에이전트 선정 과정

이 문서에서는 특정 시나리오에서 예측 라우팅이 작동하는 방식에 대한 자세한 정보를 수집합니다. 예측 라우팅을 최적화하는 데 필요한 데이터에 대한 자세한 내용은 다음을 참조하세요. 예측 라우팅을 위한 데이터 요구 사항. 

예측 라우팅은 기계 학습 모델을 사용하여 상호 작용을 처리할 수 있는 에이전트의 점수를 매깁니다. 기계 학습은 패턴을 식별하는 데 효과적입니다. 이 경우 패턴은 특정 유형의 상호 작용을 가장 효과적으로 처리하는 에이전트를 식별합니다.

대기열에서 예측 라우팅이 활성화되면 Genesys Cloud는 상담원 프로필 데이터, 집계된 고객 데이터(예: 반복 호출자인지 여부), 과거 상호 작용 데이터 등 다양한 데이터 소스를 사용하여 모델을 생성합니다. 대기열에 상호 작용이 제공되면 Genesys Cloud는 다음과 같은 방식으로 상호 작용을 할당합니다.

  1. 해당 대기열에 상호작용이 도착하면 예측 라우팅이 대기열에 있는 모든 상담원의 목록을 생성합니다. 시스템은 고객 및 사용 가능한 각 상담원에 대한 데이터를 검색합니다. 예측 라우팅은 이 시점의 라우팅 상태를 고려하지 않습니다.
  2. 필수 상담원 언어 기술 및 비언어 ACD 기술 목록을 필터링합니다(기술 일치가 활성화된 경우). 
  3. Genesys Cloud는 모델을 사용하여 상담원과 고객 데이터를 실시간으로 처리하고 사용 가능한 각 상담원의 순위를 반환합니다. 이 순위는 에이전트 예측 라우팅이 해당 특정 상호 작용을 처리할 때 대상 KPI에 가장 긍정적인 영향을 미칠 것으로 예상함을 나타냅니다.가장 높은 점수를 받은 에이전트가 첫 번째 순위를 매깁니다.
    참고: 대기열에서 사용 가능한 에이전트 수가 3명 이하인 경우 Genesys Cloud는 에이전트에 점수를 매기지 않고 표준 라우팅 방법을 사용하여 상호 작용을 라우팅합니다.
  4. 예측 라우팅 시간이 초과되기 전에(대기열 세부 정보 페이지에서 구성됨) 상담원 선택은 대기열에서 대기 중인 상호 작용 수에 따라 다르게 발생합니다.
    • 에이전트 및 상호작용 잉여 - 예측 라우팅이 활성화된 대기열에서 에이전트가 사용 가능해지면 Genesys Cloud는 대기 중인 각 상호작용에 대한 에이전트의 예측 점수를 계산합니다. 상호작용 도착 시간 및 우선순위 . 시스템은 대기 시간과 예측 점수를 결합하여 모든 상호작용의 순위를 매긴 다음, 가장 높은 순위를 받은 상호작용에 에이전트를 할당합니다. 이 동작 즉, 에이전트가 특정 고객에 대해 다른 고객보다 더 나은 성과를 낼 것으로 예측되는 경우 예측 라우팅은 에이전트가 더 나은 성과를 낼 것으로 예측되는 고객에게 상호작용을 할당하는 데 편향을 줍니다. 이 방법 대화가 과도할 때 사용 가능한 상담원을 최대한 활용하여 KPI를 최적화합니다. 
      예를 들어 상호 작용 3(대기 시간 35초)이 상호 작용 1(대기 시간 42초)보다 순위가 높은 경우 사용 가능한 상담원이 상호 작용 3에 할당됩니다. 하지만 두 개 이상의 상호작용에 대한 상호작용 순위가 동일한 경우 Genesys Cloud는 대기 시간이 가장 긴 상호작용에 상담원을 할당합니다. 
      참고: 상호작용 잉여법 예상 대기 시간 계산이 덜 정확해질 수 있습니다.
    • 상담원 잉여만 – 상호작용이 도착하면 Genesys Cloud는 사용 가능한 상담원의 예측 점수를 계산하고 마지막 상호작용 이후 경과한 시간과 예측 점수를 결합하여 모든 상담원의 순위를 매긴 다음 순위가 가장 높은 상담원에게 상호작용을 할당합니다. 가장 높은 순위의 상담원이 없는 경우 시스템은 점차 대상 상담원 풀을 확대하여 순위가 낮은 상담원을 추가합니다. 이 프로세스는 에이전트를 찾을 때까지, 또는 예측 라우팅 시간이 초과될 때까지 계속됩니다. 
      1. Genesys Cloud가 예측 라우팅 시간이 초과되기 전에 적격 에이전트를 찾지 못하거나 대기열의 에이전트 수가 3명 이하인 경우 시스템은 다음을 사용하여 상호작용을 라우팅합니다. 표준 라우팅 , 이는 대체 라우팅 방법입니다. 

        AI 모델이 예측 라우팅을 위해 에이전트에 점수를 매기는 방법