System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机领域,特别涉及一种客服事件单分配方法、装置、设备及存储介质。
技术介绍
1、随着当前社会的金融和计算机发展,涉及越来越多的交易,用户对交易可能存在各种咨询或反馈,这些咨询或反馈需要专门的客服人员进行沟通,了解客户需求,并根据客户需求创建事件单。事件单形成之后需要分配相关的事件受理人对该事件单进行处理。
2、当前对于事件单的分配主要是轮询分派的方式,但是轮询分派的方式不能很好的应对一些突发因素导致生单量激增的场景,容易造成事件单堆积,使得事件单长时间无人处理。
技术实现思路
1、有鉴于此,本申请的目的在于提供一种客服事件单分配方法、装置、设备及存储介质,能够在生单量激增的时候智能调整分配事件单数量,缩减事件处理时长,使得事件受理人员高效快速的响应客户诉求,提升客户体验。
2、本申请提供了一种客服事件单分配方法,所述方法包括:
3、获取多个连续时间段的历史生单量数据,所述多个连续时间段包括相邻的第一时间段和第二时间段;
4、利用第一时间段的历史生单量数据和第二时间段的历史生单量数据训练得到趋势预测模型,利用所述趋势预测模型预测得到当前时间段的下一时间段对应的预测生单量数据;
5、判断预测生单量数据是否大于平均事件吞吐量,若大于,则根据所述预测生单量数据确定目标人均处理量上限值,根据所述目标人均处理量上限值为每个事件受理人分配客服事件单。
6、可选地,所述预测生单量数据包括普通型生单量和专人受理类
7、所述判断预测生单量数据是否大于平均事件吞吐量,若大于,则根据所述预测生单量数据确定目标人均处理量上限值,根据所述目标人均处理量上限值为每个事件受理人分配客服事件单包括:
8、判断普通型生单量是否大于平均事件吞吐量,若大于,则根据所述预测生单量数据确定目标人均处理量上限值,根据所述目标人均处理量上限值为每个所述普通型事件受理人分配客服事件单。
9、可选地,所述方法还包括:
10、将专人受理类型生单量对应的专人受理类型事件单分配给所述专人受理类型事件受理人进行处理。
11、可选地,所述方法还包括:
12、配置所述专人受理类型事件单的事件元素,所述事件元素用于指示事件单为专人受理类型;所述事件元素至少包括事件类型元素和事件发生地元素。
13、可选地,所述历史生单量数据包括工作日生单量数据和非工作日生单量数据;所述趋势预测模型包括工作日趋势预测模型和非工作日趋势预测模型;
14、所述利用第一时间段的历史生单量数据和第二时间段的历史生单量数据训练得到趋势预测模型包括:
15、利用第一时间段的工作日生单量数据和第二时间段的工作日生单量数据训练得到工作日趋势预测模型;
16、利用第一时间段的非工作日生单量数据和第二时间段的非工作日生单量数据训练得到非工作日趋势预测模型。
17、可选地,所述方法还包括:
18、获取每个事件受理人的当前受理事件单量;
19、所述根据所述目标人均处理量上限值为每个事件受理人分配客服事件单包括:
20、根据所述目标人均处理量上限值和所述每个事件受理人的当前受理事件单量的差值为每个事件受理人分配客服事件单。
21、可选地,所述方法还包括:
22、若预测生单量数据小于平均事件吞吐量,则根据当前人均处理量上限值为每个事件受理人分配客服事件单,所述当前人均处理量上限值大于所述目标人均处理量上限值。
23、本申请提供了一种客服事件单分配装置,所述装置包括:
24、获取单元,用于获取多个连续时间段的历史生单量数据,所述多个连续时间段包括相邻的第一时间段和第二时间段;
25、训练单元,用于利用第一时间段的历史生单量数据和第二时间段的历史生单量数据训练得到趋势预测模型,利用所述趋势预测模型预测得到当前时间段的下一时间段对应的预测生单量数据;
26、确定单元,用于判断预测生单量数据是否大于平均事件吞吐量,若大于,则根据所述预测生单量数据确定目标人均处理量上限值,根据所述目标人均处理量上限值为每个事件受理人分配客服事件单。
27、本申请提供了一种客服事件单分配设备,所述设备包括:处理器和存储器;
28、所述存储器,用于存储指令;
29、所述处理器,用于执行所述存储器中的所述指令,执行如上述实施例中任一项所述的方法。
30、本申请提供了一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如上述实施例任意一项所述的方法。
31、本申请提供了一种客服事件单分配方法,方法包括:获取多个连续时间段的历史生单量数据,多个连续时间段包括相邻的第一时间段和第二时间段,利用第一时间段的历史生单量数据和第二时间段的历史生单量数据训练得到趋势预测模型,利用趋势预测模型预测得到当前时间段的下一时间段对应的预测生单量数据,这样就可以提前对是否存在生单量激增的情况进行预测,从而提前进行生单量分配的布置。可以判断预测生单量数据是否大于平均事件吞吐量,若大于,则根据预测生单量数据确定目标人均处理量上限值,也就是调整每个事件受理人需要处理的生单量,根据目标人均处理量上限值为每个事件受理人分配客服事件单,这样就能够通过提前预测生单量,从而调整每个事件受理人处理的生单量,能够在生单量激增的时候智能调整分配事件单数量,缩减事件处理时长,使得事件受理人员高效快速的响应客户诉求,提升客户体验。
本文档来自技高网...【技术保护点】
1.一种客服事件单分配方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述预测生单量数据包括普通型生单量和专人受理类型生单量,所述事件受理人包括普通型事件受理人和专人受理类型事件受理人;
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求1所述的方法,其特征在于,所述历史生单量数据包括工作日生单量数据和非工作日生单量数据;所述趋势预测模型包括工作日趋势预测模型和非工作日趋势预测模型;
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
7.根据权利要求1-6任意一项所述的方法,其特征在于,所述方法还包括:
8.一种客服事件单分配装置,其特征在于,所述装置包括:
9.一种客服事件单分配设备,其特征在于,所述设备包括:处理器和存储器;
10.一种计算机可读存储介质,其特征在于,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-7任意一项所述的方法。
...【技术特征摘要】
1.一种客服事件单分配方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述预测生单量数据包括普通型生单量和专人受理类型生单量,所述事件受理人包括普通型事件受理人和专人受理类型事件受理人;
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求1所述的方法,其特征在于,所述历史生单量数据包括工作日生单量数据和非工作日生单量数据;所述趋势预测...
【专利技术属性】
技术研发人员:宋爽,马添力,张思超,张泽坤,杨伟强,
申请(专利权)人:中国农业银行股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。