一种预测外呼算法的优化方法及外呼调度系统与流程

本发明涉及网络通信技术领域，尤其涉及一种预测外呼算法的优化方法及外呼调度系统。

背景技术

现在我国手机的保有量已达到13亿部，固话的保有量也已经达到4亿部，因此，越来越多的企业发现通过拨打电话营销越来越有效。电话外呼营销有众多的优点，可以准确握客户需求、提高营销效率、增加成单率、统一销售、提高品牌形象等等。

外呼业务，即导入一批客户号码由呼叫中心坐席进行外呼，是呼叫中心的主要业务类型，例如奶粉等快消品营销、地产楼盘售卖等。由于批量导入的客户号码存在空号、无法接通等问题，如果由坐席手动一个一个拨打，则效率低下，每天每个坐席平均可手工拨打300～400个号码，平均接通率在30％左右，则每天只可以接通90～120个，真正接听的电话(接通时长大于30秒)的则视号码质量而定。

现有做法中有点对点外呼：一个坐席人员对应一个拨号器，拨号器检测到坐席挂机，立即发起外呼，客户接通后转接到该坐席；客户没有应答，则挂机外呼下一个电话，直到拨通客户应答，将电话转接到该坐席。在该方法中拨号器锁定一个坐席，如坐席空闲则拨号帮坐席呼叫客户，在这个过程中如果呼叫客户一直为接通，则坐席一直处于等待状态，效率低下。

此外，现有技术中还提出通过预测算法来对预测外呼数量，并基于外呼数量进行拨号分配，但外呼成功率、通话时长均与用户主动行为有关联，无法准确预知，导致预测结果与实际情况有差距，从而无法贴近实际情况来进行外呼拨号及调度。

技术实现要素：

本发明的实施例，提供了一种预测外呼算法的优化方法，包含步骤：

根据所述预测外呼算法计算得到预测外呼量，其中所述预测外呼算法包含变量：外呼成功率、用户不放弃比例及其他数据；

基于所述预测外呼量运行外呼调度系统，并实时收集实际数据集；

基于所述实际数据集、所述预测外呼量进行集成预测器训练，修正所述外呼成功率、所述用户不放弃比例与所述其他数据的数值关系。

在一实施中，所述集成预测器包含多个分类器，所述基于所述实际数据集、所述预测外呼量进行预测器训练，修正所述外呼成功率及所述用户不放弃比例具体包含：

基于所述实际数据集、所述预测外呼量分别进行每个所述分类器的训练，得到多个训练结果，并基于所述训练结果修正所述外呼成功率、所述用户不放弃比例与所述其他数据之间的数值关系。

在一实施中，所述根据所述预测外呼算法计算得到预测外呼量，具体包含：

基于所述外呼调度系统的历史数据确定部分所述其他数据变量的取值；

基于所述其他数据变量的数值及所述其他数据与所述外呼成功率、所述用户不放弃比例之间的数值关系，确定所述外呼成功率变量及所述用户不放弃比例变量的取值；

在所述预测外呼算法中代入各所述变量的取值，计算得到所述预测外呼量。

在一实施中，所述历史数据包含基于上一次预测外呼量运行外呼调度系统，而产生的数据集。

在一实施中，所述方法更包含：基于所述修正后的数值关系，预测下一次外呼量。

在一实施中，所述基于所述预测外呼量运行外呼调度系统具体包含：所述外呼调度系统基于所述预测外呼量及预设外呼策略进行外呼调度。

在一实施中，所述预测外呼算法包含计算公式：

x预测＝x当前空闲-y呼出*a-y排队*b+x挂断+x后处理*c

t＝x预测/(a*b)*d

其中，x预测为预测预设时长后空闲坐席个数；t为预测外呼量；x当前空闲为当前空闲坐席数；y呼出为正在呼出数；y排队为当前排队个数；x挂断为预设时长后挂断空闲个数；x后处理为当前后处理数；a为外呼成功率；b为用户不放弃比例；c为配置系数；d为算法调整系数。

基于本发明实施例所提供的预测外呼算法的优化方法，可基于当前实际数据，对预测算法进行不断的训练优化，可使得每次计算结果不断贴近实际需求，提升预测准确性。

此外，本发明实施例还提供一种外呼调度系统，所述系统包含预测计算模块及执行模块；其中

所述预测计算模块通过执行上述预测外呼算法的优化方法，得到预测外呼量，并反馈至所述执行模块；

所述执行模块，根据所述外呼量进行拨号外呼，并按照预设外呼策略进行分配。

在一实施中，所述执行模块在运行过程中，实时收集实际数据集，并发送至所述预测计算模块。

在一实施中，所述系统更包含配置模块，用于生成初始配置数据，其中所述初始配置数据包含所述外呼成功率和所述用户不放弃比例。

附图说明

一个或多个实施方式通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施方式的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1绘示本发明第一实施例所提供的预测外呼算法的优化方法流程图；

图2绘示本发明第二实施例所提供的外呼调度系统结构示意图。

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。

本发明所提供的第一实施例为一种预测外呼算法的优化方法，应用于外呼调度系统。

请参照图1，图1绘示本发明第一实施例所提供的预测外呼算法的优化方法流程图。

如图1所示，预测外呼算法的优化方法包含以下步骤：

步骤101，根据所述预测外呼算法计算得到预测外呼量。

具体而言，本发明实施例中，外呼调度系统的外呼量是基于预测外呼算法计算得到，其中预测外呼算法包含变量：外呼成功率、用户不放弃比例及其他数据。该些变量具体为：

x预测＝预测预设时长后空闲坐席个数。预设时长后空闲坐席个数具体是指当前正在通话中或进行后处理的坐席中，在一段预设时长后，结束当前通话及后处理的坐席数，由于坐席通话的具体时长无法准确获知，故只能基于历史数据进行预测得到。预设时长可以为基于当前预测外呼量进行调度的过程中的某个时刻点。

x当前空闲＝当前空闲坐席数。当前空闲坐席数可基于外呼调度系统当前的实际空闲坐席数确定得到。

x挂断＝预设时长后挂断空闲个数。与x预测变量中的预设时长相同的时长后，当前通话中的坐席中，挂断当前通话的数量。

x后处理＝当前后处理数。一般而言，坐席在完成与客户的通话后，需要一定时间进行后处理，例如通话记录、重要信息记录等。

y排队＝当前排队个数。外呼调度系统在确定外呼量之后，从号码列表中进行拨号，拨通后的基于当前空闲坐席进行分配，在一般情况下，会出现电话已接通，但暂时没有空闲坐席的情况，那么该些通话可以确定为当前排队个数。

y呼出＝正在呼出数。外呼调度系统正在进行拨号的数量。

a＝外呼成功率。由于外呼调度系统拨打的号码可能会无效、无法接通或接通后被挂断等情况，故外呼调度系统所拨打的号码中，存在一定的失败率，换言之，外呼调度系统基于外呼量进行拨号后，具有一个外呼成功率。由于外呼成功率与用户行为有关，故无法准确预测，而在预测算法中，外呼成功率实际应该是外呼调度系统基于预测外呼量进行拨号后才能获知的，故在本发明的实施例中，需预先对外呼成功率进行预测。在预测算法的初次计算时，外呼成功率可以是基于调度系统的历史数据统计出来的经验值。

b＝用户不放弃比例，电话被接通后，用户愿意等待的比例。

c＝配置系数。配置系数是针对当前后处理数提出的一个调整系数，可以基于历史数据总结得出。

d＝算法调整系数。

t＝预测外呼量。

以上变量中，除了外呼成功率a及用户放弃比例b外，其他变量均为上述其他数据变量。

本实施例中，所使用的预测算法中，包含公式：

x预测＝x当前空闲-y呼出*a-y排队*b+x挂断+x后处理*c

t＝x预测/(a*b)*d

上述变量中，变量x当前空闲、x后处理、y排队、y呼出的具体取值可基于外呼调度系统当前的实际情况获得；变量x挂断、a、b、c的具体取值则是基于外呼调度系统的历史数据确定的，具体而言，历史数据可包含基于上一次预测外呼量运行外呼调度系统，而产生的数据集。

值得注意的是，发明人在对历史数据进行分析后，发现变量a、b与其他数据变量之间存在一定的数值关系，故在本发明的实施例中，可基于其他数据变量的取值及该数值关系确定a、b的取值。

在上述预测外呼算法的公式中代入各所述变量的取值，可计算得到预测外呼量。

步骤102，基于所述预测外呼量运行外呼调度系统，并实时收集实际数据集。

基于步骤101，通过预测算法计算得到预测外呼量后，外呼调度系统基于该预测外呼量，从号码列表中选取相应数量的号码进行拨号连接，并将接通的通话分配给空闲的坐席。

具体而言，外呼调度系统在基于预测外呼量进行坐席分配时，可基于预设外呼策略进行外呼调度。预设的外呼策略可以包含随机分配、按照当前空闲坐席列表进行顺序安排，或设置优先分配策略进行分配，本发明实施并不进行限制。

外呼调度系统基于本次拨号及结果收集实际的数据集，包含实际的空闲坐席、外呼成功率、用户不放弃率、预设时长后的实际挂断空闲个数。

步骤103，基于所述实际数据集、所述预测外呼量进行集成预测器训练，修正所述外呼成功率、所述用户不放弃比例与所述其他数据的数值关系。

现有技术中，外呼调度系统仅根据固定的预测外呼算法计算出的结果，进行外呼拨号，而如上所述，算法所使用的变量中部分是基于历史数据预估得出的，与实际的情况必然存在一定的差距，并且可能由于当下网络状况出现变化、设备异常等原因，使得外呼调度系统的运行发生抖动，从而导致预测算法计算出的固定的预测外呼量并不十分准确。

本发明的实施例中，通过基于外呼调度系统回传的实际数据集、预测外呼量进行集成预测器训练，从而通过最近的实际数据集来修正预测算法中，外呼成功率、用户不放弃比例与其他数据变量之间的数值关系。从而使得该是数值关系不断贴近实际需求，从而使得计算得到的预测外呼量更加准确。

具体而言集成预测器包含多个分类器，其中该些多个分类器可包含包含线性回归、罗吉斯回归、svm、rf算法。

在训练过程中，会基于所述实际数据集、所述预测外呼量分别进行每个所述分类器的训练，分别得到多个训练结果，并基于该些所述训练结果修正所述外呼成功率、所述用户不放弃比例与所述其他数据之间的数值关系。

由此可见，本发明实施例中，通过使用多个分类器分别对预测算法进行训练，再对训练结果进行整合，得到最终的训练结果，可使得训练结果更加贴近实际情况，使得所述外呼成功率、所述用户不放弃比例与所述其他数据之间的数值关系更符合实际需求。

步骤104，基于所述修正后的数值关系，预测下一次外呼量。

在经过上述步骤，可获得修正后的数值关系，通过该修正后的数值关系，可对预测算法中各变量的取值进行调整，并用于下一次外呼量的预测。

外呼调度系统在工作时间段内，会基于预设的周期进行一定外呼量的拨号，如此一来，本发明实施例所提供的预测算法在每一次计算前，都经过集成预测器的训练，不断进行修正优化，从而使得计算得到的预测外呼量更加符合实际需求。

综上所述，基于本发明实施例所提供的预测外呼算法的优化方法，可基于实际数据，对预测算法进行不断的训练优化，可使得每次计算结果不断贴近实际需求，提升预测准确性。

基于同样的发明构思，本发明还提供一种外呼调度系统，具体可参照图2，图2绘示本发明第二实施例所提供的外呼调度系统结构示意图。

如图2所示，外呼调度系统200具体包含预测计算模块201及执行模块202，两模块之间相互通信连接。

具体而言，预测计算模块201可通过执行本发明第一实施例中所述的预测外呼算法的优化方法，计算得到预测外呼量，并将计算得到的预测外呼量反馈至执行模块202。其中所述方法具体说明可参照图1及相应的文字说明，不再赘述。

执行模块202，接收预测计算模块201反馈的预测外呼量，根据预测外呼量进行拨号外呼，并按照预设外呼策略进行坐席分配，并且在运行过程中，实时收集实际数据集，并发送至预测计算模块201。

更进一步的，外呼调度系统200可包含配置模块203，所述配置模块203提供数据配置界面，可用于外呼调度系统在初始化时，生成初始配置数据，其中初始配置数据包含外呼成功率、用户不放弃比例、配置系数、预设时长等变量的初始取值。完成配置后，将所述初始数据发送至预测计算模块201，预测计算模块201可基于该些初始数据，进行初次预测计算。

本发明所提供的外呼调度系统，通过基于上述预测外呼算法的优化方法对预测算法进行不断优化，使得预测外呼量不断贴近实际需求，从而使得外呼调度系统可尽可能的饱和运行，在一定程度上避免坐席资源浪费、通话无法正在安排等状况的方式。

由此可见，基于上述方法可简单快速的识别出短文本中的多语义词，并进行语义选择，以获取更贴近用户所要表达的语义，从而消除歧义。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施方式，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。