基于大數據分析的智能客服系統研究與設計

吳子辰++陳鑫++王磊等

摘 要：根據呼叫中心的歷史數據，較為準確的、高效的預測話務業務量趨勢，合理調度和編排客服人員，提升客服系統服務保障質量，是當前各類客服系統面臨的關鍵問題。文章首先通過對已有話務數據進行建模、分析，構建出話務數據業務的變化趨勢；然后智能客服系統采用高峰增員、低峰減員、實時預警等規則對客服人員進行自動編排，在保持一定客服人員的數量下，既調動了客服的人員的積極性，又有效的保證了客服系統的響應速度。

關鍵詞：話務量；客服系統；數據建模；呼叫中心

中圖分類號：TP311.13 文獻標識碼：A 文章編號：1006-8937（2016）12-0084-04

1 概 述

客戶服務系統是圍繞服務展開的，它的核心理念是客戶滿意度和客戶忠誠度，是通過取得顧客滿意和忠誠來促進相互有利的交換，最終實現營銷績效的改進。通過優質服務塑造和強化公司良好的公共形象，創造有利的輿論環境，爭取有利的政府政策，最終實現公司的長期發展。客戶服務系統是集計算機技術、通信技術、網絡技術、計算機電信集成（CTI）技術、自動呼叫分配（ACD）技術、交互式語音應答（IVR）技術以及數據庫技術等于一體的網絡化綜合業務服務系統。系統通過人工服務和自動服務的方式，利用電話、傳真、eMail、短信等多種手段，為客戶提供業務咨詢、信息查詢、故障報修、投訴舉報、訂閱服務、客戶回訪等7×24小時服務。

然而當前話務系統還存在的以下幾個問題，主要表現在以下幾個方面：

①在一些特殊情況下，由于局部短時間內集中呼入電話量劇增，大大超過客服中心坐席的同時接聽數，使大量的客戶電話處在排隊等待狀態，造成客戶電話擁堵而無法接入。例如：在月底的時候，“咨詢量”或者“報QC量”都會比其他時間段高，如何通過話務量及工單量來分析話務高峰走向并根據話務高峰走向來調整客服專員的人員數量以及分配服務方向提高系統的響應速度；

②現有系統業務較為分散，不能有效的集中調度所有資源，造成業務受理不均衡，極大的影響了客服系統的效率。再加上沒有一套較好的風險預測模型，不能對各類業務的變化趨勢做出預判；

③對自身系統的質量的評估：即當期還沒有一套指導性的評價指標來評測一個客服系統自身的健壯性；

要解決上述三大問題，就必須要能夠建立一個有效的數據分析模型，從過往海量的歷史數據中，分析出客服系統所對應的業務變化趨勢，充分挖掘現有資源（客服專員）的能力，實現客服系統效率的最大化。

2 話務數據分析建模

為了能夠有效的解決當前話務系統所面臨的問題，本文提出了一個話務數據模型，它需要具備對兩種資源的處理能力：

第一是利用數據模型分析歷史數據，根據歷史數據合理預測特定時間段的工作量；分析歷史存量數據，進行客服話務高峰預測，為建立健全的客服應急服務機制提供客觀可靠的數據支撐；最重要利用數據模型分析歷史數據，獲取對應用系統的健壯程度。

第二是能夠對客戶專員（包括自動語音）能力進行自動評估，并根據業務的需求，及時做出恰當的調度安排。

2.1 話務數據分析

2.1.1 系統容量規模分析

話務量（話務量強度的簡稱）是指單位時間內發生的呼叫數與每次呼叫平均占用時長的乘積。目前國際通用的話務量單位是愛爾蘭Erlang，公式為：

A=C*t

A是話務量（單位為Erl）；C是呼叫次數（單位是個）；t是每次呼叫平均占用時長（單位是小時）。

話務量的大小與用戶數量、用戶通信的頻繁程度、每次通信占用的時間長度以及觀測的時間長度有關。單位時間內通信的次數越多，每次通信占用的時間越長，觀測的時間越長，那么話務量就越大。由于通信次數、每次通信占用時間的長短等都是變化著的，所以話務量也是一個隨時間變化的量，即是一個“隨機變量”。話務客服系統的基本模型，見表1。

2.1.2 話務量基本計算

相關指標數值，見表2。

下面根據構建的呼叫模型計算話務量數值，涉及到的公式如下：

忙時呼叫次數=系統用戶數x（平均每用戶每月呼叫次數一每月天數）x忙日集中系數x忙時集中系數；

忙時呼叫人工座席次數=忙時呼叫次數x人工業務呼叫量占總呼叫量百分比；

忙時呼叫自動語音服務次數=忙時呼叫次數x（1一人工業務呼叫量占總呼叫量百分比）。

2.1.3 規模初步計算

每個座席每小時能夠處理的呼叫次數=3 600 s+人工座席平均處理時長x人工座席最大工作負荷；

每路自動語音業務每小時能夠處理的呼叫次數=3 600 s十自動語音業務平均處理時長；

人工座席數量=忙時呼叫人工座席次數令每個座席每小時能夠處理的呼叫次數；

自動臺（IVR）數量=忙時呼叫自動語音服務次數令每路自動語音業務每時能夠處理的呼叫次數。

2.2 客服專員能力建模

通過對客服專員能力模型較為精確的掌握客服系統的服務能力，為業務決策提供支撐。評價客服專員的力指標（Xi）構成，由如下幾個指標項完成：

①業務知識能力（Xi1）：

業務知識能力描述了該專員在面向特定領域，所具備的知識能力。業務能力高的客服專業為用戶提供服務的能力也會更好。

②客服專員完成任務效率（依據過往歷史數據）：

任務效率Xi3=■

各批次任務完成及時率為依據歷史數據，系統自動進行評價，分為四個等級：及時、較為及時、有延遲、延遲；

③客戶專業任務負載（當前狀態）：

Xi4=■

④客戶滿意度：

Xi5由客服系統的客戶滿意度調查系統統計給出；單一客服專業中具備的服務能力為：

Xi=a（Xi1+Xi2）+βXi3+？酌Xi4+λXi5，

其中：各項能力指標的權值會實際運行之后，再逐一確定給出一個較為合理的值，智能客服系統會根據客服專業的實際操作的歷史數據，自動調整參數?？蛻羧藛T總體能力：

X=■■X■

2.3 話務系統建模

數據智能分析中心主要采用上述研究成果，通過的歷史話務數據的分析，為上層的業務提供智能化管理。該模塊處理流程圖，如圖1所示。

針對第二個重點，建立話務高峰風險預測模型，利用模型分析數據并且建立健全的客服應急服務機制，該模型利用客服系統積累的歷史數據，分析特定的規律，找出各種系統在不同時間段內的咨詢或者報QC規律，根據分析的規律，模型給每個系統做出一個相對客觀的風險評估，給出相關應用系統在某個時間段或者特定環境下的風險值，風險值越高，表示越需要在客服專員的分配上給與更多的考慮，通過這樣的風險預測模型評估數據，可以整合有限的客服專員力量來做出更多的服務，響應公司精細化管理，資源集約化的號召。

針對第三個重點，根據模型分析歷史話務數據，獲取應用系統健康狀況分析指標，利用該模型，可以分析出兩個系統健康狀況指標，分別是“系統設計合理程度”和“系統缺陷比例”，這兩個指標是分析系統健康狀況的重要指標。利用該模型分析一段時間段內通過電話咨詢應用系統使用方法的數量，分析結果數量越大，說明系統的可用性越差，設計月不合理，分析的結果可以作為該應用系統人性化設計及易操作性設計升級的理論數據支撐；利用該模型分析一段時間段內電話報QC的數量，分析結果數量越大，說明系統缺陷越多（一般情況下，系統存在缺陷的時候，需要報QC，或者存在流程和業務無法流轉是，也會報QC），通過分析結果，可以得出一個可靠的理論數據支撐。

3 系統實現

在第2節研究的基礎上，本文構建了一個智能客服系統，它總的架構，如圖2所示。

該系統主要分三層，分別是業務層、中間層和數據層。數據層主要是存儲采集到的各類業務數據，為數據智能分析中心提供基礎；業務層主要提供如下一些業務。

3.1 坐席跟蹤狀態

可以了解當天每個坐席在每個時間段的工作狀態。如圖3所示。

3.2 話務量分析

通過對歷史數據的統計分析，可以較好的預測話務量及工單量來分析話務高峰走向，根據預測結果及時調度客服專員，比如預警預告，曲線圖表等表現方式，提前向客服管理人員進行預告預知，幫助客服管理人員進行客服專員服務方向調整決策，避開潮汐式話務高峰時，客服人員分配不合理的尷尬。如圖4所示。

3.3 按業務分類統計分析

業務話務量統計模型可以統計某天全部話務量，同時也可以統計保修、咨詢、QC的話務量。如圖5所示。

3.4 話務高峰風險預測模型

通過該模型，分析歷史存量數據，可出特定話務隊列的風險預測值，并且通過圖表或者圖形給客服管理人員提供一個話務風險預測數據，利用該數據，可以做一些提前預測，避免一些規律性的風險發生。如圖6所示。

可以同時展現“今日”、“昨日”、“上周”、“上月”、“去年”。默認只顯示“今日”和“昨日”兩條曲線，“上周”、“上月”、“去年”三條曲線默認不顯示。如圖7所示。

藍色的實線表示當日實際的接聽量曲線走向，橙色虛線表示預測的接聽量走向，紅色虛線表示預測接聽量閥值。話務量接近或者超過閥值，會在下方顯示預警信息的表格。如圖8所示。

橙色曲線表示明日預測的接聽量走向，紅色曲線表示接聽量閥值。

4 總結與展望

本文在研究話務歷史數據的基礎之上，提出了一個數據分析模型，該模型既考慮了歷史數據因素，又兼顧了客服專員的業務能力，在設定客服質量標準的前提下，實時、動態的調整和分配客戶專員。通過實驗可以看出它能夠較好的預測特定業務量的增長趨勢，能夠基本解決現有客服系統存在的問題，因此為后續客服智能系統的研究具有一定的參考價值。

參考文獻：

[1] 李楠.話務量分析與預測的研究和系統實現[D].北京：北京郵電大學，2005.

[2] 張輝，白波.客服中心話務量預測方法對比分析[J].山東通信技術，2012，（3）.