當(dāng)前無(wú)論是金融、零售、房產(chǎn)或是互聯(lián)網(wǎng)行業(yè)，在疫情頻發(fā)、市場(chǎng)競(jìng)爭(zhēng)越發(fā)激烈、政策管控等層層因素疊加的影響下，各行業(yè)涉危履險(xiǎn)，負(fù)重前行，甚至一些優(yōu)勢(shì)產(chǎn)業(yè)也正在面臨寒冬。對(duì)于企業(yè)來(lái)說(shuō)，亟需轉(zhuǎn)變發(fā)展方式和策略，降本增效則無(wú)疑成了每家企業(yè)必須面對(duì)的課題。

　　在激烈的市場(chǎng)競(jìng)爭(zhēng)中，電話(huà)營(yíng)銷(xiāo)作為一種能夠幫助企業(yè)獲取更多客戶(hù)和利潤(rùn)的營(yíng)銷(xiāo)模式，是現(xiàn)代企業(yè)市場(chǎng)營(yíng)銷(xiāo)、服務(wù)中心不可或缺的一個(gè)重要模塊，如何提高坐席工作效率也成為呼叫中心提供商一直努力創(chuàng)新的方向。

　　通常來(lái)說(shuō)，如果想提高坐席的接待效率，可以通過(guò)智能助手、統(tǒng)一知識(shí)庫(kù)和統(tǒng)一工作臺(tái)等系統(tǒng)或者功能來(lái)實(shí)現(xiàn)；想要提高坐席協(xié)同效率，可以通過(guò)智能工單流程來(lái)實(shí)現(xiàn)；而如果想要提高坐席的外呼效率，通常只有外呼巡航、預(yù)測(cè)式外呼和智能外呼三種手段，其中針對(duì)于高質(zhì)量或者關(guān)鍵客戶(hù)，預(yù)測(cè)式外呼則是最有效的手段。

　　預(yù)測(cè)式外呼原理簡(jiǎn)介

　　預(yù)測(cè)式外呼由平臺(tái)自動(dòng)呼叫客戶(hù)號(hào)碼，當(dāng)客戶(hù)接通，平臺(tái)會(huì)自動(dòng)將通話(huà)轉(zhuǎn)到人工坐席，由人工坐席來(lái)與客戶(hù)進(jìn)行通話(huà)；而對(duì)于未接通的，則通過(guò)空號(hào)檢測(cè)服務(wù)來(lái)判斷通話(huà)結(jié)果，和預(yù)設(shè)的重呼策略匹配成功時(shí)平臺(tái)會(huì)自動(dòng)進(jìn)行重呼。

圖1 預(yù)測(cè)式外呼流程圖

　　預(yù)測(cè)式外呼的工作流程理解起來(lái)并不難，難點(diǎn)在于平臺(tái)如何根據(jù)一系列的歷史數(shù)據(jù)和當(dāng)前實(shí)時(shí)數(shù)據(jù)來(lái)計(jì)算最佳送號(hào)數(shù)，這個(gè)送號(hào)數(shù)既要保證呼損率盡可能的低，又要保證坐席盡可能的“忙碌”起來(lái)，而想在這兩個(gè)“相生相克”的矛盾點(diǎn)之間取得權(quán)衡，強(qiáng)大的算法和完備的技術(shù)方案缺一不可。

　　“雙目標(biāo)尋優(yōu)”預(yù)測(cè)外呼算法模型

　　基于此，中關(guān)村科金得助智能研發(fā)團(tuán)隊(duì)自主研發(fā)了“雙目標(biāo)尋優(yōu)”預(yù)測(cè)外呼算法模型，雙目標(biāo)即坐席利用率和呼損率。該模型將呼損率設(shè)置鎖定在一個(gè)預(yù)設(shè)范圍內(nèi)，可以保障坐席利用率達(dá)到最大化。從實(shí)際應(yīng)用情況來(lái)看，0呼損率的情況下，能夠?qū)⒆寐史€(wěn)定在70%以上，并且通過(guò)合理調(diào)參，可以使坐席利用率變得更高。

　　在預(yù)測(cè)式外呼領(lǐng)域，業(yè)界和學(xué)術(shù)界的主流思想是對(duì)下一時(shí)刻的空閑坐席數(shù)進(jìn)行預(yù)測(cè)，方法論主要包括精準(zhǔn)預(yù)測(cè)、馬爾科夫鏈和生滅過(guò)程，近些年又有深度學(xué)習(xí)領(lǐng)域的LSTM模型加入其中。但是由于理論復(fù)雜和模型無(wú)法靈活調(diào)節(jié)，所以這些方法普遍存在繁瑣冗雜或效果不穩(wěn)定的問(wèn)題。和目前已有的方法相比，得助智能“雙目標(biāo)尋優(yōu)”算法不僅簡(jiǎn)潔易懂，而且它的最大優(yōu)點(diǎn)在于具有較好的魯棒性，可以自動(dòng)適應(yīng)不同的業(yè)務(wù)場(chǎng)景，即保證不同業(yè)務(wù)場(chǎng)景下，將呼損率鎖定在一個(gè)指定的范圍，而坐席的利用率可達(dá)到最優(yōu)。之所以能夠取得良好的效果，得益于該算法將預(yù)測(cè)式外呼前期冷啟動(dòng)集數(shù)、預(yù)測(cè)式外呼全過(guò)程MATLAB線下仿真、以及全自動(dòng)調(diào)參這三個(gè)重要的組件之間進(jìn)行科學(xué)有效的融合，可以通過(guò)算法近似還原預(yù)測(cè)式外呼的真實(shí)場(chǎng)景。

　　冷啟動(dòng)集數(shù)是為了通過(guò)0呼損的保守算法來(lái)收集場(chǎng)景數(shù)據(jù)，作為算法模型在啟動(dòng)之初的初始數(shù)據(jù)，我們目前將冷啟動(dòng)時(shí)長(zhǎng)定為5分鐘，從而保證可以收集到足夠多的數(shù)據(jù)。MATLAB線下仿真是預(yù)測(cè)外呼算法的核心部分，它的意義在于當(dāng)不同業(yè)務(wù)場(chǎng)景的關(guān)鍵指標(biāo)（接通率、振鈴時(shí)長(zhǎng)和通話(huà)時(shí)長(zhǎng)等）存在差異時(shí)，仿真能夠以數(shù)理邏輯還原真實(shí)場(chǎng)景中的現(xiàn)象或問(wèn)題，它與全自動(dòng)調(diào)參技術(shù)相配合可以快速、準(zhǔn)確地獲得最優(yōu)超參數(shù)。

　　在進(jìn)行MATLAB線下仿真前，需要根據(jù)實(shí)際情況預(yù)設(shè)仿真次數(shù)、坐席數(shù)和最大外呼數(shù)等超參數(shù)。仿真主要包括初始仿真和后續(xù)仿真兩部分，其核心原理是通過(guò)負(fù)反饋機(jī)制的調(diào)節(jié)，直接對(duì)下一時(shí)刻的外呼數(shù)進(jìn)行預(yù)測(cè)，具體細(xì)節(jié)如下所示（此處為了方便說(shuō)明，假設(shè)初始仿真只有1次）：

圖1 仿真流程圖

　　Step1：初始仿真只在前面幾個(gè)輪次中使用，目的是為了冷啟動(dòng)整個(gè)外呼過(guò)程。初始仿真時(shí)使用傳統(tǒng)的經(jīng)驗(yàn)公式，即第1次的預(yù)測(cè)外呼數(shù)callnum（1）①為：

　　callnum（1）=

　　注：AG為實(shí)際坐席數(shù)，SR為接通率。

　　Step2：在后續(xù)仿真中，主要圍繞負(fù)反饋機(jī)制進(jìn)行迭代。在預(yù)測(cè)時(shí)，不再和傳統(tǒng)的方法一樣預(yù)測(cè)接下來(lái)空閑的坐席數(shù)，而是通過(guò)接通率、振鈴時(shí)長(zhǎng)和服務(wù)時(shí)長(zhǎng)等關(guān)鍵指標(biāo)來(lái)預(yù)測(cè)下一次的外呼數(shù)，具體公式為：

　　callnum=（+speedadjust）-m*NC

　　注：TR為振鈴時(shí)長(zhǎng)，TC為服務(wù)時(shí)長(zhǎng)，NC為正在外呼的電話(huà)數(shù)，speedadjust和m為外呼數(shù)的兩個(gè)調(diào)速因子。

　　Step3：根據(jù)第1次的預(yù)測(cè)外呼數(shù)callnum（1），隨機(jī)生成②相應(yīng)個(gè)數(shù)的振鈴時(shí)長(zhǎng)TR（1）和1個(gè)接通率SR（1），再由接通率隨機(jī)生成接通個(gè)數(shù)n（1），并隨機(jī)生成相應(yīng)個(gè)數(shù)的服務(wù)時(shí)長(zhǎng)TC（1）。

　　Step4：根據(jù)上一步得到的SR（1）、TR（1）、TC（1）等指標(biāo)，由公式計(jì)算得到callnum（2）。有了callnum（2）之后，和Step3類(lèi)似，隨機(jī)生成得到SR（2）、TR（2）、TC（2）等指標(biāo)，供下一次仿真使用，并計(jì)算本次的坐席利用率和呼損率。

　　：callnum（n）表示第n次的預(yù)測(cè)外呼數(shù)，SR（n）、TR（n）、TC（n）分別表示第n次的接通率、振鈴時(shí)長(zhǎng)、服務(wù)時(shí)長(zhǎng)。

　　：此處所說(shuō)的隨機(jī)生成是根據(jù)提供的實(shí)際數(shù)據(jù)或者數(shù)據(jù)范圍先生成特定的概率密度分布后，又在此概率密度分布的基礎(chǔ)上來(lái)隨機(jī)生成數(shù)據(jù)。

　　：callnum（n）表示第n次的預(yù)測(cè)外呼數(shù)，SR（n）、TR（n）、TC（n）分別表示第n次的接通率、振鈴時(shí)長(zhǎng)、服務(wù)時(shí)長(zhǎng)。

　　：此處所說(shuō)的隨機(jī)生成是根據(jù)提供的實(shí)際數(shù)據(jù)或者數(shù)據(jù)范圍先生成特定的概率密度分布后，又在此概率密度分布的基礎(chǔ)上來(lái)隨機(jī)生成數(shù)據(jù)。

　　Step5：達(dá)到預(yù)設(shè)的仿真次數(shù)后，停止迭代，并計(jì)算整個(gè)過(guò)程①的呼損率和坐席利用率。

　　注①：整個(gè)過(guò)程的公式計(jì)算中，為了穩(wěn)定起見(jiàn)，各個(gè)指標(biāo)用的是到此刻為止的均值而不是時(shí)刻值

　　注①：整個(gè)過(guò)程的公式計(jì)算中，為了穩(wěn)定起見(jiàn)，各個(gè)指標(biāo)用的是到此刻為止的均值而不是時(shí)刻值

　　在Step2公式中的speedadjust為呼損率的調(diào)速因子，該因子受接通率的影響，它是負(fù)反饋機(jī)制的體現(xiàn)，當(dāng)呼損率較高時(shí)該因子會(huì)變小，從而抑制外呼數(shù)，達(dá)到降低呼損率（最佳期望是保證0呼損）的目的。公式中的m為坐席利用率的調(diào)速因子，通過(guò)它的調(diào)節(jié)可以有效抑制坐席空閑率。負(fù)反饋機(jī)制中的兩個(gè)調(diào)速因子可以使模型動(dòng)態(tài)地給出每個(gè)時(shí)刻的最優(yōu)外呼數(shù)；全自動(dòng)調(diào)參技術(shù)基于這兩個(gè)調(diào)速因子，可以實(shí)現(xiàn)模型的快速自動(dòng)調(diào)優(yōu)，二者相結(jié)合可以保證預(yù)測(cè)外呼算法模型在任何場(chǎng)景中都能發(fā)揮出最佳效果。

　　重構(gòu)技術(shù)鏈路，解除預(yù)測(cè)算法對(duì)于送號(hào)性能的依賴(lài)

　　預(yù)測(cè)式外呼始終是一個(gè)難題除了算法模型十分復(fù)雜，還有一個(gè)非常重要的原因在于如何優(yōu)化整個(gè)送號(hào)技術(shù)鏈路，保證送號(hào)速率。

　　通常來(lái)說(shuō)，算法模型計(jì)算得出送號(hào)數(shù)需要通知到負(fù)責(zé)送號(hào)的服務(wù)，送號(hào)服務(wù)再立即將大量名單號(hào)碼送到軟交換服務(wù)，由于送號(hào)間隔一般都會(huì)比較小（這是保證坐席利用率的關(guān)鍵方法之一，例如得助智能的送號(hào)間隔為5s），這樣一來(lái)，大量名單號(hào)碼勢(shì)必會(huì)造成阻塞，帶來(lái)一系列的惡性循環(huán)，如立即出現(xiàn)大量的呼損、算法模型效果持續(xù)降低等問(wèn)題。

　　得助智能在將算法模型落地時(shí)同樣遇到這一問(wèn)題，最終通過(guò)對(duì)整個(gè)鏈路開(kāi)展分析才得以解決。在解決問(wèn)題過(guò)程中嘗試了多種技術(shù)方案，例如通過(guò)反復(fù)調(diào)整多線程送號(hào)策略來(lái)控制送號(hào)并發(fā)及頻率、任務(wù)間隔離送號(hào)、簡(jiǎn)化送號(hào)鏈路（移除創(chuàng)建客戶(hù)、坐席驗(yàn)證等串線邏輯）、送號(hào)任務(wù)生命周期優(yōu)化、完善送號(hào)異常結(jié)果處理機(jī)制等，但最終都難以達(dá)到預(yù)期效果。這可能是很多呼叫中心廠商都做過(guò)的嘗試，直到得助智能研發(fā)團(tuán)隊(duì)最終針對(duì)整個(gè)鏈路進(jìn)行了技術(shù)重構(gòu)，才將送號(hào)問(wèn)題徹底解決。

　　在得助智能的最終技術(shù)方案中，通過(guò)算法模型計(jì)算出未來(lái)一定時(shí)間內(nèi)可以消耗的號(hào)碼數(shù)量，將該數(shù)量通知給負(fù)責(zé)送號(hào)的服務(wù)，送號(hào)服務(wù)只需將號(hào)碼盡可能快的送入預(yù)置的號(hào)碼池中即可，等到每5s后，預(yù)測(cè)算法計(jì)算出真正的送號(hào)數(shù)時(shí)，軟交換服務(wù)直接從號(hào)碼池中取走相應(yīng)數(shù)量的號(hào)碼即可，這一方案解除了預(yù)測(cè)算法對(duì)于送號(hào)鏈路性能的依賴(lài)，最終保證了預(yù)測(cè)效果。

圖2 技術(shù)方案流程圖

　　任務(wù)執(zhí)行過(guò)程中的合理調(diào)參，可進(jìn)一步提高坐席利用率

　　得助智能最終實(shí)現(xiàn)的自動(dòng)外呼任務(wù)管理功能，可以在任務(wù)執(zhí)行過(guò)程中實(shí)時(shí)監(jiān)控任務(wù)執(zhí)行情況，例如任務(wù)進(jìn)度、接聽(tīng)量、接聽(tīng)率和平均通話(huà)時(shí)長(zhǎng)等，另外可以實(shí)時(shí)監(jiān)控到技能組內(nèi)坐席狀態(tài)分布情況和呼損率。

圖3 預(yù)測(cè)式外呼任務(wù)監(jiān)控

　　而為了保證預(yù)測(cè)算法能夠發(fā)揮出更好的效果，業(yè)務(wù)人員在操作得助智能系統(tǒng)的任務(wù)執(zhí)行過(guò)程中，可通過(guò)調(diào)節(jié)“調(diào)幅系數(shù)”和“減量系數(shù)”的方式來(lái)進(jìn)一步調(diào)整送號(hào)速率。

圖4 手動(dòng)調(diào)參

　　當(dāng)預(yù)測(cè)算法識(shí)別到坐席空閑率較高時(shí)，會(huì)自動(dòng)調(diào)節(jié)送號(hào)速度，調(diào)限系數(shù)即送號(hào)速度的上限；坐席空閑率過(guò)高時(shí)，可以調(diào)大該參數(shù)；呼損率過(guò)大時(shí)，可以調(diào)小該參數(shù)。

　　預(yù)測(cè)算法運(yùn)算出的送號(hào)量在模型中會(huì)減去正在送號(hào)和響鈴中的電話(huà)數(shù)，減數(shù)為正在送號(hào)和響鈴電話(huà)數(shù)除以送號(hào)減量系數(shù)，默認(rèn)情況下減數(shù)就等于響鈴中的電話(huà)數(shù)量（即“減量系數(shù)”為1），但在座席利用率過(guò)低或客戶(hù)放棄率（呼損率）過(guò)高時(shí)，可通過(guò)調(diào)整“減量系數(shù)”來(lái)達(dá)成目標(biāo)。調(diào)大情況下，坐席空閑率會(huì)變小，呼損率則會(huì)變大。減量系數(shù)對(duì)算法效果影響更快更直接，兩個(gè)參數(shù)結(jié)合，可以讓業(yè)務(wù)人員在不同的場(chǎng)景下都能快速調(diào)節(jié)算法效果。

圖5 某企業(yè)客戶(hù)使用案例

　　目前，得助智能預(yù)測(cè)式外呼已在多個(gè)企業(yè)客戶(hù)項(xiàng)目中上線應(yīng)用。通常來(lái)說(shuō)，人工坐席手動(dòng)外呼情況下坐席利用率只能達(dá)到20%-30%，假設(shè)預(yù)測(cè)式外呼的坐席利用率為70%，則相當(dāng)于可提高3倍左右的坐席產(chǎn)出，大幅提高坐席整體工作效率，可有效實(shí)現(xiàn)營(yíng)銷(xiāo)效果的提升。

　　中關(guān)村科金基于長(zhǎng)期的技術(shù)積累，通過(guò)自研ASR、TTS、NLP等多項(xiàng)AI技術(shù)，打造企業(yè)級(jí)全場(chǎng)景精準(zhǔn)化的智能交互平臺(tái)，平臺(tái)提供云呼叫中心、智能語(yǔ)音機(jī)器人、智能客服、在線客服、智能質(zhì)檢、CRM以及智能工單等多個(gè)產(chǎn)品，可應(yīng)用于企業(yè)營(yíng)銷(xiāo)服務(wù)的售前、售中、售后場(chǎng)景中，幫助企業(yè)推進(jìn)營(yíng)銷(xiāo)服數(shù)智化升級(jí)，構(gòu)建增長(zhǎng)新引擎，實(shí)現(xiàn)最大程度的降本增效。