インタラクションの余剰分。 近日公開予定

この記事では、特定のシナリオで予測ルーティングがどのように機能するかについての詳細情報を収集します。 予測ルーティングを最適化するために必要なデータの詳細については、を参照してください。 予測ルーティングのデータ要件。 

予測ルーティングは、機械学習モデルを使用して、インタラクションのエージェントをスコアリングします。 機械学習はパターンの特定に効果的です。 この場合、パターンは、特定のタイプの相互作用を最も効果的に処理するエージェントを識別します。

When predictive routing is activated on a queue, Genesys Cloud creates a model using various data sources, including agent profile data, aggregated customer data (such as whether they are a repeat caller), and historic interaction data. When an interaction is offered to the queue, Genesys Cloud assigns the interaction in the following way:

  1. When an interaction arrives in that queue, predictive routing creates a list of all agents on the queue. The system retrieves data about the customer and each available agent. Predictive routing does not consider the routing status at this point.
  2. 必要なエージェントの言語スキルおよび言語以外の ACD スキルについてリストをフィルタリングします (スキルマッチング が有効な場合)。 
  3. Genesys Cloud uses the model to process agent and customer data in real time and returns a ranking for each available agent. このランキングは、特定のインタラクションを処理するときに、予測ルーティングがターゲットKPIに最もプラスの影響を与えると予想されるエージェントを表します。最もスコアの高いエージェントが最初にランク付けされます。
     メモ:   If the number of available agents on a queue is three or less, Genesys Cloud does not score the agents but routes the interactions using the standard routing method.
  4. 予測ルーティングがタイムアウトする前に(キューの詳細ページで設定)、キューで待機しているインタラクションの数に基づいて、エージェント選択が異なって行われます。
    • Agent surplus – When an interaction arrives, Genesys Cloud calculates the predictive score of the available agents, ranks all agents by combining their time since the last interaction with their predictive score, and then assigns the interaction to the highest-ranked agent. If the highest ranked agents are not available, the system gradually expands the target agent pool, adding lower ranked agents. This process continues until an agent is found, or until predictive routing times out. 
    • Interaction surplus – When an agent becomes available, on queues that have predictive routing enabled, Genesys Cloud calculates the predictive score of the agent for each of the interactions waiting in addition to the interaction arrival time and priority. The system ranks all interactions by combining their waiting time with the predictive score, and then assigns the agent to the highest-ranked interaction. This behavior means that if an agent is predicted to perform better with one customer than another, then predictive routing will bias the assignment of the interaction toward the customer with whom the agent is predicted to perform better. This method ensures the best utilization of the available agent during times of conversation surplus thereby resulting in optimization of KPIs. 
      For example, if interaction 3 (wait time 35 seconds) ranks above interaction 1 (wait time 42 seconds), the available agent is assigned to interaction 3. However, when the interaction ranking is the same for more than one interaction, Genesys Cloud assigns the agent to the interaction with the highest wait time. 
       メモ:   インタラクション余剰方式推定待ち時間の計算の精度が低くなる可能性があります。
      1. If Genesys Cloud finds no qualifying agent before predictive routing times out or if the number of the agents on the queue is three or lesser, then the system routes the interaction using standard routing, which is the fallback routing method. 

        予測ルーティングのためのAIモデルによるエージェントのスコアリング方法