METHODE ZUR INTEGRATION VON KÜNSTLICHE INTELLIGENZ-SYSTEMEN ZUR DYNAMISCHEN ANPASSUNG DER NACHBEARBEITUNG-ZEIT
Die vorliegende Offenbarung sieht unter anderem ein Verfahren zur Verwaltung einer Nachbearbeitungszeit in einem Contact Center vor, das Verfahren umfassend: Empfangen, durch einen Agenten des Kontaktcenters, einer Kommunikation mit einer Variablen, die mit der Kommunikation verbunden ist; Empfangen...
Gespeichert in:
1. Verfasser: | |
---|---|
Format: | Patent |
Sprache: | ger |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | Die vorliegende Offenbarung sieht unter anderem ein Verfahren zur Verwaltung einer Nachbearbeitungszeit in einem Contact Center vor, das Verfahren umfassend: Empfangen, durch einen Agenten des Kontaktcenters, einer Kommunikation mit einer Variablen, die mit der Kommunikation verbunden ist; Empfangen einer Eingabe von einer Quelle außerhalb des Kontaktcenters; Feststellen, dass die Variable mit der Eingabe verknüpft ist; basierend auf der Beziehung der Variablen zur Eingabe, Bestimmen einer aktualisierten Nachbearbeitungszeit; Speichern der aktualisierten Nachbearbeitungszeit und der Eingabe in einer Datenbank einschließlich Zeiten-Variablen; Ermöglichen eines maschinellen Lernprozesses zur Analyse der Datenbank; Bereitstellen der aktualisierten Nachbearbeitungszeit für den Agenten als Zeit, die auf einer Anzeige für den Agenten gerendert wird; und Aktualisieren eines Datenmodells, das verwendet wird, um die Nachbearbeitungszeiten basierend auf der Analyse des Machine Learning-Prozesses automatisch zu bestimmen.
The present disclosure provides, among other things, a method of managing a wrap-up time in a contact center, the method including: receiving, by an agent of the contact center, a communication having a variable associated with the communication; receiving an input from a source external to the contact center; determining that the variable is related to the input; based on the relation of the variable to the input, determining an updated wrap-up time; storing the updated wrap-up time and the input in a database including timing variables; enabling a machine learning process to analyze the database; providing the updated wrap-up time to the agent as an amount of time rendered on a display to the agent; and updating a data model used to automatically determine wrap-up times based on the analysis of the machine learning process. |
---|