KR102570701B1 - Call center service efficiency improvement system based on data and method thereof - Google Patents
Call center service efficiency improvement system based on data and method thereof Download PDFInfo
- Publication number
- KR102570701B1 KR102570701B1 KR1020200035136A KR20200035136A KR102570701B1 KR 102570701 B1 KR102570701 B1 KR 102570701B1 KR 1020200035136 A KR1020200035136 A KR 1020200035136A KR 20200035136 A KR20200035136 A KR 20200035136A KR 102570701 B1 KR102570701 B1 KR 102570701B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- customer
- counseling
- consultation
- agent
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000006872 improvement Effects 0.000 title claims abstract description 23
- 238000009223 counseling Methods 0.000 claims abstract description 188
- 238000011156 evaluation Methods 0.000 claims abstract description 80
- 238000013136 deep learning model Methods 0.000 claims abstract description 49
- 230000008569 process Effects 0.000 claims abstract description 26
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 14
- 238000013210 evaluation model Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 claims description 2
- 230000001939 inductive effect Effects 0.000 claims 1
- 238000003062 neural network model Methods 0.000 abstract description 6
- 239000003795 chemical substances by application Substances 0.000 description 96
- 238000010586 diagram Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
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
- G06Q10/0639—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
본 발명은 잠재고객 리스트를 할당 받은 콜센터 상담원의 상담 내용과 결과를 정량적으로 수집하여 상담원을 평가한 후 잠재고객 리스트 배정 방식을 변경하며, 정량적 상담 정보를 기반으로 신경망 모델 학습을 위한 태깅된 학습 데이터를 생성하여 신경망 모델을 학습시킨 다음 이를 기반으로 상담지원 정보를 생성하도록 함으로써 콜센터 업무 효율을 개선하도록 한 데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법에 관한 것으로, 상담원의 실질적인 상담 내역을 객관적이고 다양하게 확인하여 상담 과정에 대한 정량적 파악하고, 정량적으로 파악되는 상담 과정에 대한 정보와 그 결과인 계약 성공(혹은 미팅 예약 성공)에 대한 관계성을 입력과 출력으로 명확하게 구분하여 딥러닝 모델 학습을 위한 태깅된 학습정보를 생성한 후, 이러한 학습정보를 이용하여 학습된 딥러닝 모델을 통해서 악성 고객을 최소한의 상담 자원만으로 필터링하도록 하거나, 우량 고객에 대한 상담 효과를 높이기 위한 상담 지원 정보를 생성하여 상담원에게 제공할 수 있도록 함으로써 잠재고객 상담의 성공률을 높이고 객관적으로 인정할 수 있는 상담원 평가가 가능하게 될 뿐만 아니라 성공률이 높은 상담원의 상담 스킬을 공유할 수 있게 되는 효과가 있다.The present invention quantitatively collects the contents and results of consultation of a call center agent assigned to a potential customer list, evaluates the agent, changes the method of assigning the potential customer list, and provides tagged learning data for neural network model learning based on the quantitative consultation information. It is about a data-based call center work efficiency improvement system and method that improves call center work efficiency by learning a neural network model and then generating counseling support information based on this, and objectively and variously to understand the consultation process quantitatively, and to clearly classify the relationship between information about the consultation process that is quantitatively identified and the success of the contract (or meeting reservation success) as an input and output to learn deep learning models. After creating tagged learning information, use this learning information to filter out malicious customers with minimal counseling resources through the learned deep learning model, or generate counseling support information to increase the counseling effect for good customers. This has the effect of increasing the success rate of prospective customer counseling, enabling objectively recognizable counselor evaluation, and sharing counseling skills of counselors with a high success rate.
Description
본 발명은 데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법에 관한 것으로, 특히 잠재고객 리스트를 할당받은 콜센터 상담원의 상담 내용과 결과를 정량적으로 수집하여 상담원을 평가한 후 잠재고객 리스트 배정 방식을 변경하며, 정량적 상담 정보를 기반으로 신경망 모델 학습을 위한 태깅된 학습 데이터를 생성하여 신경망 모델을 학습시킨 다음 이를 기반으로 상담지원 정보를 생성하도록 함으로써 콜센터 업무 효율을 개선하도록 한 데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법에 관한 것이다. The present invention relates to a data-based call center work efficiency improvement system and method, and in particular, quantitatively collects the consultation contents and results of a call center agent assigned to a potential customer list, evaluates the agent, and changes the potential customer list assignment method, A data-based call center work efficiency improvement system that improves call center work efficiency by generating tagged learning data for neural network model learning based on quantitative counseling information, learning a neural network model, and then generating counseling support information based on this, and its It's about how.
전통적으로, 콜센터는 인바운드 콜을 기반으로 서비스나 상품에 대한 정보를 제공하거나 서비스나 상품의 이용에 대한 불편함을 해소하기 위한 애프터서비스 용도로 활용되거나, 아웃바운드 콜을 기반으로 잠재 고객에게 서비스나 상품 정보를 제공하여 판매를 유도하는 마케팅 용도로 활용된다.Traditionally, call centers are used for after-sales service to provide information about services or products based on inbound calls or to resolve inconveniences in using services or products, or to provide services or products to potential customers based on outbound calls. It is used for marketing purposes to induce sales by providing product information.
이 중에서 마케팅을 위해 잠재 고객에게 먼저 연락을 취해 상품이나 서비스에 대한 정보를 제공함으로써 고객의 흥미를 유도하고, 이를 기반으로 상품에 대한 구체적인 설명을 제공할 수 있는 미팅 예약을 잡거나 직접 계약을 유도하는 콜센터기반 상담은 서비스나 상품 매출에 대단히 큰 비중을 차지한다.Among these, for marketing purposes, first contact potential customers and provide information about products or services to induce interest in customers, and based on this, schedule a meeting to provide a detailed explanation of the product or induce a direct contract. Call center-based counseling accounts for a large portion of service or product sales.
이러한 마케팅을 위한 콜센터는 상담 효율을 높이기 위하여 다양한 방법을 통해 잠재고객에 대한 정보를 수집하고, 이러한 잠재고객에 대한 정보를 상담원에게 분배하여 상담을 진행하며, 해당 상담에 대한 긍정적 결과인 계약 성공(혹은 예약 성공)을 기반으로 상담 성공을 판단하고 그에 따라 상담원을 평가한다.The call center for such marketing collects information on potential customers through various methods in order to increase consultation efficiency, distributes information about these potential customers to counselors, conducts consultations, and successfully contracts, which is a positive result of the consultation ( or reservation success) to determine the success of the consultation and evaluate the agent accordingly.
실질적으로, 이러한 상담의 성공을 위해서는 서비스나 상품에 대한 관심도가 높은 잠재고객 정보를 효과적으로 수집하는 과정이 필요한데, 이를 위해서 유관 서비스 가입자에 대한 정보를 새로운 서비스에 대한 잠재고객 정보로 수집하거나, 특정한 웹사이트 이용자나 이벤트에 참여한 이용자의 정보를 관련 상품이나 서비스에 대한 잠재고객 정보로 수집하기도 한다. 나아가 별도의 잠재고객 정보 제공 서비스 사업자로부터 비용을 들여 잠재고객 정보를 구매하기도 하므로, 이러한 잠재고객 정보를 수집하는데 상당한 비용과 노력이 필요하다.Practically, for the success of such counseling, it is necessary to effectively collect information on potential customers who are highly interested in services or products. Information of site users or users who participated in events is also collected as potential customer information for related products or services. Furthermore, since potential customer information is purchased at a cost from a separate potential customer information providing service provider, considerable cost and effort are required to collect such potential customer information.
이와 같이 비용과 노력을 통해 얻은 잠재고객 정보를 상담원에게 배분하고 각 상담원의 상담 성공 여부를 계약 성공이나 미팅 예약 성공을 토대로 확인하여 상담원의 상담 업무를 평가한 후 성공 가능성이 큰 상담원에게 더 많은 잠재고객 정보가 배정되도록 함으로써 상담원의 상담 의욕을 높이고 상품이나 서비스 판매 효율을 높이게 된다.In this way, potential customer information obtained through cost and effort is distributed to agents, and each agent's success in counseling is confirmed based on the success of contracts or meeting reservations. By assigning customer information, the agent's willingness to consult is increased and product or service sales efficiency is increased.
하지만, 이러한 전통적인 방식은 실제 상담에서 발생할 수 있는 다양한 환경적인 요인이나 상담원의 능력 외적인 요인들이 적절히 반영되지 못하므로 그 평가에 대한 신뢰성이나 객관성이 비교적 낮은 한계가 있고, 그로 인하여 상담원들 간 평가에 대한 불만이 있을 수 있으며, 상담원의 개인적 능력이나 운에 의해 효율이 좌우되어 적극적 마케팅 정책 수립이 어렵고, 개인적 능력이 뛰어난 상담원의 이직이 잦아 상담 효율을 높이는데 한계가 있다는 문제가 있다.However, since this traditional method does not properly reflect various environmental factors that may occur in actual counseling or factors outside the counselor's ability, the reliability or objectivity of the evaluation is relatively low, and as a result, there is a limit to the evaluation between counselors. There may be dissatisfaction, and it is difficult to establish an active marketing policy because the efficiency is influenced by the individual ability or luck of the counselor.
이러한 문제점을 해결하기 위해서 종래에는 상담 내용을 텍스트로 변환한 후 해당 텍스트 내용을 파악하여 상담원과 고객의 성향을 분류하고 상담 내용의 적절성을 수치로 판단한 다음, 문제가 있는 상담 통화를 선별하여 관리자가 직접 확인하도록 한다거나, 상담원과 고객의 성향을 분류한 정보를 토대로 가중치를 부가하여 상담 내용을 통계를 바탕으로 처리하여 상담 품질을 확인할 수 있도록 하는 기술들이 등장하였다. 하지만, 상담 음성 내용을 단순 기준에 따라 파라미터별로 점수화하거나, 기계적 분류 방식에 의해 단순 분류하는 것 자체가 현실적으로 다양한 각 상황을 모두 포괄하기 어려워 상당한 오류가 존재하며, 이러한 과정을 통해서 얻은 사후 평가 정보는 상담 이후의 단순 평가 정보로서만 활용되어 콜센터의 효율을 확인하거나, 특정 상담원의 잘못된 부분을 지적하거나, 평가 점수가 높은 상담원에게 잠재고객 정보를 더 많이 배정하는 정도로만 활용될 뿐 상담 성공을 위한 추가적인 선제 조치는 쉽지 않은 한계가 있다.In order to solve this problem, conventionally, after converting the counseling content into text, the text content is identified, the agent and customer's propensity is classified, the appropriateness of the counseling content is judged numerically, and then the problematic counseling call is selected and the manager Technologies have emerged that allow direct confirmation, or that process the contents of consultation based on statistics by adding weights based on information that classifies the counselor's and customer's inclinations, so that the quality of consultation can be confirmed. However, it is difficult to cover all various situations in reality when scoring counseling voice contents by parameter according to simple criteria or simple classification by mechanical classification method itself, so there are significant errors. It is used only as simple evaluation information after counseling to check the efficiency of the call center, point out the wrong parts of a specific agent, or allocate more potential customer information to agents with high evaluation scores, but additional preemptive measures for successful counseling Actions have difficult limits.
전술한 문제점을 개선하기 위한 본 발명 실시예들의 목적은 상담원의 실질적인 상담 내역을 객관적이고 다양하게 확인하여 상담 과정에 대한 정량적 파악이 가능하도록 함과 아울러 이러한 정량적으로 파악되는 상담 과정에 대한 정보와 그 결과인 상담 성공(미팅 예약이나 계약 성공)에 대한 관계성을 입력과 출력으로 명확하게 구분하여 딥러닝 모델 학습을 위한 태깅된 학습정보를 생성하고, 이러한 학습정보를 이용하여 학습된 딥러닝 모델을 통해서 잠재고객 상담의 효율을 개선할 수 있도록 한 데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법을 제공하는 것이다. The purpose of the embodiments of the present invention to improve the above-mentioned problems is to objectively and variously check the counselor's actual counseling details so that the counseling process can be quantitatively grasped, and information on the counseling process that is quantitatively grasped and its By clearly classifying the relationship between successful consultation (meeting reservation or contract success) as the result into input and output, tagged learning information for deep learning model learning is created, and the learned deep learning model is developed using this learning information. To provide a data-based call center work efficiency improvement system and method that can improve the efficiency of potential customer consultation through
본 발명 실시예들의 다른 목적은 상담원 단말로부터 수집되는 잠재고객 통화 시점과 통화 유지 시간 및 횟수를 포함하는 접촉 정보, 통화 내용에 따른 키워드와 음성 톤 및 속도를 포함하는 상담 내용 정보를 입력 관련 정보로 태깅하고, 최종 상담 결과에 따른 실패, 예약이나 계약 성공을 포함하는 결과 정보를 출력 관련 정보로 태깅하여, 객관적 입력과 객관적 출력이 명확히 태깅된 학습정보를 생성하고, 이러한 학습정보를 기반으로 복수의 태깅 학습 데이터 기반 신경망 모델을 하나 이상 학습시킴으로써 상담 진행에 따른 최종 결과를 최대한 이른 시간에 예측하거나 적절한 상담을 위한 상담 시점, 분포, 권장 상담 내용을 포함하는 지원 정보를 생성하여 상담원 단말에 제공할 수 있도록 하여 성공 가능성을 높이도록 하는 데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법을 제공하는 것이다. Another object of the embodiments of the present invention is contact information including a potential customer call time point and call duration and number collected from a counselor terminal, and counseling content information including keywords according to call content and voice tone and speed as input related information. tagging, and tagging the result information, including failure according to the final counseling result, reservation or contract success, as output-related information, creating learning information in which objective input and objective output are clearly tagged, and based on this learning information, multiple By learning one or more neural network models based on tagging learning data, it is possible to predict the final result of counseling progress at the earliest possible time or to generate support information including counseling timing, distribution, and recommended counseling contents for appropriate counseling and provide it to the counselor terminal. It is to provide a data-based call center work efficiency improvement system and method to increase the possibility of success by enabling
나아가, 본 발명 실시예들의 또 다른 목적은 태깅된 학습 정보에 대해서 그 잠재고객 정보 수집 방식이나 출처에 대한 정보도 입력으로 부가함으로써 잠재고객에 대한 수집 정보 품질에 대한 사전 평가나 잠재고객 수집 방식이나 분류에 대한 지원 정보를 생성하여 잠재고객 수집 서버에 전달하는 것으로 가능성이 낮은 잠재고객 정보에 대한 비용이나 노력을 줄이고 가능성이 높은 잠재고객 정보를 경제적으로 확보할 수 있도록 하는 데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법을 제공하는 것이다.Furthermore, another object of the embodiments of the present invention is to add information about the potential customer information collection method or source to the tagged learning information as an input, thereby pre-evaluating the quality of collected information about potential customers or the potential customer collection method or A data-based call center work efficiency improvement system that reduces costs or efforts for low-probability prospect information and secures high-probability prospect information economically by generating support information for classification and delivering it to the prospect collection server. and to provide a method thereof.
상기와 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 데이터 기반 콜센터 업무 효율 개선 시스템은 잠재고객 정보를 수집하고 콜센터 상담원 단말에 잠재고객 정보를 배정하는 고객 선별 서버와, 고객 선별 서버로부터 잠재고객 정보를 수신하고, 해당 잠재고객에 대한 통화 상담을 수행하며 통화 상담에 대한 시도, 통화 성공 여부, 통화 시간 정보를 포함하는 접촉 정보와, 통화 내용에 대한 음성 분석 정보에 따른 음성 톤과 속도 및 텍스트 변환된 상담 정보를 포함하는 상담 내용 정보를 생성하고, 상담 결과에 따른 실패, 예약이나 계약 성공 정보를 포함하는 결과 정보를 생성하는 상담원 단말과, 상담원 단말을 통해 수집한 접촉 정보, 상담 정보 및 결과 정보를 수집하여 딥러닝 모델 학습을 위하여 입력과 출력이 태깅된 학습 데이터를 생성하여 복수의 딥러닝 모델을 학습시키고, 학습된 딥러닝 모델을 통해서 상담원을 평가하여 그 평가 정보를 고객 선별 서버에 제공하는 상담원 평가 서버를 포함한다.A data-based call center work efficiency improvement system according to an embodiment of the present invention for achieving the above object is a customer screening server that collects potential customer information and assigns the potential customer information to a call center agent terminal, and potential customers from the customer screening server. Receive customer information, conduct call counseling for the potential customer, and contact information including attempts at call counseling, whether or not the call was successful, and call duration information, as well as voice tone and speed according to voice analysis information on the call content, and A counselor terminal that generates counseling content information including text-converted counseling information and generates result information including failure, reservation or contract success information according to counseling results, contact information collected through the counselor terminal, counseling information, and Collect result information to create learning data tagged with inputs and outputs for deep learning model learning, train multiple deep learning models, evaluate agents through the learned deep learning models, and send the evaluation information to the customer selection server Includes agent evaluation server that provides
일례로서, 상담원 평가 서버는 고객 선별 서버로부터 수집된 잠재고객에 대한 수집 출처 정보를 학습 데이터의 입력으로 더 포함시키고, 상담 성공에 대한 딥러닝 모델 학습을 통해 잠재고객 수집 출처에 따른 예상 가치를 산정하여 고객 선별 서버에 제공할 수 있다. As an example, the agent evaluation server further includes the collection source information on potential customers collected from the customer selection server as an input of learning data, and calculates the expected value according to the potential customer collection source through deep learning model learning for counseling success. and can be provided to the customer selection server.
예컨대, 상담원 평가 서버의 딥러닝 모델은 잠재고객의 수집 출처와 상담원의 반복되는 상담과정의 수집 상담 정보에 따른 성공률 예측 모델을 포함하며, 동일 잠재고객에 대한 상담과정의 상담횟수가 기 설정된 횟수가 되기 이전에 성공률 예측값이 기 설정된 기준 이하인 경우 상담 포기 정보를 생성하여 상담원 단말에 전송할 수 있다.For example, the deep learning model of the agent evaluation server includes a success rate prediction model according to the collection source of potential customers and the counseling information collected in the agent's repeated counseling process, and the number of consultations in the counseling process for the same potential customer is a preset number of times. If the predicted success rate is less than or equal to a predetermined criterion, counseling abandonment information may be generated and transmitted to the counselor terminal.
나아가, 상담원 평가 서버는 잠재고객에 대한 개인 정보를 고객 선별 서버로부터 수집하고, 상담원 단말의 상담원 상담 스케줄 정보를 반영하여 상담 시점, 상담을 위한 통화 간격, 통화 시간, 상담의 키워드 중 적어도 하나 이상의 상담 지원 정보를 생성한 후 상담원 단말에 제공하며, 동일 잠재고객에 대한 상담이 이루어지는 과정에서 후속 상담을 위한 상담 지원 정보를 반복 생성하여 제공할 수 있다.Furthermore, the agent evaluation server collects personal information on potential customers from the customer screening server, reflects the agent consultation schedule information of the agent terminal, and at least one of consultation time, call interval for consultation, call time, and keywords of consultation. After generating support information, it is provided to the counselor's terminal, and in the course of counseling for the same potential customer, counseling support information for follow-up counseling may be repeatedly generated and provided.
본 발명의 다른 실시예에 따른 데이터 기반 콜센터 업무 효율 개선 방법은, 고객 선별 서버가 잠재고객 정보를 수집하고 콜센터 상담원 단말에 잠재고객 정보를 배정하는 단계와, 상담원 단말이 고객 선별 서버로부터 잠재고객 정보를 수신하고, 해당 잠재고객에 대한 통화 상담을 수행하는 단계와, 상담원 단말이 잠재 고객에 대한 통화 상담에 대한 시도, 통화 성공 여부, 통화 시간 정보를 포함하는 접촉 정보와, 통화 내용에 대한 음성 분석 정보에 따른 음성 톤과 속도 및 텍스트 변환된 상담 정보를 포함하는 상담 내용 정보를 생성하고, 상담 결과에 따른 실패, 예약이나 계약 성공 정보를 포함하는 결과 정보를 생성하는 단계와, 상담원 단말이 접촉 정보와 상담 내용 정보 및 결과 정보를 상담원 평가 서버에 전송하는 단계와, 상담원 평가 서버가 상담원 단말을 통해 수집한 접촉 정보, 상담 정보 및 결과 정보를 수집하여 딥러닝 모델 학습을 위하여 입력과 출력이 태깅된 학습 데이터를 생성한 후 복수의 딥러닝 모델을 학습시키고, 학습된 딥러닝 모델을 통해서 상담원을 평가하여 그 평가 정보를 고객 선별 서버에 제공하는 단계를 포함한다.A method for improving work efficiency of a data-based call center according to another embodiment of the present invention includes the steps of collecting potential customer information by a customer selection server and allocating the potential customer information to a call center agent terminal, and the agent terminal providing the potential customer information from the customer selection server. Receiving and performing a call consultation on the potential customer, the agent terminal contact information including an attempt at the call consultation on the potential customer, whether or not the call was successful, and call duration information, and voice analysis of the call content generating counseling content information including voice tone and speed according to the information and counseling information converted into text, and generating result information including failure, reservation or contract success information according to the counseling result; and transmitting the consultation content information and result information to the agent evaluation server, and the agent evaluation server collects contact information, consultation information, and result information collected through the agent terminal, and inputs and outputs are tagged for deep learning model learning. After generating learning data, learning a plurality of deep learning models, evaluating agents through the learned deep learning models, and providing the evaluation information to a customer selection server.
일례로서, 상담원 평가 서버가 잠재고객에 대한 개인 정보를 고객 선별 서버로부터 수집하고, 상담원 단말의 상담원 상담 스케줄 정보를 반영하여 상담 시점, 상담을 위한 통화 간격, 통화 시간, 상담의 키워드 중 적어도 하나 이상의 상담 지원 정보를 생성한 후 상담원 단말에 제공하는 단계와, 상담원 평가 서버가 상담원 단말에 동일 잠재고객에 대한 상담이 이루어지는 과정에서 후속 상담을 위한 상담 지원 정보를 반복 생성하여 제공하는 단계를 더 포함할 수 있다.As an example, the agent evaluation server collects personal information on potential customers from the customer selection server, reflects the agent consultation schedule information of the agent terminal, and at least one or more of the consultation time, call interval for consultation, call time, and keywords of consultation. The step of generating counseling support information and providing it to the counselor terminal, and the step of repeatedly generating and providing counseling support information for follow-up counseling in the course of counseling on the same potential customer to the counselor terminal by the agent evaluation server. can
본 발명의 실시예에 따른 데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법은 상담원의 실질적인 상담 내역을 객관적이고 다양하게 확인하여 상담 과정에 대한 정량적 파악하고, 정량적으로 파악되는 상담 과정에 대한 정보와 그 결과인 계약 성공(혹은 미팅 예약 성공)에 대한 관계성을 입력과 출력으로 명확하게 구분하여 딥러닝 모델 학습을 위한 태깅된 학습정보를 생성한 후, 이러한 학습정보를 이용하여 학습된 딥러닝 모델을 통해서 악성 고객을 최소한의 상담 자원만으로 필터링하도록 하거나, 우량 고객에 대한 상담 효과를 높이기 위한 상담 지원 정보를 생성하여 상담원에게 제공할 수 있도록 함으로써 잠재고객 상담의 성공률을 높이고 객관적으로 인정할 수 있는 상담원 평가가 가능하게 될 뿐만 아니라 성공률이 높은 상담원의 상담 스킬을 공유할 수 있게 되는 효과가 있다.A data-based call center work efficiency improvement system and method according to an embodiment of the present invention objectively and variously confirms a counselor's actual counseling details to quantitatively grasp the counseling process, and quantitatively grasp information on the counseling process and its results After clearly classifying the relationship between successful contract (or meeting reservation success) into input and output, tagged learning information for deep learning model learning is created, and then through the deep learning model learned using this learning information. It is possible to increase the success rate of prospective customer counseling and to evaluate agents that can be recognized objectively by filtering malicious customers with minimal counseling resources or creating and providing counseling support information to increase the counseling effect for good customers. In addition, it has the effect of being able to share the counseling skills of counselors with a high success rate.
나아가, 본 발명의 실시예는 상담원 단말로부터 수집되는 잠재고객 통화 시점과 통화 유지 시간 및 횟수에 대한 접촉 정보, 통화 내용에 따른 키워드와 음성 톤 및 속도를 포함하는 상담 내용 정보를 입력 관련 정보로 태깅하고, 최종 상담 결과에 따른 실패, 예약이나 계약 성공을 포함하는 결과 정보를 출력 관련 정보로 태깅하여, 객관적 입력과 객관적 출력이 명확한 태깅된 학습정보를 생성하고, 이러한 학습정보를 기반으로 복수의 태깅 학습 데이터 기반 신경망 모델을 하나 이상 학습시킴으로써 상담 진행에 따른 최종 결과를 최대한 이른 시간에 예측하거나 적절한 상담을 위한 상담 시점, 분포, 권장 상담 내용을 포함하는 지원 정보를 생성하여 상담원 단말에 제공할 수 있도록 하여 성공 가능성을 높이는 효과가 있다.Furthermore, in an embodiment of the present invention, contact information on the time of a potential customer's call and the duration and number of calls collected from the counselor's terminal, keywords according to the content of the call, and counseling content information including voice tone and speed are tagged as input-related information. and tagging result information including failure, reservation or contract success according to the final consultation result as output-related information, creating tagged learning information with clear objective input and objective output, and multiple tagging based on this learning information. By learning one or more learning data-based neural network models, the final result of counseling can be predicted at the earliest possible time, or support information including the timing, distribution, and recommended counseling contents for appropriate counseling can be generated and provided to the counselor terminal. This has the effect of increasing the chances of success.
나아가, 본 발명 실시예들은 잠재고객 정보 수집 방식이나 출처에 대한 정보도 딥러닝 모델로 학습하여 그 성공에 따른 가치를 예측함으로써 잠재고객 수집 서버가 적절한 잠재고객 정보를 경제적으로 확보할 수 있도록 하는 효과가 있다.Furthermore, in the embodiments of the present invention, information on the method or source of potential customer information is also learned with a deep learning model to predict the value of its success, thereby enabling the potential customer collection server to economically secure appropriate potential customer information. there is
도 1은 본 발명의 실시예에 따른 데이터 기반 콜센터 업무 효율 개선 시스템을 보인 구성도이다.
도 2는 본 발명의 실시예에 따른 상담원 단말의 예시적 구성을 보인 구성도이다.
도 3은 본 발명의 실시예에 따른 고객 선별 서버의 예시적 구성을 보인 구성도이다.
도 4는 본 발명의 실시예에 따른 상담원 평가 서버의 예시적 구성을 보인 구성도이다.
도 5는 본 발명의 실시예에 따른 데이터 기반 콜센터 업무 효율 개선 시스템의 기본적인 동작 과정을 보인 개념도이다.
도 6은 본 발명의 실시예에 따른 데이터 기반 콜센터 업무 효율 개선 시스템의 부가적인 동작 과정을 보인 개념도이다.1 is a configuration diagram showing a data-based call center work efficiency improvement system according to an embodiment of the present invention.
2 is a configuration diagram showing an exemplary configuration of a counselor terminal according to an embodiment of the present invention.
3 is a configuration diagram showing an exemplary configuration of a customer screening server according to an embodiment of the present invention.
4 is a configuration diagram showing an exemplary configuration of an agent evaluation server according to an embodiment of the present invention.
5 is a conceptual diagram showing a basic operation process of a data-based call center work efficiency improvement system according to an embodiment of the present invention.
6 is a conceptual diagram showing an additional operation process of the data-based call center work efficiency improvement system according to an embodiment of the present invention.
상기한 바와 같은 본 발명을 첨부된 도면들과 실시예들을 통해 상세히 설명하도록 한다.The present invention as described above will be described in detail through the accompanying drawings and embodiments.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.It should be noted that technical terms used in the present invention are only used to describe specific embodiments and are not intended to limit the present invention. In addition, technical terms used in the present invention should be interpreted in terms commonly understood by those of ordinary skill in the art to which the present invention belongs, unless specifically defined otherwise in the present invention, and are excessively inclusive. It should not be interpreted in a positive sense or in an excessively reduced sense. In addition, when the technical terms used in the present invention are incorrect technical terms that do not accurately express the spirit of the present invention, they should be replaced with technical terms that those skilled in the art can correctly understand. In addition, general terms used in the present invention should be interpreted as defined in advance or according to context, and should not be interpreted in an excessively reduced sense.
또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서, "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들, 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.Also, singular expressions used in the present invention include plural expressions unless the context clearly dictates otherwise. In the present invention, terms such as "consisting of" or "comprising" should not be construed as necessarily including all of the various elements or steps described in the invention, and some of the elements or steps are included. It should be construed that it may not be, or may further include additional components or steps.
또한, 본 발명에서 사용되는 제 1, 제 2 등과 같이 서수를 포함하는 용어는 구성 요소들을 설명하는데 사용될 수 있지만, 구성 요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성 요소는 제 2 구성 요소로 명명될 수 있고, 유사하게 제 2 구성 요소도 제 1 구성 요소로 명명될 수 있다.In addition, terms including ordinal numbers such as first and second used in the present invention may be used to describe components, but components should not be limited by the terms. Terms are used only to distinguish one component from another. For example, a first element may be termed a second element, and similarly, a second element may be termed a first element, without departing from the scope of the present invention.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, a preferred embodiment according to the present invention will be described in detail with reference to the accompanying drawings, but the same or similar components are assigned the same reference numerals regardless of reference numerals, and redundant description thereof will be omitted.
또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.In addition, in describing the present invention, if it is determined that a detailed description of a related known technology may obscure the gist of the present invention, the detailed description will be omitted. In addition, it should be noted that the accompanying drawings are only for easily understanding the spirit of the present invention, and should not be construed as limiting the spirit of the present invention by the accompanying drawings.
특히, 본원 발명의 상담원 단말은 통신 기능을 구비한 스마트 폰(Smart Phone), 휴대 단말기(Portable Terminal), 이동 단말기(Mobile Terminal), 개인 정보 단말기(Personal Digital Assistant: PDA), PMP(Portable Multimedia Player) 단말기, 개인용 컴퓨터(Personal Computer), 노트북 컴퓨터, 슬레이트 PC(Slate PC), 태블릿 PC(Tablet PC), 울트라북(ultrabook) 등과 같은 다양한 단말을 포함할 수 있으며, 상기 통신망은 널리 알려진 다양한 유무선 통신 방식이 적용될 수 있다. 특히, 고객과의 통화를 위한 음성통화 기능은 단말기 내에 하드웨어적이거나 소프트웨어적으로 구비될 수도 있고, 별도의 음성통화 수단이 별도로 연결되는 외장형으로 구성될 수도 있으며 이 경우 음성통화 수단을 상담원 단말이 제어하고 통화 내용을 수집할 수 있는 수단이 부가될 수 있다.In particular, the counselor terminal of the present invention includes a smart phone having a communication function, a portable terminal, a mobile terminal, a personal digital assistant (PDA), and a portable multimedia player (PMP). ) may include various terminals such as a terminal, a personal computer, a notebook computer, a slate PC, a tablet PC, and an ultrabook, and the communication network is widely known for various wired and wireless communication method can be applied. In particular, the voice call function for a call with a customer may be provided in hardware or software in the terminal, or may be configured as an external type in which a separate voice call means is separately connected. In this case, the voice call means is controlled by the counselor terminal. and a means for collecting call contents may be added.
또한, 고객 선별 서버나 상담원 평가 서버는 단일 컴퓨터, 병렬 컴퓨터, 분산 컴퓨터를 포함하는 다양한 종류의 서버 구성일 수 있으며, 특히 이러한 서버는 클라우드 구성을 통해서 복수의 물리적이거나 논리적인 서버들이 포함될 수 있다.In addition, the customer selection server or the agent evaluation server may be configured with various types of servers including a single computer, a parallel computer, and a distributed computer, and in particular, such a server may include a plurality of physical or logical servers through a cloud configuration.
이러한 본 발명의 실시예에 다른 구성을 도 1 내지 도 6을 참조하여 설명한다. Configurations different from this embodiment of the present invention will be described with reference to FIGS. 1 to 6 .
도 1은 본 발명의 실시예에 따른 데이터 기반 콜센터 업무 효율 개선 시스템을 보인 구성도이다. 1 is a configuration diagram showing a data-based call center work efficiency improvement system according to an embodiment of the present invention.
도시된 바와 같이, 콜센터의 상담원 단말(100)에 선별된 잠재고객에 대한 정보를 배정하는 고객 선별 서버(200)와, 배정된 잠재고객 정보 내 연락처를 이용하여 고객 단말(400)에 음성 통화를 시도하여 상담을 수행하고 상담에 관련된 객관적인 정보를 검출하는 상담원 단말(100) 및 상담원 단말(100)이 검출하는 상담에 대한 객관적인 정보를 수집하여 상담 상황을 확인하며 상담원을 평가하는 상담원 평가 서버(300)를 포함한다.As shown, the
고객 선별 서버(200)는 다양한 방식으로 잠재고객 정보를 수집하고 콜센터 상담원 단말(100)에 잠재고객 정보를 배정하되 각 상담원의 평가에 따라 상담원 단말(100a, 100b)에 각각 다른 수의 고객 단말(400a, 400b) 정보가 포함된 잠재고객 정보를 배정한다.The
상담원 단말(100)은 고객 선별 서버(100)로부터 잠재고객 정보(잠재고객에 대한 인적사항, 고객 단말 정보, 잠재고객 선별 이유 등)를 수신하고, 해당 잠재고객에 대한 통화 상담을 수행하며 통화 상담에 대한 시도, 통화 성공 여부, 통화 시간 정보를 포함하는 접촉 정보와, 통화 내용에 대한 음성 분석 정보에 따른 음성 톤과 속도 및 텍스트 변환된 상담 정보를 포함하는 상담 내용 정보를 생성하고, 상담 결과에 따른 실패, 예약이나 계약 성공 정보를 포함하는 결과 정보를 생성하여 상담원 평가 서버(300)에 전송한다. 이러한 상담에 관련된 접촉 정보, 상담 내용 정보 및 결과 정보를 결과가 얻어진 이후에 한 번에 전송할 수도 있으나, 비용을 들여서 잠재고객 정보를 얻고 이를 기반으로 상담을 진행하는 경우 잠재고객에 대해서 적어도 n번 상담을 시도한 후 실패 여부를 결정하는 것이 일반적이므로 상담에 대한 결과가 얻어지지 않은 경우라도 상담이 시도되거나 상담이 진행되었다면 그 정보를 상담원 평가 서버(300)에 전송하는 것이 바람직하다.The
상담원 평가 서버(300)는 상담원 단말(100)을 통해 수집한 접촉 정보, 상담 정보 및 결과 정보를 수집하여 딥러닝 모델 학습을 위하여 입력과 출력이 태깅된 학습 데이터를 생성하여 복수의 딥러닝 모델을 학습시키고, 학습된 딥러닝 모델을 통해서 상담원을 평가하여 그 평가 정보를 고객 선별 서버(200)에 제공한다.The
이와 같이, 본 발명은 상담원 단말(100)을 통해서 상담원 평가 서버(300)가 음성 통화를 이용한 상담에 대한 다양한 정량적 정보를 수집하고, 이러한 상담에 따른 결과(실패, 예약 성공, 계약 성공)를 수집함으로써 정확한 입력과 출력 관계를 가지는 학습 정보를 생성할 수 있다. 다양한 종류의 신경망을 이용하는 딥러닝 모델에 있어서 수많은 데이터를 제공하고 이를 자동으로 분류하도록 한 후 분류된 대상을 특정하는 방식의 비지도 학습에 대한 관심이 커지고 있지만, 이러한 비지도 학습의 경우 데이터의 수가 방대하지 못하면 예측 성능이 낮으며, 비지도 학습의 특성상 복잡한 입력들에 대한 상관 관계 예측이 어렵다. 따라서, 정확한 분석을 위해서는 품질이 높은 학습 데이터를 이용하여 딥러닝 모델을 구성하는 신경망을 학습시키는 것이 중요하다.As described above, according to the present invention, the
따라서, 본 발명에서는 딥러닝 모델에 대한 학습을 위해서 입출력에 대한 관계가 정확하게 태깅된 학습 데이터를 생성하여 여러 딥러닝 모델을 학습시킴으로써 상담원의 상담에 따른 입력 정보들의 적절성이나 수집된 입력 정보들에 대해서 기대되는 성공률을 기준으로 상담원을 평가하는 평가 모델을 고도화할 수 있고, 이를 통해 상담원이 수긍할 수 있는 평가 결과를 제공할 수 있게 된다. Therefore, in the present invention, in order to learn the deep learning model, by generating learning data in which the relationship between input and output is accurately tagged and learning various deep learning models, the appropriateness of the input information according to the counselor's consultation or the collected input information It is possible to advance the evaluation model that evaluates agents based on the expected success rate, and through this, it is possible to provide evaluation results that agents can accept.
나아가, 상담원의 상담 문제점을 파악하거나 원하는 결과를 얻기 위해 입력들 중 적어도 일부에 대한 예측이 가능하도록 하는 등의 여러 딥러닝 모델들을 학습시켜 활용할 수 있게 된다. Furthermore, it is possible to learn and utilize various deep learning models, such as making it possible to predict at least some of the inputs in order to identify counseling problems of counselors or obtain desired results.
예컨대 상담원 평가 서버(300)의 딥러닝 모델들 중 하나는 잠재고객의 수집 출처와 상담원의 반복되는 상담과정의 수집 상담 정보에 따른 성공률 예측 모델일 수 있다. 이러한 성공률 예측 모델을 이용할 경우 동일 잠재고객에 대한 상담과정의 상담횟수가 기 설정된 횟수가 되기 이전에 성공률 예측값이 기 설정된 기준 이하인 경우 상담 포기 제안을 상담원 단말(100)에 전송할 수 있다. 이를 통해서 상담 실패가 상담 초기에 예측되는 잠재고객에 대한 추가적인 상담 자원 낭비를 줄여 전체적인 상담 효율을 높일 수 있다.For example, one of the deep learning models of the
한편, 도시된 상담원 평가 서버(300)는 고객 선별 서버(200)로부터 잠재고객에 대한 수집 출처 정보를 수신하며, 이러한 잠재고객의 수집 출처 정보를 학습 데이터의 입력으로 더 포함시키고, 상담 성공에 대한 딥러닝 모델 학습을 통해 잠재고객 수집 출처에 따른 예상 가치를 산정할 수 있다. 즉, 상담원 단말(100)로부터 상담에 대한 각종 정보들을 수집하는 것으로 특정 수집 출처를 가지는 잠재고객에 대한 상담원의 상담 과정과 그 결과를 학습할 수 있으며, 이를 통해서 특정한 수집 출처의 잠재 고객을 통상의 상담원에게 배정하였을 경우의 예상 상담 성공률을 예측할 수 있어, 해당 잠재고객 정보 수집 비용에 대한 예상 가치를 산정할 수 있다. On the other hand, the illustrated
상담원 평가 서버(300)는 이러한 특정 수집 출처의 잠재고객 정보 예상 가치를 고객 선별 서버(200)에 제공하며, 고객 선별 서버(200)는 이러한 수집 출처별 잠재고객 정보의 예상 가치를 토대로 경제적인 잠재고객 정보 수집을 수행할 수 있다. 예컨대 특정 출처의 잠재고객에 대한 상담 성공률이 낮으면 해당 잠재고객 정보에 대한 수집 비용이 일정 수준 이하가 되어야 하며 그 이상인 경우 해당 출처의 잠재고객 정보 수집을 중단하거나 비용을 낮추거나 혹은 출처 조건을 변경해야 하고, 반대로 특정 출처의 잠재고객에 대한 상담 성공률이 높을 경우 해당 잠재고객 정보의 가치가 높으므로 현재 해당 잠재고객 정보 수집 비용이 기준 이하라면 더 많은 잠재고객 정보를 수집하도록 한다. 여기서 잠재고객 정보의 출처는 해당 잠재고객 정보를 수집하는 여러 채널(상용 데이터베이스, 이벤트에 따른 수집 정보, 회원에 대한 활동 분석 등)일 수 있고, 여러 고객 정보에서 잠재 고객을 추출하는 분류 기준을 의미할 수도 있다.The
부가적으로 상담원 평가 서버(300)는 잠재고객에 대한 개인 정보를 고객 선별 서버(200)로부터 수집하고, 상담원 단말(100)의 상담원 상담 스케줄 정보를 반영하여 상담 시점, 상담을 위한 통화 간격, 통화 시간, 상담의 키워드, 제안(태도, 톤, 말투 등) 중 적어도 하나 이상의 상담 지원 정보를 생성한 후 상담원 단말(100)에 제공하며, 동일 잠재고객에 대한 상담이 이루어지는 과정(반복 상담)에서 후속 상담을 위한 상담 지원 정보를 생성하여 제공할 수 있다. Additionally, the
예를 들어, 특정 개인 정보와 수집 출처를 가지는 잠재고객의 첫 번째 상담에 대해서 상담원 평가 서버(300)는 '오전에 1분 내외로 짧게 전화하여 다음 상담을 예약하는 키워드를 주로 활용하되 낮은 목소리로 천천히 상담을 진행하도록 제안'하는 상담 지원 정보를 상담원 단말(100)에 전송할 수 있고, 1차 상담이 이루어진 경우 해당 1차 상담을 통해 얻어진 접촉 정보, 상담 정보를 기반으로 2차 상담의 상담 성공을 위한 상담 시점, 상담을 위한 통화 간격, 통화 시간, 상담의 키워드, 제안 중 적어도 하나 이상의 상담 지원 정보를 생성하여 상담원 단말(100)에 제공한다. For example, for the first consultation of a prospective customer with specific personal information and collection source, the agent evaluation server 300 'mainly uses a keyword that makes a short call in the morning for about 1 minute to reserve the next consultation, but in a low voice. Counseling support information suggesting 'suggest to proceed with counseling slowly' can be transmitted to the
이러한 상담 지원 정보는 기존에 수집되어 학습된 수많은 상담원의 상담 성공 학습 데이터를 학습한 분석 모델을 이용하여 생성되는 것이므로 평가가 좋은 상담원의 상담 방식을 여러 상담원이 공유할 수 있게 되어 이직이 잦은 콜센터 상담원의 이직과 무관하게 전체적인 콜센터의 상담 품질(즉, 상담 성공 가능성)이 개선될 수 있다.Since this counseling support information is created using an analysis model that has learned counseling success learning data of numerous counselors that have been collected and learned in the past, many counselors can share the counseling method of counselors with good evaluations, so call center agents who frequently change jobs Regardless of the turnover of the call center, the overall consultation quality (that is, the possibility of successful consultation) can be improved.
도 2는 본 발명의 실시예에 따른 상담원 단말(100)의 예시적 구성을 보인 구성도이다. 2 is a configuration diagram showing an exemplary configuration of the
도시된 바와 같이 고객 선별 서버(200) 및 상담원 평가 서버(300)와 정보를 주고 받기 위한 서버 통신부(110)와, 고객과 음성이나 영상으로 통화하기 위한 고객 통화부(150)와, 고객 통화부(150)를 통한 잠재고객 통화 시도와 통화 시간을 검출하는 고객 통화 검출부(140)와, 고객 통화부(150)를 통한 잠재고객 통화 시 통화 내용에 대한 음성 톤과 속도를 검출하고 필요한 경우 통화 내용을 녹음(로컬, 또는 상담원 평가 서버(300)에 저장)하는 통화 내용 관리부(160)와, 통화 내용 관리부(160)를 통해 얻은 통화 내용에서 음성을 분석하여 텍스트 정보로 변환하고 키워드나 문맥을 분석하는 음성 분석부(170)와, 상담을 통해 미팅이 예약된 고객의 예약을 등록하는 고객 예약 관리부(120)와, 상담을 통해 계약이 완료된 고객의 계약을 등록하는 고객 계약 관리부(130)와, 서버 통신부(110)를 통해 잠재고객 정보를 수집하여 상담원에게 제공하고, 고객 통화부(150)를 통해 잠재고객에 대한 호 연결을 제공하며, 고객 통화 검출부(140)와 통화 내용 관리부(160) 및 음성 분석부(170)를 통한 접촉 정보 및 상담 정보와, 고객 예약 관리부(120)와 고객 계약 관리부(130)를 통한 결과 정보를 서버 통신부(110)를 통해 상담원 평가 서버(300)에 제공하는 고객 상담 관리부(180)를 포함한다.As shown, a
여기서, 고객 상담 관리부(180)는 상담원 평가 서버(300)를 통해서 상담 시점, 상담을 위한 통화 간격, 통화 시간, 상담의 키워드 중 적어도 하나 이상의 상담 지원 정보를 수신한 후 상담원에게 제공하는 제안부를 더 포함할 수 있다.Here, the customer
이러한 상담 지원 정보를 위해서, 상담원 단말(100)은 고객 선별 서버(200)로부터 잠재고객에 대한 정보를 수신한 후 상담에 대한 스케줄을 사전에 설정(고객 상담 관리부(180))할 수도 있고, 이러한 잠재고객 및 기존 상담 중인 고객에 대한 상담 스케줄 정보를 상담원 평가 서버(300)에 더 제공할 수 있다. 상담원 평가 서버(300)는 잠재고객과 기존 고객에 대한 상담 스케줄 정보를 기반으로 잠재고객이나 상담이 진행 중인 고객에 대한 상담 일정 제안이나 상담 키워드 제안 혹은 상담 추천 정보 제안(상담을 위한 톤, 강조할 키워드, 태도 등)을 제공할 수 있다.For such counseling support information, the
도 3은 본 발명의 실시예에 따른 고객 선별 서버(200)의 예시적 구성을 보인 구성도이다.3 is a configuration diagram showing an exemplary configuration of a
도시된 바와 같이, 고객 선별 서버(200)는 고객에 대한 개인 정보나 접속 정보를 수집하는 고객 정보 수집부(210)와, 고객 정보 수집부(210)를 통해 수집된 고객에 대한 고객의 활동 정보나 수집된 고객 정보에 대한 분석 정보를 근거로 고객을 분류하는 고객 정보 관리부(220)와, 고객 정보 관리부(220)의 고객 분류 정보를 토대로 잠재고객을 추출하는 잠재고객 추출부(240)와, 상담원 평가 서버(300)와 연동하여 상담원에 대한 평가 정보를 수집하는 상담원 평가 서버 연동부(260)와, 상담원 평가 서버 연동부(260)를 통해 수집한 상담원 평가 정보를 토대로 추출된 잠재고객을 분배하는 상담원 할당부(250)와, 상담원 단말(100)과 통신하여 상담원 할당부(250)에서 분배된 잠재고객 정보를 상담원 단말(100)에 제공하는 상담원 단말 통신부(230)를 포함한다. 물론, 이러한 구성은 잠재고객에 대한 정보를 직접 수집하는 경우의 예시로서, 이러한 직접적인 잠재고객 선별 구성을 가지는 대신 유관 서버와 연동하여 유관 서비스 가입자에 대한 정보를 새로운 서비스에 대한 잠재고객 정보로 수집하는 구성이나, 특정한 웹사이트 이용자나 이벤트에 참여한 이용자의 정보를 관련 상품이나 서비스에 대한 잠재고객 정보로 수집하는 구성을 포함할 수도 있다. As shown, the
여기서, 고객 정보 수집부(210)는 고객에 대한 개인 정보로서 나이, 성별, 거주지, 주소, 취미, 관심 대상, 기존 유사 서비스/제품 사용 이력 등을 수집할 수 있고, 접속 정보로서 접속 대상 정보(URL 등)와 접속 빈도, 머문 시간 등을 수집할 수 있다. Here, the customer
상기 고객 정보 관리부(220)는 고객 정보 수집부(210)를 통해 수집된 고객에 대한 고객의 활동 정보로서 고객의 검색 키워드, 관심 분야, 컨텐츠 관심도 등을 수집할 수 있다. 이렇게 수집된 고객 정보와 활동 정보에 대한 분석 정보를 근거로 고객을 분류하는데, 통상 이러한 고객의 분류는 상담하고자 하는 서비스나 상품에 대한 예상 관심 정도에 따른 분류일 수 있다.The customer
나아가, 제 3의 잠재고객 정보 제공 서비스 사업자로부터 비용을 들여 잠재고객 정보를 구매할 수도 있다. 예컨대 특정 보험 서비스에 가입한 고객을 추가 상품에 관심을 가질 잠재고객으로 선별하여 해당 정보를 구매할 수도 있고, 별도의 담당자가 없는 홈쇼핑이나 온라인 다이렉트 방식의 보험 서비스 가입자에 대한 정보를 구매하거나 관련사/부서로부터 제공받은 후 해당 보험 서비스 담당자로 소개하며 새로운 상품을 제안하는 방식으로 잠재고객 정보를 활용하기도 한다. 다른 예로, 골프 회원이면서 프리미엄 차량 소유자로서 연식이 오래된 경우나 3~4년이 경과된 리스 차량의 소유자에 대한 정보를 구매하여 프리미엄 차량 리스 상품에 대한 잠재고객으로 활용하는 경우도 있을 수 있다.Furthermore, potential customer information may be purchased at a cost from a third-party potential customer information providing service provider. For example, customers who have subscribed to a specific insurance service can be selected as potential customers who will be interested in additional products and the information can be purchased. After being provided by the department, it is introduced as the person in charge of the relevant insurance service, and potential customer information is sometimes used to suggest new products. As another example, there may be cases in which a golf member and a premium vehicle owner purchase information on the owner of a leased vehicle for which the year is old or 3 to 4 years have elapsed, and use it as a potential customer for a premium vehicle leasing product.
이와 같이 잠재고객에 대한 정보를 수집하기 위해서는 많은 노력이 필요하거나 제반 환경이 갖추어져야 하며, 제 3의 업체를 통해 잠재고객 정보를 수집할 경우 상당한 비용이 발생하게 된다.In this way, in order to collect information on potential customers, a lot of effort is required or the environment must be prepared, and considerable costs are incurred when collecting information about potential customers through a third party.
도 4는 본 발명의 실시예에 따른 상담원 평가 서버(300)의 예시적 구성을 보인 구성도이다.4 is a configuration diagram showing an exemplary configuration of a
도시된 바와 같이, 상담원 평가 서버(300)는 기본적으로 상담원 단말과 통신하여 상담 관련 정보를 수집하거나 제공하는 상담원 단말 통신부(310)와, 고객 선별 서버(200)와 통신하여 잠재 고객 정보를 수집하고 상담원 평가 정보를 제공하는 고객 선별 서버 연동부(330)와, 상담원 단말 통신부(310)를 통해 상담원 단말(100)로부터 상담 스케줄 정보와 상담에 따른 접촉 정보, 상담 정보 및 결과 정보를 수집하는 상담 정보 수집부(350)와, 고객 선별 서버 연동부(330)를 통해 수집된 잠재고객 정보와 그 수집 출처 정보, 그리고 상담 정보 수집부에서 수집된 접촉 정보, 상담 정보를 입력으로 하고, 상담에 대한 결과 정보를 출력으로 하는 태깅된 학습 데이터를 생성하는 학습 데이터 생성부(360)를 포함한다.As shown, the
태깅된 학습 데이터란, 입력(들)에 대한 정확한 정의 및 기준과 해당 입력에 의해 얻어지는 결과(들)에 대한 정확한 정의 및 기준이 마련됨으로써 여러 입력에 대한 출력을 예측하거나, 목표 출력을 얻기 위해 입력들 중 일부가 존재할 경우 나머지 입력에 대한 최적 요구사항을 예측하는 등의 딥러닝 모델 학습이 가능하도록 한 데이터를 의미한다. 즉, 다수의 태깅된 학습 데이터를 딥러닝 모델에 학습시킴으로써 특정 입력에 따른 결과를 예측하거나 원하는 결과를 얻기 위한 입력들의 최적화, 특정 입력이 고정되는 경우 다른 입력에 대한 최적화 등이 모델 특성에 따라 예측될 수 있다.Tagged learning data refers to inputs to predict outputs for various inputs or to obtain target outputs by providing accurate definitions and standards for input(s) and result(s) obtained by those inputs. If some of them exist, it means data that enables deep learning model learning, such as predicting the optimal requirements for the remaining inputs. In other words, by learning a large number of tagged learning data with a deep learning model, prediction of a result according to a specific input, optimization of inputs to obtain a desired result, or optimization of other inputs when a specific input is fixed are predicted according to the model characteristics. It can be.
이러한 학습 데이터 생성부(360)에서 생성된 학습 데이터를 통해서 다양한 잠재고객 관련 딥러닝 모델을 학습시킬 수 있게 된다. 예를 들어, 도시된 상담 상황 학습부(370)는 잠재고객 출처에 따른 예상 가치를 산정하기 위한 딥러닝 모델, 포기할 잠재고객을 필터링하기 위한 성공률 예측 모델, 성공을 위한 상담 시점, 시간, 키워드, 문맥 중 적어도 하나에 대한 제안을 제공하기 위한 제안 모델 등과 같은 다양한 딥러닝(신경망) 모델 중 적어도 하나를 포함하며, 이러한 모델을 태깅된 학습 데이터를 이용하여 학습시킨다. 더불어, 상담 상황 학습부(370)는 상담원의 상담에 대한 성공 가능성(동일한 상담 입력에 따른 성공률 예측 모델의 성공 가능성, 즉 상담의 수준) 대비 실제 해당 상담원의 상담 내용(상담 과정과 그 결과)을 토대로 상담원을 평가하는 상담원 평가 모델(상담의 수준 대비 실제 상담 과정과 결과에 따른 평가 산출)을 적용할 수 있다. Through the learning data generated by the learning
나아가, 상담 상황 학습부(370)의 상담원 평가 모델을 통해 상담원의 잠재고객별 상담 상황을 평가하여 이를 고객 선별 서버 연동부(330)를 통해 고객 선별 서버(200)에 제공하는 상담원 평가부(380)와, 복수의 딥러닝 모델 중 제안 모델을 통해서 생성된 상담 지원 정보를 생성하는 상담 제안 생성부(320)와, 상담원 단말(100)과 고객 선별 서버(200)로부터 학습 데이터 생성을 위한 정보를 수집하여 학습 데이터를 생성부(360)를 통해 학습 데이터를 생성한 후 복수의 딥러닝 모델을 학습시키고, 학습된 딥러닝 모델을 통해서 상담원을 평가하고, 성공률을 높이기 위한 상담 지원 정보를 생성하도록 하여 생성된 상담 지원 정보를 상담원 단말(100)에 제공하며, 수집된 잠재고객에 대해 예상 가치를 산정하여 고객 선별 서버(200)에 제공하는 상담 최적화 관리부(340)를 포함한다.Furthermore, the
이와 같이 상담원 평가 서버(300)는 단순히 상담원만을 평가하는데 그치지 않고, 상담원의 상담 성공을 지원하기 위한 각종 상담 제안을 상담원 단말(100)에 제공하는 한편, 애초에 잠재고객 정보에 대한 품질을 확인하고 그 비용의 적정성을 확인하여 출처별 잠재고객 정보에 대한 품질 정보를 고객 선별 서버(200)에 제공함으로써 효율적인 잠재고객 정보 수집이 가능하도록 지원하기도 한다.In this way, the
도 5는 본 발명의 실시예에 따른 데이터 기반 콜센터 업무 효율 개선 시스템의 기본적인 동작 과정을 보인 개념도이다.5 is a conceptual diagram showing a basic operation process of a data-based call center work efficiency improvement system according to an embodiment of the present invention.
도시된 도 5a와 같이 고객 선별 서버가 잠재고객 정보를 수집하고 콜센터 상담원 단말에 잠재고객 정보를 각각 상이한 수로 배정한 후 상담원 단말에 해당 잠재고객 정보를 제공한다. 이는 상담원의 수준과 상담원의 이전 상담 평가가 반영된다.As illustrated in FIG. 5A , the customer screening server collects potential customer information, allocates different numbers of potential customer information to call center agent terminals, and then provides the corresponding potential customer information to the agent terminal. This reflects the counselor's level and the counselor's previous counseling evaluation.
이후 도 5b와 같이 상담원 단말이 각자가 수신한 잠재고객에 대한 통화 상담을 수행한다. 이 과정에서 상담원 단말을 통해 잠재 고객에 대한 통화 상담에 대한 시도, 통화 성공 여부, 통화 시간 정보를 포함하는 접촉 정보와, 통화 내용에 대한 음성 분석 정보에 따른 음성 톤과 속도 및 텍스트 변환된 상담 정보를 포함하는 상담 내용 정보를 생성하고, 상담 결과에 따른 실패, 예약이나 계약 성공 정보를 포함하는 결과 정보를 생성한다.Thereafter, as shown in FIG. 5B, the counselor terminal performs call counseling with each potential customer. In this process, contact information including the attempt to call a potential customer through the agent's terminal, whether or not the call was successful, and the duration of the call, as well as voice tone and speed according to voice analysis information on the call content and text-converted counseling information Consultation content information including is created, and result information including failure, reservation or contract success information according to the counseling result is created.
이러한 도 5b의 과정이 완료되거나 도 5b의 과정이 진행되는 중에 도 5c와 같이 상담원 단말은 상담원 평가 서버에 상담 정보(즉, 접촉 정보, 상담 내용 정보 및 상담 결과 정보)를 전달하며, 상담원 평가 서버는 상담원 단말을 통해 수집한 접촉 정보, 상담 정보 및 결과 정보를 수집하여 딥러닝 모델 학습을 위하여 입력과 출력이 태깅된 학습 데이터를 생성한 후 복수의 딥러닝 모델을 학습시킨다.While the process of FIG. 5B is completed or while the process of FIG. 5B is in progress, as shown in FIG. 5C, the counselor terminal transmits counseling information (ie, contact information, counseling content information, and counseling result information) to the counselor evaluation server, and the counselor evaluation server collects contact information, counseling information, and result information collected through the counselor terminal, generates learning data in which inputs and outputs are tagged for deep learning model learning, and then trains a plurality of deep learning models.
이후 도 5d와 같이 개별 잠재고객에 대한 상담별, 혹은 기간별로 학습된 딥러닝 모델을 통해서 상담원을 평가하여 그 평가 정보를 고객 선별 서버에 제공하며, 고객 선별 서버는 이후 상담원에게 배정되는 잠재고객의 숫자를 조정함으로써 뛰어난 평가를 받은 상담원에게는 더 많은 수의 잠재고객을 배정하고, 평가가 낮은 상담원에게는 더 적은 수의 잠재고객의 배정할 수 있다. Afterward, as shown in FIG. 5D, the agent is evaluated through the deep learning model learned for each consultation or period for each potential customer, and the evaluation information is provided to the customer selection server. By adjusting the numbers, you can assign more leads to agents with excellent ratings and fewer leads to agents with low ratings.
도 6은 본 발명의 실시예에 따른 데이터 기반 콜센터 업무 효율 개선 시스템의 부가적인 동작 과정을 보인 개념도이다.6 is a conceptual diagram showing an additional operation process of the data-based call center work efficiency improvement system according to an embodiment of the present invention.
도 6a는 도 5a와 같이, 고객 선별 서버가 잠재고객 정보를 수집하고 콜센터 상담원 단말에 잠재고객 정보를 각각 상이한 수로 배정한 후 상담원 단말에 해당 잠재고객 정보를 제공한다. 이는 상담원의 수준과 상담원의 이전 상담 평가가 반영된다.6a, as in FIG. 5a, the customer screening server collects potential customer information, assigns different numbers of potential customer information to call center agent terminals, and then provides the corresponding potential customer information to the agent terminal. This reflects the counselor's level and the counselor's previous counseling evaluation.
도 6b와 같이 상담원 단말이 잠재고객에 대한 상담 스케줄을 등록하면, 기존에 상담 중인 고객과 신규 등록된 잠재고객에 대한 정보를 상담원 평가 서버가 수집하여 상담원 단말에 해당 특정 잠재고객에 대한 상담 제안 정보를 제공할 수 있다. 예컨대 아직 실제 상담한 이력이 없는 경우 해당 잠재고객 정보의 출처, 잠재고객에 대한 개인 정보를 토대로 상기 상담원 단말의 상담원 상담 스케줄 정보를 반영하여 상담 시점, 상담을 위한 통화 간격, 통화 시간, 상담의 키워드(톤, 속도, 주요한 키워드 등에 대한 정보), 제안 중 적어도 하나 이상의 상담 지원 정보를 생성한 후 상담원 단말에 제공할 수 있다. As shown in FIG. 6B, when the agent terminal registers a consultation schedule for a potential customer, the agent evaluation server collects information on the customer currently being consulted and the newly registered potential customer, and the agent evaluation server provides counseling proposal information for the specific potential customer to the agent terminal. can provide. For example, if there is no actual consultation history yet, based on the source of the potential customer information and personal information about the potential customer, the consultation schedule information of the agent terminal is reflected, and the consultation time, call interval for consultation, call duration, and keywords for consultation are reflected. (Information on tone, speed, major keywords, etc.) and suggestions, at least one counseling support information may be generated and then provided to the counselor terminal.
나아가, 도 6c와 같이 해당 고객에 대한 실제 상담이 이루어지는 경우 상담원 단말은 상담 정보에 해당하는 접촉 정보, 상담 정보 및 결과 정보 상담원 평가 서버에 제공하며, 상담원 평가 서버는 상담원 단말로부터 얻은 상담 정보를 이용하여 상담 최적화 모델을 학습시키고 제안 정보를 생성할 수 있다.Furthermore, as shown in FIG. 6C, when an actual consultation is performed for a corresponding customer, the agent terminal provides contact information corresponding to the consultation information, consultation information, and result information to the agent evaluation server, and the agent evaluation server uses the consultation information obtained from the agent terminal. Thus, it is possible to learn a consultation optimization model and generate suggestion information.
도 6d와 같이 상담원 평가 서버는 상담 시점, 상담을 위한 통화 간격, 통화 시간, 상담의 키워드 중 적어도 하나 이상의 상담 지원 정보를 상담원 단말에 제공하되, 해당 상담에 대한 결론(포기, 예약 성공, 계약 성공 등)을 얻을 때까지 도 6c와 도 6d의 과정을 반복한다.As shown in FIG. 6D, the agent evaluation server provides counseling support information of at least one of the counseling time, call interval for counseling, call time, and keywords of counseling to the counselor terminal, but concludes the counseling (abandonment, reservation success, contract success) etc.), the process of Figs. 6c and 6d is repeated until obtained.
이러한 과정을 통해서 적은 학습 데이터의 수에도 불구하고 높은 모델 적중률을 기대할 수 있고, 잠재고객 정보에 대한 신뢰도 역시 높일 수 있게 된다.Through this process, a high model hit rate can be expected despite the small number of learning data, and the reliability of potential customer information can also be increased.
실시예들에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 물리적인 하드디스크(hard disk), SSD(Solid State Drive), 웹하드(web hard), 클라우드 저장소와 같은 대용량 데이터 저장 수단, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiments may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer readable medium. The computer readable medium may include program instructions, data files, data structures, etc. alone or in combination. Program commands recorded on the medium may be specially designed and configured for the embodiment or may be known and usable to those skilled in computer software. Examples of computer-readable recording media include physical hard disks (hard disks), solid state drives (SSDs), web hard (web hard), mass data storage means such as cloud storage, magnetic media such as floppy disks and magnetic tapes ( magnetic media), optical media such as CD-ROM and DVD, magneto-optical media such as floptical disks, and ROM, RAM, Hardware devices specially configured to store and execute program instructions, such as flash memory, are included. Examples of program instructions include high-level language codes that can be executed by a computer using an interpreter, as well as machine language codes such as those produced by a compiler. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
이상에서는 본 발명에 따른 바람직한 실시예들에 대하여 도시하고 또한 설명하였다. 그러나 본 발명은 상술한 실시예에 한정되지 아니하며, 특허 청구의 범위에서 첨부하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능할 것이다. In the above, preferred embodiments according to the present invention have been shown and described. However, the present invention is not limited to the above-described embodiments, and various modifications can be made by anyone having ordinary knowledge in the technical field to which the present invention belongs without departing from the gist of the present invention appended within the scope of the claims. .
100: 상담원 단말 200: 고객 선별 서버
300: 상담원 평가 서버 400: 고객 단말100: agent terminal 200: customer selection server
300: agent evaluation server 400: customer terminal
Claims (10)
잠재고객 정보를 수집하고 콜센터 상담원 단말에 잠재고객 정보를 배정하는 고객 선별 서버와;
고객 선별 서버로부터 잠재고객 정보를 수신하고, 해당 잠재고객에 대한 통화 상담을 수행하며 통화 상담에 대한 시도, 통화 성공 여부, 통화 시간 정보를 포함하는 접촉 정보와, 통화 내용에 대한 음성 분석 정보에 따른 음성 톤과 속도 및 텍스트 변환된 상담 정보를 포함하는 상담 내용 정보를 생성하고, 상담 결과에 따른 실패, 예약이나 계약 성공 정보를 포함하는 결과 정보를 생성하는 상담원 단말과;
상담원 단말을 통해 수집한 접촉 정보, 상담 정보 및 결과 정보를 수집하여 딥러닝 모델 학습을 위하여 입력과 출력이 태깅된 학습 데이터를 생성하여 복수의 딥러닝 모델을 학습시키고, 학습된 딥러닝 모델을 통해서 상담원을 평가하여 그 평가 정보를 고객 선별 서버에 제공하는 상담원 평가 서버를 포함하고,
상기 복수의 딥러닝 모델로 학습되는 상기 태깅된 학습 데이터는, 상기 접촉 정보와 상기 상담 내용 정보를 입력 관련 정보로 태깅하고, 상담의 최종 상담 결과인 실패, 예약이나 계약 성공을 포함한 결과 정보를 출력 관련 정보로 태깅함으로써 생성된 정보이고, 상기 학습된 딥러닝 모델을 통해 상담 진행에 따른 최종 상담 결과의 예측이 가능하고,
상기 고객 선별 서버는,
고객에 대한 개인 정보나 접속 정보를 수집하는 고객 정보 수집부와; 고객 정보 수집부를 통해 수집된 고객에 대한 고객의 활동 정보나 수집된 고객 정보에 대한 분석 정보를 근거로 고객을 분류하는 고객 정보 관리부와; 상기 고객 정보 관리부의 고객 분류 정보를 토대로 잠재고객을 추출하는 잠재고객 추출부와; 상담원 평가 서버와 연동하여 상담원에 대한 평가 정보를 수집하는 상담원 평가 서버 연동부와; 상담원 평가 서버 연동부를 통해 수집한 상담원 평가 정보를 토대로 추출된 잠재고객을 분배하는 상담원 할당부와; 상담원 단말과 통신하여 상담원 할당부에서 분배된 잠재고객 정보를 상담원 단말에 제공하는 상담원 단말 통신부를 포함하고,
상기 고객 정보 관리부에서의 고객의 분류는, 상담하고자 하는 서비스나 상품에 대한 예상 관심 정도에 따른 분류이고,
상기 상담원 할당부에서 분배된 잠재고객 정보는, 상담하고자 하는 서비스나 상품에 대한 관심도에 따라 분류된 고객의 정보로서, 보험 서비스에 가입한 고객을 추가 상품에 관심을 가지게 되는 잠재고객으로 선별하여 구매한 정보와 담당자가 없는 홈쇼핑이나 온라인 다이렉트 방식의 보험 서비스 가입자에 대하여 구매한 정보를 포함하는 제 3의 잠재고객 정보 제공 서비스 사업자로부터 비용을 들여 구매한 잠재고객 정보, 및 웹사이트 이용자나 이벤트에 참여한 이용자의 정보를 관련 상품이나 서비스에 대한 잠재고객 정보로서 수집한 정보를 포함하고,
상기 상담원 평가 서버는, 상기 고객 선별 서버로부터 수집된 잠재고객에 대한 수집 출처 정보를 학습 데이터의 입력으로 더 포함시키고, 상담 성공에 대한 딥러닝 모델 학습을 통해 잠재고객 수집 출처에 따른 잠재고객 정보의 예상 가치를 산정하여 고객 선별 서버에 제공하고, 상기 산정된 잠재고객 수집 출처에 따른 잠재고객 정보의 예상 가치를 통해 특정 수집 출처의 잠재 고객을 상담원에게 배정했을 경우의 예상 상담 성공률의 예측이 가능하여 상기 특정 수집 출처의 잠재 고객의 수집 비용에 대한 예상 가치 산정이 가능하며,
상기 상담원 평가 서버는, 산정된 수집 출처별 잠재고객 정보의 예상 가치를 토대로 잠재고객 정보 수집을 수행하되, 특정 출처의 잠재고객에 대한 상담 성공률이 기설정된 성공률 미만이면 상기 특정 출처의 잠재고객 정보에 대한 수집 비용이 일정 수준 미만이 되도록 하고, 상기 특정 출처의 잠재고객 정보에 대한 수집 비용이 일정 수준 이상인 경우 상기 특정 출처의 잠재고객 정보의 수집을 중단하거나 출처 조건을 변경하며, 특정 출처의 잠재고객에 대한 상담 성공률이 기설정된 성공률 이상이면 상기 특정 출처의 잠재고객 정보의 가치가 높으므로 상기 특정 출처의 잠재고객 정보에 대한 수집 비용이 기준 이하이면 상기 특정 출처의 잠재고객 정보의 수집을 더 수행하며,
상기 상담원 평가 서버의 딥러닝 모델은 잠재고객의 수집 출처와 상담원의 반복되는 상담과정의 수집 상담 정보에 따른 성공률 예측 모델을 포함하며, 동일 잠재고객에 대한 상담과정의 상담횟수가 기 설정된 횟수가 되기 이전에 상기 성공률 예측 모델을 이용하여 예측된 성공률 예측값이 기 설정된 기준 이하인 경우 상담 포기 정보를 생성하여 상담원 단말에 전송하여 상담 초기에 상담 결과가 실패로 예측되는 잠재고객에 대한 추가적인 상담 자원 낭비를 줄여 전체 상담 효율이 높아지도록 하고,
상기 상담원 평가 서버는 상기 잠재고객에 대한 개인 정보를 고객 선별 서버로부터 수집하고, 상기 상담원 단말의 상담원 상담 스케줄 정보를 반영하여 상담 시점, 상담을 위한 통화 간격, 통화 시간, 상담의 키워드 중 적어도 하나 이상의 상담 지원 정보를 생성한 후 상담원 단말에 제공하며, 동일 잠재고객에 대한 상담이 이루어지는 과정에서 후속 상담을 위한 상담 지원 정보를 반복 생성하여 제공하며,
상기 상담 지원 정보는, 기 수집된 다수의 상담원의 상담 성공 학습 데이터를 학습한 분석 모델을 이용하여 생성되고, 상기 잠재고객과의 상담 진행에 관한 제안 정보로서 잠재고객이나 상담이 진행중인 고객에 대한 상담 일정 제안, 상담 키워드 제안, 및 상담을 위한 톤과 강조해야 하는 키워드와 태도가 포함된 상담 추천 제안 정보를 포함하는 것인, 데이터 기반 콜센터 업무 효율 개선 시스템.
Data to improve the efficiency of outbound call-based call center consultations by contacting prospective customers and providing them with information about products or services, setting up appointments for meetings where they can provide detailed descriptions of products or services, or inducing direct contracts As a base call center work efficiency improvement system,
a customer screening server that collects potential customer information and allocates potential customer information to call center agent terminals;
Receives potential customer information from the customer selection server, conducts call counseling for the potential customer, and uses contact information including attempts to call counseling, whether or not the call was successful, and call time information, and voice analysis information about the call content. a counselor terminal for generating counseling content information including voice tone and speed and text-converted counseling information, and generating result information including failure, reservation, or contract success information according to counseling results;
By collecting contact information, counseling information, and result information collected through the agent's terminal, learning data with tagged inputs and outputs is created to learn a plurality of deep learning models, and through the learned deep learning model. An agent evaluation server that evaluates agents and provides evaluation information to a customer selection server;
The tagged learning data learned by the plurality of deep learning models tags the contact information and the consultation content information as input-related information, and outputs result information including failure, reservation or contract success, which is the final consultation result of consultation. It is information generated by tagging with related information, and it is possible to predict the final counseling result according to the counseling progress through the learned deep learning model,
The customer selection server,
a customer information collection unit that collects personal information or access information about customers; a customer information management unit that classifies customers based on customer activity information collected through the customer information collection unit or analysis information on the collected customer information; a potential customer extraction unit for extracting potential customers based on the customer classification information of the customer information management unit; an agent evaluation server interlocking unit that collects evaluation information on the agent by interworking with the agent evaluation server; an agent assignment unit for distributing potential customers extracted based on the agent evaluation information collected through the agent evaluation server interlocking unit; An agent terminal communication unit communicating with the agent terminal and providing potential customer information distributed by the agent allocation unit to the agent terminal;
The classification of customers in the customer information management unit is a classification according to the degree of expected interest in the service or product to be consulted,
The potential customer information distributed by the counselor allocation unit is customer information classified according to the degree of interest in the service or product to be consulted, and customers who have subscribed to the insurance service are selected as potential customers who are interested in additional products and purchase them. Potential customer information purchased at a cost from a third-party potential customer information providing service provider, including information purchased for home shopping or online direct insurance service subscribers who have no information and person in charge, and website users or participants who participated in events Includes information collected from users as potential customer information for related products or services;
The agent evaluation server further includes the collection source information on potential customers collected from the customer selection server as an input of learning data, and learns the deep learning model for counseling success to determine the potential customer information according to the potential customer collection source. Estimated value is calculated and provided to the customer screening server, and through the estimated value of potential customer information according to the potential customer collection source calculated above, it is possible to predict the expected consultation success rate when potential customers from a specific collection source are assigned to a counselor. It is possible to calculate the expected value of the collection cost of potential customers of the specific collection source above;
The agent evaluation server collects potential customer information based on the estimated value of potential customer information for each collection source, but if the success rate of counseling with potential customers from a specific source is less than the predetermined success rate, the potential customer information from the specific source is collected. If the collection cost of the potential customer information from the specific source exceeds a certain level, the collection of the potential customer information from the specific source is stopped or the source conditions are changed, and the potential customer information from the specific source is If the consultation success rate for is higher than the predetermined success rate, the value of the potential customer information of the specific source is high, so if the collection cost of the potential customer information of the specific source is less than the standard, further collecting of the potential customer information of the specific source is performed. ,
The deep learning model of the agent evaluation server includes a success rate prediction model according to the collection source of potential customers and the counseling information collected in the agent's repeated counseling process, and the number of consultations in the counseling process for the same potential customer reaches a predetermined number. If the predictive value of the success rate previously predicted using the success rate prediction model is less than or equal to a preset criterion, counseling abandonment information is generated and transmitted to the counselor terminal to reduce additional counseling resource waste for potential customers whose counseling results are predicted to be failure at the beginning of counseling. To increase the efficiency of the entire consultation,
The agent evaluation server collects personal information on the potential customer from a customer selection server, reflects the agent consultation schedule information of the agent terminal, and at least one or more of a consultation point, a call interval for consultation, a call time, and keywords of consultation. After generating counseling support information, it is provided to the counselor's terminal, and in the course of counseling for the same potential customer, counseling support information for follow-up counseling is repeatedly created and provided.
The counseling support information is generated using an analysis model obtained by learning counseling success learning data of a plurality of counselors previously collected, and is suggested information on the progress of counseling with the potential customer, and is counseling for a potential customer or a customer whose counseling is in progress. A data-based call center work efficiency improvement system comprising schedule suggestions, consultation keyword suggestions, and consultation recommendation suggestion information including tone for consultation and keywords and attitudes to be emphasized.
상기 고객 선별 서버 및 상담원 평가 서버와 정보를 주고 받기 위한 서버 통신부와;
고객과 음성이나 영상으로 통화하기 위한 고객 통화부와;
상기 고객 통화부를 통한 잠재고객 통화 시도와 통화 시간을 검출하는 고객 통화 검출부와;
상기 고객 통화부를 통한 잠재고객 통화 시 통화 내용에 대한 음성 톤과 속도를 검출하고 필요한 경우 통화 내용을 녹음하는 통화 내용 관리부와;
상기 통화 내용 관리부를 통해 얻은 통화 내용에서 음성을 분석하여 텍스트 정보로 변환하고 키워드나 문맥을 분석하는 음성 분석부와;
상담을 통해 미팅이 예약된 고객의 예약을 등록하는 고객 예약 관리부와;
상담을 통해 계약이 완료된 고객의 계약을 등록하는 고객 계약 관리부와;
서버 통신부를 통해 잠재고객 정보를 수집하여 상담원에게 제공하고, 고객 통화부를 통해 잠재고객에 대한 호 연결을 제공하며, 고객 통화 검출부와 통화 내용 관리부 및 음성 분석부를 통한 접촉 정보 및 상담 정보와, 고객 예약 관리부와 고객 계약 관리부를 통한 결과 정보를 서버 통신부를 통해 상담원 평가 서버에 제공하는 고객 상담 관리부를 포함하는 것을 특징으로 하는 데이터 기반 콜센터 업무 효율 개선 시스템.
The method according to claim 1, wherein the counselor terminal
a server communication unit for exchanging information with the customer selection server and the agent evaluation server;
a customer communication unit for making a call with a customer by voice or video;
a customer call detection unit for detecting a potential customer's call attempt and a call time through the customer call unit;
a call content management unit for detecting a voice tone and speed for the call content and recording the call content, if necessary, when the potential customer makes a call through the customer call section;
a voice analysis unit that analyzes voice from the call content obtained through the call content management unit, converts it into text information, and analyzes keywords or context;
a customer reservation management unit registering a reservation of a customer whose meeting is reserved through consultation;
a customer contract management unit registering a contract of a customer whose contract has been completed through consultation;
Collects potential customer information through the server communication unit and provides it to the agent, provides call connection to the potential customer through the customer communication unit, contact information and consultation information through the customer call detection unit, call content management unit, and voice analysis unit, and customer reservation A data-based call center work efficiency improvement system comprising a customer consultation management unit providing result information through the management unit and the customer contract management unit to an agent evaluation server through a server communication unit.
The method according to claim 5, wherein the customer consultation management unit further comprises a suggestion unit for receiving at least one consultation support information of a consultation time point, a call interval for consultation, a call duration for consultation, and a keyword of consultation through the agent evaluation server and then providing the information to the agent. Data-based call center work efficiency improvement system, characterized in that.
상담원 단말과 통신하여 상담 관련 정보를 수집하거나 제공하는 상담원 단말 통신부와;
고객 선별 서버와 통신하여 잠재 고객 정보를 수집하고 상담원 평가 정보를 제공하는 고객 선별 서버 연동부와;
상담원 단말 통신부를 통해 상담원 단말로부터 상담 스케줄 정보와 상담에 따른 접촉 정보, 상담 정보 및 결과 정보를 수집하는 상담 정보 수집부와;
상기 고객 선별 서버 연동부를 통해 수집된 잠재고객 정보와 그 수집 출처 정보, 그리고 상담 정보 수집부에서 수집된 접촉 정보, 상담 정보를 입력으로 하고, 상담에 대한 결과 정보를 출력으로 하는 태깅된 학습 데이터를 생성하는 학습 데이터 생성부와;
상기 학습 데이터 생성부에서 생성된 학습 데이터를 통해서 잠재고객 출처에 따른 예상 가치를 산정하기 위한 딥러닝 모델, 포기할 잠재고객을 필터링하기 위한 성공률 예측 모델, 성공을 위한 상담 시점, 시간, 키워드, 문맥 중 적어도 하나에 대한 제안을 제공하기 위한 제안 모델 중 적어도 하나와 상담원의 상담에 대한 성공 가능성 대비 실제 상담 내용을 토대로 상담원을 평가하는 상담원 평가 모델을 포함하는 복수의 딥러닝 모델을 학습시키는 상담 상황 학습부와;
상기 상담 상황 학습부의 상담원 평가 모델을 통해 상담원의 잠재고객별 상담 상황을 평가하여 이를 고객 선별 서버 연동부를 통해 고객 선별 서버에 제공하는 상담원 평가부와;
상기 복수의 딥러닝 모델 중 제안 모델을 통해서 생성된 상담 지원 정보를 생성하는 상담 제안 생성부와;
상담원 단말과 고객 선별 서버로부터 학습 데이터 생성을 위한 정보를 수집하여 학습 데이터를 생성부를 통해 학습 데이터를 생성하여 복수의 딥러닝 모델을 학습시키고, 학습된 딥러닝 모델을 통해서 상담원을 평가하고, 성공률을 높이기 위한 상담 지원 정보를 생성하도록 하여 생성된 상담 지원 정보를 상담원 단말에 제공하며, 수집된 잠재고객에 대한 예상 가치를 산정하여 고객 선별 서버에 제공하는 상담 최적화 관리부를 포함하는 것을 특징으로 하는 데이터 기반 콜센터 업무 효율 개선 시스템.
The method according to claim 1, wherein the agent evaluation server
an agent terminal communication unit that communicates with the agent terminal to collect or provide counseling-related information;
a customer selection server interlocking unit that communicates with the customer selection server to collect potential customer information and provides agent evaluation information;
a counseling information collection unit for collecting counseling schedule information, contact information according to counseling, counseling information, and result information from the counselor terminal through the counselor terminal communication unit;
Potential customer information collected through the customer selection server interlocking unit, the collection source information, and contact information and consultation information collected from the consultation information collection unit are used as inputs, and tagged learning data having consultation result information as output a learning data generation unit to generate;
Through the learning data generated by the learning data generation unit, a deep learning model for calculating the expected value according to the potential customer source, a success rate prediction model for filtering out potential customers to give up, and a counseling time, time, keyword, and context for success A counseling situation learning unit for learning a plurality of deep learning models including at least one of the proposed models for providing suggestions for at least one agent and an agent evaluation model that evaluates agents based on actual counseling contents against the agent's probability of success in counseling. and;
an agent evaluation unit that evaluates the counseling status of each prospective customer through the agent evaluation model of the consultation situation learning unit and provides the results to a customer selection server through a customer selection server interlocking unit;
a counseling suggestion generator for generating counseling support information generated through a proposed model from among the plurality of deep learning models;
The information for generating learning data is collected from the agent terminal and the customer selection server, the learning data is created through the learning data generation unit to train a plurality of deep learning models, the agent is evaluated through the learned deep learning model, and the success rate is measured. A data base comprising a consultation optimization management unit that generates consultation support information to increase and provides the generated consultation support information to the agent terminal, calculates the expected value for the collected potential customers, and provides it to the customer selection server Call center work efficiency improvement system.
고객 선별 서버가 잠재고객 정보를 수집하고 콜센터 상담원 단말에 잠재고객 정보를 배정하는 단계와;
상담원 단말이 고객 선별 서버로부터 잠재고객 정보를 수신하고, 해당 잠재고객에 대한 통화 상담을 수행하는 단계와;
상담원 단말이 잠재 고객에 대한 통화 상담에 대한 시도, 통화 성공 여부, 통화 시간 정보를 포함하는 접촉 정보와, 통화 내용에 대한 음성 분석 정보에 따른 음성 톤과 속도 및 텍스트 변환된 상담 정보를 포함하는 상담 내용 정보를 생성하고, 상담 결과에 따른 실패, 예약이나 계약 성공 정보를 포함하는 결과 정보를 생성하는 단계와;
상담원 단말이 접촉 정보와 상담 내용 정보 및 결과 정보를 상담원 평가 서버에 전송하는 단계와;
상기 상담원 평가 서버가 상담원 단말을 통해 수집한 접촉 정보, 상담 정보 및 결과 정보를 수집하여 딥러닝 모델 학습을 위하여 입력과 출력이 태깅된 학습 데이터를 생성한 후 복수의 딥러닝 모델을 학습시키고, 학습된 딥러닝 모델을 통해서 상담원을 평가하여 그 평가 정보를 고객 선별 서버에 제공하는 단계를 포함하는 데이터 기반 콜센터 업무 효율 개선 방법.A data-based call center work efficiency improvement method using the data-based call center work efficiency improvement system according to claim 1,
collecting potential customer information by the customer selection server and allocating the potential customer information to a call center agent terminal;
receiving potential customer information from a customer selection server by a counselor terminal and conducting phone counseling with the corresponding potential customer;
Counseling information including contact information including the attempt of a call consultation for a potential customer, whether or not the call was successful, and call duration information, voice tone and speed according to voice analysis information on the call content, and text-converted counseling information generating content information and generating result information including failure, reservation, or contract success information according to a consultation result;
transmitting, by the counselor terminal, contact information, counseling content information, and result information to the counselor evaluation server;
The agent evaluation server collects contact information, counseling information, and result information collected through the agent terminal to generate learning data in which inputs and outputs are tagged for learning a deep learning model, and then learning a plurality of deep learning models. A data-based call center work efficiency improvement method comprising the step of evaluating agents through a deep learning model and providing the evaluation information to a customer selection server.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200035136A KR102570701B1 (en) | 2020-03-23 | 2020-03-23 | Call center service efficiency improvement system based on data and method thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200035136A KR102570701B1 (en) | 2020-03-23 | 2020-03-23 | Call center service efficiency improvement system based on data and method thereof |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210118634A KR20210118634A (en) | 2021-10-01 |
| KR102570701B1 true KR102570701B1 (en) | 2023-08-25 |
Family
ID=78115399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200035136A KR102570701B1 (en) | 2020-03-23 | 2020-03-23 | Call center service efficiency improvement system based on data and method thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102570701B1 (en) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102424848B1 (en) * | 2021-10-07 | 2022-07-25 | 주식회사 두유비 | Realtime consultation quality evaluation method of electronic apparatus for utilizing consultation pattern model of best consultant based on artificial intelligence, and system |
| KR102503260B1 (en) * | 2022-03-31 | 2023-02-23 | 유대건 | A hospital customer management system that improves the response of each customer by analyzing customer consultation and follow-up management based on artificial intelligence |
| KR102605884B1 (en) * | 2022-10-18 | 2023-11-24 | 주식회사 포지큐브 | Method for analyzing customer interest and system thereof |
| KR102578093B1 (en) * | 2023-05-08 | 2023-09-15 | 주식회사 데이터사이언스랩 | Apparatus and method for recording and managing counseling contents of counselors and clients |
| CN116401355B (en) * | 2023-06-08 | 2023-08-15 | 浙江天正思维信息技术有限公司 | Consultation business decision management method and system based on digital intelligence interaction |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101827320B1 (en) * | 2017-06-08 | 2018-02-09 | 윤준호 | Server for call center using artificial intelligence |
| KR101876371B1 (en) * | 2017-01-03 | 2018-07-09 | (주)복스유니버스 | System and method for call routing of call center |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101543366B1 (en) | 2013-04-05 | 2015-08-11 | 포인트아이 주식회사 | Method And Apparatus for Evaluating Call Or Agent by Using Customer Emotion Index |
| WO2016047995A1 (en) * | 2014-09-22 | 2016-03-31 | 서철욱 | System and method for real-time customer consultation service through data communication network |
| KR101824242B1 (en) | 2017-07-11 | 2018-01-31 | 농협은행(주) | Apparatus for estimating total counsel quality |
-
2020
- 2020-03-23 KR KR1020200035136A patent/KR102570701B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101876371B1 (en) * | 2017-01-03 | 2018-07-09 | (주)복스유니버스 | System and method for call routing of call center |
| KR101827320B1 (en) * | 2017-06-08 | 2018-02-09 | 윤준호 | Server for call center using artificial intelligence |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210118634A (en) | 2021-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102570701B1 (en) | Call center service efficiency improvement system based on data and method thereof | |
| CA3009944C (en) | Optimized routing of interactions to contact center agents based on machine learning | |
| CN110070391B (en) | Data processing method and device, computer readable medium and electronic equipment | |
| US9716792B2 (en) | System and method for generating a network of contact center agents and customers for optimized routing of interactions | |
| US20190156426A1 (en) | Systems and methods for collecting and processing alternative data sources for risk analysis and insurance | |
| US10262268B2 (en) | Predictive analytic systems and methods | |
| Sánchez-Monedero et al. | The datafication of the workplace | |
| US10091357B1 (en) | System and method for automated performance monitoring | |
| CN112508694B (en) | Method and device for processing resource limit application by server and electronic equipment | |
| Kim et al. | Late payment prediction models for fair allocation of customer contact lists to call center agents | |
| US10885477B2 (en) | Data processing for role assessment and course recommendation | |
| Ofosu-Ampong et al. | Adoption of contactless technologies for remote work in Ghana post-Covid-19: Insights from technology-organisation-environment framework | |
| KR102156584B1 (en) | Method for providing work rewarded advertisements using crowdsourcing based projects for artificial intelligence training data generation | |
| EP2369481A2 (en) | A system for detecting usability problems of users while using their mobile devices | |
| WO2019144035A1 (en) | Systems and methods for collecting and processing alternative data sources for risk analysis and insurance | |
| US10432793B2 (en) | Systems and methods to enroll users for real time communications connections | |
| TWI662506B (en) | Method for distributing customer services based on question forecasts | |
| EP3267376A1 (en) | Computer-implemented system and method for providing contextually relevant servicing | |
| Falk et al. | Non-response in student surveys: The example of international students in German higher education institutions | |
| Gummer et al. | Experimental evidence on reducing nonresponse bias through case prioritization: The allocation of interviewers | |
| Adam et al. | Soft spaces and soft outcomes: Experiences from city strategy on local partnership working and measures of success | |
| Morrison et al. | Exploring agent-based modelling for car-based volunteer driver program planning | |
| JP6599534B1 (en) | Information processing apparatus, information processing method, and program | |
| Konicki et al. | Adaptive design research for the 2020 Census 1 | |
| WO2016205909A2 (en) | Potential interviewers recruitment and selection system, market research conducting, and mobile electronic device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |