. 사회화를 원하며, 비슷한 상황에 있는 사람들과 정보를 공유하고자 하는 고객의 자연스런 성향을 활용하여, 자동 에이전트는 유사한 문제 또는 관심을 갖는 고객들을 소셜 커뮤니티로 조직할 수 있다(예를 들어, 상호 작용과 의사 소통을 위한 포럼). 자동 에이전트는, 예를 들어, 고객들, 후원 기업 및 자동 에이전트 등에 이익이 되는 활동을 육성하기 위해 커뮤니티에서의 활동에 대해 보상을 할 수 있다. 예를 들어, 자동 에이전트는 유사하지만 다소 다른 관심을 공유하고 있는 고객들을 대상으로 소형 고객 소셜 커뮤니티를 생성할 수 있다. 다른 예로서, 자동 에이전트는 매우 유사한 관심 또는 상황을 공유하거나 경험하고 있지만 스스로 간단하고 단순한 해법을 찾지 못하는 고객들을 대상으로 대형 고객 소셜 커뮤니티를 생성할 수 있다.

일 실시예에서, 자동 에이전트는 다양한 역할을 수행하는데, 예를 들면, 고객과의 상호 작용, 고객, 기업 및 그 라이브 에이전트 사이의 중개(예컨대, 고객과 연락 센터의 백 오피스 사이의 연결 고리로서 작용), 그리고 라이브 에이전트에 대한 감독 역할을 한다. 예를 들어, 연락 센터와 고객 사이의 모든 상호 작용에 대한 광범위한 고객 프로파일 정보를 유지하고, 백 오피스에 모든 고객 프로필 정보를 전달하여, 자동 에이전트는 라이브 에이전트에 할당된 전통적인 백 오피스 작업을 보조 또는 수행할 수 있다. 예시적인 실시예에서, 자동 에이전트는, 라이브 에이전트에 대한 고객의 과거 경험, 고객의 분위기(일부 라이브 에이전트는 특수한 분위기 처리에 더욱 특화되어 있다), 고객의 선호도 등과 같은 다양한 기준에 기초하여, 라이브 에이전트를 고객에게 할당할 수 있다.

일 실시예에서, 지능형 자동 에이전트는 연락 센터에서 사용하기에 적합한 특성 또는 기능을 갖도록 구성될 수 있다. 이러한 특성이나 기능은 연역-추론-문제 해결, 지식 표현 및 상식, 계획, 학습, 자연 언어 처리, 인식, 창의성, 그리고 연락 센터에서 사용하기에 적합한 일반적인 지식을 포함한다.

본 발명의 예시적인 실시예에 따르면, 연락 센터용 지능형 자동 에이전트의 백 오피스 서비스가 제공된다. 상기 백 오피스 서비스는 비 일시적 저장 장치와 연결된 프로세서상에서 실행되도록 구성된다. 상기 백 오피스 서비스는: 상기 저장 장치에 저장된 고객 프로파일 데이터베이스의 고객 프로파일에 액세스하도록 구성되는 고객 프로파일 모듈로서, 상기 고객 프로파일은 고객과 연락 센터가 참여하는 상호 작용들에 대한 상호 작용 데이터 및 고객과 연락 센터가 참여하는 상호 작용들에 대한 상호 작용 데이터를 분석한 분석 결과를 포함하는, 상호 작용 고객 프로파일 모듈; 및 컨텐츠 분석 모듈을 포함한다. 상기 컨텐츠 분석 모듈은, 고객과 연락 센터가 참여하는 상호 작용에서 연속적인 상호 작용 간의 상호 작용 데이터를 분석하여 새로운 분석 결과를 생성하고; 새로운 분석 결과를 반영하기 위해 저장 장치에 고객 프로파일 분석 결과를 업데이트 한다. 상기 지능형 자동 에이전트는, 프로세서 상에서 실행되며; 고객 프로파일을 액세스하여 고객 및 연락 센터가 참여하는 상호 작용의 다음 상호 작용을 발생하고; 고객의 액세스 프로파일의 분석 결과를 감안하여 다음 상호 작용에서의 동작을 조정하며; 그리고 다음 상호 작용을 반영하도록 기억 장치에 액세스 프로파일의 상호 작용 데이터를 업데이트 시킨다.

상기 분석 결과는 상기 고객과 연락 센터가 참여하는 상호 작용의 미래 상호 작용이 이루어지는 동안 자동 에이전트에 의해 발생하는 액션들을 포함할 수 있다. 상기 자동 에이전트는 미래 상호 작용 중에 액션들을 수행하도록 구성될 수 있다.

컴퓨팅 자원을 사용할 수 있는 경우, 상기 컨텐츠 분석 모듈은 상기 프로세서의 백그라운드 프로세스로서 상기 프로세서 상에서 실행되도록 구성될 수 있다.

상기 컨텐츠 분석 모듈은, 새로운 분석 결과를 반영하기 위해 고객 프로파일을 업데이트 한 후 상호 작용 데이터를 재분석하여, 상기 컨텐츠 분석 모듈을 업데이트 한 후 연속적인 상호 작용 간의 추가 분석 결과를 생성하고; 상기 추가 분석 결과를 반영하도록 상기 저장 장치에 고객 프로파일 분석 결과를 업데이트 시키도록 구성될 수 있다.

상기 백 오피스 서비스는 상기 고객 프로파일의 분석 결과에 기초하여 고객에게 라이브 에이전트 풀로부터 적절한 라이브 에이전트를 할당하도록 구성되는 라이브 에이전트 할당 모듈을 더 포함할 수 있다.

상기 백 오피스 서비스는 고객 프로파일의 분석 결과에 기초하여 고객에게 제안된 응답을 삭제 또는 변경하도록 구성되는 제안 응답 핸들링 모듈을 더 포함할 수 있다.

상기 백 오피스 서비스는 고객 프로파일의 대응 분석 결과에 기초하여 연락 센터의 고객들을 서로 다르게 분류하도록 구성된 분류 모듈을 더 포함할 수 있다. 상기 컨텐츠 분석 모듈은 다른 분류에 대응하는 복수의 컨텐츠 분석 모듈을 포함할 수 있다.

상기 분석 결과는 아직 완료되지 않은 고객의 계류 중인 거래 및/또는 요청 리스트를 포함할 수 있다. 상기 자동 에이전트는 상기 고객과 연락 센터가 참여하는 미래 상호 작용 동안 계류 중인 거래 및/또는 요청을 처리하도록 구성될 수 있다.

본 발명의 또 다른 예시적 실시예에 따르면, 지능형 자동 에이전트를 통해 고객에게 연락 센터용 백 오피스 서비스를 제공하는 방법이 제공된다. 상기 방법은 비 일시적 저장 장치에 결합된 프로세서 상에서 지능형 자동 에이전트를 실행하는 단계; 저장 장치에 저장된 고객 프로파일 데이터베이스를 통해, 고객과 연락 센터가 참여하는 상호 작용들에 대한 상호 작용 데이터 및 고객과 연락 센터가 참여하는 상호 작용들 간의 상호 작용 데이터를 분석한 분석 결과를 포함하는 고객 프로파일을 액세스하는 단계; 상기 고객과 연락 센터가 참여하는 상호 작용에서 연속적인 상호 작용 간의 상호 작용 데이터를 분석하여 새로운 분석 결과를 생성하는 단계; 상기 새로운 분석 결과를 반영할 수 있도록 저장 장치에 상기 고객 프로파일 분석 결과를 업데이트하는 단계; 상기 고객과 연락 센터가 참여하는 상호 작용들의 다음 상호 작용이 수행되는 동안 고객 프로파일을 재-액세스하는 단계; 고객의 재-액세스 프로파일의 분석 결과를 감안하여 다음 상호 작용 중에 자동 에이전트의 동작을 조정하는 단계; 및 다음 상호 작용이 반영될 수 있도록 저장 장치에 재-액세스 프로파일의 상호 작용 데이터를 업데이트하는 단계를 포함한다.

상기 분석 결과는 상기 고객과 연락 센터가 참여한 상호 작용의 미래 상호 작용 중에 자동 에이전트가 수행하는 액션들을 포함할 수 있다. 상기 방법은 미래 상호 작용 중에 자동 에이전트가 액션을 수행하는 단계를 더 포함할 수 있다.

상기 방법은 새로운 분석 결과를 반영하기 위해 고객 프로파일의 분석 결과의 업데이트 이후 새로운 분석 기준을 사용하여 상호 작용 데이터를 재분석하여 연속적인 상호 작용 간의 추가 분석 결과를 생성하는 단계; 및 상기 추가 분석 결과를 반영할 수 있도록 저장 장치에 고객 프로파일 분석 결과를 업데이트하는 단계를 더 포함할 수 있다.

상기 방법은 상기 고객 프로파일의 분석 결과에 기초하여 고객에게 라이브 에이전트 풀로부터 적절한 라이브 에이전트를 할당하는 단계를 더 포함할 수 있다.

상기 방법은 상기 고객 프로파일의 분석 결과에 기초하여 고객에게 제안된 응답을 삭제 또는 변경시키는 단계를 더 포함할 수 있다.

상기 방법은 고객 프로파일의 대응 분석 결과에 기초하여 연락 센터의 고객을 서로 다른 분류로 분류하는 단계; 및 서로 다른 분류에 대해 다른 분석 기준을 사용하여 고객 프로파일의 각각의 상호 작용 데이터를 분석함으로써 대응되는 새로운 분석 결과를 생성하는 단계를 더 포함할 수 있다.

상기 분석 결과는 아직 완료되지 않은 고객의 계류 중인 거래 및/또는 요청 리스트를 포함할 수 있다. 상기 방법은 상기 고객과 연락 센터가 참여하는 미래 상호 작용 동안 계류 중인 거래 및/또는 요청을 처리하는 단계를 더 포함할 수 있다.

본 발명의 또 다른 예시적인 실시예에 따르면, 연락 센터용 지능형 자동 에이전트의 백 오피스 서비스가 제공된다. 상기 지능형 자동 에이전트는 프로세서, 고객 프로파일 데이터를 저장하는 비 일시적 저장 장치 및 메모리를 포함한다. 상기 메모리는 명령들을 저장하고, 상기 프로세서에 의해 상기 명령들이 실행될 때, 상기 프로세서는: 저장 장치에 저장된 고객 프로파일 데이터베이스를 통해, 고객과 연락 센터가 참여하는 상호 작용들에 대한 상호 작용 데이터 및 고객과 연락 센터가 참여하는 상호 작용들 간의 상호 작용 데이터를 분석한 분석 결과를 포함하는 고객 프로파일을 액세스하고; 상기 고객과 연락 센터가 참여하는 상호 작용에서 연속적인 상호 작용 간의 상호 작용 데이터를 분석하여 새로운 분석 결과를 생성하며; 상기 새로운 분석 결과를 반영할 수 있도록 저장 장치에 상기 고객 프로파일 분석 결과를 업데이트하고; 상기 고객과 연락 센터가 참여하는 상호 작용들의 다음 상호 작용이 수행되는 동안 고객 프로파일을 재-액세스하며; 고객의 재-액세스 프로파일의 분석 결과를 감안하여 다음 상호 작용 중에 자동 에이전트의 동작을 조정하고; 그리고 다음 상호 작용이 반영될 수 있도록 저장 장치에 재-액세스 프로파일의 상호 작용 데이터를 업데이트한다.

상기 분석 결과는 상기 고객과 연락 센터가 참여한 상호 작용의 미래 상호 작용 중에 자동 에이전트가 수행하는 액션들을 포함할 수 있다. 상기 프로세서에 의해 상기 명령들이 실행될 때 상기 프로세서는 상기 미래 상호 작용 동안 액션들을 수행할 수 있다.

상기 명령들이 상기 프로세서에 의해 실행될 때, 상기 프로세서는: 새로운 분석 결과를 반영하기 위해 고객 프로파일의 분석 결과의 업데이트 이후 새로운 분석 기준을 사용하여 상호 작용 데이터를 재분석하여 연속적인 상호 작용 간의 추가 분석 결과를 생성하고; 추가 분석 결과를 반영할 수 있도록 상기 저장 장치에 고객 프로파일 분석 결과를 업데이트할 수 있다.

상기 명령들이 상기 프로세서에 의해 실행될 때, 상기 프로세서는: 고객 프로파일의 대응 분석 결과에 기초하여 서로 다른 분류로 연락 센터의 고객들을 분류하고; 다른 분류들에 대해 다른 분석 기준을 사용하여 고객 프로파일의 각각의 상호 작용 데이터를 분석함으로써 새로운 대응 분석 결과를 생성할 수 있다.

상기 분석 결과는 아직 완료되지 않은 고객의 계류 중인 거래 및/또는 요청 리스트를 포함할 수 있다. 상기 명령들이 상기 프로세서에 의해 실행될 때, 상기 프로세서는 상기 고객과 연락 센터가 참여한 상호 작용의 미래 상호 작용 중에 계류 중인 거래 및/또는 요청을 처리할 수 있다.

본 발명의 상기 및 다른 실시예에 따르면, 연락 센터용 지능형 자동 에이전트는 라이브 에이전트 또는 IVR을 갖는 라이브 에이전트의 한계를 극복하고 라이브 에이전트의 역할을 수행함으로써 향상된 고객 서비스를 제공한다. 개인 정보를 유지함으로써, 본 발명의 실시예는, 자동 에이전트 및 연락 센터와 고객과의 상호 작용을 통해 고객에 대해 학습하는 자동 에이전트를 제공하며, 상이한 미디어 채널들을 통해 인간과 유사하게(예를 들어, 인성, 선호도, 기분 등을 소유) 상호 작용하여 단일 라이브 에이전트 또는 IVR을 갖는 라이브 에이전트에 비해 더욱더 인격적인 서비스를 제공하는 자동 에이전트를 제공한다. 또한, 특정 고객에 대해 광범위한 기록(예를 들면, 프로파일)을 유지함으로써, 본 발명의 실시예는, 라이브 에이전트 또는 IVR을 갖는 라이브 에이전트의 풀에서 수행되었던 것보다 더욱 향상된 방식으로 고객과 연락 센터 사이에 이루어진 고객의 과거 상호 작용을 일관성 있게 재수집할 수 있다.

본 발명은 연락 센터용 지능형 자동 에이전트를 제공하여 고객의 요청을 신속하게 처리할 수 있다.

첨부된 도면과 명세서는 본 발명의 예시적인 실시예를 나타낸다. 이들 도면은, 상세한 설명과 함께, 본 발명의 특징 및 원리를 이해하기 쉽게 설명하는 역할을 한다.
도 1은 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트를 제공하도록 구성되는 연락 센터를 지원하는 시스템의 개략적인 블록도이다.
도 2는 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 몇 가지 구성 요소의 개략적인 블록도이다.
도 3은 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 고객 포털 모듈의 여러 구성 요소의 개략적인 블록도이다.
도 4는 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 아바타 모듈의 여러 구성 요소의 개략적인 블록도이다.
도 5는 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 고객 감정 기분 검출 모듈의 여러 구성 요소의 개략적인 블록도이다.
도 6은 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 지식 전달 인터페이스에 의해 실행되는 프로세스의 흐름도이다.
도 7은 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 백 오피스 서비스 모듈의 여러 구성 요소의 개략적인 블록도이다.
도 8은 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 고객 디렉토리 모듈의 여러 구성 요소의 개략적인 블록도이다.
도 9는 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 라이브 에이전트 풀 관리 모듈의 여러 구성 요소의 개략적인 블록도이다.
도 10은 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트를 위한 배치 구조 옵션의 개략적인 블록도이다.
도 11은 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트를 위한 다른 배치 구조 옵션의 개략적인 블록도이다.
도 12는 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트를 위한 또 다른 배치 구조 옵션의 개략적인 블록도이다.
도 13은 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 또 다른 배치 구조 옵션의 개략적인 블록도이다.
도 14는 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 구성 요소들의 개략적인 블록도이다.
도 15는 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 자동 고객 인사말 모듈의 예를 도시하는 도면이다.
도 16은 본 발명의 일 실시예에 따른 지능형 자동 에이전트의 인공 지능 엔진용 뉴럴 네트워크의 예를 도시하는 도면이다.
도 17은 본 발명의 일 실시예에 따른 카테고리 세트의 트리 구조의 예를 도시하는 도면이다.
도 18은 본 발명의 일 실시예에 따른 기업 연락 센터 내 자동 에이전트의 배치를 보여 주는 개략적인 블록도이다.
도 19는 본 발명의 일 실시예에 따른 기업 연락 센터 내 자동 에이전트의 다른 배치를 보여 주는 개략적인 블록도이다.
도 20은 본 발명의 일 실시예에 따른 예시적인 네트워크 IVR 플랫폼의 개략적 인 블록도이다.
도 21은 본 발명의 일 실시예에 따른 수신 통화 처리를 위한 예시적인 음성 플랫폼의 개략적인 블록도이다.
도 22는 본 발명의 일 실시예에 따른 지능형 자동 에이전트의 예시적인 게임 서비스 모듈의 개략적인 블록도이다.

기존의 연락 센터의 동작은, 특히 IVR형 인터페이스를 통한 셀프 서비스 모드에서, 정교한 맞춤형 서비스가 부족하다. 고객은 IVR 인터페이스에서 사용할 수 있는 제한적이고 개인별 특성에 맞지 않는 서비스 보다는 라이브 에이전트와의 상호 작용을 선호하는 경향이 있다. 라이브 에이전트들은 종종 기술이 부족하거나, 고객들이 문제 또는 근심을 해결할 때 서로 다른 라이브 에이전트를 만나게 되는 연락 센터 환경에서 부적절한 또는 일관성이 없는 도움을 제공한다. 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트는 고객과 오디오 및 비디오 아바타와의 상호 작용과 같은 기술을 포함하는 고도의 맞춤형 고객 포털을 생성하기 위하여 인공 지능의 방법을 적용함으로써, 라이브 에이전트 및/또는 IVR 인터페이스들의 상기 문제점 및 다른 결점을 해결한다. 또한, 이러한 자동 맞춤 서비스의 개념은 고객의 상호 작용을 처리하는 백 오피스에 적용될 수 있으며 채팅, 이메일, 웹 등 다른 매체에 적용될 수 있고, 컴퓨터, PDA, 일반 전화 또는 스마트폰 등과 같은 고객 접촉 장치의 세부에 적용될 수 있다.

이하, 예시적인 실시예들을 도면을 참조하여 설명한다. 도면에서, 동일한 참조 번호는 전체적으로 동일하거나 실질적으로 동일한 구성 요소를 나타낸다. 또한, 용어 "기업"은 사업체 또는 조직(예: 법인) 또는 연락 센터를 통해 고객과 상호 작용하기를 원하는 어떤 실체일 수 있다. 용어 "고객"은 모든 사람, 연락처 또는 최종 소비자(예: 클라이언트, 고객, 비즈니스 연락처, 잠재 고객 등)를 의미할 수 있으며, 연락 센터를 통해 기업으로부터 서비스를 받거나 기업과 대화하기를 원하는 사람들의 그룹, 그런 사람의 영향력으로 활동하는 독립체 또는 그룹(예를 들면, 기업간 사업 대 사업 상호 작용을 위해 다른 기업을 대행하는 자동 에이전트)을 의미할 수 있다.

용어 "라이브 에이전트는"는 고객을 돕기 위해 연락 센터 인터페이스를 통해 업무를 하는 사람을 의미할 수 있다. 용어 "통화"는 고객과 에이전트 간의 실시간 통신을 나타내는(예: 채팅 또는 인스턴트 메시지) 모든 전화 통화, 음성 또는 텍스트 교환을 의미할 수 있다. 용어 "자동 에이전트" 또는 "지능형 자동 에이전트"는 특정 능력을 갖는 에이전트의 역할을 수행하는 컴퓨터로 구현되는 실체일 수 있다.

도 1은 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트를 제공하도록 구성되는 연락 센터를 지원하는 시스템의 개략적인 블록도이다. 연락 센터는 판매, 제품에 대한 서비스 및 기업을 통해 이용할 수 있는 서비스를 수행하기 위해 기업을 지원하는 사업체 또는 법인 내의 인-하우스 시설 일 수 있다. 다른 양태에 따르면, 연락 센터는 제 3자 서비스 공급자 일 수 있다. 상기 연락 센터는 기업 또는 제 3자 서비스 제공 업체의 전용 장비에 설치될 수 있으며, 그리고/또는, 예를 들어, 여러 기업에 대해 여러 연락 센터를 지원하기 위한 인프라를 갖춘 사설 또는 공용 클라우드 환경과 같은 원격 컴퓨터 환경에 설치될 수 있다.

하나의 예시적인 실시예에 따르면, 연락 센터는 전화 또는 다른 통신 메카니즘을 통해 서비스의 제공을 가능하게 하는(예를 들면 사람, 컴퓨터 및 통신 장비) 자원들을 포함한다. 이러한 서비스는 연락 센터의 유형에 따라 달라질 수 있고, 데스크, 비상 대응, 텔레마케팅, 수주 등을 보조하기 위한 고객 서비스 범위를 갖는다.

연락 센터로부터 서비스를 받고자 하는 고객, 잠재 고객, 또는 다른 최종 소비자(고객으로 통칭됨)는 그들의 사용자 장치(10a-10c; 전체적으로 도면 부호(10)로 표시)를 이용하여 연락 센터로 통화를 할 수 있다. 각각의 최종 사용자 장치(10)는 본 기술 분야의 통상의 통신 장치이며, 전화, 무선 전화, 스마트폰, 퍼스널 컴퓨터, 전자 태블릿, 및/또는 그 유사품일 수 있다. 최종 사용자 장치(10)를 작동하는 사용자들은 전화 통화, 이메일, 채팅, 텍스트 메시지, 웹 브라우징 세션 및 다른 멀티미디어 거래를 개시, 관리 및 응답할 수 있다.

사용자 장치(10)로 또는 사용자 장치(10)로부터의 수신 및 발신 통화는 사용되는 장치의 유형에 따라 전화, 휴대 전화, 및/또는 데이터 통신 네트워크(14)를 통해 이루어질 수 있다. 예를 들어, 통신 네트워크(14)는 개인 또는 공중 전화 교환망(PSTN), 근거리 통신망(LAN), 사설 광역 통신망(WAN) 및/또는 공공 광대역 네트워크, 예를 들면, 인터넷을 포함할 수 있다. 통신 네트워크(14)는 코드 분할 다중 접속(CDMA) 네트워크, 글로벌 시스템 이동 통신(GSM) 네트워크, 및/또는 당 업계 통상적인 3G 또는 4G 네트워크, 및/또는 LTE 또는 미래형 공공 통신 네트워크를 포함하는 무선 캐리어 네트워크를 포함할 수 있다.

하나의 예시적인 실시예에 따르면, 연락 센터는 최종 사용자와 연락 센터 사이의 수신 및 발신을 위한 통신 네트워크(14)에 결합된 스위치/미디어 게이트웨이(12)를 포함한다. 상기 스위치/미디어 게이트웨이(12)는 센터 내의 에이전트 레벨 라우팅을 위한 중앙 스위치로서 기능하도록 구성되는 전화 스위치를 포함할 수 있다. 이와 관련하여, 스위치(12)는 자동 호 분배기, 사설 교환기(PBX), IP 기반 소프트웨어 스위치, 및/또는 인터넷 통화 및/또는 전화 네트워크 통화를 수신하도록 구성된 임의의 다른 스위치를 포함할 수 있다. 본 발명의 예시적인 실시예에 따르면, 상기 스위치는 콜 서버(18)에 연결되며, 상기 콜 서버(18)는, 예를 들면, 스위치와 연락 센터의 라우팅 시스템, 모니터링 시스템 및 다른 통화 처리 시스템 중의 나머지 사이에서 어댑터 또는 인터페이스로서 기능할 수 있다.

연락 센터는 최종 사용자 장치(10) 및/또는 웹 서버(32)와의 음성 상호 작용이 아닌 미디어 상호 작용을 수행하기 위한 멀티미디어/소셜 미디어 서버를 포함할 수 있다. 예를 들어, 상기 미디어 상호 작용은 이메일, vmail(이메일을 통한 음성 메일), 채팅, 비디오, 텍스트 메시지, 웹, 소셜 미디어, 화면 공유 등과 관련된다. 상기 웹 서버(32)는, 예를 들어, 최종 사용자가 가입할 수 있는 페이스북, 트위터 등과 같이 공지된 다양한 소셜 상호 작용 사이트를 위한 소셜 상호 작용 사이트 호스트를 포함할 수 있다. 웹 서버는 연락 센터에 의해 지원되는 기업용 웹 페이지를 제공 할 수 있다. 최종 사용자는 웹 페이지를 검색하고, 기업의 제품 및 서비스에 대한 정보를 얻을 수 있다. 웹 페이지는, 예를 들어, 웹 채팅, 음성 전화, 이메일, 웹 실시간 통신(WebRTC) 등을 통해 연락 센터와 접촉하기 위한 메커니즘을 제공 할 수 있다.

본 발명의 예시적인 실시예에 따르면, 스위치가 대화식 음성 응답(IVR) 서버(34)에 연결된다. 예를 들면, 상기 IVR 서버(34)는 고객의 요구에 대해 질문을 하는 IVR 스크립트를 포함한다. 예를 들어, 은행 연락 센터는 발신자에게 계정 잔액을 얻고자 하는 경우 "1을 누르세요"라고 IVR 스크립트를 통해 말할 수 있다. 이러한 경우, IVR과 지속적인 상호 작용을 통해, 고객은 상담원과 통화할 필요 없이 서비스를 완료할 수 있다.

콜(call)이 에이전트로 라우팅되어야 하는 경우, 콜은 콜을 처리하기 위한 적절한 에이전트를 찾기 위한 라우팅 서버(20)와 상호 작용하는 콜 서버(18)에 전송된다. 콜 서버(18)는 PSTN 전화, VoIP 통화 등을 처리하도록 구성될 수 있다. 예를 들어, 콜 서버(18)는 SIP(session initiation protocol)콜을 처리하기 위한 SIP 서버를 포함할 수 있다.

일 실시예에서, 에이전트가 위치되고 이용 가능하게 될 때까지, 콜 서버(18)는, 예를 들어, 콜을 콜큐(call queue)에 배치할 수 있다. 콜큐는, 예를 들어, 링크된 리스트 및/또는 어레이 등과 같은 당 업계 통상적인 임의의 데이터 구조를 통해 구현할 수 있다. 예를 들면, 데이터 구조는 콜 서버(18)에 의해 제공되는 버퍼 메모리에 유지될 수 있다.

일단 적절한 에이전트가 콜을 처리하는 데 사용되면, 콜은 콜큐에서 제거되고 대응되는 에이전트 장치(38a-38c, 도면부호(38)로 통칭함)로 전송된다. 발신자 및/또는 발신자의 이력 정보에 대한 수집 정보는 콜을 더욱 잘 서비스할 수 있는 에이전트를 지원하기 위해 에이전트 장치에 제공될 수 있다. 이와 관련하여, 각각의 에이전트 장치(38)는 일반 전화 통화, VoIP 통화 등에 적합한 전화를 포함할 수 있다. 또한, 에이전트 장치(38)는, 연락 센터의 하나 이상의 서버와 통신하기 위한, 연락 센터 운영에 관련된 데이터 처리를 수행하기 위한, 그리고 채팅, 인스턴트 메시지, 음성 통화와 같은 다양한 통신 메커니즘을 통해 고객들과의 인터페이스를 하기 위한 컴퓨터를 포함할 수 있다.

수신 콜을 라우팅하기 적합한 에이전트를 선택하는 것은, 예를 들어, 라우팅 서버(20)에 의해 사용된 라우팅 전략에 기초하여 이루어질 수 있으며, 또한, 예를 들면, 통계 서버(22)에 의해 제공된 에이전트 이용 가능성, 기술 및 다른 라우팅 파라미터에 대한 정보를 기반으로 이루어질 수 있다. 본 발명의 예시적인 실시예에 따르면, 통계 서버(22)는 고객 가용성 집합(customer availability aggregation; CAA) 모듈(36)을 포함하는데, 상기 고객 가용성 집합 모듈(36)은 다른 통신 채널 상의 최종 사용자의 가용성을 모니터링하고, 이에 대한 정보를, 예를 들면, 라우팅 서버(20), 에이전트 장치(38a-38c) 및/또는 다른 연락 센터 애플리케이션 및 장치로 제공한다.

실시예에서, 통계 서버(22)는 라이브 에이전트의 상태를 라우팅 대상으로 유지하기 위한 별도의 통계 서버 및 고객의 상태를 도달 대상으로 유지하기 위한 별도의 통계 서버(예를 들어, CAA 모듈로 구현)로 치환될 수 있다. 예를 들어, 상기 CAA 모듈은 별도의 응용 프로그램 서버에 배포될 수 있다. 집합 모듈(36)은 통계 서버(22)(또는 몇몇 다른 서버)의 메모리에 저장되고 프로세서에 의해 실행되는 컴퓨터 프로그램 명령어를 통해 구현되는 소프트웨어 모듈일 수 있다. 당 업계의 숙련자는 상기 집합 모듈(36)이 펌웨어(예를 들어, 주문형 집적회로), 하드웨어, 또는 소프트웨어, 펌웨어 및 하드웨어의 조합으로 구현될 수 있음을 인식해야 한다.

하나의 예시적인 실시예에 따르면, 집합 모듈(36)은, 예를 들어, 멀티미디어/소셜 미디어 서버(24)와 같이, 연락 센터의 다른 장치로부터 고객 가용성 정보를 수신하도록 구성된다. 예를 들어, 상기 멀티미디어/소셜 미디어 서버(24)는 소셜 미디어 사이트를 포함하여 다른 웹 사이트에 사용자가 존재하는 지를 검출하고, 이에 대한 정보를 집합 모듈(36)에 제공하도록 구성된다. 상기 멀티미디어/소셜 미디어 서버(24)는 해당 웹 사이트에서의 상호 작용을 모니터하고 추적할 수 있도록 구성될 수 있다.

또한, 상기 멀티미디어/소셜 미디어 서버(24)는 사용자 장치(10)에 다운로드하기 위한 모바일 애플리케이션(40)을 최종 사용자에게 제공하도록 구성될 수 있다. 상기 모바일 애플리케이션(40)은, 예를 들면, 연락 센터 에이전트에게 접촉하기 위한 목적으로, 사용자의 가용성 여부 또는 가용성이 불명인지의 여부를 나타내는 사용자 구성 세팅을 제공할 수 있다. 상기 멀티미디어/소셜 미디어 서버(24)는 상태 설정을 모니터링하고, 집합 모듈(36)에 매시간 마다 상태 정보의 변화에 대한 업데이트를 전송할 수 있다.

연락 센터는 통계 서버(22)에 의해 수집된 데이터로부터 리포트를 생성하도록 구성된 리포트 서버(28)를 포함할 수 있다. 상기 리포트는, 예를 들어, 평균 대기 시간, 포기 비율, 에이전트 점유도 등과 같은 자원의 상태에 관한 근 실시간 보고서 또는 기록 보고서를 포함할 수 있다. 리포트는 자동으로 또는 특정 요청자(예를 들면, 에이전트/관리자 및/또는 연락 센터 애플리케이션, 등)로부터의 요청에 응답하여 생성될 수 있다.

본 발명의 예시적인 일 실시예에 따르면, 라우팅 서버(20)는 에이전트에 할당된 백 오피스/오프라인 활동을 관리하는 기능을 강화한다. 그러한 활동은, 예를 들면, 이메일에 대한 응답, 편지에 대한 응답, 교육 세미나 참석, 또는 고객과의 실시간 통신을 수반하지 않는 임의의 다른 활동들을 포함한다. 일단 에이전트에 할당되면, 활동은 에이전트에게 전달되거나, 에이전트가 완료해야 할 과제로서 에이전트의 작업장(26a-26c, 도면부호(26)로 통칭함)에 나타날 수 있다. 상기 에이전트의 작업장은, 예를 들면, 링크된 리스트 및/또는 어레이 등과 같이 당 업계에 공지된 데이터 구조를 통해 구현될 수 있다. 예를 들면, 상기 에이전트의 작업장은 각 에이전트 장치(38)의 버퍼 메모리에 유지될 수 있다.

본 발명의 일 예시적인 실시예에 따르면, 연락 센터는 에이전트 데이터(예를 들어, 에이전트 정보, 일정 등), 고객 데이터(예를 들어, 고객 프로파일), 상호 작용 데이터(예를 들어, 상호 작용 이유, 배치 데이터, 대기 시간, 처리시간을 포함하는 각각의 상호 작용의 상세 내용) 등에 관련된 다른 데이터베이스를 저장하기 위한 하나 이상의 대용량 저장 장치(30)를 포함한다. 일 실시예에 따르면, 데이터(예를 들어, 고객 프로파일 데이터)의 일부는, 예를 들어, 타사 고객 관계 관리(CRM) 데이터베이스와 같은 제삼자 데이터베이스에 의해 제공될 수 있다. 상기 대용량 저장 장치는 당 업계 공지된 형태의 하드 디스크 또는 디스크 어레이의 형태를 취할 수 있다.

본 발명의 일 예시적인 실시예에 따르면, 연락 센터는 전화 또는 다른 고객과 상호 작용(예: 웹)을 처리하기 위한 지능형 자동 에이전트(42)를 포함한다. 상기 자동 에이전트(42)는 예를 들어 서버 상에 구현될 수 있다. 자동 에이전트(42)는, 예를 들면, 음성 인식, 말 인식, 응답 생성, 음성 생성, 및 라이브 에이전트를 사용하지 않고도 자동 에이전트(42)가 에이전트의 역할을 수행할 수 있도록 하는 고객 프로필 정보와 같은 기능을 포함할 수 있다. 예를 들면, 일 실시예에서, 자동 에이전트(42)는 고객과 연락 센터 사이의 상호 작용에 따라 갱신될 수 있는 고객의 프로파일 정보(예컨대, 디스크 드라이브 또는 대용량 저장 장치(30)와 같은 비 휘발성 기억 장치에 저장된 정보)의 데이터베이스를 유지할 수 있다.

상기 자동 에이전트(42)는, 고객을(예컨대, 최종 사용자 장치(10a)를 통해) 자동 에이전트(42)에 직접 전환시키기 위해 스위치/미디어 게이트웨이(12)에 연결될 수 있다. 또한, 상기 자동 에이전트(42)는 IVR 서버(34)에 접속되어 상기 IVR 서버(34)를 상기 자동 에이전트(42)에 직접 통신할 수 있도록 할 수 있다(예를 들어, IVR 서버(34)에 의해 처리되는 현재의 콜과 관련된 정보를 자동 에이전트(42)와 통신하기 위해). 예를 들어, IVR 서버(34)는 현재 콜을 더 이상 처리할 수 없음을 결정할 수 있으며, 예를 들어, IVR 서버(34) 및/또는 라이브 에이전트(38)에 의해 처리되어야만 하는 프로세스의 전부 또는 일부를 처리하기 위해 고객의 콜에 대한 제어를 자동 에이전트(42)로 이양할 수 있다. 자동 에이전트(42)는 콜 서버(18)에 연결되어 상기 콜 서버(18)를 자동 에이전트(42)와 직접 통신할 수 있도록 할 수 있다(예를 들어, 콜을 라이브 에이전트(38) 중 하나로 전송하지 않고 자동 에이전트(42)로 전송). 예를 들어, 연락 센터는 가용 라이브 에이전트(38)가 없는 경우 모든 콜을 자동 에이전트(42)로 라우팅한다.

도 1의 다양한 서버들은 각각 컴퓨터 프로그램 명령을 실행하고 본원에 기술된 다양한 기능들을 수행하기 위한 다른 시스템 구성 요소와 상호 작용하는 하나 이상의 프로세서를 포함할 수 있다. 컴퓨터 프로그램 명령은, 예컨대, 표준 메모리 디바이스를 사용하여 구현된 메모리, 예를 들면, 랜덤 액세스 메모리(RAM)에 저장된다. 또한, 컴퓨터 프로그램 명령은, 예를 들어, CD-ROM, 플래시 드라이브 등과 같은 다른 비 일시적 컴퓨터 판독 가능 매체에 저장될 수 있다. 각 서버의 기능이 특정 서버에 의해 제공되는 것으로 설명되어 있지만, 당 업계 통상의 지식을 가진 사람은 본 발명의 실시예들의 범위를 벗어나지 않고 각종 서버의 기능을 결합 또는 하나의 서버에 통합할 수 있으며, 특정 서버는 하나 이상의 다른 서버에 분산될 수 있음을 인식해야 한다.

또한, 상술한 기재 내용으로부터 다양한 구조 및 기능이 다양한 장치에 통합될 수 있음을 이해할 수 있다. 일부 실시예에서, 프로세서, 컨트롤러, 및/또는 로직과 같은 하드웨어 구성 요소는 상술한 구성 요소를 구현하는데 사용될 수 있다. 일부 실시예에서, 소프트웨어 또는 펌웨어와 같은 하나 이상의 처리 장치에서 실행되는 코드는 상술한 동작 또는 구성 요소 중 하나 이상을 구현하기 위해 사용될 수 있다.

도 2는 본 발명의 예시적 실시예에 따른 지능형 자동 에이전트(예컨대, 도 1의 연락 센터의 자동 에이전트(42))의 몇 가지 구성 요소의 개략적인 블록도이다. 자동 에이전트는 연락 센터의 각각의 고객의 풍부한 프로파일을 생성 및 유지할 수 있다. 예를 들어, 자동 에이전트는 고객의 선호 미디어 채널(예를 들면, 일반 전화기, 웹, 스마트폰, 채팅. 이메일, 소셜 미디어, 라이브 에이전트 등), 라이브 에이전트에서 고객의 선호 소프트 기술, 상호 작용에 대한 고객의 선호 및 차단 시간 등과 같은 정보를 갖는 고객 프로파일을 유지할 수 있다. 일 실시예에서, 자동 에이전트는 자동 에이전트가 라이브 에이전트인 것처럼 또는 매우 정교한 IVR형 응용 프로그램인 것처럼 고객에게 보여 주면서 고객과 상호 작용을 실시간으로 수행한다.

하나의 실시예에서, 자동 에이전트는 셀프 서비스(예를 들어, 라이브 에이전트를 사용하지 않고 전체 고객의 상호 작용을 처리) 또는 보조 서비스(예를 들어, 문제의 본질, 고객 선호도, 고객 서비스 수준 계약 등과 같은 요인에 따라 특정 작업을 라이브 에이전트에 위임) 등과 같이 여러 가지 모드들 중 하나에서 실행될 수 있다. 예를 들면, 자동 에이전트는 웹, 일반 전화기, 스마트 폰, 문자 메시지 등과 같은 고객 센터 장치 또는 방법에 적합한 특정의 프론트-엔드 인터페이스를 가질 수 있다. 일 실시예에서, 자동 에이전트의 기능은 라이브 에이전트 할당 같은 백 오피스 서비스를 더 포함할 수 있다.

예를 들어, 자동 에이전트는 라이브 에이전트에서 고객의 선호 소프트 기술, 고객의 현재 기분, 특정 라이브 에이전트에 대한 고객의 과거 경험, 에이전트 등급(즉, 고객에게 바람직한 결정을 내릴 수 있는 충분한 수준의 라이브 에이전트) 등과 같은 요인에 기초하여 고객에게 라이브 에이전트를 할당할 수 있다. 자동 에이전트가 기업을 대표할 권한이 있는 결정을 가질 수 있도록 자동 에이전트에게 에이전트 등급을 부여할 수 있다.

일 실시예에서, 자동 에이전트 연락 센터 상호 작용을 위한 다양한 표준 미디어 채널(예를 들면, 일반 전화, 스마트 폰, 채팅, 웹 및 이메일)을 통해 통신한다. 예를 들어, 고객 연락 센터와 고객의 이전의 상호 작용 또는 연락 센터에 접촉하는 고객의 방법 등과 같은 요인에 기초하여, 자동 에이전트는 그 프론트-엔드 인터페이스를 특정 고객의 선호도에 적합하게 맞출 수 있다.

도 2의 자동 에이전트는 고객 포털 모듈(110), 백 오피스 서비스 모듈(120), 고객 디렉토리 데이터베이스(130) 및 라이브 에이전트 풀 관리 모듈(140)을 포함하는 여러 개의 모듈 및 데이터베이스를 포함할 수 있다. 상기 고객 포털 모듈(110)은 고객과 연락 센터 사이의 인터페이스(예컨대, 연락 센터의 백 오피스)를 나타낸다. 상기 고객 포털 모듈(110)은 다양한 소스(예컨대, 고객과 자동 에이전트 또는 고객과 연락 센터 간의 현재 상호 작용은 물론 이전의 상호 작용)로부터 구축된 고객 프로파일 정보에 접근할 수 있으며, 고객에 관한 프로파일 정보를 고객 프로파일(150)(예컨대, 디스크 드라이브와 같은 비휘발성 저장 장치에 저장된 데이터베이스)에 저장할 수 있다.

자동 에이전트는 연락 센터에서 작업하는 라이브 에이전트 각각에 대한 정보를 저장 및 검색하기 위한(예컨대, 라이브 에이전트들의 하드 및 소프트 기술, 그리고 가용성) 라이브 에이전트 데이터베이스(350)를 유지할 수 있다. 일 실시예에서, 자동 에이전트의 기능은 통계 서버(예컨대, 도 1의 통계 서버(22))의 기능으로부터 분리되거나, 부분적으로 중복되거나, 또는 완전히 통합될 수 있다. 예를 들어, 자동 에이전트는 라이브 에이전트의 존재 또는 이용 가능성(예컨대, 즉각적인 가용성) 정보를 관리할 수 있다. 이러한 모듈 및 데이터베이스들은 도 3 내지 도 9를 참조하여 더 상세히 설명한다.

도 3은 본 발명의 실시예에 따른 지능형 자동 에이전트의 고객 포털 모듈(예컨대, 도 2의 고객 포털 모듈(110))의 여러 구성 요소의 개략적인 블록도이다. 도 3의 고객 포털 모듈(110)은 고객의 상호 작용을 위한 개별적(예를 들면, 맞춤형) 액세스 층을 제공하기 위한 것이다. 예를 들면, 상기 고객 포털 모듈(110)은 아바타 모듈(210)에 의해 구현되는 음성 및/또는 비디오 통신(예컨대, 웹 또는 스마트폰을 통한)을 위한 아바타를 제공할 수 있다. 다른 실시예에서, 상기 아바타 모듈(210)은 (예를 들면, 일반 전화를 통해서) 음성 통신을 제공할 수 있다. 상기 고객 포털 모듈(110)은 고객에게 개인적 IVR 대화를 제시하기 위한 개인 IV 모듈(220), 고객의 감정과 기분, 감상 등을 검출하기 위한 고객 감정 기분 감지 모듈(230), 고객과의 상호 작용에 게임 개념을 적용하기 위한 게임 모듈(240), 고객 간의 지식 이전을 주관하는 지식 전달 인터페이스(260)(대응되는 협력 지식 베이스(250)를 구비), 및 서로 다른 고객 프로파일을 대상으로 다양한 연락 센터 프로토콜(예컨대, IVR 스크립트, 라이브 에이전트 스크립트, 라우팅 규칙 등)에 대한 고객 승인 테스트를 수행하는 승인 테스트 모듈(270)을 포함할 수 있다.

예컨대, 상기 고객 포털 모듈(110)은 고객을 식별하고 고객의 음성 상호 작용을 단어로 변환하기 위해 당업자에게 공지된 바와 같은 음성 인식 및 언어 인식 소프트웨어를 사용할 수 있다. 일 실시예에서, 음성 인식은 코닉(Konig) 등에게 허여된 미합중국 특허 제 7,487,094호 "복합 단어에 기초한 콜 분류 및 콘텍스트 모델링 장치 및 방법"에 기재된 음성 인식 기술을 이용하거나 또는 다른 적합한 음성 인식 기술을 사용하여 수행할 수 있다. 상기 특허는 본 명세서에 참조로서 포함된다.

도 4는 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 아바타 모듈의(예를 들어, 도 3의 아바타 모듈(210)) 여러 구성 요소의 개략적인 블록도이다. 도 4의 아바타 모듈은 연락 센터에 대한 인간 인터페이스 또는 인간과 같은 인터페이스를 고객에게 제시한다. 이를 위하여, 아바타 모듈은 고객의 음성을 인식하기 위한 음성 인식 모듈(1610), 고객의 말(예컨대, 단어 또는 텍스트)을 인식하기 위한 말 인식 모듈(1620), 아바타의 음성(예컨대, 단어 또는 텍스트로부터)을 생성하기 위한 음성 생성 모듈(1630), 및 고객에게 아바타의 시각적 외관을 생성하는(예컨대, 디스플레이 화면 상에) 영상 생성 모듈(1640)을 포함한다.

일 실시예에 따르면, 고객 포털 모듈(110)은 개인 IVR 모듈(220)에 의해 구현되는 고객 맞춤형 IVR 대화를 고객에게 제공 할 수 있다. 일 실시예에서, 상기 개인 IVR 모듈(220)은, 예를 들어, 고객 프로파일(150)에 기초하여 질문 및 예상 답변을 준비한다. 예컨대, 고객 프로파일(150)이 이미 이전 응답을 가지고 있는 질문은 생략될 수 있고, 또는 개인 IVR 모듈(220)의 지시에 따라 확인 과정을 통해 질문을 재요청할 수 있다(예: "전화번호 XXX-XXX-XXXX를 통한 귀하와의 접촉이 유효합니까").

도 3의 고객 포털 모듈(110)은 고객 프로파일(150)에 저장된 고객 선호도에 맞추어 고객과 상호 작용할 수 있다(예를 들어, 개인 IVR 모듈(220)의 아바타 모듈(210)과 같은 구성 요소를 통해). 예를 들어, 고객을 위한(텍스트, 말, 스마트폰, 웹, 일반 전화와 같은) 선호 채널들,(월요일부터 금요일까지, 오후 5시, 동부 표준 시간 등과 같은) 시간 프로파일,(미국식 영어와 같은) 언어 등이 고객 프로파일(150)에 저장될 수 있다. 일 실시예에서, 고객 프로파일(150)은 일반 전화, 웹 등과 같은 고객의 다양한 선호도를 유지한다. 이러한 선호도는 순서를 가질 수 있고(예를 들어, 일반 전화가 일 순위 웹은 이 순위), 또는 선호도들은 다른 구성을 가질 수 있다(예를 들어, 일반 전화는 월요일부터 금요일까지 오전 9시 내지 오후 5시 사이의 시간 프로파일을 가질 수 있으며, 웹은 항시적인 시간 프로파일을 가질 수 있다). 또한, 고객은 다양한 언어 선호도(예: 영어 및 불어)를 가질 수 있으며 각각의 언어들에 대해 다른 프로파일 정보를 가질 수 있고(예: 불어에 대해 텍스트, 영어에 대해 텍스트와 말), 다른 언어들에 대해 하나의 언어가 선호도를 가지도록 할 수 있다.

일 실시예에서, 고객의 기분, 감정, 감성 등은 고객 감정 기분 검출 모듈(230)을 이용하여 고객 포털 모듈(110)에 의해 검출된다. 상기 고객 감정 기분 검출 모듈(230)은 고객이 표현한 소프트 인자를 검출할 수 있는데, 예컨대, 음성, 말(예를 들어, 단어), 및/또는 제스처 또는 다른 시각적 큐를 검출할 수 있다.

도 5는 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 고객 감정 기분 검출 모듈(예컨대, 도 3에 도시된 고객 감정 기분 검출 모듈(230))의 여러 구성 요소의 개략적인 블록도이다. 도 5의 고객 감정 기분 검출 모듈(230)은 고객의 음성 샘플을 분석하기 위한 말 분석 모듈(1710), 고객의 언어 샘플(예컨대, 고객이 말한 단어 및 숙어)을 분석하기 위한 말 분석 모듈(1720) 및 고객이 연락 센터(예컨대, 상호 작용 중 자동 에이전트의 아바타)에 표현한 고객 감정, 기분 감성 등을 검출하기 위해 고객 제스처 및 기타 시각적 큐를 분석하기 위한 시각적 큐 분석 모듈(1730)을 포함할 수 있다.

예를 들어, 일 실시예에서, 고객 감정 기분 검출 모듈(230)은 고객의 음성 패턴을 분석함으로써 고객의 현재 감정, 기분을 감지하는 상기 음성 분석 모듈(1710)을 포함할 수 있다. 예를 들어, 상기 음성 분석 모듈(1710)은 (예컨대, 현재 상호 작용 중인) 고객의 현재 음성 패턴과 전체 인구의 음성 패턴, 또는 고객 프로파일(150)에 속한 인구의 음성 패턴, 또는(예컨대, 자동 에이전트 또는 연락 센터와의 이전 상호 작용으로부터 구축되고 고객 프로파일(150)에 저장된) 고객의 음성 패턴과 비교한다.

일 실시예에서, 상기 음성 분석 모듈(1710)은 음성 바이오메트릭 기술을 이용하여(예를 들어, 고객 프로파일(150)에 저장된) 고객의 알려진 음성 기록과 새로운 대화를 비교하여 화자가 누구인지를 결정할 수 있다. 예를 들어, 음성 바이오메트릭 기술은 고객의 음성과 관련된 주파수를 캡처하는 단어를 기록하고, 음성 패턴을 추정하는 통계 모델을 사용할 수 있다. 이러한 말 패턴은 화자를 식별함에 있어서 지문만큼 정확하다. 사람의 목소리는 예컨대, 현재의 고객 음성 샘플을 고객의 이전의 음성 기록 또는 구축된 말 패턴과 비교하여 검출되는 기분 또는 건강과 같은 변수에 의해 영향을 받는다.

다른 예로서, 일 실시예에서, 고객 감정 기분 검출 모듈은 고객의 언어(예컨대, 단어, 구 또는 문장)를 분석해서 고객의 현재 감정, 기분 등을 검출하기 위한 말 분석 모듈(1720)을 포함할 수 있다. 감정과 기분은, 예를 들어. 고객의 말을(예를 들어, 도 4의 말 인식 모듈(1165)을 이용하여) 텍스트로 변환하고, 상기 텍스트를 사람의 기분 또는 감정을 식별할 수 있도록 해주는 미리 정의된 일련의 어구 및 단어 세트(예를 들어, 비하, 모독, 생색, 예의 등)에 대해 분석함으로써 검출될 수 있다. 또한, 고객 언어 샘플은 고객 프로파일에 유지되어 미래 언어 샘플들과 비교될 수 있도록 함으로써, 고객이 현재 상호 작용에서 다른 언어 패턴을 사용하고 있는 지의 여부를 알 수 있으며, 이는 감정 및 기분 검출에 매우 유용하다.

다른 예로서, 일 실시예에서, 고객 감정 기분 검출 모듈(230)은 고객의 얼굴 표현, 신체 표현 또는 특성에 대한 분석을 통해 고객의 현재 감정, 분위기를 감지하기 위해 시각적 큐 분석 모듈(1730)을 포함할 수 있다. 음성 패턴 분석과 마찬가지로, 시각적 큐는(고객과의 이전의 상호 작용으로부터 수집되고, 고객 프로파일에 저장된) 특정 고객에 대해 식별되며, 전체 인구 또는 고객 프로파일(150)에 소속된 인구로부터 식별된다(문화에 따라 표현 및 바디 랭귀지가 상이하므로 고객과 동일한 문화의 사람들로부터 샘플링).

이러한 비교 또는 비교들을 통해, 상기 고객 감정 기분 검출 모듈(230)은, 예를 들면, 음성 분석 모듈(1710), 말 분석 모듈(1720) 및/또는 시각적 큐 분석 모듈(1730)을 사용하여 고객이 정상적인 또는 일반적인 것에 비해 크게, 부드럽게, 빨리 또는 느리게 말하는지를 판단하고, 고객이 선동적인 음성 패턴 특성을 나타내고 있는지(예를 들면, 단어 선택 또는 인토네이션), 또는 고객이 외면적으로 분노, 기쁨, 좌절 등을 표현하고 있는지를 판단한다.

예를 들어, 감정 기분 감지 모듈(230)은 (예를 들면, 큰 소리, 불경스러운 언어, 및/또는 이를 악물고 있는 상태로부터) 고객이 화가 났는지 결정할 수 있다. 이러한 검출을 통해, 자동 에이전트는 고객을, 예를 들면, 분노한 고객을 잘 처리할 수 있는 기술을 가진 라이브 에이전트로 안내할 수 있다(예를 들면, 숙련된 분노 관리 기술을 가진 라이브 에이전트). 아이러니나 냉소를 인식하거나 고객의 실제 좌절 레벨을 검출하는 고급스런 처리를 위해서는 고객의 특수성을 감안해야 한다. 예를 들어, 고객 프로파일(150)에 기록된 고객과의 이전의 상호 작용에 기초하여, 고객이 일반인에 비해 매우 아이러니하거나 냉소적일 수 있으며, 또는 고객이 연락 센터와 상호 작용할 때 다양한 수준의 좌절 또는 분노를 나타낼 수 있다.

일 실시예에서, 상기 감정 기분 검출 모듈(230)은 고객이 참을성이 없는지의 여부를 결정할 수 있다(예를 들어, 메시지가 표시되기 전에 또는 가능한 많은 응답을 듣기 전에 응답을 시도하거나 인내가 눈에 보이거나 흥분 상태인 경우). 이러한 경우, 감정 기분 검출 모듈(230)은 자동 에이전트를 조절하여 다른 방식으로 대응할 수 있도록 한다. 예를 들어, 자동 에이전트는, 개인 IVR 모듈(220)로부터 스크립트된 현재 대화 전송률에서 고객이 인내심을 잃은 것으로 판단되면, IVR 대화를 가속화하거나, 더 단축된 스크립트를 이용할 수 있다. 일 실시예에서, 감정 기분 검출 모듈(230)은 스콧(Scott) 등이 출원한 미합중국 특허 출원 공보 제 2011/0010173호 "상호 작용을 분석하고, 분석 결과를 인간-작동식 인터페이스 및 시스템 인터페이스로 실시간 보고하기 위한 시스템"에 기재된 기분 또는 감정 상태 감지 기술을 이용할 수 있으며, 또는 다른 적합한 기분 도는 감정 상태 검출 기술을 사용할 수 있다. 상기 출원의 전체 내용은 본원에 참고로 인용된다.

일 실시예에서, 고객 포털 모듈(110)은 (인센티브 및/또는 보상이 있는 게임 형태의 작업을 부여하며, 고객이 작업을 완료하고 성공을 성취할 수 있는 인성을 갖도록) 고객과의 상호 작용에 게임 개념을 적용하기 위한 게임 모듈(240)을 포함한다. 상기 게임 모듈(240)은, 예를 들어, 고객이 원하는 목표를 완료할 수 있는 수준을 달성하기 위해 응답을 제공하는 형식으로, 정보 수집 절차를 게임으로 수행하여(즉, 문제의 해법, 원하는 정보의 제공 등) 고객이 개인 IVR 대화 중의 하나에 적극적으로 참여할 수 있도록 한다. 고객의 고민을 전달하는 것은 고객을 만족시키는 것뿐만 아니라, 고객들이 다른 고객들에 영향을 미치기 전에 잠재적인 문제 또는 개선 영역을 공개한다는 점에서 연락 센터를 운영하는 기업에 도움이 될 수 있다.

게임 과정을 통해 고객을 안내하여, 자동 에이전트는 더 많은 상호 작용 경험에 고객을 참여시킬 수 있는데, 고객은 목표 의식을 갖는 경험을 할 수 있으며, 고객을 돕는 자동 에이전트가 목표 달성에 직면한 장애물을 경험할 수 있고, 고객이 제공해야 할 누락 링크를 경험함으로써, 고객과 자동 에이전트가 목표를 성취하기 위해 함께 협력할 수 있다. 이러한 공정을 통해, 고객은 보다 긍정적이고 협력적인 태도 및 기분을 가질 수 있다. 게임 모듈(240)은 실제 게임 요소들을 도입할 수 있다. 예컨대, 고객을 경쟁하게 할 수 있다(예를 들면, 최초로 문제 또는 해답을 식별, 대부분의 문제 또는 해답을 발견 또는 식별, 또는 최선의 해답을 발견 등). 일 실시예에서, 게임 모듈은 치밀한(보다 효과적인) 방식을 사용하며, 게임의 심리학 원리로부터 학습할 수 있는데, 이는 영구적인 진보의 경험을 전달하는 것과 같다(예를 들어, 고객 개인의 능력이나 기술에 적합한).

일 실시예에서, 고객 포털 모듈(110)은 또한 협력 지식 베이스(250)와 고객 사이의 지식 전달을 위한 지식 전달 인터페이스(260)를 포함할 수 있다. 예를 들면, 상기 협력 지식 베이스(250) 데이터베이스로 구성될 수 있고, 비휘발성 기억 장치(디스크 드라이브, 클라우드 스토리지 등)에 저장된다. 여기서, 목표는 두 단계로 될 수 있다: 고객이 제기한 문제를 해결하고, 다른 사람들을 돕기 위해 협력 지식 베이스(250)에 해답을 기록하여 경험에서 배운다.

게임 원칙은 여기에도 사용될 수 있다. 예를 들어, 게임 모듈(240)은 문제와 그 해결책을 진단하는 데 도움을 준 고객에게, 그 해결책이 추후 다른 고객들에게 이익을 줄 것으로 판단하여, 인센티브를 제공 할 수 있다. 다른 사람을 도울 때 사남들은 근본적으로 이타주의에 입각하여 행동하지만, 그러나 이는 사람들에게 제일 먼저 해결책을 찾도록 하고, 동일한 문제를 갖는 고객(예를 들어, 동일한 해결책을 갖는 문제를 안고 있는 고객들)을 돕는 사람들에게 보상을 할 때 더욱 완벽하게 이용될 수 있다. 보상은, 예를 들어, 재정적이거나(예를 들어, 돈, 상품, 할인), 가상적이거나(예: 상용 고객 우대 포인트로서 소정 포인트를 재정적 보상으로 전환 할 수 있는), 심리적인 것(예를 들어, "당신의 기여가 100명 이상의 다른 고객에게 같은 문제가 발생하지 않도록 도왔다"와 같은 선의)일 수 있다.

예를 들어, 일 실시예에서, 협력 지식베이스(250)는(고객, 시스템, 시간 등과 같은) 다른 기준에 부가하여(예컨대, 특정 조건, 문제 및 해결책 같은) 개념에 의해 구성될 수 있으며, 적절한 해결책을 고객에게 제시하기 위하여 이러한 조건들을 활용하는 일련의 질문 및 답변으로서 지식 전달 인터페이스(260)를 통해 검색 할 수 있다. 예를 들어, 상기 지식 전달 인터페이스(260)를 이용한 검색 경로와 마련된 해결책은 상기 협력 지식 베이스(250)에 저장될 수 있다. 이러한 방식으로, 상기 지식 전달 인터페이스(260)에 의한 미래의 검색에서는, 예를 들면, 가능한 해결책 또는 이전에 이러한 방식으로 검색을 한 이전의 고객(동일 고객을 포함할 수 있음)에 의한 검색 경로 중의 하나 또는 모두를 검색할 수 있다. 이어서, 예를 들면, 상기 협력 지식 베이스를 이용한 직접 검색을 통해, 이전 고객의 해결책으로부터, 또는 이전 고객을 현재 고객에 연결하여(예를 들면, 포럼) 해결책을 찾아서 이전 고객에 대한 보상을 가능하게 할 수 있다.

보상은, 예를 들어, 고객에게 동기를 부여하는 고려 또는 보상의 형태가 되어 다른 고객을 도울 수 있도록 협력 지식 베이스에 기여한다. 예를 들어, 보상은 화폐(예를 들어, 현금, 상품권, 서비스 이용권), 가상(즉, 누적될 수 있고 고객에게 가치 있는 포인트) 등이 될 수 있다.

이하, 지식 전달 인터페이스의 예시적인 프로세스 흐름을 도 6을 참조하여 설명하기로 한다. 본원에서 각각의 처리는 메모리에 저장된 컴퓨터 프로그램 명령들에 기초하여 하나 이상의 프로세서에 의해 실행되는 소프트웨어 루틴의 관점에서 설명될 수 있다. 그러나, 당 업계의 숙련자는 상기 루틴이 하드웨어, 펌웨어(ASIC를 통해) 또는 소프트웨어, 펌웨어 및/또는 하드웨어의 조합으로 실행될 수 있다는 것을 인식할 수 있을 것이다. 또한, 공정 단계의 순서는 고정된 것이 아니라 당업자가 인정하는 임의의 원하는 순서로 변경될 수 있다.

도 6은 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 지식 전송 인터페이스(예를 들면, 도 3의 지식 전달 인터페이스(260))에 의해 실행되는 프로세스의 흐름도이다. 도 6에 도시된 프로세스는 고객이 말한 질문에 대답하기 위해 협력 지식 베이스(250)를 사용하기 위한 것이다. 프로세스가 시작되고, 단계(1810)에서, 고객의 말은 텍스트로 변환된다(예를 들어, 도 14의 말 인식 모듈(1165) 사용). 단계(1820)에서, 단어, 구문, 문법에 대한 텍스트가 분석되고(예를 들면, 미리 정의된 알고리즘에 기초하여), 무엇을 말하는지 또는 무엇을 질문하는 지를 검출한다. 예를 들어, 텍스트를 질문의 형태로 만들기 위해, 분석은 질문 단어 또는 문구(예를 들어, "얼마나", "누가" 또는 "무엇을"), 주제어, 동사, 직접 목적어 등을 식별하는 것을 포함한다. 질문이 아닌 문장을 분석하기 위해 유사한 분석이 수행될 수 있다.

단계(1830)에서, 무엇을 말했고 질문했는지 등에 대해 최적의 답을 찾기 위해 응답 라이브러리(예를 들어, 사전 정의된 해답)를 검색한다. 상기 응답 라이브러리는, 예를 들어, 협력 지식 베이스(250)의 일부분 일 수 있고, 관련된 대응 질문 또는 진술(예를 들어, 질문 라이브러리)에 상호 참조되거나 배치될 수 있다. 일 실시예에서, 협력 지식 베이스(250)는 그 진술 라이브러리, 질문 라이브러리 또는 두 개의 라이브러리 사이의 관계를 상기 지식 전달 인터페이스(260) 방향으로 동적화하고, 성장시키며 정재 한다. 검색 알고리즘은, 당업자에게 공지된 바와 같은 데이터베이스를 검색하고 적절할 결과를 도출하는 사전 정의된 검색 알고리즘이다. 단계(1840)에서, 최적의 답이 말로 변환되고(예를 들어, 도 14의 말 합성 모듈(1170)을 사용하여), 고객에게 출력된다.

도 3을 참조하면, 일 실시예에서, 고객 포털 모듈(110)은, 예를 들면,(예를 들면, 고객 프로파일(150)에 수집된) 서로 다른 고객 프로파일들과 관련하여 IVR 스크립트, 라이브 에이전트 스크립트, 라우팅 규칙 등에 대해 고객 승인 테스트를 수행하는 고객 승인 테스트 모듈(270)을 가질 수 있다. 예를 들어, 상기 고객 승인 테스트 모듈(270)은 효과를 측정하기 위해 특정 고객 프로파일(예를 들어, 특정 지리적 영역 또는 비즈니스 관계)에 대해 제안된 IVR 스크립트를 테스트할 수 있다. 예를 들어, 특정 IVR 스크립트가 몇몇 프로파일에 대해서만 효과적이고(예를 들면, 이해) 다른 프로파일에 대해서는 아닌 경우, 상기 IVR 스크립트는 그 효과가 적용될 수 있는 고객들에게만 전달되도록 태그가 마련된다. 유사하게, 만약 IVR 스크립트가 특정 고객 프로파일에 대해 효과가 없는 경우(예를 들어, 이러한 고객 프로파일의 고객은 이 IVR 스크립트에 대해 매우 혼란스러울 수 있다), 이 IVR 스크립트는 이러한 고객 프로파일에서 분리되어 다시 작성되거나 이러한 고객 프로파일에 대한 효과를 향상시킬 수 있도록 개선된다.

도 7은 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 백 오피스 서비스 모듈(예컨대, 도 2의 백 오피스 서비스 모듈(120))의 여러 구성 요소의 개략적인 블록도이다. 도 7의 백 오피스 서비스 모듈(120)은 특정 고객의 요구에 따라 상호 작용 관리를 자동으로 조정하기 위한 것이다. 연락 센터에 대한 일 실시예에서, 고객과의 상호 작용은 두 개의 부분에 의해 처리될 수 있다: 고객과의 직접 통신을 처리하는 프론트 오피스 부분(예를 들면, 고객 포털 모듈(110)) 및 고객과의 상호 작용 관리(예를 들면, 라이브 에이전트 선택, 자원 할당)를 처리하는 백 오피스 부분(예를 들면, 백 오피스 서비스 모듈(120)). 예를 들면, 연락 센터는 고객과의 상호 작용에 대해 자신들의 고객 맞춤형 방식을 갖추고 있다.

통상적인 연락 센터에서는, 프론트 오피스 부분과 백 오피스 부분은 라이브 에이전트에 의해 처리될 수 있다. 본 발명의 예시적인 실시예에서, 백 오피스 부분의 일부 또는 전부가 자동 에이전트의 백 오피스 서비스 모듈(120)에 의해 처리되는 동안, 프론트 오피스 부분의 일부 또는 전부는 고객 포털 모듈(110)에 의해 처리된다. 일 실시예에서, 백 오피스 서비스 모듈(120)은, 예를 들면,(라이브 에이전트 데이터베이스(350)를 사용하여) 고객과 적절한 라이브 에이전트 매칭을 수행하는 라이브 에이전트 할당 모듈(310), 고객 프로파일(150)에 대해 제안된 응답이나 응답 처리 옵션을 체크하기 위한 제안 응답 처리 모듈(320), 고객 프로파일(150)의 관점에서 고객의 상호 작용의 컨텐츠를 분석하는 컨텐츠 분석 모듈(330), 및 소셜 커뮤니티로 고객을 조직하는 소셜 커뮤니티 모듈(340)을 포함할 수 있다.

일 실시예에 따르면, 라이브 에이전트 할당 모듈(310)은 당면한 특정 문제에 대해 고객에게(예를 들어, 가장 적절한 라이브 에이전트와 같은) 적절한 라이브 에이전트를 할당할 책임이 있다. 연락 센터 내의 라이브 에이전트의 비용이 높을 수 있고, 연락 센터의 목표는 연락 센터 내의 모든 또는 대부분의 라이브 에이전트를 자동 에이전트로 대체하는 것이지만, 또 다른 시나리오는 적고, 보다 전문적인 라이브 에이전트를 라이브 에이전트 할당 모듈(310)과 함께 연락 센터 내에 보유하여(예컨대, 고객 포털 모듈(110)이 더 이상 고객의 문제에 대한 해결책에 대해 양호한 개선을 보이지 않을 경우) 고객을 가장 적절한 라이브 에이전트로 안내하는 것이다. 예를 들어, 고객이(예컨대, 고객 프로파일(150)에서 지시되는 바와 같이) 라이브 에이전트와 상호 작용하는 것을 선호하는 경우, 또는 고객이 라이브 에이전트 지원을 받도록 계약한 경우, 또는 고객 문제의 본질이 자동 에이전트 응답을 통해 해결될 것 같지 않은 경우, 라이브 에이전트의 처리는 적절할 수 있다.

라이브 에이전트 할당 모듈(310)이 고객에게 라이브 에이전트를 할당하도록 결정하는 경우, 상기 라이브 에이전트 할당 모듈(310)은, 예를 들면, 고객의 선호도(라이브 에이전트의 하드 기술 또는 소프트 기술, 고객의 현재 기분이나 감정, 이전 라이브 에이전트 경험 등), 사용 가능한 라이브 에이전트, 고객의 서비스 레벨 계약 등과 같은 여러 가지 요인을 고려할 수 있다. 이를 위해, 상기 라이브 에이전트 할당 모듈(310)은 모든(가용 가능한) 라이브 에이전트에 대한 전체 정보를 갖고 있는 라이브 에이전트 데이터베이스(350)를 탐색할 수 있다. 고객은 선호 에이전트를 가질 수 있으며, 상호 작용을 선호하는 에이전트 타입을 가질 수 있고, 이는 고객의 경험 또는 고객에 특수성에 따라 결정되고, 라이브 에이전트 할당 모듈(310) 또는 다른 구성 요소(예를 들면, 개인 IVR 모듈(220))에 의해 고객 프로파일(150)에 저장되거나 고객 프로파일(150)로부터 검색될 수 있다. 예로서, 일 실시예에서, 고객의 현재 기분이 흥분상태이거나 적대적인 경우, 상기 라이브 에이전트 할당 모듈(310)은 라이브 에이전트 데이터베이스(350)에서 우수한 분노 관리 또는 분쟁 관리 기술을 갖는 라이브 에이전트로 고객을 할당할 수 있다.

일 실시예에서, 제안 응답 처리 모듈(320)은 고객 프로파일(150)에 대해 제안된 응답 또는 응답 처리 옵션을 체크할 수 있다. 고객 포털 모듈(110)은 고객에게 응답을 제공할 수 있지만, 응답을 선택할 수 있고, 제안된 응답을 가질 수 있다. 제안 응답 처리 모듈(320)은 응답 또는 고객 프로파일(150)에 대한 응답을 확인하고, 고객 프로파일(150)에 의해 적절치 않다고 지적된 응답을 삭제하거나 변경할 수 있다. 예를 들어, 이미 고객에게 공급되었고, 고객에 대한 지시가 효과적이지 않다고 판단되는 응답들은 고객에게 더 이상 공급되지 않을 수 있다.

상기 제안 응답 처리 모듈(320)은 고객의 문제를 해결하는 가장 좋은 방법을 결정하기 위해 고객 프로파일(150)을 확인할 수 있다. 예를 들어, 고객 프로파일(150)은 시간의 경과됨에 따라 수집된 데이터를 나타낼 수 있으며(예를 들면, 미리 정의된 알고리즘을 기초로), 완료되지 않은 계류 중인 요청, 고객 서비스 레벨 상태, 비즈니스 데이터, 과거의 상호 작용, 바람직한 옵션, 기분 정보 등과 같은 정보를 포함할 수 있다. 고객이 연락 센터를 접촉할 때 마다, 고객 프로파일(150)에 있는 프로파일 데이터는 고객의 다음 요청을 처리할 때 고려되어야만 하며, 예를 들어, 상기 요청이 자동 에이전트에 의해 처리되어야 하는지 또는 가장 적합한 라이브 에이전트에게 전송되어야 하는지를 고려해야 한다. (여기서, "가장 적합한"이라는 용어는, 예를 들면, 자동 에이전트에 의해 결정될 수 있다).

예를 들어, 일 실시예에서, 제안 응답 처리 모듈(320)은 맞춤식 교차/상향 판매를 위한 기회를 확인 또는 처리하는 것을 보조한다. 즉, 관련 상품의 교차 판매 또는 고객에 대한 서비스 기회를 만들거나, 특수 상품 또는 고객이 원하는 서비스의 상향 판매(예를 들어, 판매 증가) 기회를 만들 수 있다. 예컨대, 주어진 고객으로부터 상호 작용을 수신할 때, 예를 들어, 제안 응답 처리 모듈(320)은 고객에 대한 교차/상향 판매 기회가 있는지의 여부를 우선적으로 분석하고, 고객의 승인이 있는지의 여부를 확인한다(예를 들어, 현재의 상호 작용을 분석 및/또는 고객 프로파일(150)을 검토 한 이후).

교차/상향 판매 분석의 결과가 충분히 긍정적 또는 수용 가능할 경우, 상기 제안 응답 처리 모듈(320)은 고객의 주요 요구(예를 들어, 특정 제품이나 상호 작용의 서비스 요청)와 교차/상향 판매(예를 들면, 라이브 에이전트 할당 모듈(310)을 이용하여)를 모두 처리하기 위한 최상의 라이브 에이전트를 검색 할 수 있다. 이는 고객의 선호도에 최상의 라이브 에이전트를 맞추는 것 같은 추가의 맞춤 형태일 수 있다.

일 실시예에서, 컨텐츠 분석 모듈(330)은 고객 프로파일(150)의 관점에서 고객의 상호 작용 컨텐츠를 분석한다. 예를 들면, 고객 프로파일 컨텐츠(예컨대, 음성 또는 비디오 녹화, 채팅, 수집된 정보 등)는 연락 센터와의 상호 작용 동안에 특정 정보(예를 들면 특정 단어, 표현, 동작)를 위해 컨텐츠 분석 모듈(330)에 의해(예컨대, 미리 정의된 알고리즘을 이용하여) 분석된다. 고객 프로파일(150)은 컨텐츠 분석에 의해 갱신될 수 있다.

어떤 시점에서, 컨텐츠 분석 모듈(330)은 (예를 들어, 컨텐츠 분석 모듈(330)의 알고리즘) 강화될 수 있다(예를 들어, 고객 프로파일 컨텐츠에서 새로운 정보를 검색). 일 실시예에서, 자동 에이전트는 모든 고객 프로파일 컨텐츠에 대해 강화된 컨텐츠 분석 모듈(330)을 실행시키고, 이 과정에서 고객 프로파일(150)을 업데이트 할 수 있다. 이러한 방식으로, 고객이 다시 연락 센터에 접촉할 경우, 고객에 대한 고객 프로파일(150)은 강화된 컨텐츠 분석 모듈(330)에 업데이트를 반영한다. 따라서, 고객과 연락 센터 사이의 다음 상호 작용에서, 최신 프로파일 컨텐츠 업데이트(예를 들면, 버전)는 자동 에이전트에 의한 판단(예컨대, 적절한 리소스에 고객을 라우팅)에 있어서 고려할 사항이다. 예를 들어, 강화된 컨텐츠 분석 모듈(330)에 의한 고객 프로파일(150)의 갱신은, 컴퓨팅 리소스가 사용 가능할 때, 백그라운드 처리로서 발생할 수 있다.

일 실시예에서, 컨텐츠 분석 모듈(330)은 다양한 고객 프로파일 전용 모델들을 사용한다. 예를 들어, 하나의 특정 고객 프로파일 피팅 고객은 고객 프로파일 컨텐츠 분석을 수행하기 위한 컨텐츠 분석 모듈(330)의 상이한 모델(예를 들어, 다른 규칙)을 사용할 수 있다. 다른 실시예에서, 컨텐츠 분석 모듈(330)은 각 고객에 대해 서로 다른 모델들을 사용할 수 있다. 예를 들어, 핵심 모델 또는 고객 프로파일 모델은 동적으로 추가 고객 별 규칙을 추가함으로써 개선될 수 있다.

일 실시예에서, 소셜 커뮤니티 모듈(340)은 온라인 소셜 커뮤니티로(예컨대, 그들의 고객 프로파일에 의해 공개된 공통 관심사를 공유하는) 고객을 조직할 수 있다. 이러한 커뮤니티는,(예를 들어, 참여에 대한 관심을 증가시키고, 특별한 양태 또는 공통의 목표에 대해 그룹이 고도의 전문성을 갖도록) 다소 작을 수 있고, 사교뿐만 아니라, 비슷한 상황에 있는 사람들과 정보를 공유하기 위해 고객의 자연스러운 성향을 활용(예컨대, 포럼) 한다. 예를 들어, 고객 프로파일 데이터의 방대한 양을 활용하여, 기업을 후원하는 기업은(예를 들어, 고객과 기업의 연락 센터 및 자동 에이전트 사이의 상호 작용을 기반으로) 자동 에이전트를 사용하여 기업에 중요한 특수 분야에서 전문가가 될 수 있는 고객들의 다양한 그룹을 구축할 수 있다.

도 8은 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 고객 디렉토리 모듈(예를 들면, 도 2에 도시된 고객 디렉토리 모듈(130))의 여러 구성 요소의 개략적인 블록도이다. 도 8의 고객 디렉토리 모듈(130)은, 예를 들어, 연락 센터의 서비스에 관련하여 개별 고객에 대한 정보를 유지하고, 이 정보를 적절한 고객 프로파일(150)에 저장할 수 있다. 이 정보는, 예를 들어, 선호하는 언어(말 및/또는 기록), 다른 대화, 선호하는 라이브 에이전트 소프트 기술, 음성 샘플(음성 인식 및 검증을 통해 인증된), 대화 패턴(기분/감정탐지/분석을 위한), 선호하는 미디어 채널, 현재 위치(예를 들어, 직장, 가정, 여행), 및/또는 고객의 신용 점수(고객이 공유하고자 하는 경우)를 포함할 수 있다.

예를 들어, 일 실시예에서, 고객 디렉토리 모듈(130)은 고객으로부터 전달되고 있는 언어(음성 또는 기록)를 확인하기 위한 언어 검출 모듈(410)을 사용한다. 예를 들어, 언어 검출 모듈(410)은 고객의 대화 샘플(음성 또는 기록)을 분석하여 언어를 검출하고 상기 샘플을 공지 패턴 샘플과 비교한다. 상기 언어 감지 모듈(410)은 이러한 결과가 반영되도록 상기 정보를 고객 프로파일(150) 내에 저장 및 업데이트한다. 언어 감지 모듈(410)은 언어를 결정하는 데 도움이 되도록 고객 프로파일(150)을 사용할 수 있다. 예를 들어, 고객 프로파일(150)은 고객에 의해 사용되는 언어의 리스트를 유지할 수 있으며, 이는 선호도, 대화 유형 등으로 추가 분류될 수 있다.

일 실시예에서, 고객 디렉토리 모듈(130)은 선호 라이브 에이전트 기술 모듈(420)을 가지며, 상기 선호 라이브 에이전트 기술 모듈(420)은 소프트 기술과 같은 라이브 에이전트의 기술 중의 어느 것이 고객에게 선호되고 효과적인지를 결정한다. 상기 선호 라이브 에이전트 기술 모듈(420)은, 예를 들어, 고객 감정 기분 검출 모듈(230)로부터의 출력을 사용하여 라이브 에이전트의 기술 중의 어느 것이 고객에게 잘 어울릴 지에 대해 결정한다. 상기 선호 라이브 에이전트 기술 모듈(420)은 라이브 에이전트의 현존하는 상호 작용으로부터 피드백을 사용하고,(예를 들면, 라이브 에이전트 데이터베이스(350)에 유지되는) 이러한 라이브 에이전트의 기술들을 사용하여 고객에 대한 선호 라이브 에이전트 기술을 결정한다.

일 실시예에서, 상기 고객 디렉토리 모듈(130)은 고객의 음성 패턴을 인식, 식별 및/또는 확인하기 위한 음성 인식 모듈(430)을 갖는다. 음성 인식 모듈은, 예를 들어, 상호 작용하는 동안 고객의 신원을 결정하기 위해 또는 고객의 신원을 증명하기 위해(예를 들면, 사기 탐지), 시간에 따라 수집되고 고객 프로파일(150)에 저장되어 있는, 고객의 음성 샘플을 사용할 수 있다. 예를 들면, 상기 음성 샘플은(예컨대, 보안 질문 또는 암호와 같은) 다른 방법으로 신원을 확인 후 수집될 수 있고, 추후 인식을 위해 특별히 수집될 수 있으며(상호 작용의 일부로서 특정 음성 샘플을 제공), 또는 연락 센터와 정기적인 상호 작용에서 시간이 지남에 따라 수집될 수 있다.

일 실시예에서, 고객 디렉토리 모듈(130)은 고객의 대화 패턴을 검출하는 대화 패턴 모듈(440)을 갖는다. 예를 들어, 상기 대화 패턴 모듈(440)은 고객이 빠르게 또는 느리게 말을 하는지 또는 명확하게 또는 불명확하게 말을 하는지 등을 검출한다. 이를 위해, 상기 대화 패턴 모듈(440)은 고객의 기분, 감정 등을 결정하는 것을 돕기 위해 고객 감정 기분 검출 모듈(230)에 입력을 제공 할 수 있다. 대화 패턴은 고객의 보다 완전한 상태를 인식하기 위해 고객 프로파일(150)에 저장될 수 있다(예를 들면, 복수의 상호 작용을 통해 여러 대화 패턴을 저장). 상기 대화 패턴 모듈(440)은 자동 에이전트 또는 라이브 에이전트와 대화를 하는 동안 고객의 대화 패턴을 검출할 수 있다.

일 실시예에서, 고객 디렉토리 모듈(130)은 고객의 선호 미디어 채널을 결정하기 위한 선호 미디어 채널 모듈(450)을 갖는다. 이 정보는, 예를 들면, 고객 프로파일(150)에 저장될 수 있다. 상기 선호 미디어 채널 모듈(450)은, 예를 들어, 고객과 연락 센터 사이의 상호 작용으로부터 발생하는 정보를 사용하여 고객의 선호 미디어 채널을 결정한다. 예를 들어, 고객은 항상(또는 거의 항상) 연락 센터에 문의하는, 전자 메일 또는 스마트폰과 같은 특정 미디어 채널을 사용할 수 있다. 전화 번호, 스마트폰의 종류, 전자 메일의 형식(예를 들어, 단순 텍스트, 풍부한 HTML) 등과 같은 특정 미디어 채널에 대한 정보는 고객 프로파일(150)에 저장되어, 예를 들면, 특징에 상관없이 이용하고, 고객의 선호 미디어 채널에 고유한 제한 사항에 대해 수용한다. 일 실시예에서, 선호 미디어 채널 모듈(450)은 직접 고객의 요청으로 선호 미디어 채널을 획득할 수 있다.

일 실시예에서, 고객 디렉토리 모듈(130)은 고객의 위치를 결정하기 위한 고객 위치 모듈(460)을 갖는다. 상기 고객 위치 모듈(460)은 고객이, 예를 들어, 직장, 가정 또는 여행 중인지(예컨대, 고객이 다른 주 또는 국가에 있는지 또는 고객의 직장 또는 집과 동일한 마을 또는 도시의 다른 부분에 있는지)를 결정한다. 상기 고객 위치 모듈(460)은 고객이(예를 들어, 전화 통화 시) 연락 센터에 문의하는 데 사용하는 전화 번호 또는 고객 컴퓨터의 IP 주소(예를 들어, 라이브 채팅), 또는 GPS 추적 정보(예를 들어, 스마트폰 상호 작용)를 이용하여 고객의 위치를 파악한다. 고객의 위치는, 예를 들어, 고객 프로파일(150)을 구축하기 위해, 고객의 선호 미디어 채널을 결정하기 위해, 어떤 상황에서는, 특정의 문제(예를 들어, 고객이 현재 위치에서 도움을 필요로 하는 경우)에 대해 고객을 돕기 위해 유용하게 사용된다.

일 실시예에서, 또 다른 모듈(470)은 고객 디렉토리 모듈(130)의 일부분일 수 있다. 예를 들어, 일 실시예에서, 다른 모듈(470)은 고객의 신용 점수를 결정하기 위한 모듈을 포함할 수 있다. 예를 들어, 신용 점수 모듈(470)은 신용 점수를 획득하기 위해 고객의 인가를 받아야 한다. 신용 점수 모듈(470)은, 예를 들면, 직접 고객에 요청하여 또는 고객 프로파일(150)을 검색하여 신용 점수(예를 들면, 실명, 주민등록번호 등)을 얻기 위해 필요한 정보를 획득할 수 있다. 상기 신용 점수 모듈(470)은 (예를 들어, 인터넷을 통해) 신용 점수 보고 회사에 연락하기 위해 정보를 사용할 수 있고, 고객의 신용 점수를 얻기 위해 필요한 어떤 적절한 정보를 입력하거나 수수료 등을 지불함으로써, 신용 점수를 얻을 수 있다. 신용 점수는, 예를 들면, 어떤 프로그램 또는 서비스가 소비자에게 유용한 것인가를 결정하는 것에 유용하게 사용되고, 고객의 신용 위험을 제공하는데 유용할 수 있다.

도 9는 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 라이브 에이전트 풀 관리 모듈(예를 들면, 도 2의 라이브 에이전트 풀 관리 모듈(140))의 여러 구성 요소의 개략적인 블록도이다. 도 9의 라이브 에이전트 풀 관리 모듈(140)은 특정 기업을 위해 작업이 할당된 라이브 에이전트의 동적인 연합 풀(라이브 에이전트 데이터베이스(350)로부터 선택될 수 있다)을 관리하기 위한 것이다. 상기 라이브 에이전트 풀 관리 모듈(140)은 실시간으로 작동하고, 요청에 따라, 라이브 에이전트를 수신 또는 발신 연락 또는 고객에 할당한다.

일 실시예에서, 상기 라이브 에이전트 풀 관리 모듈(140)은 기업에 사용할 수 있는 라이브 에이전트의 풀을 감독 가능한 라이브 에이전트 풀 모듈(510)을 포함한다. 이러한 에이전트는 라이브 에이전트 데이터베이스(350)로부터 선택될 수 있고, 예를 들면, 연락 센터와 기업의 계약에 기초하여(예를 들어, 소유, 리스, 아웃소싱, 계약) 특정 기업에 의해 사용되거나 특정 기업에 할당될 수 있다. 풀은 현재 "근무 중"인 에이전트(예를 들어, 직장에서 고객과의 상호 작용을 처리할 수 있는 에이전트)를 포함할 수 있으며, 이러한 에이전트는, 예를 들면,(특정 에이전트가 현재 다른 독점적인 상호 작용을 하는 고객을 도와 주고 있는 중인지 또는 가용 가능성이 없는지 여부 등의 요인에 따라) 자유로움 또는 바쁨 등으로 세분화될 수 있다. 라이브 에이전트 풀은 상황에 따라 동적으로, 지속적으로 조정된다. 예를 들어, 일 실시예에서, 라이브 에이전트 풀은 특별 영역의 전문가를 나타내는 데, 예를 들어, 세금 준비에 자신의 서비스를 제공하는 적절한 자격을 갖는 세무 자문 위원을 나타낼 수 있다. 고객들은 연락 센터에 연락하여 이러한 전문가의 서비스를 받을 수 있다.

일 실시예에서, 라이브 에이전트 풀 관리 모듈(140)은 등록 인터페이스 모듈(520)을 가질 수 있는데, 여기서, 전문가들이 그들의 증명서와 함께 프로파일을 기재하고, 서비스 시간, 서비스 비용 등을 지정할 수 있다. 등록 인터페이스 모듈(520)은 예비 전문가로부터(예를 들면, 온라인 GUI를 통해) 필요한 정보를 수집한다. 라이브 에이전트 풀에 수용되면(예를 들어, 온라인 전문가는 이러한 풀을 세팅하는 조직의 요구 사항을 충족시킬 인증서, 가용성 및 비율과 같은 사전 정의된 기준에 기초하여 선택될 수 있다), 예비 전문가의 프로필 정보는 라이브 에이전트 데이터베이스(350)에 추가된다.

다른 실시예에서, 전문가들은 다른 방법으로 라이브 에이전트의 풀에 진입할 수 있다. 예를 들어, 전문가가 관리 할당에 의해 선택될 수 있으며, 또는 경쟁 입찰에 의해(예: 필요한 기술 또는 필요한 인증으로 기준 준수 여부를 확인 후 진입) 선택될 수 있다. 전문가가 고객 연락처에 답변을 제공할 수 있는 경우, 라이브 에이전트 풀 관리 모듈(140)은 필요에 따라 전문가가 고객에게 할당 가능한 라이브 에이전트 풀(510)에 전문가를 할당할 수 있다.

예를 들어, 일 실시예에서, 전문가의 잠재 고객이(예를 들어, 세금 준비에 도움이 필요한 납세자) 최종 사용자 인터페이스 모듈(530)을 통해 인터페이스 될 수 있다. 최종 사용자 인터페이스 모듈(530)은 전문가의 사용자에게 전문가의 서비스는 보여 주며, 예를 들어, 사용자에게 웹 인터페이스 또는 번호 800의 콜 서비스를 통해 서비스를 보여 준다. 이 서비스는 또한 세금 준비 제품(예를 들면, 컴퓨터 세금 준비 제품)을 판매하는 회사에서 부가 서비스로 운영할 수 있다. 라이브 에이전트 풀 관리 모듈(140)은 지능형 에이전트의 다른 구성 요소(예를 들어, 고객 포털 모듈(110), 백 오피스 서비스 모듈(120), 또는 고객 디렉토리 모듈(130))과 상호 작용하여 동작을 용이하게 하고 이러한 구성 요소의 서비스를 활용할 수 있다.

일 실시예에서, 라이브 에이전트 풀 관리 모듈(140)은 온라인 소셜 커뮤니티 모듈(540)을 통해 온라인 소셜 커뮤니티의 회원의 접촉 정보를 유지할 수 있다. 이는 형식성이 결여된 인터페이스일 수 있는데, 여기서, 예를 들면, 온라인 소셜 커뮤니티(예 : 온라인 포럼 등)의 장래의 "전문가들"이 초대되거나, 온라인 소셜 커뮤니티 모듈(540)을 다른 사용자를 지원하는 "가상 에이전트" 역할을 하도록 할 수 있다. 이러한 가상 에이전트는 자신의 온라인 소셜 커뮤니티 활동에서 전문 지식, 고급 전문 지식, 또는 중요한 경험을 가질 수 있다(예를 들어, 신발 또는 온라인 소매 제품과 같은 소매 제품의 전문가). 가상 에이전트는 보다 개인적이고 효율적인 방식으로 다른 사람들을 조언할 수 있는데, 이는 가용 라이브 에이전트 풀 모듈(510), 등록 인터페이스 모듈(520) 및 최종 사용자 인터페이스 모듈(530)에 의해 관리되는 전문가 라이브 에이전트 기업과 유사한 인터페이스를 통한 온라인 커뮤니티에 비해 더 개인적이고 효율적인 방식의 조언이다.

일 실시예에서, 상기 온라인 소셜 커뮤니티 모듈(540)은 가용 라이브 에이전트 풀 모듈(510), 등록 인터페이스 모듈(520) 및 최종 사용자 인터페이스 모듈(530)과 동일한 또는 유사한 모듈을 사용한다. 이러한 인터페이스들은 단순화될 수 있는데, 이는 가상 에이전트가 기업의 직원 또는 계약직으로 일하지 않기 때문이며, 도움을 구하는 고객이 무료 조언을 찾고 있지만, "에이전트 가용성"의 개념과 가상 에이전트에 고객을 매칭시키는 것이 유사하고, 동일하거나 유사한 모듈을 사용할 수 있기 때문이다. 예를 들어, 일 실시예에서, 가상 에이전트의 프로파일은 일반 라이브 에이전트와 동일하게 라이브 에이전트 데이터베이스(350)에 유지된다. 가상 에이전트는 임시 할당 등을 위해 사용할 수 있다.

상기 가상 에이전트는, 예를 들어, 프로 보노, 이타주의, 연락 센터 에이전트로서 경험 획득(예컨대, 이는 기업용 연락 센터 라이브 에이전트로서 지불을 받는 위치로 이끌 것이다), 조언을 필요로 하는 제품 할인(예컨대, 신발) 등의 여러 가지 이유로 인해 이러한 역량으로 작동할 수 있다. 예를 들어, 일 실시예에서, 상기 가상 에이전트를 라이브 에이전트를 추적하는 도구와 동일한 또는 유사한 도구에 의해 추적되고, 이는 고객을 위한 일관성과 품질의 수준을 유지시켜 주고, 다른 사람에 의해 관찰되고 평가되는 자신의 능력을 보여 줄 수 있도록 가상 에이전트를 돕는다.

일 실시예에서, 온라인 소셜 커뮤니티 모듈(540)은 사업 유형 및 범위뿐만 아니라 커뮤니티 대화에 따라 가상 에이전트의 수를 결정한다. 예를 들어, 자동차와 같은 일부 업종에서는, 치약 등의 다른 업종보다 고도의 전문성을 필요로 할 수 있다(더 많은 가상 에이전트의 필요성을 야기할 수 있다). 온라인 소셜 커뮤니티 모듈(540)은, 예를 들어, 질문들에 대해 온라인 커뮤니티의 대화를 검토할 수 있으며, 또한, 대응 답변의 분량 및 개수를 검토하여 활동이 활발히 이루어지는지 그리고 가상 에이전트를 필요로 하는지를 판단할 수 있다.

일 실시예에서, 라이브 에이전트 풀 관리 모듈(140)은 예를 들어, 연락 센터 서비스를 위해 마켓 인터페이스 모듈(550)을 통해 마켓을 운영할 수 있다. 예를 들어, 상기 마켓 인터페이스 모듈(550)은 비즈니스 프로세스 아웃소싱을 제공할 수 있다. 일 실시예에서, 마켓 인터페이스 모듈(550)은 온라인 시장에(예를 들어, 웹 페이지) 연락 센터 서비스에 대한 요구를 발생시킬 수 있다. 이러한 요구에 따라, 연락 센터 서비스 제공자는 연락 센터 서비스를 제공하기 위해 자신의 입찰을 제출할(예를 들어, 웹 페이지의 인터페이스를 통해) 마켓 인터페이스 모듈(550)을 사용할 수 있다.

이러한 입찰에 대응하여, 상기 마켓 인터페이스 모듈(550)은 실제 수요, 서비스 요금, 입찰자의 명성 등과 같은 여러 가지 요소를 고려하여 응찰된 입찰을 선택할 수 있다. 예를 들어, 상기 마켓 인터페이스 모듈(550)은 입찰, 입찰자 및 상기 마켓 인터페이스 모듈(550) 사이의 이전의 경험(예를 들어, 성공 또는 실패 입찰, 아웃소싱 고객으로부터의 고객 피드백) 등과 같은 미리 정의된 기준을 사용하여 낙찰에 성공한 연락 센터 공급자를 선택할 수 있다. 일 실시예에서, 자동 에이전트는 다른 연락 센터의 경매를 관리할 수 있으며, 상기 사전 정의된 기준에 따라 협력 그룹에 대한 최적의 매칭을 이룰 수 있다.

도 10은 본 발명의 일 예시적인 실시예에 따른 지능형 자동 에이전트를 위한 배치 구조 옵션의 개략적인 블록도이다. 일 실시예에서, 지능형 자동 에이전트는, 예를 들어, 기업 자동 에이전트(720, 730, 740)와 같이 기업 수준에서 작동할 수 있다. 예컨대, 기업 자동 에이전트(720)를 사용하는 각각의 기업 자동 에이전트는 전체 기업의 자동 에이전트 기능에 대한 책임을 갖고 있다. 예를 들어, 기업 자동 에이전트(720)는 모든 고객의 고객 프로파일(150)와 라이브 에이전트 데이터베이스(350)를 유지할 수 있으며 하나 이상의 기업용 연락 센터에 연관된 라이브 에이전트를 유지할 수 있다. 상기 기업 자동 에이전트(720)는 기업의 바람 또는 요구에 따라 추가로 맞춤형(예를 들면, 리브랜드 됨) 으로 될 수 있다.

일 실시예에서, 지능형 자동 에이전트는, 예컨대, 기업 자동 에이전트(720, 730, 740)와 같이 수많은 기업 자동 에이전트를 감독하는 글로벌 자동 에이전트(710)와 같은 글로벌 레벨에서 작동할 수 있다. 일 실시예에서, 글로벌 자동 에이전트(710)는 종속적인 기업 자동 에이전트(720, 730, 740)의 모든 활동을 관측하고 액세스할 수 있다. 예를 들어, 글로벌 자동 에이전트(710)는(기업 자동 에이전트(720)를 대표 기업 자동 에이전트로 사용하여) 기업 자동 에이전트의 고객 프로파일(150), 라이브 에이전트 데이터베이스(350)(이하, 일반적으로 "데이터베이스"로 칭함) 등에 각각 액세스할 수 있다. 일 실시예에서, 글로벌 자동 에이전트(710)는 데이터베이스를 별도의 기업 자동 에이전트에 병합 또는 통합한다. 이러한 방식으로, 심도 깊은 고객 프로파일, 라이브 에이전트 데이터베이스 및 기타 데이터베이스 및 기능이 글로벌 자동 에이전트(710) 수준에서 사용될 수 있다.

이러한 기업 자동 에이전트 레벨 데이터의 병합 및 통합은, 예를 들어, 글로벌 자동 에이전트에서 기업 자동 에이전트 데이터를 복제함으로써 발생할 수 있고, 당업자에게 명백하듯이, 동일한 실체(예를 들어, 고객, 라이브 에이전트 등)가 복수의 기업 자동 에이전트에서 식별될 때, 각각의 기업 자동 에이전트 레벨 데이터베이스 엔트리에 포인터를 유지시킴으로써(그리고, 글로벌 자동 에이전트(710)에서 포인터의 병합 및 통합을 수행함으로써) 발생할 수 있다. 일 실시예에서, 특정 기업 자동 에이전트 데이터의 공유는 기업 간의 비밀을 이유로 제한될 수 있다.

예를 들어, 기업 자동 에이전트(720, 730)는 은행을 대신하여 작업을 할 수 있고(예를 들어, 은행 A와 은행 B, 각각), 기업 자동 에이전트(740)는 항공사(예를 들어, 항공사 C)를 대신하여 작업할 수 있다. 은행 A의 오랜 고객이 일부 비즈니스 목적으로 은행 B에 접근할 수 있다. 고객에 대해 은행 A가 취득한 고객 프로파일 데이터의 일부 전부에 대해 은행 B가 관심을 가질 수 있다. 한편, 기업 자동 에이전트(720)(은행 A용)는 기업 자동 에이전트(730)(은행 B용)와 직접 상호 작용하지 않을 것이다. 두 기업 자동 에이전트는 글로벌 자동 에이전트(710)를 통해 연결되어 있으며, 따라서, 기업 자동 에이전트(720)와 기업 자동 에이전트(730) 사이에 고객 정보가 교환될 수 있다(예컨대, 은행 A와 은행 B 사이에 글로벌 자동 에이전트(710)를 통해 어떠한 정보를 공유할 것인지에 대한 계약이 체결).

예를 계속해서 들면, 항공사 C는 은행 A의 오랜 고객인 척하는 누군가와 사업 거래를 할 수 있다. 한편, 기업 자동 에이전트(720)(은행 A용)와 기업 자동 에이전트(740)(항공사 C용)는 직접적으로 상호 작용을 하지 않고, 기업 자동 에이전트(740)와의 거래를 차단하기 위해 기업 자동 에이전트(720)가 획득한 오랜 고객에 대한 사기 검출 정보를 가지고 있는 글로벌 자동 에이전트(710)를 공유할 것이다.

도 11은 본 발명의 일 예시적 실시예에 따른 지능형 자동 에이전트를 위한 또 다른 배치 구조 옵션의 개략적인 블록도이다. 도 11의 자동 에이전트 구조에 있어서, 중앙 자동 에이전트(810)는 세 개의 서로 다른 기업들(820, 830, 840)(즉, 기업 A, 기업 B와 기업 C, 각각)을 위한 연락 센터 지원을 한다. 이러한 유형의 구조는, 예를 들어,(클라우드 컴퓨팅을 갖는) SaaS(software as a service) 모델에 적합하며, 여기서 개별 기업이 중앙 자동 에이전트(810)의 공통 자원을 공유한다. 당업자들에게 명백하듯이, 상기 중앙 자동 에이전트(810)는, 예를 들면, 기업들(820, 830, 840)에 대한 공통 데이터베이스(예를 들어, 고객 프로파일, 라이브 에이전트)를 공유하며, 개별 기업들에 대해 상기 데이터베이스를 국부적으로 차단한다. 예컨대, 이러한 결정은 서로 다른 기업들 간의 관계와 같은 요인에 따라 달라진다(예를 들어, 직접적인 경쟁자들은 데이터베이스의 논리적 분리를 주장할 수 있다).

예를 들어, 중앙 자동 에이전트(810)는 가입된 일련의 사업체(예를 들어, 기업 A, B, 및 C)의 접촉 센터의 중앙 진입점을 제공한다. 이들 기업 중 어느 하나의 고객 또는 상기 중앙 자동 에이전트(810)의 인터페이스를 사용하거나 이에 익숙한 사람은 다른 가입 기업의 인터페이스에 익숙할 수 있다. 또한,(공유된 중앙 자동 에이전트(810)에 의해) 다른 기업들 간에 공유되는 정보(예를 들어, 접촉 정보)는 고객에 의해 한 번만 제공되면 되고, 이 후, 모든 가입된 기업에게 적용될 수 있다. 이는, 예를 들어, 별도로 또는 다른 인터페이스를 사용하여 동일하거나 유사한 정보를 획득하는 기업들에 비해, 효율을 향상시키고(예컨대, 반복적인 수고 방지), 정확성을 개선하며, 고객과 기업 사이의 상호 작용의 일관성을 향상시킨다.

도 12는 본 발명의 일 예시적인 실시예에 따른 지능형 자동 에이전트의 또 다른 배치 구조 옵션의 개략적인 블록도이다. 도 12의 자동 에이전트 구조에서, 세 개의 서로 다른 개인(예를 들면, 고객) 자동 에이전트(920, 930, 940)를 위한 연락 센터 지원을 수행하고 복수의 기업에 대해 서비스를 수행하는 중앙 자동 에이전트(910) 또는 기업 자동 에이전트가 제공된다. 예를 들어, 하나 이상의 기업의 모든 고객에 대한 고객 자동 에이전트가 제공된다. 일 실시예에서, 고객 자동 에이전트는 PDA(개인 휴대 정보 단말기), 노트북, 스마트폰 등을 위한 자동 에이전트의 예일 수 있다. 예를 들어, 고객 자동 에이전트는 스마트폰 애플리케이션 일 수 있다. 중앙 자동 에이전트의 기능 및/또는 데이터베이스를 고객 자동 에이전트에 공유 및/또는 배포함으로써, 고객 자동 에이전트에 의해 제공되는 연락 센터 기능 및 데이터를 보다 국부적으로 제어할 수 있게 되어, 맞춤형 서비스 및 처리 자원의 향상이 가능하다.

예를 들어,(고객 자동 에이전트(920)를 예시적인 고객 자동 에이전트로 사용하는) 고객 자동 에이전트는 특정 고객에게 맞춤형으로 제공될 수 있으며(또는 중앙 자동 에이전트(910)에 의해 제공되는 인터페이스에 의해 추가로 맞춤형으로 제공될 수 있다), 또는 특정 개인 정보(중앙 자동 에이전트(910)에 저장되어 있지 않은 정보)를 가질 수 있고, 또는 연락 센터에 보다 효과적인 오프라인 인터페이스를 제공한다. 예를 들어, 고객 자동 에이전트(920)는 중앙 자동 에이전트(910)의 해당 고객에 대한 고객 프로파일(150)과 동일한 또는 유사한 고객 프로파일을 유지할 수 있다.

일 실시예에서, 고객 자동 에이전트(920)는 특정 기업에 전용된다(예컨대, 스마트폰, PDA, 태블릿 컴퓨터 등을 위한 전용 자동 에이전트 애플리케이션). 이것은, 예를 들어, 자신의 자동 에이전트 응용 프로그램을 개발하고 유지하기 위해 노력을 하는 대기업에 적절하다. 여기에서, 고객 자동 에이전트(920)는, 기업용 연락 센터 서비스를 제공하도록 구성된 기업 자동 에이전트(910)와 협력 작동한다. 다른 실시예에서, 자동 에이전트(920)는 고객 기업 연락 센터와 직접 작업하여 모든 자동 에이전트 로직 및 데이터베이스를 고객 자동 에이전트(920)에 유지시킬 수 있다(예를 들어, 기업 자동 에이전트를 거치지 않고).

일 실시예에서, 고객 자동 에이전트(920)는 다수의 기업의 역할을 하는 범용 자동 에이전트 애플리케이션일 수 있다. 예를 들어, 범용 자동 에이전트 애플리케이션은 다수의 기업의 보조하는(도 11 중앙 자동 에이전트(810)와 같은) 중앙 자동 에이전트(910)와 협력 작업을 수행하도록 구성될 수 있다. 상기 범용 자동 에이전트 애플리케이션을 사용하는 고객은, 예를 들면, 범용 자동 에이전트 애플리케이션을 통해 고객 장치로 기업의 특수 데이터를 로딩하거나 고객 장치로 접근할 수 있도록 하는 특정 기업을 선택할 수 있다. 다른 실시예에서, 고객 자동 에이전트(920)는 고객 기업 연락 센터와 직접 작업하여 모든 자동 에이전트 로직 및 데이터베이스를 고객 자동 에이전트(920)에 유지시킬 수 있다(예를 들어, 기업 자동 에이전트를 거치지 않고).

일 실시예에서, 고객 자동 에이전트(920)는 자동 에이전트 오프라인 모드에서 동작할 수 있다(예를 들면, 중앙 자동 에이전트(910)로부터 분리). 예를 들어, 고객은 개인 데이터(예컨대, 주소 변경, 고객이 기업의 연락 센터와 상호 작용하도록 하는 특정 라이브 에이전트의 순위)와 같은 데이터를 업데이트 및 입력할 수 있다. 개인 데이터는, 예를 들어, 연락 센터에 제출될 수 있고, 고객 자동 에이전트(920)가 중앙 자동 에이전트(910)에 대해 오프라인(예컨대, 상호 작용) 상태일 때, 상기 중앙 자동 에이전트(910)는 고객과의 향후 상호 작용을 어떻게 처리할 것인가를 결정함에 있어 상기 데이터를 활용한다.

일 실시예에서, 고객 자동 에이전트(920)는 고객의 상태를 연락 센터에 통신할 수 있다. 예를 들어, 고객 자동 에이전트(920)(예를 들어, 중앙 자동 에이전트(910)를 통해) 고객이 라이브 에이전트에 연락할 수 있는지 여부(예를 들어, 소극적 가용성) 또는 고객이 라이브 에이전트에 얘기를 할지 여부를 편한 시간에 연락 센터에 알려 준다(예를 들어, 적극적 대화 요청). 이러한 또는 다른 개인 데이터는 미래의 상호 작용에 대한 고려를 위해(예를 들어, 중앙 자동 에이전트(910)를 통해) 지정된 연락 센터에 고객 자동 에이전트(920)를 통해 제출할 수 있다.

일 실시예에서, 고객 자동 에이전트(920)는 주기적으로 연락 센터와(예컨대, 중앙 자동 에이전트(910)와) 동기화하고, 서로의 데이터베이스(예컨대, 고객 프로파일(150))를 업데이트할 수 있다. 연락 센터는 고객과 공유할 수 있는 새로운 비즈니스 기회를 가질 수 있는 반면, 예를 들어, 고객이 연락 센터와 공유할 수 있는(예: 주소 변경 등) 새 연락처 데이터를 가질 수 있다. 이는 고객과 연락 센터 사이의 고객 프로파일 정보 교류(업데이트)를 보다 효율적으로 수행할 수 있도록 한다(예를 들면, 고객과 연락 센터 사이의 다양한 상호 작용 중에 고객으로부터 데이터를 요청하는 중앙 자동 에이전트(910)를 갖는다). 이는 또한 상기 정보의 컨텐츠 정확도를 향상시킬 수 있다(고객은 중앙 자동 에이전트(910)에 대한 인터페이스 보다는 고객 자동 에이전트(920)를 통해 좀 더 쉽게 고객 프로파일 데이터에 접근할 수 있기 때문이다). 예를 들면, 동기화는 고객과 연락 센터 사이의 접촉 데이터를 보다 빠르고 정확하게 업데이트시킬 수 있도록 하고, 연락 센터로부터 고객으로의 새로운 사업 제안을 빠르게 또는 효과적으로 가능하게 한다.

도 13은 본 발명의 일 예시적 실시예에 따른 지능형 자동 에이전트의 또 다른 배치 구조 옵션의 개략적인 블록도이다. 도 13의 지능형 자동 에이전트에서, 기업을 보조하고, 세 개의 서로 다른 고객 자동 에이전트(1020, 1030, 1040)를 지원하는 연락 센터를 제공하는 기업 자동 에이전트(1010)가 제공된다. 도 13에는 설명을 목적으로 세 개의 고객 자동 에이전트가 도시되어 있다. 고객 자동 에이전트의 수는 다른 실시예들에서는 더 많을 수 있다. 고객 자동 에이전트(1020, 1030, 1040)는 기업 자동 에이전트(1010)와 협력하거나 또는 서로 협력할 수 있다. 예를 들어, 일 실시예에서, 고객 자동 에이전트(1020)는 다른 고객 자동 에이전트(1030, 1040)와 협업할 수 있다. 예를 들어,(기업을 통해) 상호 비즈니스 관계를 갖는 사용자 그룹은 각각의 고객 자동 에이전트(1020, 1030, 1040)를 사용하여 그룹 이벤트를 만들 수 있다(예: 소정 인원의 참가자 및 여행 세부 사항에 대한 합의가 필요한 휴가).

도 14는 본 발명의 일 예시적인 실시예에 따른 지능형 자동 에이전트의 구성 요소의 개략적인 블록도이다. 설명을 용이하게 하기 위해, 도 14의 지능형 자동 에이전트는 기업에 대한 연락 센터 관리의 관점에서 설명된다.

도 14의 지능형 자동 에이전트는 고객과 연락 센터 사이의 상호 작용 인사말을 위한 자동 고객 인사말 모듈(1110), 고객의 데이터를 저장 및 검색하기 위한 고객 디렉토리 모듈(1120), 비즈니스 규칙을 개발, 허가 및 평가하기 위한 규칙 시스템 모듈(1140), 개발자에게 모바일 애플리케이션을 구축하도록 하는 모바일 서비스 모듈(1145), 소셜 미디어 채널에서 소비자에 대해 정보를 취득하는 소셜 미디어 모듈(1150), 적절한 자원으로 작업을 분배하기 위한 작업 부하 분배 모듈(1155), 통신(예를 들어, 텍스트 기반의 통신)의 컨텐츠를 분석하기 위한 컨텐츠 분석 모듈(1160), 고객으로부터 연락 센터로 전달되는 말을 인식하기 위한 말 인식 모듈(1165), 텍스트를 말로 변환하여 고객에게 전달하기 위한 말 합성 모듈(1170), 연락 센터의 기존의 애플리케이션에 자동 에이전트를 맞추거나 통합하기 위한 기업 통합 모듈(1175), 자동 에이전트의 요구에 맞춤 구성되는 인공 지능 엔진 모듈(1190) 및 음성 및/또는 화상 채널을 사용하여 고객과 통신하는 아바타 모듈(1190)을 포함한다.

자동 고객 인사말 모듈(1110)은 고객과 연락 센터 사이의 접촉의 첫 번째 지점의 역할을 할 수 있다. 고객 인사말 모듈(1110)은, 예컨대, 고객 식별, 상호 작용에 대한 이유 식별, 및 상호 작용의 첫 번째 경로로서 더 적절한 구성 요소, 접촉, 라이브 에이전트 선택 등 상호 작용의 본질과 같은 요인에 따라 여러 기능을 제공 할 수 있다. 일 실시예에서, 자동 고객 인사말 모듈(1110)은 제네시스 통신 연구소(Genesys Telecommunications Laboratories, Inc., 이하 "제네시스")로부터 입수 가능한 지능형 고객 전면 도어(iCFD; intelligent Customer Front Door) 일 수 있다. 상기 "제네시스"와 "iCFD"는 제네시스의 상표이다. 일 실시예에서, 자동 고객 인사말 모듈(1110)은 고객이 IVR 타입 인터페이스를 대신해서 상호 작용하고자(예를 들어, 아바타 모듈(1190)에 의해 구현되는) 아바타 화상을 갖는 iCFD를 이용한다.

상기 iCFD는(무엇을 말하고자 하는지에 기초하여) 말 인식을 통해 고객의 의도를 수집하는 콜 라우팅 애플리케이션이며, 백-엔드 시스템으로부터의 입력 및 피드백, 고객 관계 관리(CRM) 시스템 및 기타 데이터에 기초하여 상기 콜을 처리하는 방법을 결정하고, 자동 에이전트에 대한 라이브 에이전트의 도움, 셀프 서비스 또는(적절할 확장자)에 상관없이, 고객이 라우팅될 곳과 고객에게 제공될 서비스를 결정한다. 따라서, iCFD는 모든 상호 작용을 관리 및 라우팅하고, 모든 채널에 걸쳐 일관된 경험을 제공하고, 식별하고, 의도를 결정하고, 적절한 장소에 고객을 안내하고, 모든 서비스에 액세스하기 위한 접촉(예: 단일 전화 번호 등)의 단일 지점을 제공하고, 백-엔드 시스템으로부터 정보를 수집하고, 백-엔드 입력 및 이벤트를 기반으로 응답을 제공하며, 맞춤형 고객 경험을 제공하고, 교차 판매 및 상향 판매 기회를 제공하고, 모든 서비스에서 모든 서비스로의 액세스를 제공한다.

도 15는 본 발명의 예시적인 실시예에 따른 지능형 자동 에이전트의 자동 고객 인사말 모듈 (예컨대, 도 14의 자동 고객 인사말 모듈(1110))의 예를 도시하는 도면이다. 도 15의 자동 고객 인사말 모듈은 고객 프론트 도어 모듈 및 고객 상호 작용 관리 (CIM) 모듈을 포함하는 고객 상호 작용 로직 모듈을 포함한다. 또한, 도 15의 자동 고객 인사말 모듈은 말 인식 엔진, 셀프 서비스 IVR 모듈, 및 사용자 문구 데이터베이스를 포함한다.

도 15의 자동 고객 인사말 모듈의 예시적인 상호 작용은 연락 센터를 호출한 고객에 의해 시작될 수 있으며, 고객의 프론트 도어 모듈로 라우팅된다. 고객 프론트 도어 모듈은 고객이 원하는 것을 인식하는 말 인식 엔진을 작동한다. 말 인식 동안 고객에 의해 사용된 어구는 추후 최적화를 위해 사용자 문구 데이터베이스에 저장된다. 고객이 원하는 것이 무엇인가를 해석해서 CIM 모듈로 전송한다. 상기 CIM 모듈은 발신자를 어디로 라우팅할 것인지를 결정한다. 예를 들어, CIM 모듈은 콜을 셀프 서비스 IVR 모듈로 라우팅할 수 있다.

셀프 서비스 IVR 모듈은, 예를 들어, 자동 음성 인식(ASR) 또는 듀얼-톤 다중 주파수(DTMF) 신호 (예를 들어, 터치 톤)를 사용하여 가능한 많은 거래를 용이하게 자동화한다. IVR 거래 결과는 다시 CIM 모듈로 전송될 수 있다. 예를 들어, 고객은 셀프 서비스 IVR 모듈에 의해 해결될 수 없는 문제를 가질 수 있으며, 이 경우, CIM 모듈은 라이브 에이전트에게 고객의 콜을 라우팅할 수 있다. 라이브 에이전트는 (예를 들어, 고객이 셀프 서비스 IVR 모듈을 사용했고 라이브 에이전트에 대해 질문이 있다는 말을 하는) 수신 통화에 대해 CIM 모듈에서 프롬프트를 가지고 올 수 있다.

고객 디렉토리 모듈(1120)은, 예컨대, (디스크 드라이브 또는 클라우드 드라이브와 같은) 비휘발성 저장 장치에 저장될 수 있는 고객 정보 데이터베이스(1130)에 고객 데이터를 저장 및 검색한다. 고객들에 대한 (예를 들어, 고객과의 상호 작용으로부터 취득된) 데이터는 고객 디렉토리 모듈(1120)에 저장되고 추후 검색된다. 일 실시예에서, 고객 디렉토리 모듈(1120)은, 예를 들어, 고객과 하나 이상의 연락 센터와의 상호 작용을 통해 구축된 고객 프로파일 데이터를 저장하고 검색하기 위해 사용될 수 있다. 일 실시예에서, 고객 디렉토리 모듈(1120)은 제네시스에서 구입가능한 UCS (범용 접점 서버)일 수 있다.

규칙 시스템 모듈(1140)은, 예컨대, VoiceXML (VXML)과 같은 확장된 마크 업 언어 (XML)로 비즈니스 규칙을 개발, 허가 및 평가하기 위한 것이다. 인간과 컴퓨터 사이 상호 음성 대화를 특정하기 위한 XML 포맷은 음성 브라우저에 의해 해석 될 수 있다. 일 실시예에서, 규칙 시스템 모듈(1140)은 제네시스에서 입수 가능한 GRS (제네시스 규칙 시스템)일 수 있다. 일 실시예에서, 규칙 시스템 모듈(1140)은 2012년 11월 29일 Ristock 등이 출원한 미합중국 특허 출원 제 13/689,750호 "자원 자각에 따른 작업 부하 분배"에 개시된 규칙의 기술 및 2012년 11월 30일 Ristock 등이 출원한 미합중국 특허 출원 제 13/689,753호 "규칙을 테스트하고 전개하기 위한 시스템 및 방법"에 개시된 규칙을 이용할 수 있다. 상기 출원들의 모든 내용들을 본원에 참고로 인용된다. 일 실시예에서, 규칙 시스템 모듈(1140)은 Rete 알고리즘 (예를 들어, 2013년 3월 14일자 위키디피아 (www.wikipedia.org) "Rete 알고리즘" 참조) (최신 수정은 2013년 2월 26일)을 활용할 수 있고, 그 전체 내용은 본원에 참고로 인용된다. 또는 규칙 시스템 모듈(1140)은 다른 적절한 기술과 함께 사용될 수 있다.

모바일 서비스 모듈(1145)은 보조 개발자에게 서비스 및 API (애플리케이션 프로그래밍 인터페이스)를 제공 할 수 있다. 모바일 서비스 모듈(1145)은 도 14의 지능형 자동 에이전트와 함께 사용하기 위한 모바일 애플리케이션을 생성한다. 일 실시예에서, 모바일 서비스 모듈(1145)은 제네시스에서 사용하는 GMS (제네시스 모바일 서비스)일 수 있다.

소셜 미디어 모듈(1150)은 소셜 미디어 채널로부터 고객에 대한 정보를 취득할 수 있다. 소셜 미디어 모듈(1150)은, 예를 들어, 고객을 소셜 미디어 (예: 페이스북과 같은 소셜 네트워킹 사이트 등)를 통해 연락 센터와 상호 작용하도록 허용 할 수 있다. 소셜 미디어 모듈(1150)은 소셜 미디어를 통해 고객에 대한 고객 프로파일 정보를 얻을 수 있는데, 이는 직접 고객에 요청하는 것에 비해 데이터를 더 빠르고, 더 정확하고 덜 침입적인 방식으로 획득할 수 있다. 일 실시예에서, 소셜 미디어 모듈(1150)은 제네시스에서 사용할 수 있는 제네시스 소셜 미디어 솔루션 일 수 있다.

작업 부하 분배 모듈(1155)은 적절한 리소스에 작업을 분배할 수 있다. 고객과 연락 센터 사이의 (자동 에이전트를 통한) 상호 작용은 이러한 작업을 만들 수 있습니다. 이러한 작업 과제 중 일부는 자동 에이전트의 직접 제어를 받지 않는 리소스에 의해 적절히 처리될 수 있다 (예를 들어, 고객이 라이브 에이전트를 요청할 수 있다). 이러한 작업의 특성 (예를 들면, 중요도, 복잡성, 우선권, 사업 가치 등) 및 고객과 연락 센터 사이의 서비스 레벨 계약서 (SLA) 등과 같은 요인에 따라, 작업 부하 분배 모듈(1155)은 라이브 에이전트 또는 백 오피스 직원 같은 별도의 리소스에 작업을 할당할 수 있다. 일 실시예에서, 작업 부하 분배 모듈(1155)은 제네시스에서 사용할 수 있는 IWD(지능형 워크로드 분산)일 수 있다.

컨텐츠 분석 모듈(1160)은 고객과 연락 센터 간의 통신 (예를 들어, 텍스트 기반의 통신)의 컨텐츠를 분석하여 텍스트 기반 통신의 효율성, 정확성 및 일관성을 향상시킨다. 예로서, 컨텐츠 분석 모듈(1160)은 텍스트 기반 컨텐츠를 분석하고 정확하게 처리 및/또는 통신에 응답하는 방법을 결정하기 위해 자연 언어 처리 기술을 사용할 수 있다. 일 실시예에서, 컨텐트 분석 모듈(1160)은 제네시스에서 이용 가능한 전자 서비스 컨텐츠 분석기 일 수 있다.

말 인식 모듈(1165)은 (예컨대, 전화 또는 다른 음성 기반 통신 장치를 통해) 고객으로부터 연락센터로 전달되는 말을 인식하기 위한 것이며, 예를 들어, 말을 대응하는 단어 또는 문자로 변환한다. 상기 말 인식 모듈(1165)은 (예컨대, 고객의 음성 인식시 얻어진) 고객 데이터를 사용하여, 고객이 말하는 언어, 고객의 사투리, 및/또는 (고객과의 상호 작용, 예를 들면, 시간이 지남에 따라 습득될 수 있는) 고객의 말 습관 등과 같은 고객의 개성을 식별할 수 있다. 일 실시예에서, 말 인식 모듈(1165)은 제네시스에서 사용하는 GVP (제네시스 음성 플랫폼)의 AS (자동 음성 인식) 구성 요소 일 수 있다.

말 합성 모듈(1170)은 텍스트를 말로 변환시키기 위한 것이다 (예로서, 전화와 같은 음성 기반의 장치를 통해 통신을 수신하고, 고객에게 자동 에이전트로부터의 통신을 반환할 때). 일 실시예에서, 말 합성 모듈(1170)은 제네시스에서 사용하는 TTS (텍스트 음성) GVP(제네시스 음성 플랫폼)의 구성 요소 일 수 있다.

기업 통합 모듈(1175)은 특정 기업을 위해 연락 센터의 기존의 애플리케이션에 자동 에이전트를 맞추거나 통합하기 위한 것이다. 일 실시예에서, 기업 통합 모듈(1175)은 제네시스에서 사용하는 제네시스 SDK (Software Development Kits)일 수 있다. 예를 들어, 제네시스 SDK는 순서대로 제네시스 FWK (프레임 워크), GVP (제네시스 음성 플랫폼), 제네시스 URS (범용 라우팅 서버) 및 제네시스 미디어 레이어 (모두 제네시스에서 입수 가능)와 기존의 애플리케이션을 통합하기 위해 사용되고, 자동 에이전트를 기업용 연락 센터에서 고객 상호 작용에 대해 첫 번째 응답자가 될 수 있도록 하며, 중앙 자동 에이전트와 둘 이상의 분리된 기업 자동 에이전트 사이의 연결을 위해 사용한다.

인공 지능 엔진 모듈(1180)은 지능형 자동 에이전트의 요구에 맞게 형성되고, 지능형 자동 에이전트에 대한 정보의 소스가 될 수 있다. 일 실시예에서, 인공 지능 엔진 모듈(1180)은 (예를 들어, 학습 동작에서 시간 경과에 따라 연결을 구축하는) 페트리 네트(Petri nets) 또는 페트리 네트 모듈을 사용한다. 인공 지능 엔진 모듈(1180)은 고객과의 미래 상호 작용을 더욱 잘 처리하기 위해 고객과의 과거 상호 작용을 학습할 수 있다. 일 실시예에서, 인공 지능 엔진 모듈(1180)은 연락 센터에서 사용하기에 적합한 자동 에이전트 특성 또는 기능을 제공하도록 구성될 수 있다. 이러한 특성이나 기능은 연역-추론-문제 해결, 지식 표현 및 상식, 계획, 학습, 자연 언어 처리, 인식, 창의성, 그리고 연락 센터에서 사용하기에 적합한 일반적인 정보를 포함한다.

일 실시예에서, 인공 지능 엔진 모듈(1180)은 Kishinski등에게 허여된 미합중국 특허 제 6,178,239호 "페트리 네트 원칙 및 기술에 의한 전화 콜-센터 스크립팅"에 기재된 페트리 네트 기술을 이용할 수 있으며, 또는 다른 적절한 페트리 네트 기술을 사용할 수 있다. 상기 특허는 본원에 참고로 인용된다. 도 16은 본 발명의 일 실시예에 따른 지능형 자동 에이전트의 인공 지능 엔진용 (예컨대, 도 14의 인공 지능 엔진 모듈(1180)) 뉴럴 네트워크의 예를 도시하는 도면이다. 뉴럴 네트워크는 페트리 네트워크로 모델링될 수 있다.

인공 지능 엔진 모듈(1180)은 페트리 네트 기술에 한정되지 않는다. 예를 들어, 다른 실시예에서, 인공 지능 엔진 모듈(1180)은 (예를 들면, 텍스트 내용 분석을 수행하기 위한) 텍스트 분류의 품질에 대한 피드백 루프로서 학습 기능을 사용할 수 있다. 일 실시예에서, 피드백 루프는 제안된 분류를 사용할 수 있는데, 상기 제안된 분류는 승인 또는 거절/정정될 수 있으며, 또한, 분류 엔진에 피드백되어 추가의 조정을 개시할 수 있다.

일 실시예에서, 인공 지능 엔진 모듈(1180)은, 고객에 대한 솔루션을 찾기 위해 입력 스트림에서 패턴을 찾아 연락 센터의 컨텐츠에 대해 특정 응답을 할 수 있게 학습하도록 구성될 수 있다. 또한, 지능형 자동 에이전트는 분류 및 수치 회귀 양쪽을 통해 학습하도록 구성될 수 있다. 분류는 여러 범주에서 사물의 예들을 보고 난 후에, 카테고리에 무엇이 속해 있는지를 결정하는 데 사용된다. 분류의 형태는 텍스트 카테고리 (또는 자연어 텍스트 분류와 같은 텍스트 분류)이며, (예컨대, 전자 우편, 채팅, 웹 셀프 서비스, 말 인식 출력 등과 같은) 텍스트는 텍스트의 컨텐츠에 기초하여 카테고리로 분류된다 (예컨대, 특정 단어 또는 문구가 컨텐츠에 나오는 횟수).

일반적으로, 카테고리는, 예를 들면, 대응하는 요청이 적절한 리소스로 라우팅될 수 있도록 또는 지능형 자동 응답을 생성할 수 있도록 또는 요청을 처리하는 라이브 에이전트에게 제공될 추천 정보를 제시할 수 있도록, 상당히 다양하고, 충분히 상세하게 형성되어야 한다. 카테고리는, 예를 들면, (예컨대 도 17의 카테고리 트리와 같이) 트리형 구조로 구성될 수 있다. 도 17은 금융 기관에 대한 카테고리의 집합(다소 단순화한)에 대한 카테고리 트리 구조의 예를 도시한다. 다양한 노드(예컨대, 루트, 은행, 대출, 계정 개설 및 자동 대출)은 가장 구체적인 범주인 잎(예를 들어, 계정 개설 및 자동 대출)과 범주를 나타낸다. 예를 들어, 잎은 해당 요청의 카테고리를 제시하며, 카테고리 내에 속한 요청에 대해 사용할 수 있는 다양한 응답 (예컨대, 표준 응답 1과 계정 개설 카테고리를 갖는 표준 응답 2)을 갖는다.

자동 텍스트 분류의 (인공 지능 엔진 모듈(1180)에 의해 수행될 수 있는) 하나의 목표는 라이브 에이전트 개입 없이 정확한 카테고리 C에 새로운 다음 T를 분류할 수 있는 것이다. 이를 위해, 인공 지능 엔진 모듈(1180)은 "학습" 되거나 "훈련"되어, 카테고리 C에 속하는 제공된 텍스트 예 및 카테고리 C에 속하지 않는 제공된 텍스트 예로서 카테고리 작업을 수행한다. 이어서, 인공 지능 엔진 모듈(1180)은 "카테고리 C에 새 텍스트 T가 속해 있는가"라는 질문과 함께 제시된다. 일 실시예에서, 인공 지능 엔진 모듈(1180)은 텍스트 예를 단어로 분리하여 질문에 대답한다 (예를 들어, 어휘 분석 및 특징 추출을 수행하여 단어 빈도와 같은 단어 또는 줄기를 획득). 이어서, 특징 가중 및/또는 특징 선택이 (예를 들어, 정보 이득 또는 카이 제곱 같은 기술을 이용하여) 벡터를 획득하기 위해 사용될 수 있다.

벡터는, 차례로, kN(k-가까운 이웃), 퍼셉트론, 의사 결정 트리 및 결정 규칙 (예: 의사 결정 트리 학습), 뉴럴 네트워크 (페트리로 모델링될 수 있음), 지원 벡터 메커니즘, (베이즈 포인트 기계 같은) 베이즈 포인트 (Bayes point), (부트스트랩 집계와 같은) 배깅/부스팅 패러다임, (커널 패러다임 같은) 케널 방법 등 다양한 벡터 분류 알고리즘에 의해 분류될 수 있다.

한편, 수치 회귀는 입력과 출력 사이의 관계를 설명하고, 출력은 입력 변화에 따라 변경하는 방법을 예측하는 기능을 생성하기 위해 시도된다. 또한, 지능형 자동 에이전트는, 에이전트가 좋은 응답에 대해 보상받고 나쁜 응답에 대해 책임을 지는 강화 학습을 통해 학습하도록 구성될 수 있다. 즉, 지능형 자동 에이전트에 의한 모든 동작은 데이터베이스를 통해 지능형 기록 시스템에 기록되고, 기록 시스템은 학습 알고리즘을 안내하는 보상의 형태로 피드백을 제공한다. 일 실시예에서, 지능형 자동 에이전트는 이전의 경험에 기초하여 자신의 유도 바이어스(inductive bias)를 학습하도록 구성될 수 있다.

일 실시예에서, 자동화된 지능형 에이전트는, 예를 들어, 웹 사이트에서 고객 서비스 또는 다른 도움을 제공하기 위해 인공 지능을 사용하는 자동 온라인 정보 도우미의 일부로서 구성될 수 있다. 이러한 도우미는, 예를 들면, 대화 시스템, 아바타 및 고객에게 특정 전문 지식을 제공하는 전문가 시스템으로 구성될 수 있다.

일 실시예에서, 자동 온라인 도우미의 대화 시스템의 주요 기능은 인간이 생성한 입력을 자동 온라인 도우미가 그 전문가 시스템을 이용하여 추가적인 처리를 하기 위해 사용할 수 있는 디지털 포맷으로 변환하는 것이며, 해결책 또는 응답이 무엇이건 간에 인간 사용자가 이해할 수 있는 내용으로 해석하는 것이고, 가능한 긍정적이고, 자연스럽게, 사용자 친화적인 방식으로 변환하는 것이다. 대화 시스템은 자연 언어 프로세서를 포함할 수 있다. 또한, 대화 시스템은 통합식 채터봇(chatterbots)을 가질 수 있는데, 채터봇은 자신의 전문가 시스템의 범위와 관련이 없는 잡담이나 일상적인 대화에 참여할 수 있는 능력이 있으며, 단순히 대화를 하는 느낌을 자연스럽게 한다.

자동 온라인 도우미의 아바타는 쌍방향 온라인 문자 또는 자동 문자라고 할 수 있다. 아바타는 자동 온라인 도우미를 구현된 에이전트의 형태로 만든다. 아바타는 실제 대화와 경험을 시뮬레이션함으로써 인간-컴퓨터 상호 작용을 향상시키는 것을 목적으로 한다. 이러한 상호 작용 모델은 계획한 방향으로 대화를 안내하거나 또는 문자가 자연스런 언어 교환을 안내할 수 있도록 함으로써 구성될 수 있다. 이러한 문자는 사회적 역할과 실제 사람의 감정을 표현할 수 있기 때문에, 사용자가 온라인 환경에 배치하는 것과 같은 신뢰를 증가시킬 수 있다. 상호 교환성의 수준은 인식 리얼리즘과 이러한 "배우"들의 효과를 증가시킴으로써, 더욱 풍성한 온라인 서비스 및 교역이 발생할 수 있다.

자동 온라인 도우미도 그 목적에 따라 특정 서비스를 제공하는 전문가 시스템을 가질 수 있다. 이 시스템은 다양한 구조 시스템에 의해 적절한 반응을 수행하기 위해 고객의 요구를 인식하는 기능을 하는 지능형 자동 에이전트로서 설명될 수 있다.

상기 아바타 모듈(1190)은 음성 및/또는 비디오 채널의 조합을 통해 지능형 자동 에이전트로부터 고객에게 통신을 전달할 수 있다. 예로서, (아바타 모듈(1190)에 의해 실행될 때) 아바타는, 예를 들어, 애플리케이션 또는 웹 인터페이스를 통해 스마트폰 또는 노트북 컴퓨터를 이용하여 고객과 통신하기 위한 컴퓨터-애니메이션 인간일 수 있다. 일 실시예에서, 상기 아바타는 기업 지능형 자동 에이전트의 일부일 수 있다. 예를 들어, 아바타는 기업과 고객 간의 일관된 인터페이스를 제공할 수 있다. 일 실시예에서, 아바타는 (예컨대, 자동 고객 인사말 모듈(1110)이 iCFD인 경우) IVR형 인터페이스를 대체 할 수 있다.

일 실시예에서, 기업용 아바타는 모든 고객에 대하여 동일하다. 다른 실시예에서, 아바타는 기업 및/또는 고객에게 맞춤식으로 제공될 수 있다. 사용되고 있는 고객의 통신 채널에 따라, (예를 들어, 스마트폰, 일반 전화기, PDA, 웹, 소셜 미디어, 인스턴트 메시지 등), 아바타가 나타나거나 화상 및/또는 오디오 형태로 들린다. 일 실시예에서, 아바타 모듈(1190)은 당업자에게 사용될 수 있는 기존 아바타 기술 또는 그래픽 렌더링 기술을 사용한다.

도 18은 본 발명의 일 실시예에 따른 기업 연락 센터 내 자동 에이전트의 배치를 보여 주는 개략적인 블록도이다. 도 18의 연락 센터의 구성 요소들 및 구성품들은 도 1에 도시된 연락 센터의 구성 요소들 및 구성품들과 동일한 도면 부호를 가질 수 있으며 그에 대한 상세한 설명은 반복되지 않을 것이다. 기업 자동 에이전트(42)는 (예컨대 디스크 드라이브, 클라우드 스토리지 또는 대용량 저장 장치(30)와 같은 비휘발성 저장 장치에 저장된) 컨텍스트 데이터베이스에 연결된다. 컨텍스트 데이터베이스(30)는 나중에 기업 자동 에이전트(42)에 의한 검색을 위해 고객 프로파일 데이터와 같은 고객에 관련된 개인 정보를 포함하는 정보를 저장하기 위한 것이다. 따라서, 컨텍스트 데이터베이스(30)는, 상기 콘텍스트 데이터베이스(30)에 수집되고 저장된 고객과 기업 연락 센터 사이의 이전 상호에 대한 데이터를 제공함으로써 고객의 현재 상호 작용에 대한 컨텍스트를 제공할 수 있다, 기업 자동 에이전트(42)의 사용예를 이하 도 18을 참조하여 설명하기로 한다.

고객은, 예를 들면, 고객 전화(10)를 사용하여 연락 센터 접촉해서 연락 센터와 음성 상호 작용을 시작할 수 있다. 고객의 콜은 PSTN(14)을 통해 송신되고, 트렁크 라인을 통해 스위치(12)로 전달된다. 상기 스위치는 콜을 IVR 서버(34)로 라우팅한다. 이러한 사용 시나리오에 있어서, 예를 들어, 기업은 모든 외부 고객 콜에 대해 기업의 첫 번째 접촉 포인트의 역할을 하는 기존 IVR 서버(34)를 가질 수 있다. 또한, 기업은 고객의 요청과 같은 적절한 상황에서 콜을 자동 에이전트(42)로 라우팅한다. 상기 IVR 서버(34)는 (예를 들어, 고객이 계좌 번호와 같은 식별 코드를 입력함으로써) 고객의 신원을 획득할 수 있다. 상기 IVR 서버(34)는 고객이 자동 에이전트(42)를 요청하는 지의 여부를 고객에게 문의할 수 있다.

고객이 자동 에이전트(42)를 요청하는 경우, 자동 에이전트(42)는 (예를 들어, 고객이 IVR 서버에 제공한 식별 코드를 이용하여) 고객에 대한 고객의 프로파일 데이터를 검색할 수 있으며, (예를 들면, 자동 에이전트(42)를 호스팅하는 서버 컴퓨터 상에서) 동적 메모리에 고객 프로파일을 로드할 수 있다. 자동 에이전트(42)는 스위치(12)에 고객의 전화를 IVR 서버(34)가 아닌 자동 에이전트(42)로 연결시켜 달라는 요청을 할 수 있다. 상기 스위치(12)는 추가의 처리를 위해 고객의 콜을 자동 에이전트(42)로 연결하여 응답한다. 콜이 발생한 후, 자동 에이전트(42)는 고객과의 방금 완료된 상호 작용으로부터 얻어진 정보로 콘텍스트 데이터베이스(30) 내의 고객 프로파일을 업데이트한다.

이 시점에서, 자동 에이전트(42)는, 예를 들어, 그 인공 지능 엔진, 동적 메모리에 이미 저장된 고객의 프로파일 데이터 및 고객의 현재 행동 및 응답에 기초하여, 고객과 상호작용한다. 그 결과, 자동 에이전트(42)는 IVR 서버(34) 또는 라이브 에이전트(38)에 비해 훨씬 더 많은 고객 맞춤형 서비스를 제공 할 수 있다. 또한, 고객 서비스는 고객 및 자동 에이전트(42) 사이의 추가의 상호 작용에 대해 더욱 맞춤형이 되기 위해 (예를 들면, 인공 지능 엔진의 정제, 자동 에이전트(42)와 고객 사이의 추가의 상호 작용 및 접촉 시간에서 발생하는 고객 프로파일 구축) 또는 고객과, 적절한 데이터를 고객 프로파일에 삽입하여 (이로 인해, 컨텍스트 데이터베이스(30)에도 데이터가 삽입되어, 자동 에이전트(42)가 직접적인 상호 작용이 없이도 고객에 대해 계속적으로 학습할 수 있게 하는), 다른 양태의 연락 센터 (예컨대, 라이브 에이전트, IVR 서버, 백 오피스, 웹, 모바일 등) 사이의 상호 작용에 대해 맞춤형 서비스를 제공하기 위해 지속된다.

따라서, 자동 에이전트(42)는 고객과 연락 센터 사이의 모든 상호작용으로부터 학습이 가능하고 구축이 가능하며, 이에 따라, 고객과 연락 센터 사이의 후속 상호 작용에 대해 시간이 지남에 따라 더욱 맞춤형이 된다. 대조적으로, IVR 서버(34)는 시간이 지남에 따라 일정한 고객 서비스를 유지하는 경향이 있고, 대부분의 라이브 에이전트(38)는 맞춤식 서비스에 단지 작은 개선을 보일 뿐이다. 예를 들어, 대형 연락 센터는 동일한 고객을 시간에 대해 다수의 라이브 에이전트로 라우팅할 수 있으며 (라이브 에이전트의 작업 일정, 작업 기간, 특정 순간에 라이브 에이전트의 가용성 등과 같은 요인으로 인해), 동일한 고객의 상호 작용 간에 다른 고객의 상호 작용이 많아 지게 되면, 고객의 개인 정보의 많은 부분을 기억하는 라이브 에이전트의 능력들은 줄어든다.

도 19는 본 발명의 일 실시예에 따른 기업용 연락 센터 내 자동 에이전트의 다른 배치의 개략 블록도이다. 도 19의 연락 센터의 구성 요소들 및 구성품들은 도 1 및 도 18에 도시된 연락 센터의 구성 요소들 및 구성품들과 동일한 도면 부호를 가질 수 있으며 그에 대한 상세한 설명은 반복되지 않을 것이다. 도 19의 연락 센터에 있어서, 라우팅 서버(20)는 콜 서버(18)로부터의 콜을 라이브 에이전트(38a, 38b)로 라우팅할 수 있으며, 통계 서버(22)는 라이브 에이전트(38a, 38b)의 활동 (그리고, 라이브 에이전트가 다른 수신 콜에 대해 가용 가능한지 여부)를 모니터할 수 있다. 기업 자동 에이전트(42)의 사용예를 이하 도 19를 참조하여 설명하기로 한다.

고객은, 예를 들면, 고객 전화(10)를 사용하여 연락 센터 접촉해서 연락 센터와 음성 상호 작용을 시작할 수 있다. 고객의 콜은 PSTN(14)을 통해 송신되고, 트렁크 라인을 통해 스위치(12)로 전달된다. 상기 스위치는 콜을 IVR 서버(34)로 라우팅한다. 이러한 사용 시나리오에 있어서, 예를 들어, 기업은 모든 수신 콜들을 (가용 가능한) 라이브 에이전트에 전달하고자 한다. 따라서, IVR 서버(34)가 고객의 신원을 확인한 이후, (예를 들어, 도 18의 예시적인 사용 시나리오에서처럼), 콜에 대한 제어가 콜 서버(18)로 이양되고, (라이브 에이전트 (38a, 38b)와 같은) 라이브 에이전트로 콜이 연결된다. 상기 콜 서버(18)는 라우팅 서버(20)에 요청하여 라이브 에이전트로 콜이 라우팅되도록 한다. 요청을 받은 라우팅 서버(20)는 통계 서버(22)와 상의하여 현재 가용 가능한 라이브 에이전트가 있는지를 판단한다. 현재 가용 가능한 라이브 에이전트가 없다는 응답을 통계 서버(22)가 라우팅 서버(20)에 전달하면, 라우팅 서버(20)는 (예컨대, 기업 연락 센터의 정책 또는 전략에 따라) 콜이 자동 에이전트(42)로 라우팅되어야 한다고 결정할 수 있다 (예를 들면, 고객을 무엇인가를 위해 대기시키는 것은 긴 시간이 걸릴 수 있다).

따라서, 도 19의 사용 시나리오에서는, 라우팅 서버(20)가 최종적으로 자동 에이전트에 콜을 전달하라는 신호를 콜 서버(18)로 전달한다. 상기 콜 서버(18)는 (예를 들어 발신자의 신원 같은) 수집된 사용자 정보를 자동 에이전트(42)에 전송하고, 스위치(12)에 콜을 자동 에이전트(42)로 라우팅하라고 통보한다. 사용자 정보를 수신함에 따라, 자동 에이전트(42)는 콘텍스트 데이터베이스(30)로부터 (도 18과 관련하여 상기 기술된 바와 같이) 고객의 프로파일 데이터를 검색하고, 고객의 프로파일 데이터를 (예를 들면, 자동 에이전트(42)를 호스팅하는) 동적 메모리에 로드한다. 이어서, 스위치(12)는 고객의 콜을 자동 에이전트(42)로 연결한다. 따라서, 자동 에이전트(42)는 (예를 들면, 콜의 해상도로) 고객 콜을 서비스할 수 있게 된다. 콜 이후, 자동 에이전트(42)는 고객과 방금 상호 작용이 완료되어 얻어진 정보로 콘텍스트 데이터베이스(30) 내의 고객 프로파일을 갱신한다.

도 19의 예시적인 사용 시나리오는, 연락 센터의 라이브 에이전트 직원이 모두 활용되는 과도 상황에서 도움을 줄 수 있는 대체 에이전트로서 자동 에이전트(42)를 사용하는 예이다. 이를 위해, 상기에서 자동 에이전트(42)가 단일체로서 기재되었지만, 자동 에이전트(42)가 (예를 들어, 서버 컴퓨터와 같은) 하나 이상의 컴퓨터에서 일련의 작업으로 구현되고, 이러한 작업이 복제될 수 있고, 복수 자동 에이전트(42)의 효과를 창출하기 위하여 동시적으로 작동할 수 있음을 당업자들은 이해할 수 있을 것이다. 이러한 복수의 자동 에이전트(42)는 컨텍스트 데이터베이스(30)를 공유할 수 있다. 이어서, 연락 센터는 충분한 컴퓨팅 자원을 제공함으로써 충분한 자동 에이전트(42)를 제공할 수 있음은(예를 들어, 충분한 서버 컴퓨터 또는 각 서버 컴퓨터 내의 증가된 처리 능력) 당업자에게 명백할 것이다.

도 20은 본 발명의 일 실시예에 따른 예시적인 네트워크 IVR 플랫폼의 개략적인 블록도이다. 도 20에서, 고객은 (서비스 제공자에 의해 제공되는) 기업의 연락 센터로 콜을 발신한다. 이러한 콜은, 사설 교환기(PBX)와 같은 (서비스 제공자에 의해 제공되는) 기업이 사적으로 소유한 스위치를 통해, 전화(TS)에서 기업의 연락 센터로 라우팅된다. 여기서, 콜은 전화 네트워크를 통해 서비스 제공자에게 라우팅되고 (예를 들어, 기업에 연락 센터 서비스를 제공하는 서비스 제공자), 서비스 스위칭 포인트(SSP)에 수신된다.

도 20의 네트워크 IVR 플랫폼에서, SSP가 서비스 제어 포인트(SCP) 또는 IVR 서버 중 하나에 콜을 전송할 수 있다. (전화 번호 다이얼링과 같은) 인증 요인에 따라, 콜은 콜의 IVR 처리를 위한 IVR 서버로 라우팅 될 수 있다. 상기 IVR 서버는 I 서버(ISRV)를 통해 연락 센터의 나머지 부분과 통신할 수 있다. 예를 들어, IVR 서버는 (범용) 라우팅 서버에 요청하여 콜을 라우팅할 라이브 에이전트를 찾을 수 있다. I 서버(ISRV)는 NTS(Network T Server) 및 통계 서버(SS)로 연결될 수 있다.

직접 SCP로 통화를 전송하는 것 외에도, (예를 들어, IVR 처리가 필요하지 않은 콜에 대해) IVR 서버는, 예를 들면 2단계 프로세스를 사용하는 도 20에 도시한 네트워크 IVR 플랫폼에서, (통계 서버 SS와 컨설팅 후, 라우팅 서버(URS)에 의해 선택된 라이브 에이전트와 같은) 특정 라이브 에이전트에 수신 콜을 전달할 수 있다. 첫째, 콜은 SSP에서 SCP로 다시 라우팅된다. 그런 다음, SCP는 연락 센터 내에서 특정 라이브 에이전트에 콜을 연결한다. 이것은, IVR (예컨대, 트롬보닝(tromboning)을 통해 콜을 라우팅하는 것에 비해 보다 직접적이고 자원 소모가 없는 콜 전달 방식이다.

도 21은 본 발명의 일 예시적인 실시예에 따른 수신 콜 처리를 위한 예시적인 음성 플랫폼의 개략적인 블록도이다. 예를 들어, 도 21에 도시된 일부 구성 요소는 제네시스에서 사용할 수 있는 제네시스 음성 플랫폼의 일부이다. 수신 콜의 처리는 도 21에 도시된다.

수신 콜의 처리가 9 단계로 예시되고 있다.

1. 콜은 타사 미디어 게이트웨이를 통해 외부 소스에서 SIP(Session Initiation Protocol) 서버로 제공된다.

2. SIP 서버는 콜을 GVP 리소스 관리자(SIP INVITE)에 전달한다.

3. 리소스 관리자는 콜에 대해 수행할 작업을 결정한다. 리소스 관리자가 콜을 수락하는 경우, 관리자는 콜을 대화식 음성 응답 프로파일에 매칭시키고, 리소스를 선택한다.

4. 리소스 관리자는 미디어 제어 플랫폼 또는 통화 제어 플랫폼 자원(SIP INVITE)에 콜을 전송한다. 리소스에 요청이 전달되면, 리소스 관리자는, IVR 프로파일에 대해 구성된 서비스의 전제 조건, 서비스 매개 변수 및 정책의 요구에 따라 추가 SIP 헤더 또는 매개 변수를 삽입한다.

5. 미디어 제어 플랫폼 또는 통화 제어 플랫폼 자원을 위한 페치(fetch) 모듈이 음성 확장 마크 업 언어(VoiceXM) 또는 콜 제어 XML(CCXML) 페이지를 애플리케이션 서버(파일, 하이퍼 텍스트 전송 프로토콜(HTTP), 또는 보안 HTTP(HTTPS) 요청)에서 페치한다.

6. VoiceXML통역기(미디어 제어 플랫폼 상의 차세대 통역기 [NGI] 또는 GVP 통역기 [GVPi]) 또는 통화 제어 플랫폼 상의 CCXML 통역기(CCXMLI)가 페이지를 해석하고 애플리케이션 (V oiceXML 또는 CCXML)을 실행한다.

7. 애플리케이션에 따라, 미디어 제어 플랫폼 또는 통화 제어 플랫폼이 (리소스 관리자를 통해) 추가의 서비스를 요청 및 사용한다:

a. 자동 음성 인식(ASR) 또는 텍스트-투-스피치(TTS) 서비스의 경우, 미디어 제어 플랫폼은 미디어 리소스 제어 프로토콜(MRCPvl 또는 MRCPv2)를 사용하여 타사 음성 애플리케이션 서버와 통신한다.

b. 통화 제어 플랫폼이 회의 또는 오디오 재생/기록 서비스를 필요로 하는 경우, 그것을 미디어 제어 플랫폼 리소스에서 얻는다. 미디어 제어 플랫폼 또는 통화 제어 플랫폼은 리소스 관리자(SIP 또는 네트워크 발표(NETA))를 통해 다른 GVP 구성 요소로부터 모든 서비스를 요청한다.

8. 실시간 전송 프로토콜(RTP) 미디어 경로는 미디어 제어 플랫폼과 SIP 최종 사용자 사이에 구축된다- 이 경우, 미디어 게이트웨이를 통한 발신 콜.

9. 리소스 관리자는 당사자 중의 하나(SIP 최종 사용자, 미디어 제어 플랫폼, 또는 통화 제어 플랫폼)가 연결을 끊거나 통화가 GVP (SIP BYE또는 REFER)에서 전송될 때, 통화를 종료한다.

도 22는 본 발명의 실시예에 따른 지능형 자동 에이전트의 예시적인 게임 서비스 모듈의 개략적인 블록도이다. 도 22는 관리 사용자 인터페이스(Admin UI), 게임 플랫폼 및 메시지 브로커를 포함하는 예시적인 게임 구조를 도시한다. 게임 플랫폼은 두 개의 별도의 프로세싱 스레드로 나뉜다: 좌측의 분석 및 게임 요소 스레드, 그리고 우측의 규칙 및 복잡한 이벤트. 두 스레드는 해당 처리를 수행하기 위해 대응하는 데이터 스토리지와 상호 작용한다.

발명이 특정 예시적인 실시예와 관련하여 설명되었지만, 본 발명은 예시된 실시예에 제한되지 않으며, 첨부된 청구의 범위 및 그 등가물의 범위 내에서 다양한 변형 및 유사한 장치들이 제안될 수 있고, 이 또한 본원 발명의 범위에 속한다.

Claims (82)

1. 프로세서;
   고객 프로파일 데이터를 저장하는 비일시적 저장 장치; 및
   메모리를 포함하며,
   상기 메모리는 명령들을 저장하고, 상기 프로세서에 의해 상기 명령들이 실행될 때, 상기 프로세서는:
   연락 센터와 고객 사이에 이루어진 고객의 과거 상호 작용들에 기반하여 상기 고객에 대한 지식을 학습하고, 상기 학습된 지식을 연락 센터와 고객 사이의 고객의 미래 상호 작용에 적용하도록 구성되는 인공 지능 엔진을 실행시키고;
   상기 저장 장치에 상기 고객 프로파일 데이터를 유지시키고;
   현재 상호 작용의 수신에 응답하여 상기 고객에 대한 상기 고객 프로파일 데이터의 검색하며;
   상기 현재 상호 작용 동안 상기 인공 지능 엔진에 의해 제공되는 출력을 식별하고;
   상기 검색된 고객 프로파일 데이터에 대해 상기 출력을 체크하며;
   상기 체크에 기초하여 상기 출력을 삭제하고; 그리고
   상기 고객의 새로운 상호 작용의 종료 후에, 상기 저장 장치에 상기 고객에 대한 상기 고객 프로파일 데이터를 업데이트하여, 상기 고객의 새로운 상호 작용을 상기 연락 센터와 상기 고객 사이의 상기 고객의 과거 상호 작용으로 반영하는 것을 포함하는,
   기업용 연락 센터와 고객의 상호 작용을 처리하기 위한 시스템.
   
2. 제 1 항에 있어서,
   상기 학습된 지식은 상기 고객의 학습된 음성 특성을 포함하는,
   기업용 연락 센터와 고객의 상호 작용을 처리하기 위한 시스템.
   
3. 제 2 항에 있어서,
   상기 인공 지능 엔진은 상기 연락 센터와 상기 고객 사이의 상기 고객의 미래 상호 작용에서 상기 고객을 식별하기 위해 또는 상기 고객의 신원을 확인하기 위해 상기 학습된 상기 고객의 음성 특성을 적용하도록 구성되는,
   기업용 연락 센터와 고객의 상호 작용을 처리하기 위한 시스템.
   
4. 제 1 항에 있어서,
   상기 프로세서가,
   상기 새로운 고객의 상호 작용 중에 상기 고객의 감정과 감성을 검출하도록 하고, 또한
   상기 고객에 대한 상기 프로파일 및 상기 고객의 새로운 상호 작용 중에 상기 고객의 상기 검출된 감정과 감성에 기초하여 고객의 새로운 상호 작용에서의 지능형 자동 에이전트의 행동을 조정하도록 하며,
   상기 검출은 상기 고객의 기록 통신, 음성 통신 및/또는 화상 통신을 고객 프로파일 데이터베이스에서 고객 프로파일 특성을 공유하는 다른 고객의 기록 통신, 음성 통신 및/또는 화상 통신과 비교하여 상기 고객의 기록 통신, 음성 통신 및/또는 화상 통신을 분석하는 단계를 포함하는,
   기업용 연락 센터와 고객의 상호 작용을 처리하기 위한 시스템.
   
5. 비일시적 저장 장치에 결합된 프로세서에서 실행되는 연락 센터용 자동화 방법에 있어서,
   상기 프로세서에 의해서, 고객에게 세트 스크립트를 제시하는 것, 및 상기 고객으로부터 대응하는 응답을 수신하는 것에 의해서 상기 연락 센터의 상기 고객과의 상호 작용에 관여하도록 하기 위한 대화식 음성 응답(IVR) 노드를 실행하는 단계로서, 상기 고객으로부터의 상기 응답 중 적어도 하나는 지능형 자동 에이전트에 연결되기 위한 요청인 단계;
   상기 프로세서에 의해서, 상기 IVR 노드와 통신하도록 하고 또한 상기 고객과 상기 연락 센터 사이의 과거 상호 작용들로부터 구축된 고객 프로파일 데이터를 저장하기 위한 상기 지능형 자동 에이전트를 실행하는 단계로서, 상기 자동 에이전트는 인공 지능 엔진을 포함하는 단계;
   상기 프로세서에 의해서, 라이브 에이전트 풀(pool)에서 라이브 에이전트를 식별하도록 구성된 라우팅 서버 노드를 실행하는 단계;
   상기 프로세서에 의해서, 상기 지능형 자동 에이전트에 연결하기 위하여 상기 고객의 요청이 있는 경우 상기 자동 에이전트와 통신하여 상기 상호 작용 및 상기 응답을 상기 자동 에이전트에 라우팅하도록 구성된 콜 서버 노드를 실행하는 단계로서, 상기 요청의 부족에 응답하여, 상기 콜 서버 노드는 상기 식별된 라이트 에이전트와 연관된 에이전트 장치와 통신하여 상기 상호 작용 및 상기 응답을 상기 에이전트 장치에 라우팅하도록 구성되는 단계;
   상기 프로세서에 결합된 전자식 스위치에 의해서, 상기 상호 작용을 상기 자동 에이전트 및 상기 에이전트 장치 중 적어도 하나로 전달하는 단계;
   상기 프로세서에 의해서, 상기 상호 작용 중에 상기 고객 프로파일 데이터로부터 상기 고객의 프로파일을 검색하고, 또한 상기 상호 작용을 반영하도록 상기 저장 장치 상의 상기 검색된 프로파일을 업데이트하도록 상기 자동 에이전트를 호출하는 단계; 및
   상기 프로세서에 의해서, 상기 상호 작용으로부터 지식을 학습하도록 하고, 또한 상기 학습된 지식을 상기 고객 및 상기 연락 센터 사이에서의 미래 상호 작용에 적용시키도록 상기 인공 지능 엔진을 호출하는 단계;를 포함하는,
   비일시적 저장 장치에 결합된 프로세서에서 실행되는 연락 센터용 자동화 방법.
   
6. 제 5 항에 있어서,
   상기 라이브 에이전트 중 어느 것도 사용 가능하지 않을 때, 상기 콜 서버 노드로부터의 상기 상호 작용 및 상기 응답을 상기 자동 에이전트에 라우팅하는 단계를 더 포함하는,
   비일시적 저장 장치에 결합된 프로세서에서 실행되는 연락 센터용 자동화 방법.
   
7. 제 5 항에 있어서,
   상기 인공 지능 엔진에 의한 상기 상호 작용으로부터의 상기 지식의 학습은:
   상기 인공 지능 엔진에 의해서, 상기 고객과 상기 연락 센터 사이의 상기 상호 작용이 완료된 후 및 상기 미래 상호 작용이 이루어지기 전에 상기 고객의 상기 프로파일을 분석하는 단계; 및
   상기 고객과 상기 연락 센터 사이의 상기 미래 상호 작용 전에 상기 저장 장치에 상기 고객의 상기 프로파일의 상기 분석 결과를 저장하는 단계를 포함하는,
   비일시적 저장 장치에 결합된 프로세서에서 실행되는 연락 센터용 자동화 방법.
   
8. 제 7 항에 있어서,
   상기 분석 결과는 상기 고객과 상기 연락 센터 사이의 상기 미래 상호 작용 중에 상기 자동 에이전트에 의해서 수행된 액션들을 포함하며, 또한
   상기 방법은, 상기 자동 에이전트에 의해서, 상기 고객과 상기 연락 센터 사이의 상기 미래 상호 작용 중에 상기 액션들을 수행하는 단계를 더 포함하는,
   비일시적 저장 장치에 결합된 프로세서에서 실행되는 연락 센터용 자동화 방법.
   
9. 제 7 항에 있어서,
   상기 인공 지능 엔진에 의해서, 상기 분석 완료 및 상기 분석 결과를 저장한 후에 상기 고객 프로파일을 재분석하는 단계로서, 상기 고객 프로파일에 대한 상기 재분석은 상기 인공 지능 엔진을 업데이트 한 후 그리고 상기 고객과 상기 연락 센터 사이의 상기 미래 상호 작용 이전에 발생하는 단계; 및
   상기 고객과 상기 연락 센터 사이의 상기 미래 상호 작용 이전에 상기 저장 장치 상의 상기 고객의 상기 프로파일의 상기 재분석 결과를 반영하도록 상기 분석 결과를 업데이트하는 단계를 더 포함하는,
   비일시적 저장 장치에 결합된 프로세서에서 실행되는 연락 센터용 자동화 방법.
   
10. 비 일시적 저장 장치와 연결된 프로세서를 구비하는 백 오피스 서비스 시스템에 있어서,
    상기 저장 장치 상에 저장된 고객 프로파일 데이터베이스로부터 고객의 프로파일에 액세스하도록 구성되는 고객 프로파일 모듈로서, 상기 고객의 상기 프로파일은 상기 고객과 연락 센터가 참여하는 상호 작용들에 대한 상호 작용 데이터 및 상기 고객과 상기 연락 센터가 참여하는 상호 작용들에 대한 상기 상호 작용 데이터를 분석한 분석 결과를 포함하는, 상호 작용 고객 프로파일 모듈;
    상기 고객의 상기 프로파일의 상기 분석 결과에 기초하여 상기 고객에게 제안된 응답을 삭제하도록 구성되는 제안 응답 핸들링 모듈; 및
    컨텐츠 분석 모듈을 포함하며,
    상기 컨텐츠 분석 모듈은,
    상기 고객과 상기 연락 센터가 참여하는 상기 상호 작용들의 연속적인 상호 작용들 간의 상기 상호 작용 데이터를 분석하여 새로운 분석 결과를 생성하도록 하고; 또한
    상기 새로운 분석 결과를 반영하기 위해 상기 저장 장치 상에 상기 고객의 상기 프로파일의 상기 분석 결과를 업데이트하도록 구성되며;
    지능형 자동 에이전트는,
    상기 프로세서 상에서 실행되며;
    상기 고객의 상기 프로파일에 액세스하여 상기 고객 및 상기 연락 센터가 참여하는 상기 상호 작용들의 다음 상호 작용을 발생시키고;
    상기 고객의 상기 액세스된 프로파일의 상기 분석 결과를 감안하여 상기 다음 상호 작용에서의 동작을 조정하도록 하되, 상기 조정된 동작은 상기 제안된 응답을 출력하는 단계를 포함하며, 그리고
    상기 다음 상호 작용을 반영하도록 상기 저장 장치에 상기 액세스된 프로파일의 상기 상호 작용 데이터를 업데이트시키도록 구성되는,
    비 일시적 저장 장치와 연결된 프로세서를 구비하는 연락 센터용 지능형 자동 에이전트의 백 오피스 서비스 시스템.
    
11. 제 10 항에 있어서,
    상기 분석 결과는 상기 고객과 상기 연락 센터가 참여하는 상기 상호 작용들의 미래 상호 작용 중에 상기 자동 에이전트가 수행한 액션들을 포함하고, 또한
    상기 자동 에이전트는 상기 미래 상호 작용 중에 상기 액션들을 수행하도록 구성되는,
    비 일시적 저장 장치와 연결된 프로세서를 구비하는 연락 센터용 지능형 자동 에이전트의 백 오피스 서비스 시스템.
    
12. 제 10 항에 있어서,
    상기 컨텐츠 분석 모듈은,
    상기 새로운 분석 결과를 반영하기 위해 상기 고객의 상기 프로파일을 업데이트 한 후 상기 상호 작용 데이터를 재분석하여, 상기 컨텐츠 분석 모듈에 대한 업데이트 후 상기 연속적인 상호 작용들 간의 추가 분석 결과를 생성하고;
    상기 추가 분석 결과를 반영하도록 상기 저장 장치 상의 상기 고객의 상기 프로파일의 상기 분석 결과를 업데이트 시키도록 구성되는,
    비 일시적 저장 장치와 연결된 프로세서를 구비하는 연락 센터용 지능형 자동 에이전트의 백 오피스 서비스 시스템.
    
13. 제 10 항에 있어서,
    상기 고객의 상기 프로파일의 상기 분석 결과에 기초하여 상기 고객에게 라이브 에이전트 풀(pool)로부터 라이브 에이전트를 할당하도록 구성되는 라이브 에이전트 할당 모듈을 더 포함하는,
    비 일시적 저장 장치와 연결된 프로세서를 구비하는 연락 센터용 지능형 자동 에이전트의 백 오피스 서비스 시스템.
    
14. 제 10 항에 있어서,
    상기 고객의 상기 프로파일의 상기 분석 결과에 기초하여 상기 고객에게 제안된 응답을 삭제 또는 변경하도록 구성되는 제안 응답 핸들링 모듈을 더 포함하는,
    연락 센터용 지능형 자동 에이전트의 백 오피스 서비스 시스템.
    
15. 제 10 항에 있어서,
    상기 프로파일들의 대응 분석 결과들에 기초하여 상기 연락 센터의 고객들을 서로 다르게 분류하도록 구성된 분류 모듈을 더 포함하며, 상기 컨텐츠 분석 모듈은 서로 다른 분류에 대응하는 복수의 컨텐츠 분석 모듈을 포함하는
    비 일시적 저장 장치와 연결된 프로세서를 구비하는 연락 센터용 지능형 자동 에이전트의 백 오피스 서비스 시스템.
    
16. 제 10 항에 있어서,
    상기 분석 결과는 아직 완료되지 않은 상기 고객의 계류 중인 거래들 및/또는 요청들의 리스트를 포함하며, 또한
    상기 자동 에이전트는 상기 고객과 상기 연락 센터가 참여하는 상호 작용들의 미래 상호 작용 중에 상기 계류 중인 거래들 및/또는 요청들을 처리하도록 구성되는,
    비 일시적 저장 장치와 연결된 프로세서를 구비하는 연락 센터용 지능형 자동 에이전트의 백 오피스 서비스 시스템.
    
17. 삭제
18. 삭제
19. 삭제
20. 삭제
21. 삭제
22. 삭제
23. 삭제
24. 삭제
25. 삭제
26. 삭제
27. 삭제
28. 삭제
29. 삭제
30. 삭제
31. 삭제
32. 삭제
33. 삭제
34. 삭제
35. 삭제
36. 삭제
37. 삭제
38. 삭제
39. 삭제
40. 삭제
41. 삭제
42. 삭제
43. 삭제
44. 삭제
45. 삭제
46. 삭제
47. 삭제
48. 삭제
49. 삭제
50. 삭제
51. 삭제
52. 삭제
53. 삭제
54. 삭제
55. 삭제
56. 삭제
57. 삭제
58. 삭제
59. 삭제
60. 삭제
61. 삭제
62. 삭제
63. 삭제
64. 삭제
65. 삭제
66. 삭제
67. 삭제
68. 삭제
69. 삭제
70. 삭제
71. 삭제
72. 삭제
73. 삭제
74. 삭제
75. 삭제
76. 삭제
77. 삭제
78. 삭제
79. 삭제
80. 삭제
81. 삭제
82. 삭제

Images