用于对配对策略进行基准化分析的方法、系统和制品

摘要

本发明涉及用于对配对策略进行基准化分析的方法、系统和制品。一种方法包括：确定第一队列，第一队列包括在第一时间段期间使用第一配对策略配对的第一多个联系人和在第一时间段期间使用第二配对策略配对的第二多个联系人；确定第二队列，第二队列包括在第二时间段期间使用第一配对策略配对的第三多个联系人和在第二时间段期间使用第二配对策略配对的第四多个联系人，第二时间段在第一时间段之后；在第二时间段期间确定第一队列的第一配对策略与第二配对策略之间的第一相对绩效差异；在第二时间段期间确定第二队列的第一配对策略与第二配对策略之间的第二相对绩效差异；基于第一相对绩效差异和第二相对绩效差异确定净绩效差异。

说明书

本申请是PCT申请号为PCT/IB2018/000886、国际申请日为2018年7月18日、中国申请号为201880003594.8、发明名称为“用于在任务分配系统中对配对策略进行基准化分析的技术”的申请的分案申请。

本国际专利申请要求2017年11月8日提交的美国专利申请No.15/808,215以及2017年11月8日提交的美国专利申请No.15/807,227的优先权，通过参考将其全部内容分别合并于此，视同在此全部给出。

技术领域

本公开一般涉及对配对策略进行基准化分析(benchmarking)，尤其涉及用于在任务分配系统中对配对策略进行基准化分析的技术。

背景技术

典型的任务分配系统通过算法将到达任务分配中心的任务分配给可用于处理这些任务的代理。有时候，任务分配系统可以具有可用并等待分配任务的代理。有时候，任务分配中心可以具有在一个或多个队列中等待代理以变得可用于分配的任务。

在一些典型的任务分配中心，基于创建任务的顺序而排序将任务分配给代理，代理基于这些代理变为可用的时间接收排序的任务。这个策略可以称为“先进先出”、“FIFO”或“轮询调度”策略。

一些任务分配系统可以使用“基于绩效的路由”或“PBR”方法来对可用代理的队列进行排序，或者偶尔对任务进行排序。PBR排序策略试图最大化每个任务分配的预期结果，但是在这样做的时候通常不考虑统一地利用任务分配系统中的代理。

当任务分配系统从使用一种类型的配对策略(例如FIFO)变为另一种类型的配对策略(例如PBR)时，任务分配系统的总体绩效将继续随时间变化。测量归因于使用备选配对策略的绩效变化量是困难的，因为归因于给定任务分配的绩效或价值的量可能直到以后才实现(例如，在初始任务分配之后的几个月或几年)。

鉴于以上情况，可以理解，需要这样一种系统，它能够实现备选任务分配策略(或“配对策略”)的基准化分析，以测量归因于备选任务分配策略的绩效随时间的变化。

发明内容

公开用于在任务分配系统中对配对策略进行基准化分析的技术。在一个特定实施例中，可将该技术实现为用于对任务分配系统中的配对策略进行基准化分析的方法，包括确定在第一时段期间使用第一配对策略配对的第一多个历史任务分配，确定在第一时段期间使用第二配对策略配对的第二多个历史任务分配，确定在第一时段之后的第二时段期间归因于第一多个历史任务分配和第二多个历史任务分配中的每个任务的价值，基于在第二时段期间归因于每个任务的价值，确定第一配对策略与第二配对策略之间的绩效差异，以及输出第一配对策略与第二配对策略之间的绩效差异，用于至少对第一配对策略和第二配对策略进行基准化分析，其中，绩效差异表明，与第二配对策略相比，第一配对策略优化任务分配系统的绩效。

根据该特定实施例的其他方面，任务分配系统可以是联系人中心系统，且第一多个任务可以是第一多个联系人，第二多个历史任务分配可以是第二多个联系人。

根据该特定实施例的其他方面，第一配对策略可以是行为配对策略。

根据该特定实施例的其他方面，第二配对策略可以是FIFO策略或基于绩效的路由策略。

根据该特定实施例的其他方面，任务分配系统可以至少在第一配对策略与第二配对策略之间至少每小时循环一次。

根据该特定实施例的其他方面，可以针对Yule-Simpson效应调整绩效差异。

根据该特定实施例的其他方面，可以根据第一多个历史任务分配与第二多个历史任务分配之间的大小的相对差异，对绩效差异进行加权。

根据该特定实施例的其他方面，第一配对策略可以在第二时段期间向代理分配任务，而不管确定第一配对策略或第二配对策略中的哪一个在第一时段期间分配了对应的任务。

根据该特定实施例的其他方面，该方法还包括生成在第二时段期间统计上公平的任务分配的报告，而不管第一配对策略或第二配对策略中的哪一个在第一时段期间分配了任何对应的任务。

在另一个特定实施例中，可将该技术实现为用于对任务分配系统中的配对策略进行基准化分析的系统，包括可通信地耦合到任务分配系统并被配置为在任务分配系统中操作的至少一个计算机处理器，其中至少一个计算机处理器还被配置为进行上述方法中的步骤。

在另一个特定实施例中，可将该技术实现为用于在任务分配系统中对配对策略进行基准化分析的制品，包括非暂时性处理器可读介质以及在介质上存储的指令，其中，指令被配置为可通过可通信地耦合到任务分配系统并被配置为在任务分配系统中操作的至少一个计算机处理器从介质读取，由此使得至少一个计算机处理器操作为进行上述方法中的步骤。

下面参考附图所示的特定实施例更详细地描述本公开。虽然下面参考特定实施例描述了本公开，但是应当理解，本公开不限于此。能够获知本文教导的本领域技术人员将认识到附加的实施方式、修改和实施例以及其他使用领域，它们落入本文所述的本公开的范围，并且本公开关于它们可具有显著的实用性。

附图说明

为了便于更全面地理解本公开，现在参考附图，其中用相同的附图标记表示相同的元件。这些附图不应解释为限制本公开，而是仅用于说明。

图1示出根据本公开实施例的任务分配系统的方框图。

图2A示出根据本公开的实施例的基准化分析数据的表格。

图2B示出根据本公开的实施例的基准化分析数据的表格。

图2C示出根据本公开的实施例的基准化分析数据的表格。

图3示出根据本公开实施例的基准化分析方法的流程图。

图4示出根据本公开实施例的基准化分析方法的流程图。

具体实施方式

典型的任务分配系统通过算法将到达任务分配中心的任务分配给可用于处理这些任务的代理。有时候，任务分配系统可以具有可用并等待分配任务的代理。有时候，任务分配中心可以具有在一个或多个队列中等待代理以变得可用于分配的任务。

在一些典型的任务分配中心，基于创建任务的顺序而排序将任务分配给代理，代理基于这些代理变为可用的时间接收排序的任务。这个策略可以称为“先进先出”、“FIFO”或“轮询调度”策略。

一些任务分配系统可以使用“基于绩效的路由”或“PBR”方法来对可用代理的队列进行排序，或者偶尔对任务进行排序。PBR排序策略试图最大化每个任务分配的预期结果，但是在这样做的时候通常不考虑统一地利用任务分配系统中的代理。

当任务分配系统从使用一种类型的配对策略(例如FIFO)变为另一种类型的配对策略(例如PBR)时，任务分配系统的总体绩效将继续随时间变化。测量归因于使用备选配对策略的绩效变化量是困难的，因为归因于给定任务分配的绩效或价值的量可能直到以后的时间(例如，在初始任务分配之后的几个月或几年)才实现。

鉴于以上情况，可以理解，需要这样一种系统，它能够实现备选任务分配策略(或“配对策略”)的基准化分析，以测量归因于备选任务分配策略的绩效随时间的变化。

图1示出根据本公开实施例的任务分配系统100的方框图。本说明书描述了用于对可包括一个或多个模块的任务分配系统中的配对策略进行基准化分析的系统和方法的网络元件、计算机和/或组件。如本文所使用的，术语“模块”可以理解为指代计算软件、固件、硬件和/或它们的各种组合。但是，模块不应解释为未在硬件、固件上实现或者记录在非暂时性处理器可读可记录存储介质上的软件(即，模块本身不是软件)。注意，模块是示例性的。可将模块组合、集成、分离和/或复制，以支持各种应用。此外，作为在特定模块进行的功能的代替或者除此之外，可以在一个或多个其他模块和/或通过一个或多个其他装置进行本文所述在特定模块进行的功能。此外，模块可以跨多个装置和/或其他组件来实现，这些组件相互在一起或相互远离。此外，可将模块从一个装置移走并加入另一个装置，和/或可包括在两个装置中。

如图1所示，任务分配系统100可包括任务分配模块110。任务分配系统100可包括交换机或其他类型的路由硬件和软件，用于帮助在各种代理之间分配任务，包括将组件或其他基于因特网、基于云或基于网络的硬件或软件解决方案排队或切换。

任务分配模块110可以接收传入任务。在图1的示例中，任务分配系统100在给定时段内接收m个任务，即任务130A-130m。可将m个任务中的每个任务分配给任务分配系统100的代理，用于服务或其他类型的任务处理。在图1的示例中，在给定时段内有n个代理可用，即代理120A-120n。m和n可以是大于或等于1的任意大的有限整数。在现实世界的任务分配系统诸如联系人中心中，可能有几十、几百等的代理登录联系人中心，以在变换期间与联系人交互，并且联系人中心在变换期间可能接收几十、几百、几千等的联系人(例如呼叫)。

在一些实施例中，任务分配策略模块140可以可通信地耦合到任务分配系统100和/或被配置为在任务分配系统100中操作。任务分配策略模块140可以实现一个或多个任务分配策略(或“配对策略”)，用于将各个任务分配给各个代理(例如，将联系人与联系人中心代理配对)。

可通过任务分配策略模块140设计和实现各种不同的任务分配策略。在一些实施例中，可以实现先进/先出(FIFO)策略，其中例如等待时间最长的代理接收下一个可用任务(在“L1”或代理多余环境中)，或者将等待时间最长的任务分配给下一个可用代理(在“L2”或任务多余环境中)。其他FIFO策略和类似FIFO的策略可以在不依赖特定于个别任务或个别代理的信息的情况下进行分配。

在其他实施例中，可将基于绩效的路由(PBR)策略用于对绩效更高的代理进行优先级排序，以用于任务分配。例如，根据PBR，可用代理中绩效最高的代理接收下一个可用任务。其他PBR策略和类似PBR的策略可以使用有关特定代理的信息进行分配，但是并非必须依赖于有关特定任务或代理的信息。

在其他实施例中，可将行为配对(BP)策略用于使用关于特定任务和特定代理两者的信息来最优地向代理分配任务。可以使用各种BP策略，例如对角模型BP策略或网络流BP策略。例如在美国专利No.9,300,802和美国专利申请No.15/582,223中，在联系人中心背景下详细描述了这些任务分配策略和其它策略，本文通过参考将以上专利合并于此。

在一些实施例中，经由其他模块诸如任务分配模块110和/或任务分配策略模块140，历史分配模块150可以可通信地耦合到任务分配系统100和/或被配置为在任务分配系统100中操作。历史分配模块150可以负责各种功能，例如监视、存储、检索和/或输出关于已经进行的代理任务分配的信息。例如，历史分配模块150可以监视任务分配模块110，以收集关于给定时段中的任务分配的信息。历史任务分配的每个记录可包括以下信息，例如代理标识符、任务或任务类型标识符、结果信息、或配对策略标识符(也就是指示是使用BP配对策略还是使用像FIFO或PBR配对策略这样的一些其他配对策略来进行任务分配的标识符)。

在一些实施例中并且在某些背景下，可以存储附加信息。例如，在呼叫中心的背景下，历史分配模块150还可以存储关于呼叫开始时间、呼叫结束时间、拨打的电话号码和呼叫者的电话号码的信息。再例如，在调度中心(例如卡车名册)的背景下，历史分配模块150还可以存储关于驾驶员(即现场代理)离开调度中心的时间、推荐的路线、采用的路线、估计行程时间、实际行程时间、在客户现场处理客户任务所花费的时间量等等的信息。

在一些实施例中，历史分配模块150可以基于针对一段时间(例如，过去一周、过去一个月、过去一年等等)的一组历史分配来生成配对模型或类似的计算机处理器生成的模型，任务分配策略模块140可以用它来向任务分配模块110做出任务分配建议或指令。在其他实施例中，历史分配模块150可将历史分配信息发送到另一个模块，例如任务分配策略模块140或基准化分析模块160。

在一些实施例中，经由其他模块诸如任务分配模块110和/或历史分配模块150，基准化分析模块160可以可通信地耦合到任务分配系统100和/或被配置为在任务分配系统100中操作。基准化分析模块160可以使用例如可以从历史分配模块150接收的历史分配信息对两个以上配对策略(例如FIFO、PBR、BP等等)的相对绩效进行基准化分析。在一些实施例中，基准化分析模块160可以执行其他功能，例如建立用于各种配对策略之间的循环的基准化分析调度、跟踪队列(例如，历史分配的基础和测量群组)等等。整个本公开的后续部分描述了对于各种任务分配策略和各种背景，用于通过基准化分析模块160执行的基准化分析和其他功能的技术。例如对于美国专利No.9,712,676中的联系人中心上下文详细描述了基准化分析，本文通过参考将该专利合并于此。

在一些实施例中，基准化分析模块160可以输出或以其它方式报告或使用相对绩效测量。相对绩效测量可用于评估任务分配策略的质量，例如以确定是否应当使用不同的任务分配策略(或不同的配对模型)，或者当任务分配系统100被优化或者被配置为使用一个任务分配策略而不是另一个时，测量在任务分配系统100中实现的总体绩效(或绩效增益)。

在一些任务分配系统中，用于基准化分析任务分配策略的技术可以主要考虑每个历史任务分配的即时结果。例如，在联系人中心的销售队列中，可通过跟踪联系人(例如呼叫者)在与代理的交互期间是否执行购买来测量转换率。与备选配对策略(例如FIFO或PBR)相反，基准测量模块或另一个组件可以跟踪哪些联系人与一个配对策略(例如BP)配对。基准测量模块可通过比较每个配对策略的相对转换率来确定BP相对于备选配对策略或多个策略的相对绩效。

在一些任务分配系统中，价值(例如货币价值或其他补偿)可归因于相对绩效。例如，价值可以基于获取成本、销售量、每用户平均收入(ARPU)等等。这个价值可用于确定要支付给优化的任务分配策略的供应商或其他第三方提供商的补偿。例如，补偿可以是归因于优化的任务分配策略的价值的一小部分。

但是，主要依赖于每个历史任务分配的即时结果可能有若干缺点。首先，基于ARPU的价值不会随时间获得归因于任务分配的实际终生收入。例如，在用于订购服务(例如手机或有线电视订购)的联系人中心的销售队列中，给定订户的ARPU可以基于平均订户的占有期为24个月的假设。但是，相对善变的订户可能会在较短的时段后取消订购，导致实际终生收入低于基于ARPU和预期占有期的预期收入，而相对忠诚的订户可能会维持其订购持续更长的时段，导致实际终生收入高于基于ARPU和预期占有期的预期收入。因此，基于即时结果的基准化分析可能高估或低估备选任务分配策略的相对绩效，这取决于根据一种策略或另一种策略获得的订户是倾向于导致实际终生收入高于预期收入还是倾向于导致实际终生收入低于预期收入。

其次，对于其中基于ARPU以及在给定时段(例如，日、周、月)中相对绩效的预期占有期来补偿供应商的任务分配系统，估计价值的全部将成为应得权利或者在即时结果之后成为可代收的。例如，在用于订购服务(例如手机或有线电视订购)的联系人中心的销售队列中，即使订户当时可能只欠运营商一小部分归因于优化的任务分配策略的价值，供应商也可能有权利基于结果的估计价值在运营商实现该价值数月或数年之前获得补偿。时机可能导致运营商的现金流或预算问题。

如下详述，可通过随时间跟踪和测量历史任务分配的实际绩效而不是主要考虑即时结果来克服这些缺点。有时将这些技术称为“队列跟踪”或“队列建模”，因为可以针对可以应用这些用于基准化分析的技术的每个时段来跟踪历史任务分配的新队列或群组。对于队列跟踪进行的测量可以帮助随时间测量实际价值和绩效，并且这些测量还可以实现随时间生成为价值优化的行为配对模型，而不是主要为即时结果进行优化。因此，任务分配策略所实现的优化可以更好地与运营商的长期目标保持一致，例如增加ARPU、提高客户忠诚度/占有期/满意度、降低成本、提高内部购置成本回报率等等。

图2A-C分别示出根据本公开实施例的基准化分析数据200A-C的表格。以下参考图2A-C的部分描述了在联系人中心系统的背景下队列跟踪的示例。

在这个高度简化的假设中，总共有十个客户被识别为A-J。每个客户都有12个月的订购。联系人中心在两个联系人分配策略BP和FIFO之间循环，每个策略用于50％的联系人交互。在其他环境中，可能存在任意多数量的客户，具有不同的订购选项和持续时间，可以使用不同的基准化分析技术，用于在各种联系人分配策略之间循环，以及更短或更长的队列跟踪时段和持续时间(诸如，每月一次持续5年，每周一次持续10年，每年一次持续8年，等等)。

如基准化分析数据200A(图2A)所示，在第一年，每个客户A-J致电讨论他们的合同续订。客户A-E使用BP配对，客户F-J使用FIFO配对。在第一年期间，对于每个配对策略，五个客户中的四个选择续订合同(对于BP是客户A-D，而对于FIFO是客户F-I)，并且对于每个配对策略有一个客户选择不续订(对于BP是客户E，对于FIFO是客户J，均以中划线字体显示)。在第二年，客户E和J不再是客户，所以他们不打电话。剩余的客户A-D和F-I各自致电再次讨论他们的合同续订，客户C和F选择不续订。这个过程在第3-6年继续：在第三年，客户H和G选择不续订；在第四年，客户A和I选择不续订；在第五年，客户D选择不续订；而在第六年，只有选择再次续订的客户B仍然是客户。

在一些实施例中，如在本示例中，队列的成员是否在一年中使用BP配对而在下一年使用FIFO配对或者相反并不重要。可以独立地处理每个客户交互，而不考虑哪个配对策略处理客户对先前交互的分配。

图2A示出针对每个年份对于每个配对策略的联系人交互，而图2B和图2C分别示出针对测量的每个年份，第一年队列和第二年队列的演变。

如基准化分析数据200B(图2B)所示，第一年队列(或Y1队列)包括BP的客户A-D和FIFO的客户F-I。假设每个客户的续订具有相同的价值，并且BP和FIFO具有相同数量的联系人交互，则第一年BP对FIFO的相对绩效增益为0(BP的四个客户比FIFO的四个客户少0)。在第二年之后，可以再次测量第一年队列：客户A、B和D在第二年之后保留在BP的Y1队列中，且客户G、H和I在第二年之后保留在FIFO的Y1队列中。同样，相对绩效差异为0(BP的三个客户比FIFO的三个客户少0)。在第三年之后，客户A、B和D仍然保留在BP的Y1队列中，但只有客户I保留在FIFO的Y1队列中。至此，关于Y1群组而言，BP对FIFO的相对绩效增益为+2。

在这些实施例中，对于Y1队列而言在随后的测量时段中客户是通过BP还是通过FIFO配对并不重要。例如，在第二年，客户B用FIFO配对并选择续订，因此它保留在BP的Y1队列中。

类似地，在第二年之后，基于在第二年续订的呼叫者确定第二年队列。如基准化分析数据200C(图2C)所示，第二年队列(或Y2队列)包括BP的客户A、G和H，以及FIFO的客户B、D和I。在这些实施例中，对于Y2队列而言在先前时段中客户是通过BP配对还是通过FIFO配对并不重要。例如，在第一年中，客户B通过BP配对，并成为BP的Y1队列的一部分。

第二年之后Y2队列的相对绩效增益为0(BP的三个客户减去FIFO的三个客户)。在第三年之后，只有客户A保留在BP的Y2队列中，而客户B、D和I仍然保留在FIFO的Y2队列中，因此关于Y2队列而言，BP对FIFO的相对绩效为-2。

在第二年之后，同时考虑Y1队列和Y2队列，相对绩效差异是Y1队列的0加上Y2队列的0，第二年之后的净绩效差异为0。在第三年之后，相对绩效差异是Y1队列的2加上Y2队列的-2，净差异为0。

在每个时段，可以定义新的队列。例如，在第三年之后，可以定义Y3队列，相对绩效差异为0。在针对每个年份确定净绩效差异时，可以考虑每个队列。因此，在第三年之后，说明Y1、Y2和Y3队列全部的净绩效差异是Y1队列的2加上Y2队列的-2加上Y3队列的0，净差异为0。

第四年(计算Y1-Y4队列)、第五年(计算Y1-Y5队列)和第六年(计算Y1-Y6队列)之后的净差异分别是0、3和3。

在一些实施例中，可以基于使用每个配对策略分配的实际呼叫数量来对相对绩效差异进行加权。例如，在第六年，BP分配了一个呼叫(客户B)，但是没有使用FIFO分配呼叫。因此，Y6队列的第一年的加权绩效差异可以是0。

在一些实施例中，可能需要若干测量时段来“提升”基准。例如，在第一年之后，只有一个队列(Y1队列)和测量数据一年的价值来计算基准。在第二年之后，有两个队列和测量数据两年的价值，依此类推。此外，在现实世界的示例中，附加呼叫者(例如客户K-Q等等)将在随后的几年中第一次订购和续订。

在一些实施例中，可以只跟踪客户有限的持续时间(例如，五年，十年等等)。如果将该示例限于五年跟踪，则客户B在第六年的续订仅与Y2-Y6队列相关，并且将不再针对Y1队列来跟踪客户B。随后，在第六年之后确定的净(或“累积”)绩效将仅仅依靠针对Y2-Y6队列测量的绩效差异。在该示例中，针对Y1队列的+1将被忽略，并且累积差异将是针对Y2的-1、针对Y3的1、针对Y4的1、针对Y5的1、以及针对Y6的0的总和(经过加权以后)，总共是2而不是3。

如以上示例所示，通过队列跟踪来进行基准化分析随时间说明了客户的价值。例如，客户B具有较长的占有期(tenure)，而BP的Y1队列为此占有期被记贷6次(并计数)，Y2队列为此占有期被记贷5次(并计数)，依此类推。相比之下，客户A具有较短的占有期，而BP的Y1队列为此占有期被记贷3次，Y2队列被记贷2次。

以上示例还显示，同一客户可以出现在多个队列中并用于多个配对策略。实际上，在一些示例中，对于一个或多个配对策略而言，客户可能多次出现在同一群组中，这取决于客户在给定测量时段期间呼叫的次数。因为每个任务(在此是联系人交互)被有效地随机分配给每个交互的配对策略，所以可以如上所述配置队列跟踪，以在给定时段期间以及客户将价值/收入给予联系人中心运营商的每个后续时段对于负责结果的配对策略给予记贷。有时候，在一个时段内成功或不成功的即时结果可以有效地“抵消”更早时段中的成功结果，但是总体累积净绩效有效地随时间测量一个配对策略对另一个配对策略的相对绩效。

在一些实施例中，基准化分析模块160或类似组件可以使得任务分配系统在多个时段内在BP策略与备选策略(例如基线或现任)之间循环，例如50％BP开启和50％BP关闭，80％/20％等等。这些时段可能相对较短，例如，每半个小时、每个小时至少切换一次等等。

在一些实施例中，可通过在较长时段内(例如持续60个月中的每个月，持续10年中的每年等等)跟踪BP开启的队列和BP关闭的队列来测量BP的收益(例如归因于相对绩效增益的价值)。建立队列的月份(或例如年份)可以称为“基本月份”，而随后五年(或例如十年)中的每个月份可以称为“测量月份”。在任何特定时段(例如12个月)，将有12个基本月份，并且这些基本月份的每个月份都会有60个后续测量月份。

在一些实施例中，用于测量与基本月份相关联的每个测量月份中的价值或收益(例如收入)的基础可以是对于基本月份跟踪与BP开启相关联的所有任务(例如客户交互)以及对于基本月份跟踪与BP关闭相关联的所有任务。在基本月份之后的每个测量月份中，可将来自BP开启群组中的客户交互的平均收入与来自BP关闭群组中的客户交互的平均收入进行比较(如在相关基本月份中建立的)。可通过基本月份中来自BP开启的任务/交互的数量对两个队列之间平均收入的差异进行加权(例如相乘)，以确定在给定测量月份中归因于BP的价值或收益。

在一些实施例中，BP供应商可以开具用于提供归因于BP的价值或收益的费用。该费用可以是根据所交付的价值或收益的按绩效付费的费用。

在一些实施例中，队列可以包含未知的客户，在这种情况下，可将这些未知客户视为提供与未对其帐户进行任何更改的已知客户相同的价值或收益。

在一些实施例中，BP供应商和/或运营商可能不再需要或能够继续跟踪队列，其中可以估计对于剩余测量月份而言归因于BP的剩余价值或收益。在某些情况下，可将剩余价值或收益用于计算BP供应商的最终费用。

在一些实施例中，可以确定(例如调整或校正)净绩效以说明各种统计现象诸如Yule-Simpson效应。例如参见美国专利No.9,692,899，本文通过参考将其合并于此。

在一些实施例中，配对策略对于联系人在较早队列中的包含可能是无知的。忽略关于较早队列中联系人状态的信息消除配对策略中的偏差风险。例如，假设可以优化恶意配对策略，以使得有意不良的配对选择消除来自与替代或潜在配对策略(例如“BP关闭”或FIFO)相关联的较早队列的联系人。

在一些实施例中，可以生成报告，显示所有联系人的统计上公平的处理，而不管它们在与“开启”或“关闭”配对策略相关联的较早队列中的存在。

图3示出根据本公开实施例的基准化分析方法300的流程图。

基准化分析方法300可以在步骤310开始。在步骤310，可以确定在第一时段期间使用第一配对策略配对的第一多个历史任务分配。在上述示例中，这可以是作为BP策略的第一年队列的一部分的客户A-D的客户交互。

基准化分析方法300可以进行到步骤320。在步骤320，可以确定在第一时段期间使用第二配对策略配对的第二多个历史任务分配。在上述示例中，这可以是作为FIFO策略的第一年队列的一部分的客户F-I的客户交互。在一些实施例中，步骤320可以在步骤310之前执行或者与步骤310同时执行。

基准化分析方法300可以进行到步骤330。在步骤330，可以确定在第一时段之后的第二时段期间归因于第一和第二多个历史任务分配的每个任务的价值。在上述示例中，这可以是与作为BP或FIFO的第一年队列的一部分的客户相关联的第二年中的每个客户交互相关联的价值。

基准化分析方法300可以进行到步骤340。在步骤340，可以基于在第二时段期间归因于每个任务的价值来确定第一配对策略与第二配对策略之间的绩效差异。在上述示例中，这可以是与第二年之后的Y1队列相关联的绩效差异。

基准化分析方法300可以进行到步骤350。在步骤350，可以输出绩效差异。在一些实施例中，可将所输出的绩效差异与针对其他时段测量的一个或多个附加的绩效差异进行组合(例如累积地)。在上述示例中，这可以是与第二年之后的Y1和Y2队列相关联的累积绩效差异。

在步骤350之后，基准化分析方法300可以结束。

图4示出根据本公开实施例的基准化分析方法400的流程图。

基准化分析方法400可以在步骤410开始。在步骤410，可以对于至少两个配对策略确定第一多个历史任务分配的第一基本队列。在上述示例中，这可以是与第一年之后的BP和FIFO的Y1队列相关联的客户交互。

基准化分析方法400可以进行到步骤420。在步骤420，可以在第一测量时段之后确定至少两个配对策略之间的第一绩效差异。在上述示例中，这可以是与第二年之后的BP和FIFO的Y1队列相关联的绩效差异。

基准化分析方法400可以进行到步骤430。在步骤430，可以输出第一绩效差异。在一些实施例中，基准化分析方法400可以结束。

在其他实施例中，基准化分析方法400可以进行到步骤440。在步骤440，可以针对第二基本时段对于至少两个配对策略确定第二多个历史任务分配的第二基本队列。在一些实施例中，第二基本时段可以对应于与步骤420相关联的第一测量时段。在上述示例中，这可以是与第二年之后的BP和FIFO的Y2队列相关联的客户交互。

基准化分析方法400可以进行到步骤450。在步骤450，可以基于第一和第二基本队列在第二测量时段之后确定至少两个配对策略之间的第二绩效差异。在上述示例中，这可以是与第三年之后的BP和FIFO的Y1和Y2队列相关联的累积绩效差异。在一些实施例中，第二绩效差异可包括与附加队列相关联的更多数量的附加中间绩效差异。在上述示例中，第六年之后的累积绩效差异包括与来自第1-6年的每个年份的队列相关联的(中间)绩效差异。

基准化分析方法400可以进行到步骤460。在步骤460，可以输出第二绩效差异。

在步骤460之后，基准化分析方法400可以结束。

此时应当注意，如上所述根据本公开的用于对任务分配系统中的配对策略进行基准化分析的技术在某种程度上可以涉及输入数据的处理和输出数据的生成。该输入数据处理和输出数据的生成可以用硬件或软件实现。例如，在行为配对模块或类似或相关电路中可以采用特定电子组件，用于实现与如上所述根据本公开的任务分配系统中的基准配对策略相关联的功能。或者，根据指令操作的一个或多个处理器可以实现与如上所述根据本公开的任务分配系统中的基准配对策略相关联的功能。如果是这样，那么在本公开的范围内，可将这些指令存储在一个或多个非暂时性处理器可读存储介质(例如磁盘或其他存储介质)上，或者经由一个或多个载波中包含的一个或多个信号传输到一个或多个处理器。

本公开不限于本文所述具体实施例的范围。实际上，根据以上描述和附图，除了本文所述的实施例之外，本公开的其他各种实施例和修改对于本领域技术人员而言将显而易见。因此，这些其他实施例和修改旨在落入本公开的范围。此外，虽然为了至少一个特定目的在至少一个特定环境中的至少一个特定实施方式的背景下描述了本公开，但是本领域技术人员将认识到其有用性不限于此，并且可以为了任何数量的目的在任何数量的环境中有益地实现本公开。因此，应当根据本文所述本公开的全部范围和精神来解释下面给出的权利要求。