例如，可以基于历史结果定期（例如，每天）更新坐席表现数据，从而对坐席 进行重新排名。此外，关于呼叫者的历史信息可被用于更新关于呼叫者针对特定结果变量 的倾向的信息。
[0059] 在一些实施例中，路由引擎204或主映射引擎304还可以包括基于传统队列的路 由程序，其可以存储或访问呼叫者和坐席的守候时间或框时间，并可用于基于呼叫者（和/ 或坐席）的守候时间或队列顺序将呼叫者映射至坐席。此外，可以对守候的呼叫者应用各 种功能或时间限制，从而确保呼叫者等待坐席的守候时间不会太长。例如，如果超过呼叫者 的时间限制（该时间限制是基于预定值或与呼叫者相关的功能），则呼叫者能够被路由至 下一个空闲的坐席。
[0060] 此外，可以为用户提供界面，以允许调整示例性系统和方法的各个方面，例如，能 够调整不同模型的数量，程度，和呼叫者数据的类型。此外，界面可以允许调整用于不同程 度或类型的特定模型，例如，调整特定模型的优化或加权，为呼叫者数据的特定程度或类型 改变模型等。界面可以包括用于实时或在预定时间对不同因素进行调整的滑块或选择器。 此外，界面还可以允许用户打开或关闭某些方法，并且可以显示改变的预期效果。例如，界 面可以显示通过改变路由系统的一些方面而导致的成本，创收，或顾客满意度中的一个或 多个的可能的变化。举例来说，2008年7月28日提交的共同未决美国611084,201号临时 申请描述了用于估算结果变量的各种估算方法和算法，该申请通过引用全部结合至此。在 一个实施例中，估算包括对相同（或相似）坐席集合的过去一段时间进行评价，并构建坐 席/呼叫者对的分布。通过使基于表现的匹配，模式匹配算法等计算出期望的成功率，并且 期望的成功率被应用于当前信息，以估算当前表现（例如，相对于销售，成本，顾客满意度 等）。因此，借助历史呼叫数据和坐席信息，系统能够计算处理方法的平衡或加权改变的估 值。需要注意，对于历史信息来说，可比较的时间（例如，一天中的某一时间，一星期中的某 一天等）可能比较重要，因为表现可能随时间变化。
[0061] 图4A概略地显示了用于匹配呼叫者和坐席的示例性概率乘数方法，图4B显示了 随机匹配方法（例如，其基于队列等）。这些实施例中假定有五个坐席和五个呼叫者需要 匹配。基于针对所需结果变量的表现对坐席进行排名。例如，可以基于历史销售率数据， 基于完成销售的统计学机会对坐席进行打分或排序。此外，可以基于所需结果变量，例如， 基于购买产品或服务的倾向或可能性对呼叫者进行打分或排序。可以基于已知的，或可用 的呼叫者数据对呼叫者进行打分或排序，举例来说，呼叫者数据包括人口统计数据，邮政编 码，区域码，所用电话类型等，呼叫者数据被用于确定呼叫者进行购买的统计学机会或历史 机会。
[0062] 接下来基于排名对坐席和呼叫者进行匹配，其中排名最高的坐席与排名最高的呼 叫者匹配，排名第二高的坐席与排名第二高的呼叫者匹配，以此类推。与图4B所示那样随 机匹配呼叫者和坐席相比，最好-最好匹配和最差-最差匹配能够增加匹配对的乘积。例 如，使用坐席A1-A5的销售率（例如，基于过去的坐席表现）和呼叫者C1-C5进行购买的机 会（例如，基于呼叫者数据，例如人口统计数据，呼叫者数据等），图4A所示匹配的结果为：
[0063] (0? 09*0. 21) + (0? 07*0. 12) + (0? 06*0. 04) + (0? 05*0. 03) + (0? 02*0. 02) 0? 0316
[0064] 与之对比，对于图4B所示的使用相同百分比的随机匹配，结果如下：
[0065] (0? 09*0. 12) + (0? 07*0. 02) + (0? 06*0. 21) + (0? 05*0. 03) + (0? 02*0. 04) 0? 0271
[0066] 因此，将排名最高的坐席与排名最高的呼叫者匹配，并将排名最差的坐席与排名 最差的呼叫者匹配能够增加总的结果，由此增加优化所需结果变量（例如，销售）的机会。
[0067] 图5A概略地显示了用于匹配守候的呼叫者和变为空闲的坐席的示例性方法。在 该实施例中，如同前面描述的那样，当班的所有坐席A1-A5或在呼叫者C1-C5的合理守候时 间内的所有坐席被打分或排名。此外，如同前面描述的那样，呼叫者C1-C5也被打分或排 名。作为坐席，举例来说，坐席A2变得空闲，方法确定呼叫者C2的排名与坐席A2相同（或 相似），将呼叫者C2匹配至坐席A2。剩余的守候呼叫者接下来被重新排名，以在下一个坐 席变得空闲时进行匹配。此外，由于新的呼叫者被保持守候，能够以实时的方式对呼叫者进 行重新排名。对于多个空闲的坐席和变得空闲的呼叫者而言，示例性方法的运行方式相似 (对呼入呼叫中心和呼出呼叫中心都如此）。
[0068] 能够认识到，在大多数情况下，坐席的数量和呼叫者的数量并不相等。因此，呼叫 者（和/或坐席）能够被排名并转换为呼叫者的相对百分位排名，举例来说，规范化排名， 或者将排名最高的呼叫者排为第1〇〇个百分位，排名最低的呼叫者排为第〇个百分位，同 样，坐席也可以转换为相对百分位排名。当坐席变得空闲时，坐席可以被匹配至相对百分位 排名与坐席的相对百分位排名最接近的的呼叫者。在其它实施例中，当坐席变得空闲时，坐 席能够与正在守候的呼叫者的至少一部分的排名进行比较，从而计算每个坐席-呼叫者对 的Z-分数。最高的Z-分数可以与相对百分位排名方面的最小差别相对应。此外，需要注 意，Z分数可被用于将匹配和其它同样可以输出Z-分数的算法，例如模式匹配算法相组合。
[0069] 图5B概略地显示了用于在坐席变得空闲，同时有多个呼叫者在守候时对呼叫者 和坐席进行匹配的示例性方法。在该实施例中，呼叫者（在某些实施例中，坐席）根据表 现的子组被分组。例如，一系列的呼叫者表现被划分为多个子组，呼叫者分布在每个组中。 如图所示，根据表现，呼叫者中的前20%可以分组为Cli-CU，接下来是随后的20%，以此类 推。当坐席变得空闲时，例如，A2,来自合适子组的呼叫者被匹配至呼叫者，在该实施例中， 子组是C2rC2N。可以根据队列顺序，最佳匹配，模式匹配算法等选择子组中的呼叫者。举 例来说，可以基于坐席排名或分数来确定合适的子组，来自该子组的呼叫者将被路由。
[0070] 在一个实施例中，假定需要针对结果变量0的呼叫中心表现。0可以包括销售率， 顾客满意度，首次来电解决疑难，或其它变量中的一个或多个。进一步假定有时登录有乂个 坐席，队列中有N。个呼叫者。假定坐席在生成0方面的表现为：
[0071]
【主权项】
1. 一种方法，该方法包括： 通过一个或多个计算机从针对技能集合中的各个技能k的早前真实坐席表现数据中 确定、或获得或接收真实坐席表现的分布； 通过所述一个或多个计算机确定假设坐席的集合，所述假设坐席具有针对所述各个技 能k的假设坐席表现APi,所述假设坐席表现APi的范围是从最差表现到最好表现； 在考虑各个实际坐席的所述技能集合中的每一个技能的实际结果的情况下，通过所述 一个或多个计算机使用所述真实坐席表现的分布和所述具有各个假设坐席表现APi的假设 坐席的集合来计算后验分布，从而获得所述假设坐席的集合中的每个假设坐席的总概率； 通过所述一个或多个计算机针对所述假设坐席集合中的多个假设坐席重复计算所述 后验分布的步骤，以获得各个假设坐席的各个总概率；以及 通过所述一个或多个计算机确定假设坐席中具有较好总概率TP值的假设坐席为实际 坐席的最可能的综合表现。
2. 如权利要求1所定义的方法，其中所述坐席表现选自由销售或未销售、每一呼叫的 收入、每一呼叫的创收单位（RGU)、以及处理时间构成的组中的一者。
3. 如权利要求1所定义的方法，其中所述坐席技能k包括选由销售产品或服务A、销售 产品或服务B、以及为产品C提供服务建议构成的组中的两者或更多者。
4. 如权利要求1所定义的方法，其中确定所述最可能的综合表现的步骤包括选择所述 假设坐席中具有最好总概率TP值的假设坐席为实际坐席的最可能的综合表现。
5. 如权利要求1所定义的方法，其中所述假设坐席的集合包括至少10个假设坐席。
6. 如权利要求1所定义的方法，其中所述假设坐席的集合包括至少50个假设坐席。
7. 如权利要求1所定义的方法，其中所述假设坐席的集合包括至少100个假设坐席。
8. 如权利要求1所定义的方法，其中所述真实坐席表现是二项的，并且真实坐席表现 的分布至少在其一端上是截断的。
9. 如权利要求1所定义的方法，其中计算所述后验分布包括： 针对第一技能k和各个假设坐席i的假设坐席表现APi,通过所述一个或多个计算机为 所述假设坐席的集合中的每一个假设坐席i计算所述各个假设坐席i通过N次呼叫获得S 笔销售的证据概率P〇Eik，具有所述技能k的所述各个实际坐席通过N次呼叫获得S笔销售； 以及 通过所述一个或多个计算机来计算各个假设坐席i的总概率TPi,包括用假设坐席的 APi乘以假设坐席i的每个技能k的POE ik。
10. 如权利要求1所定义的方法