小 和类似类型。
[0045] 在步骤104中，机器学习算法可以根据所学习的模型识别客户满意度预测器。例 如，机器学习算法可以识别保持时间作为客户满意度预测器，并可以进一步将该预测器与 特定结果（例如，呼叫放弃）相关联。其它的客户满意度预测器可以包括，但不限于，限制、 呼叫期间的转接次数、代理技能水平和类似预测。
[0046] 在步骤106中，根据所监测的活动和结果判断对该联络中心是生成还是更新评 分、评估或其它评价指标（统称为评分）。对特定联络中心的评分可以表明例如该联络中心 的总体客户满意度。
[0047] 在步骤108中，预测/评估服务器42为联络中心计算评分。例如，预测/评估服务 器可以配置为评估每个联络中心的客户满意度预测器，并且确定每个预测器对整体客户满 意度评分的效果。该评分可以根据与客户满意度预测器相关联的实时值进行实时确定。例 如，可以评估当前呼叫到联络中心的保持时间，以根据用户被搁置的时长来计算联络中心 的实时评估。例如，如果保持时间高于预先设定的阀值量，这根据学习将导致负面结果（例 如，呼叫放弃、客户投诉和类似结果），则可以从联络中心的总体评分中扣除一个点的一小 部分。该评分还可以根据与客户满意度预测器相关联的平均值周期性地来确定。例如，可 以在每天结束时为每个联络中心计算平均保持时间、平均转接次数以及所学习到的客户满 意度预测器的其它平均值，以及根据上述评价更新每个联络中心的评分。
[0048]可以根据预测器事实上对客户满意度预测的接近度，为不同类型的客户满意度预 测器分配权重。例如，在计算评分时，可以赋予呼叫结束时给出的明确的客户满意度相对于 其他客户满意度预测器更高的权重。也可以考虑其它类型的评分或者评分机制。例如，特 定联络中心的评分可以仅是另一个具有相似配置和/或交互数据的相似情况的客户联络 中心的评分。
[0049] 在步骤110中，上述被监测的活动、识别的模型、识别的客户满意度预测器和/或 其它观测到的数据可以用于调整和/或优化知识库和存储的参考模型。例如，所观测到的 数据可以用于调整一个或多个参考模型的参数。
[0050] 图4是根据本发明一个示例性实施例的由推荐服务器42执行的用于向联络中心 推荐动作的过程的流程图。在步骤200中，推荐服务器40分析联络中心的特定活动，并且 在步骤202中判定所分析的动作是否指明所监测的特征（例如，特定客户满意度预测器）。
[0051] 如果答案为"是"，则推荐服务器进一步在步骤204中预测联络中心的结果。例如， 该预测可以基于知识库中的信息和参考模型。例如，如果对联络中心的动作的分析表明有 呼叫已经被保持了超过5分钟，则预测结果可以是对呼叫的放弃。在另一个示例中，如果呼 叫被保持超过3分钟后被转接超过3次，则预测结果可能是低净推荐值。该净推荐值可以 表明该客户会将该公司推荐给其他人的可能性。
[0052] 在步骤206中，判定所预测的结果是否理想。例如，净推荐值低于特定阀值可以被 视为不理想。在另一个示例中，放弃呼叫可以被视为不理想。
[0053] 如果答案为"是"，则推荐服务器42将推荐动作来解决该状况。例如，所推荐的动 作可以是用于加快例如当前呼叫的处理的路由动作。在呼叫保持5分钟以上的示例中，所 推荐的动作可以提高该呼叫的重要性并将该呼叫转接到下一个具有最具可能技能的可用 代理。根据一个示例性实施例，所述推荐动作可以被自动实施。
[0054] 根据一个实施例，实施推荐的动作之前，手动或自动地执行检查或确认该建议的 动作对特定租户来说是有改进的。在推荐路由动作增加呼叫重要性以将该呼叫转接至下一 个最具可能技能的可用代理的示例中，如果联络中心人员不足和/或代理没有足够技能， 则推荐的动作可能不能提供路由交互的改进。因此，根据一个实施例，当检测到该推荐动作 不可能改善联络中心的当前操作时，该推荐可以不用实现。
[0055] 根据一个示例性实施例，从监测远程计算环境中的多种租户的配置与交互活动中 收集的数据可以用于学习成功的路由策略并将这种路由策略推荐至其它联络中心。
[0056] 图5是根据本发明一个示例性实施例的用于更新知识库并向联络中心推荐路由 策略的过程的流程图。
[0057] 所述过程开始，并且在步骤310中，预测/评估服务器42检索并评价联络中心采 用的当前路由策略。例如，该评价可能需要检索并评价过去的交互数据日志，并且识别从该 记录的交互中获得的业务结果。该业务结果可以记录在相同或不同的日志文件中。该业务 结果可以涉及例如完成的销售、客户调查结果和类似结果。
[0058] 在步骤312中，预测/评估服务器42根据所观测的数据调用它的学习算法以更 新/优化知识库。学习算法可以观测导致好的和坏的业务结果的状况，并且根据这种观测 调整一个或多个参考模型的输入参数。例如，学习算法可以学习到，特定技能和/或技能水 平得到成功的业务成果，例如成功的交叉/上行销售、积极的客户调查、低放弃率和类似成 果。该学习还可以基于其他的观测，例如转接次数、保持时间和类似观测。
[0059] 此外，该学习也可以基于坏的业务成果实现。如果该业务成果是消极的，则机器学 习算法可以识别造成该消极结果的一个或多个原因并将该知识合并到知识库中。
[0060] 在步骤314中，如果检测到消极的业务结果，则在步骤316中，推荐服务器将从知 识库中选择假定可以改善业务结果的候选路由策略。可以根据知识库中的一个或多个参考 模型选择候选路由策略，为联络中心预测改善的业务结果。
[0061] 在步骤318中，判定新路由策略是否可验证。对此，可以使用先前的交互数据执行 模拟，其中根据该模拟，根据新路由策略按规定路线发送先前的交互并且根据新路由策略 评价或预测业务结果。如果模拟导致业务结果按照一定比例增长，则新路由策略是可验证 的。
[0062] 在步骤320中，推荐服务器推荐可验证路由策略。
[0063]该被推荐的路由可以在步骤322中部署。该部署可以响应于联络中心管理员的命 令为手动的。该部署也可以是自动的。例如，新路由策略可以由路由服务器自动选择用以 按规定路线发送后续交互。
[0064] 虽然根据一个示例性实施例，根据近似情况的联络中心的评分推荐路由策略，但 是本领域技术人员应当理解，可以推荐路由策略以外的其它配置参数或其它规则和其它类 型的业务逻辑来附加于或代替路由策略。在另一个示例性实施例中，可以不做任何推荐，但 是如果从近似情况的联络中心发现偏差时可以警告该联络中心。该偏差可以是例如路由策 略偏差。例如，推荐服务器可以检测到20%的客户交互经过20或更多个路由点。推荐服务 器可以将该数据与收集用于其它相似情况的联络中心（例如，具有相似大小的联络中心） 的数据进行比较，并且可以仅仅将检测到的数据从这些联络中心中标记为异常或偏差。 [0065]图3-5的过程可以关于由一个或多个处理器根据存储在存储器中的计算机程序 指令执行的软件程序描述。然而，本领域技术人员应当理解，该程序还可以通过硬件、固件 (例如，通过ASIC)或者软件、固件和/或硬件的结合来执行。此外，该过程的步骤顺序不是 固定的，而是可以根据本领域技术人员的理解改变为任何需要的顺序。
[0066] 图6-8是根据本发明一个示例性实施例的由运行在第三方网站平台20上的专用 应用程序提供的多个示例性图形用户界面屏幕的屏幕截图。本领域技术人员应当理解，在 租户没有调用第三方网站平台20而直接访问网站服务器44的情况中，图形用户界面还可 以由设置远程计算环境24中的网站服务器44提供。根据一个示例性实施例，在根据例如 结合图5所描述的过程选择推荐的路由策略的情况中，图形用户界面可以用于向联络中心 推荐路由策略。图形用户界面还可以根据特定联络中心的业务需求逐步地引导联络中心用 户配置推荐的路由策略。就此而言，当联络中心用户12登陆并表明需要联络中心设置时， 专用应用程序显示具有多种选项的UI页面100以用来配置联络中心。这种选项可以包括 例如用户管理选项102、技能管理选项104、路由配置选项106和媒体管理选项108。
[0067] 图6是根据本发明一个示例性实施例的基于路由选项106的选择显示的n页面 150的屏幕截图。路由选项的选择导致可用路由点的显示，所述可用路由点可以被选择为用 于限定或重新限定路由逻辑。就此而言，路由点是联络中心的进入点。所有呼入终端用户 14呼叫到达特定路由点。根据一个实施例，路由点与电话号码154相关联。路由点还可以 与名称152相关联。
[0068] 联络中心可以具有与其相关联的一个或多个路由点，每个路由点与一个电话号码 相关联。例如，终端用户可以呼叫多个电话号码以到达联络中心。每个电话号码可以到达 例如联络中心的不同子单元（例如，信用卡部门、抵押部门、个人账户部分和类似子单元）。
[0069] 根据一个示例性实施例，每个路由点与路由模板相关联，所述路由模板又与路由 策略/逻辑相关联。模板下拉框156允许管理员配置和/或重新配置被分配到该路由点的 路由策略。根据用户指示为特定路由点编辑或者分配路由模板，该网站服务器为管理员的 选择检索并显示一个或多个模板。
[0070] 图7是根据本发明一个示例性实施例的显示可供管理员选择的多个不同路由模 板16