KR20210118634A - 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 PDF

Info

Publication number
KR20210118634A
KR20210118634A KR1020200035136A KR20200035136A KR20210118634A KR 20210118634 A KR20210118634 A KR 20210118634A KR 1020200035136 A KR1020200035136 A KR 1020200035136A KR 20200035136 A KR20200035136 A KR 20200035136A KR 20210118634 A KR20210118634 A KR 20210118634A
Authority
KR
South Korea
Prior art keywords
information
customer
counseling
agent
call
Prior art date
Application number
KR1020200035136A
Other languages
Korean (ko)
Other versions
KR102570701B1 (en
Inventor
이강호
인준영
Original Assignee
주식회사 베스트브라더스
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 주식회사 베스트브라더스 filed Critical 주식회사 베스트브라더스
Priority to KR1020200035136A priority Critical patent/KR102570701B1/en
Publication of KR20210118634A publication Critical patent/KR20210118634A/en
Application granted granted Critical
Publication of KR102570701B1 publication Critical patent/KR102570701B1/en

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398Performance of employee with respect to a job function
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395Quality analysis or management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281Customer 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)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Telephonic Communication Services (AREA)

Abstract

The present invention relates to a system for improving work efficiency of call center based on data, which quantitatively collects consultation content and results of call center agents who are assigned a list of prospects to evaluate the agents and change a method of assigning the list of prospects, generates a neural network model by generating tagged training data for training the neural network model on the basis of quantitative counseling information, and generates consultation support information on the basis of the neural network model, thereby increasing work efficiency of a call center, and a method thereof. According to the present invention, the system quantitatively grasps a counseling process by objectively and diversely checking a counselor's actual counseling history, and generates tagged learning information for training a deep learning model by clearly dividing a relationship between quantitatively grasped counseling process information and results of contract success (or meeting reservation success) into input and output. Through the deep learning model trained by using the learning information, the system filters malicious customers with minimal counseling resources or generates and provides counseling support information for enhancing the counseling effect for good customers to agents, thereby providing effects of increasing the success rate of prospective customer counseling, evaluating the agents to be objectively recognized, and sharing counseling skills of agents with a high success rate. The system comprises a customer selection server, an agent terminal, and an agent evaluation server.

Description

데이터 기반 콜센터 업무 효율 개선 시스템 및 그 방법{Call center service efficiency improvement system based on data and method thereof} Data-based call center work efficiency improvement system and method thereof

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 a potential customer list, evaluates the agent, and then 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 the neural network model, and then generating counseling support information based on this 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 provide information about services or products based on inbound calls, are used for after-sales service to relieve inconveniences in using services or products, or 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 them, for marketing, contact potential customers first and provide information about products or services to induce customers' interest, and based on this, schedule a meeting to provide detailed product descriptions or induce direct contracts. Call center-based counseling accounts for a very large portion of sales of services and products.

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 marketing collects information about potential customers through various methods to increase consultation efficiency, distributes information about these potential customers to counselors and conducts consultations, Or, based on the success of the reservation), it judges the success of the consultation and evaluates 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.In fact, for the success of such consultations, it is necessary to effectively collect information on potential customers with high interest in services or products. Information of site users or users participating 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 the success of each agent's consultation is checked based on the success of a contract or meeting reservation to evaluate the agent's consulting work. By allowing customer information to be assigned, agents' motivation 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, this traditional method does not adequately reflect various environmental factors that may occur in actual counseling or factors external to the agent's ability, so the reliability or objectivity of the evaluation is relatively low. There may be dissatisfaction, and it is difficult to establish an active marketing policy because the efficiency is influenced by the agent's personal ability or luck, and there is a limit in improving the counseling efficiency due to frequent turnover of counselors with excellent personal ability.

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 contents of the consultation into text, the text contents are identified, the tendency of agents and customers is classified, the adequacy of the consultation contents is judged numerically, and then the consultation call with the problem is selected by the manager. Techniques have emerged that allow direct confirmation or add weights based on information that classifies counselors and customers' propensity to process counseling content based on statistics to confirm counseling quality. However, there are significant errors because it is difficult to score the counseling voice contents by parameters according to simple criteria or to simply classify them by a mechanical classification method in reality because it is difficult to cover all various situations. It is used only as simple evaluation information after consultation to check the efficiency of the call center, to point out the wrong part of a specific agent, or to allocate more potential customer information to an agent with a high evaluation score. Measures have limitations that are not easy.

한국 등록특허 제10-1543366호, [고객 감정 지수를 이용한 호 또는 상담원의 평가 방법 및 장치]Korean Patent Registration No. 10-1543366, [Method and Apparatus for Evaluating Calls or Agents Using Customer Sentiment Index] 한국 등록특허 제10-1824242호, [상담품질 전수평가 장치]Korean Patent Registration No. 10-1824242, [Counseling quality evaluation system]

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. An object of the embodiments of the present invention for improving the above-described problems is to enable a quantitative understanding of the counseling process by objectively and variously confirming the actual counseling details of the counselor, and information on the quantitatively grasped counseling process and its By clearly dividing the relationship of the result, the success of the consultation (meeting reservation or contract success) into input and output, the tagged learning information for learning the deep learning model is generated, and the deep learning model trained using this learning information is used. It is to provide a data-based call center work efficiency improvement system and method to 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 to input consultation information including contact information, keywords and voice tone and speed according to the call content, including the call time and call duration and number of calls to potential customers collected from the agent terminal as input-related information. Tagging and tagging result information including failure, reservation, or contract success according to the final consultation result as output-related information to generate 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 according to the counseling process as early as possible, or to generate support information including counseling time, distribution, and recommended counseling content for appropriate counseling and provide it to the agent terminal. It is to provide a data-based call center work efficiency improvement system and method to increase the possibility of success.

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 on the potential customer information collection method or source to the tagged learning information as input, thereby pre-evaluating the quality of information collected for potential customers or collecting potential customers. Data-based call center work efficiency improvement system that generates support information for classification and delivers it to the audience collection server to reduce the cost or effort for information on low-probability customers and to obtain information about potential customers economically and to provide a method therefor.

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.Data-based call center work efficiency improvement system according to an embodiment of the present invention for achieving the above object is a customer selection server for collecting potential customer information and allocating potential customer information to a call center agent terminal, and potential from the customer selection server Receive customer information, conduct a call consultation with the prospective customer, and contact information including call consultation attempts, call success, and call duration information, and voice tone and speed according to voice analysis information for the call content; An agent terminal that generates consultation content information including text-converted consultation information and results information including failure, reservation or contract success information according to the consultation result, contact information collected through the agent terminal, consultation information and To learn the deep learning model by collecting the result information, a plurality of deep learning models are trained by generating learning data with input and output tagged for learning the deep learning model, and the agent is evaluated through the learned deep learning model and the evaluation information is sent to the customer selection server. It includes an agent evaluation server that provides it.

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 about the potential customer collected from the customer selection server as an input of the training data, and calculates the expected value according to the potential customer collection source through deep learning model learning for the success of the consultation 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 collected counseling information of the agent's repeated counseling process. If the predicted success rate is less than or equal to a preset criterion before the completion of counseling, 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 about potential customers from the customer selection server, reflects the agent consultation schedule information of the agent terminal, and consults at least one of consultation time, call interval for consultation, call time, and keyword of consultation After generating the support information, it is provided to the agent terminal, and in the process of consulting for the same potential customer, counseling support information for follow-up counseling can 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.Data-based call center work efficiency improvement method according to another embodiment of the present invention, the customer screening server collecting potential customer information and allocating potential customer information to the call center agent terminal, the agent terminal is the potential customer information from the customer selection server , and performing a call consultation for the potential customer, and the agent terminal attempts to consult with the potential customer, whether the call was successful, contact information including call time information, and voice analysis of the call Creating consultation content information including voice tone and speed and text-converted consultation information according to the information, and generating result information including failure, reservation or contract success information according to the consultation result; and sending the consultation content information and result information to the agent evaluation server; After generating training data, training 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 about potential customers from the customer selection server, reflects the agent consultation schedule information of the agent terminal, and at least one or more of consultation time, call interval for consultation, call time, and keyword of consultation The step of providing the counseling support information to the agent terminal after generating, and the agent evaluation server may further include the steps of repeatedly generating and providing counseling support information for follow-up counseling in the process of consulting the same potential customer in the agent terminal 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.The data-based call center work efficiency improvement system and method according to an embodiment of the present invention objectively and variously confirm the actual counseling details of an agent to quantitatively identify the counseling process, and quantitatively identify information on the counseling process and the results thereof After creating the tagged learning information for deep learning model learning by clearly dividing the relationship for the success of the contract (or meeting reservation success) into input and output, through the deep learning model trained using this learning information It is possible to increase the success rate of counseling with potential customers and to evaluate agents that can be objectively recognized by filtering malicious customers with the minimum number of counseling resources or creating and providing counseling support information to enhance the counseling effect for good customers. It has the effect of being able to share the counseling skills of agents with high success rates.

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, an embodiment of the present invention tags the contact information on the call time and call holding time and frequency of the potential customer call collected from the agent terminal, the keyword according to the call content, and the counseling content information including the voice tone and speed as input-related information. and tagging result information including failure, reservation, or contract success according to the final consultation result as output-related information to generate tagged learning information with clear objective input and objective output, and multiple tagging based on this learning information By learning one or more neural network models based on learning data, it is possible to predict the final result of the counseling process as early as possible, or to generate support information including counseling timing, distribution, and recommended counseling content for appropriate counseling and provide it to the agent terminal. This increases 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, the embodiments of the present invention have the effect of enabling the potential customer collection server to economically secure the appropriate potential customer information by learning the information on the potential customer information collection method or source with a deep learning model and predicting the value according to its success. 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 block 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 selection 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 illustrating 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 illustrating an additional operation process of a 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 with reference to 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 the 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, the technical terms used in the present invention should be interpreted as meanings generally understood by those of ordinary skill in the art to which the present invention belongs, unless otherwise defined in particular in the present invention, and excessively comprehensive It should not be construed in the meaning of a human being or in an excessively reduced meaning. In addition, when the technical term used in the present invention is an incorrect technical term that does not accurately express the spirit of the present invention, it should be understood by being replaced with a technical term that can be correctly understood by those skilled in the art. In addition, general terms used in the present invention should be interpreted as defined in advance or according to the context before and after, and should not be interpreted in an excessively reduced meaning.

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, as used herein, the singular expression includes the plural expression 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 several steps described in the invention, some of which elements or some steps are included. It should be construed that it may not, 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, second, etc. used in the present invention may be used to describe the components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, a first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.

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 the description of 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 thereof will be omitted. In addition, it should be noted that the accompanying drawings are only for easy understanding of 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 is a smart phone having a communication function, a portable terminal, a mobile terminal, a personal digital assistant (PDA), a PMP (Portable Multimedia Player) ) terminals, personal computers, notebook computers, slate PCs, tablet PCs, ultrabooks, etc. may include various terminals, and the communication network is a well-known variety of 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, and 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 agent 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 of various types of server configurations 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. Another configuration according to the 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 customer selection server 200 for allocating information on the selected potential customer to the agent terminal 100 of the call center, and a voice call to the customer terminal 400 using the assigned contact information in the potential customer information Counselor evaluation server 300 that attempts to conduct counseling and collects objective information about counseling detected by the agent terminal 100 and the agent terminal 100 that detects objective information related to counseling, checks the counseling situation, and evaluates the agent (300) ) is included.

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 customer selection server 200 collects potential customer information in various ways and allocates potential customer information to the call center agent terminal 100, but according to the evaluation of each agent, a different number of customer terminals (100a, 100b) 400a, 400b) Allocate prospect information with information.

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 agent terminal 100 receives the potential customer information (personal information about the potential customer, customer terminal information, the reason for selecting the potential customer, etc.) from the customer selection server 100 , performs a call consultation on the potential customer, and performs a call consultation Contact information including attempts, call success, and call time information, and counseling content information including voice tone and speed and text-converted counseling information according to voice analysis information on the call content are generated, and the result is Result information including failure, reservation or contract success information is generated and transmitted to the agent evaluation server 300 . Contact information related to such consultation, consultation content information, and result information may be transmitted at once after the results are obtained. Since it is common to determine whether or not to fail after trying , it is preferable to transmit the information to the agent evaluation server 300 if the counseling is attempted or the counseling is in progress, even if the result of the counseling is not obtained.

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 agent evaluation server 300 collects contact information, consultation information, and result information collected through the agent terminal 100 to generate learning data in which input and output are tagged for deep learning model learning, thereby generating a plurality of deep learning models. After learning, the agent is evaluated through the learned deep learning model, and the evaluation information is provided to the customer selection server 200 .

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, in the present invention, the agent evaluation server 300 collects various quantitative information about consultation using voice calls through the agent terminal 100 and collects the results (failure, reservation success, contract success) according to the consultation. By doing so, it is possible to generate learning information having an accurate input and output relationship. In deep learning models using various types of neural networks, interest in unsupervised learning is growing, which provides a lot of data and automatically classifies it and then specifies the classified object. If it is not massive, the prediction performance is low, and it is difficult to predict the correlation of complex inputs due to the nature of unsupervised learning. Therefore, for accurate analysis, it is important to train the neural network constituting the deep learning model using high-quality training data.

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, the appropriateness of input information according to the counselor's consultation or the collected input information is generated by generating learning data that is accurately tagged with respect to input and output and learning multiple deep learning models. An evaluation model that evaluates agents based on the expected success rate can be advanced, and through this, an evaluation result that agents can accept can be provided.

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 predictions about at least some of the inputs to understand the counselor's counseling problems or to obtain a desired result.

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 agent evaluation server 300 may be a success rate prediction model according to the collection source of potential customers and the collected counseling information of the agent's repeated counseling process. In the case of using such a success rate prediction model, if the predicted success rate is less than or equal to a preset standard before the number of times of counseling for the same potential customer reaches a preset number, a counseling abandonment proposal may be transmitted to the counselor terminal 100 . Through this, it is possible to increase the overall counseling efficiency by reducing the waste of additional counseling resources for potential customers whose counseling failure is predicted in the early stage of counseling.

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 agent evaluation server 300 receives the collection source information for the potential customer from the customer selection server 200, further includes the collection source information of the potential customer as an input of learning data, Through deep learning model training, it is possible to estimate the expected value according to the source of the audience collection. That is, by collecting various information about counseling from the agent terminal 100, the counselor's counseling process and the result for the potential customer having a specific collection source can be learned, and through this, the potential customer of the specific collection source can be treated as a normal customer. It is possible to predict the expected success rate of counseling when assigned to an agent, so that it is possible to calculate the estimated value of the potential customer information collection cost.

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 agent evaluation server 300 provides the expected value of potential customer information of this specific collection source to the customer selection server 200, and the customer selection server 200 provides an economical potential based on the expected value of the potential customer information for each collection source. Collect customer information. For example, if the success rate of consulting with a prospect from a specific source is low, the cost of collecting the potential customer information should be below a certain level. Conversely, if the success rate of consulting with a potential customer from a specific source is high, the value of the potential customer information is high. Here, the source of audience information may be multiple channels that collect the relevant audience information (commercial database, information collected by events, activity analysis of members, etc.) You may.

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 agent evaluation server 300 collects personal information about potential customers from the customer selection server 200, and reflects the agent consultation schedule information of the agent terminal 100 to provide consultation time, call interval for consultation, and call After generating at least one or more counseling support information among time, counseling keywords, and suggestions (attitude, tone, tone, etc.), it is provided to the agent terminal 100, followed by the process of counseling for the same potential customer (repeated counseling) It is possible to create and provide counseling support information for counseling.

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 potential customers with specific personal information and collection sources, the agent evaluation server 300 mainly uses keywords to reserve the next consultation by making a short call within 1 minute in the morning, but in a low voice. Counseling support information suggesting to proceed with the consultation slowly can be transmitted to the counselor terminal 100, and if the first consultation is made, the success of the second consultation is determined based on the contact information and consultation information obtained through the first consultation. Counseling support information of at least one of a counseling time for counseling, a call interval for counseling, a call time, a keyword for counseling, and a suggestion is generated and provided to the counselor terminal 100 .

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 generated using an analysis model that has learned the counseling success learning data of numerous agents that have been previously collected and learned, it is possible for multiple agents to share the counseling method of agents with good evaluations, so call center agents who frequently change jobs. The overall call center counseling quality (that is, the likelihood of counseling success) can be improved irrespective of the employee's turnover.

도 2는 본 발명의 실시예에 따른 상담원 단말(100)의 예시적 구성을 보인 구성도이다. 2 is a block diagram showing an exemplary configuration of the agent terminal 100 according to an embodiment of the present invention.

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, the server communication unit 110 for exchanging information with the customer selection server 200 and the agent evaluation server 300, the customer communication unit 150 for communicating with the customer by voice or video, and the customer communication unit A customer call detection unit 140 that detects a potential customer call attempt and call time through 150, and a voice tone and speed for the call content during a potential customer call through the customer call unit 150, and if necessary, the call content The call contents management unit 160 for recording (locally, or stored in the agent evaluation server 300), and the call contents management unit 160 to analyze the voice from the call obtained through the conversion into text information and analyze keywords or context a voice analysis unit 170 to, a customer reservation management unit 120 for registering a reservation of a customer whose meeting is reserved through consultation, and a customer contract management unit 130 for registering a contract of a customer whose contract is completed through consultation; Potential customer information is collected through the server communication unit 110 and provided to the agent, a call connection is provided to the potential customer through the customer call unit 150, and the customer call detection unit 140 and the call content management unit 160 and Customers who provide contact information and consultation information through the voice analysis unit 170 and result information through the customer reservation management unit 120 and the customer contract management unit 130 to the agent evaluation server 300 through the server communication unit 110 and a consultation management unit 180 .

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 consultation management unit 180 receives the consultation support information of at least one of the consultation time point, the call interval for consultation, the call time, and the keyword of the consultation through the agent evaluation server 300, and then further provides a suggestion unit to the agent may include

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 consultation support information, the agent terminal 100 may set a schedule for consultation in advance (customer consultation management unit 180) after receiving information about potential customers from the customer selection server 200, Consultation schedule information for potential customers and existing customers in consultation may be further provided to the agent evaluation server 300 . The agent evaluation server 300 is based on the consultation schedule information for the potential customer and the existing customer, the consultation schedule proposal, the consultation keyword proposal, or the consultation recommendation information proposal for the potential customer or the customer in the process of consultation (tone for consultation, emphasize keywords, attitudes, etc.).

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 customer selection server 200 according to an embodiment of the present invention.

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 customer selection server 200 includes a customer information collection unit 210 that collects personal information or access information about the customer, and customer activity information about the customer collected through the customer information collection unit 210 . A customer information management unit 220 for classifying customers based on the analysis information on the collected customer information, and a potential customer extraction unit 240 for extracting potential customers based on the customer classification information of the customer information management unit 220; Distribution of potential customers extracted based on the agent evaluation information collected through the agent evaluation server linking unit 260 and the agent evaluation server linking unit 260 that collects evaluation information about the agent in conjunction with the agent evaluation server 300 and a counselor terminal communication unit 230 that communicates with the agent terminal 100 and provides potential customer information distributed by the agent allocator 250 to the agent terminal 100 . Of course, this configuration is an example of collecting information about potential customers directly, and instead of having such a direct potential customer selection configuration, information about related service subscribers is collected as potential customer information for new services by linking with related servers. It may also include a configuration in which information of a specific website user or user participating in an event is collected as potential customer information for a related product or service.

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 information collection unit 210 may collect age, gender, place of residence, address, hobbies, interest, and history of using similar services/products as personal information about the customer, and access target information ( URL, etc.), access frequency, and length of stay can be collected.

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 information management unit 220 may collect search keywords, fields of interest, content interest, etc. of the customer as activity information of the customer collected through the customer information collection unit 210 . Customers are classified based on the collected customer information and analysis information on activity information. Typically, such customer classification may be classified according to an expected level of interest in a service or product to be consulted.

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 signed up for a specific insurance service can be selected as potential customers who will be interested in additional products and purchased the information, or they can purchase information about insurance service subscribers through home shopping or online direct method without a separate person in charge, or purchase information from related companies/ After being provided by the department, they are introduced to the relevant insurance service manager and use potential customer information in a way to suggest new products. As another example, if you are a golf member and owner of a premium vehicle, you may purchase information about the owner of a leased vehicle that is 3 to 4 years old and use it as a potential customer for a premium vehicle rental 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 order to collect information about potential customers like this, a lot of effort is required or the environment must be prepared.

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 the agent evaluation server 300 according to an embodiment of the present invention.

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 agent evaluation server 300 basically communicates with the agent terminal to collect or provide consultation-related information and communicate with the agent terminal communication unit 310 and the customer selection server 200 to collect potential customer information and Counseling information that collects counseling schedule information, contact information according to counseling, counseling information and result information from the agent terminal 100 through the customer selection server interlocking unit 330 that provides agent evaluation information and the agent terminal communication unit 310 Potential customer information collected through the collection unit 350 and the customer selection server linkage unit 330 and the collection source information, and the contact information and consultation information collected in the consultation information collection unit are input as input, and the result of the consultation and a learning data generating unit 360 that generates tagged learning data using information as an output.

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 training data is an input to predict an output for multiple inputs or to obtain a target output by providing an accurate definition and criterion for the input(s) and an accurate definition and criterion for the result(s) obtained by the corresponding input When some of these are present, it means data that enables deep learning model learning, such as predicting optimal requirements for the remaining inputs. In other words, by learning a large number of tagged training data to the deep learning model, prediction of a result according to a specific input or optimization of inputs to obtain a desired result, optimization of other inputs when a specific input is fixed, etc. are predicted according to model characteristics 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. It is possible to learn various potential customer-related deep learning models through the training data generated by the training data generator 360 . For example, the illustrated counseling situation learning unit 370 is a deep learning model for estimating the expected value according to the potential customer source, a success rate prediction model for filtering out potential customers to give up, counseling time for success, time, keywords, It includes at least one of various deep learning (neural network) models, such as a proposal model for providing a suggestion for at least one of the contexts, and trains such a model using the tagged training data. In addition, the counseling situation learning unit 370 compares the actual counseling content (counseling process and the result) of the agent against the possibility of success for the counselor's counseling (the possibility of success of the success rate prediction model according to the same counseling input, that is, the level of counseling) An agent evaluation model that evaluates agents based on the basis (calculation of evaluation according to the actual counseling process and results compared to the level of counseling) can be applied.

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.Further, the agent evaluation unit 380 that evaluates the counseling situation for each potential customer of the agent through the agent evaluation model of the consultation situation learning unit 370 and provides it to the customer selection server 200 through the customer selection server linking unit 330 . ), a consultation proposal generation unit 320 for generating consultation support information generated through a proposal model among a plurality of deep learning models, and information for generating learning data from the agent terminal 100 and the customer selection server 200 After generating learning data through the generating unit 360 by collecting and generating learning data, a plurality of deep learning models are trained, the agent is evaluated through the learned deep learning model, and counseling support information to increase the success rate is generated. The generated counseling support information is provided to the counselor terminal 100 , and a counseling optimization management unit 340 that calculates an expected value for the collected potential customers and provides it to the customer selection server 200 is included.

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.As such, the agent evaluation server 300 not only evaluates the agent, but also provides various counseling proposals to the agent terminal 100 to support the agent's counseling success, while checking the quality of potential customer information in the first place, and By checking the appropriateness of cost and providing quality information on potential customer information by source to the customer selection server 200, it is also supported to enable efficient potential customer information collection.

도 5는 본 발명의 실시예에 따른 데이터 기반 콜센터 업무 효율 개선 시스템의 기본적인 동작 과정을 보인 개념도이다.5 is a conceptual diagram illustrating 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 shown in FIG. 5A , the customer selection server collects potential customer information and allocates different numbers of potential customer information to the call center agent terminal, and then provides the corresponding potential customer information to the agent terminal. This reflects the level of the agent and the agent'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 a call consultation on the potential customer received by the counselor terminal. In this process, through the agent terminal, contact information including attempts to consult with potential customers, call success, and call time information, and voice tone and speed and text-converted counseling information according to voice analysis information on the call content Generates consultation content information including, and generates result information including failure, reservation or contract success information according to the consultation result.

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 the process of FIG. 5B is in progress, the agent terminal delivers counseling information (ie, contact information, counseling content information, and counseling result information) to the agent evaluation server as shown in FIG. 5C, and the agent evaluation server collects contact information, consultation information, and result information collected through the agent terminal, generates learning data with input and output tagged for learning the deep learning model, 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. Thereafter, as shown in Figure 5d, the agent is evaluated through the deep learning model learned by counseling for each potential customer or by period, and the evaluation information is provided to the customer selection server, and the customer selection server is the By adjusting the numbers, you can assign a larger number of leads to agents with high ratings and fewer leads to agents with lower ratings.

도 6은 본 발명의 실시예에 따른 데이터 기반 콜센터 업무 효율 개선 시스템의 부가적인 동작 과정을 보인 개념도이다.6 is a conceptual diagram illustrating an additional operation process of a 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 shown in FIG. 5a, the customer selection server collects potential customer information, and after allocating different numbers of potential customer information to the call center agent terminal, the corresponding potential customer information is provided to the agent terminal. This reflects the level of the agent and the agent'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. When the agent terminal registers a consultation schedule for a potential customer as shown in FIG. 6b, the agent evaluation server collects information on the existing customer and the newly registered potential customer, and provides consultation proposal information for the specific potential customer to the agent terminal. can provide For example, if there is no actual counseling history yet, based on the source of the potential customer information and personal information about the potential customer, the counselor counseling schedule information of the agent terminal is reflected to reflect the counseling time, call interval for counseling, call time, and keywords of counseling (Information about tone, speed, major keywords, etc.) and proposals 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 with the customer is performed, the agent terminal provides contact information, consultation information, and result information corresponding to the consultation information to the agent evaluation server, and the agent evaluation server uses the consultation information obtained from the agent terminal. Thus, the counseling optimization model can be trained and proposal information can be generated.

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 point, the call interval for counseling, the call time, and the keyword of the counseling to the agent terminal, but the conclusion of the counseling (abandonment, reservation success, contract success) etc.), repeat the process of Figs. 6c and 6d.

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 training 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 in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software. Examples of the computer-readable recording medium include a physical hard disk, a solid state drive (SSD), a web hard, a mass data storage means such as cloud storage, a magnetic medium such as a floppy disk and a magnetic tape ( magnetic media, optical media such as CD-ROM and DVD, magneto-optical media such as floppy disk, and ROM, RAM, Included are hardware devices specially configured to store and execute program instructions, such as flash memory and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. 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 without departing from the gist of the present invention appended in the claims, anyone with ordinary skill in the art to which the invention pertains will be able to implement various modifications. .

100: 상담원 단말 200: 고객 선별 서버
300: 상담원 평가 서버 400: 고객 단말
100: 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 포함하는 데이터 기반 콜센터 업무 효율 개선 시스템.
a customer screening server for collecting potential customer information and allocating potential customer information to a call center agent terminal;
Receive potential customer information from the customer screening server, perform call consultation for the potential customer, and contact information including call consultation attempts, call success, and call time information, and voice analysis information for call content a counselor terminal for generating counseling content information including voice tone, speed, and text-converted counseling information, and generating result information including failure, reservation or contract success information according to the counseling result;
By collecting contact information, consultation information, and result information collected through the agent terminal, input and output tagged learning data are generated for deep learning model learning, and multiple deep learning models are trained, and through the learned deep learning model A data-based call center work efficiency improvement system including an agent evaluation server that evaluates agents and provides the evaluation information to a customer selection server.
청구항 1에 있어서, 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 예상 가치를 산정하여 고객 선별 서버에 제공하는 것을 특징으로 하는 데이터 기반 콜센터 업무 효율 개선 시스템.
The method according to claim 1, wherein the agent evaluation server,
Further including the collection source information on the potential customer collected from the customer selection server as an input of learning data, and calculating the expected value according to the potential customer collection source through deep learning model learning for the success of the consultation and providing it to the customer selection server Data-based call center work efficiency improvement system, characterized in that.
청구항 2에 있어서, 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 성공률 예측값이 기 설정된 기준 이하인 경우 상담 포기 정보를 생성하여 상담원 단말에 전송하는 것을 특징으로 하는 데이터 기반 콜센터 업무 효율 개선 시스템.
The method according to claim 2, 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 repeated counseling process of the agent, and the number of times of counseling for the same potential customer is Data-based call center work efficiency improvement system, characterized in that before the preset number of times, when the predicted success rate is less than or equal to a preset criterion, the counseling abandonment information is generated and transmitted to the agent terminal.
청구항 1에 있어서, 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 제공하는 것을 특징으로 하는 데이터 기반 콜센터 업무 효율 개선 시스템.
The method according to claim 1, wherein the agent evaluation server collects personal information about the potential customer from the customer selection server, reflects the agent consultation schedule information of the agent terminal, consultation time, call interval for consultation, call time, Data-based call center work efficiency, characterized in that after generating at least one or more counseling support information among keywords and providing it to the agent terminal, repeatedly generating and providing counseling support information for follow-up counseling in the process of counseling for the same potential customer improvement system.
청구항 1에 있어서, 상기 상담원 단말은
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 agent terminal
a server communication unit for exchanging information with the customer selection server and the agent evaluation server;
a customer call unit for communicating with the customer by voice or video;
a customer call detection unit for detecting a potential customer call attempt and call time through the customer call unit;
a call content management unit for detecting a voice tone and speed for the content of the call during a potential customer call through the customer call unit and recording the call content if necessary;
a voice analysis unit that analyzes voice from the call contents obtained through the call contents management unit, converts it into text information, and analyzes keywords or context;
a customer reservation management unit for registering a reservation of a customer whose meeting is scheduled through consultation;
a customer contract management unit for registering a contract of a customer whose contract has been completed through consultation;
It collects potential customer information through the server communication unit and provides it to the agent, provides a call connection to the potential customer through the customer call unit, contact information and consultation information through the customer call detection unit, call content management unit, and voice analysis unit, and customer reservation Data-based call center work efficiency improvement system, characterized in that it comprises a customer consultation management unit that provides result information through the management unit and the customer contract management unit to the agent evaluation server through the server communication unit.
청구항 5에 있어서, 상기 고객 상담 관리부는 상기 상담원 평가 서버를 통해서 상담 시점, 상담을 위한 통화 간격, 통화 시간, 상담의 키워드 중 적어도 하나 이상의 상담 지원 정보를 수신한 후 상담원에게 제공하는 제안부를 더 포함하는 것을 특징으로 하는 데이터 기반 콜센터 업무 효율 개선 시스템.
The method according to claim 5, wherein the customer consultation management unit further comprises a proposal unit that provides the counselor after receiving at least one or more counseling support information among the counseling time point, the call interval for counseling, the call time, and the keyword of the counseling through the agent evaluation server Data-based call center work efficiency improvement system, characterized in that.
청구항 1에 있어서, 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 포함하는 것을 특징으로 하는 데이터 기반 콜센터 업무 효율 개선 시스템.
The method according to claim 1, wherein the customer selection server
a customer information collection unit that collects personal information or access information about the customer;
a customer information management unit for classifying customers based on the customer activity information about the customer collected through the customer information collection unit or the 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 linking unit for collecting evaluation information on the agent by interworking with the agent evaluation server;
an agent allocating unit for distributing potential customers extracted based on the agent evaluation information collected through the agent evaluation server linkage unit;
Data-based call center work efficiency improvement system, characterized in that it communicates with the agent terminal and comprises an agent terminal communication unit for providing the potential customer information distributed by the agent allocation unit to the agent terminal.
청구항 1에 있어서, 상담원 평가 서버는
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, The agent evaluation server
a counselor terminal communication unit that communicates with the counselor's terminal to collect or provide counseling-related information;
a customer screening server linking unit that communicates with the customer selection server to collect potential customer information and provides agent evaluation information;
a counseling information collecting 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;
Tagged learning data that takes as input the potential customer information collected through the customer selection server linkage unit, the collection source information, and the contact information and consultation information collected in the consultation information collection unit, and outputs the result information about the consultation a learning data generator to generate;
A deep learning model for estimating the expected value according to the source of the potential customer through the learning data generated by the learning data generator, the success rate prediction model for filtering out the potential customer to give up, the counseling time for success, time, keyword, and context Counseling situation learning unit for learning a plurality of deep learning models including at least one of the proposal models for providing at least one suggestion and the agent evaluation model that evaluates the agent based on the actual counseling contents against the possibility of success for the agent's counseling Wow;
a counselor evaluator for evaluating the counseling situation for each potential customer of the counselor through the counselor evaluation model of the counseling situation learning unit and providing it to the customer sorting server through the customer sorting server linking unit;
a counseling suggestion generator for generating counseling support information generated through a suggestion model among the plurality of deep learning models;
It collects information for generating learning data from the agent terminal and customer selection server, generates learning data through the generating unit, and trains multiple deep learning models, evaluates agents through the learned deep learning model, and determines the success rate Data base comprising a counseling optimization management unit that generates counseling support information to increase, provides the generated counseling 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.
Step by which the customer selection server collects potential customer information and assigns the potential customer information to a call center agent terminal;
receiving, by the agent terminal, potential customer information from the customer selection server, and performing a call consultation on the potential customer;
Counseling that includes contact information, including information on call consultation attempts, call success, and call time, and voice tone and speed and text-converted counseling information based on voice analysis information for the call content by the agent's terminal generating content information and generating result information including failure, reservation, or contract success information according to a consultation result;
transmitting, by the agent terminal, contact information, consultation content information, and result information to the agent evaluation server;
The agent evaluation server collects contact information, consultation information, and result information collected through the agent terminal to generate learning data with input and output tagged for learning the deep learning model, and then trains a plurality of deep learning models and learns A data-based call center work efficiency improvement method comprising the step of evaluating an agent through a deep learning model and providing the evaluation information to a customer selection server.
청구항 9에 있어서, 상기 상담원 평가 서버가 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 제공하는 단계와;
상기 상담원 평가 서버가 상기 상담원 단말에 동일 잠재고객에 대한 상담이 이루어지는 과정에서 후속 상담을 위한 상담 지원 정보를 반복 생성하여 제공하는 단계를 더 포함하는 것을 특징으로 하는 데이터 기반 콜센터 업무 효율 개선 방법.
The method according to claim 9, wherein the agent evaluation server collects personal information about the potential customer from the customer selection server, and reflects the agent consultation schedule information of the agent terminal to determine the time of the consultation, the call interval for consultation, the call time, the number of consultations A method comprising: generating at least one or more counseling support information among keywords and providing the information to a counselor terminal;
Data-based call center work efficiency improvement method, characterized in that it further comprises the step of repeatedly generating and providing, by the agent evaluation server, counseling support information for follow-up counseling in the process of consulting the same potential customer in the agent terminal.
KR1020200035136A 2020-03-23 2020-03-23 Call center service efficiency improvement system based on data and method thereof KR102570701B1 (en)

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 true KR20210118634A (en) 2021-10-01
KR102570701B1 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)

Cited By (5)

* Cited by examiner, † Cited by third party
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
CN116401355A (en) * 2023-06-08 2023-07-07 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
KR102578093B1 (en) * 2023-05-08 2023-09-15 주식회사 데이터사이언스랩 Apparatus and method for recording and managing counseling contents of counselors and clients
KR102605884B1 (en) * 2022-10-18 2023-11-24 주식회사 포지큐브 Method for analyzing customer interest and system thereof

Citations (5)

* Cited by examiner, † Cited by third party
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
KR20170052692A (en) * 2014-09-22 2017-05-12 서철욱 Real-time customer consultation service system and method through data communication network
KR101824242B1 (en) 2017-07-11 2018-01-31 농협은행(주) Apparatus for estimating total counsel quality
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
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
KR20170052692A (en) * 2014-09-22 2017-05-12 서철욱 Real-time customer consultation service system and method through data communication network
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
KR101824242B1 (en) 2017-07-11 2018-01-31 농협은행(주) Apparatus for estimating total counsel quality

Cited By (6)

* Cited by examiner, † Cited by third party
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
CN116401355A (en) * 2023-06-08 2023-07-07 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
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

Also Published As

Publication number Publication date
KR102570701B1 (en) 2023-08-25

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
US20220005125A1 (en) Systems and methods for collecting and processing alternative data sources for risk analysis and insurance
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
CN103294816B (en) Method and system for recommending positions for job seeker
US20170111509A1 (en) Optimized routing of interactions to contact center agents based on machine learning
CN109816483B (en) Information recommendation method and device and readable storage medium
WO2022252363A1 (en) Data processing method, computer device and readable storage medium
CN112508694B (en) Method and device for processing resource limit application by server and electronic equipment
Ofosu-Ampong et al. Adoption of contactless technologies for remote work in Ghana post-Covid-19: Insights from technology-organisation-environment framework
EP2369481A2 (en) A system for detecting usability problems of users while using their mobile devices
CN110162359A (en) Method for pushing, the apparatus and system of new hand's guidance information
AU2019206073A1 (en) Data processing for role assessment and course recommendation
Cui et al. Targeting high value customers while under resource constraint: partial order constrained optimization with genetic algorithm
KR20220035792A (en) System for Real Estate Investment Analysis and Recommendation based on Customer's Requirements and Constraints by using Data Mining and Machine Learning
Jaquette Do public universities replace state appropriations with master's students?
Oppio et al. Understanding the drivers of Urban Development Agreements with the rough set approach and robust decision rules
TWI662506B (en) Method for distributing customer services based on question forecasts
WO2019144035A1 (en) Systems and methods for collecting and processing alternative data sources for risk analysis and insurance
CN117196630A (en) Transaction risk prediction method, device, terminal equipment and storage medium
JP6031165B1 (en) Promising customer prediction apparatus, promising customer prediction method, and promising customer prediction program
Gummer et al. Experimental evidence on reducing nonresponse bias through case prioritization: The allocation of interviewers
Carthy et al. Demographic variation in active consumer behaviour: On-line search for retail broadband services
CN115203545A (en) Health maintenance service intelligent matching method and system based on deep learning and knowledge graph

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