马上金融自研算法 可提升坐席利用率30%

本篇文章778字，读完约2分钟

本报记者蒋

最近，自行开发的“双目标优化”预测出站算法模型在消费金融中推出。该模型基于运筹学原理，将双目标中的顾客放弃率锁定在可接受的范围内，保证了座位的最大利用率，从而实现了从矛盾的双目标到单一目标的转变。模型投入使用后，座位利用率比同行业提高了30%以上。

现代呼叫中心广泛应用于金融、电信、物流、旅游等行业的销售、贷后管理和客户服务领域。从数百人到数万人的人力规模注定是当代呼叫中心行业的劳动密集型特征。能否有效控制不断扩大的呼叫容量，充分利用座席的人力资源，是呼叫中心系统建设的核心问题。具体来说，很难平衡自动号码传输的速度和放弃率(呼叫丢失率)。其次，人工调整步骤繁琐，精确度低，人员要求高。第三，现有的预测模型适用性有限，不能完全自动化。对于一些应用场景(甜区)，连接速率模型表现良好，但是对于一些场景(非甜区)，连接速率不令人满意。对于业务量大、产品线多的大公司来说，他们只能退而求其次。在非甜蜜区业务中，他们选择手动调整号码传递或直接选择手动拨号，这大大降低了全自动预测呼出呼叫的效果。

对于预测的呼出呼叫，即时财务算法模型可以在简单设置后完全自动化，并且可以针对不同的座位、具有不同连接速率的客户群和不同的业务场景进行自适应。也就是说，在不同的业务场景下，客户放弃率(掉话率)被锁定在指定的范围内，代理利用率得到优化。

即时金融的新算法模型之所以能有效解决行业中的痛点，源于其专业的仿真系统和实时计算能力。其中，仿真系统解决了模型的模糊性无法通过推理和证明来验证的问题。仿真系统利用大量不同连接速率的拨号数据对模型进行优化，最终训练出更好的模型算法。

此外，即时金融开发的基于“软交换”的呼叫中心系统解决方案带来了自己的互联网基因，可以方便地连接公司内部的实时计算能力和流媒体计算平台，实现高速实时计算，并为模型提供无延迟的可变输入。