KR20200007334A - 상담사 스케쥴 관리 장치 및 방법 - Google Patents

상담사 스케쥴 관리 장치 및 방법 Download PDF

Info

Publication number
KR20200007334A
KR20200007334A KR1020180081330A KR20180081330A KR20200007334A KR 20200007334 A KR20200007334 A KR 20200007334A KR 1020180081330 A KR1020180081330 A KR 1020180081330A KR 20180081330 A KR20180081330 A KR 20180081330A KR 20200007334 A KR20200007334 A KR 20200007334A
Authority
KR
South Korea
Prior art keywords
counselor
prediction
call
model
schedule
Prior art date
Application number
KR1020180081330A
Other languages
English (en)
Other versions
KR102108541B1 (ko
Inventor
최명규
박종필
박승훈
김영민
이경은
Original Assignee
농협은행(주)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 농협은행(주) filed Critical 농협은행(주)
Priority to KR1020180081330A priority Critical patent/KR102108541B1/ko
Publication of KR20200007334A publication Critical patent/KR20200007334A/ko
Application granted granted Critical
Publication of KR102108541B1 publication Critical patent/KR102108541B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063116—Schedule adjustment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting

Landscapes

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

Abstract

상담사 스케쥴 관리 장치 및 방법이 개시된다. 본 발명의 상담사 스케쥴 관리 장치는 상담서비스를 기초로 생성된 메타 데이터를 수집하고, 수집된 메타 데이터를 이용하여 예측모델 생성을 위한 기초 데이터를 생성하는 데이터 처리부; 기초 데이터를 예측 정보에 따라 분석하여 상담사 스케쥴 생성에 사용할 적정 예측모델을 생성하는 예측모델 처리부; 예측모델 처리부에 의해 예측모델이 생성될 때마다 과거 분석기간 동안의 콜량을 예측하고, 적정 예측모델을 이용하여 목표 분석기간 동안의 콜량을 예측하는 콜량 예측부; 및 콜량 예측부에 의해 예측된 콜량을 기초로 상담사 스케쥴을 생성하는 스케쥴 생성부를 포함하는 것을 특징으로 한다.

Description

상담사 스케쥴 관리 장치 및 방법{APPARATUS AND METHOD FOR MANAGING COUNSELOR SCHEDULE}
본 발명은 상담사 스케쥴 관리 장치 및 방법에 관한 것으로서, 보다 상세하게는 메타 데이터로부터 생성된 기초 데이터를 이용하여 콜량 예측을 위한 예측모델을 생성하고, 생성된 예측모델을 통해 콜량을 예측한 후, 예측된 콜량을 토대로 상담사 스케쥴을 생성하는 상담사 스케쥴 관리 장치 및 방법에 관한 것이다.
콜센터는 상담사가 전화를 매체로 하여 고객을 응대하면서 다양한 정보를 제공하고 고객의 문의나 불편사항을 접수 및 해결하는 역할을 한다. 아울러, 인터넷의 발달에 힘입어 인터넷을 통한 상담 및 고장접수 등도 많이 이루어지고 있으나, 처리의 신속성 및 접근 용이성 등으로 인해 아직까지는 콜센터를 이용한 상담이 높은 비중을 차지하고 있다.
이러한 상담업무를 처리하는 콜센터에서는 수신, 여신, 전자금융, 영업점전화집중화, 외국어상담, 업무지원헬프 등 다양한 업무유형을 처리함에 있어 상담데이터 실적을 추적 관리하는 업무를 수행한다.
이를 위해 관리자는 일 필요인력 산정 및 실시간 상담근무자를 모니터링하여 적정투입인력, 휴무인력, 교육인력 및 점심시간 배분 등을 관리하고 있다.
그러나, 상담사 교체나 퇴직시 동일한 품질의 업무를 제공하는데 많은 어려움이 발생하고 있으며, 많은 인력투입에 따른 높은 인력비용이 발생되고 있다. 이에, 대부분의 콜센터는 동일품질의 상담서비스를 제공할 수 있는 기술 기반 서비스 프로세스 도입이 절실한 실정이다.
더욱이, 고품질 서비스를 유지하기 위해서는 정확한 콜량을 예측해야 한다. 일반적으로 향후 7일, 30일 동안의 업무량을 예측하는데, 종래에는 몇 개의 상담데이터만을 이용하거나, 관리자가 수작업으로 예측함으로써, 예측 정확도가 낮은 실정이다.
본 발명의 배경기술은 대한민국 공개특허공보 10-2006-0009771호(2006.02.01)의 '예측 다이얼링 장치 및 방법'에 개시되어 있다.
본 발명은 전술한 문제점을 개선하기 위해 창안된 것으로서, 본 발명의 일 측면에 따른 목적은 메타 데이터로부터 생성된 기초 데이터를 이용하여 콜량 예측을 위한 예측모델을 생성하고, 생성된 예측모델을 통해 콜량을 예측한 후, 예측된 콜량을 토대로 상담사 스케쥴을 생성하는 상담사 스케쥴 관리 장치 및 방법을 제공하는 것이다.
본 발명의 일 측면에 따른 상담사 스케쥴 관리 장치는 상담서비스를 기초로 생성된 메타 데이터를 수집하고, 수집된 메타 데이터를 이용하여 예측모델 생성을 위한 기초 데이터를 생성하는 데이터 처리부; 상기 기초 데이터를 예측 정보에 따라 분석하여 상담사 스케쥴 생성에 사용할 적정 예측모델을 생성하는 예측모델 처리부; 상기 예측모델 처리부에 의해 예측모델이 생성될 때마다 과거 분석기간 동안의 콜량을 예측하고, 상기 적정 예측모델을 이용하여 목표 분석기간 동안의 콜량을 예측하는 콜량 예측부; 및 상기 콜량 예측부에 의해 예측된 콜량을 기초로 상담사 스케쥴을 생성하는 스케쥴 생성부를 포함하는 것을 특징으로 한다.
본 발명의 상기 예측모델 처리부는 상기 데이터 처리부에 의해 생성된 상기 기초 데이터를 상기 예측 정보에 따라 회귀분석을 수행하여 상기 예측모델을 적어도 하나 이상 생성하는 예측모델 생성부; 및 상기 예측모델 각각의 처리 결과를 바탕으로 예측모델 중 어느 하나를 상기 적정 예측모델로 결정하는 예측모델 결정부를 포함하는 것을 특징으로 한다.
본 발명의 상기 예측정보는 분석하고자 하는 과거의 분석기간, 검증하고자 하는 검증일자, 콜량 예측에 영향을 미치는 기초요인, 및 콜량 예측에 영향을 미치는 추가요인 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명의 상기 추가요인은 입력부를 통한 사용자의 제어명령에 따라 증가 또는 감소되는 것을 특징으로 한다.
본 발명의 상기 예측모델 결정부는 상기 예측모델 각각의 처리 결과가 기 설정된 선택조건을 만족하는지를 판단 결과 상기 예측모델 중 어느 하나를 상기 적정 예측모델로 선택하는 것을 특징으로 한다.
본 발명의 상기 예측모델 각각의 처리 결과는 상기 예측모델 각각의 결정계수 및 예상 콜량 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명의 상기 예측모델 결정부는 상기 예측모델의 결정계수가 기 설정된 결정계수 기준값 이상이거나, 또는 상기 예측모델의 예상 콜량과 실제 콜량의 오차가 오차 설정값 이하인지를 판단하여 판단 결과에 따라 상기 적정 예측모델을 선택하는 것을 특징으로 한다.
본 발명의 상기 스케쥴 생성부는 기 설정된 목표 콜량에 따라 상기 상담사 스케쥴을 생성하는 것을 특징으로 한다.
본 발명의 상기 목표 콜량은 전체 콜량에 대한 응대율, 및 전화가 인입된 후 상담사가 응대하기까지 소요되는 시간을 나타내는 서비스 레벨에 따라 설정되는 것을 특징으로 한다.
본 발명의 상기 상담사 스케쥴은 적정 투입인력, 상담사별 권장 교육시간, 각 상담사의 업무별 중식시간 교대횟수, 및 상담사 교대근무 형태 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명의 일 측면에 따른 상담사 스케쥴 관리 방법은 데이터 처리부가 상담서비스를 기초로 생성된 메타 데이터를 수집하고, 수집된 메타 데이터를 이용하여 예측모델 생성을 위한 기초 데이터를 생성하는 단계; 예측모델 처리부가 상기 기초 데이터를 예측 정보에 따라 분석하여 상담사 스케쥴 생성에 사용할 적정 예측모델을 생성하는 단계; 콜량 예측부가 상기 적정 예측모델을 이용하여 분석기간 동안의 콜량을 예측하는 단계; 및 스케쥴 생성부가 상기 콜량 예측부에 의해 예측된 콜량을 기초로 상담사 스케쥴을 생성하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 상기 적정 예측모델을 생성하는 단계에서, 상기 예측모델 처리부는 상기 데이터 처리부에 의해 생성된 상기 기초 데이터를 상기 예측 정보에 따라 회귀분석을 수행하여 상기 예측모델을 적어도 하나 이상 생성하고, 상기 예측모델 각각의 처리 결과를 바탕으로 예측모델 중 어느 하나를 상기 적정 예측모델로 결정하는 것을 특징으로 한다.
본 발명의 상기 예측정보는 분석하고자 하는 과거의 분석기간, 검증하고자 하는 검증일자, 콜량 예측에 영향을 미치는 기초요인, 및 콜량 예측에 영향을 미치는 추가요인 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명의 상기 추가요인은 입력부를 통한 사용자의 제어명령에 따라 증가 또는 감소되는 것을 특징으로 한다.
본 발명의 상기 적정 예측모델을 생성하는 단계에서, 상기 예측모델 처리부는 상기 예측모델 각각의 처리 결과가 기 설정된 선택조건을 만족하는지를 판단 결과 상기 예측모델 중 어느 하나를 상기 적정 예측모델로 선택하는 것을 특징으로 한다.
본 발명의 상기 예측모델 각각의 처리 결과는 상기 예측모델 각각의 결정계수 및 예상 콜량 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명의 상기 적정 예측모델을 생성하는 단계에서, 상기 예측모델 처리부는 상기 예측모델의 결정계수가 기 설정된 결정계수 기준값 이상이거나, 또는 상기 예측모델의 예상 콜량과 실제 콜량의 오차가 오차 설정값 이하인지를 판단하여 판단 결과에 따라 상기 적정 예측모델을 선택하는 것을 특징으로 한다.
본 발명의 상기 상담사 스케쥴을 생성하는 단계에서, 상기 스케쥴 생성부는 기 설정된 목표 콜량에 따라 상기 상담사 스케쥴을 생성하는 것을 특징으로 한다.
본 발명의 상기 목표 콜량은 전체 콜량에 대한 응대율, 및 전화가 인입된 후 응대하기까지 소요되는 시간을 나타내는 서비스 레벨에 따라 설정되는 것을 특징으로 한다.
본 발명의 상기 상담사 스케쥴은 적정 투입인력, 상담사별 권장 교육시간, 각 상담사의 업무별 중식시간 교대횟수, 및 상담사 교대근무 형태 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명의 일 측면에 따른 상담사 스케쥴 관리 장치 및 방법은 메타 데이터로부터 생성된 기초 데이터를 이용하여 콜량 예측을 위한 예측모델을 생성하고, 생성된 예측모델을 통해 콜량을 예측한 후, 예측된 콜량을 토대로 상담사 스케쥴을 자동으로 생성한다.
본 발명의 다른 측면에 따른 상담사 스케쥴 관리 장치 및 방법은 메타 데이터로부터 생성된 기초 데이터를 활용하여 예측모델을 생성함으로써, 콜량 예측의 정확도를 향상시키고 상담사 스케쥴에 따른 적절한 인력투입을 통해 높은 상담서비스 품질을 확보할 수 있도록 한다.
도 1 은 본 발명의 일 실시예에 따른 상담사 스케쥴 관리 장치의 블럭 구성도이다.
도 2 는 본 발명의 일 실시예에 따른 데이터 처리부의 블럭 구성도이다.
도 3 은 본 발명의 일 실시예에 따른 예측모델 처리부의 블럭 구성도이다.
도 4 는 본 발명의 일 실시예에 따른 상담사 스케쥴 관리 방법의 순서도이다.
이하에서는 본 발명의 일 실시예에 따른 상담사 스케쥴 관리 장치 및 방법을 첨부된 도면들을 참조하여 상세하게 설명한다. 이러한 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 이용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1 은 본 발명의 일 실시예에 따른 상담사 스케쥴 관리 장치의 블럭 구성도이고, 도 2 는 본 발명의 일 실시예에 따른 데이터 처리부의 블럭 구성도이며, 도 3 은 본 발명의 일 실시예에 따른 예측모델 처리부(20)의 블럭 구성도이다.
도 1 을 참조하면, 본 발명의 일 실시예에 따른 상담사 스케쥴 관리 장치는 데이터 처리부(10), 예측모델 처리부(20), 콜량 예측부(30), 스케쥴 생성부(40), 상담상황 분석부(50) 및 인터페이스부(60)를 포함한다.
데이터 처리부(10)는 상담서비스를 기초로 생성된 메타 데이터를 데이터베이스로부터 수집하고, 수집된 메타 데이터를 이용하여 예측모델 생성을 위한 기초 데이터를 생성한다.
도 2 를 참조하면, 데이터 처리부(10)는 메타 데이터 수집부(11) 및 기초 데이터 생성부(12)를 포함한다.
메타 데이터 수집부(11)는 상담서비스를 기초로 생성된 메타 데이터를 수집한다.
메타 데이터에는 인공지능 데이터, 빅데이터, STT(Speech to Text) 데이터, CTI(Computer Telephony Integration) 데이터, IVR(Interactive Voice Response) 데이터, 상담사 근속시간, 상담사 업무유형, 화면스크링 레코딩, 상담전산시스템 입력값, 후처리내역, 상담품질평가점수, 상담사 시험평가 점수, 상담사 개인별 상담업무 처리실적, 상담사 교육내용과 수료시간의 누적 현황, 및 상담사에 대한 코칭데이터 중 적어도 하나를 포함한다.
기초 데이터 생성부(12)는 메타 데이터 수집부(11)에 의해 수집된 메타 데이터를 이용하여 예측모델 생성을 위한 기초 데이터를 생성한다.
예측모델 처리부(20)는 데이터 처리부(10)에 의해 생성된 기초 데이터를 예측 정보에 따라 분석수행하여 상담사 스케쥴 생성에 사용할 적정 예측모델을 생성한다.
도 3 을 참조하면, 예측모델 처리부(20)는 예측모델 생성부(21) 및 예측모델 결정부(22)를 포함한다.
예측모델 생성부(21)는 데이터 처리부(10)에 의해 생성된 기초 데이터를 예측 정보에 따라 회귀분석을 수행하여 예측모델을 적어도 하나 이상 생성한다.
여기서, 예측모델 생성부(21)는 기초 데이터를 이용하여 회귀분석을 수행하여 적어도 하나의 예측모델을 생성하는데, 상기한 예측정보에 따라 예측모델을 생성한다. 이 경우, 예측모델 생성부(21)는 관리자 단말(미도시)로부터 인터페이스부(60)를 통해 입력되는 제어명령이 변경될 때마다 상기한 기초 데이터를 이용하여 예측모델을 생성 또는 변경한다.
즉, 예측모델 생성부(21)는 관리자가 관리자 단말을 이용하여 예측정보를 변경하거나 또는 각 기초 데이터에 대한 가중치를 변경할 때마다, 회귀분석을 통해 예측모델을 생성하며, 이러한 과정을 반복함으로써 복수 개의 예측모델을 생성할 수 있다.
예측정보는 예측모델을 생성하기 위해 관리자가 입력하는 정보이다.
예측정보에는 분석하고자 하는 과거의 분석기간, 검증하고자 하는 검증일자, 예측모델 생성에 기초적으로 필요로 하는 기초요인 및 기초요인에 추가적으로 증가 또는 감소되는 추가요인 중 적어도 하나가 포함될 수 있다.
여기서, 분석기간은 예측모델의 정확도를 판단하기 위해 관리자에 의해 임의로 설정되는 기간이며, 검증일자는 신용카드 등의 결재일 등으로써 관리자에 의해 임의로 설정될 수 있다.
또한, 기초요인은 콜량 예측에 기본적으로 영향을 미치는 요인으로써, 월별, 요일별, 시간별, 결재일, 및 월말 중 적어도 하나로 설정될 수 있다.
추가요인은 상기한 기초요인 이외에 콜량 예측에 영향을 미치는 요인으로써, SM(Shott Message) 발송, TM(Telemarketing) 발송, 학자금 대출 및 시스템 장애 발생 등이 포함될 수 있다.
추가 요인은 특별히 한정되는 것은 아니며, 시스템적인 요소나 사회환경적인 요소 등 다양한 요인들이 더 포함될 수 있다.
특히, 추가 요인은 인터페이스를 통해 증가 또는 감소될 수 있으며, 이를 토대로 콜량 예측의 정확도를 더욱 향상시킬 수 있도록 한다.
예측모델 결정부(22)는 예측모델 생성부(21)에 의해 예측모델이 생성되면, 해당 예측모델 중 어느 하나를 적정 예측모델로 결정한다.
즉, 예측모델 결정부(22)는 예측모델 생성부(21)에 의해 예측모델이 생성될 때마다 예측모델 각각의 처리 결과를 바탕으로 예측모델을 검증하여 이들 예측모델 중 어느 하나를 상담사 스케쥴 생성에 사용할 적정 예측모델로 결정한다.
좀 더 구체적으로 설명하면, 예측모델 결정부(22)는 예측모델 생성부(21)에 의해 예측모델이 생성되면 그 처리 결과, 예를 들어 결정계수를 검출한다.
이어, 예측모델 결정부(22)는 이들 결정계수 및 예상 콜량이 기 설정된 선택조건을 만족하는지 여부를 판단하고, 판단 결과에 따라 해당 예측모델을 상담사 스케쥴 생성에 사용할적정 예측모델로 선택한다.
여기서, 예상 콜량은 콜량 예측부(30)에 의해 산출되는데, 콜량 예측부(30)는 상기한 바와 같이 예측모델 생성부(21)에 의해 예측모델이 생성될 때마다, 해당 예측모델을 이용하여 해당 분석기간(관리자 단말을 통해 입력된 과거 임의의 기간) 동안의 콜량을 산출한다.
예를 들어, 예측모델 결정부(22)는 결정계수가 기 설정된 결정계수 설정값 이상이고 예상 콜량과 해당 분석기간 동안의 실제 콜량 간의 오차가 오차 설정값 이하이면 해당 예측모델을 상담사 스케쥴 생성에 사용할 적정 예측모델로 선택한다.
예측모델 결정부(22)가 예측모델의 처리 결과로써 결정계수 및 예상 콜량 모두 이용함으로써, 적정 예측모델의 정확도가 더욱 향상될 수 있다.
일 예로, 관리자가 인터페이스부(60)를 이용하여 예측 정보의 분석 기간을 과거 1개월로 선택할 경우, 예측모델 생성부(21)는 해당 분석 기간 동안의 예측모델을 생성한다.
예측모델 생성부(21)에 의해 예측모델이 생성됨에 따라, 예측모델 결정부(22)는 해당 예측모델의 결정계수를 산출하고 해당 분석기간 동안의 실제 콜량을 검출한다. 또한, 콜량 예측부(30)는 해당 예측모델을 이용하여 예상 콜량을 산출한다.
이어, 예측모델 결정부(22)는 결정계수가 결정계수 설정값 이상이고, 해당 분석기간(과거 1개월) 동안의 예상 콜량과 실제 콜량의 오차가 오차 설정값 이내이면, 해당 예측모델을 상담사 스케쥴 생성에 사용할 적정 예측모델로 결정한다.
반면에, 예측모델 결정부(22)는 결정계수가 결정계수 설정값 미만이거나 해당 분석기간(과거 1개월) 동안의 예상 콜량과 실제 콜량의 오차가 오차 설정값 이상이면, 인터페이스부(60)로부터 입력된 제어명령에 따라 예측정보 또는 가중치를 변경하여 예측모델을 새롭게 생성한 후 상기한 과정을 반복한다. 이러한 과정을 반복함으로써, 상담사 스케쥴 생성에 사용할 적정 예측모델이 결정된다.
즉, 각 예측모델별로 결정계수와 결정계수 설정값을 비교할 뿐만 아니라, 해당 예측모델을 통해 산출된 과거 분석기간 동안의 예상 콜량과 해당 분석기간 동안의 실제 콜량을 비교하는 과정을 통해, 예측모델 각각에 대한 검증을 수행함으로써, 예측모델의 정확도 및 이를 통한 콜량 예측의 정확도가 향상될 수 있다.
콜량 예측부(30)는 예측모델 처리부(20)에 의해 생성된 예측모델을 이용하여 콜량을 예측한다.
콜량 예측부(30)는 예측모델 처리부(20)에 의해 예측모델이 생성될 때마다 생성된 예측모델을 이용하여 콜량을 예측할 뿐만 아니라, 예측모델 처리부(20)에 의해 적정 예측모델이 결정되면 해당 적정 예측모델을 이용하여 인터페이스부(60)로부터 입력된 목표 분석기간 동안의 콜량을 예측한다. 여기서, 목표 분석기간은 관리자가 상담사 스케쥴을 얻고자 하는 미래의 기간이다.
스케쥴 생성부(40)는 적정 예측모델을 통해 목표 분석기간에 대한 콜량이 예측되면, 예측된 콜량을 이용하여 상담사 스케쥴을 생성한다.
이 경우, 스케쥴 생성부(40)는 목표 콜량에 따라 상담사 스케쥴을 생성하는데, 목표 콜량은 전체 콜량에 대한 응대율, 및 전화가 인입된 후 상담사가 응대하기까지 소요되는 시간을 나타내는 서비스 레벨에 따라 설정될 수 있다.
여기서, 전체 콜량에 대한 응대율은 80% 등과 같이 설정될 수 있으며, 서비스 레벨은 20초 등으로 설정될 수 있다.
이러한 목표 콜량에 따라 스케쥴 생성부(40)는 상담사 스케쥴을 생성하되, 상담사 스케쥴에는 적정 투입인력, 상담사별 권장 교육시간, 각 상담사의 업무별 중식시간 교대횟수, 및 상담사 교대근무 형태가 포함될 수 있다.
일 예로, 전체 콜량에 대한 응대율이 80%로 설정된 경우, 스케쥴 생성부(40)는 상담사 스케쥴에 해당 응대율을 유지하기 위한 적정 투입인력, 각 상담사의 업무별 중식시간 교대횟수, 및 상담사 교대근무 형태 등을 설정하고, 나머지 상담사에 대해서는 상담사별 권장 교육시간을 설정할 수 있다.
또한, 서비스 레벨이 20초로 설정된 경우, 스케쥴 생성부(40)는 상담사 스케쥴에 20초 이내에 응대가 이루어질 수 있는 적정 투입인력, 각 상담사의 업무별 중식시간 교대횟수, 및 상담사 교대근무 형태 등을 설정하고, 나머지 상담사에 대해서는 상담사별 권장 교육시간을 설정할 수 있다.
한편, 스케쥴 생성부(40)는 해당 상담사 스케쥴을 인터페이스부(60)를 통해 관리자 단말로 전달하며, 관리자 단말은 해당 상담사 스케쥴을 출력함으로써 관리자가 상담사 스케쥴을 인지하고 상담사 각각의 스케쥴을 관리할 수 있도록 한다.
상담상황 분석부(50)는 스케쥴 생성부(40)에 의해 상담사 스케쥴이 생성되면 해당 상담사 스케쥴에 따른 적정 투입인력과 실제 투입입력을 비교하여 비교 결과를 인터페이스부(60)를 통해 관리자 단말에 전달한다.
예를 들어, 상담상황 분석부(50)는 적정 투입인력에 비해 실제 투입인력이 작으면 투입인력부족 정보를 생성하여 인터페이스부(60)를 통해 관리자 단말에 전달함으로써, 관리자가 해당 투입인력부족 정보를 참고로 추가 인력배치 등의 조치를 취할 수 있도록 한다.
투입인력부족 정보에는 적정 투입인력, 실제 투입인력, 부족 인력, 및 실시간 콜량 변화량 등이 포함될 수 있다.
이하 본 발명의 일 실시예에 따른 상담사 스케쥴 관리 방법을 도 4 를 참조하여 상세하게 설명한다.
도 4 는 본 발명의 일 실시예에 따른 상담사 스케쥴 관리 방법의 순서도이다.
도 4 를 참조하면, 먼저 메타 데이터 수집부(11)가 상담서비스를 기초로 생성된 메타 데이터, 예를 들어 인공지능 데이터, 빅데이터, STT(Speech to Text) 데이터, CTI(Computer Telephony Integration) 데이터, IVR(Interactive Voice Response) 데이터, 상담사 근속시간, 상담사 업무유형, 화면스크링 레코딩, 상담전산시스템 입력값, 후처리내역, 상담품질평가점수, 상담사 시험평가 점수, 상담사 개인별 상담업무 처리실적, 상담사 교육내용과 수료시간의 누적 현황, 및 상담사에 대한 코칭데이터를 수집한다(S10).
기초 데이터 생성부(12)는 메타 데이터 수집부(11)에 의해 수집된 메타 데이터를 이용하여 예측모델 생성을 위한 기초 데이터를 생성한다(S20).
기초 데이터가 수집됨에 따라, 예측모델 생성부(21)는 인터페이스부(60)를 통해 관리자 단말로부터 에측정보를 입력받고(S30), 데이터 처리부(10)에 의해 생성된 기초 데이터를 예측 정보에 따라 회귀분석을 수행하여 예측모델을 생성한다(S40).
예측모델 결정부(22)는 예측모델 생성부(21)에 의해 예측모델이 생성되면, 해당 예측모델이 기 설정된 선택조건을 만족하는지 여부를 판단한다(S50).
즉, 예측모델 결정부(22)는 예측모델의 결정계수를 검출하고 해당 분석기간 동안의 실제 콜량을 검출한다. 이어, 예측모델 결정부(22)는 이들 결정계수 및 예상 콜량이 기 설정된 선택조건을 만족하는지 여부를 판단하는데, 결정계수가 기 설정된 결정계수 설정값 이상이고 예상 콜량과 해당 분석기간 동안의 실제 콜량 간의 오차가 오차 설정값 이하이면 해당 예측모델을 상담사 스케쥴 생성에 사용할 적정 예측모델로 선택한다. 여기서, 예상 콜량은 콜량 예측부(30)에 의해 산출된다.
반면에, 결정계수가 기 설정된 결정계수 설정값 미만이거나 예상 콜량과 해당 분석기간 동안의 실제 콜량 간의 오차가 오차 설정값을 초과하면, 예측모델 생성부(21)는 관리자 단말로부터 인터페이스부(60)를 통해 예측정보 또는 가중치를 입력받아 변경하고(S60), 변경된 예측정보에 따라 예측모델을 새롭게 생성한다. 이러한 과정은 예측모델이 상기한 선택조건을 만족할 때까지 반복 수행될 수 있다.
한편, 예측모델 결정부(22)는 예측모델이 선택조건을 만족하면, 해당 예측모델을 상담사 스케쥴 생성에 사용할 적정 예측모델로 선택한다(S70).
적정 예측모델이 선택됨에 따라, 콜량 예측부(30)는 해당 적정 예측모델을 이용하여 인터페이스부(60)로부터 입력된 목표 분석기간 동안의 콜량을 예측한다(S80).
이어, 스케쥴 생성부(40)는 관리자 단말로부터 인터페이스부(60)를 통해 입력된 목표 콜량에 따라 상담사 스케쥴을 생성하며(S90), 생성된 상담사 스케쥴을 인터페이스부(60)를 통해 관리자 단말에 전달한다. 이에 따라, 관리자 단말은 상담사 스케쥴을 출력한다(S100). 여기서, 상담사 스케쥴에는 적정 투입인력, 상담사별 권장 교육시간, 각 상담사의 업무별 중식시간 교대횟수, 및 상담사 교대근무 형태가 포함될 수 있다.
한편, 상담사 스케쥴이 생성됨에 따라, 상담상황 분석부(50)는 해당 상담사 스케쥴에 따른 적정 투입인력과 실제 투입입력을 비교하여 비교 결과를 인터페이스부(60)를 통해 관리자 단말에 전달함으로써, 관리자가 해당 투입인력부족 정보를 참고로 추가 인력배치 등의 조치를 취할 수 있도록 한다.
이와 같이 본 발명의 일 실시예에 따른 상담사 스케쥴 관리 장치 및 방법은 메타 데이터로부터 생성된 기초 데이터를 이용하여 콜량 예측을 위한 예측모델을 생성하고, 생성된 예측모델을 통해 콜량을 예측한 후, 예측된 콜량을 토대로 상담사 스케쥴을 자동으로 생성한다.
또한, 본 발명의 일 실시예에 따른 상담사 스케쥴 관리 장치 및 방법은 메타 데이터로부터 생성된 기초 데이터를 활용하여 예측모델을 생성함으로써, 콜량 예측의 정확도를 향상시키고 상담사 스케쥴에 따른 적절한 인력투입을 통해 높은 상담서비스 품질을 확보할 수 있도록 한다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며 당해 기술이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의하여 정해져야할 것이다.
10: 데이터 처리부 11: 메타 데이터 수집부
12: 기초 데이터 생성부 20: 예측모델 처리부
21: 예측모델 생성부 22: 예측모델 결정부
30: 콜량 예측부 40: 스케쥴 생성부
50: 상담상황 분석부 60: 인터페이스부

Claims (20)

  1. 상담서비스를 기초로 생성된 메타 데이터를 수집하고, 수집된 메타 데이터를 이용하여 예측모델 생성을 위한 기초 데이터를 생성하는 데이터 처리부;
    상기 기초 데이터를 예측 정보에 따라 분석하여 상담사 스케쥴 생성에 사용할 적정 예측모델을 생성하는 예측모델 처리부;
    상기 예측모델 처리부에 의해 예측모델이 생성될 때마다 과거 분석기간 동안의 콜량을 예측하고, 상기 적정 예측모델을 이용하여 목표 분석기간 동안의 콜량을 예측하는 콜량 예측부; 및
    상기 콜량 예측부에 의해 예측된 콜량을 기초로 상담사 스케쥴을 생성하는 스케쥴 생성부를 포함하는 상담사 스케쥴 관리 장치.
  2. 제 1 항에 있어서, 상기 예측모델 처리부는
    상기 데이터 처리부에 의해 생성된 상기 기초 데이터를 상기 예측 정보에 따라 회귀분석을 수행하여 상기 예측모델을 적어도 하나 이상 생성하는 예측모델 생성부; 및
    상기 예측모델 각각의 처리 결과를 바탕으로 예측모델 중 어느 하나를 상기 적정 예측모델로 결정하는 예측모델 결정부를 포함하는 것을 특징으로 하는 상담사 스케쥴 관리 장치.
  3. 제 2 항에 있어서, 상기 예측정보는 분석하고자 하는 과거의 분석기간, 검증하고자 하는 검증일자, 콜량 예측에 영향을 미치는 기초요인, 및 콜량 예측에 영향을 미치는 추가요인 중 적어도 하나를 포함하는 것을 특징으로 하는 상담사 스케쥴 관리 장치.
  4. 제 3 항에 있어서, 상기 추가요인은 입력부를 통한 사용자의 제어명령에 따라 증가 또는 감소되는 것을 특징으로 하는 상담사 스케쥴 관리 장치.
  5. 제 2 항에 있어서, 상기 예측모델 결정부는
    상기 예측모델 각각의 처리 결과가 기 설정된 선택조건을 만족하는지를 판단 결과 상기 예측모델 중 어느 하나를 상기 적정 예측모델로 선택하는 것을 특징으로 하는 상담사 스케쥴 관리 장치.
  6. 제 5 항에 있어서, 상기 예측모델 각각의 처리 결과는
    상기 예측모델 각각의 결정계수 및 예상 콜량 중 적어도 하나를 포함하는 것을 특징으로 하는 상담사 스케쥴 관리 장치.
  7. 제 6 항에 있어서, 상기 예측모델 결정부는
    상기 예측모델의 결정계수가 기 설정된 결정계수 기준값 이상이거나, 또는 상기 예측모델의 예상 콜량과 실제 콜량의 오차가 오차 설정값 이하인지를 판단하여 판단 결과에 따라 상기 적정 예측모델을 선택하는 것을 특징으로 하는 상담사 스케쥴 관리 장치.
  8. 제 1 항에 있어서, 상기 스케쥴 생성부는
    기 설정된 목표 콜량에 따라 상기 상담사 스케쥴을 생성하는 것을 특징으로 하는 상담사 스케쥴 관리 장치.
  9. 제 8 항에 있어서, 상기 목표 콜량은 전체 콜량에 대한 응대율, 및 전화가 인입된 후 상담사가 응대하기까지 소요되는 시간을 나타내는 서비스 레벨에 따라 설정되는 것을 특징으로 하는 상담사 스케쥴 관리 장치.
  10. 제 1 항에 있어서, 상기 상담사 스케쥴은 적정 투입인력, 상담사별 권장 교육시간, 각 상담사의 업무별 중식시간 교대횟수, 및 상담사 교대근무 형태 중 적어도 하나를 포함하는 것을 특징으로 하는 상담사 스케쥴 관리 장치.
  11. 데이터 처리부가 상담서비스를 기초로 생성된 메타 데이터를 수집하고, 수집된 메타 데이터를 이용하여 예측모델 생성을 위한 기초 데이터를 생성하는 단계;
    예측모델 처리부가 상기 기초 데이터를 예측 정보에 따라 분석하여 상담사 스케쥴 생성에 사용할 적정 예측모델을 생성하는 단계;
    콜량 예측부가 상기 적정 예측모델을 이용하여 분석기간 동안의 콜량을 예측하는 단계; 및
    스케쥴 생성부가 상기 콜량 예측부에 의해 예측된 콜량을 기초로 상담사 스케쥴을 생성하는 단계를 포함하는 상담사 스케쥴 관리 방법.
  12. 제 11 항에 있어서, 상기 적정 예측모델을 생성하는 단계에서,
    상기 예측모델 처리부는 상기 데이터 처리부에 의해 생성된 상기 기초 데이터를 상기 예측 정보에 따라 회귀분석을 수행하여 상기 예측모델을 적어도 하나 이상 생성하고, 상기 예측모델 각각의 처리 결과를 바탕으로 예측모델 중 어느 하나를 상기 적정 예측모델로 결정하는 것을 특징으로 하는 상담사 스케쥴 관리 방법.
  13. 제 12 항에 있어서, 상기 예측정보는 분석하고자 하는 과거의 분석기간, 검증하고자 하는 검증일자, 콜량 예측에 영향을 미치는 기초요인, 및 콜량 예측에 영향을 미치는 추가요인 중 적어도 하나를 포함하는 것을 특징으로 하는 상담사 스케쥴 관리 방법.
  14. 제 13 항에 있어서, 상기 추가요인은 입력부를 통한 사용자의 제어명령에 따라 증가 또는 감소되는 것을 특징으로 하는 상담사 스케쥴 관리 방법.
  15. 제 12 항에 있어서, 상기 적정 예측모델을 생성하는 단계에서,
    상기 예측모델 처리부는 상기 예측모델 각각의 처리 결과가 기 설정된 선택조건을 만족하는지를 판단 결과 상기 예측모델 중 어느 하나를 상기 적정 예측모델로 선택하는 것을 특징으로 하는 상담사 스케쥴 관리 방법.
  16. 제 15 항에 있어서, 상기 예측모델 각각의 처리 결과는
    상기 예측모델 각각의 결정계수 및 예상 콜량 중 적어도 하나를 포함하는 것을 특징으로 하는 상담사 스케쥴 관리 방법.
  17. 제 16 항에 있어서, 상기 적정 예측모델을 생성하는 단계에서,
    상기 예측모델 처리부는 상기 예측모델의 결정계수가 기 설정된 결정계수 기준값 이상이거나, 또는 상기 예측모델의 예상 콜량과 실제 콜량의 오차가 오차 설정값 이하인지를 판단하여 판단 결과에 따라 상기 적정 예측모델을 선택하는 것을 특징으로 하는 상담사 스케쥴 관리 방법.
  18. 제 11 항에 있어서, 상기 상담사 스케쥴을 생성하는 단계에서,
    상기 스케쥴 생성부는 기 설정된 목표 콜량에 따라 상기 상담사 스케쥴을 생성하는 것을 특징으로 하는 상담사 스케쥴 관리 방법.
  19. 제 18 항에 있어서, 상기 목표 콜량은 전체 콜량에 대한 응대율, 및 전화가 인입된 후 응대하기까지 소요되는 시간을 나타내는 서비스 레벨에 따라 설정되는 것을 특징으로 하는 상담사 스케쥴 관리 방법.
  20. 제 11 항에 있어서, 상기 상담사 스케쥴은 적정 투입인력, 상담사별 권장 교육시간, 각 상담사의 업무별 중식시간 교대횟수, 및 상담사 교대근무 형태 중 적어도 하나를 포함하는 것을 특징으로 하는 상담사 스케쥴 관리 방법.
KR1020180081330A 2018-07-12 2018-07-12 상담사 스케쥴 관리 장치 및 방법 KR102108541B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180081330A KR102108541B1 (ko) 2018-07-12 2018-07-12 상담사 스케쥴 관리 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180081330A KR102108541B1 (ko) 2018-07-12 2018-07-12 상담사 스케쥴 관리 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20200007334A true KR20200007334A (ko) 2020-01-22
KR102108541B1 KR102108541B1 (ko) 2020-05-08

Family

ID=69368327

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180081330A KR102108541B1 (ko) 2018-07-12 2018-07-12 상담사 스케쥴 관리 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102108541B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102188799B1 (ko) * 2020-03-03 2020-12-08 주식회사 렛유인 직원 교육 및 업무 시간 관리 방법 및 장치
KR102311296B1 (ko) * 2021-04-01 2021-10-14 주식회사 볼드코퍼레이션 인공지능을 이용한 콜센터 업무 자동화 시스템 및 그 방법
KR102420770B1 (ko) * 2021-07-06 2022-07-14 이상주 인공지능 기반의 가상 상담 운영 관리 시스템 및 그 구동방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102607384B1 (ko) 2021-04-05 2023-11-29 주식회사 아이스크림에듀 정회원전환예측장치 및 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060023596A (ko) * 2006-02-21 2006-03-14 강호석 아웃바운드 콜센터를 위한 통화 추천 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060023596A (ko) * 2006-02-21 2006-03-14 강호석 아웃바운드 콜센터를 위한 통화 추천 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102188799B1 (ko) * 2020-03-03 2020-12-08 주식회사 렛유인 직원 교육 및 업무 시간 관리 방법 및 장치
KR102311296B1 (ko) * 2021-04-01 2021-10-14 주식회사 볼드코퍼레이션 인공지능을 이용한 콜센터 업무 자동화 시스템 및 그 방법
KR102420770B1 (ko) * 2021-07-06 2022-07-14 이상주 인공지능 기반의 가상 상담 운영 관리 시스템 및 그 구동방법

Also Published As

Publication number Publication date
KR102108541B1 (ko) 2020-05-08

Similar Documents

Publication Publication Date Title
US11004013B2 (en) Training of chatbots from corpus of human-to-human chats
KR20200007334A (ko) 상담사 스케쥴 관리 장치 및 방법
US8392240B2 (en) System and method for determining outsourcing suitability of a business process in an enterprise
US7734783B1 (en) Systems and methods for determining allocations for distributed multi-site contact centers
WO2017215403A1 (zh) 一种用户信用评估方法、装置及存储介质
US8687795B2 (en) System and method for generating forecasts and analysis of contact center behavior for planning purposes
US20130236002A1 (en) Using factor analysis to improve work assignment performance
US9774509B1 (en) Performance tuning of it services
US20060026049A1 (en) Method for identifying and prioritizing customer care automation
CN104680428A (zh) 一种电网客户满意度模型的构建方法
US11367089B2 (en) Genuineness of customer feedback
US10706474B2 (en) Supplemental review process determination utilizing advanced analytics decision making model
Ibrahim et al. Inter-dependent, heterogeneous, and time-varying service-time distributions in call centers
US20220101220A1 (en) Method and system for dynamic adaptive routing of deferrable work in a contact center
CN113283729B (zh) 一种企业数字化能力的评价方法及装置
US20180374029A1 (en) Selection of customer service requests
US20190172069A1 (en) Computer-based Understanding of Customer Behavior Patterns for Better Customer Outcomes
CN110942326A (zh) 一种用户满意度预测方法及装置、服务器
CN111181757B (zh) 信息安全风险预测方法、装置以及计算设备、存储介质
US11934971B2 (en) Systems and methods for automatically building a machine learning model
US11528362B1 (en) Agent performance measurement framework for modern-day customer contact centers
Ma et al. Performance assessment in an interactive call center workforce simulation
CA2567259A1 (en) Systems and methods for scheduling of outbound agents
KR102155748B1 (ko) 인공지능 학습데이터 생성을 위한 크라우드소싱 기반 프로젝트의 작업 시간 대비 검수 시간을 이용한 검수 단가 자동 업데이트 방법
US20170270611A1 (en) Processing system to automatically assign electronic records to verification process subset levels

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant