KR20190137183A

KR20190137183A - 컨택트 센터 시스템 내의 행동 페어링을 위한 기술들

Info

Publication number: KR20190137183A
Application number: KR1020197035806A
Authority: KR
Inventors: 잇대 칸; 마이클 리차드 클루거만; 블레이크 제이 라일리
Original assignee: 아피니티 유럽 테크놀로지즈 리미티드
Priority date: 2017-04-28
Filing date: 2018-04-05
Publication date: 2019-12-10
Also published as: IL270213B2; KR20200138446A; AU2021203487A1; US20190394335A1; CN115081804A; US20190222697A1; US10284727B2; KR102361995B1; CN115103074B; JP6935571B2; AU2019210608A1; JP2019522907A; JP6765023B2; CN109155020B; US9930180B1; CN115103074A; EP4177806A1; WO2018197943A1; KR102188646B1; BR112019022538A8

Abstract

컨택트 센터 시스템에서의 행동 페어링을 위한 기술들이 개시된다. 하나의 특정한 실시예에서, 기술들은 컨택트 센터 시스템에서의 행동 페어링을 위한 방법으로서 실현될 수 있고, 이 방법은: 컨택트 센터 시스템에 통신 연결되고 컨택트 센터 시스템 내에서 동작하도록 구성되는 적어도 하나의 컴퓨터 프로세서에 의해, 컨택트에의 접속에 이용가능한 복수의 에이전트를 결정하는 단계; 적어도 하나의 컴퓨터 프로세서에 의해, 컨택트와 복수의 에이전트 사이의 가능한 페어링들 중에서 복수의 선호되는 컨택트-에이전트 페어링을 결정하는 단계; 적어도 하나의 컴퓨터 프로세서에 의해, 확률론적 모델에 따라 복수의 선호되는 컨택트-에이전트 페어링 중 하나를 선택하는 단계; 및 적어도 하나의 컴퓨터 프로세서에 의해, 컨택트 센터 시스템 내에서의 접속을 위해 복수의 선호되는 컨택트-에이전트 페어링 중 선택된 것을 출력하는 단계를 포함한다.

Description

컨택트 센터 시스템 내의 행동 페어링을 위한 기술들{TECHNIQUES FOR BEHAVIORAL PAIRING IN A CONTACT CENTER SYSTEM}

관련 출원에 대한 상호 참조

본 국제특허 출원은 2017년 4월 28일자로 출원된 미국 특허 출원 제15/582,223호의 우선권을 주장하고, 2017년 4월 28일자로 출원된 미국 특허 출원 제15/582,223호의 계속 출원인 2017년 8월 30일자로 출원된 미국 특허 출원 제15/691,106호의 우선권을 주장하며, 이들 각각은 본 명세서에서 완전히 제시된 것과 마찬가지로 그 전체가 참조에 의해 포함된다.

기술 분야

본 개시내용은 일반적으로 컨택트 센터들(contact centers)에서 컨택트들(contacts)과 에이전트들(agents)을 페어링(pairing)하는 것에 관한 것이고, 더욱 구체적으로는, 컨택트 센터 시스템에서의 행동 페어링(behavioral pairing)을 위한 기술들에 관한 것이다.

전형적인 컨택트 센터는 컨택트 센터에 도착한 컨택트들을, 그러한 컨택트들을 처리하는 데 이용가능한 에이전트들에게 알고리즘적으로 할당한다. 때때로, 컨택트 센터는 이용가능하며(available) 인바운드 또는 아웃바운드 컨택트들(예를 들어, 전화 통화들; 인터넷 채팅 세션들, 이메일)에의 할당을 기다리고 있는 에이전트들을 가질 수 있다. 다른 시간들에서, 컨택트 센터는 하나 이상의 큐(queue)에서 에이전트가 할당에 이용가능하게 되는 것을 기다리는 컨택트들을 가질 수 있다.

일부 전형적인 컨택트 센터들에서, 컨택트들은 도착 시간에 기초하여 정렬된 에이전트들에게 할당되고, 에이전트들은 그러한 에이전트들이 이용가능하게 된 시간에 기초하여 정렬된 컨택트들을 수용한다. 이러한 전략은 "선입 선출", "FIFO", 또는 "라운드 로빈" 전략이라고 지칭될 수 있다. 다른 전형적인 컨택트 센터들에서, "성능 기반 라우팅(performance-based routing)" 또는 "PBR" 전략과 같은 다른 전략들이 사용될 수 있다.

더 진보된 다른 컨택트 센터들에서, 컨택트들은 "행동 페어링(behavioral pairing)" 또는 "BP" 전략을 사용하여 에이전트들과 페어링되는데, 이러한 전략 하에서, 컨택트들 및 에이전트들은 BP 전략 하에서의 모든 할당들의 이익들이 종합될 때, 그러한 이익들이 FIFO, 및 성능 기반 라우팅("PBR") 전략들과 같은 다른 전략들의 이익을 초과할 수 있도록 후속의 컨택트-에이전트 페어들의 할당을 가능하게 하는 방식으로 신중하게(우선적으로) 페어링될 수 있다. BP는 스킬 큐 내의 에이전트들의 균형잡힌 활용도(또는 활용도 스큐의 정도)를 장려하는 한편, 그럼에도 불구하고 동시에 전체적인 컨택트 센터 성능을, FIFO 또는 PBR 방법들이 허용할 것을 넘어서 개선하도록 설계된다. 이것은 BP가 FIFO 또는 PBR 방법들과 동일한 호출들 및 동일한 에이전트들에 작용하는 한 두드러진 성과이고, FIFO가 제공하는 것처럼 거의 균일하게 에이전트들을 활용하고, 그러면서도 전체적인 컨택트 센터 성능을 개선한다. BP는 예를 들어 본 명세서에 참조에 의해 포함되는 미국 특허 제9,300,802호에 설명된다. 페어링 또는 매칭 모듈들(때로는, "SATMAP", "라우팅 시스템", "라우팅 엔진" 등으로도 지칭됨)에 관한 이러한 및 다른 특징들에 관한 추가 정보는 예를 들어 미국 특허 제8,879,715호에 설명되며, 이것은 본 명세서에 참조에 의해 포함된다.

BP 전략은 선호되는 페어링들을 결정하기 위해 대각선 전략(diagonal strategy)과 함께 에이전트들 및 컨택트 타입들의 1차원적 정렬(ordering)을 사용할 수 있다. 그러나, 이러한 전략은 BP 전략이 최적화할 수 있는 변수들의 타입 및 수, 또는 더 많은 자유도가 주어지는 경우, 하나 이상의 변수가 최적화될 수 있는 양을 제약하거나 다르게 제한할 수 있다.

상술한 견지에서, BP 전략과 같이 복수의 가능한 페어링 중에서 선택하도록 설계되는 페어링 전략들의 효율 및 성능의 개선을 가능하게 할 수 있는 시스템이 필요하다는 것을 이해할 수 있다.

컨택트 센터 시스템에서의 행동 페어링을 위한 기술들이 개시된다. 하나의 특정한 실시예에서, 기술들은 컨택트 센터 시스템에서의 행동 페어링을 위한 방법으로서, 컨택트 센터 시스템에 통신 연결되고 컨택트 센터 시스템 내에서 동작하도록 구성되는 적어도 하나의 컴퓨터 프로세서에 의해, 컨택트에의 접속에 이용가능한 복수의 에이전트를 결정하는 단계; 적어도 하나의 컴퓨터 프로세서에 의해, 컨택트와 복수의 에이전트 사이의 가능한 페어링들 중에서 복수의 선호되는 컨택트-에이전트 페어링을 결정하는 단계; 적어도 하나의 컴퓨터 프로세서에 의해, 확률론적 모델에 따라 복수의 선호되는 컨택트-에이전트 페어링 중 하나를 선택하는 단계; 및 적어도 하나의 컴퓨터 프로세서에 의해, 컨택트 센터 시스템 내에서의 접속을 위해 복수의 선호되는 컨택트-에이전트 페어링 중 선택된 것을 출력하는 단계를 포함하는 방법으로서 실현될 수 있다.

이러한 특정한 실시예의 다른 양태들에 따르면, 확률론적 모델은 에이전트 활용도의 균형을 맞추기 위한 네트워크 흐름 모델, 에이전트 활용도 스큐(agent utilization skew)의 양을 적용하기 위한 네트워크 흐름 모델, 적어도 하나의 컨택트 센터 메트릭(contact center metric)의 전체적인 예상 값을 최적화하기 위한 네트워크 흐름 모델일 수 있다. 또한, 적어도 하나의 컨택트 센터 메트릭은 수익 생성, 고객 만족, 및 평균 처리 시간(average handle time) 중 적어도 하나일 수 있다.

이러한 특정한 실시예의 다른 양태들에 따르면, 확률론적 모델은 에이전트 스킬들 및 컨택트 스킬 필요들(contact skill needs)에 의해 제약되는 네트워크 흐름 모델일 수 있다. 또한, 네트워크 흐름 모델은 에이전트 스킬들 및 컨택트 스킬 필요들의 제약들에 따라 에이전트 활용도 불균형을 최소화하도록 조절될 수 있다.

이러한 특정한 실시예의 다른 양태들에 따르면, 확률론적 모델은 이력 컨택트-에이전트 결과 데이터 및 컨택트 속성 데이터 중 적어도 하나의 분석에 기초하여 예상 지불 값들(expected payoff values)을 통합할 수 있다.

다른 특정한 실시예에서, 기술들은 컨택트 센터 시스템에서의 행동 페어링을 위한 시스템으로서, 컨택트 센터 시스템 내에서 동작하도록 구성되는 적어도 하나의 컴퓨터 프로세서를 포함하고, 적어도 하나의 컴퓨터 프로세서는 위에서 논의된 방법 내의 단계들을 수행하도록 구성되는 시스템으로서 실현될 수 있다.

다른 특정한 실시예에서, 기술들은 컨택트 센터 시스템에서의 행동 페어링을 위한 제조 물품으로서, 비일시적인 프로세서 판독가능한 매체; 및 매체 상에 저장된 명령어들을 포함하고, 명령어들은 컨택트 센터 시스템 내에서 동작하도록 구성되는 적어도 하나의 컴퓨터 프로세서에 의해 매체로부터 판독가능하고, 그에 의해 적어도 하나의 컴퓨터 프로세서로 하여금, 위에서 논의된 방법 내의 단계들을 수행하도록 동작하게 하도록 구성되는 제조 물품으로서 실현될 수 있다.

이하에서, 본 개시내용은 첨부 도면들에 도시된 특정한 실시예들을 참조하여 더 상세하게 설명될 것이다. 본 개시내용은 특정 실시예들을 참조하여 아래에서 설명되지만, 본 개시내용이 이에 한정되는 것은 아니라는 것을 이해해야 한다. 본 개시내용의 교시들에 접근할 수 있는 본 기술분야의 통상의 기술자들은 본 명세서에 설명된 것과 같은 본 개시내용의 범위 내에 있으며 본 개시내용이 그에 관련하여 상당한 유용성을 가질 수 있는 추가의 구현예들, 수정들, 및 실시예들은 물론, 다른 사용분야들을 인식할 것이다.

본 개시내용의 완전한 이해를 돕기 위해, 이하에서는 유사한 구성요소들이 유사한 참조번호들로 참조되는 첨부 도면들이 참조된다. 이러한 도면들은 본 개시내용을 제한하는 것으로 해석되어서는 안되며, 예시로서만 의도된다.
도 1은 본 개시내용의 실시예들에 따른 컨택트 센터의 블록도를 보여준다.
도 2는 본 개시내용의 실시예들에 따른 BP 페이아웃 매트릭스의 예를 보여준다.
도 3은 본 개시내용의 실시예들에 따른 나이브 BP 활용도 매트릭스의 예를 도시한다.
도 4a는 본 개시내용의 실시예들에 따른 BP 스킬 기반 페이아웃 매트릭스(BP skill-based payout matrix)의 예를 보여준다.
도 4b는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 4c는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 4d는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 4e는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 4f는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 4g는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 5a는 본 개시내용의 실시예들에 따른 BP 스킬 기반 페이아웃 매트릭스의 예를 도시한다.
도 5b는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 5c는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 5d는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 5e는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 5f는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 5g는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 5h는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 5i는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름의 예를 보여준다.
도 6은 본 개시내용의 실시예들에 따른 BP 스킬 기반 페이아웃 매트릭스 방법의 흐름도를 도시한다.
도 7a는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름 방법의 흐름도를 보여준다.
도 7b는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름 방법의 흐름도를 보여준다.
도 8은 본 개시내용의 실시예들에 따른 BP 네트워크 흐름 방법의 흐름도를 보여준다.
도 9는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름 방법의 흐름도를 보여준다.

전형적인 컨택트 센터는 컨택트 센터에 도착한 컨택트들을, 그러한 컨택트들을 처리하는 데 이용가능한 에이전트들에 알고리즘적으로 할당한다. 때때로, 컨택트 센터는 인바운드 또는 아웃바운드 컨택트들(예를 들어, 전화 통화들, 인터넷 채팅 세션들, 이메일)에의 할당에 이용가능하며 그러한 할당을 기다리고 있는 에이전트들을 가질 수 있다. 다른 시간들에서, 컨택트 센터는 하나 이상의 큐에서 에이전트가 할당에 이용가능하게 되게 되는 것을 기다리는 컨택트들을 가질 수 있다.

일부 전형적인 컨택트 센터들에서, 컨택트들은 도착 시간에 기초하여 정렬된 에이전트들에게 할당되고, 에이전트들은 그러한 에이전트들이 이용가능하게 된 시간에 기초하여 정렬된 컨택트들을 수용한다. 이러한 전략은 "선입 선출", "FIFO", 또는 "라운드 로빈" 전략이라고 지칭될 수 있다. 다른 전형적인 컨택트 센터들에서, "성능 기반 라우팅" 또는 "PBR" 전략과 같은 다른 전략들이 사용될 수 있다.

더 진보된 다른 컨택트 센터들에서, 컨택트들은 "행동 페어링(behavioral pairing)" 또는 "BP" 전략을 사용하여 에이전트들과 페어링되는데, 이러한 전략 하에서, 컨택트들 및 에이전트들은 BP 전략 하에서의 모든 할당들의 이익들이 종합될 때, 그러한 이익들이 FIFO, 및 성능 기반 라우팅("PBR") 전략들과 같은 다른 전략들의 이익을 초과할 수 있도록 후속의 컨택트-에이전트 페어들의 할당을 가능하게 하는 방식으로 신중하게(우선적으로) 페어링될 수 있다. BP는 스킬 큐 내의 에이전트들의 균형잡힌 활용도(또는 활용도 스큐의 정도)를 장려하는 한편, 그럼에도 불구하고 동시에 전체적인 컨택트 센터 성능을, FIFO 또는 PBR 방법들이 허용할 것을 넘어서 개선하도록 설계된다. 이것은 BP가 FIFO 또는 PBR 방법들과 동일한 호출들 및 동일한 에이전트들에 작용하기 때문에 두드러진 성과이고, FIFO가 제공하는 것처럼 거의 균일하게 에이전트들을 활용하고, 그러면서도 전체적인 컨택트 센터 성능을 개선한다. BP는 예를 들어 본 명세서에 참조에 의해 포함되는 미국 특허 제9,300,802호에 설명된다. 페어링 또는 매칭 모듈들(때로는, "SATMAP", "라우팅 시스템", "라우팅 엔진" 등으로도 지칭됨)에 관한 이러한 및 다른 특징들에 관한 추가 정보는 예를 들어 미국 특허 제8,879,715호에 설명되며, 이것은 본 명세서에 참조에 의해 포함된다.

BP 전략은 선호되는 페어링들을 결정하기 위해 대각선 전략과 함께 에이전트들 및 컨택트 타입들의 1차원적 정렬을 사용할 수 있다. 그러나, 이러한 전략은 BP 전략이 최적화할 수 있는 변수들의 타입 및 수, 또는 더 많은 자유도가 주어지는 경우, 하나 이상의 변수가 최적화될 수 있는 양을 제약하거나 다르게 제한할 수 있다.

상술한 견지에서, BP 전략과 같이 복수의 가능한 페어링 중에서 선택하도록 설계되는 페어링 전략들의 효율 및 성능의 개선을 가능하게 할 수 있는 시스템이 필요하다는 것을 이해할 수 있다. 이러한 시스템은, 일부 실시예들에서 런타임에서의 비교 우위들(comparative advantages)에 기초하여 최적화하는 것; 에이전트들의 균일한 또는 거의 균일한 활용도를 유지하는 것; 스킬들에 걸친 모델들을 단일한 일관된 모델 또는 더 적은 수의 일관된 모델들로 통합하는 것; 더 복잡하고 정교하며 유능한 모델들의 생성 등을 포함하여 무수한 이점을 제공할 수 있다. 아래에서 상세하게 설명되는 바와 같이, 본 기술들은 본질적으로 다차원적[예를 들어, 다변수적(multivariate)]일 수 있으며, 선호되는 컨택트-에이전트 페어링들을 결정하기 위해 선형 프로그래밍, 2차 프로그래밍(quadratic programming), 또는 다른 최적화 기술들을 사용할 수 있다. 이러한 기술들의 예들은 예를 들어 Cormen 등의 Introduction to Algorithms, 3rd ed.의 708-68 및 843-897(Ch. 26 "Maximum Flow" 및 Ch. 29 "Linear Programming")(2009), 및 Nocedal 및 Wright의 Numerical Optimization, 448-96(2006)에 설명되어 있으며, 이는 본 명세서에 참조에 의해 통합된다.

도 1은 본 개시내용의 실시예들에 따른 컨택트 센터 시스템(100)의 블록도를 보여준다. 본 명세서의 설명은 하나 이상의 모듈을 포함할 수 있는 컨택트 센터 시스템들을 시뮬레이션하기 위한 시스템 및 방법의 네트워크 요소들, 컴퓨터들, 및/또는 컴포넌트들을 설명한다. 여기에서 사용될 때, "모듈"이라는 용어는 컴퓨팅 소프트웨어, 펌웨어, 하드웨어, 및/또는 이들의 다양한 조합들을 지칭하는 것으로 이해될 수 있다. 그러나, 모듈들은 하드웨어, 펌웨어 상에 구현되지 않거나 프로세서 판독가능한 기록가능한 저장 매체 상에 기록된 소프트웨어로 해석되어서는 안된다(즉, 모듈들 그 자체로서 소프트웨어는 아님). 모듈들은 예시적인 것임에 유의해야 한다. 모듈들은 다양한 애플리케이션들을 지원하도록 결합, 통합, 분리, 및/또는 복제될 수 있다. 또한, 본 명세서에서 특정한 모듈에서 수행되는 것으로서 설명되는 기능은 특정 모듈에서 수행되는 기능을 대신하여 또는 그에 부가하여 하나 이상의 다른 모듈 및/또는 하나 이상의 다른 디바이스에 의해 수행될 수 있다. 또한, 모듈들은 복수의 디바이스, 및/또는 서로에 로컬 또는 원격인 다른 컴포넌트들에 걸쳐 구현될 수 있다. 추가적으로, 모듈들은 하나의 디바이스로부터 이동되어 다른 디바이스에 추가될 수 있고, 및/또는 디바이스들 둘 다에 포함될 수 있다.

도 1에 보여진 바와 같이, 컨택트 센터 시스템(100)은 중앙 스위치(110)를 포함할 수 있다. 중앙 스위치(110)는 원격 통신 네트워크(도시되지 않음)를 통해 인입 컨택트들(예를 들어, 발신자들)을 수용하거나 컨택트들로의 아웃바운드 접속들을 지원할 수 있다. 중앙 스위치(110)는 다른 인터넷 기반, 클라우드 기반, 또는 다른 네트워크화된 컨택트-에이전트 하드웨어 또는 소프트웨어 기반 컨택트 센터 솔루션들을 포함하여, 하나 이상의 컨택트 센터 사이에서, 또는 하나 이상의 PBX/ACD 또는 다른 큐잉 또는 스위칭 컴포넌트들에 컨택트들을 라우팅하는 것을 돕기 위한 컨택트 라우팅 하드웨어 및 소프트웨어를 포함할 수 있다.

중앙 스위치(110)는, 예컨대 컨택트 센터 시스템(100) 내에 단 하나의 컨택트 센터가 있는 경우, 또는 단 하나의 PBX/ACD 라우팅 컴포넌트가 있는 경우, 필요하지 않을 수 있다. 둘 이상의 컨택트 센터가 컨택트 센터 시스템(100)의 일부인 경우, 각각의 컨택트 센터는 적어도 하나의 컨택트 센터 스위치[예를 들어, 컨택트 센터 스위치들(120A 및 120B)]를 포함할 수 있다. 컨택트 센터 스위치들(120A 및 120B)은 중앙 스위치(110)에 통신 연결될 수 있다. 실시예들에서, 라우팅 및 네트워크 컴포넌트들의 다양한 토폴로지들은 컨택트 센터 시스템을 구현하도록 구성될 수 있다.

각각의 컨택트 센터에 대한 각각의 컨택트 센터 스위치는 복수의 에이전트(또는 에이전트들의 "풀")에 통신 연결될 수 있다. 각각의 컨택트 센터 스위치는 특정 수의 에이전트(또는 "좌석들(seats)")가 한 번에 로그인되도록 지원할 수 있다. 임의의 주어진 시간에, 로그인된 에이전트는 컨택트에 접속되도록 이용가능할 수 있으며 그러한 접속을 기다리고 있을 수 있고, 또는 로그인된 에이전트는 다른 컨택트에 접속되어 있거나, 통화에 관한 정보를 기록하거나 휴식을 취하는 것과 같은 특정한 통화 후 기능들을 수행하는 것과 같은 다수의 이유 중 임의의 것으로 인해 이용가능하지 않을 수 있다.

도 1의 예에서, 중앙 스위치(110)는 각각 컨택트 센터 스위치(120A) 및 컨택트 센터 스위치(120B)를 통해 2개의 컨택트 센터 중 하나에 컨택트들을 라우팅한다. 컨택트 센터 스위치들(120A 및 120B) 각각은 각각 2개의 에이전트와 함께 보여져 있다. 에이전트들(130A 및 130B)은 컨택트 센터 스위치(120A)에 로그인될 수 있고, 에이전트들(130C 및 130D)은 컨택트 센터 스위치(120B)에 로그인될 수 있다.

컨택트 센터 시스템(100)은 또한 예를 들어 제3자 벤더로부터의 통합 서비스(integrated service)에 통신 연결될 수 있다. 도 1의 예에서, BP 모듈(140)은 컨택트 센터 시스템(100)의 스위치 시스템 내의 하나 이상의 스위치, 예컨대 중앙 스위치(110), 컨택트 센터 스위치(120A), 또는 컨택트 센터 스위치(120B)에 통신 연결될 수 있다. 일부 실시예들에서, 컨택트 센터 시스템(100)의 스위치들은 복수의 BP 모듈에 통신 연결될 수 있다. 일부 실시예들에서, BP 모듈(140)은 컨택트 센터 시스템의 컴포넌트에 내장될 수 있다(예를 들어, 스위치 또는 "BP 스위치"에 내장되거나 다르게 통합될 수 있음). BP 모듈(140)은 스위치에 로그인된 에이전트들[예를 들어, 에이전트들(130A 및 130B)]에 관해, 그리고 다른 스위치[예를 들어, 중앙 스위치(110)]를 통한 인입 컨택트들에 관해, 스위치[예를 들어, 컨택트 센터 스위치[예를 들어, 컨택트 센터 스위치(120A)]로부터, 또는 일부 실시예들에서는 네트워크(예를 들어, 인터넷 또는 전기 통신 네트워크)(도시되지 않음)로부터 정보를 수신할 수 있다.

컨택트 센터는 복수의 페어링 모듈(예를 들어, BP 모듈 및 FIFO 모듈)(도시되지 않음)을 포함할 수 있고, 하나 이상의 페어링 모듈은 하나 이상의 상이한 벤더에 의해 제공될 수 있다. 일부 실시예들에서, 하나 이상의 페어링 모듈은 중앙 스위치(110) 또는 컨택트 센터 스위치들(120A 및 120B)과 같은 하나 이상의 스위치 또는 BP 모듈(140)의 컴포넌트들일 수 있다. 일부 실시예들에서, BP 모듈은 어느 페어링 모듈이 특정 컨택트에 대한 페어링을 처리할지를 결정할 수 있다. 예를 들어, BP 모듈은 BP 모듈을 통해 페어링을 인에이블하는 것과 FIFO 모듈과의 페어링을 인에이블하는 것 사이에서 교대할 수 있다. 다른 실시예들에서, 하나의 페어링 모듈(예를 들어, BP 모듈)은 다른 페어링 전략들을 에뮬레이션하도록 구성될 수 있다. 예를 들어, BP 모듈, 또는 BP 모듈 내의 BP 컴포넌트들과 통합된 BP 컴포넌트는, BP 모듈이 특정 컨택트에 대해 BP 페어링을 사용할 수 있는지 아니면 에뮬레이션된 FIFO 페어링을 사용할 수 있는지를 결정할 수 있다. 이 경우, "BP 온"은 BP 모듈이 BP 페어링 전략을 적용하고 있는 시간들을 지칭할 수 있고, "BP 오프"는 BP 모듈이 다른 페어링 전략(예를 들어, FIFO)을 적용하고 있는 다른 시간들을 지칭할 수 있다.

일부 실시예들에서, 페어링 전략들이 개별 모듈들에 의해 처리되는지에 무관하게, 또는 일부 페어링 전략들이 단일 페어링 모듈 내에서 에뮬레이션되는 경우, 단일 페어링 모듈은 임의의 또는 모든 페어링 전략 하에서 이루어진 페어링들에 관한 정보를 모니터링하고 저장하도록 구성될 수 있다. 예를 들어, BP 모듈은 FIFO 모듈에 의해 이루어진 FIFO 페어링들에 관한 데이터를 관찰하고 기록할 수 있거나, BP 모듈은 FIFO 에뮬레이션 모드로 동작하는 BP 모듈에 의해 이루어진 에뮬레이션된 FIFO 쌍들에 관한 데이터를 관찰하고 기록할 수 있다.

도 2는 본 개시내용의 실시예들에 따른 BP 페이아웃 매트릭스(200)의 예를 보여준다. 컨택트 센터 시스템의 이러한 단순화된 가상(hypothetical)의 컴퓨터 생성 모델에서, 3개의 에이전트[에이전트들(201, 202 및 203)]이 존재하며, 3개의 컨택트 타입[컨택트 타입들(211, 212 및 213)]이 존재한다. 매트릭스의 각각의 셀은 특정 에이전트와 지정된 컨택트 타입의 컨택트 사이의 컨택트-에이전트 상호작용의 "지불", 또는 예상 결과 또는 예상 값을 나타낸다. 실세계 컨택트 센터 시스템들(real-world contact center systems)에서, 수십 명의 에이전트, 수백 명의 에이전트, 또는 그 이상이 있을 수 있으며, 수십 개의 컨택트 타입, 수백 개의 컨택트 타입 또는 그 이상이 있을 수 있다.

BP 페이아웃 매트릭스(200)에서, 에이전트(201)와 컨택트 타입(211)의 컨택트 사이의 상호작용에 대한 페이아웃은 .30 또는 30%이다. 에이전트(201)에 대한 다른 페이아웃들은 컨택트 타입(212)에 대한 .28, 및 컨택트 타입(213)에 대한 .15이다. 에이전트(202)에 대한 페이아웃들은 컨택트 타입(211)에 대한 .30, 컨택트 타입(212)에 대한 .24, 및 컨택트 타입(213)에 대한 .10이다. 에이전트(203)에 대한 페이아웃들은 컨택트 타입(211)에 대한 .25, 컨택트 타입(212)에 대한 .20, 및 컨택트 타입(213)에 대한 .09이다.

페이아웃은 여러 상이한 메트릭들 또는 최적화된 변수들 중 임의의 것에 대한 예상 값을 나타낼 수 있다. 최적화된 변수들의 예들은 판매 전환율(conversion rates on sales), 고객 유지율(customer retention rates), 고객 만족도(customer satisfaction rates), 평균 처리 시간 측정값(average handle time measurements) 등, 또는 둘 이상의 메트릭의 조합들을 포함한다. 예를 들어, BP 페이아웃 매트릭스(200)가 컨택트 센터 시스템 내의 유지 큐(retention queue)를 모델링하는 경우, 각각의 페이아웃은 에이전트가 특정한 컨택트 타입의 고객을 "저장"하거나 유지할 우도(likelihood)를 표현할 수 있는데, 예를 들어 에이전트(201)가 컨택트 타입(211)인 것으로 결정된 컨택트를 .30(또는 30%)의 가능성이 있다.

일부 실시예들에서, BP 페이아웃 매트릭스(200), 또는 컨택트 센터 시스템의 다른 유사한 컴퓨터 생성 모델은 이력(historical) 컨택트-에이전트 상호작용 데이터를 사용하여 생성될 수 있다. 예를 들어, BP 페이아웃 매트릭스(200)는 에이전트와 컨택트 타입 사이의 주어진 상호작용에 대한 페이아웃들을 예측하거나 다르게 추정하기 위해 이력 데이터의 수 주, 수 개월, 수 년 등의 롤링 윈도우를 포함할 수 있다. 에이전트 노동인력이 변화함에 따라, 모델은 새로운 에이전트들을 채용하는 것, 기존 에이전트들을 해고하는 것, 또는 기존 에이전트들을 새로운 스킬들로 트레이닝하는 것을 포함하여, 에이전트 노동인력에 대한 변화들을 반영하도록 업데이트될 수 있다. 컨택트 타입들은 인구통계 및 심리통계 데이터, 및 과거 구매들 또는 다른 이력 고객 정보와 같은 행동 데이터와 같은 다양한 타입의 데이터를 포함할 수 있는, 고객 관계 관리(CRM) 데이터, 고객 속성 데이터, 제3자 소비자 데이터, 컨택트 센터 데이터 등과 같은 예상되는 컨택트들 및 기존 고객들에 관한 정보에 기초하여 생성될 수 있다. BP 페이아웃 매트릭스(200)는 새로운 컨택트-에이전트 상호작용 데이터가 이용가능해지면, 그러한 데이터를 통합하기 위해, 실시간으로, 또는 주기적으로, 예컨대 시간마다, 야간마다, 주간마다 등과 같이 업데이트될 수 있다.

도 3은 본 개시내용의 실시예들에 따른 나이브 BP 활용도 매트릭스(

BP utilization matrix)(300)의 예를 도시한다. BP 페이아웃 매트릭스(200)(도 2)에 대하여, 컨택트 센터 시스템의 이러한 단순화된 가상의 컴퓨터 생성 모델에서, 3개의 에이전트[에이전트(201, 202 및 203)]가 있으며, 3개의 컨택트 타입[컨택트 타입(211, 212 및 213)]이 있다. 실세계 컨택트 센터 시스템들에서, 수십 명의 에이전트, 수백 명의 에이전트, 또는 그 이상이 있을 수 있으며, 수십 개의 컨택트 타입, 수백 개의 컨택트 타입, 또는 그 이상이 있을 수 있다.

BP 전략 하에서, 에이전트들은 컴퓨터 생성 BP 모델들에 따라 특정 컨택트 타입들의 컨택트들과 우선적으로 페어링된다. L1 환경에서, 컨택트 큐는 비어 있으며, 복수의 에이전트가 컨택트에의 접속을 위해 이용가능하거나, 유휴상태이거나, 다르게 준비되어 기다리고 있다. 예를 들어, 채팅 컨텍스트(chat context)에서, 에이전트는 복수의 컨택트와 동시에 채팅하는 능력을 가질 수 있다. 이러한 환경들에서, 에이전트는 이메일 및 채팅과 같은 하나 이상의 다른 채널에서 동시에 멀티태스킹하는 동안, 하나 이상의 추가 컨택트에의 접속에 대해 준비되어 있을 수 있다.

일부 실시예들에서, 컨택트가 컨택트 센터 시스템의 큐 또는 다른 컴포넌트에 도착할 때, BP 전략은 컨택트의 타입[예를 들어, 컨택트 타입(211, 212, 또는 213)의 컨택트]을 결정하기 위해 컨택트에 관한 정보를 분석한다. BP 전략은 어느 에이전트들이 컨택트에의 접속을 위해 이용가능한지를 결정하고, 가장 선호되는 이용가능한 에이전트에 대한 페어링 명령을 선택하고, 추천하고, 또는 다르게 출력한다.

L2 환경에서, 복수의 컨택트가 에이전트에의 접속을 위해 큐 내에서 기다리고 있고, 에이전트들 중 어느 것도 컨택트에의 접속을 위해 이용가능하거나, 자유롭거나, 다르게 준비되어 있지 않다. BP 전략은 각각의 컨택트의 타입[예를 들어, 컨택트 타입들(211, 212, 또는 213) 중 하나 또는 컨택트들]을 결정하기 위해 각각의 컨택트에 관한 정보를 분석한다. 일부 실시예들에서, 에이전트가 이용가능하게 될 때, BP 전략은 어느 컨택트들이 에이전트에의 접속을 위해 이용가능한지를 결정하고, 가장 선호되는 이용가능한 컨택트에 대한 페어링 명령어를 선택하고, 추천하거나, 또는 다르게 출력한다.

나이브 BP 활용도 매트릭스(300)의 헤더 행에 보여진 바와 같이, 각각의 에이전트는 예상되는 이용가능성 또는 목표 활용도를 갖는다. 이러한 예에서, BP 전략은 3개의 에이전트(201, 202 및 203) 각각에 대해 1/3(".33")의 균형잡힌 에이전트 활용도를 목표로 하고 있다. 따라서, 시간이 지남에 따라, 각각의 에이전트는 동등하게, 또는 거의 동등하게 활용될 것으로 예상된다. BP 및 FIFO 둘 다가 바이어스되지 않은 또는 균형잡힌 에이전트 활용도를 목표로 하는 한, BP의 이러한 구성은 FIFO와 유사하다.

성능 기반 라우팅(PBR)이 스큐잉된 또는 불균형한 에이전트 활용도를 목표로 하여 비교적 높은 성능의 에이전트들에게 불균형한 수의 컨택트를 의도적으로 할당하는 한, BP의 이러한 구성은 PBR과 유사하지 않다. 다른 BP 구성들이 또한 스큐잉된 에이전트 활용도를 목표로 할 수 있는 한, BP의 다른 구성들은 PBR과 유사할 수 있다. 스큐잉된 에이전트 또는 컨택트 활용도[예를 들어, "카파(kappa)" 및 "로(rho)" 기능성]에 관련된 이들 및 다른 특징들에 관한 추가 정보는 예를 들어 본 명세서에 참조에 의해 포함된 미국 특허 출원 제14/956,086호 및 제14/956,074호에 설명되어 있다.

나이브 BP 활용도 매트릭스(300)의 헤더 열에 보여진 바와 같이, 각각의 컨택트 타입은 예상되는 이용가능성(예를 들어, 도착 빈도) 또는 목표 활용도를 갖는다. 이러한 예에서, 컨택트 타입(211)의 컨택트들은 시간의 50%(".50")에 도착할 것으로 예상되고, 컨택트 타입(212)의 컨택트들은 시간의 30%(".30")에 도착할 것으로 예상되며, 타입 컨택트 타입(212)의 컨택트들은 시간의 나머지 20%(".20")에 도착할 것으로 예상된다.

매트릭스의 각각의 셀은 특정 에이전트와 지시된 컨택트 타입의 컨택트 사이의 컨택트-에이전트 상호작용의 목표 활용도 또는 예상되는 빈도를 나타낸다. 나이브 BP 활용도 매트릭스(300)의 예에서, 에이전트들은 각각의 컨택트 타입의 빈도에 따라 각각의 컨택트 타입에 동일하게 할당될 것으로 예상된다. 컨택트 타입(211)의 컨택트들은 시간의 50% 내에서 큐 내에 도착할 것으로 예상되며, 이러한 컨택트들의 대략 1/3이 에이전트들(201, 202 및 203) 각각에 할당된다. 전반적으로, 컨택트 타입(211)과 에이전트(201) 사이의 컨택트-에이전트 상호작용들은 시간의 대략 16%(".16")에서 발생하고, 컨택트 타입(211)과 에이전트(202) 사이에서는 시간의 대략 16%에서 발생하고, 컨택트 타입(211)과 에이전트(203) 사이에서는 시간의 대략 16%에서 발생하는 것으로 예상된다. 마찬가지로, 컨택트 타입(212)의 컨택트들(30% 빈도)과 에이전트들(201-203) 각각의 사이의 상호작용들은 각각 시간의 대략 10%(".01")에서 발생하고, 컨택트 타입(213)의 컨택트들(20% 빈도)과 에이전트들(201-203) 각각의 사이의 상호작용들은 시간의 대략 7%(".07")에서 발생할 것으로 예상된다.

나이브 BP 활용도 매트릭스(300)는 또한 FIFO 페어링 전략 하에서 발생하는 컨택트-에이전트 상호작용들의 거의 동일한 분산을 표현하며, 그러한 전략 하에서 각각의 컨택트-에이전트 상호작용은 아마도 동일할 것이다(각각의 컨택트 타입의 빈도에 대해 정규화됨). 나이브 BP 및 FIFO 하에서, 각각의 에이전트의 목표(및 예상) 활용도는 동일하고: 3개의 에이전트(201-203) 각각에 대해 컨택트-에이전트 상호작용의 1/3이다.

BP 페이아웃 매트릭스(200)(도 2) 및 나이브 BP 활용 매트릭스(300)를 함께 최하면, 나이브 BP 활용도 매트릭스(300)에 보여진 각각의 컨택트-에이전트 상호작용의 빈도 분산에 따라 가중된 평균 페이아웃을 계산함으로써, 컨택트 센터 시스템의 예상되는 전체적인 성능이 결정될 수 있다:

. 따라서, 나이브 BP 또는 FIFO 하에서의 컨택트 센터 시스템의 예상되는 성능은 약 0.24 또는 24%이다. 페이아웃들이 예를 들어 유지율들을 표현하는 경우, 예상되는 전체 성능은 24% 절약율(save rate)일 것이다.

도 4a 내지 도 4g는 더 정교한 BP 페이아웃 매트릭스 및 네트워크 흐름의 예를 보여준다. 이러한 단순화된 가상 컨택트 센터에서, 에이전트들 또는 컨택트 타입들은 하나 이상의 스킬의 상이한 조합들(즉, 스킬 세트들)을 가질 수 있으며, 에이전트들과 컨택트들에 걸쳐 균형잡힌 활용도를 유지하면서, 전체적인 컨택트 센터 성능을 증가시키기 위해, 선형 프로그래밍 기반 네트워크 흐름 최적화 기술들이 적용될 수 있다.

도 4a는 본 개시내용의 실시예들에 따른 BP 스킬 기반 페이아웃 매트릭스(400A)의 예를 보여준다. 각각 대략 1/3 또는 .33의 예상되는 이용가능성/활용도를 갖는 3개의 에이전트[에이전트들(401, 402, 및 403)]이 존재하고, 각각 대략 25%(.15+.10), 45%(.15+.30), 및 30%(.20+.10)의 예상되는 빈도/활용도를 갖는 3개의 컨택트 타입[컨택트 타입들(411, 412, 및 413)]이 존재하는 한, BP 스킬 기반 페이아웃 매트릭스(400A)로 표현된 가상의 컨택트 센터 시스템은 BP 페이아웃 매트릭스(200)(도 2)에 표현된 컨택트 센터 시스템과 유사하다.

그러나, 본 예에서, 각각의 에이전트는 특정한 스킬(또는 다른 예시적인 컨택트 센터 시스템들에서는, 복수의 스킬의 세트들)에 대해 할당되거나, 트레이닝되거나, 다르게 이용가능하게 되어 있다. 스킬들의 예들은 기술 지원, 비용청구 지원, 판매, 유지 등과 같은 광범위한 스킬들; 영어, 스페인어, 프랑스어 등과 같은 언어 스킬들; "레벨 2 고급 기술 지원", Apple iPhone 사용자를 위한 기술 지원, Google Android 사용자를 위한 기술 지원 등과 같은 더 좁은 스킬들; 및 임의의 다양한 다른 스킬들을 포함한다.

에이전트(401)는 적어도 스킬(421)을 요구하는 컨택트들에 이용가능하고, 에이전트(402)는 적어도 스킬(422)을 요구하는 컨택트들에 이용가능하고, 에이전트(403)는 적어도 스킬(423)을 요구하는 컨택트들에 이용가능하다.

또한, 본 예에서, 각각의 타입의 컨택트들은 스킬들(421 내지 423) 중 하나 이상을 요구하면서 도착할 수 있다. 예를 들어, 콜센터에의 발신자는 특정 발신자/컨택트가 다가오는 상호작용에 대해 어느 스킬들을 요구하는지를 결정하기 위해, IVR(Interactive Voice Response) 시스템, 터치 톤 메뉴, 또는 라이브 운영자와 상호작용할 수 있다. 컨택트 타입의 "스킬"을 고려하는 또 다른 방식은 판매 스킬을 갖는 에이전트로부터 물건을 구입하는 것, 또는 기술 지원 스킬을 갖는 에이전트와 함께 기술적 문제를 해결하는 것과 같이, 컨택트가 갖는 구체적인 필요이다.

본 예에서, 컨택트들의 .15 또는 15%는 컨택트 타입(411)이고 스킬(421) 또는 스킬(422)을 요구하는 것으로 예상되고; 컨택트들의 .15 또는 15%는 컨택트 타입(412)이고 스킬(421) 또는 스킬(422)을 요구하는 것으로 예상되고; 컨택트들의 .20 또는 20%는 컨택트 타입(413)이고 스킬(421) 또는 스킬(422)을 요구하는 것으로 예상되고; 컨택트들의 .10 또는 10%는 컨택트 타입(411)이고 스킬(422) 또는 스킬(423)을 요구하는 것으로 예상되고; 컨택트들의 .30 또는 30%는 컨택트 타입(412)이고 스킬(422) 또는 스킬(423)을 요구하는 것으로 예상되고; 컨택트들의 .10 또는 10%는 컨택트 타입(413)이고 스킬(422) 또는 스킬(423)을 요구하는 것으로 예상된다.

일부 실시예들에서, 에이전트들은 특정 컨택트에 의해 요구되는 것으로 결정된 모든 스킬들의 합집합(예를 들어, 스페인어 스킬 및 iPhone 기술 지원 스킬)을 가질 것이 요구될 수 있다. 일부 실시예들에서, 일부 스킬들은 선호될 수 있지만 필수적이지는 않을 수도 있다(즉, iPhone 기술 지원을 위한 스킬을 가진 에이전트들이 즉시 또는 임계 시간량 내에 이용가능하지 않은 경우, 컨택트는 이용가능한 Android 기술 지원 에이전트와 대신 페어링될 수 있다).

매트릭스의 각각의 셀은 특정 스킬 또는 스킬 세트를 갖는 특정 에이전트와 특정 타입 및 필요(스킬) 또는 필요들의 세트(스킬 세트)를 갖는 컨택트 사이의 컨택트-에이전트 상호작용의 페이아웃을 나타낸다. 본 예에서, 스킬(421)을 갖는 에이전트(401)는 임의의 컨택트 타입(411, 412 또는 413)의 컨택트들이 (각각 페이아웃 .30, .28, 및 .15와 함께) 적어도 스킬(421)을 요구할 때, 그러한 컨택트들과 페어링될 수 있다. 스킬(422)을 갖는 에이전트(402)는 임의의 컨택트 타입(411, 412 또는 413)의 컨택트들이 (각각 페이아웃 .30, .24, .10, .30, .24, 및 .10과 함께) 적어도 스킬(422)을 요구할 때, 그러한 컨택트들과 페어링될 수 있다. 스킬(423)을 갖는 에이전트(403)는 임의의 컨택트 타입(411, 412 또는 413)의 컨택트들이 (각각 페이아웃 .25, .20, 및 .09와 함께) 적어도 스킬(423)을 요구할 때, 그러한 컨택트들과 페어링될 수 있다.

비어있는 셀들은 이러한 BP 페어링 전략 하에서 페어링되지 않을 컨택트들과 에이전트들의 조합들을 표현한다. 예를 들어, 스킬(421)을 갖는 에이전트(401)는 적어도 스킬(421)을 요구하지 않는 컨택트들과 페어링되지 않을 것이다. 본 예에서, 18셀 페이아웃 매트릭스는 6개의 비어있는 셀을 포함하고, 12개의 비어있지 않은 셀은 12개의 가능한 페어링을 표현한다.

도 4b는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(400B)의 예를 보여준다. BP 네트워크 흐름(400B)은 네트워크(또는 그래프)의 좌측에 "소스들"로서의 에이전트들(401-403)을 보여주고, 네트워크의 우측에 "싱크들"로서 설정된 각각의 스킬에 대한 컨택트 타입들(411-413)을 보여준다. BP 네트워크 흐름(400B) 내의 각각의 에지는 특정 타입 및 필요들(스킬들)의 세트를 갖는 에이전트와 컨택트 사이의 가능한 페어링을 표현한다. 예를 들어, 에지(401A)는 에이전트(401)와 스킬(421) 또는 스킬(422)을 요구하는 컨택트 타입(411)의 컨택트들 사이의 컨택트-에이전트 상호작용을 표현한다. 에지들(401B, 401C, 402A-F, 및 403A-C)은 보여진 바와 같이, 그들 각자의 에이전트들과 컨택트 타입들/스킬들에 대한 다른 가능한 컨택트-에이전트 페어링들을 표현한다.

도 4c는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(400C)의 예를 보여준다. BP 네트워크 흐름(400C)은 BP 페이아웃 매트릭스(400A)(도 4a)의 네트워크/그래프 표현이다. BP 네트워크 흐름(400C)은, 명료함을 위해 각각의 에지에 대한 식별자들이 보여지지 않고, 대신에 각각의 에지에 대한 페이아웃, 예를 들어 에이전트(401)에 대한 에지(401A) 상의 .30, 에지(401B) 상의 .28, 및 에지(401C) 상의 .15, 및 에이전트들(402 및 403)에 대한 각각의 에지에 대한 대응하는 페이아웃들을 보여준다는 점을 제외하고는, BP 네트워크 흐름(400B)(도 4b)과 동일하다.

도 4d는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(400D)의 예를 보여준다. BP 네트워크 흐름(400D)은 명료함을 위해, 각각의 에이전트(401 내지 403)에 대한 스킬이 보여지지 않고, 대신에 각각의 에이전트에 의해 제공되는 상대적 "공급들(supplies)" 및 각각의 컨택트 타입/스킬 조합에 의해 요구되는 "수요들(demands)"을 보여준다는 것을 제외하고는 BP 네트워크 흐름(400C)(도 4c)과 동일하다. 각각의 에이전트는 각각의 에이전트의 예상되는 이용가능성 또는 목표 활용도에 등가인 "공급"을 제공한다(1 또는 100%의 총 공급에 대해, 각각 1/3). 각각의 컨택트 타입/스킬은 각각의 컨택트 타입/스킬의 예상되는 빈도 또는 목표 활용도에 등가인 에이전트 공급량을 필요로 한다(1 또는 100%의 총 수요에 대해 각각 .15, .15, .20, .10, .30, .10). 이러한 예에서, 총 공급 및 수요는 정규화되거나 다르게는 서로 동일하게 구성되며, 각각의 에지를 따르는 용량 또는 대역폭은 무한대로, 또는 다르게 무제한인 것으로 고려된다(즉, 에지는 "얼마나 많이" 또는 "얼마나 여러 번"이 아니라, "누가 누구와 페어링될 수 있는지를 설명할 수 있음). 다른 실시예들에서, 공급/수요 불균형이 존재할 수 있거나, 일부 또는 모든 에지들에 대해 설정된 할당량들(quotas) 또는 다르게 제한된 용량들이 있을 수 있다.

도 4e는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(400E)의 예를 보여준다. BP 네트워크 흐름(400E)은 표현의 용이함을 위해 공급들 및 수요들이 3000배로 스케일링된 것을 제외하고는 BP 네트워크 흐름(400D)(도 4d)과 동일하다. 그와 같이 하는 데에 있어서, 각각의 에이전트에 대한 공급은 1/3을 대신하여 1000으로 보여져 있고, 총 공급은 3000으로 보여져 있다. 마찬가지로, 각각의 컨택트 타입/스킬 세트에 대한 상대적 수요들도 스케일링되어, 역시 총 3000으로 된다. 일부 실시예들에서, 스케일링은 발생하지 않는다. 다른 실시예들에서, 스케일링의 양은 달라질 수 있고, 3000보다 크거나 작을 수 있다.

도 4f는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(400F)의 예를 보여준다. BP 네트워크 흐름(400F)은, 명료함을 위해 각각의 에지를 따른 페이아웃들이 보여지지 않고, 대신에 BP 네트워크 흐름(400F)에 대한 하나의 솔루션을 보여준다는 점을 제외하고는 BP 네트워크 흐름(400E)(도 4e)과 동일하다. 일부 실시예들에서, 수요들(싱크들)을 만족시키도록 공급들(소스들)의 "흐름" 또는 "할당"을 최적화하기 위한 하나 이상의 솔루션을 결정하기 위해 "최대의 흐름(maximum flow)" 또는 "최대 흐름(max flow)" 알고리즘, 또는 다른 선형 프로그래밍 알고리즘이 BP 네트워크 흐름(400F)에 적용될 수 있고, 이는 에이전트들 및 컨택트들의 활용도의 균형을 맞출 수 있다.

일부 실시예들에서, 목표는 또한 최적화될 메트릭 또는 메트릭들에 대한 전체적인 예상 값을 최대화하는 것일 수 있다. 예를 들어, 판매 큐에서, 최적화할 메트릭은 전환율일 수 있고, 최대 흐름 목표는 전체적인 예상 전환율을 최대화하는 것이다. 복수의 최대 흐름 솔루션이 이용가능한 환경들에서, 솔루션을 선택하기 위한 하나의 기술은 "최대의 비용(maximum cost)" 또는 "최대 비용(max cost)" 솔루션, 즉 최대 흐름 하에서 가장 높은 전체 지불을 초래하는 솔루션을 선택하는 것일 수 있다.

이러한 예에서, 에이전트들(401-403)은 소스들을 표현하고, 다양한 스킬 세트 조합들을 갖는 컨택트 타입들(411-413)은 싱크들을 표현한다. L2(컨택트 과잉) 환경과 같은 일부 컨택트 센터 환경들에서, 큐 내에서 대기 중인 컨택트들이 공급들을 제공하는 소스들이고, 이용가능하게 될 수 있는 가능한 에이전트들이 수요들을 제공하는 싱크들이도록, 네트워크 흐름이 역전될 수 있다.

BP 네트워크 흐름(400F)은 BP 모듈 또는 유사한 컴포넌트에 의해 결정되는 최적 흐름 솔루션을 보여준다. 선정(choose)하거나 무작위로 선택될 것이 몇 개 있을 수 있는 이러한 솔루션에 따르면, 에지(401A)[에이전트(401)로부터 스킬들(421 및 422)을 갖는 컨택트 타입(411)까지]는 0의 최적 흐름을 갖고; 에지(401B)[에이전트(401)로부터 스킬들(421 및 422)을 갖는 컨택트 타입(412)까지]는 400의 최적 흐름을 갖고; 에지(401C)[에이전트(401)로부터 스킬들(421 및 422)을 갖는 컨택트 타입(413)까지]는 600의 최적 흐름을 갖는다. 마찬가지로, 에이전트(402)를 위한 에지들(402A-F)에 대한 최적 흐름들은 각각 450, 50, 0, 300, 200, 및 0이고; 에이전트(403)를 위한 에지들(403A-C)에 대한 최적 흐름들은 각각 0, 700, 및 300이다. 아래에서 상세히 설명되는 바와 같이, 이러한 최적 흐름 솔루션은 에이전트 및 컨택트 타입/스킬 세트의 각각의 쌍에 대한 페이아웃들에 따라 컨택트 센터 시스템의 예상되는 전체적인 성능을 최대화하면서도, 에이전트들 및 컨택트들의 목표 활용도를 달성할 컨택트-에이전트 상호작용들의 상대적 비율(또는 특정한 컨택트-에이전트 상호작용들을 선택할 상대적 우도들)을 설명한다.

도 4g는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(400G)의 예를 보여준다. BP 네트워크 흐름(400G)은, 명료함을 위해 최적 흐름 솔루션이 0으로 결정된 에지들이 제거된 것을 제외하면 BP 네트워크 흐름(400F)(도 4f)과 동일하다. BP 전략 하에서, 에이전트는 바람직하게는 상보적 스킬들 및 제로가 아닌 페이아웃을 가짐에도 불구하고 최적 흐름 솔루션이 0으로 결정된 컨택트 타입과는 페어링되지 않을 것이다.

이러한 예에서, 에지들(401A, 402C, 402F, 및 403A)은 제거되었다. 나머지 에지들은 선호되는 페어링들을 표현한다. 따라서, L1(에이전트 과잉) 환경에서, 컨택트가 도착하면, 그 컨택트는 바람직하게는 이용가능한 선호되는 페어링이 존재하는 에이전트들 중 하나와 페어링될 수 있다. 예를 들어, 스킬들(421 및 422)을 갖는 컨택트 타입(411)의 컨택트는 항상 바람직하게 에이전트(402)와 페어링될 수 있고, 그에 의해 에이전트(402)의 총 공급(이용가능성)의 450 유닛을 필요로 한다. 다른 예에 대하여, 바람직하게는, 스킬들(421 및 422)을 갖는 컨택트 타입(412)의 컨택트는 일부 시간에서는 에이전트(401)와 페어링될 수 있고, 일부 시간에서는 에이전트(402)와 페어링될 수 있다. 이러한 컨택트는 (이러한 타입의 컨택트/스킬이 도착할 예상 빈도에 기초하여) 450의 총 수요를 갖고, 그것은 에이전트(401)로부터의 공급의 400 유닛, 및 에이전트(402)로부터의 공급의 나머지 50 유닛을 필요로 한다.

일부 실시예들에서, 이러한 타입/스킬의 컨택트가 도착할 때, BP 모듈 또는 유사한 컴포넌트는 각각의 에이전트로 이루어진 상대적 수요들(400 및 50)에 따라 에이전트(401 또는 402)를 선택할 수 있다. 예를 들어, 에이전트(401 또는 402)를 무작위로 선택하기 위해 의사 난수 발생기가 사용될 수 있고, 여기서 무작위 선택은 상대적 수요들에 따라 가중된다. 따라서, 이러한 타입/스킬의 각각의 컨택트에 대해, 에이전트(401)를 선호되는 페어링으로서 선택할 400/450(~ 89%)의 가능성이 존재하고, 에이전트(402)를 선호되는 페어링으로서 선택할 50/450(

11%)의 가능성이 존재한다. 시간의 경과에 걸쳐, 이러한 타입/스킬의 많은 컨택트들이 BP 전략을 사용하여 페어링됨에 따라, 그들 중 대략 89%는 바람직하게 에이전트(401)와 페어링되었을 수 있으며, 그들 중 나머지 11%는 바람직하게 에이전트(402)와 페어링되었을 수 있다. 일부 실시예들에서, 에이전트의 전체적인 타겟 활용도, 또는 컨택트 타입/스킬 당 타겟 활용도는 비례하는 비율의 컨택트들을 수용하기 위한 에이전트의 "대역폭"일 수 있다.

이러한 솔루션을 갖는 이러한 BP 네트워크 흐름(400G)에 대해, 에이전트들 전부로부터의 총 공급은 컨택트들 전부로부터의 총 수요를 충족시킬 것으로 예상된다. 따라서, 페이아웃들, 및 그러한 페이아웃들을 갖는 에지들을 따르는 컨택트들에 대한 에이전트들의 상대적 할당들에 따라, 컨택트 센터 시스템 내에서 더 높은 예상되는 전체적인 성능을 달성하면서도, 모든 에이전트들의 목표 활용도(여기서는 균형잡힌 활용도)가 달성될 수 있다.

도 5a 내지 도 5i는 다른 BP 페이아웃 매트릭스와 네트워크 흐름의 예를 보여준다. 스킬들의 다양한 조합들을 갖는 에이전트들 및 컨택트 타입들의 일부 구성들에 대해, 주어진 BP 네트워크 흐름에 대한 최적 또는 최대 흐름이 공급과 수요의 균형을 완전히 맞추지 못하는 것이 가능하다. 본 예는 에이전트들 및 컨택트 타입들의 이러한 구성이 초기에는 불균형한 공급 및 수요로 이어진다는 점을 제외하고는 도 4a 내지 도 4g의 예와 유사하다. 이러한 단순화된 가상의 컨택트 센터에서, 목표 활용도를 조절하기 위한 2차 프로그래밍 기반 기술들은 에이전트들 및 컨택트 타입들의 불균형한 구성을 수용하기 위해 에이전트들 및 컨택트들에 걸쳐 최적으로 스큐잉된 활용도를 유지하면서 전체적인 컨택트 센터 성능을 증가시키기 위해, 선형 프로그래밍 기반 네트워크 흐름 최적화 기술들과 함께 적용될 수 있다.

도 5a는 본 개시내용의 실시예들에 따른 BP 스킬 기반 페이아웃 매트릭스(500A)의 예를 도시한다. BP 스킬 기반 페이아웃 매트릭스(500A) 내에 표현된 가상의 컨택트 센터 시스템은, 각각 대략 1/3 또는 .33의 초기 예상 이용가능성/활용도를 갖는 3개의 에이전트[에이전트들(501, 502, 및 503)]가 존재하는 한, BP 스킬 기반 페이아웃 매트릭스(400A)(도 4)에 표현된 컨택트 센터 시스템과 유사하다. 각각 대략 40%(.30+.10) 및 60%(.30+.30)의 예상 빈도/활용도를 갖는 2개의 컨택트 타입[컨택트 타입들(511 및 512)]이 존재한다.

본 예에서, 에이전트(501)는 스킬들(521 및 522)에 대해 할당되거나 트레이닝되거나 다르게 이용가능하게 되고, 에이전트들(502 및 503)은 스킬(522)에만 할당되거나 트레이닝되거나 다르게 이용가능하게 된다. 예를 들어, 스킬(521)이 프랑스어 스킬을 표현하고, 스킬(522)이 독일어 스킬을 표현하는 경우, 에이전트(501)는 프랑스어 또는 독일어 중 어느 하나를 요구하는 컨택트들에 할당될 수 있는 반면, 에이전트들(502 및 503)은 독일어를 요구하는 컨택트들에만 할당될 수 있고 프랑스어를 요구하는 컨택트들에는 할당되지 않는다.

본 예에서, 컨택트들의 .30 또는 30%는 컨택트 타입(511)이고 스킬(521)을 요구하는 것으로 예상되고; 컨택트들의 .30 또는 30%는 컨택트 타입(512)이고 스킬(521)을 요구하는 것으로 예상되며; 컨택트들의 .10 또는 10%는 컨택트 타입(511)이고 스킬(522)을 요구하는 것으로 예상되며; 컨택트들의 .30 또는 30%는 컨택트 타입(512)이고 스킬(522)을 요구하는 것으로 예상된다.

본 예에서, 에이전트(501)는 임의의 컨택트와 페어링될 수 있다[BP 스킬 기반 페이아웃 매트릭스(500A)에 도시된 바와 같이 페이아웃들 .30, .28, .30 및 .28을 가짐]. 스킬(522)만을 갖는 에이전트들(502 및 503)은 컨택트 타입(511 및 512) 중 어느 하나의 컨택트들이 적어도 스킬(522)을 요구할 때 그러한 컨택트들과 페어링될 수 있다[BP 스킬 기반 페이아웃 매트릭스(500A)에 보여진 바와 같이, 페이아웃들 .30, .24, .25 및 .20을 가짐]. BP 스킬 기반 페이아웃 매트릭스(500A) 내의 비어있는 셀들에 의해 나타난 바와 같이, 에이전트들(502 및 503)은 스킬(521)만을 요구하는 컨택트들과는 페어링되지 않을 것이다. 12셀 페이아웃 매트릭스는 4개의 비어있는 셀을 포함하고, 8개의 비어 있지 않은 셀은 8개의 가능한 페어링들을 표현한다.

도 5b는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(500B)의 예를 보여준다. BP 네트워크 흐름(400B)(도 4b)과 마찬가지로, BP 네트워크 흐름(500B)은 네트워크의 좌측에 소스들로서의 에이전트들(501-503)을 보여주고, 네트워크의 우측에 싱크들로서 설정된 각각의 스킬에 대한 컨택트 타입들(512 및 5123)을 보여준다. BP 네트워크 흐름(500B) 내의 각각의 에지는 특정한 타입 및 필요들(스킬들)의 세트를 갖는 컨택트와 에이전트 사이의 가능한 페어링을 표현한다. 에지들(501A-D, 502A-B, 및 503A-B)은 보여진 바와 같이 그들 각자의 에이전트들 및 컨택트 타입들/스킬들에 대한 가능한 컨택트-에이전트 페어링들을 표현한다.

도 5c는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(500C)의 예를 보여준다. BP 네트워크 흐름(500C)은 BP 페이아웃 매트릭스(500A)(도 5a)의 네트워크 표현이다. 명료함을 위해, 각각의 에지에 대한 식별자들은 보여지지 않고, 대신에 각각의 에지에 대한 페이아웃, 예를 들어 에지들(501A 및 501D) 상의 .30 및 에지들(501B 및 501C) 상의 .28, 및 에이전트들(502 및 503)을 위한 각각의 에지에 대한 대응하는 페이아웃들을 보여준다.

도 5d는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(500D)의 예를 보여준다. BP 네트워크 흐름(500D)은 각각의 에이전트에 의해 제공되는 상대적 초기 공급들, 및 각각의 컨택트 타입/스킬 조합에 의해 요구되는 수요들을 보여준다. 총 공급 1은 총 수요 1과 동일하다.

도 5e는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(500E)의 예를 보여준다. 표현의 용이함을 위해, 공급들 및 수요들은 3000배로 스케일링되었으며, 각각의 에지에 대해, 초기 공급들에 대한 최대 흐름 솔루션이 보여진다. 이 솔루션에 따르면, 에지(501A)[에이전트(501)로부터 스킬(521)을 갖는 컨택트 타입(511)까지]는 900의 최적 흐름을 갖고; 에지(501B)[에이전트(501)로부터 스킬(521)을 갖는 컨택트 타입(512)까지]는 100의 최적 흐름을 갖고; 에지들(501C 및 501D)은 0의 최적 흐름을 갖는다. 마찬가지로, 에이전트(502)를 위한 최적 흐름들은 각각 300 및 700이고; 에이전트(503)를 위한 최적 흐름들은 각각 0 및 200이다.

이러한 솔루션에 따르면, 에이전트(503)는 에이전트들(501 및 502)에 비해 실질적으로 과소 활용될 수 있다. 에이전트들(501 및 502)은 각각 1000 유닛의 그들의 전체 공급에 대해 최적화되는 반면에, 에이전트(503)는 단지 200 유닛, 또는 에이전트(503)의 공급의 1/5을 사용할 것으로 예상된다. 컨택트 센터 환경에서, 에이전트(503)는 에이전트들(501 및 502)에 비하여 더 적은 컨택트들에 할당되고 더 많은 시간을 유휴 상태로 소비할 수 있고, 또는 에이전트들은 선호되지 않은 컨택트들을 할당받을 수 있으며, 이는 최대 흐름 솔루션에 의해 예측되는 성능보다 낮은 컨택트 센터 성능을 야기할 수 있다.

마찬가지로, 이러한 솔루션에 따르면, 스킬(521)을 요구하는 컨택트 타입들(512)의 컨택트들은 다른 컨택트 타입/스킬 조합들에 비해 실질적으로 과소 활용될 수 있다[또는 "충분한 서비스를 받지 못한다(underserved)"]. 다른 컨택트 타입/스킬 조합들이 900, 300 및 900 유닛의 그들의 완전한 수요들에 대해 최적화되는 반면에, 스킬(521)을 요구하는 컨택트 타입(512)은 100 유닛, 또는 이러한 컨택트 타입/스킬의 수요의 1/9를 수용할 것으로만 예상된다. 컨택트 센터 환경에서, 이러한 과소 활용되는 컨택트 타입/스킬 조합은 다른 컨택트 타입/스킬 조합들에 비해 더 긴 대기 시간들을 경험할 수 있고, 또는 컨택트들은 선호되지 않는 에이전트들에 할당될 수 있으며, 이는 최대 흐름 솔루션에 의해 예측되는 성능보다 낮은 컨택트 센터 성능을 야기한다.

BP 네트워크 흐름(500E)에 보여진 솔루션은 여전히 총 공급 및 수요의 균형을 맞추지만, 에이전트(503)는 그것의 피어들보다 훨씬 덜 자주 선택될 수 있고, 및/또는 일부 컨택트들은 선호되는 에이전트를 훨씬 더 오래 기다려야 할 수 있고, 및/또는 전체적인 컨택트 센터 성능은 최대 흐름 솔루션에 의해 예상되는 전체 페이아웃을 달성하지 못할 수 있다.

도 5f 및 도 5g는 BP 네트워크 흐름(500E)(도 5e)에서와 같이, 최대 흐름 솔루션의 균형이 맞지 않는 컨택트 센터 시스템에서 에이전트 및 컨택트 활용도의 균형을 개선하기 위해 상대적인 에이전트 공급들을 조절하기 위한 일부 실시예들의 기술을 보여준다.

도 5f는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(500F)의 예를 보여준다. BP 네트워크 흐름(500F)에서, 동일한 스킬 세트들을 공유하는 에이전트들은 단일 네트워크 노드로 "축소"된다(collapsed). 이러한 예에서, 에이전트(502) 및 에이전트(503)는 2000의 결합된 총 공급을 갖는 스킬(522)에 대한 단일 노드로 결합된다.

마찬가지로, 동일한 스킬 세트들을 공유하는 컨택트 타입들은 단일 네트워크 노드들로 축소된다. 이러한 예에서, 스킬(521)을 요구하는 컨택트 타입들(511 및 512)은 1800의 결합된 총 수요를 갖는 스킬(521)에 대한 단일 노드로 결합되고, 스킬(522)을 요구하는 컨택트 타입들(511 및 512)은 1200의 결합된 총 수요를 갖는 스킬(522)에 대한 단일 노드로 결합된다.

또한, 에지들이 축소된다. 예를 들어, 에이전트들(502 및 503)로부터 나오는 4개의 에지[도 5b에 라벨링된 바와 같은 에지들(502A, 502B, 503A 및 503B)]는 스킬(522)을 갖는 에이전트들에 대한 "수퍼 노드"로부터 나와서 스킬(522)을 요구하는 컨택트 타입들에 대한 슈퍼 노드로 가는 단일 에지로 축소된다.

이 시점에서, 일부 실시예들에서, 에이전트들의 상대적 공급들을 조절하기 위해, 2차 프로그래밍 알고리즘 또는 유사한 기술들이 축소된 네트워크에 적용될 수 있다.

도 5g는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(500G)의 예를 보여준다. BP 네트워크 흐름(500G)은 2차 프로그래밍 알고리즘 또는 유사한 기술에 대한 솔루션에 따라 조절된 에이전트 공급들을 보여준다. 이러한 예에서, 스킬들(521 및 522)에 대한 에이전트 수퍼 노드에 대한 공급은 BP 네트워크 흐름(500F)(도 5f)에서의 1000으로부터 1800으로 조절되어 있고, 스킬(522)에 대한 에이전트 수퍼 노드에 대한 공급은 BP 네트워크 흐름(500F)에서의 2000으로부터 1200으로 조절되어 있다.

총 공급은 동일하게 유지될 수 있지만(예를 들어, 이 예에서는 3000), 다양한 스킬 세트들의 에이전트들에 대한 상대적 공급들은 조절되어 있다. 일부 실시예들에서, 단일 수퍼 노드에 대한 총 공급은 수퍼 노드 내의 에이전트들 사이에 균일하게 분산될 수 있다. 이러한 예에서, 스킬(522)에 대한 에이전트 수퍼 노드에 대한 공급의 1200 유닛은 에이전트들 사이에 균일하게 분산되어, 에이전트들(502 및 503) 각각에 대해 600 유닛을 할당한다.

도 5h는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(500H)의 예를 보여준다. BP 네트워크 흐름(500H)은 BP 네트워크 흐름(500G)(도 5g) 내에 보여진 조절된 공급들을 사용하여 계산된 최대 흐름 솔루션을 보여준다. 에이전트(501)는 1800의 조절된 공급을 갖고, 에이전트(502)는 600의 조절된 공급을 갖고, 에이전트(503)는 600의 조절된 공급을 갖는다. 이러한 솔루션에 따르면, 에지(501A)[에이전트(501)로부터 스킬(521)을 갖는 컨택트 타입(511)까지]는 여전히 900의 최적 흐름을 갖고; 에지(501B)[에이전트(501)로부터 스킬(521)을 갖는 컨택트 타입(512)까지]는 이제 900의 최적 흐름을 가지며; 에지들(501C 및 501D)은 여전히 0의 최적 흐름을 갖는다. 마찬가지로, 에이전트(502)에 대한 최적 흐름들은 이제 각각 300 및 300이고; 에이전트(503)에 대한 최적 흐름들은 이제 각각 0 및 600이다.

도 5i는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름(500I)의 예를 보여준다. BP 네트워크 흐름(500I)은, 명료함을 위해 최적 흐름 솔루션이 0인 것으로 결정된 에지들이 제거된 것을 제외하고는 BP 네트워크 흐름(500H)과 동일하다. 이 예에서, 에지들(501C, 501D, 503A)은 제거되어 있다.

BP 네트워크 흐름들(500H 및 500I)에 보여져 있는 솔루션을 사용하면, 이제 모든 컨택트 타입/스킬 조합들이 완전히 활용될 수 있다(완전히 서비스됨).

추가로, 전체적인 에이전트 활용도는 더 균형을 이루게 될 수 있다. BP 네트워크 흐름(500E)(도 5e) 하에서, 에이전트(503)는 에이전트들(501 및 502)의 1/5만큼만 활용되었을 수 있다. 따라서, 에이전트들(501 및 502)은 각각 컨택트들의 대략 45%를 할당받았을 것인 한편, 에이전트(503)는 컨택트들의 나머지 대략 10%만을 할당받았을 것이다. BP 네트워크 흐름(500H) 하에서, 에이전트(501)는 컨택트들의 대략 60%를 할당받을 수 있고, 에이전트들(502 및 503)은 나머지 컨택트들의 대략 20%를 각각 할당받을 수 있다. 이러한 예에서, 가장 분주한 에이전트[에이전트(501)]는 5배 많은 컨택트를 수용하는 대신에, 가장 적게 분주한 에이전트들[에이전트들(502 및 503)]보다 3배 많은 컨택트를 수용한다.

도 6은 본 개시내용의 실시예들에 따른 BP 스킬 기반 페이아웃 매트릭스 방법(600)의 흐름도를 도시한다. BP 스킬 기반 페이아웃 매트릭스 방법(600)은 블록(610)에서 시작할 수 있다.

블록(610)에서, 이력 컨택트-에이전트 결과 데이터가 분석될 수 있다. 일부 실시예들에서, 1주일, 1개월, 90일, 또는 1년 윈도우와 같은 이력 컨택트-에이전트 결과 데이터의 롤링 윈도우(rolling window)가 분석될 수 있다. 이력 컨택트-에이전트 결과 데이터는 어느 에이전트가 어느 컨택트와 통신했는지의 식별자들, 통신이 발생한 때, 통신의 지속시간, 및 통신의 결과를 포함하여, 컨택트와 에이전트 사이의 개별 상호작용들에 관한 정보를 포함할 수 있다. 예를 들어, 통신 판매 콜센터에서, 결과는 판매가 발생했는지의 여부, 또는 판매 금액이 있다면 그러한 판매 금액을 나타낼 수 있다. 고객 유지 큐에서, 결과는 고객이 유지되었는지(또는 "저장"되었는지) 여부, 또는 고객을 유지하기 위해 제공되는 임의의 인센티브의 금액 가치를 나타낼 수 있다. 고객 서비스 큐에서, 결과는 고객의 필요가 충족되었는지 또는 문제들이 해결되었는지 여부, 또는 컨택트-에이전트 상호작용에 대한 고객의 만족도를 표현하는 점수[예를 들어, 순수 고객 추천 지수(Net Promoter Score) 또는 NPS] 또는 다른 레이팅을 나타낼 수 있다. 이력 컨택트-에이전트 결과 데이터를 분석한 후에, 또는 그와 병행하여, BP 스킬 기반 페이아웃 매트릭스 방법(600)은 블록(620)으로 진행할 수 있다.

블록(620)에서, 컨택트 속성 데이터가 분석될 수 있다. 컨택트 속성 데이터는 하나 이상의 고객 관계 관리(CRM: customer relationship management) 데이터베이스에 저장된 데이터를 포함할 수 있다. 예를 들어, 무선 통신 공급자의 CRM 데이터베이스는 고객이 사용하는 셀폰의 타입, 고객이 가입한 계약의 타입, 고객 계약의 기간, 고객의 계약의 월간 가격, 및 고객과 회사의 관계의 유지기간(tenure)에 관한 정보를 포함할 수 있다. 다른 예를 들면, 은행의 CRM 데이터베이스는 고객에 의해 유지되는 계좌들의 타입 및 개수, 고객의 계좌의 평균 월간 잔액, 및 고객과 회사와의 관계의 유지기간에 관한 정보를 포함할 수 있다. 일부 실시예들에서, 컨택트 속성 데이터는 또한 제3자로부터 획득된 하나 이상의 데이터베이스에 저장된 제3자 데이터를 포함할 수 있다. 컨택트 속성 데이터를 분석한 후에, 또는 그와 병행하여, BP 스킬 기반 페이아웃 매트릭스 방법(600)은 블록(630)으로 진행할 수 있다.

블록(630)에서, 각각의 에이전트 및 각각의 컨택트 타입에 대해 스킬 그룹들이 결정될 수 있다. 스킬들의 예들은 기술 지원, 비용청구 지원, 판매, 유지 등과 같은 광범위한 스킬들; 영어, 스페인어, 프랑스어 등과 같은 언어 스킬들; "레벨 2 고급 기술 지원", Apple iPhone 사용자를 위한 기술 지원, Google Android 사용자를 위한 기술 지원 등과 같은 더 좁은 스킬들; 및 임의의 다양한 다른 스킬들을 포함한다. 일부 실시예들에서, 임의의 독특한 스킬들이 존재하지 않을 수 있거나, 에이전트들의 전부 또는 컨택트 타입들의 전부에 걸쳐서 단 하나의 스킬만이 식별될 수 있다. 이러한 실시예들에서, 단일 "스킬 그룹"만이 존재할 수 있다.

일부 실시예들에서, 주어진 컨택트 타입은 상이한 시간들에 상이한 스킬 세트들을 요구할 수 있다. 예를 들어, 콜센터에의 첫 번째 통화 동안, 하나의 타입의 컨택트는 기술적 질문을 갖고 기술 지원 스킬을 갖는 에이전트를 요구할 수 있지만, 두 번째 통화 동안, 동일한 타입의 동일한 컨택트는 비용청구 질문을 갖고 고객 지원 스킬을 갖는 에이전트를 요구할 수 있다. 이러한 실시예들에서, 동일한 컨택트 타입은 각각의 컨택트 타입/스킬 조합에 따라 2회 이상 포함될 수 있다. 스킬 그룹들이 결정된 후에, BP 스킬 기반 페이아웃 매트릭스 방법(600)은 블록(640)으로 진행할 수 있다.

블록(640)에서, 각각의 에이전트에 대해 목표 활용도가 결정될 수 있고, 각각의 컨택트 타입(또는 컨택트 타입/스킬 조합들)에 대해 예상 레이트(expected rate)가 결정될 수 있다. 일부 L1 환경들에서, 각각의 에이전트가 시간 경과에 따라 거의 동일한 수의 컨택트를 할당받을 것으로 예상되도록, 균형잡힌 에이전트 활용도가 목표로 될 수 있다. 예를 들어, 컨택트 센터 환경이 4개의 에이전트를 갖는 경우, 각각의 에이전트는 1/4(또는 25%)의 목표 활용도를 가질 수 있다. 다른 예로서, 컨택트 센터 환경이 n개의 에이전트를 갖는 경우, 각각의 에이전트는 1/n(또는 컨택트들의 등가의 백분율)의 목표 활용도를 가질 수 있다.

마찬가지로, 각각의 컨택트 타입/스킬에 대한 예상 레이트들은 예를 들어 블록(610)에서 분석된 이력 컨택트-에이전트 결과 데이터에서 관찰된 실제 비율들에 기초하여 결정될 수 있다. 목표 활용도 및 예상 레이트들이 결정된 후, BP 스킬 기반 페이아웃 매트릭스 방법(600)은 블록(650)으로 진행할 수 있다.

블록(650)에서, 각각의 실현가능한 컨택트-에이전트 페어링에 대한 예상 페이아웃들을 갖는 페이아웃 매트릭스가 결정될 수 있다. 일부 실시예들에서, 에이전트 및 컨택트 타입이 적어도 하나의 스킬을 공통으로 갖는 경우, 컨택트-에이전트 페어링이 실현가능할 수 있다. 다른 실시예들에서, 에이전트가 컨택트 타입에 의해 요구되는 모든 스킬을 적어도 갖는 경우, 컨택트-에이전트 페어링이 실현가능할 수 있다. 또 다른 실시예들에서, 실현가능성에 대한 다른 휴리스틱스가 사용될 수 있다.

페이아웃 매트릭스의 예는 도 4a를 참조하여 위에서 상세하게 설명된 BP 스킬 기반 페이아웃 매트릭스(400A)이다. BP 스킬 기반 페이아웃 매트릭스(400A)는 연관된 스킬들 및 타겟 활용도들을 갖는 에이전트들의 세트, 이력 컨택트-에이전트 결과 데이터 및/또는 컨택트 속성 데이터에 기초하여 결정되는 예상 빈도들을 갖는 (다양한 스킬 세트들과 결합된) 컨택트 타입들의 세트, 및 각각의 실현가능한 컨택트-에이전트 페어링에 대한 제로가 아닌 예상 페이아웃들의 세트를 포함한다. 페이아웃 매트릭스가 결정된 후, BP 스킬 기반 페이아웃 매트릭스 방법(600)은 블록(660)으로 진행할 수 있다.

블록(660)에서, 페이아웃 매트릭스에 따른 컴퓨터 프로세서 생성 모델이 출력될 수 있다. 예를 들어, 컨택트 센터 시스템, 또는 BP 모듈과 같은 그 내부의 컴포넌트에 내장되거나 통신 연결된 컴퓨터 프로세서는 컴퓨터 프로세서 또는 컨택트 센터 시스템의 다른 컴포넌트에 의해 수신되도록 페이아웃 매트릭스 모델을 출력할 수 있다. 일부 실시예들에서, 페이아웃 매트릭스 모델은 컨택트 센터 시스템의 다른 컴포넌트들 또는 인간 관리자들을 위해 기록되거나, 인쇄되거나, 디스플레이되거나, 전송되거나, 다르게 저장될 수 있다. 페이아웃 매트릭스 모델이 출력된 후에, BP 스킬 기반 페이아웃 매트릭스 방법(600)은 종료될 수 있다.

도 7a는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름 방법(700A)의 흐름도를 보여준다. BP 네트워크 흐름 방법(700A)은 블록(710)에서 시작될 수 있다.

블록(710)에서, BP 페이아웃 매트릭스가 결정될 수 있다. 일부 실시예들에서, BP 페이아웃 매트릭스는 BP 페이아웃 매트릭스 방법(600) 또는 유사한 방법들을 사용하여 결정될 수 있다. 다른 실시예들에서, BP 페이아웃 매트릭스는 다른 컴포넌트 또는 모듈로부터 수용될 수 있다. BP 페이아웃 매트릭스가 결정된 후, BP 네트워크 흐름 방법(700A)은 블록(720)으로 진행할 수 있다.

블록(720)에서, 각각의 에이전트에 대해 타겟 활용도가 결정될 수 있고, 각각의 컨택트 타입에 대해 예상 레이트들이 결정될 수 있다. 다른 실시예들에서, 블록(710)에서 결정된 페이아웃 매트릭스는 BP 페이아웃 매트릭스 방법(600) 또는 BP 스킬 기반 페이아웃 매트릭스(400A)(도 4a)에 의해 출력된 페이아웃 매트릭스와 같은 목표 활용도들 및/또는 예상 레이트들을 통합하거나 다르게 포함할 수 있다. 타겟 활용도들 및 예상 레이트들이 결정된 후, 필요하다면, BP 네트워크 흐름 방법(700A)은 블록(730)으로 진행할 수 있다.

블록(730)에서, 에이전트 공급들 및 컨택트 타입 수요들이 결정될 수 있다. 예를 들어, 도 4d 및 도 4e를 참조하여 위에서 상세하게 설명된 바와 같이, 각각의 에이전트는 각각의 에이전트의 예상 이용가능성 또는 목표 활용도에 등가인 "공급"을 제공할 수 있다(예를 들어, 3개의 에이전트를 갖는 환경에서, 1 또는 100%의 총공급에 대해 각각 1/3). 추가로, 각각의 컨택트 타입/스킬은 1 또는 100%의 총 공급에 대해, 각각의 컨택트 타입/스킬의 예상 빈도 또는 목표 활용도에 등가인 에이전트 공급의 양을 필요로 할 수 있다. 총 공급 및 수요는 정규화되거나 다르게는 서로 동일하게 구성될 수 있고, 각각의 에지를 따르는 용량 또는 대역폭은 무한대로, 또는 다르게 무제한인 것으로 고려된다. 다른 실시예들에서, 공급/수요 불균형이 존재할 수 있거나, 일부 또는 모든 에지들에 대해 설정된 할당량들 또는 다르게 제한된 용량들이 있을 수 있다.

일부 실시예들에서, 공급들 및 수요들은 어떤 인자, 예를 들어 1000, 3000 등으로 스케일링될 수 있다. 그렇게 하는 데에 있어서, 3개의 에이전트 각각에 대한 공급이 1/3 대신에 1000으로 보여질 수 있고, 총 공급은 3000으로 보여질 수 있다. 마찬가지로, 각각의 컨택트 타입/스킬 세트에 대한 상대적 수요들은 스케일링될 수 있다. 일부 실시예들에서, 스케일링은 발생하지 않는다. 에이전트 공급들 및 컨택트 타입 수요들이 결정된 후, BP 네트워크 흐름 방법(700A)은 블록(740)으로 진행할 수 있다.

블록(740)에서, 바람직한 컨택트-에이전트 페어링들이 결정될 수 있다. 예를 들어, 도 4f 및 도 4g를 참조하여 위에서 상세하게 설명된 바와 같이, BP 네트워크 흐름에 대한 하나 이상의 솔루션이 결정될 수 있다. 일부 실시예들에서, 수요들(싱크들)을 만족시키도록 공급들(소스들)의 "흐름" 또는 "할당"을 최적화하기 위한 하나 이상의 솔루션을 결정하기 위해, "최대의 흐름" 또는 "최대 흐름" 알고리즘, 또는 다른 선형 프로그래밍 알고리즘이 BP 네트워크 흐름에 적용될 수 있다. 일부 실시예들에서, 최적의 최대 흐름 솔루션을 선택하기 위해, "최대 비용" 알고리즘이 적용될 수 있다.

L2(컨택트 과잉) 환경과 같은 일부 컨택트 센터 환경들에서, 큐 내에서 대기 중인 컨택트들이 공급들을 제공하는 소스들이고, 이용가능하게 될 수 있는 가능한 에이전트들이 수요들을 제공하는 싱크들이도록, 네트워크 흐름이 역전될 수 있다.

BP 네트워크 흐름은 BP 모듈 또는 유사한 컴포넌트에 의해 결정되는 최적 흐름 솔루션을 포함할 수 있다. 선정하거나 무작위로 선택될 것이 몇 개 있는 이러한 솔루션에 따르면, 일부 (실현가능한) 에지들은 0의 최적 흐름을 가질 수 있고, 이는 그러한 실현가능한 페어링이 선호되는 페어링이 아님을 나타낸다. 일부 실시예들에서, BP 네트워크 흐름은 페어링이 선호되는 페어링이 아닌 것으로 결정되는 경우에 그러한 실현가능한 페어링들을 표현하는 에지들을 제거할 수 있다.

다른 에지들은 제로가 아닌 최적 흐름을 가질 수 있으며, 이는 그러한 실현가능한 페어링이 적어도 일부 시간에서 선호됨을 나타낸다. 위에서 상세히 설명된 바와 같이, 이러한 최적 흐름 솔루션은 에이전트 및 컨택트 타입/스킬 세트의 각각의 쌍에 대한 페이아웃들에 따라 컨택트 센터 시스템의 예상되는 전체적인 성능을 최대화하면서도, 에이전트들 및 컨택트들의 목표 활용도를 달성할 컨택트-에이전트 상호작용들의 상대적 비율(또는 특정한 컨택트-에이전트 상호작용들을 선택할 상대적 우도들)을 설명한다.

일부 BP 네트워크 흐름들의 일부 솔루션들에 대해, 단일 컨택트 타입/스킬은 복수의 에이전트로부터 그것으로 유입되는 복수의 에지를 가질 수 있다. 이러한 환경들에서, 컨택트 타입/스킬은 복수의 선호되는 페어링을 가질 수 있다. 복수의 에이전트 중에서 선택안이 주어지면, BP 네트워크 흐름은 해당 컨택트 타입/스킬의 컨택트가 컨택트 센터에 도착할 때마다 수 개의 에이전트 중 하나가 선택될 수 있는 상대적 비율 또는 가중치를 나타낸다. 바람직한 컨택트-에이전트 페어링들을 결정한 후, BP 네트워크 흐름 방법(700A)은 블록(750)으로 진행할 수 있다.

블록(750)에서, 선호되는 컨택트-에이전트 페어링들에 따른 컴퓨터 프로세서 생성 모델이 출력될 수 있다. 예를 들어, 컨택트 센터 시스템, 또는 BP 모듈과 같은 그 내부의 컴포넌트에 내장되거나 통신 연결된 컴퓨터 프로세서는 컴퓨터 프로세서 또는 컨택트 센터 시스템의 다른 컴포넌트에 의해 수신되도록 선호되는 페어링 모델을 출력할 수 있다. 일부 실시예들에서, 선호되는 페어링 모델은 컨택트 센터 시스템의 다른 컴포넌트들 또는 인간 관리자들을 위해 기록되거나, 인쇄되거나, 디스플레이되거나, 전송되거나, 다르게 저장될 수 있다. 선호되는 페어링 모델이 출력된 후에, BP 네트워크 흐름 방법(700A)은 종료될 수 있다.

도 7b는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름 방법(700B)의 흐름도를 보여준다. BP 네트워크 흐름(700B)은 도 7a를 참조하여 위에서 설명된 BP네트워크 흐름(700A)과 유사하다. BP 네트워크 흐름 방법(700B)은 블록(710)에서 시작될 수 있다. 블록(710)에서, BP 페이아웃 매트릭스가 결정될 수 있다. BP 페이아웃 매트릭스가 결정된 후, BP 페이아웃 매트릭스 방법(700B)은 블록(720)으로 진행할 수 있다. 블록(720)에서, 각각의 에이전트에 대해 타겟 활용도가 결정될 수 있고, 각각의 컨택트 타입에 대해 예상 레이트들이 결정될 수 있다. 타겟 활용도들 및 예상 레이트들이 결정된 후, 필요하다면, BP 네트워크 흐름 방법(700B)은 블록(730)으로 진행할 수 있다. 블록(730)에서, 에이전트 공급들 및 컨택트 타입 수요들이 결정될 수 있다. 에이전트 공급들 및 컨택트 타입 수요들이 결정된 후, BP 네트워크 흐름 방법(700B)은 블록(735)으로 진행할 수 있다.

블록(735)에서, 에이전트 공급들 및/또는 컨택트 수요들은 에이전트 활용도의 균형을 맞추거나, 에이전트 활용도 균형을 개선하도록 조절될 수 있다. 예를 들어, 도 5f 및 도 5g를 참조하여 위에서 상세하게 설명된 바와 같이, 동일한 스킬 세트들을 공유하는 에이전트들은 단일 네트워크 노드(또는 "수퍼 노드들")로 "축소"될 수 있다. 마찬가지로, 동일한 스킬 세트들을 공유하는 컨택트 타입들은 단일 네트워크 노드들로 축소된다. 또한, 에지들은 그들의 대응하는 수퍼 노드들에 따라 축소될 수 있다. 이 시점에서, 일부 실시예들에서, 에이전트들의 상대적 공급들 및/또는 컨택트들의 상대적 수요들을 조절하기 위해, 2차 프로그래밍 알고리즘 또는 유사한 기술들이 축소된 네트워크에 적용될 수 있다. 에이전트 활용도의 균형을 맞추기 위해, 에이전트 공급들 및/또는 컨택트 수요들을 조절한 후, BP 네트워크 흐름 방법(700B)은 블록(740)으로 진행할 수 있다.

블록(740)에서, 선호되는 컨택트-에이전트 페어링들이 결정될 수 있다. 선호되는 컨택트-에이전트 페어링들을 결정한 후, BP 네트워크 흐름 방법(700A)은 블록(750)으로 진행할 수 있다. 블록(750)에서, 선호되는 컨택트-에이전트 페어링들에 따른 컴퓨터 프로세서 생성 모델이 출력될 수 있다. 선호되는 페어링 모델이 출력된 후에, BP 네트워크 흐름 방법(700B)은 종료될 수 있다.

도 8은 본 개시내용의 실시예들에 따른 BP 네트워크 흐름 방법(800)의 흐름도를 보여준다. BP 네트워크 흐름 방법(800)은 블록(810)에서 시작될 수 있다.

블록(810)에서, 이용가능한 에이전트들이 결정될 수 있다. 컨택트 센터 시스템의 실세계 큐(real-world queue)에서, 이용되는 수십, 수백, 또는 수천 명의 에이전트 또는 그 이상이 존재할 수 있다. 임의의 주어진 시간에서, 이러한 이용되는 에이전트들 중 일부는 시스템에 로그인되거나 그렇지 않으면 교대로 활발히 작업하고 있을 수 있다. 또한, 임의의 주어진 시간에서, 로그인한 에이전트들의 일부는 (예를 들어, 콜센터에 대한 통화에서) 컨택트 상호작용에 참여하거나, 최근 컨택트 상호작용의 결과를 기록하거나, 휴식을 취하거나, 다르게는 인입 컨택트들에의 할당에 이용가능하지 않을 수 있다. 로그인한 에이전트들의 나머지 부분은 유휴 상태일 수 있거나, 다르게는 할당되도록 이용가능할 수 있다. 이용가능한 에이전트들의 세트를 결정한 후에, BP 네트워크 흐름 방법(800)은 블록(820)으로 진행할 수 있다.

블록(820)에서, 선호되는 컨택트-에이전트 페어링들의 BP 모델이 결정될 수 있다. 일부 실시예들에서, 선호되는 페어링 모델은 BP 네트워크 흐름 방법[700A(도 7a) 또는 700B(도 7b)], 또는 유사한 방법들을 사용하여 결정될 수 있다. 다른 실시예들에서, 선호되는 페어링 모델은 다른 컴포넌트 또는 모듈로부터 수신될 수 있다.

일부 실시예들에서, 선호되는 페어링 모델은 컨택트 센터 큐 또는 큐들에 대해 이용되는 모든 에이전트를 포함할 수 있다. 다른 실시예들에서, 선호되는 페어링 모델은 주어진 시간에 큐에 로그인된 에이전트들만을 포함할 수 있다. 또 다른 실시예들에서, 선호되는 페어링 모델은 블록(810)에서 이용가능한 것으로 결정된 에이전트들만을 포함할 수 있다. 예를 들어, 도 4b를 참조하면, 에이전트(403)가 이용가능하지 않은 경우, 일부 실시예들은 에이전트(403)에 대한 노드를 생략하고 이용가능한 에이전트들인 에이전트(401) 및 에이전트(402)를 위한 노드들만을 포함하는, 다른 선호되는 페어링 모델을 사용할 수 있다. 다른 실시예들에서, 선호되는 페어링 모델은 에이전트(403)에 대한 노드를 포함할 수 있지만, 에이전트(403)에 컨택트를 할당하는 0이 아닌 확률을 생성하는 것을 피하도록 적응될 수 있다. 예를 들어, 에이전트(403)로부터 각각의 호환가능한 컨택트 타입으로의 흐름의 용량은 0으로 설정될 수 있다.

선호되는 페어링 모델은 미리 계산되거나(예를 들어, 캐시 또는 다른 저장소로부터 검색됨), 에이전트들이 이용가능하거나 이용불가능하게 됨에 따라, 및/또는 다양한 스킬 필요들을 갖는 다양한 타입들의 컨택트들이 컨택트 센터에 도착함에 따라, 실시간으로 또는 거의 실시간으로 계산될 수 있다. 선호되는 페어링 모델이 결정된 후, BP 네트워크 흐름 방법(800)은 블록(830)으로 진행할 수 있다.

블록(830)에서, 이용가능한 컨택트가 결정될 수 있다. 예를 들어, L1 환경에서, 복수의 에이전트가 이용가능하고 컨택트에의 할당을 기다리고 있으며, 컨택트 큐는 비어 있다. 컨택트가 컨택트 센터에 도착하면, 컨택트는 통화를 기다리지 않고서, 이용가능한 에이전트들 중 하나에게 할당될 수 있다. 일부 실시예들에서, 블록(820)에서 결정된 선호되는 페어링 모델은 처음으로 결정되거나, 블록(830)에서 이용가능한 컨택트를 결정한 후에 업데이트될 수 있다. 예를 들어, 도 4a 내지 도 4g를 참조하면, 에이전트들(401 내지 403)은 주어진 순간에 이용가능하게 될 수 있는 수십 개 또는 그 이상의 3개의 에이전트일 수 있다. 그 시점에서, BP 스킬 기반 페이아웃 매트릭스(400A)(도 4a)는 3개의 즉각적인 이용가능한 에이전트에 대해 결정될 수 있고, BP 네트워크 흐름(400G)(도 4g)은 BP 스킬 기반 페이아웃 매트릭스(400A)에 기초하여 3개의 즉각적인 이용가능한 에이전트에 대해 결정될 수 있다. 따라서, 선호되는 페어링 모델은 그러한 3개의 이용가능한 에이전트에 대해 그 시점에서 결정될 수 있다.

일부 실시예들에서, 컨택트가 블록(830)에서 이미 결정되어 있기 때문에, 페어링될 특정한 컨택트가 BP 네트워크 흐름 방법(800)에 대해 이미 알려져 있긴 하지만, 선호되는 페어링 모델은 예를 들어 BP 네트워크 흐름(400G)에서와 같이 예상되는 컨택트 타입/스킬 조합들의 일부 또는 전부를 설명할 수 있다. 블록(830)에서 이용가능한 컨택트가 결정된 후(그리고, 일부 실시예들에서는, 선호되는 페어링 모델이 생성되거나 업데이트된 후), BP 네트워크 흐름 방법(800)은 블록(840)으로 진행할 수 있다.

블록(840)에서, 이용가능한 에이전트들과 이용가능한 컨택트 사이의 적어도 하나의 선호되는 컨택트-에이전트 페어링이 결정될 수 있다. 예를 들어, BP 네트워크 흐름(400G)(도 4g)에 보여진 바와 같이, 이용가능한 컨택트가 컨택트 타입(411)이고 스킬(421 또는 422)을 요구하는 경우, 선호되는 페어링은 에이전트(402)에 대한 것이다. 마찬가지로, 이용가능한 컨택트가 컨택트 타입(412)이고 스킬(421 또는 422)을 요구하는 경우, 선호되는 페어링은 에이전트(401)(400의 최적 흐름) 또는 에이전트(402)(50의 최적 흐름) 중 어느 하나에 대한 것이다. 적어도 하나의 선호되는 컨택트-에이전트 페어링이 결정된 후, BP 네트워크 흐름 방법(800)은 블록(850)으로 진행할 수 있다.

블록(850)에서, 적어도 하나의 선호되는 컨택트-에이전트 페어링 중 하나가 선택될 수 있다. 일부 실시예들에서, 선택은 의사 난수 발생기를 사용하는 것과 같이 무작위적일 수 있다. 적어도 하나의 선호되는 컨택트-에이전트 페어링 중 주어진 하나를 선택할 우도(또는 확률)는 BP 모델에 의해 설명된 통계적 우도들에 기초할 수 있다. 예를 들어, BP 네트워크 흐름(400G)(도 4g)에 보여진 바와 같이, 이용가능한 컨택트가 컨택트 타입(412)이고 스킬(421 또는 422)을 요구하는 경우, 에이전트(401)를 선택할 확률은 400/450=89% 가능성이고, 에이전트(402)를 선택할 확률은 50/450=11% 가능성이다.

단 하나의 선호되는 컨택트-에이전트 페어링이 존재하는 경우, 일부 실시예들에서는 선택이 자명(trivial)할 수 있으므로, 무작위 선택이 필요하지 않을 수 있다. 예를 들어, BP 네트워크 흐름(400G)(도 4g)에 보여진 바와 같이, 이용가능한 컨택트가 컨택트 타입(411)이고 스킬(421 또는 422)을 요구하는 경우, 선호되는 페어링은 항상 에이전트(402)에 대한 것이고, 에이전트(402)를 선택할 확률은 450/450 = 100% 가능성이다. 적어도 하나의 선호되는 컨택트-에이전트 페어링 중 하나를 선택한 후, BP 네트워크 흐름 방법(800)은 블록(860)으로 진행할 수 있다.

블록(860)에서, 선택된 페어링은 컨택트 센터 시스템에서의 접속을 위해 출력될 수 있다. 예를 들어, 컨택트 센터 시스템, 또는 BP 모듈과 같은 그 내부의 컴포넌트에 내장되거나 통신 연결된 컴퓨터 프로세서는 컴퓨터 프로세서 또는 컨택트 센터 시스템의 다른 컴포넌트에 의해 수신되도록, 선호되는 페어링 선택(또는 추천되는 페어링, 또는 페어링 명령어)을 출력할 수 있다. 일부 실시예들에서, 선호되는 페어링 선택은 컨택트 센터 시스템의 다른 컴포넌트들 또는 인간 관리자들을 위해 기록되거나, 인쇄되거나, 디스플레이되거나, 전송되거나, 다르게 저장될 수 있다. 수신 컴포넌트는 선택된 에이전트가 페어링이 요청되었거나 다르게 결정된 컨택트에 접속되도록 하기 위해, 선호되는 페어링 선택을 이용할 수 있다. 선호되는 페어링 명령어가 출력된 후, BP 네트워크 흐름 방법(800)은 종료될 수 있다.

도 9는 본 개시내용의 실시예들에 따른 BP 네트워크 흐름 방법(900)의 흐름도를 보여준다. 일부 실시예들에서, BP 네트워크 흐름 방법(900)은 BP 네트워크 흐름 방법(800)과 유사하다. BP 네트워크 흐름 방법(800)은 L1 환경(에이전트 과잉)을 도시하는 반면, BP 네트워크 흐름 방법(900)은 L2 환경(큐 내의 컨택트들)을 도시한다. BP 네트워크 흐름 방법(900)은 블록(910)에서 시작될 수 있다.

블록(910)에서, 이용가능한 컨택트들이 결정될 수 있다. 컨택트 센터 시스템의 실세계 큐에서, 이용되는 수십, 수백 명 등의 에이전트가 존재할 수 있다. L2 환경들에서, 모든 로그인한 에이전트들이 컨택트 상호작용들에 참여하거나, 다르게 이용불가능할 수 있다. 컨택트들이 컨택트 센터에 도착함에 따라, 컨택트들은 홀드 큐(hold queue) 내에서 대기할 것을 요청받을 수 있다. 임의의 주어진 시간에서, 수십 개 또는 그 이상의 컨택트가 통화를 기다리고 있을 수 있다. 일부 실시예들에서, 큐는 도착 순서에 의해 순차적으로 정렬될 수 있고, 가장 오래 대기한 컨택트가 큐의 헤드에 있게 된다. 다른 실시예들에서, 큐는 개별 컨택트들의 우선순위 레이팅 또는 상태에 적어도 부분적으로 기초하여 정렬될 수 있다. 예를 들어, "높은 우선순위"로서 지정된 컨택트는 더 오래 기다린 다른 "보통 우선순위" 컨택트들보다 먼저, 큐의 헤드에 또는 큐의 헤드 부근에 위치될 수 있다. 큐에서 대기 중인 이용가능한 컨택트들의 세트를 결정한 후에, BP 네트워크 흐름 방법(900)은 블록(920)으로 진행할 수 있다.

블록(920)에서, 선호되는 컨택트-에이전트 페어링들의 BP 모델이 결정될 수 있다. 일부 실시예들에서, 대기 중인 컨택트들이 공급의 소스들을 제공하고, 이용가능하게 될 수 있는 에이전트들이 수요의 싱크들을 제공하는 한, 선호되는 페어링 모델은 BP 네트워크 흐름 방법[700A(도 7a) 또는 700B(도 7b)]과 유사한 방법을 사용하여 결정될 수 있다. 다른 실시예들에서, 선호되는 페어링 모델은 다른 컴포넌트 또는 모듈로부터 수신될 수 있다.

일부 실시예들에서, 선호되는 페어링 모델은 컨택트 센터 큐 또는 큐들에 도착할 것으로 예상되는 모든 컨택트 타입을 포함할 수 있다. 다른 실시예들에서, 선호되는 페어링 모델은 모델이 요청된 시간에 큐 내에 존재하고 있고 대기 중인 컨택트 타입/스킬 조합들만을 포함할 수 있다. 예를 들어, 3가지 타입 X, Y 및 Z의 컨택트들을 수용할 것으로 예상되지만, 타입들 X 및 Y의 컨택트들만이 큐 내에서 현재 대기 중인 컨택트 센터 시스템을 고찰하기로 한다. 일부 실시예들은 타입들 X 및 Y의 컨택트들을 기다리고 있는 노드들만을 포함하고, 컨택트 타입 Z를 위한 노드를 생략하는 상이한 선호되는 페어링 모델을 이용할 수 있다. 다른 실시예들에서, 선호되는 페어링 모델은 컨택트 타입 Z를 위한 노드를 포함할 수 있지만, 이러한 모델은 컨택트 타입 Z의 컨택트에 에이전트를 할당할 제로가 아닌 확률을 발생시키는 것을 방지하도록 적응될 수 있다. 예를 들어, 컨택트 타입 Z로부터 각각의 호환가능한 에이전트까지의 흐름의 용량은 제로로 설정될 수 있다.

선호되는 페어링 모델은 미리 계산되거나(예를 들어, 캐시 또는 다른 저장소로부터 검색됨), 에이전트들이 이용가능하거나 이용불가능하게 됨에 따라, 및/또는 다양한 스킬 필요들을 갖는 다양한 타입들의 컨택트들이 컨택트 센터에 도착함에 따라, 실시간으로 또는 거의 실시간으로 계산될 수 있다. 선호되는 페어링 모델이 결정된 후, BP 네트워크 흐름 방법(900)은 블록(930)으로 진행할 수 있다.

블록(930)에서, 이용가능한 에이전트가 결정될 수 있다. 예를 들어, L2 환경에서, 복수의 컨택트가 이용가능하고 에이전트에의 할당에 이용가능하며, 모든 에이전트가 점유될 수 있다. 에이전트가 이용가능하게 되면, 에이전트는 유휴 상태로 남아있지 않고서, 대기 중인 컨택트들 중 하나에게 할당될 수 있다. 일부 실시예들에서, 블록(920)에서 결정된 선호되는 페어링 모델은 처음으로 결정되거나, 블록(830)에서 이용가능한 에이전트를 결정한 후에 업데이트될 수 있다. 예를 들어, 각각 상이한 스킬 및 타입을 갖는 3개의 컨택트가 큐 내에서 대기 중일 수 있다. BP 스킬 기반 페이아웃 매트릭스는 3개의 즉각적인 대기 중인 컨택트들에 대해 결정될 수 있고, BP 네트워크 흐름은 BP 스킬 기반 페이아웃 매트릭스에 기초하여 3개의 즉각적인 대기 중인 에이전트에 대해 결정될 수 있다. 따라서, 선호되는 페어링 모델은 그러한 3개의 대기 중인 컨택트에 대해 그 시점에서 결정될 수 있다.

일부 실시예들에서, 에이전트가 블록(930)에서 이미 결정되어 있기 때문에, 페어링될 특정한 에이전트가 BP 네트워크 흐름 방법(900)에 대해 이미 알려져 있더라도, 선호되는 페어링 모델은 잠재적으로 이용가능한 에이전트들의 일부 또는 전부를 설명할 수 있다. 블록(930)에서 이용가능한 에이전트가 결정된 후(그리고, 일부 실시예들에서는, 선호되는 페어링 모델이 생성되거나 업데이트된 후), BP 네트워크 흐름 방법(900)은 블록(940)으로 진행할 수 있다.

블록(940)에서, 이용가능한 에이전트와 이용가능한 컨택트들 사이의 적어도 하나의 선호되는 컨택트-에이전트 페어링이 결정될 수 있다. 적어도 하나의 선호되는 컨택트-에이전트 페어링이 결정된 후, BP 네트워크 흐름 방법(900)은 블록(950)으로 진행할 수 있다.

블록(950)에서, 적어도 하나의 선호되는 컨택트-에이전트 페어링 중 하나가 선택될 수 있다. 일부 실시예들에서, 선택은 의사 난수 발생기를 사용하는 것과 같이 무작위적일 수 있다. 적어도 하나의 선호되는 컨택트-에이전트 페어링 중 주어진 하나를 선택할 우도(또는 확률)는 BP 모델에 의해 설명된 통계적 우도들에 기초할 수 있다. 단 하나의 선호되는 컨택트-에이전트 페어링이 존재하는 경우, 일부 실시예들에서는 선택이 자명할 수 있으므로, 무작위 선택이 필요하지 않을 수 있다. 적어도 하나의 선호되는 컨택트-에이전트 페어링 중 하나를 선택한 후, BP 네트워크 흐름 방법(900)은 블록(960)으로 진행할 수 있다.

블록(960)에서, 선택된 페어링은 컨택트 센터 시스템에서의 접속을 위해 출력될 수 있다. 예를 들어, 컨택트 센터 시스템, 또는 BP 모듈과 같은 그 내부의 컴포넌트에 내장되거나 통신 연결된 컴퓨터 프로세서는 컴퓨터 프로세서 또는 컨택트 센터 시스템의 다른 컴포넌트에 의해 수신되도록, 선호되는 페어링 선택(또는 추천되는 페어링, 또는 페어링 명령어)을 출력할 수 있다. 일부 실시예들에서, 선호되는 페어링 선택은 컨택트 센터 시스템의 다른 컴포넌트들 또는 인간 관리자들을 위해 기록되거나, 인쇄되거나, 디스플레이되거나, 전송되거나, 다르게 저장될 수 있다. 수신 컴포넌트는 선택된 에이전트가 페어링이 요청되었거나 다르게 결정된 컨택트에 접속되도록 하기 위해, 선호되는 페어링 선택을 이용할 수 있다. 선호되는 페어링 명령어가 출력된 후, BP 네트워크 흐름 방법(900)은 종료될 수 있다.

일부 실시예들에서, BP 페이아웃 매트릭스 및 네트워크 흐름 모델은 L3 환경들(즉, 이용가능한 복수의 에이전트 및 큐에서 대기 중인 복수의 컨택트)에서 사용될 수 있다. 일부 실시예들에서, 네트워크 흐름 모델은 복수의 컨택트-에이전트 페어링을 동시에 일괄 페어링(batch-pair)하기 위해 사용될 수 있다. L3 환경들 하에서의 BP 페어링은 예를 들어 본 명세서에 참조에 의해 포함되는 미국 특허 출원 제15/395,469호에 상세하게 설명되어 있다. 다른 실시예들에서, 컨택트 센터 시스템이 L1 및/또는 L2 환경에서 동작하고 있을 때는 BP 네트워크 흐름 모델이 사용될 수 있고, 컨택트 센터 시스템이 L3(또는 L0) 환경에서 동작하고 있을 때는 대안적인 BP 페어링 전략이 사용될 수 있다.

위에 설명된 예들에서, BP 네트워크 흐름 모델은 균형잡힌(또는, 특정한 컨택트 센터 환경에 대해 실현가능하도록 균형잡힌 것에 가까운) 에이전트 활용도를 목표로 한다. 다른 실시예들에서, 스큐잉되거나 다르게 불균형한 에이전트 활용도가 목표로 될 수 있고[예를 들어, "카파" 기술들], 및/또는 스큐잉되거나 다르게 불균형한 컨택트 활용도가 목표될 수 있다[예를 들어, "로" 기술들]. 카파 및 로기술을 포함하는 이러한 기술들의 예들은, 예를 들어 본 명세서에 참조에 의해 포함된 위에서 언급된 미국 특허 출원 제14/956,086호 및 제14/956,074호에 상세하게 설명되어 있다.

BP 모듈[예를 들어, BP 모듈(140)]이 컨택트 센터 스위치[예를 들어, 중앙 스위치(110), 컨택트 센터 스위치(120A) 등] 내에 완전히 내장되거나 다르게 통합되는 것들과 같은 일부 실시예들에서, 스위치는 스위치와 BP 모듈 사이의 별도의 페어링 요청들 및 응답들 없이 BP 기술들을 수행할 수 있다. 예를 들어, 스위치는 필요가 발생함에 따라 각각의 가능한 페어링에 적용할 자기 자신의 비용 함수 또는 함수들을 결정할 수 있고, 스위치는 그에 따라 비용 함수를 자동으로 최소화(또는 일부 구성에서는 최대화)할 수 있다. 스위치는 스킬 큐들, 또는 에이전트들 또는 컨택트들의 다른 계층적 배열들에 대한 필요를 감소시키거나 없앨 수 있고; 대신에, 스위치는 컨택트 센터 시스템 내의 에이전트들의 더 큰 풀 사이에서 하나 이상의 가상 에이전트 그룹 또는 에이전트들의 세트에 걸쳐 동작할 수 있다. BP 페어링 방법론의 일부 또는 모든 양태는 데이터 수집, 데이터 분석, 모델 생성, 네트워크 흐름 최적화 등을 포함하여, 필요에 따라 스위치들에 의해 구현될 수 있다.

가상 에이전트 그룹들을 최적화하는 것들과 같은 일부 실시예들에서, 네트워크 흐름들 내의 에이전트 노드들의 모델들은, 컨택트 센터 시스템이 하나 이상의 스킬 큐에 에이전트들을 할당하는지 여부에 무관하게, 컨택트 센터 시스템 내의 임의의 장소에서 발견되는 에이전트들에 대한 하나 이상의 에이전트 스킬/타입 조합을 갖는 에이전트들의 세트들을 표현할 수 있다. 예를 들어, 도 4b 내지 도 4g의 에이전트들(401, 402, 및 403)에 대한 노드들은 개별 에이전트들을 대신하여 가상 에이전트 그룹들을 표현할 수 있고, 가상 에이전트 그룹에 할당되는 컨택트는 가상 에이전트 그룹 내의 개별 에이전트에 순차적으로 할당될 수 있다(예를 들어, 무작위 할당, 라운드 로빈 할당, 모델 기반 행동 페어링 등). 이러한 실시예들에서, 컨택트가 개별 스킬 큐 및/또는 에이전트 그룹에 필터링되거나 다르게 할당되기 전에[예를 들어, 도 1의 컨택트 센터 스위치(120A) 또는 컨택트 센터 스위치(120B) 중 어느 하나], BP는 컨택트 센터 시스템 내의 더 높은 레벨에서[예를 들어, 도 1의 중앙 스위치(101)] 컨택트에 적용될 수 있다.

프로세스 내에서 더 먼저 BP를 적용하는 것은, 종래의 중앙 스위치들이 컨택트가 어느 큐/스위치/VDN에 할당될지를 정하는 데 사용할 스크립트들 및 기타 관행적인 기술을 피하는 한 유리할 수 있다. 이러한 스크립트들 및 다른 관행적인 기술들은 전체적인 컨택트 센터 성능을 최적화하는 것, 및 요구되는 목표 에이전트 활용도(예를 들어, 균형잡힌 에이전트 활용도, 최소 에이전트 활용도 불균형, 지정된 양의 에이전트 활용도 스큐)를 달성하는 것 둘 다와 관련하여 비효율적이며 차선책일 수 있다.

이 시점에서, 위에서 설명된 것과 같은 본 개시내용에 따른 컨택트 센터 시스템에서의 행동 페어링은 입력 데이터의 처리 및 출력 데이터의 생성을 어느 정도 포함할 수 있다는 점에 주의해야 한다. 이러한 입력 데이터 처리 및 출력 데이터 생성은 하드웨어 또는 소프트웨어로 구현될 수 있다. 예를 들어, 특정한 전자 컴포넌트들은 위에서 설명된 것과 같은 본 개시내용에 따라 컨택트 센터 시스템 내의 행동 페어링에 연관된 기능들을 구현하기 위한 행동 페어링 모듈, 또는 유사하거나 관련된 회로 내에서 이용될 수 있다. 대안적으로, 명령어들에 따라 동작하는 하나 이상의 프로세서는 위에서 설명된 바와 같은 본 개시내용에 따라 컨택트 센터 시스템 내의 행동 페어링에 연관된 기능들을 구현할 수 있다. 그러한 경우라면, 그러한 명령어들이 하나 이상의 비-일시적인 프로세서 판독가능한 저장 매체(예를 들어, 자기 디스크 또는 다른 저장 매체)에 저장되거나, 하나 이상의 반송파에 구현된 하나 이상의 신호를 통해 하나 이상의 프로세서에 전송될 수 있는 것은 본 개시내용의 범위 내에 있다.

본 개시내용은 본 명세서에 설명된 특정한 실시예들에 의해 범위가 한정되지 않는다. 실제로, 본 기술분야의 통상의 기술자들은 상술한 설명 및 첨부 도면들로부터, 본 개시내용에 설명된 것들에 더하여 본 개시내용의 다른 다양한 실시예들 및 수정들을 분명히 알 것이다. 따라서, 그러한 다른 실시예들 및 수정들은 본 개시내용의 범위 내에 드는 것으로 의도된다. 또한, 본 개시내용은 적어도 하나의 특정한 목적에 대해 적어도 하나의 특정한 환경 내의 적어도 하나의 특정한 구현의 맥락에서 설명되었지만, 본 기술분야의 통상의 기술자들은 그것의 유용성이 이에 제한되지 않고, 본 개시내용이 임의의 수의 목적을 위해 임의의 수의 환경에서 이롭게 구현될 수 있음을 인식할 것이다. 따라서, 아래에 제시된 청구항들은 본 명세서에 설명된 것과 같은 본 개시내용의 완전한 범위 및 취지를 고려하여 해석되어야 한다.

Claims

컨택트 센터 시스템(contact center system)에서의 행동 페어링(behavioral pairing)을 위한 방법으로서,
상기 컨택트 센터 시스템에 통신 연결되고(communicatively coupled), 상기 컨택트 센터 시스템에서의 행동 페어링 동작들을 수행하도록 구성되는 적어도 하나의 컴퓨터 프로세서에 의해, 에이전트에의 접속에 이용가능한 복수의 컨택트를 결정하는 단계;
상기 적어도 하나의 컴퓨터 프로세서에 의해, 상기 에이전트와 상기 복수의 컨택트 사이의 가능한 페어링들 중에서 복수의 선호되는 컨택트-에이전트 페어링을 결정하는 단계;
상기 적어도 하나의 컴퓨터 프로세서에 의해, 에이전트 스킬들(agent skills) 및 컨택트 스킬 필요들(contact skill needs)에 의해 제약되는 확률론적 네트워크 흐름 모델(probabilistic network flow model)에 따라 상기 복수의 선호되는 컨택트-에이전트 페어링 중 하나를 선택하는 단계 - 상기 확률론적 네트워크 흐름 모델은 상기 에이전트 스킬들 및 컨택트 스킬 필요들의 제약들에 따라 에이전트 활용도 불균형(agent utilization imbalance)을 최소화하고 상기 컨택트 센터 시스템의 성능(performance)을 최적화하도록 조정되고, 상기 컨택트 센터 시스템의 상기 최적화된 성능은 상기 확률론적 네트워크 흐름 모델에 기인함 -; 및
상기 적어도 하나의 컴퓨터 프로세서에 의해, 상기 컨택트 센터 시스템에서 접속을 위해 상기 복수의 선호되는 컨택트-에이전트 페어링 중 선택된 것을 출력하는 단계
를 포함하는 방법.
제1항에 있어서, 상기 확률론적 네트워크 흐름 모델은 에이전트 활용도의 균형을 맞추기 위한 네트워크 흐름 모델인, 방법.
제1항에 있어서, 상기 확률론적 네트워크 흐름 모델은 적어도 하나의 컨택트 센터 메트릭(contact center metric)의 전체적인 예상 값을 최적화하기 위한 네트워크 흐름 모델인, 방법.
제3항에 있어서, 상기 적어도 하나의 컨택트 센터 메트릭은 수익 생성(revenue generation), 고객 만족, 및 평균 처리 시간(average handle time) 중 적어도 하나인, 방법.
제1항에 있어서, 상기 확률론적 네트워크 흐름 모델은 이력 컨택트-에이전트 결과 데이터 및 컨택트 속성 데이터 중 적어도 하나의 분석에 기초하여 예상 지불 값들(expected payoff values)을 통합하는, 방법.
컨택트 센터 시스템에서의 행동 페어링을 위한 시스템으로서,
상기 컨택트 센터 시스템에 통신 연결되고 상기 컨택트 센터 시스템에서의 행동 페어링 동작들을 수행하도록 구성되는 적어도 하나의 컴퓨터 프로세서
를 포함하고, 상기 적어도 하나의 컴퓨터 프로세서는 또한:
에이전트에의 접속에 이용가능한 복수의 컨택트를 결정하고;
상기 에이전트와 상기 복수의 컨택트 사이의 가능한 페어링들 중에서 복수의 선호되는 컨택트-에이전트 페어링을 결정하고;
에이전트 스킬들 및 컨택트 스킬 필요들에 의해 제약되는 확률론적 네트워크 흐름 모델에 따라 상기 복수의 선호되는 컨택트-에이전트 페어링 중 하나를 선택하고 - 상기 확률론적 네트워크 흐름 모델은 상기 에이전트 스킬들 및 컨택트 스킬 필요들의 제약들에 따라 에이전트 활용도 불균형을 최소화하고 상기 컨택트 센터 시스템의 성능을 최적화하도록 조정되고, 상기 컨택트 센터 시스템의 상기 최적화된 성능은 상기 확률론적 네트워크 흐름 모델에 기인함 -;
상기 컨택트 센터 시스템에서 접속을 위해 상기 복수의 선호되는 컨택트-에이전트 페어링 중 선택된 것을 출력하도록 구성되는, 시스템.
제6항에 있어서, 상기 확률론적 네트워크 흐름 모델은 에이전트 활용도의 균형을 맞추기 위한 네트워크 흐름 모델인, 시스템.
제6항에 있어서, 상기 확률론적 네트워크 흐름 모델은 적어도 하나의 컨택트 센터 메트릭의 전체적인 예상 값을 최적화하기 위한 네트워크 흐름 모델인, 시스템.
제8항에 있어서, 상기 적어도 하나의 컨택트 센터 메트릭은 수익 생성, 고객 만족, 및 평균 처리 시간 중 적어도 하나인, 시스템.
제6항에 있어서, 상기 확률론적 네트워크 흐름 모델은 이력 컨택트-에이전트 결과 데이터 및 컨택트 속성 데이터 중 적어도 하나의 분석에 기초하여 예상 지불 값들을 통합하는, 시스템.
컨택트 센터 시스템에서의 행동 페어링을 위한 제조품(article of manufacture)으로서,
비-일시적 프로세서 판독가능 매체; 및
상기 매체 상에 저장된 명령어들
을 포함하고, 상기 명령어들은 상기 컨택트 센터 시스템에 통신 연결되고, 상기 컨택트 센터 시스템에서의 행동 페어링 동작들을 수행하도록 구성되는 적어도 하나의 컴퓨터 프로세서에 의해 상기 매체로부터 판독되어 상기 적어도 하나의 컴퓨터 프로세서로 하여금:
에이전트에의 접속에 이용가능한 복수의 컨택트를 결정하고;
상기 에이전트와 상기 복수의 컨택트 사이의 가능한 페어링들 중에서 복수의 선호되는 컨택트-에이전트 페어링을 결정하고;
에이전트 스킬들 및 컨택트 스킬 필요들에 의해 제약되는 확률론적 네트워크 흐름 모델에 따라 상기 복수의 선호되는 컨택트-에이전트 페어링 중 하나를 선택하고 - 상기 확률론적 네트워크 흐름 모델은 상기 에이전트 스킬들 및 컨택트 스킬 필요들의 제약들에 따라 에이전트 활용도 불균형을 최소화하고 상기 컨택트 센터 시스템의 성능을 최적화하도록 조정되고, 상기 컨택트 센터 시스템의 상기 최적화된 성능은 상기 확률론적 네트워크 흐름 모델에 기인함 -;
상기 컨택트 센터 시스템에서 접속을 위해 상기 복수의 선호되는 컨택트-에이전트 페어링 중 선택된 것을 출력하도록 동작하게 하도록 구성되는, 제조품.
제11항에 있어서, 상기 확률론적 네트워크 흐름 모델은 에이전트 활용도의 균형을 맞추기 위한 네트워크 흐름 모델인, 제조품.
제11항에 있어서, 상기 확률론적 네트워크 흐름 모델은 적어도 하나의 컨택트 센터 메트릭의 전체적인 예상 값을 최적화하기 위한 네트워크 흐름 모델인, 제조품.
제13항에 있어서, 상기 적어도 하나의 컨택트 센터 메트릭은 수익 생성, 고객 만족, 및 평균 처리 시간 중 적어도 하나인, 제조품.
제11항에 있어서, 상기 확률론적 네트워크 흐름 모델은 이력 컨택트-에이전트 결과 데이터 및 컨택트 속성 데이터 중 적어도 하나의 분석에 기초하여 예상 지불 값들을 통합하는, 제조품.
컨택트 센터 시스템에서의 행동 페어링 모델 평가를 위한 방법으로서,
상기 컨택트 센터 시스템에 통신 연결되고, 상기 컨택트 센터 시스템에서의 행동 페어링 동작들을 수행하도록 구성되는 적어도 하나의 컴퓨터 프로세서에 의해, 복수의 에이전트 및 복수의 컨택트 타입을 결정하는 단계;
상기 적어도 하나의 컴퓨터 프로세서에 의해, 상기 복수의 에이전트 및 상기 복수의 컨택트 타입으로부터의 에이전트 및 컨택트 타입의 각각의 가능한 조합의 예상 값을 결정하도록 이력 컨택트-에이전트 결과 데이터를 분석하는 단계;
상기 적어도 하나의 컴퓨터 프로세서에 의해, 상기 가능한 조합들의 예상 값들에 기초하여 페어링 모델을 결정하는 단계;
상기 적어도 하나의 컴퓨터 프로세서에 의해, 상기 페어링 모델을 이용하여 상기 컨택트 센터 시스템의 예상 성능을 결정하는 단계;
상기 적어도 하나의 컴퓨터 프로세서에 의해, 상기 페어링 모델을 이용하여 상기 컨택트 센터 시스템의 상기 예상 성능을 출력하는 단계; 및
상기 컨택트 센터 시스템의 스위치 모듈에서, 상기 페어링 모델에 적어도 부분적으로 기초하여 컨택트와 에이전트 사이의 통신 채널을 확립하는 단계
를 포함하는 방법.
제16항에 있어서, 상기 페어링 모델은 페이아웃 매트릭스(payout matrix)로서 표현될 수 있는, 방법.
제16항에 있어서,
상기 적어도 하나의 컴퓨터 프로세서에 의해, 상기 복수의 컨택트 타입의 각각의 컨택트 타입에 대한 예상 빈도를 결정하는 단계를 더 포함하고, 상기 페어링 모델은 또한 각각의 컨택트 타입에 대한 상기 예상 빈도에 기초하는, 방법.
제16항에 있어서,
상기 적어도 하나의 컴퓨터 프로세서에 의해, 상기 복수의 에이전트의 각각의 에이전트에 대한 타겟 활용도를 결정하는 단계를 더 포함하고, 상기 페어링 모델은 또한 각각의 에이전트에 대한 상기 타겟 활용도에 기초하는, 방법.
제19항에 있어서, 상기 페어링 모델은 균형이 잡힌(balanced) 에이전트 활용도를 목표로 하는, 방법.
제16항에 있어서, 각각의 가능한 조합은 적어도 제1 스킬을 갖는 에이전트 및 상기 제1 스킬에 대응하는 적어도 제1 필요를 갖는 컨택트 타입을 포함하는, 방법.
제16항에 있어서, 상기 적어도 하나의 컴퓨터 프로세서에 의해, 상기 페어링 모델에 기초하여 확률론적 네트워크 흐름 모델을 결정하는 단계를 더 포함하는, 방법
제22항에 있어서, 상기 확률론적 네트워크 흐름 모델은:
공급 노드(supply node)들 - 각각의 공급 노드는 상기 복수의 에이전트의 에이전트들의 서브세트를 포함하는 에이전트 그룹 또는 상기 복수의 에이전트 중의 하나의 에이전트임 -; 및
수요 노드(demand node)들 - 각각의 수요 노드는 상기 복수의 컨택트 타입의 컨택트 타입들의 서브세트를 포함하는 컨택트 타입 그룹 또는 상기 복수의 컨택트 타입 중의 하나의 컨택트 타입임 -
을 포함하는, 방법.
제23항에 있어서, 상기 확률론적 네트워크 흐름 모델은:
상기 복수의 에이전트 중의 적어도 하나의 에이전트에 대한 타겟 활용도들에 대응하는 각각의 공급 노드와 연관된 공급 값들을 포함하는, 방법.
제23항에 있어서, 상기 확률론적 네트워크 흐름 모델은:
상기 복수의 컨택트 타입 중의 적어도 하나의 컨택트 타입에 대한 예상 빈도들에 대응하는 각각의 수요 노드와 연관된 수요 값들을 포함하는, 방법.
제22항에 있어서, 상기 확률론적 네트워크 흐름 모델은:
공급 노드들과 수요 노드들 사이의 복수의 에지(edge)를 포함하고, 상기 복수의 에지의 각각의 에지는 각각의 가능한 조합 중 하나를 나타내는, 방법.
제22항에 있어서, 상기 확률론적 네트워크 흐름 모델은:
복수의 에지 가중치(edge weights)를 포함하고, 상기 복수의 에지 가중치의 각각의 에지 가중치는 에이전트와 컨택트 타입의 대응하는 가능한 조합의 예상 값을 나타내는, 방법.
컨택트 센터 시스템에서의 행동 페어링 모델 평가를 위한 시스템으로서,
상기 컨택트 센터 시스템에 통신 연결되고, 상기 컨택트 센터 시스템에서의 행동 페어링 동작들을 수행하도록 구성되는 적어도 하나의 컴퓨터 프로세서
를 포함하고, 상기 적어도 하나의 컴퓨터 프로세서는 또한:
복수의 에이전트 및 복수의 컨택트 타입을 결정하고;
상기 복수의 에이전트 및 상기 복수의 컨택트 타입으로부터의 에이전트 및 컨택트 타입의 각각의 가능한 조합의 예상 값을 결정하도록 이력 컨택트-에이전트 결과 데이터를 분석하고;
상기 가능한 조합들의 예상 값들에 기초하여 페어링 모델을 결정하고;
상기 페어링 모델을 이용하여 상기 컨택트 센터 시스템의 예상 성능을 결정하고;
상기 페어링 모델을 이용하여 상기 컨택트 센터 시스템의 상기 예상 성능을 출력하고;
상기 컨택트 센터 시스템의 스위치 모듈에서, 상기 페어링 모델에 적어도 부분적으로 기초하여 컨택트와 에이전트 사이의 통신 채널을 확립하도록 구성되는, 시스템.
제28항에 있어서, 상기 페어링 모델은 페이아웃 매트릭스로서 표현될 수 있는, 시스템.
제28항에 있어서, 상기 적어도 하나의 컴퓨터 프로세서는 또한:
상기 복수의 컨택트 타입의 각각의 컨택트 타입에 대한 예상 빈도를 결정하도록 구성되고, 상기 페어링 모델은 또한 각각의 컨택트 타입에 대한 예상 빈도에 기초하는, 시스템.
제28항에 있어서, 상기 적어도 하나의 컴퓨터 프로세서는 또한:
상기 복수의 에이전트의 각각의 에이전트에 대한 타겟 활용도를 결정하도록 구성되고, 상기 페어링 모델은 또한 각각의 에이전트에 대한 상기 타겟 활용도에 기초하는, 시스템.
제31항에 있어서, 상기 페어링 모델은 균형잡힌 에이전트 활용도를 목표로 하는, 시스템.
제28항에 있어서, 각각의 가능한 조합은 적어도 제1 스킬을 갖는 에이전트 및 상기 제1 스킬에 대응하는 적어도 제1 필요를 갖는 컨택트 타입을 포함하는, 시스템.
제28항에 있어서, 상기 적어도 하나의 컴퓨터 프로세서는 또한:
상기 페어링 모델에 기초하여 확률론적 네트워크 흐름 모델을 결정하도록 구성되는, 시스템.
제34항에 있어서, 상기 확률론적 네트워크 흐름 모델은:
공급 노드들 - 각각의 공급 노드는 상기 복수의 에이전트의 에이전트들의 서브세트를 포함하는 에이전트 그룹 또는 상기 복수의 에이전트 중의 하나의 에이전트임 -; 및
수요 노드들 - 각각의 수요 노드는 상기 복수의 컨택트 타입의 컨택트 타입들의 서브세트를 포함하는 컨택트 타입 그룹 또는 상기 복수의 컨택트 타입 중의 하나의 컨택트 타입임 -
을 포함하는, 시스템.
제35항에 있어서, 상기 확률론적 네트워크 흐름 모델은:
상기 복수의 에이전트 중의 적어도 하나의 에이전트에 대한 타겟 활용도들에 대응하는 각각의 공급 노드와 연관된 공급 값들을 포함하는, 시스템.
제35항에 있어서, 상기 확률론적 네트워크 흐름 모델은:
상기 복수의 컨택트 타입 중의 적어도 하나의 컨택트 타입에 대한 예상 빈도들에 대응하는 각각의 수요 노드와 연관된 수요 값들을 포함하는, 시스템.
제34항에 있어서, 상기 확률론적 네트워크 흐름 모델은:
공급 노드들과 수요 노드들 사이의 복수의 에지를 포함하고, 상기 복수의 에지의 각각의 에지는 각각의 가능한 조합 중의 하나를 나타내는, 시스템.
제34항에 있어서, 상기 확률론적 네트워크 흐름 모델은:
복수의 에지 가중치를 포함하고, 상기 복수의 에지 가중치의 각각의 에지 가중치는 에이전트 및 컨택트 타입의 대응하는 가능한 조합의 예상 값을 나타내는, 시스템.
컨택트 센터 시스템에서의 행동 페어링 모델 평가를 위한 제조품으로서,
비-일시적 프로세서 판독가능 매체; 및
상기 매체 상에 저장된 명령어들
을 포함하고, 상기 명령어들은 상기 컨택트 센터 시스템에 통신 연결되고, 상기 컨택트 센터 시스템에서의 행동 페어링 동작들을 수행하도록 구성되는 적어도 하나의 컴퓨터 프로세서에 의해 상기 매체로부터 판독되어 상기 적어도 하나의 컴퓨터 프로세서로 하여금:
복수의 에이전트 및 복수의 컨택트 타입을 결정하고;
상기 복수의 에이전트 및 상기 복수의 컨택트 타입으로부터의 에이전트와 컨택트 타입의 각각의 가능한 조합의 예상 값을 결정하도록 이력 컨택트-에이전트 결과 데이터를 분석하고;
상기 가능한 조합들의 예상 값들에 기초하여 페어링 모델을 결정하고;
상기 페어링 모델을 이용하여 상기 컨택트 센터 시스템의 예상 성능을 결정하고;
상기 페어링 모델을 이용하여 상기 컨택트 센터 시스템의 상기 예상 성능을 출력하고;
상기 컨택트 센터 시스템의 스위치 모듈에서, 상기 페어링 모델에 적어도 부분적으로 기초하여 컨택트와 에이전트 사이의 통신 채널을 확립하도록 동작하게 하도록 구성되는, 제조품.