利用人工智能机器学习来优化联络中心的性能

　　CTI论坛(ctiforum.com)（编译/老秦）: Afiniti是将人工智能（AI）和机器学习（ML）技术应用于联络中心的公司之一。该公司开发了一种基于人工智能的技术，该技术可以对联络中心的座席和客户进行匹配，以帮助联络中心显着改善其业务性能。Afiniti是Avaya的A.I.Connect倡议合作伙伴之一，但该公司的解决方案可以与任何联络中心或电话交换机一起工作。

　　Afiniti是一个充满激情的信徒，认为联络中心应该是客户获得企业服务的保障。将客户与座席匹配的这一核心功能应该满足这一前提，即将客户路由到最有可能达到预期结果的座席那里，无论是新的销售、重复销售、客户保留还是问题的解决。该公司的人工智能算法使智能路由能够优化这些期望，并找到最适合的一个。

　　尽可能地将座席与客户期望的结果达成一致的想法并不是一个新概念；跟踪和监控座席绩效是标准的联络中心流程。Afiniti方法的独特之处在于它改进了整个联络中心的整体表现，而不仅仅是表现出色的个人。另外，它的有效性可以被精确地测量。Afiniti对它的技术非常有信心，它愿意客户安装它的解决方案，不向客户索取任何费用，只根据实际的性能改进结果来支付。

　　Afiniti的技术使用了几个受监测的机器学习技术，包括回归分析和分类分析，以及贝叶斯（Bayesian）分析和启发式分析。利用回归分析，Afiniti的系统将客户特征和行为与座席特征和绩效进行互补性匹配，以估计特定座席在处理特定客户时实现期望业务结果的可能性。

　　虽然这听起来简单而直接，但实际上却相当复杂。下图显示了将座席与客户进行匹配时的逻辑流程。

Afiniti的"客户座席"匹配算法使用人工智能机器学习来优化联络中心的性能

　　它首先从客户的自动编号标识或IVR系统的来电显示开始。通过利用客户的电话号码作为初始数据查询的依据，Afiniti系统应用数据链接机制从100多个公共和私有数据源访问与客户相关的信息。例如，利用电话号码，Afiniti可以找到一个人的姓名，街道地址，城市和州。再利用这个位置信息，该公司可以访问人口普查数据，以确定这个人的社区、城市或城镇的特征。然后，它可以从信用报告机构、那些追踪在线用户行为的公司、社交网站、甚至追踪购买信息的企业中提取这个人的数据。

　　所有这些带有客户属性的数据都输入到一个神经网络来计算客户类型或客户特征，这是一个在微秒内完成的过程。使用Afiniti系统的公司通常会有设定少量的客户类型，每个类型都可以进一步细分为子类型。在一个队列中拥有超过100个不同的客户子类型对于一个公司来说并不罕见。

　　我们应该注意到许多最终用户企业已经有了自己的客户细分方案。Afiniti使用一个企业自己的细分类型作为神经网络的输入，以及所有其他Afiniti收集到的关于一个特定客户的个人数据，来产生一个独特的Afiniti客户细分。

　　客户匹配座席的过程是由一种称为回归分析的机器学习技术完成的。Afiniti系统利用来自客户和当值座席的数据作为回归算法的原始数据。客户数据包括客户类型以及来自CRM数据库中的任何其他现有数据。IVR数据和队列数据也参与了分析，因为它们提供了关于客户意图的信息--他们来电的原因。例如，他们是想买东西还是想与技术支持对话，或者他们是否有中断服务的请求？座席属性，包括表现，也会反馈到回归模型中。模型使用的其他属性是基于对新的联络中心座席进行的可选的20分钟调查，或者是基于Afiniti解决方案的初始设置。这些其他的属性包括各种各样的因素，比如喜欢/不喜欢，已婚/单身，男性/女性，孩子/没有孩子，爱好/兴趣，运动或不运动，爱好的音乐，体育方面的兴趣，以及他们居住的地点。

　　基于客户和座席数据，Afiniti软件使用AI回归模型参数来计算一个特定的座席如何成功地满足业务目标（销售、订阅、交叉销售、挽留等）。这些计算得出的座席概率根据差别在座席之间相互比较。

　　最后，基于联络中心服务水平的承诺和运行规则，Afiniti软件做出了一个最优的座席配对。它遵循了所有的联络中心规则：队列长度，座席之间的呼叫分配等。

　　重要的是，Afiniti解决方案是在联络中心操作规则的约束下工作的，而且它没必要一定要对某一个座席有利。在Afiniti涉及的大型联络中心中，每个座席的目标都被设定为能够最大程度地满足企业的业务目标。而且，由于要公平地衡量其自身的表现，Afiniti将会使每个座席都受到公平的对待。

　　Afiniti软件在部署后需要花两个星期到四个月的培训和学习时间（主要是隐私和安全方面的原因），然后才能开始工作。

　　考虑到一个单一的联络中心座席可能需要大约每月接700个电话，或每四个月大约接2800个电话，自我训练可能看起来时间很长。如果一个企业已经设定了100种不同的客户类型，那么这就相当于每个客户类型每座席每四个月有28个呼叫，这实际上对于训练机器学习系统来说并不是很大量的数据。

　　因此，一旦系统投入运行，每日座席的表现就会不断地反馈到回归引擎中，从而在第二天的呼叫调用中更新系统。这种持续的学习机制是有用的，因为座席表现和客户偏好可能会随着时间的推移而发生变化，而临时改变某些类型座席需求的事件可能会突然出现。

　　不断的反馈循环也有助于培训新座席的系统。新座席的属性在招聘时立即被输入进入系统，Afiniti软件在考虑最佳匹配时立即开始计算该座席的可能性。当然，随着时间和经验，座席的匹配性能应该会提高。

　　如前所述，Afiniti是一项非常有信心的技术，它可以免费安装它的基于AI的座席-客户匹配系统到联络中心当中。客户和Afiniti在系统的性能指标上达成一致后，Afiniti基于其实际有效性收费。例如，如果一个Afiniti客户想要更高的销售转换率，那么Afiniti就会根据其能够证明其效果的较高销售额按一定比例获得报酬。

　　Afiniti使用统计抽样的方式证明了自己的性能：每小时，Afiniti系统会在一定的时间内关闭客户座席的匹配功能。然后与当Afiniti系统启动时的座席绩效进行比较。这样，Afiniti和客户都可以看到Afiniti解决方案对预期结果的影响，以及按实际系统性能的基础支付。

　　在Afiniti网站上的一个案例研究证明是，T-Mobile描述了它在面对付费用户寻求更高转化率时如何转向Afiniti解决方案的。根据T-Mobile公司的数据，Afiniti系统每年增加了7000万美元的额外销售。在其他的案例研究中，其他价值数十亿美元的公司显示，销售增长的百分比与美元价值成反比。然而，在一家大公司里，销售额的小幅比例增长就相当于一大笔钱。

　　Afiniti将其软件定位于大型的联络中心。该公司声称，所有主要的美国电信公司都使用了它的技术，目前它有150个部署。

　　科技市场智能平台提供商CB Insights最近将Afiniti在全球100家最有前途的私营人工智能企业中排名第一。基于其上一轮的融资，Afiniti的价值约为16亿美元。

　　AI显然正在进入通信和协作领域，为联络中心路由增加智能；提供智能聊天机器人和虚拟数字助手；或者根据面部识别开始视频会议。Afiniti的故事产生了共鸣，因为它在生产中使用人工智能（AI）/机器学习（ML），并且它的收入模式是如此的透明和直接。