Proceso de identificación de agentes

Este artículo recopila información detallada sobre cómo funciona el enrutamiento predictivo en escenarios específicos. Para obtener más información sobre los datos necesarios para optimizar el enrutamiento predictivo, consulte Requisitos de datos para el enrutamiento predictivo

El enrutamiento predictivo puntúa a los agentes que podrían manejar una interacción mediante un modelo de aprendizaje automático. El aprendizaje automático es eficaz para identificar patrones. En este caso, los patrones identifican a los agentes que manejan con mayor eficacia ciertos tipos de interacciones.

Cuando se activa el enrutamiento predictivo en una cola, se crea un modelo utilizando varias fuentes de datos, incluidos los datos del perfil de los agentes, los datos agregados de los clientes (como, por ejemplo, si se trata de una llamada repetida) y los datos históricos de interacción.  Cuando se ofrece una interacción a la cola, se asigna de la siguiente manera:

  1. Cuando llega una interacción a esa cola, el enrutamiento predictivo crea una lista de todos los agentes en la cola. Recupera datos sobre el cliente y cada agente disponible. El enrutamiento predictivo no considera el estado del enrutamiento en este punto.
  2. Filtra la lista para las habilidades lingüísticas del agente y las habilidades ACD no lingüísticas (si Skill matching está activado). 
  3. Utiliza el modelo para procesar datos de agentes y clientes en tiempo real y devuelve una clasificación para cada agente disponible. Esta clasificación representa los agentes que el enrutamiento predictivo espera tener el impacto más positivo en el KPI objetivo al manejar esa interacción específica. El agente con la puntuación más alta ocupa el primer lugar.
    Nota:  Si la cantidad de agentes disponibles en una cola es tres o menos, Genesys Cloud no califica a los agentes. Enruta las interacciones utilizando el método de enrutamiento estándar.
  4. Durante el periodo de tiempo de espera (configurado en la página de detalles de la cola), la identificación del agente se produce en función del número de interacciones que esperan en la cola:
    1. Cuando el número de interacciones es menor que el número de agentes disponibles, el enrutamiento predictivo empieza a intentar dirigirse a los agentes mejor clasificados. Si los agentes de mayor rango no están disponibles, el sistema ampliará gradualmente el conjunto de agentes objetivo, añadiendo agentes de menor rango.  Este proceso continúa hasta que se encuentra un agente, o hasta que el tiempo de espera expira. 
    2. Cuando el número de interacciones es mayor que el número de agentes disponibles - Cuando un agente está disponible, el sistema le asigna la interacción más larga en espera para la que el agente está calificado actualmente.
    3. Si Genesys Cloud no encuentra ningún agente calificado durante el período de tiempo de espera, enruta la interacción utilizando enrutamiento estándar, que es el método de enrutamiento alternativo.

      Enlaces relacionados:

      Cómo puntúa el modelo de IA a los agentes para el enrutamiento predictivo