热点新闻曝光:马上金融自研”双寻优”预测外呼算法模型提升坐席利用率30%以上

目前，AI智能语音呼叫、自动化呼叫已成为呼叫中心领域节约人力资源和提升呼叫效率的新宠，而预测式外呼作为自动化呼叫的关键形态，融易新媒体，其预测算法和模型的先进性对效率起了决定性作用，成为行业中一直探索的课题。

近日，马上消费金融（以下简称“马上金融”）成功上线了自主研发的“双目标寻优”预测外呼算法模型（简称“双寻优”预测外呼算法模型），该模型基于运筹学原理，将双目标中的客户放弃率设置锁定在一个可以接受的范围内，保障坐席利用率达到最大化，从而实现将矛盾的双目标向单目标转化。该模型上线应用后，坐席利用率较同行业有30%以上的提升，并适用多种应用场景，处于行业领先水平。

呼叫中心领域面临三大难题

现代呼叫中心在金融、电信、物流、旅游等行业的销售、贷后管理、客服领域被广泛应用，少则数百、多则数万的人力规模注定了当代呼叫中心行业的劳动密集型特性。能否有效管控不断扩大的呼叫容量，能否充分利用坐席人力资源，一直是呼叫中心系统建设中的核心难题。具体来说，当前行业中面临的难点主要体现在三方面：

一是系统自动送号的速度快慢与放弃率(呼损率)高低“相生相克”，难以平衡。行业内一些厂商为了提升坐席利用率而加快自动送号的速度，这造成了放弃率(呼损率)居高不下；而为了满足企业对客户低呼损率的要求，一般会将送号速度在模型中调整得比较慢，送号太慢势必就会引起坐席大量空闲，对于坐席人数众多的大型公司来说，这无疑是一种巨大的成本浪费；

二是人工调整步骤繁琐，精准度低，人员要求高。为了适应不同接通率，往往仅能利用过往经验通过非常繁琐的配置才能实现，由于不同接通率对应不同的经验值，对于使用呼叫中心系统的企业来说，配置人员需要不断的花时间进行摸索才能熟悉并使用好，最终调整效果也完全取决于配置人员，具有非常大不确定性；

三是现有预测模型适应范围有限，无法实现完全自动化。对于某些应用场景(甜区)接通率模型表现优异；但对于某些场景(非甜区)接通率就不尽如人意，这对于业务量庞大且条线繁多的大型公司来说，就只能退而求其次，在那些非甜区业务中选择人工调整送号量或者直接选择手工拨打，致使全自动化的预测式外呼的效果大打折扣。

自主研发算法模型有效攻克行业难题

针对预测外呼，马上金融的算法模型只需简单设置后即可实现完全自动化，可针对不同的坐席人数、不同接通率的客户群体、不同业务场景均可以做到自适应。即保证不同业务场景下，客户放弃率(呼损率)锁定在一个指定的范围，而坐席的利用率达到最优。

马上金融新算法模型之所以能够有效解决行业痛点，源于其专业的模拟仿真系统和强大的实时计算能力。其中模拟仿真系统解决了模型模糊性无法通过推导和证明验证的问题；通过模拟仿真系统使用大量不同接通率的拨打数据来检证和优化模型，最终训练出了更优的模型算法。

另外，利用马上金融自研的基于“软交换”的呼叫中心系统方案自带互联网基因的天生优势，轻松对接公司内部强大的实时计算能力、流式计算平台，轻松实现高速实时计算，为模型提供无延迟的变量输入。

继成功研发“双寻优”预测外呼算法模型之后，马上金融智能呼叫中心研发团队又迈向了新的征程，在呼叫中心系统SaaS产品化对外输出的征程中，又研发出了AI智能语音机器人的预测式外呼功能。通过马上金融云的弹性部署能力，支持用户对智能语音机器人数量上的灵活要求，具有良好伸缩性，为SaaS产品走向市场奠定基础。