[發明專利]一種坐席人員排班方法和裝置

有效

• 申請號: 202010547430.0
• 申請日: 2020-06-16
• 公開（公告）號: CN111695819B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 張瑾;張燕超
• 申請（專利權）人: 中國聯合網絡通信集團有限公司
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06Q10/04;G06F18/2415
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 彭瑞欣;劉悅晗

1.一種坐席人員排班方法，其特征在于，所述方法包括：

根據歷史排班數據選取影響客戶滿意度的特征變量；

所述影響客戶滿意度的所述特征變量包括：坐席人員數量等級、業務熟練度等級、人工成本等級、坐席人員歷史滿意度評價等級、排班周期天數、一天輪班時間段數中的一種或多種；

基于影響客戶滿意度的所述特征變量獲得權重參數的初始值；所述權重參數是表示與其對應的所述特征變量的重要程度的參數；

所述基于影響客戶滿意度的所述特征變量獲得權重參數的初始值的步驟，包括：

基于客戶滿意度和影響客戶滿意度的所述特征變量構建邏輯回歸模型；

接收所述特征變量的預測值；其中，所述特征變量的預測值是用戶基于所述特征變量確定的固定值；

基于所述特征變量的預測值、第一預設客戶滿意度和所述邏輯回歸模型，獲取所述特征變量對應的權重參數的初始值；所述第一預設客戶滿意度是所述客戶滿意度中的最大值；

對所述權重參數的初始值進行優化，獲得所述權重參數的優化值；

所述對所述權重參數的初始值進行優化，獲得所述權重參數的優化值的步驟，包括：

獲取所述權重參數的訓練樣本；

基于貝葉斯模型、所述訓練樣本和所述權重參數，獲得權重參數的優化值；

根據所述權重參數的優化值優化所述邏輯回歸模型，獲得排班優化模型；

利用所述排班優化模型對坐席人員進行排班；

所述利用所述排班優化模型對坐席人員進行排班的步驟包括：

接收第二預設客戶滿意度；所述第二預設客戶滿意度是用戶預設的客戶滿意度；

基于所述第二預設客戶滿意度和所述排班優化模型，獲取所述特征變量對應的取值范圍；

根據所述特征變量對應的取值范圍對坐席人員進行排班。

2.根據權利要求1所述方法，其特征在于，所述邏輯回歸模型的表達式為：

G(z)∈[0.5,1)；

其中，G為客戶滿意度；Z為特征變量的線性組合，且Z＝β₁X₁+β₂X₂+······+β_nX_n，n為正整數且n∈[1,N]，N為特征變量的個數；X₁，X₂，······，X_n為特征變量；β₁，β₂，······，β_n為特征變量對應的權重參數，且β₁+β₂+······+β_n＝1。

3.一種坐席人員排班裝置，其特征在于，所述裝置包括：

選取模塊，用于根據歷史排班數據選取影響客戶滿意度的特征變量；所述影響客戶滿意度的所述特征變量包括：坐席人員數量等級、業務熟練度等級、人工成本等級、坐席人員歷史滿意度評價等級、排班周期天數、一天輪班時間段數中的一種或多種；

第一獲取模塊，用于基于影響客戶滿意度的所述特征變量獲得權重參數的初始值；所述權重參數是表示與其對應的所述特征變量的重要程度的參數；

信息處理模塊，用于基于客戶滿意度和影響客戶滿意度的所述特征變量構建邏輯回歸模型；

第一接收模塊，用于接收所述特征變量的預測值；其中，所述特征變量的預測值是用戶基于所述特征變量確定的固定值；

所述第一獲取模塊，還用于基于所述特征變量的預測值、第一預設客戶滿意度和所述邏輯回歸模型，獲取所述特征變量對應的權重參數的初始值；所述第一預設客戶滿意度是所述客戶滿意度中的最大值；

第一優化模塊，用于對所述權重參數的初始值進行優化，獲得所述權重參數的優化值；

優化獲取子模塊，用于獲取訓練權重參數樣本；

優化分析子模塊，用于基于貝葉斯模型、所述訓練權重參數樣本和所述權重參數，獲得優化權重參數；

第二優化模塊，用于根據所述權重參數的優化值優化邏輯回歸模型，獲得排班優化模型；

排班模塊，用于利用所述排班優化模型對坐席人員進行排班；

所述排班模塊包括：排班接收子模塊、排班計算子模塊和排班決策子模塊；

所述排班接收子模塊，用于接收第二預設客戶滿意度；所述第二預設客戶滿意度是用戶預設的客戶滿意度；

所述排班計算子模塊，用于基于所述第二預設客戶滿意度和所述排班優化模型，獲取所述特征變量對應的取值范圍；

所述排班決策子模塊，用于根據所述特征變量對應的取值范圍對坐席人員進行排班。