Teleakademia

BAZA WIEDZY:

Pomorski Park Naukowo-Technologiczny Gdynia

Jakie strategie dystrybucji wywołań stosuje się w Call/Contact Center?

Współczesne Call/Contact Center to wiele więcej niż zestaw telefonicznych operatorów. To skomplikowane systemy zarządzania, które muszą efektywnie rozdzielać dziesiątki, a czasem setki połączeń na minutę. Jednym z kluczowych elementów tych systemów jest strategia dystrybucji wywołań realizowana przez moduł ACD (ang. Automatic Call Distribution). Wybór odpowiedniej strategii ma kluczowe znaczenie dla efektywności działania całego centrum. Oto kilka najpopularniejszych metod:

  1. Round Robin: Rozdziela wywołania równo między dostępne linie obsługi. Każda linia dostaje wywołanie na przemian, zaczynając od kolejnej linii po zakończeniu pełnego obiegu.
  2. Least Occupied Agent: Przydziela wywołania agentom, którzy w danym momencie mają najmniej aktywnych rozmów lub zadań.
  3. Skill-Based Routing: Dla każdego wywołania dobiera agenta, który ma odpowiednie umiejętności lub wiedzę do obsłużenia danego tematu lub produktu.
  4. Priority Routing: Przydzielanie wywołań według priorytetów, na przykład ważności klienta lub rodzaju zgłoszenia.
  5. Time-Based Routing: Dystrybucja wywołań w zależności od pory dnia lub dnia tygodnia, aby zapewnić równomierne obciążenie agentów.
  6. Longest Idle Agent: Przydzielanie wywołań agentowi, który był najdłużej bezczynny, aby skrócić czas oczekiwania klienta.
  7. Predictive Dialing: Algorytm automatycznie wybiera numery telefoniczne na podstawie oczekiwanej dostępności agentów i czasów trwania rozmów, aby utrzymać ich zajętość na odpowiednim poziomie.
  8. Geographic Routing: Przydzielanie wywołań do agentów w oparciu o lokalizację klienta, co może zwiększyć zdolność agenta do obsługi zapytań związanych z danym regionem.
  9. Segment-Based Routing: Wywołania są kierowane na podstawie segmentów klientów, takich jak wiek, płec, status, co może pomóc w lepszym dopasowaniu obsługi.
  10. Machine Learning-Based Routing: Wykorzystywanie algorytmów uczenia maszynowego do analizy historii obsługi klienta i preferencji, aby przewidywać najlepsze dopasowanie agenta do wywołania.

 

W ramach Machine Learning-Based Routing istnieje wiele nowych możliwości, których skuteczność możesz wypróbować w swojej organizacji:

  1. Customer Behavior Analysis: Użyj algorytmów uczenia maszynowego do analizy zachowań klientów, takich jak interakcje wcześniejszych rozmów, preferencje i historie zakupów, aby dopasować klienta z agentem z odpowiednimi umiejętnościami.
  2. Sentiment Analysis: Wykorzystaj analizę sentymentu, aby ocenić emocje i nastroje klientów podczas rozmów. Algorytm może kierować wywołania do agentów, którzy są najlepiej przystosowani do obsługi klientów o określonym nastroju.
  3. Agent Profiling: Stwórz profile agentów na podstawie ich umiejętności, doświadczenia i historii obsługi. Algorytmy uczenia maszynowego mogą dopasować odpowiedniego agenta do konkretnego klienta na podstawie wspólnych cech.
  4. Predictive Analytics: Użyj modeli przewidywania do określenia, który agent ma największą szansę na rozwiązanie problemu klienta na podstawie analizy poprzednich rozmów i wyników obsługi.
  5. Dynamic Load Balancing: Algorytm może stale monitorować wydajność agentów i przewidzieć, który agent będzie miał najwięcej wolnych zasobów w przyszłości, aby równomiernie rozkładać wywołania.
  6. Multi-Channel Integration: Jeśli call center obsługuje wiele kanałów (np. telefoniczny, czat, e-mail), algorytmy mogą analizować dostępność agentów na różnych kanałach i kierować wywołania na najbardziej odpowiedni kanał.
  7. Customer Segment Prediction: Algorytm może przewidzieć segment klienta na podstawie dostępnych danych i skierować wywołanie do agenta, który jest specjalistą w obsłudze tego segmentu.
  8. Real-Time Performance Monitoring: W czasie rzeczywistym algorytm może monitorować wyniki agentów i kierować wywołania do tych, którzy osiągają najlepsze wyniki w danym czasie.
  9. Adaptive Routing: Algorytm może dostosowywać się do zmieniających się warunków, takich jak zmieniający się profil klienta lub dostępność agentów, aby zapewnić optymalne dopasowanie.
  10. Continuous Learning: Algorytmy mogą stale się uczyć na podstawie nowych danych i poprawiać skuteczność dystrybucji wywołań, wykorzystując zdobywaną wiedzę.

 

Pamiętaj, że implementacja algorytmów Machine Learning-Based Routing wymaga zbierania odpowiednich danych, tworzenia i trenowania modeli oraz oceny ich skuteczności.

Podsumowując, aby wybrać odpowiednią metodę dla Twojego Call Center, warto zastanowić się nad specyfiką biznesu, potrzebami klienta oraz umiejętnościami zespołu. Często najlepsze wyniki daje kombinacja kilku strategii. Niezależnie od wyboru, kluczem jest stałe monitorowanie efektywności oraz gotowość do dostosowywania się do zmieniających się okoliczności.