用于决定任务分配系统中的行为配对的技术

摘要

公开了用于在任务分配系统中决定行为配对的技术。在一个特定实施例中，该技术可以被实现为一种用于在任务分配系统中决定行为配对的方法，包括：通过与任务分配系统通信地耦合并且被配置为在该任务分配系统中操作的至少一个计算机处理器，确定等待分配的至少一个任务和可用于分配的至少一个座席当中的多个可能的任务‑座席配对；以及至少部分地基于要由座席提议的第一报价集或要由座席接收的第一补偿，由至少一个计算机处理器选择多个可能任务‑座席配对中的第一任务‑座席配对，用于在任务分配系统中分配。

说明书

相关申请的交叉引用

该国际专利申请要求于2019年9月19日提交的美国专利申请No.16/576,434的优先权，其全部内容通过引用合并于此。

技术领域

本公开总体上涉及行为配对，更具体地说，涉及用于决定任务分配系统中的行为配对的技术。

背景技术

典型的任务分配系统在算法上将到达任务分配中心处的任务分配给可用于处理这些任务的座席。有时，任务分配中心可能处于“L1状态”并且具有可用并等待分配给任务的座席。在其他时间，任务分配中心可能处于“L2状态”并且具有在一个或多个队列中等待座席变得可用于分配的任务。

在一些典型的任务分配中心中，以基于到达时间的顺序将任务分配给座席，并且座席以基于这些座席变得可用的时间的顺序接收任务。该策略可以被称为“先进先出”、“FIFO”或“循环(round-robin)”策略。例如，在L2环境中，当座席变得可用时，将选择在队列开头处的任务以分配给该座席。

在其他典型的任务分配中心中，可以实现用于对较高绩效座席优先任务分配的基于绩效的路由(PBR)策略。在PBR下，例如，可用座席中最高绩效的座席会接收下一个可用任务。其他PBR和类似PBR的策略可能会使用有关座席的特定信息进行分配。

用于将任务分配给座席的“行为配对”或“BP”策略改进了传统分配方法。BP的目标是在提高有可能超出FIFO或PBR方法在实践中所能达到的整体任务分配中心绩效的同时平衡座席的利用率。

在一些任务分配系统中，考虑分配给特定座席的任务的次优动作可能是有利的。因此，可以理解到，可能需要一种决策性BP策略，该策略考虑任务-座席配对的次优动作，以优化任务分配系统的整体绩效。

发明内容

公开了用于在任务分配系统中决定行为配对的技术。在一个特定实施例中，该技术可以被实现为一种用于在任务分配系统中决定行为配对的方法，包括：通过与任务分配系统通信地耦合并且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，确定等待分配的至少一个任务和可用于分配的至少一个座席当中的多个可能的任务-座席配对；以及至少部分地基于要由座席提供的第一报价集或要由座席接收的第一补偿，由至少一个计算机处理器，选择多个可能的任务-座席配对中的第一任务-座席配对，用于在任务分配系统中分配

根据该特定实施例的其他方面，任务分配系统可以是联络中心系统。

根据该特定实施例的其他方面，选择第一任务-座席配对可以至少部分地基于第一报价集和第一补偿两者。

根据该特定实施例的其他方面，该方法可以进一步包括：由至少一个计算机处理器从多个潜在报价集中选择第一报价集。

根据该特定实施例的其他方面，该方法可以进一步包括：由至少一个计算机处理器从多个潜在补偿中选择第一补偿。

根据该特定实施例的其他方面，选择第一任务-座席配对可以基于多个任务的第一排序和多个座席的第二排序中的至少一个，并且其中，第一排序和第二排序中的至少一个被表达为百分位数或百分位数范围。

根据该特定实施例的其他方面，该方法可以进一步包括由至少一个计算机处理器调整第一报价集或第一补偿以调整第一排序或第二排序。

在另一特定实施例中，技术可以被实现为用于在任务分配系统中决定行为配对的系统，该任务分配系统包括至少一个计算机处理器，该至少一个计算机处理器通信地耦合到该任务分配系统并且被配置为在该任务分配系统中操作，其中，至少一个计算机处理器进一步被配置为执行上述方法中的步骤。

在另一特定实施例中，技术可以被实现为用于在任务分配系统中决定行为配对的制品，该任务分配系统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，指令被配置为能够由至少一个计算机处理器从该介质可读，至少一个计算机处理器通信地耦合到该任务分配系统并且被配置为在该任务分配系统中操作，从而使得至少一个计算机处理器操作以便执行上述方法中的步骤。

现在将参照如附图所示的本发明的特定实施例更详细地描述本发明。虽然下面参考特定实施例描述了本公开，但是应当理解到，本公开不限于此。访问本文的教导的本领域的普通技术人员将认识到在本文描述的本公开的范围内的附加的实施方式、修改和实施例，以及其他使用领域，并且相对于其，本公开可以具有显著的效用。

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，相同的元件用相同的数字表示。这些附图不应当被解释为限制本公开，而旨在仅用于示例。

图1示出了根据本公开的实施例的任务分配中心的框图。

图2示出了根据本公开的实施例的任务分配系统的框图。

图3示出了根据本公开的实施例的任务分配方法的流程图。

具体实施方式

典型的任务分配系统在算法上将到达任务分配中心处的任务分配给可用于处理这些任务的座席。有时，任务分配系统可能处于“L1状态”并且具有可用的并等待分配给任务的座席。在其他时间，任务分配中心可能处于“L2状态”并且具有在一个或多个队列中等待座席变得可用于分配的任务。在其他时间，任务分配系统可能处于“L3”状态，并且具有多个可用座席和等待分配的多个任务。任务分配系统的一个示例是联络中心系统，其接收要被分配给座席的联络(例如，电话、互联网聊天会话、电子邮件等)。

在一些传统的任务分配中心中，以基于到达时间的顺序将任务(例如呼叫者)分配给座席，并且座席以基于这些座席变得可用的时间的排序接收任务。该策略可以被称为“先进先出”、“FIFO”或“循环”策略。例如，在L2环境中，当座席变为可用时，将选择在队列开头处的任务以分配给该座席。在其他传统的任务分配中心中，可以实现用于对较高绩效座席优先任务分配的基于绩效的路由(PBR)策略。在PBR下，例如，可用座席中最高绩效的座席会接收下一个可用任务。

本公开涉及优化的策略，诸如“行为配对”或“BP”策略，用于将任务分配给座席，改进了传统分配方法。BP的目标是在提高有可能超出FIFO或PBR方法在实践中所能达到的整体任务分配中心绩效的同时平衡座席的利用率。这是卓越的成就，因为BP作用于与FIFO或PBR方法相同的任务和相同的座席，近似地平衡了如FIFO提供的座席的利用率，同时提高了整体任务分配中心绩效，超出了FIFO或PBR在实践中所能提供的绩效。BP通过考虑潜在的后续座席和任务对的分配的方式来分配座席和任务对，使得当汇总所有分配的收益时，它们可能会超过FIFO和PBR策略的收益，由此提高绩效。

可以使用各种BP策略，诸如对角线模型BP策略或网络流(或“非对角线”)BP策略。这些任务分配策略和其他策略在例如美国专利No.9,300,802、9,781,269、9,787,841和9,930,180的联络中心场境中被详细描述，它们全部通过引用并入本文。BP策略可以应用于L1环境(座席剩余、一个任务；在多个可用/空闲座席当中选择)、L2环境(任务剩余、一个可用/空闲座席；在队列中的多个任务当中选择)和L3环境(多个座席和多个任务；在配对排列当中选择)。

可以将上面讨论的各种BP策略视为二维(2-D)，其中，一个维度与座席有关，而第二维度与任务(例如，呼叫者)有关，并且各种BP策略都考虑了有关座席和任务的信息以将它们配对。如下文详细所述，本公开的实施例涉及决定BP策略，该BP策略考虑更高维度的分配。对于三维(3-D)示例，BP策略可以在任务分配期间将座席分配给任务以及座席可以进行的一组报价或座席可以采取的一组动作两者。对于另一个3-D示例，BP策略可以将座席分配给任务和针对给定任务分配要给予座席的(金钱或非金钱)奖励两者。对于四维(4-D)示例，BP策略可以将座席分配给任务、报价集和奖励。

这些决策性BP策略还可以考虑历史结果数据，例如座席-任务-报价、座席-任务-奖励或座席-任务-报价-奖励配对，以建立BP模型并将BP策略应用于“配对”任务和座席以及特定报价集和/或座席补偿(在整个说明书中，名词和动词“配对”以及其他形式(诸如“行为配对”)可以被用来描述三元组和高维分组)。

图1示出了根据本公开的实施例的任务分配中心100的框图。本文的说明书描述了用于在可以包括一个或多个模块的任务分配系统中的配对策略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”可以被理解为是指计算软件、固件、硬件和/或其各种组合。然而，模块不应当被解释为不在硬件、固件上实现或记录在非瞬时处理器可读可记录存储介质上的软件(即，模块不是软件本身)。注意，模块是示例性的。可以组合、集成、分离和/或复制模块以支持各种应用。此外，代替在特定模块处执行的功能或者除了在特定模块处执行的功能之外，本文描述为在特定模块处执行的功能可以在一个或多个其他模块处和/或由一个或多个其他设备执行。此外，模块可以跨多个设备和/或彼此本地或远程的其他组件来实现。另外，模块可以从一个设备移出并且添加到另一个设备，和/或可以被包括在两个设备中。

如图1所示，任务分配中心100可以包括中央交换机210。中央交换机110可以接收呼入的任务(例如，电话呼叫、互联网聊天会话、电子邮件等)或支持经由拨号器、电信网络或其他模块(未示出)到联系人的外呼连接。中央交换机110可以包括路由硬件和软件，用于帮助在一个或多个子中心之间路由任务或者将任务路由到一个或多个专用小交换机(“PBX”)或自动呼叫分配(ACD)路由组件或任务分配中心100内的其他排队或交换组件。如果只有一个子中心，或者如果在任务分配中心100中只有一个PBX或ACD路由组件，则可能不需要中央交换机110。

如果多于一个的子中心是任务分配中心100的一部分，则每个子中心可以包括至少一个交换机(例如，交换机120A和120B)。交换机120A和120B可以通信地耦合到中央交换机110。每个子中心的每个交换机可以通信地耦合到多个座席(或“座席池”)。每个交换机在同一时间可以支持一定数量的座席(或“席位”)登录。在任何给定的时间，登录的座席可能可用并等待被连接到任务，或者由于多种原因(诸如被连接到另一个联系人，执行某些呼叫后功能，诸如用日志记录有关该呼叫的信息，或者休息)所登录的座席可能不可用。在图1的示例中，中央交换机110分别经由交换机120A和交换机120B，将任务路由到两个子中心之一。示出了交换机120A和120B的每一个分别具有两个座席。座席130A和130B可以登录到交换机120A，而座席130C和130D可以登录到交换机120B。

任务分配中心100还可以通信地耦合到来自例如第三方供应商的集成服务。在图1的示例中，行为配对模块140可以通信地耦合到任务分配中心100的交换机系统中的一个或多个交换机，诸如中央交换机110、交换机120A和交换机120B。在一些实施例中，任务分配中心100的交换机可以通信地耦合到多个行为配对模块。在一些实施例中，行为配对模块140可以被嵌入在任务分配中心100的组件内(例如，嵌入在交换机中或者以其他方式与交换机集成)。

行为配对模块140可以从交换机(例如，交换机120A)接收关于登录到该交换机的座席(例如，座席130A和130B)的信息以及经由另一交换机(例如，中央交换机110)接收有关呼入任务的信息，或者在一些实施例中，从网络(例如，互联网或电信网络)(未示出)接收信息。行为配对模块140可以处理该信息，以确定哪些座席应当与哪些任务以及其他维度(例如，报价、动作、信道、非金钱奖励、金钱奖励或补偿等)配对(例如，匹配、分配、分发、路由)。

例如，在L1状态下，多个座席可用并且等待与联系人的连接，以及任务经由网络或中央交换机110到达任务分配中心100。如上所述，没有行为配对模块140时，交换机通常会自动地将新任务分发给：在FIFO策略下，等待了最长时间的某个可用座席；或者在PBR策略下，被确定为最高绩效座席的可用座席。在行为配对模块140下，联系人和座席可以根据配对模型或其他人工智能数据模型被赋予分数(例如，百分位数或百分位数范围/带宽)，以便可以将任务与优选的座席匹配、配对或以其他方式连接。在下文中，将更详细地说明BP决策的高维分析。

在L2状态下，多个任务可用并且正在等待与座席连接，以及一座席变为可用。这些任务可以在诸如PBX或ACD设备的交换机中排队。在没有行为配对模块140的情况下，当座席选择不可用时，如在FIFO策略或PBR策略中，交换机通常会将新可用的座席连接到在队列中等待时间最长的任务。在一些任务分配中心中，如前所述，还可以合并优先级队列。在该L2情况下具有行为配对模块140时，如在上述L1状态中，可以根据例如诸如人工智能模型的模型，为任务和座席赋予百分位数(或百分位数范围/带宽等等)，以便变为可用的座席可以与优选任务进行匹配、配对或以其他方式连接。在下文中，将更详细地说明BP决策的高维分析。

图2示出了根据本公开的实施例的任务分配系统200的框图。任务分配系统200可以被包括在任务分配中心(例如，任务分配中心100)中，或者被并入任务分配中心的组件或模块(例如，行为配对模块140)中，以帮助在各种任务和其他维度之间分配座席以便分组。

任务分配系统200可以包括任务分配模块210，该任务分配模块210被配置为将呼入任务与可用座席配对(例如，匹配、分配)。(在下文中，将更详细地说明BP决策的高维分析。)在图2的示例中，在给定的时间段接收到m个任务220A-220m，以及在该给定的时间段期间，有n个座席230A-230n可用。可以将m个任务中的每一个分配给n个座席之一以用于服务或其他类型的任务处理。在图1的示例中，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中心(诸如联络中心)中，可能有数十、数百个等座席登录到联络中心以在轮班期间与联系人进行交互，并且在轮班期间，联络中心可能会收到数十、数百、数千个联络(例如电话呼叫、互联网聊天会话、电子邮件等)等。

在一些实施例中，任务分配策略模块240可以通信地耦合到任务分配系统200和/或被配置为在任务分配系统200中操作。任务分配策略模块240可以实现用于将单个任务分配给单个座席(例如，将联系人与联络中心座席配对)的一个或多个任务分配策略(或“配对策略”)。任务分配策略模块240可以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FIFO策略，其中，例如，等待时间最长的座席接收下一个可用任务(在L1环境中)或等待时间最长的任务被分配给下一个可用座席(在L2环境中)。在其他实施例中，可以实现用于将较高绩效座席优先用于任务分配的PBR策略。例如，在PBR下，可用座席中最高绩效的座席会接收下一个可用任务。在其他实施例中，BP策略可以被用来使用关于任务或座席或两者的信息来最优地将任务分配给座席。可以使用各种BP策略，诸如对角模型BP策略或网络流(“非对角线”)BP策略。见美国专利No.9,300,802、9,781,269、9,787,841和9,930,180。

在一些实施例中，当任务被分配给特定座席时，任务分配策略模块240可以实现考虑该任务的次优动作的决策性BP策略。对于任务座席对，决策性BP策略还可以为座席分配可用的动作或动作集来完成任务。在联络中心系统的场境中，动作或动作集可以包括座席可以呈现给客户的报价或报价集。例如，在联络中心系统中，决策性BP策略可以基于使用该特定报价或报价集的联系人-座席交互的预期结果，将联系人与座席以及可用于座席为客户所做的报价或报价集配对。通过影响可用于座席的报价当中的选择或选项，决策性BP策略通过优化座席与联系人之间的单独交互的结果来超越将联系人与座席配对。

例如，如果座席230A热爱运动，则座席230A可能更擅长销售运动套餐(package)。因此，运动套餐可以被包括在座席230A的针对某些或所有联系人类型的报价集中。另一方面，座席230B可能喜欢电影，并且可能更擅长销售高级电影套餐；因此，高级电影套餐可以被包括在座席230B的针对某些或所有联系人类型的报价集中。此外，基于诸如机器学习的人工智能处理，决策性BP模型可以根据各种变量和数据类型自动地划分客户。例如，决策性BP模型可以建议向第一类型的客户(“客户类型1”)提供包括运动的、适合特定年龄范围、收入范围或其他人口统计学或心理因素的套餐。决策性BP模型可以建议向第二类型的客户(“客户类型2”)提供可以适合不同年龄范围、收入范围或其他人口统计学或心理因素的高级电影套餐。决策性BP策略可以优选地将客户类型1与座席230A以及具有运动套餐的报价集配对，以及将客户类型2与座席230B以及具有高级电影套餐的报价集配对。

与在前公开的BP策略一样，决策性BP策略优化任务分配系统的整体绩效，而不是优化每个单独的即时任务-座席配对。例如，在一些实施例中，决策性BP系统将不总是向客户类型1提供运动，也不会总是给座席230A基于运动套餐的报价交易的选项。当运行联络中心系统的公司的市场部门可能具有有限的预算、有限数量的交易(例如，有限数量的打折运动套餐)、某些报价的频率的其他约束、在给定时间段给出的(例如对任何折扣或折扣套餐)折扣总量的限制等时，这种情况可能会出现。类似地，基于运动的交易有时可能会提供给客户类型2，而座席230B有时可以被给予基于运动套餐的报价交易的选择。

为了优化任务分配系统的整体绩效，决策性BP策略可以考虑队列中等待的所有类型的客户、可用于客户的座席以及用于配对的任何其他维度(诸如剩余报价的数量和类型、座席补偿或其他非金钱奖励、次优动作等)。在一些实施例中，可以基于呼入任务或客户类型将基于正与任务或客户配对的座席而接受给定报价水平的可能性，分配概率分布。

例如，对于客户类型1，如果报价的折扣为0％，则客户从平均座席接受报价的可能性为0％，并且特别是从座席230A和从座席230B接受报价的可能性也为0％。对于20％的折扣报价，客户从平均座席接受报价的可能性可能为30％，而从座席230A接受报价的可能性可能为60％，从座席230B接受报价的可能性可能为25％。在将平均座席、座席230A和座席230B都分配给队列并且可用的情况下，座席230A绩效远高于平均座席或座席230B是可能的。

在一些实施例中，可以在与座席交互之前和之后，将输出量测量附加到每个任务。例如，可以在呼叫前和呼叫后，将收入数字附加到每个呼叫者。决策性BP系统可以基于由座席提供的报价或报价集来测量收入的变化和呼叫者的影响力。例如，不管提议的折扣是多少，或者不管单个座席的能力如何，客户类型1都更有可能续订其现有计划。可以优选地将客户类型2分配给报价集中具有较高折扣上限的较低绩效座席。相反，如果将客户类型2与较高绩效座席或经授权可提供更大折扣的座席配对，则她更可能升级她的计划。

在一些实施例中，决策性BP策略可以以任意顺序进行一个或多个维度的顺序配对。例如，决策性BP策略可以首先将座席与任务配对，然后将报价集与座席-任务对进行配对，此后，将奖励与座席-任务-报价集对进行配对等等。

在其他实施例中，决策性BP策略可以进行“完全耦合”的同时多维度配对。例如，决策性BP策略可能会立即考虑所有维度，以选择最佳的4D座席-任务-报价-奖励对。

相同的任务可能会多次到达任务分配系统(例如，同一呼叫者多次呼叫呼叫中心)。在这些“多触”场景中，在一些实施例中，任务分配系统可以始终为一个或多个维度分配相同的项目，以促进一致性。例如，如果任务在首次到达时便与特定报价集配对，则每次任务在后续时间到达后(例如，对于给定问题、在给定时间段内等等)，将该任务与同一报价集配对。

在一些实施例中，历史分配模块250可以经由诸如任务分配模块210和/或任务分配策略模块240的其他模块通信地耦合到任务分配系统200和/或被配置为在任务分配系统200中操作。历史分配模块250可能负责各种功能，诸如监视、存储、检索和/或输出有关已经进行的任务-座席分配和更高维度分配的信息。例如，历史分配模块250可以监视任务分配模块210以收集关于在给定时间段内的任务分配的信息。历史任务分配的每个记录可以包括诸如座席标识符、任务或任务类型标识符、报价或报价集标识符、结果信息或配对策略标识符(即，指示是否使用BP策略、决策性BP策略或诸如FIFO或PBR配对策略的一些其他配对策略进行任务分配的标识符)的信息。

在一些实施例中并且对于某些场境，可以存储附加信息。例如，在呼叫中心的场境中，历史分配模块250还可以存储有关呼叫开始时间、呼叫结束时间、所拨电话号码以及呼叫者的电话号码的信息。对于另一个示例，在派遣中心(例如，“上门服务(truck roll)”)的场境中，历史分配模块250还可以存储关于驾驶员(即，现场座席)离开派遣中心的时间、推荐路线、采用的路线、估计的行程时间、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的信息。

在一些实施例中，历史分配模块250可以基于一段时间(例如，过去一周、过去一个月、过去一年等)内的历史分配集来生成配对模型、决策BP模型或类似的计算机处理器生成的模型，其可以由任务分配策略模块240使用来向任务分配模块210提出任务分配建议或指令。

在一些实施例中，代替在生成决策性BP模型中依赖于预定报价集，历史分配模块250可以分析历史结果数据以创建或确定新的或不同的报价集，然后将其并入到决策性BP模型中。当存在预算限制或对可能做出的特定报价集的数量有其他限制时，首选该方法。例如，营销部门可能会将联络中心系统限制为每月500个折扣运动套餐和500个电影折扣套餐，并且该公司可能希望优化总收入，而与在有或没有折扣的情况下售出多少运动和电影套餐无关。在这种情况下，决策性BP模型可能与先前公开的BP对角线模型类似，不同之处在于，除了“任务或联系人百分位数”(CP)维度和“座席百分位数”(AP)维度外，存在第三“收入或报价集百分位数”维度。此外，可以通过均值回归(例如，贝叶斯均值回归(BMR)或分层BMR)归一化或处理所有三个维度。

在一些实施例中，历史分配模块250可以生成决策性BP模型，该决策性BP模型基于单个通道或多通道交互来优化任务-座席-报价集配对。历史分配模块250可以不同地处理不同的通道。例如，决策性BP模型可以取决于联系人是否呼叫呼叫中心、发起聊天会话、发送电子邮件或文本消息、进入零售商店等来将联系人与不同座席或报价集配对。

在一些实施例中，任务分配策略模块240可以基于关于联系人或客户、可用座席和可用报价集的信息来主动地创建任务或其他动作(例如，推荐呼出联系人交互、次优动作等)。例如，任务分配系统200可以确定客户的合同被设置为到期、客户的使用量正在下降或客户的信用等级正在下降。任务分配系统200可以进一步确定客户不太可能以客户的当前费率续签合同(例如，基于来自历史分配模块250的信息)。任务分配系统200可以确定次优动作是打电话给客户(联系人选择、通道选择和时间选择)、与特定的座席联系(座席选择)，并给予该座席以特定折扣或折扣范围提议降级的选项(报价集选择)。如果客户在呼叫期间未达成协议，则任务分配系统200可以进一步确定如果座席利用带有关于折扣以及如何确认的信息的文本消息来跟进，则该客户更有可能接受降级折扣报价(多通道选择和优化)。

在一些实施例中，类似于如何使用Kappa(κ)参数来调节/偏斜座席百分位数或百分位数范围(参见美国专利No.9,781,269)以及如何使用Rho(ρ)参数来调节/偏斜任务或联系人百分位数或百分位数范围(参见美国专利No.9,787,841)，任务分配策略模块240可以将Iota(ι)参数应用于第三(或更高)维度，诸如决策性BP策略中的报价集百分位数或百分位数范围。利用Iota参数，任务分配策略模块240可以例如调整报价集百分位数或百分位数范围(或其他维度)，以使任务-座席-报价集配对偏向更高绩效的报价和不平衡报价集可用性。Iota参数可以在L1或L2任一环境中应用，并且可以结合Kappa或Rho参数使用，或者可以在L3环境中与Kappa和Rho参数两者一起应用。例如，如果任务分配策略模块240确定联系人的预期等待时间已超过100秒(高度拥塞)，它可以应用Iota参数，使得座席更有可能具有可用于报价的更高折扣，其可以更快速地出售以减少拥塞和预期等待时间。更慷慨的报价可以加快任务-座席的交互，从而减少平均处理时间(AHT)。当拥塞低时，预期等待时间也低，并且可以调整Iota参数以使仅不太慷慨的报价可用。这些呼叫可能会花费更长时间，并且AHT可能会增加，但是销售和收入也可能会增加。

在一些实施例中，任务分配策略模块240可以通过同时针对多个业务目标或其他目的进行优化来优化绩效。在目标相互竞争的情况下(例如，折扣量和滞留率)，模块240可以平衡两个目标之间的折衷。例如，任务分配策略模块240可以在增加(或维持)收入与维持或最小程度地降低滞留率之间取得平衡，或者可以在减少(或维持)AHT与增加(或维持)客户满意度之间取得平衡等。

在一些实施例中，任务分配策略模块240可以实现考虑座席补偿代替报价或报价集的决策性BP策略。该框架与上文的描述类似，不同之处在于，该决策性BP策略不是通过报价或报价集影响客户，而是通过座席可以收取的补偿来影响座席的绩效。换句话说，代替任务-座席-报价集的三维配对，该决策性BP策略做出了任务-座席-奖励的三维配对。在一些实施例中，决策性BP策略可以做出任务-座席-报价-奖励的四向配对。

能够基于任务-座席配对提供可变座席补偿的决策性BP策略可能会导致更高透明度和公平性。例如，某些任务分配(例如，联络中心)系统可能会遇到更具挑战性和挑战性较小的联系人的混合并且采用较高绩效和较低绩效座席的混合。在FIFO策略或PBR策略下，任何能力的座席都同样可能与或多或少具有挑战性的联系人配对。在FIFO策略下，联络中心系统的整体绩效可能较低，但是平均座席补偿可能透明且公平。在PBR策略下，可能会偏斜座席利用率，并且也可能朝向更高绩效的座席偏斜补偿。在先前公开的BP策略下，更具挑战性的联系人类型可能优选与更高绩效的座席配对，而挑战性较小的联系人类型可能优选与较低绩效座席配对。例如，如果高绩效的座席平均来说遇到更困难的呼叫，则该“呼叫类型偏斜”可能会导致高绩效的座席的转换率下降而补偿也下降。

因此，针对给定的任务(或联系人)类型调高或调低座席的补偿可能会提高在先前公开的BP策略下的补偿的公平性。当座席与任务或联系人配对时，决策性BP策略可以将联系人对联络中心的期望值和/或座席对于处理该联系人或获得特定结果将获得多少佣金或其他非金钱奖励告知座席。决策性BP策略可能会通过提议可变补偿来影响座席的行为。例如，如果决策性BP策略确定座席应当快速处理任务或联系人(较低的AHT、较低的收入)，则决策性BP策略可以选择较低的补偿。因此，座席可能没有动力去花费大量时间来赚取相对较低的佣金。相反，如果决策性BP策略确定座席应当将精力投入较高价值呼叫(较高的AHT、较高的收入)，则它可能会选择较高的补偿。这样的决策性BP策略可以在提高任务分配系统200的整体绩效的同时最大化座席的奖励。

历史分配模块250可以基于关于任务类型、座席和补偿金额的历史信息来对该决策性BP模型进行建模，从而可以做出任务-座席-奖励的同时选择。为了提高任务分配系统200的整体绩效，向上或向下补偿的变化量可以变化，并且取决于单个座席和联系人类型的每种组合。

与将Iota参数应用于报价集或次优动作百分位数或百分位数范围维度类似，并且如上所述，任务分配策略模块240可以将Iota参数应用于其他维度，诸如将座席补偿偏斜至更大或更小程度，或偏斜至普遍较高或普遍较低的值。在一些实施例中，应用于座席补偿或其他非金钱奖励的Iota参数的量和类型可以至少部分地基于任务分配系统200中的因素(例如，呼叫中心中呼叫者等候接听的预期等待时间)。

在采用与对角线模型BP策略相似的策略的一些实施例中，可变补偿可以被视为暂时影响可用座席的有效座席百分位数(AP)使其更高或更低，以便移动可用联系人-座席配对更接近最佳对角线。类似地，将报价的值调整为更高或更低可能会被视为影响正在等待的联系人的有效联系人百分位数(CP)使其更高或更低，以便移动可用的联系人-座席配对更接近最佳对角线。

在一些实施例中，基准测试模块260可以经由诸如任务分配模块210和/或历史分配模块250的其他模块通信地耦合到任务分配系统200和/或被配置为在任务分配系统200中操作。基准测试模块260可以使用可以从例如历史分配模块250接收的历史分配信息，对两个或更多配对策略(例如FIFO、PBR、BP、决策性BP等)的相对绩效进行基准测试。在一些实施例中，基准测试模块260可以执行其他功能，诸如建立用于在各种配对策略之间循环的基准测试时间表、跟踪群组(例如，历史分配的基本组和测量组)等。在例如美国专利No.9,712,676中，针对联络中心场境详细地描述了基准测试，其通过引用并入本文。

在一些实施例中，基准测试模块260可以输出或以其他方式报告或使用相对绩效测量。相对绩效测量可以被用来评估任务分配策略的质量，以确定例如是否应当使用不同的任务分配策略(或不同的配对模型)，或测量当任务分配系统200被优化或以其他方式配置为使用一种任务分配策略而不是另一种任务分配策略时，在任务分配系统200内实现的整体绩效(或绩效增益)。

在一些实施例中，基准测试模块260可以结合报价集可用性，相对于一个或多个替代配对策略(诸如FIFO)，对决策性BP策略进行基准测试。例如，在联络中心系统中，座席可以具有九个报价的矩阵-服务级别的三个等级，每个等级都有三个折扣级别。在“关闭”呼叫期间，等待时间最长的座席可能会连接到等待时间最长的呼叫者，并且该座席可以提供这九个报价中的任何一个。较高绩效座席更可能以较高的价格出售较高等级的服务，而较低绩效座席可能不会那么努力，而是会立即提供最大的折扣。在“接通”呼叫期间，决策性BP策略可以将联系人与座席配对，但将座席限制到九个可用报价的子集中。例如，对于某些联系人类型，如果任务分配策略模块240基于决策性BP模型确定可以通过以针对给定的联系人-座席配对的给定方式，选择性地限制报价集来优化联络中心系统的整体绩效，则可以授权较高绩效座席做出九个报价中的任何一个，而较低绩效座席可以被限于仅对某些等级提议较小的折扣。另外，如果向任务分配系统提供决策性BP策略的提供者(例如，供应商)使用基准测试和收益共享业务模型，则该提供者可以向座席补偿池贡献一份用基准测试的收入增益。

在一些实施例中，任务分配系统200可以提供仪表板、可视化或其他分析和界面，以改善系统的整体绩效。对于每个座席，所提供的分析可能会根据座席的相对能力或行为特征而改变。例如，有竞争力或较高绩效座席可能会受益于排名工具或其他“游戏化”元素(例如，解锁积分和分数牌的徽章或成就、座席在排名中超过另一座席时的通知等)。另一方面，不太有竞争力或较低绩效座席可能会受益于定期的鼓励消息、有关培训/教育课程的建议等。

图3示出了根据本公开的实施例的任务分配方法300。

任务分配方法300可以从框310开始。在框310，任务分配方法300可以对多个任务进行排序，这些任务可以在任务分配系统(例如，任务分配系统200)中排队。任务分配方法300可以通过根据例如诸如人工智能模型的模型给予多个任务百分位数或百分位数范围来对多个任务进行排序。在联络中心系统中，可以根据每个联络人相对于其他联络人已经等待多久以分配给座席，或者每个联系人相对于其他联系人，按某些度量，对联络中心系统的绩效的贡献多少来对联系人进行排序。在其他实施例中，可以根据“非对角线”模型(例如，网络流量模型)来分析多个任务。

然后，任务分配方法300可以进行到框320。在框320，任务分配方法300可以对任务分配系统中可用的多个座席进行排序。任务分配方法300可以通过根据例如人工智能模型的模型，给予多个座席百分位数或百分位数范围来对多个座席进行排序。在联络中心系统中，可以根据每个座席相对于其他座席，已经等待多久以分配给联系人，或者每个座席相对于其他座席，按照某些度量，对联络中心系统的绩效的贡献多少来对座席进行排序。在其他实施例中，可以根据网络流模型来分析多个任务。

然后，任务分配方法300可以进行到框330。在框330，任务分配方法300可以将多个任务中的任务与多个座席中的座席配对。在一些实施例中，任务-座席配对可以至少部分地基于多个任务的排序、多个座席的排序以及要提议给多个任务的多个报价中的至少一个或多个座席中的至少一个座席将收到的补偿。在一些实施例中，任务-座席配对可以基于替选行为配对技术，诸如网络流模型。

在一些实施例中，任务分配方法300可以随后选择要结合任务-座席配对使用的报价或报价集和/或座席奖励。在其他实施例中，任务分配方法300可以执行三向配对(例如，任务-座席-报价、任务-座席-奖励等)或四向配对(例如，任务-座席-报价-奖励)。给定的报价可能会偏斜或调整任务的百分位数或百分位数范围，而给定的补偿可能会偏斜或调整座席的百分位数或百分位数范围。因此，通过考虑至少一个报价或补偿，任务分配方法300能够选择任务-座席(或任务-座席-报价、任务-座席-补偿、任务-座席-报价-补偿等)配对，提高了任务分配系统的整体绩效。

此时，应注意到，如上所述的根据本公开的任务分配可能某种程度上涉及处理输入数据并且生成输出数据。该输入数据处理和输出数据生成可以用硬件或软件实现。例如，特定电子组件可以用在行为配对模块或类似或相关电路中，用于实现与根据如上所述的本公开的任务分配相关联的功能。替选地，根据指令操作的一个或多个处理器可以实现与根据如上所述的本公开的任务分配相关联的功能。如果是这种情况，则这些指令可以被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，或者经由嵌入在一个或多个载波中的一个或多个信号，被传送到一个或多个处理器也在本公开的范围内。

本公开不限于本文所述的具体实施例的范围。实际上，除了本文所述的那些之外，本公开的其他各种实施例及其改进对于本领域普通技术人员而言从上文描述和附图将是显而易见的。因此，这些其他实施例和改进旨在落入本公开的范围内。此外，尽管为了至少一个特定目的，本文在至少一个特定环境中的至少一个特定实施方式的上下文中描述了本公开，但是本领域普通技术人员将认识到其有用性不限于此并且出于各种目的，本公开可以有利地在多种环境中实施。因此，应当鉴于如本文所述的本公开的全部广度和精神来解释下述权利要求。