背景

為什么客服需要調(diào)度？阿里集團(tuán)客戶體驗(yàn)事業(yè)群（CCO）目前承接了阿里集團(tuán)以及生態(tài)體的客戶服務(wù)業(yè)務(wù)，我們的客戶通過(guò)各個(gè)渠道來(lái)尋求解決各類問(wèn)題，每天的進(jìn)線量巨大，而且經(jīng)常伴隨著突發(fā)性進(jìn)線，比如天貓代金券出了問(wèn)題，在幾分鐘內(nèi)就會(huì)造成幾千通熱線或在線咨詢。面對(duì)種類繁多、海量、突發(fā)的客戶問(wèn)題，我們的服務(wù)能力往往難以滿足，常常造成用戶排隊(duì)，甚至放棄，自然我們產(chǎn)生了對(duì)調(diào)度的需求。

客服調(diào)度的核心問(wèn)題是什么？提升客服資源的利用率和服務(wù)水平，用更少的客服資源獲得更佳的用戶體驗(yàn)。如果我們招聘大量的客服，也能讓用戶獲得更好的體驗(yàn)，但是容易造成人力浪費(fèi)，更多的人手意味著更多的培訓(xùn)成本、管理成本和人力成本。

與機(jī)器調(diào)度相比，客服調(diào)度有它的復(fù)雜點(diǎn)：

1）機(jī)房增加一臺(tái)新物理機(jī)，機(jī)器虛擬化后就可以快速被使用，而招募一個(gè)新客服，得需要長(zhǎng)時(shí)間的培訓(xùn)才能讓他具備線上服務(wù)能力；

2）客服間差別大，不同客服的業(yè)務(wù)技能有區(qū)別，很難直接讓B技能組的客服處理A技能組的任務(wù)，即使是掌握同一技能的客服，他們的服務(wù)能力也有大的差別，而機(jī)器差別不大，很多業(yè)務(wù)可以使用相同類型的機(jī)器；

3）客服是人，他有權(quán)利選擇上班、小休，他的工作效率、質(zhì)量會(huì)隨著他的情緒、體驗(yàn)、服務(wù)的會(huì)員、工作時(shí)長(zhǎng)等波動(dòng)，調(diào)度時(shí)需要考慮他們的感受，而調(diào)度機(jī)器時(shí)無(wú)需顧忌；

4）突發(fā)場(chǎng)景多，業(yè)務(wù)問(wèn)題、系統(tǒng)故障等都是無(wú)規(guī)律爆發(fā)，波動(dòng)特別大，很難準(zhǔn)確的提前排好一天的人力。

現(xiàn)場(chǎng)管理員是否能應(yīng)對(duì)如此復(fù)雜的客服調(diào)度？答案是否定的。在沒有調(diào)度系統(tǒng)之前，現(xiàn)場(chǎng)管理員基本靠手工來(lái)調(diào)度，隨著體量越來(lái)越大，缺陷逐漸暴露：

1）響應(yīng)慢：比如周末線上排隊(duì)時(shí)，現(xiàn)場(chǎng)管理員可能會(huì)收到電話反饋，然后再打開電腦去手工放個(gè)臨時(shí)班等等，從排隊(duì)發(fā)生到調(diào)度生效超過(guò)十幾分鐘很正常；

2）不精準(zhǔn)：缺乏數(shù)據(jù)指導(dǎo)，統(tǒng)籌優(yōu)化能力弱。舉個(gè)例子，A技能組排隊(duì)時(shí)現(xiàn)場(chǎng)管理員想將A技能組的流量切一些到B里，切多少，分給誰(shuí)，可能都是拍腦袋決定，決策結(jié)果也無(wú)法沉淀；

3）手段缺：可用的手段非常少，無(wú)非就是手動(dòng)排班放班、手工切個(gè)流，管控下小休、發(fā)個(gè)公告等，沒有充分挖掘出客服的能力和潛力。

明確了客服調(diào)度的核心問(wèn)題，也知道了難點(diǎn)，更看到了目前的現(xiàn)狀后，我們決定打造一款自動(dòng)、智能的客服調(diào)度系統(tǒng)——XSigma。

1. XSigma大圖

XSigma調(diào)度系統(tǒng)按功能模塊可以分為手、腦、眼幾塊。手就是能提升客服資源利用率、客服服務(wù)水平以及提升客戶滿意度的手段，比如溢出分流、預(yù)約回?fù)堋F(xiàn)場(chǎng)管控、激勵(lì)、排班、應(yīng)急放班、培訓(xùn)等。手段這么多，在不同業(yè)務(wù)不同場(chǎng)景下如何抉擇是一個(gè)難點(diǎn)，這里需要大腦也就是調(diào)度中心來(lái)做決策。決策產(chǎn)生的復(fù)雜調(diào)度邏輯如何能讓現(xiàn)場(chǎng)管理員、業(yè)務(wù)人員和開發(fā)人員更好地理解？我們通過(guò)可視化技術(shù)將復(fù)雜的調(diào)度邏輯轉(zhuǎn)化為可以理解的實(shí)時(shí)圖形界面，即調(diào)度系統(tǒng)的眼睛-調(diào)度大屏。手、腦、眼功能具備后，如何讓他們磨合得越來(lái)越好？我們通過(guò)仿真演練系統(tǒng)來(lái)錘煉。

下面會(huì)對(duì)圖里的模塊一一介紹。

2.  提前準(zhǔn)備：排好班

如果能預(yù)測(cè)好需，準(zhǔn)備好供，那客服調(diào)度就成功了一半。在我們業(yè)務(wù)中，不同類型的客服排班模式不同。云客服采用的是自主選班模式，管理員只需設(shè)置好每個(gè)時(shí)間段的選班人數(shù)，讓云客服根據(jù)自己的時(shí)間來(lái)自行選班。而SP（合作伙伴）采用的是排班模式，需要管理員根據(jù)每個(gè)時(shí)間段的話務(wù)量來(lái)安排每一個(gè)客服，既要能夠保證每個(gè)時(shí)間段的接通率達(dá)到最大，又要能夠協(xié)調(diào)好客服人員的休息和工作時(shí)間，保證每個(gè)客服人員的總工時(shí)大致相等，這非常考驗(yàn)管理員的統(tǒng)籌能力，當(dāng)客服數(shù)目變多后，人工排班給管理員帶來(lái)了巨大挑戰(zhàn)。

不管哪種模式，都需要提前預(yù)測(cè)未來(lái)兩周的需要服務(wù)量（業(yè)務(wù)上按1~2周的粒度排班），這其實(shí)是個(gè)標(biāo)準(zhǔn)的時(shí)間序列預(yù)測(cè)問(wèn)題。結(jié)合歷史數(shù)據(jù)，我們可以按照部門-技能組的粒度預(yù)測(cè)出未來(lái)2周的服務(wù)量，當(dāng)然，這種離線的預(yù)測(cè)只是一種近似，很難精準(zhǔn)預(yù)測(cè)。

對(duì)于合作伙伴公司客服的排班，可以抽象為多約束條件下的優(yōu)化問(wèn)題，在實(shí)際場(chǎng)景中，我們采用了組合優(yōu)化算法。

3. 水平擴(kuò)容：預(yù)測(cè)式應(yīng)急放班

提前排班很難精確預(yù)估服務(wù)量，我們不可能提前知道下周一13點(diǎn)25分會(huì)出現(xiàn)個(gè)代金券問(wèn)題導(dǎo)致大量用戶進(jìn)線咨詢。

對(duì)于這種突發(fā)性質(zhì)的流量或者比上班服務(wù)量大的流量，我們能不能像調(diào)度機(jī)器一樣，快速水平擴(kuò)容一批客服來(lái)上班。對(duì)于社會(huì)化的云客服，我們可以做到，比如排隊(duì)數(shù)超過(guò)某值時(shí)，自動(dòng)觸發(fā)云客服的應(yīng)急放班。通過(guò)實(shí)踐發(fā)現(xiàn)云客服從選班到上班一般需要十多分鐘時(shí)間，如何進(jìn)一步節(jié)省這十多分鐘的黃金處理時(shí)間？將應(yīng)急放班升級(jí)為預(yù)測(cè)式應(yīng)急放班！提前幾分鐘預(yù)測(cè)到即將到來(lái)的大流量，提前放班。

這里涉及兩個(gè)模型，一個(gè)是服務(wù)量實(shí)時(shí)預(yù)測(cè)模型，該模型能根據(jù)實(shí)時(shí)數(shù)據(jù)如會(huì)員的操作行為，會(huì)員在小蜜的行為，故障場(chǎng)景，并結(jié)合歷史進(jìn)線量來(lái)綜合預(yù)測(cè)某一技能組未來(lái)30分鐘每一分鐘的進(jìn)線量。

有了服務(wù)量預(yù)測(cè)數(shù)據(jù)輸入后，應(yīng)急放班模型就可以結(jié)合當(dāng)前服務(wù)會(huì)員情況，未來(lái)30分鐘客服排班情況、會(huì)員消耗速度、溢出關(guān)系等綜合指標(biāo)，來(lái)推斷出是否要觸發(fā)應(yīng)急放班以及放班的服務(wù)量。一旦觸發(fā)應(yīng)急放班后，線下通知模塊會(huì)通過(guò)電話、短信等手段來(lái)通知合適的客服來(lái)上班。

與調(diào)度機(jī)器不同，我們需要時(shí)刻考慮客服感受，為了避免打擾沒有上班意愿的客服，我們讓客服自主設(shè)置是否要接收通知。

4. 負(fù)載均衡：溢出、分流

盡管預(yù)測(cè)式應(yīng)急放班效果不錯(cuò)，但目前只針對(duì)云客服有效，對(duì)于SP類這種非選班類的客服怎么辦？我們發(fā)現(xiàn)，線上排隊(duì)時(shí)，往往是某幾個(gè)技能組出現(xiàn)大量排隊(duì)場(chǎng)景，比如商家線爆了，消費(fèi)者線的客服可能處于空閑狀態(tài)。如何解決這種忙閑不均問(wèn)題？一個(gè)直觀的極端想法就將所有的組變成一個(gè)大池子組，通過(guò)負(fù)載均衡分配讓每一個(gè)客服都處于繁忙狀態(tài)，從而達(dá)到效率最大化。而事實(shí)上并不是所有的技能組之間都能互相承接，這里既要權(quán)衡業(yè)務(wù)，又要線下培訓(xùn)讓客服具備多技能。

XSigma提供了技能組相互分流、溢出的配置功能，只要滿足觸發(fā)條件，就能實(shí)時(shí)分流溢出，解決了以往靠現(xiàn)場(chǎng)管理員手工改客服技能組的痛苦。

對(duì)于一些場(chǎng)景而言，技能組間的溢出粒度有點(diǎn)粗，比如設(shè)置了A技能組排隊(duì)可以溢出到B技能組，并不是B技能組的每一個(gè)客服都能承接A的業(yè)務(wù)，只有進(jìn)行了培訓(xùn)的客服才能承接，XSigma同樣提供了給客服打技能標(biāo)簽的功能。

5. 垂直擴(kuò)容：彈性+1

有些業(yè)務(wù)比較復(fù)雜，很難找到其他技能組進(jìn)行溢出，我們將注意力轉(zhuǎn)到正在上班的客服上。在線客服可以同時(shí)服務(wù)多個(gè)會(huì)員，如果一個(gè)客服最大服務(wù)能力是3，那么他最多同時(shí)服務(wù)3個(gè)會(huì)員，這個(gè)值由管理員根據(jù)客服的歷史服務(wù)水平來(lái)設(shè)置。

我們發(fā)現(xiàn)盡管很多小二的最大并發(fā)能力是相同的，在他們滿負(fù)荷服務(wù)會(huì)員時(shí)，他們的服務(wù)水平有很大不同，他們的忙閑程度也有非常大的差異，為什么？

·      小二本身水平有差異

如下圖所示，某技能組的客服最大服務(wù)能力都是3，最近一個(gè)月這個(gè)技能組的客服在同時(shí)服務(wù)3個(gè)會(huì)員場(chǎng)景下的平均響應(yīng)時(shí)間分布（平均響應(yīng)時(shí)間正比于客服回復(fù)速度），可以看到數(shù)據(jù)呈一個(gè)大致正太分布，說(shuō)明小二服務(wù)水平有差異。

場(chǎng)景不同

舉個(gè)例子，A和B兩個(gè)客服最大服務(wù)能力都是5，同樣都在處理5個(gè)會(huì)員，但是A的5個(gè)會(huì)員差不多都到會(huì)話結(jié)束尾聲了，B的5個(gè)會(huì)員都才剛剛開始，這個(gè)例子下A和B兩個(gè)客服當(dāng)下的忙閑程度明顯不同。

既然小二的服務(wù)水平有差別，實(shí)際場(chǎng)景千差萬(wàn)別，那能不能在技能組排隊(duì)時(shí)刻讓那些有余力的小二突破最大服務(wù)上限？

XSigma提供了兩種策略來(lái)讓小二突破服務(wù)上限。

1）主動(dòng)+1模式

當(dāng)技能組達(dá)到觸發(fā)條件時(shí)，XSigma會(huì)主動(dòng)點(diǎn)亮客服工作臺(tái)的+1按鈕（如下圖紅框所示），客服可以點(diǎn)擊來(lái)主動(dòng)增加一個(gè)會(huì)員進(jìn)線，這種方式相當(dāng)于是將擴(kuò)容權(quán)利交給客服，因?yàn)橹挥锌头约褐滥壳懊Σ幻Α?

2）強(qiáng)制+1模式

如果某些技能組是強(qiáng)管控類型，可以選擇開啟強(qiáng)制+1模式，XSigma會(huì)結(jié)合數(shù)據(jù)自動(dòng)選擇一些合適的客服來(lái)突破服務(wù)能力上限，比如他之前最大服務(wù)能力是5，我們會(huì)同時(shí)讓他服務(wù)6個(gè)會(huì)員。

6.  削峰填谷：預(yù)約回?fù)?/strong>