KR101876371B1 - 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템 및 방법 - Google Patents

고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템 및 방법 Download PDF

Info

Publication number
KR101876371B1
KR101876371B1 KR1020170000920A KR20170000920A KR101876371B1 KR 101876371 B1 KR101876371 B1 KR 101876371B1 KR 1020170000920 A KR1020170000920 A KR 1020170000920A KR 20170000920 A KR20170000920 A KR 20170000920A KR 101876371 B1 KR101876371 B1 KR 101876371B1
Authority
KR
South Korea
Prior art keywords
customer
complaint
consultation
information
call
Prior art date
Application number
KR1020170000920A
Other languages
English (en)
Inventor
최성윤
Original Assignee
(주)복스유니버스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)복스유니버스 filed Critical (주)복스유니버스
Priority to KR1020170000920A priority Critical patent/KR101876371B1/ko
Application granted granted Critical
Publication of KR101876371B1 publication Critical patent/KR101876371B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • G06N99/005—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398—Performance of employee with respect to a job function
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
    • H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
    • H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
    • H04M3/5232—Call distribution algorithms
    • H04M3/5235—Dependent on call type or called number [DNIS]

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Telephonic Communication Services (AREA)

Abstract

본 발명의 일 실시예에 따른 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템은 상담 이력 데이터베이스로부터 상담 콜 인입과 관련한 고객을 조회하여 고객 리스트 데이터베이스를 생성하고, 상기 고객 리스트 데이터베이스를 이용하여 대내외 민원 접수 정보 데이터베이스로부터 조회된 민원 고객, 및 상기 고객 리스트 데이터베이스를 이용하여 상담관리 이력 데이터베이스로부터 조회된 불만 고객에 기초하여 민원 및 불만 고객 리스트 데이터베이스를 생성하는 민원/불만 고객 정보 처리부; 상기 민원 및 불만 고객 리스트 데이터베이스를 참조하여 고객 정보 데이터베이스로부터 민원 및 불만 고객에 관한 고객 정보를 조회하고, 상기 고객 정보를 이용하여 상기 상담관리 이력 데이터베이스로부터 상기 민원 및 불만 고객에 관한 상담 품질 관리 정보를 조회하며, 상기 고객 정보 및 상기 상담 품질 관리 정보를 이용하여 레이블링(Labeling)을 수행하는 민원/불만 고객 분석부; 및 상기 레이블링의 수행 결과에 기초하여 민원 및 불만의 발생 위험 가능성을 구비한 고객을 나타내는 민원 및 불만 위험 고객군을 분류하는 민원/불만 고객 예측부를 포함한다.

Description

고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템 및 방법{SYSTEM AND METHOD FOR CALL ROUTING OF CALL CENTER}
본 발명의 실시예들은 콜 센터의 콜 라우팅 시스템 및 방법에 관한 것으로서, 더욱 상세하게는 고객의 민원/불만을 사전에 방어할 수 있는 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템 및 방법에 관한 것이다.
은행이나 증권사 등과 같이 곳곳에 지점이 분포되어 운영되는 사업체에서는 해당 지점에서만 처리 가능한 업무를 제외한 나머지 업무 즉, 일반적인 정보 또는 서비스를 요청하는 업무에 대한 고객의 전화를 응대하기 위하여 콜 센터 시스템을 이용하고 있다.
종래의 콜 센터 시스템은 고객의 전화에 대응하여 고객의 개인정보를 취득한 후 IVR(Interactive Voice Response, 음성자동응답기)에서 고객의 요청을 응대하거나 콜 센터 시스템의 상담원과 고객이 연결되어 고객의 요청을 응대하고 있다.
최근 들어 오프라인 상거래 대신 온라인 상거래가 급증하면서 콜 센터의 중요성이 부각되고 있다. 이에 따라, 콜 센터에 걸려오는 상담 콜이 점점 증가하고 있다. 예컨대, 상담사 1명당 하루 평균 최대 80여건의 상담을 처리하고 있는 실정인데, 상담사가 100명이면 해당 콜 센터는 하루에 8,000건, 한 달이면 16만 건의 상담 콜을 처리하게 된다.
그러나, 기존의 콜 센터에서는 대용량의 콜을 모니터링 할 수 있는 시스템이 없었으며, 대외민원 발생 건수가 전체 처리하는 상담의 매우 일부였기 때문에 불만 고객의 프로파일이 제한적이었다. 그렇기 때문에 불만 고객을 사전에 대응하는 전략 수립이 어려운 상황이었다.
관련 선행기술로는 대한민국 공개특허공보 제10-2005-0041485호(발명의 명칭: 콜센터 시스템에서의 상담원 성과 평가 방법, 공개일: 2005.05.04)가 있다.
본 발명의 일 실시예는 상담 고객의 콜 인입 시, 상담과 관련하여 조회 및 수집된 모든 데이터를 대상으로 한 레이블링을 통해 민원/불만 위험 고객군을 분류하여 상담 응대 지수(상담사별 고객불만 방어 지수)가 높은 상담사 순으로 호를 연결함으로써, 사전에 민원/불만 고객(민원/불만 위험 고객)의 발생을 줄여 고객의 민원/불만을 사전에 방어할 수 있는 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템 및 방법을 제공한다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템은 상담 이력 데이터베이스로부터 상담 콜 인입과 관련한 고객을 조회하여 고객 리스트 데이터베이스를 생성하고, 상기 고객 리스트 데이터베이스를 이용하여 대내외 민원 접수 정보 데이터베이스로부터 조회된 민원 고객, 및 상기 고객 리스트 데이터베이스를 이용하여 상담관리 이력 데이터베이스로부터 조회된 불만 고객에 기초하여 민원 및 불만 고객 리스트 데이터베이스를 생성하는 민원/불만 고객 정보 처리부; 상기 민원 및 불만 고객 리스트 데이터베이스를 참조하여 고객 정보 데이터베이스로부터 민원 및 불만 고객에 관한 고객 정보를 조회하고, 상기 고객 정보를 이용하여 상기 상담관리 이력 데이터베이스로부터 상기 민원 및 불만 고객에 관한 상담 품질 관리 정보를 조회하며, 상기 고객 정보 및 상기 상담 품질 관리 정보를 이용하여 레이블링(Labeling)을 수행하는 민원/불만 고객 분석부; 및 상기 레이블링의 수행 결과에 기초하여 민원 및 불만의 발생 위험 가능성을 구비한 고객을 나타내는 민원 및 불만 위험 고객군을 분류하는 민원/불만 고객 예측부를 포함한다.
상기 민원/불만 고객 분석부는 상기 고객 정보 및 상기 상담 품질 관리정보를 포함하는 조회 정보를 대상으로, 기계학습-학습데이터(모델링)의 패턴을 찾기 위한 레이블링 함수를 이용한 레이블링을 수행하여, 상기 조회 정보에 대응하는 인접 영역의 데이터끼리 그룹을 생성하고, 각 그룹의 레이블링 데이터에 기초하여 민원 및 불만 고객의 데이터 패턴을 분석하여 민원 및 불만 고객 모델링 데이터를 생성하며, 상기 민원/불만 고객 예측부는 상기 민원 및 불만 고객 모델링 데이터에 기초하여 상기 민원 및 불만 위험 고객군을 분류할 수 있다.
민원/불만 고객 분석부는 학습데이터의 생명을 연장시키기 위해 추가적으로 새로운 민원 및 불만 고객에 관한 고객 정보를 추가하거나 주기적으로 민원 및 불만 고객에 관한 고객 정보를 재수집하는 경우 데이터 레이블링 생성 프로세스를 재실행하며, 레이블링의 불균형이 심한 경우 기계학습의 범주인 준지도학습(Semi-Supervised Learning) 프로세스를 추가 실행하는 프로세스 실행 정책에 따라 최종 업데이트 된 데이터 레이블링을 확정함으로써 상기 민원 및 불만 고객 모델링 데이터를 생성할 수 있다.
상기 민원 및 불만 고객 모델링 데이터는 상기 최종 업데이트 된 데이터 레이블링을 기반으로 생성된 패턴 정보로서, 고객의 연령대, 성별(여자-남자), 상담사 1~N(N은 자연수), 콜 인입 시간대, 콜 유형 1~N, 상담사 평가 점수 구간 1~N, 후속 처리 여부(예-아니오), 음성 특징 정보 구간 1~N 중 적어도 하나를 포함하는 데이터 간의 인접 영역에 관한 정보일 수 있다.
상기 민원/불만 고객 예측부는 상기 민원 및 불만 고객 모델링 데이터에 기초하여, 상기 데이터 레이블링이 제1 임계치 이상인 인접 영역에 관한 정보를 상기 민원 및 불만 발생의 주요 요인으로 도출하고, 상기 주요 요인을 상기 민원 및 불만 고객 모델링 데이터와 비교하여, 데이터 패턴의 일치도가 제2 임계치 이상인 고객 리스트를 상기 민원 및 불만 위험 고객군으로 분류할 수 있다.
본 발명의 일 실시예에 따른 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템은 상기 상담 이력 데이터베이스로부터 상담 처리 상담사를 조회하여 상담사 리스트 데이터베이스를 생성하고, 상기 상담사 리스트 데이터베이스를 이용하여 상기 상담관리 이력 데이터베이스로부터 상담사별 상담 품질 관리 정보를 조회하고, 상기 상담사별 상담 품질 관리 정보에 기초하여 상담사별 고객불만 방어 지수를 생성하는 상담사 콜 라우팅 정보 생성부를 더 포함할 수 있다.
상기 상담사 콜 라우팅 정보 생성부는 상기 상담사별 상담 품질 관리 정보에 기초하여 상담사 레벨, 상담 품질 점수, 오상담 발생 건수, 민원 발생 건수 중 적어도 하나를 고객불만 방어 지수 구성 정보로서 지정하고, 상기 고객불만 방어 지수 구성 정보별 우선순위에 기초하여 상기 상담사별 고객불만 방어 지수를 생성할 수 있다.
본 발명의 일 실시예에 따른 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템은 상기 상담사별 고객불만 방어 지수를 이용하여 상기 민원 및 불만 위험 고객군에게 해당 상담사를 호 연결하는 상담 호 연결부를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템은 상기 상담 이력 데이터베이스로부터 상담 처리 상담사를 조회하여 상담사 리스트 데이터베이스를 생성하고, 상기 상담사 리스트 데이터베이스를 이용하여 상기 상담관리 이력 데이터베이스로부터 상담사별 상담 품질 관리 정보를 조회하고, 상기 상담사별 상담 품질 관리 정보에 기초하여 상담사별 업무 스킬 정보를 생성하는 상담사 콜 라우팅 정보 생성부; 및 상기 상담사별 업무 스킬 정보를 이용하여 해당 업무의 연결 대기중인 상담사를 조회하는 상담 호 연결부를 더 포함할 수 있다.
상기 상담사 콜 라우팅 정보 생성부는 상기 상담사별 상담 품질 관리 정보에 기초하여 상담 유형 또는 업무별 발생 빈도, 상담 품질 점수, 상담 특징 균질도, 고객 만족도 중 적어도 하나를 업무 스킬 정보 구성 대상으로 지정하고, 상기 업무 스킬 정보 구성 대상별로 산정된 평균 수치에 미리 설정된 가중치 조건을 적용하여 상기 상담사별 업무 스킬 정보를 생성 할 수 있다.
본 발명의 일 실시예에 따른 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 방법은 콜 라우팅 시스템에서, 상담 이력 데이터베이스로부터 상담 콜 인입과 관련한 고객을 조회하여 고객 리스트 데이터베이스를 생성하고, 상기 고객 리스트 데이터베이스를 이용하여 대내외 민원 접수 정보 데이터베이스로부터 조회된 민원 고객, 및 상기 고객 리스트 데이터베이스를 이용하여 상담관리 이력 데이터베이스로부터 조회된 불만 고객에 기초하여 민원 및 불만 고객 리스트 데이터베이스를 생성하는 단계; 상기 콜 라우팅 시스템에서, 상기 민원 및 불만 고객 리스트 데이터베이스를 참조하여 고객 정보 데이터베이스로부터 민원 및 불만 고객에 관한 고객 정보를 조회하고, 상기 고객 정보를 이용하여 상기 상담관리 이력 데이터베이스로부터 상기 민원 및 불만 고객에 관한 상담 품질 관리 정보를 조회하며, 상기 고객 정보 및 상기 상담 품질 관리 정보를 이용하여 레이블링(Labeling)을 수행하는 단계; 및 상기 콜 라우팅 시스템에서, 상기 레이블링의 수행 결과에 기초하여 민원 및 불만의 발생 위험 가능성을 구비한 고객을 나타내는 민원 및 불만 위험 고객군을 분류하는 단계를 포함한다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 첨부 도면들에 포함되어 있다.
본 발명의 일 실시예에 따르면, 상담 고객의 콜 인입 시, 상담과 관련하여 조회 및 수집된 모든 데이터를 대상으로 한 레이블링을 통해 민원/불만 위험 고객군을 분류하여 상담 응대 지수(상담사별 고객불만 방어 지수)가 높은 상담사 순으로 호를 연결함으로써, 사전에 민원/불만 고객(민원/불만 위험 고객)의 발생을 줄일 수 있으며 다수의 고객 만족도를 향상 할 수 있는 효과를 기대할 수 있다.
본 발명의 일 실시예에 따르면, 고객이 연결을 원하는 상담 유형 또는 업무 분류에 따라 해당 상담 유형 또는 업무 그룹에 우수 스킬자로 정의된 상담사를 우선 연결함으로써, 사전에 민원/불만 고객(민원/불만 위험 고객)의 발생을 줄일 수 있으며 다수의 고객 만족도를 향상 할 수 있는 효과를 기대할 수 있다.
도 1은 본 발명의 일 실시예에 따른 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템을 설명하기 위해 도시한 블록도이다.
도 2는 도 1의 민원/불만 고객 정보 처리부의 상세 동작 과정을 설명하기 위해 도시한 도면이다.
도 3은 도 1의 민원/불만 고객 분석부의 상세 동작 과정을 설명하기 위해 도시한 도면이다.
도 4는 도 1의 민원/불만 고객 예측부의 상세 동작 과정을 설명하기 위해 도시한 도면이다.
도 5는 도 1의 상담사 콜 라우팅 정보 생성부의 상세 동작 과정을 설명하기 위해 도시한 도면이다.
도 6은 도 1의 상담 호 연결부의 상세 동작 과정을 설명하기 위해 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 방법을 설명하기 위해 도시한 흐름도이다.
본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다.
또한, 이하 실시되는 본 발명의 바람직한 실시예는 본 발명을 이루는 기술적 구성요소를 효율적으로 설명하기 위해 각각의 시스템 기능 구성에 기 구비되어 있거나, 또는 본 발명이 속하는 기술분야에서 통상적으로 구비되는 시스템 기능 구성은 가능한 생략하고, 본 발명을 위해 추가적으로 구비되어야 하는 기능 구성을 위주로 설명한다. 만약 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면, 하기에 도시하지 않고 생략된 기능 구성 중에서 종래에 기 사용되고 있는 구성요소의 기능을 용이하게 이해할 수 있을 것이며, 또한 상기와 같이 생략된 구성요소와 본 발명을 위해 추가된 구성요소 사이의 관계도 명백하게 이해할 수 있을 것이다.
또한, 이하의 설명에 있어서, 신호 또는 정보의 "전송", "통신", "송신", "수신" 기타 이와 유사한 의미의 용어는 일 구성요소에서 다른 구성요소로 신호 또는 정보가 직접 전달되는 것뿐만이 아니라 다른 구성요소를 거쳐 전달되는 것도 포함한다. 특히 신호 또는 정보를 일 구성요소로 "전송" 또는 "송신"한다는 것은 그 신호 또는 정보의 최종 목적지를 지시하는 것이고 직접적인 목적지를 의미하는 것이 아니다. 이는 신호 또는 정보의 "수신"에 있어서도 동일하다.
이하에서는 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템을 설명하기 위해 도시한 블록도이다. 여기서, 상기 콜 센터는 일반적인 콜 센터뿐만 아니라, CTI(Computer Telephony Integration)로 구축된 콜 센터를 포괄하는 개념으로 이해될 수 있다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템(100)은 민원/불만 고객 정보 처리부(110), 민원/불만 고객 분석부(120), 민원/불만 고객 예측부(130), 상담사 콜 라우팅 정보 생성부(140), 상담 호 연결부(150), 및 제어부(160)를 포함할 수 있다.
상기 민원/불만 고객 정보 처리부(110)는 상담 콜 인입과 관련한 고객을 조회하여 민원/불만 고객 리스트를 추출하고, 상기 추출된 민원/불만 고객 리스트를 저장하는 민원 및 고객 리스트 데이터베이스를 생성할 수 있다. 이하에서는 상기 민원/불만 고객 정보 처리부(110)의 상세 동작 과정에 대해 도 2를 참조하여 구체적으로 설명한다.
도 2를 참조하면, 상기 민원/불만 고객 정보 처리부(110)는 상담 이력 데이터베이스(101)로부터 상담 콜 인입과 관련한 고객을 조회하여 고객 리스트 데이터베이스(102)를 생성할 수 있다(210). 여기서, 상기 상담 이력 데이터베이스(101)에는 콜 인입 날짜/시간, 통화 시간, 고객 구분값, 상담사 구분값, 상담 유형 구분값 등의 상담 이력 정보가 저장될 수 있다. 또한, 상기 고객 리스트 데이터베이스(102)에는 콜 센터에 전화로 상담을 한 고객 목록이 저장될 수 있다.
이어서, 상기 민원/불만 고객 정보 처리부(110)는상기 고객 리스트 데이터베이스(101)를 이용하여 대내외 민원 접수 정보 데이터베이스(103)로부터 민원 고객을 조회할 수 있다(220).
여기서, 상기 대내외 민원 접수 정보 데이터베이스(103)에는 대내외 민원을 수기로 전산 입력한 정보(누적 또는 특정 기간 내 정보)인 대내외 민원 접수 정보가 저장될 수 있다. 상기 대내외 민원 접수 정보는 예를 들면 고객 이름, 민원 유형 구분값, 접수자, 담당자, 처리 상태 구분값 등의 정보를 포함할 수 있다.
이어서, 상기 민원/불만 고객 정보 처리부(110)는 상기 고객 리스트 데이터베이스(101)를 이용하여 상담관리 이력 데이터베이스(104)로부터 불만 고객을 조회할 수 있다(230).
여기서, 상기 상담관리 이력 데이터베이스(104)에는 인입된 콜을 콜 센터 내 상담품질관리 담당자가 청취 후 입력한 결과 정보(누적 또는 특정 기간 내 정보)인 상담 관리 이력 정보가 저장될 수 있다. 상기 상담 관리 이력 정보는 예컨대 콜 유형, 불만제기 고객, 상담사 평가 점수, 후속 처리 여부 등의 정보를 포함할 수 있다. 상담 관리 이력 정보에는 고객만족도 조사 결과인 만족도 점수가 포함될 수 있으며, 고객만족도 점수도 불만 고객 여부를 분류하는데 기준 정보일 수 있다.
이어서, 상기 민원/불만 고객 정보 처리부(110)는 상기 조회된 민원 고객 및 불만 고객에 기초하여 민원/불만 고객 리스트 데이터베이스(105)를 생성할 수 있다. 여기서, 상기 민원/불만 고객 리스트 데이터베이스(105)에는 민원/불만 고객 리스트가 저장될 수 있다. 상기 민원/불만 고객 리스트는 민원을 제기한 고객과 콜 센터에서 상담 품질 관리 업무 시 자체적으로 분류한 불만 고객의 목록을 포함할 수 있다.
다시 도 1을 참조하면, 상기 민원/불만 고객 분석부(120)는 조회, 수집된 모든 데이터를 대상으로 레이블링(Labeling)을 수행하여 민원/불만 고객 모델링 데이터를 생성할 수 있다. 이하에서는 상기 민원/불만 고객 분석부(120)의 상세 동작 과정에 대해 도 3을 참조하여 구체적으로 설명한다.
도 3을 참조하면, 상기 민원/불만 고객 분석부(120)는 상기 민원/불만 고객 리스트 데이터베이스(105)를 참조하여 민원/불만 고객을 조회할 수 있다(310).
이어서, 상기 민원/불만 고객 분석부(120)는 상기 민원/불만 고객에 관한 고객 정보를 고객 정보 데이터베이스(106)로부터 조회할 수 있다(320).
여기서, 상기 고객 정보 데이터베이스(106)에 저장된 고객 정보는 CRM(Customer Relationship Management) 시스템 등에 서비스, 상품 사용자로 등록된 고객에 관한 정보로서, 고객의 주소, 성별, 나이, 사용 등급, 사용하는 상품 또는 서비스 등 고객과 관련된 다양한 정보를 포함할 수 있다.
이어서, 상기 민원/불만 고객 분석부(120)는 상기 고객 정보를 이용하여 상기 상담관리 이력 데이터베이스(104)로부터 민원/불만 고객에 관한 상담 품질 관리 정보를 조회할 수 있다(330).
참고로, 본 실시예에서는 상기 고객 정보 및 상기 상담 품질 관리 정보를 조회 정보로 정의할 수 있다. 다시 말해, 상기 조회 정보는 상기 고객 정보 및 상기 상담 품질 관리 정보를 포함할 수 있다. 뿐만 아니라, 상기 조회 정보는 상담 콜 인입과 관련하여 조회, 수집된 모든 데이터를 포함할 수 있다.
이어서, 상기 민원/불만 고객 분석부(120)는 상기 조회 정보를 이용하여, 민원/불만 위험 고객군의 분류를 위한 데이터 레이블링(Labeling) 작업을 수행할 수 있다(340).
여기서, 상기 조회 정보는 나이, 성별, 거주지, 상담사 정보, 인입 시간, 통화 시간, 종료 시간, 콜 유형, 상담사 평가 점수, 후속 처리 여부, 기타 음성 분석 엔진 결과 정보 등의 정보를 포함할 수 있다. 상기 민원/불만 고객 위험군은 민원/불만의 발생 위험 가능성을 구비한 고객을 나타낼 수 있다.
구체적으로, 상기 민원/불만 고객 분석부(120)는 상기 조회 정보를 대상으로, 기계학습-학습데이터(모델링)의 패턴을 찾기 위한 레이블링 함수를 이용하여 레이블링을 수행함으로써, 상기 조회 정보에 대응하는 인접 영역의 데이터끼리 그룹을 생성할 수 있다.
다시 말해, 상기 민원/불만 고객 분석부(1200는 상기 조회 정보에 대응하는 인접 영역의 데이터에 레이블 넘버(Label Number)를 매겨 그룹화(Grouping)할 수 있다.
이어서, 상기 민원/불만 고객 분석부(120)는 상기 생성된 각 그룹의 레이블링 데이터에 기초하여 민원/불만 고객의 데이터 패턴을 생성할 수 있다(350).
이때, 상기 민원/불만 고객 분석부(120)는 학습데이터의 생명을 연장시키기 위해 추가적으로 새로운 민원 및 불만 고객에 관한 고객 정보를 추가하거나 주기적으로 민원 및 불만 고객에 관한 고객 정보를 재수집하는 경우 데이터 레이블링 생성 프로세스를 재실행할 수 있다.
상기 민원/불만 고객 분석부(120)는 레이블링의 불균형이 심한 경우 기계학습의 범주인 준지도학습(Semi-Supervised Learning) 프로세스를 추가 실행하는 등의 프로세스 실행 정책에 따라 최종 업데이트 된 데이터 레이블링을 확정할 수 있다.
이어서, 상기 민원/불만 고객 분석부(120)는 상기 생성된 데이터 패턴을 분석하여 민원/불만 고객 모델링 데이터를 생성할 수 있다. 상기 민원/불만 고객 모델링 데이터는 민원/불만 고객 모델링 데이터베이스(107)에 저장될 수 있다.
상기 민원/불만 고객 모델링 데이터는 상기 최종 업데이트 된 데이터 레이블링을 기반으로 생성된 패턴 정보로서, 데이터 간의 인접 영역(구간)에 관한 정보일 수 있다. 상기 데이터 간의 인접 영역에 관한 정보는 고객의 연령대, 성별(여자-남자), 상담사 1~N(N은 자연수), 콜 인입 시간대, 콜 유형 1~N, 상담사 평가 점수 구간 1~N, 후속 처리 여부(예-아니오), 음성 특징 정보 구간 1~N 등을 포함할 수 있다.
다른 실시예로서, 상기 민원/불만 고객 분석부(120)는 상기 조회 정보의 각 구간 정보별로 민원/불만 발생 빈도에 따른 레이블링을 수행할 수 있다. 여기서, 상기 조회 정보의 각 구간 정보는 고객의 연령대, 성별(여자-남자), 상담사 1~N(N은 자연수), 콜 인입 시간대, 콜 유형 1~N, 상담사 평가 점수 구간 1~N, 후속 처리 여부(예-아니오), 음성 특징 정보 구간 1~N 등을 포함할 수 있다.
예를 들면, 30대 남자가 오후 2시에 상담사 1에게 콜 유형 2에 대해 상담하였고, 그 상담 결과 민원/불만 사항이 발생하여 후속 처리(예)가 되었는데, 그 발생 구간이 상담사 평가 점수 구간 1과 음성 특징 정보 구간 3이라고 가정한다. 이러한 경우, 상기 민원/불만 고객 분석부(120)는 고객의 연령대(30대), 성별(남자), 상담사 1, 콜 인입 시간대(오후 2시), 콜 유형 2, 상담사 평가 점수 구간 1, 후속 처리 여부(예), 음성 특징 정보 구간 3에 레이블링, 즉 마킹 작업을 수행할 수 있다.
이때, 상기 민원/불만 고객 분석부(120)는 민원/불만 사항의 빈도 수에 비례하여 상기 조회 정보의 해당 구간 정보에 마킹 작업을 하여 레이블링을 수행할 수 있다. 상기 민원/불만 고객 분석부(120)는 상기 레이블링의 수행 결과를 빈출 레이블링 정보로서 민원/불만 고객 모델링 데이터베이스(107)에 등록(저장)할 수 있다.
한편, 상기 민원/불만 고객 분석부(120)는 고객의 상담 콜에 대한 민원/불만 관련 사항을 분석 시, 상담 콜에서 고객 음성의 특징 값(벡터)을 분석하여 민원/불만 관련 사항을 분석할 수 있다. 이를 위해, 상기 민원/불만 고객 분석부(120)는 상담 콜을 일정 기간 동안 누적하여 콜 특징 값을 추출하고, 추출된 콜 특징 값의 평균, 표준편차를 누적하여 표준정규분포율을 추출할 수 있다. 상기 민원/불만 고객 분석부(120)는 상기 추출된 표준정규분포율을 통해 미리 설정된 기준 분포도 값을 갖는 상담 콜을 민원/불만을 포함한 콜로 분류할 수 있다.
이와 달리, 상기 민원/불만 고객 분석부(120)는 기 저장된 분류 배점표와 매칭하여 상담 콜의 각 통화시간 구간에 조회되는 누적 상담 콜의 평가 점수를 산출하고, 상기 산출된 평가 점수가 일정 임계치를 벗어나는 경우 해당 상담 콜을 민원/불만을 포함한 콜로 분류할 수 있다. 여기서, 상기 분류 배점표는 상담 콜을 일정 기간 동안 누적하여 추출한 콜 특징 값의 표준정규분포율에서 구분되는 통화시간 구간에 따라 배점이 상이하고, 상기 배점은 중앙의 통화시간 구간에 비해 좌우 사이드의 통화시간 구간으로 갈수록 상대적으로 낮게 선정될 수 있다.
또 다른 실시예로서, 상기 민원/불만 고객 분석부(120)는 외부 시스템의 채택(연동)에 의해 대체 가능할 수 있다. 예를 들면, 민원/불만 고객 모델링을 위한 데이터 레이블링 생성, 민원/불만 고객 데이터 패턴 생성 구간을 구글의 인공지능 엔진, 소스가 오픈된 모델링 기반 예측 알고리즘, 또는 상용화된 시스템 등을 채택(연동)하여 상기 민원/불만 고객 분석부(120)를 대체할 수 있다.
다시 도 1을 참조하면, 상기 민원/불만 고객 예측부(130)는 상기 레이블링의 수행 결과에 기초하여 민원/불만의 발생 위험 가능성을 구비한 고객을 나타내는 민원/불만 위험 고객군을 분류함으로써 민원/불만 위험 고객 리스트를 생성할 수 있다.
이하에서는 상기 민원/불만 고객 예측부(130)의 상세 동작 과정에 대해 도 4를 참조하여 구체적으로 설명한다.
도 4를 참조하면, 상기 민원/불만 고객 예측부(130)는 고객 리스트 데이터베이스(102)로부터 고객을 조회한 후(410), 고객 정보 데이터베이스(106)로부터 상기 조회된 고객의 고객 정보를 조회할 수 있다(420).
이어서, 상기 민원/불만 고객 예측부(130)는 상담관리 이력 데이터베이스(104)로부터 상기 조회된 고객의 상담 품질 관리 정보를 조회할 수 있다(430).
이어서, 상기 민원/불만 고객 예측부(130)는 상기 고객 정보 및 상담 품질 관리 정보를 포함하는 고객 전수(Learn) 데이터와, 민원/불만 고객 모델링 데이터베이스(107)로부터 조회된 민원/불만 고객 모델링 데이터를 비교 분석할 수 있다(440).
이어서, 상기 민원/불만 고객 예측부(130)는 상기 비교 분석 결과 데이터 패턴이 유사한 고객을 민원/불만 고객으로 예측하여 민원/불만 위험 고객군으로 분류할 수 있다(450). 상기 민원/불만 위험 고객군은 상기 민원/불만 고객 모델링 데이터와 유사한 데이터 패턴의 고객 목록으로서, 민원/불만 위험 고객 리스트 데이터베이스(108)에 저장될 수 있다.
상기 민원/불만 고객 예측부(130)는 민원/불만 위험 고객군의 분류 시, 민원/불만 위험 고객을 심층학습(Deep Learning)으로 자동 분류할 수 있으며, 민원/불만 위험 고객의 수, 즉 볼륨(Volume)을 조정할 필요성이 있는 경우, 민원/불만 위험 고객 모델링 데이터와의 유사성 정보를 임계치로 설정하여 민원/불만 위험 고객군의 Volume을 조정할 수 있다.
한편, 상기 민원/불만 고객 예측부(130)는 상기 민원/불만 고객 모델링 데이터에 기초하여, 상기 데이터 레이블링이 제1 임계치 이상인 인접 영역에 관한 정보를 상기 민원/불만 발생의 주요 요인으로 도출하고, 상기 주요 요인을 상기 민원/불만 고객 모델링 데이터와 비교하여, 데이터 패턴의 일치도가 제2 임계치 이상인 고객 리스트를 상기 민원/불만 위험 고객군으로 분류할 수 있다.
다시, 도 1을 참조하면, 상기 상담사 콜 라우팅 정보 생성부(140)는 상담사별로 민원/불만 고객에 대응하는 응대 능력치를 나타내는 고객불만 방어 지수를 생성할 수 있다.
이하에서는 상기 상담사 콜 라우팅 정보 생성부(140)의 상세 동작 과정에 대해 도 5를 참조하여 구체적으로 설명한다.
도 5를 참조하면, 상기 상담사 콜 라우팅 정보 생성부(140)는 상기 상담 이력 데이터베이스(101)로부터 상담 처리 상담사를 조회하여 상담사 리스트 데이터베이스(109)를 생성할 수 있다(510).
이어서, 상기 상담사 콜 라우팅 정보 생성부(140)는 상기 상담사 리스트 데이터베이스(109)를 이용하여 상기 상담관리 이력 데이터베이스(104)로부터 상담사별 상담 품질 관리 정보를 조회할 수 있다(520).
이어서, 상기 상담사 콜 라우팅 정보 생성부(140)는 상기 상담사별 상담 품질 관리 정보에 기초하여 상담사별 고객불만 방어 지수를 생성할 수 있다(530). 상기 상담사 콜 라우팅 정보 생성부(140)는 상기 생성된 상담사별 고객불만 방어 지수를 상담사의 고객불만 방어 지수 데이터베이스(110)에 저장할 수 있다.
이때, 상기 상담사 콜 라우팅 정보 생성부(140)는 상기 상담사별 상담 품질 관리 정보에 기초하여 상담사 레벨, 상담 품질 점수, 오상담 발생 건수, 민원 발생 건수 중 적어도 하나를 고객불만 방어 지수 구성 정보로서 지정하고, 상기 고객불만 방어 지수 구성 정보별 우선순위에 기초하여 상기 상담사별 고객불만 방어 지수를 생성할 수 있다.
예를 들면, 상담사가 200명인 경우 상기 방어 지수 구성 정보를 (1) 상담사 레벨 순, (2) 상담 품질 점수 순, (3) 오상담 발생 건수 (역)순, (4) 민원 발생 건수 (역)순으로 지정할 수 있다. 이러한 경우, 상기 상담사별 고객불만 방어 지수는 1.1.1.1 또는 200.200.200.200 등 총 200개의 방어 지수가 생성되며, 개념상 1.1.1.1 정보에 가까울수록 고객불만 방어 지수가 높게 생성될 수 있다. 상기 고객불만 방어 지수의 경우 민원/불만 고객 또는 예측군(민원/불만 위험 고객군)의 고객 전화가 연결된 경우, 방어 지수가 높은 상담사 순으로 호가 연결될 수 있다.
이어서, 상기 상담사 콜 라우팅 정보 생성부(140)는 상기 상담사별 상담 품질 관리 정보에 기초하여 상담사별 업무 스킬 정보를 생성할 수 있다(540). 상기 상담사 콜 라우팅 정보 생성부(140)는 상기 생성된 상담사별 업무 스킬 정보를 상담사 업무 스킬 정보 데이터베이스(111)에 저장할 수 있다.
이때, 상기 상담사 콜 라우팅 정보 생성부(140)는 상기 상담사별 상담 품질 관리 정보에 기초하여 상담 유형 또는 업무별 발생 빈도, 상담 품질 점수, 상담 특징 균질도, 고객 만족도 중 적어도 하나를 업무 스킬 정보 구성 대상으로 지정하고, 상기 업무 스킬 정보 구성 대상별로 산정된 평균 수치에 미리 설정된 가중치 조건을 적용하여 상기 상담사별 업무 스킬 정보를 생성할 수 있다.
여기서, 상기 상담 유형에 관한 정보(상담 유형 정보)는 모든 콜 센터에서 상담사가 상담 후 전산으로 등록하여 생성 및 관리하는 정보로서, 본 정보의 활용처는 상담 유형별 발생 빈도를 모니터링하여 상담사 좌석배치 (생산성) 및 직무교육의 우선순위를 결정하는 데 사용될 수 있다.
상담사의 업무에 관한 정보(상담사 업무 정보)는 ARS 시스템에서 고객 문의를 번호로 구분하여 호를 연결할 때 사용되는 정보로, 본 정보를 코드화하여 사용하는 센터는 상담사에게 특정업무코드를 부여하여 전문 상담 서비스를 제공하며, 본 정보를 사용하지 않는 콜센터는 호 연결 대기 중인 상담사 전체를 조회하여 우선 연결할 수 있다.
상기 상담사별 업무스킬 정보를 생성하는 과정에 대해 보다 구체적으로 설명하면 다음과 같다.
1. 상담유형정보와 상담사 업무정보 매핑
상담유형정보는 상담업무라는 상위 그룹으로 분류할 수 있다. 예를 들어 '신규' 라는 업무 카테고리에는 신규상담, 가입문의, 자격조회 등 다수의 상담유형정보를 매핑하여 관리할 수 있으며, 이를 위해 본 시스템은 사용자가 상담유형정보를 특정 상위 업무정보와 매핑할 수 있는 설정 및 관리 UI를 제공할 수 있다.
2. 업무스킬정보 생성 예시
1) 상담사별로 수집된 정보 중 업무스킬정보 구성 대상을 지정한다. 상기 업무 스킬 정보 구성 대상의 예로는 상담유형(또는 업무)별 발생빈도, 상담품질점수, 상담특징 균질도, 고객만족도 등이 있다.
2) 업무스킬정보 구성대상의 누적 또는 일정기간의 평균수치를 산정한다.
3) 업무스킬정보 구성 대상별로 누적 또는 일정기간의 평균수치에 가중치 조건을 설정한다. 예를 들면, 발생빈도 60%, 상담품질점수 25%, 상담특징 균질도 15% 등으로 가준치 조건을 설정할 수 있다.
4) 업무스킬정보 구성대상별로 가중치를 적용한 합계를 업무 스킬정보로 정의하고, 상기 업무 스킬정보가 가장 높은 순으로 추천 스킬정보로 정의할 수 있다.
3. 상담사 업무 스킬 정보 활용 방안
1) 콜 라우팅: ARS 시스템에서 고객 문의를 번호로 구분하여 호를 연결할 때 콜 라우팅 연결 대기 중인 상담사의 업무 스킬 정보가 ARS 연결 대상 업무인 상담사를 연결할 수 있다.
예를 들어 고객이 ARS 안내에 따라 신규가입 문의인 1번을 누른 경우, 라우팅 시스템은 신규가입업무가 1순위인 연결 대기 상담사 중 해당 업무 스킬 정보가 높은 순으로 연결할 수 있다.
2) 상담사 좌석 배치: 콜 센터의 인사 담당자는 인입되는 콜의 통계 자료(상담 유형 또는 업무별 인입 호)와 본 시스템의 상담사 추천 스킬 정보를 정기적으로 모니터링하며, 상담사 대기가 많은 업무나 콜 연결 지연이 많은 특정업무에 해당하는 업무 스킬이 우수한 상담사를 조회하여 추가 배정하는 등 상담사 좌석을 균형있게 변경하여 생산성을 올리고 상담 지연에 따른 민원을 방지할 수 있으며 상담사별로 업무 스킬 정보가 우수한 업무로 상담사를 배치하여 고객 만족을 유도할 수 있다.
다시 도 1을 참조하면, 상기 상담 호 연결부(150)는 상기 상담사별 업무 스킬 정보를 이용하여 해당 업무의 연결 대기중인 상담사를 조회할 수 있으며, 상기 상담사별 고객불만 방어 지수를 이용하여 상기 민원/불만 위헌 고객군에게 상기 연결 대기중인 상담사 중 상기 고객불만 방어 지수가 높은 상담사를 호 연결할 수 있다.
이하에서는 상기 상담 호 연결부(150)의 상세 동작 과정에 대해 도 6을 참조하여 구체적으로 설명한다.
도 6을 참조하면, 상기 상담 호 연결부(150)는 고객 전화가 연결(콜 인입)되면(610), 고객 ARS 연결 업무 구분정보를 확인한 후(620), 해당 업무의 연결대기 중인 상담사를 조회할 수 있다(630).
이를 위해, 상기 상담 호 연결부(150)는 상담사 업무스킬 정보 데이터베이스(111)를 참조하여 상담사별 업무 스킬 정보를 조회하고, 상기 조회된 업무 스킬 정보를 바탕으로 해당 업무의 연결대기 중인 상담사를 조회할 수 있다.
이어서, 상기 상담 호 연결부(150)는 민원/불만 고객 리스트 데이터베이스(105) 및 민원/불만 위험 고객 리스트 데이터베이스(108)를 참조하여 고객 구분 정보를 조회하고(640), 상기 고객 구분 정보에 기초하여 전화 연결한 고객이 민원/불만 관리 대상 고객인지를 판단할 수 있다(650).
상기 판단 결과 민원/불만 관리 대상 고객인 경우(650의 "예" 방향), 상기 상담 호 연결부(150)는 상담사 고객불만 방어 지수 데이터베이스(110)를 참조하여 상담사별 고객불만 방어 지수가 우선 순위인 상담원 단말기에 라우팅을 할 수 있다(660).
반면, 상기 판단 결과 민원/불만 관리 대상 고객이 아닌 경우(650의 "아니오" 방향), 상기 상담 호 연결부(150)는 상기 상담사별 업무 스킬 정보를 이용하여 업무 스킬이 우선 순위인 상담원 단말기에 라우팅을 할 수 있다(670).
상기 제어부(160)는 본 발명의 일 실시예에 따른 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템(100), 즉 상기 민원/불만 고객 정보 처리부(110), 상기 민원/불만 고객 분석부(120), 상기 민원/불만 고객 예측부(130), 상기 상담사 콜 라우팅 정보 생성부(140), 상기 상담 호 연결부(150) 등의 동작을 전반적으로 제어할 수 있다.
이상에서 설명된 장치(시스템)는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 상기의 실시예에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털신호프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수목적 컴퓨터를 이용하여 구현될 수 있다. 처리장치는 운영체제(OS) 및 상기 운영체제상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리장치가 복수개의 처리요소(processing element) 및/또는 복수유형의 처리요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리장치는 복수개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬프로세서(parallel processor)와 같은, 다른 처리구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리장치에 의하여 해석되거나 처리장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상장치(virtual equipment), 컴퓨터 저장매체 또는 장치, 또는 전송되는 신호파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독가능 기록매체에 저장될 수 있다.
도 7은 본 발명의 일 실시예에 따른 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 방법을 설명하기 위해 도시한 흐름도이다. 여기서 설명하는 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 방법은 본 발명의 하나의 실시예에 불과하며, 그 이외에 필요에 따라 다양한 단계들이 부가될 수 있고, 하기의 단계들도 순서를 변경하여 실시될 수 있으므로, 본 발명이 하기에 설명하는 각 단계 및 그 순서에 한정되는 것은 아니다.
먼저 도 1 및 도 7을 참조하면, 단계(710)에서 콜 라우팅 시스템(100)은 상담 이력 데이터베이스로부터 상담 콜 인입과 관련한 고객을 조회하여 고객 리스트 데이터베이스를 생성하고, 상기 고객 리스트 데이터베이스를 이용하여 대내외 민원 접수 정보 데이터베이스로부터 조회된 민원 고객, 및 상기 고객 리스트 데이터베이스를 이용하여 상담관리 이력 데이터베이스로부터 조회된 불만 고객에 기초하여 민원/불만 고객 리스트 데이터베이스를 생성할 수 있다.
다음으로, 단계(720)에서 상기 콜 라우팅 시스템(100)은 상기 민원/불만 고객 리스트 데이터베이스를 참조하여 고객 정보 데이터베이스로부터 민원/불만 고객에 관한 고객 정보를 조회하고, 상기 고객 정보를 이용하여 상기 상담관리 이력 데이터베이스로부터 상기 민원/불만 고객에 관한 상담 품질 관리 정보를 조회하며, 상기 고객 정보 및 상기 상담 품질 관리 정보를 이용하여 레이블링(Labeling)을 수행할 수 있다.
다음으로, 단계(730)에서 상기 콜 라우팅 시스템(100)은 상기 레이블링의 수행 결과, 즉 민원/불만 고객 모델링 데이터에 기초하여 민원/불만의 발생 위험 가능성을 구비한 고객을 나타내는 민원/불만 위험 고객군을 분류할 수 있다.
다음으로, 단계(740)에서 상기 콜 라우팅 시스템(100)은 상기 상담 이력 데이터베이스로부터 상담 처리 상담사를 조회하여 상담사 리스트 데이터베이스를 생성하고, 상기 상담사 리스트 데이터베이스를 이용하여 상기 상담관리 이력 데이터베이스로부터 상담사별 상담 품질 관리 정보를 조회하고, 상기 상담사별 상담 품질 관리 정보에 기초하여 상담사별 고객불만 방어 지수와 업무스킬정보를 생성할 수 있다.
다음으로, 단계(750)에서 상기 콜 라우팅 시스템(100)은 상기 상담사별 고객불만 방어 지수와 업무스킬정보를 이용하여 상기 민원/불만 위험 고객군에게 고객불만 방어 지수가 높은 순으로 상담사를 호 연결하거나 업무스킬정보가 높은 순으로 상담사를 호 연결할 수 있다.
이상에서 설명된 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독가능매체에 기록될 수 있다. 상기 컴퓨터 판독가능매체는 프로그램 명령, 데이터파일, 데이터구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독가능 기록매체의 예에는 하드디스크, 플로피디스크 및 자기테이프와 같은 자기매체(magnetic media), CDROM, DVD와 같은 광기록매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시메모리 등과 같은 프로그램명령을 저장하고 수행하도록 특별히 구성된 하드웨어장치가 포함된다. 프로그램명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급언어코드를 포함한다. 상기된 하드웨어장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
110: 민원/불만 고객 정보 처리부
120: 민원/불만 고객 분석부
130: 민원/불만 고객 예측부
140: 상담사 콜 라우팅 정보 생성부
150: 상담 호 연결부
160: 제어부

Claims (11)

  1. 상담 이력 데이터베이스로부터 상담 콜 인입과 관련한 고객을 조회하여 고객 리스트 데이터베이스를 생성하고, 상기 고객 리스트 데이터베이스를 이용하여 대내외 민원 접수 정보 데이터베이스로부터 조회된 민원 고객, 및 상기 고객 리스트 데이터베이스를 이용하여 상담관리 이력 데이터베이스로부터 조회된 불만 고객에 기초하여 민원 및 불만 고객 리스트 데이터베이스를 생성하는 민원/불만 고객 정보 처리부;
    상기 민원 및 불만 고객 리스트 데이터베이스를 참조하여 고객 정보 데이터베이스로부터 민원 및 불만 고객에 관한 고객 정보를 조회하고, 상기 고객 정보를 이용하여 상기 상담관리 이력 데이터베이스로부터 상기 민원 및 불만 고객에 관한 상담 품질 관리 정보를 조회하며, 상기 고객 정보 및 상기 상담 품질 관리 정보를 이용하여 레이블링(Labeling)을 수행하는 민원/불만 고객 분석부;
    상기 레이블링의 수행 결과에 기초하여 민원 및 불만의 발생 위험 가능성을 구비한 고객을 나타내는 민원 및 불만위험 고객군을 분류하는 민원/불만 고객 예측부; 및
    상기 상담 이력 데이터베이스로부터 상담 처리 상담사를 조회하여 상담사 리스트 데이터베이스를 생성하고, 상기 상담사 리스트 데이터베이스를 이용하여 상기 상담관리 이력 데이터베이스로부터 상담사별 상담 품질 관리 정보를 조회하고, 상기 상담사별 상담 품질 관리 정보에 기초하여 상담사 레벨, 상담 품질 점수, 오상담 발생 건수 및 민원 발생 건수를 고객불만 방어 지수 구성 정보로서 지정하고, 상기 고객불만 방어지수 구성 정보별 우선순위에 기초하여 상담사별 고객불만 방어 지수를 생성하는 상담사 콜 라우팅 정보 생성부
    를 포함하고,
    상기 민원/불만 고객 분석부는
    고객의 상담 콜에 대한 민원 및 불만 관련 사항을 분석 시, 상기 상담 콜을 일정 기간 동안 누적하여 콜 특징 값을 추출하고, 상기 추출된 콜 특징 값의 평균, 표준편차를 누적하여 표준정규분포율을 추출하며, 상기 추출된 표준정규분포율을 통해 미리 설정된 기준 분포도 값을 갖는 상담 콜을 민원 및 불만을 포함한 콜로 분류하거나, 기 저장된 분류 배점표와 매칭하여 상담 콜의 각 통화시간 구간에 조회되는 누적 상담 콜의 평가 점수를 산출하고, 상기 산출된 평가 점수가 일정 임계치를 벗어나는 경우 해당 상담 콜을 민원 및 불만을 포함한 콜로 분류하며,
    상기 분류 배점표는
    상기 표준정규분포율에서 구분되는 통화시간 구간에 따라 배점이 상이하고, 상기 배점은 중앙의 통화시간 구간에 비해 좌우 사이드의 통화시간 구간으로 갈수록 상대적으로 낮게 선정되는 것을 특징으로 하는 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템.
  2. 제1항에 있어서,
    상기 민원/불만 고객 분석부는
    상기 고객 정보 및 상기 상담 품질 관리 정보를 포함하는 조회 정보를 대상으로, 기계학습-학습데이터(모델링)의 패턴을 찾기 위한 레이블링 함수를 이용한 레이블링을 수행하여, 상기 조회 정보에 대응하는 인접한 영역의 데이터끼리 그룹을 생성하고, 각 그룹의 레이블링 데이터에 기초하여 민원 및 불만 고객의 데이터 패턴을 분석하여 민원 및 불만 고객 모델링 데이터를 생성하며,
    상기 민원/불만 고객 예측부는
    상기 민원 및 불만 고객 모델링 데이터에 기초하여 상기 민원 및 불만 위험 고객군을 분류하는 것을 특징으로 하는 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템.
  3. 제2항에 있어서,
    민원/불만 고객 분석부는
    학습데이터의 생명을 연장시키기 위해 추가적으로 새로운 민원 및 불만 고객에 관한 고객 정보를 추가하거나 주기적으로 민원 및 불만 고객에 관한 고객 정보를 재수집하는 경우 데이터 레이블링 생성 프로세스를 재실행하며, 레이블링의 불균형이 심한 경우 기계학습의 범주인 준지도학습(Semi-Supervised Learning) 프로세스를 추가 실행하는 프로세스 실행 정책에 따라 최종 업데이트 된 데이터 레이블링을 확정함으로써 상기 민원 및 불만 고객 모델링 데이터를 생성하는 것을 특징으로 하는 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템.
  4. 제3항에 있어서,
    상기 민원 및 불만 고객 모델링 데이터는
    상기 최종 업데이트 된 데이터 레이블링을 기반으로 생성된 패턴 정보로서, 고객의 연령대, 성별(여자-남자), 상담사 1~N(N은 자연수), 콜 인입 시간대, 콜 유형 1~N, 상담사 평가 점수 구간 1~N, 후속 처리 여부(예-아니오), 음성 특징 정보 구간 1~N 중 적어도 하나를 포함하는 데이터 간의 인접 영역에 관한 정보인 것을 특징으로 하는 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템.
  5. 제4항에 있어서,
    상기 민원/불만 고객 예측부는
    상기 민원 및 불만 고객 모델링 데이터에 기초하여,상기 데이터 레이블링이 제1 임계치 이상인 인접 영역에 관한 정보를 상기 민원 및 불만 발생의 주요 요인으로 도출하고, 상기 주요 요인을 상기 민원 및 불만 고객 모델링 데이터와 비교하여, 데이터 패턴의 일치도가 제2 임계치 이상인 고객 리스트를 상기 민원 및 불만위험 고객군으로 분류하는 것을 특징으로 하는 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템.
  6. 삭제
  7. 삭제
  8. 제1항에 있어서,
    상기 상담사별 고객불만 방어 지수를 이용하여 상기 민원 및 불만위험 고객군에게 해당 상담사를 호 연결하는 상담 호 연결부
    를 더 포함하는 것을 특징으로 하는 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템.
  9. 제1항에 있어서,
    상기 상담 이력 데이터베이스로부터 상담 처리 상담사를 조회하여 상담사 리스트 데이터베이스를 생성하고, 상기 상담사 리스트 데이터베이스를 이용하여 상기 상담관리 이력 데이터베이스로부터 상담사별 상담 품질 관리 정보를 조회하고, 상기 상담사별 상담 품질 관리 정보에 기초하여 상담사별 업무 스킬 정보를 생성하는 상담사 콜 라우팅 정보 생성부; 및
    상기 상담사별 업무 스킬 정보를 이용하여 해당 업무의 연결 대기중인 상담사를 조회하는 상담 호 연결부
    를 더 포함하는 것을 특징으로 하는 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템.
  10. 제9항에 있어서,
    상기 상담사 콜 라우팅 정보 생성부는
    상기 상담사별 상담 품질 관리 정보에 기초하여 상담 유형 또는 업무별 발생 빈도, 상담 품질 점수, 상담 특징 균질도, 고객 만족도 중 적어도 하나를 업무 스킬 정보 구성 대상으로 지정하고, 상기 업무 스킬 정보 구성 대상별로 산정된 평균 수치에 미리 설정된 가중치 조건을 적용하여 상기 상담사별 업무 스킬 정보를 생성하는 것을 특징으로 하는 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템.
  11. 콜 라우팅 시스템에서, 상담 이력 데이터베이스로부터 상담 콜 인입과 관련한 고객을 조회하여 고객 리스트 데이터베이스를 생성하고, 상기 고객 리스트 데이터베이스를 이용하여 대내외 민원 접수 정보 데이터베이스로부터 조회된 민원 고객, 및 상기 고객 리스트 데이터베이스를 이용하여 상담관리 이력 데이터베이스로부터 조회된 불만 고객에 기초하여 민원 및 불만 고객 리스트 데이터베이스를 생성하는 단계;
    상기 콜 라우팅 시스템에서, 상기 민원 및 불만 고객 리스트 데이터베이스를 참조하여 고객 정보 데이터베이스로부터 민원 및 불만 고객에 관한 고객 정보를 조회하고, 상기 고객 정보를 이용하여 상기 상담관리 이력 데이터베이스로부터 상기 민원 및 불만 고객에 관한 상담 품질 관리 정보를 조회하며, 상기 고객 정보 및 상기 상담 품질 관리 정보를 이용하여 레이블링(Labeling)을 수행하는 단계;
    상기 콜 라우팅 시스템에서, 상기 레이블링의 수행 결과에 기초하여 민원 및 불만의 발생 위험 가능성을 구비한 고객을 나타내는 민원 및 불만위험 고객군을 분류하는 단계; 및
    상기 콜 라우팅 시스템에서, 상기 상담 이력 데이터베이스로부터 상담 처리 상담사를 조회하여 상담사 리스트 데이터베이스를 생성하고, 상기 상담사 리스트 데이터베이스를 이용하여 상기 상담관리 이력 데이터베이스로부터 상담사별 상담 품질 관리 정보를 조회하고, 상기 상담사별 상담 품질 관리 정보에 기초하여 상담사 레벨, 상담 품질 점수, 오상담 발생 건수 및 민원 발생 건수를 고객불만 방어 지수 구성 정보로서 지정하고, 상기 고객불만 방어지수 구성 정보별 우선순위에 기초하여 상담사별 고객불만 방어 지수를 생성하는 단계
    를 포함하고,
    상기 콜 라우팅 시스템은
    고객의 상담 콜에 대한 민원 및 불만 관련 사항을 분석 시, 상기 상담 콜을 일정 기간 동안 누적하여 콜 특징 값을 추출하고, 상기 추출된 콜 특징 값의 평균, 표준편차를 누적하여 표준정규분포율을 추출하며, 상기 추출된 표준정규분포율을 통해 미리 설정된 기준 분포도 값을 갖는 상담 콜을 민원 및 불만을 포함한 콜로 분류하거나, 기 저장된 분류 배점표와 매칭하여 상담 콜의 각 통화시간 구간에 조회되는 누적 상담 콜의 평가 점수를 산출하고, 상기 산출된 평가 점수가 일정 임계치를 벗어나는 경우 해당 상담 콜을 민원 및 불만을 포함한 콜로 분류하며,
    상기 분류 배점표는
    상기 표준정규분포율에서 구분되는 통화시간 구간에 따라 배점이 상이하고, 상기 배점은 중앙의 통화시간 구간에 비해 좌우 사이드의 통화시간 구간으로 갈수록 상대적으로 낮게 선정되는 것을 특징으로 하는 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 방법.
KR1020170000920A 2017-01-03 2017-01-03 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템 및 방법 KR101876371B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170000920A KR101876371B1 (ko) 2017-01-03 2017-01-03 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170000920A KR101876371B1 (ko) 2017-01-03 2017-01-03 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101876371B1 true KR101876371B1 (ko) 2018-07-09

Family

ID=62918861

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170000920A KR101876371B1 (ko) 2017-01-03 2017-01-03 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101876371B1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102089688B1 (ko) * 2019-04-12 2020-04-24 주식회사 이글루시큐리티 준지도학습을 통한 인공지능 기반 보안이벤트 분석시스템 및 그 방법
KR20210025933A (ko) * 2019-08-28 2021-03-10 삼성생명보험주식회사 고객 응대 방법을 제공하기 위한 컴퓨터 프로그램
KR102254718B1 (ko) * 2020-12-29 2021-05-24 (주)에스알포스트 모바일 민원 처리 시스템 및 방법
KR20210089825A (ko) * 2020-01-09 2021-07-19 주식회사 하나금융티아이 고객 관리 시스템 및 그의 정보 제공 방법
KR102306932B1 (ko) * 2020-11-10 2021-09-30 주식회사 토이코스 민원 데이터를 이용한 위기 대응 방법 및 그 시스템
KR20210118634A (ko) * 2020-03-23 2021-10-01 주식회사 베스트브라더스 데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법
KR102327011B1 (ko) * 2021-01-19 2021-11-16 주식회사 엔터프라이즈블록체인 상담 품질 향상 방법 및 장치
KR20220024317A (ko) * 2019-08-16 2022-03-03 쿠팡 주식회사 자동화된 키오스크를 이용하는 실시간 리스크 정보활용 반품 아이템 수거를 위한 컴퓨터 구현 시스템 및 방법
KR102639021B1 (ko) * 2023-04-12 2024-02-21 (주)이공이공 오픈마켓 게시 제품 평점 개선을 위한 방법 및 시스템
KR102668843B1 (ko) * 2024-01-18 2024-05-23 이종훈 인공지능을 이용한 스마트 주문 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007241331A (ja) * 2006-03-03 2007-09-20 Fujitsu Ltd スキル値算出プログラムおよびスキル値算出装置
JP2012129774A (ja) * 2010-12-15 2012-07-05 Canon Marketing Japan Inc コールセンタ管理サーバ
KR20150137175A (ko) * 2014-05-28 2015-12-09 삼성생명보험주식회사 고객 불만을 모니터링 하기 위한 장치 및 컴퓨터-판독가능 매체

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007241331A (ja) * 2006-03-03 2007-09-20 Fujitsu Ltd スキル値算出プログラムおよびスキル値算出装置
JP2012129774A (ja) * 2010-12-15 2012-07-05 Canon Marketing Japan Inc コールセンタ管理サーバ
KR20150137175A (ko) * 2014-05-28 2015-12-09 삼성생명보험주식회사 고객 불만을 모니터링 하기 위한 장치 및 컴퓨터-판독가능 매체

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102089688B1 (ko) * 2019-04-12 2020-04-24 주식회사 이글루시큐리티 준지도학습을 통한 인공지능 기반 보안이벤트 분석시스템 및 그 방법
KR102537342B1 (ko) * 2019-08-16 2023-05-30 쿠팡 주식회사 자동화된 키오스크를 이용하는 실시간 리스크 정보활용 반품 아이템 수거를 위한 컴퓨터 구현 시스템 및 방법
KR20220024317A (ko) * 2019-08-16 2022-03-03 쿠팡 주식회사 자동화된 키오스크를 이용하는 실시간 리스크 정보활용 반품 아이템 수거를 위한 컴퓨터 구현 시스템 및 방법
KR102276391B1 (ko) * 2019-08-28 2021-07-12 삼성생명보험주식회사 고객 응대 방법을 제공하기 위한 컴퓨터 프로그램
KR20210025933A (ko) * 2019-08-28 2021-03-10 삼성생명보험주식회사 고객 응대 방법을 제공하기 위한 컴퓨터 프로그램
KR20210089825A (ko) * 2020-01-09 2021-07-19 주식회사 하나금융티아이 고객 관리 시스템 및 그의 정보 제공 방법
KR102625249B1 (ko) * 2020-01-09 2024-01-12 주식회사 하나금융티아이 고객 관리 시스템 및 그의 정보 제공 방법
KR20210118634A (ko) * 2020-03-23 2021-10-01 주식회사 베스트브라더스 데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법
KR102570701B1 (ko) * 2020-03-23 2023-08-25 주식회사 베스트브라더스 데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법
KR102306932B1 (ko) * 2020-11-10 2021-09-30 주식회사 토이코스 민원 데이터를 이용한 위기 대응 방법 및 그 시스템
KR102254718B1 (ko) * 2020-12-29 2021-05-24 (주)에스알포스트 모바일 민원 처리 시스템 및 방법
KR102327011B1 (ko) * 2021-01-19 2021-11-16 주식회사 엔터프라이즈블록체인 상담 품질 향상 방법 및 장치
KR102639021B1 (ko) * 2023-04-12 2024-02-21 (주)이공이공 오픈마켓 게시 제품 평점 개선을 위한 방법 및 시스템
KR102668843B1 (ko) * 2024-01-18 2024-05-23 이종훈 인공지능을 이용한 스마트 주문 시스템

Similar Documents

Publication Publication Date Title
KR101876371B1 (ko) 고객 민원/불만에 대한 사전방어 가능한 콜 라우팅 시스템 및 방법
USRE48550E1 (en) Use of abstracted data in pattern matching system
US10984330B1 (en) System and method for managing customer call-backs
CN102273185B (zh) 基于多变量标准化评分和影子队列的呼叫路由方法及系统
US20170111509A1 (en) Optimized routing of interactions to contact center agents based on machine learning
US20130236002A1 (en) Using factor analysis to improve work assignment performance
Blanco-Mesa et al. The importance of enterprise risk management in large companies in Colombia
US10069758B2 (en) Processing system responsive to analysis filter criteria
US20050033761A1 (en) System and method for generating and using a pooled knowledge base
KR20190089105A (ko) 룰 기반 보험 인수심사처리 시스템 및 그 방법
US10498897B1 (en) Systems and methods for simulating multiple call center balancing
US20200134361A1 (en) Data processing method and apparatus
CN113627566A (zh) 一种网络诈骗的预警方法、装置和计算机设备
EP3140799A1 (en) An automatic statistical processing tool
EP3709237A1 (en) Method and system for privacy enabled task allocation
US20230245241A1 (en) Claim routing based on liability classification
CN114693192A (zh) 风控决策方法、装置、计算机设备和存储介质
CN111061948B (zh) 一种用户标签推荐方法、装置、计算机设备及存储介质
CN112101692B (zh) 移动互联网质差用户的识别方法及装置
CN111553826B (zh) 智慧城市数据处理方法
US20210216927A1 (en) Systems And Methods For Identifying An Officer At Risk Of An Adverse Event
CN108874619A (zh) 一种信息监控方法、存储介质和服务器
Sherstneva et al. The generalized model development for call center functioning
US8321458B2 (en) Related contact and record recommendation for product design
KR20190127134A (ko) 텍스트 기반 상담 품질 관리 시스템 및 방법

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant