機器學習將導致呼叫中心經理的消亡嗎?

contactSPACE每月與不同的客戶進行數百萬次語音、電子郵件和短信通信，每一次通信都有一定程度的努力，最終會產生結果。在呼叫中心環境中，管理層通過評估與數據性能相關的任何數量的可報告措施來評估這些結果。此外，在對運動進行全麵評估時，必須認識和考慮趨勢。從這個評估中，經理將嚐試製定和實施一個策略，從使用數據的代理那裏提供最大程度的效率和生產力，以確保更好的結果。

例如，語音通信的戰略變化可能包括減少包裝時間或嚐試記錄的次數——這些變化通常是為了追求特定的結果。在執行更改之後，經理將在一段時間內監視更改的效果—然後重複這個循環。有很多信息需要收集、評估並及時采取行動，以製定和實施戰術變革，此外，經理們需要能夠通過記憶和某種風格的勞動力規劃工具(有時還需要從手寫筆記中)回憶起以前的戰略及其效果。從曆史上看，這對企業是有效的，然而，時代在變化，業務流程也在演變。一家企業和另一家企業之間效率的細微差異可能意味著更大的利潤，也可能隻是意味著生存與否的差異。

我們有兩個關鍵問題需要解決。我們應該關注哪些數據，以及我們需要多長時間來采取戰略變化。即使是一個非常擅長生成和分析報告的人，也需要時間來製定新戰略，實施它，然後衡量結果，這就是機器學習可以產生深遠影響的地方。

我們需要認識到，機器學習與人工智能(A.I.)非常不同，因為它們是兩個獨立而有趣的學科。人工智能的理念是創造出最終能夠自學、做出複雜決定並考慮相關後果的機器;而機器學習更多地與實時數據挖掘相一致，它根據已經創建的模型提供結果。

然而，數據挖掘和機器學習之間也有一個根本的區別，即數據挖掘依賴於人，而機器學習依賴於一組具有自動化先決條件的數學模型。您向這些模型提供信息，然後對這些信息進行處理，並將其作為見解返回給您，並最終作為如何為您的獨特情況獲得最佳結果的建議。

機器學習已經在我們身邊了。它存在於我們日常生活中使用的東西中。例如，如果你訂閱了Netflix這樣的流媒體服務，你會收到來自Netflix推薦係統(RS)的電影推薦，該係統使用了機器學習。這個平台根據你的觀看曆史和其他近1億用戶的觀看曆史提供建議。前提是，那些在曆史偏好上相當相似的用戶在未來也可能擁有相似的品味。同樣，當你在Kogan.com網上購物時，你經常會收到一封帶有推薦產品列表的電子郵件，這些產品也是由一台機器生成的，它會不斷了解你的購物行為，以及成千上萬和你有相似購買行為的其他購物者的購物行為。很可怕，對吧!

穀歌、亞馬遜和Facebook等所有大公司都在機器學習方麵投入巨資，這種結果越來越容易實現。

如果我們在呼叫中心環境中應用類似的方法會發生什麼?如果機器學習可以向呼叫中心經理建議最佳撥號速率，或者一項計劃應該有多少用戶呢?如果機器學習可以快速查看所有數據，並建議聯係特定人員的最佳時間呢?如果這些決策可以基於推薦模型實時執行，會怎樣呢?如果這些更改是在沒有任何人工幹預的情況下自動實時應用的呢?可能性似乎無窮無盡。它可以潛在地減輕呼叫中心經理不得不做出這些決定，並不得不經曆前麵概述的漫長過程，節省大量時間，最終實現更好的結果。

一些專家預測，到2025年，金融服務行業高達49%的工作可以通過機器學習實現自動化，特別是在涉及國際貨幣交易和保險費計算的崗位上。
銀行正在大力投資“社交機器人”和“機器學習機器人”，旨在從交付過程中改善人與人之間的互動，他們非常具體地使用機器學習來解決這一問題。

如果我們研究呼叫中心行業，我們知道同樣的趨勢很可能會適用，隨著這種情況迅速形成，它到來的速度將會震驚人們。基本的工具已經有了。

想象一下，如果一台機器向你推薦運行呼叫中心的最有效方式——與人聯係的最有效方式以及獲得更好結果的最有效方式。想象一下，如果它使你的員工的效率提高了100%，會發生什麼?你可以用一半的勞動力完成同樣數量的工作!

contactSPACE正在進行一項重大投資，以補充我們現有的解決方案組合，並允許我們的客戶在業務績效方麵領先於競爭對手。

我們的機器學習平台設計為在contactSPACE中可用，並為呼叫中心經理提供一係列簡單而快速的建議。

隨著這個強大的機器學習平台的引入，人們可能會擔心它可能會導致呼叫中心經理的消亡。然而，這種新能力遠遠不會取代他們，而是會讓他們成為冠軍，因為他們使用這項技術和機器學習的建議來幫助他們的企業在效率上取得令人難以置信的收益。

機器學習將幫助創建“下一代”呼叫中心經理，他們將擁有強大的洞察力和建議，他們將更快地做出決策，關鍵是要比競爭對手快得多。

contactSPACE專注於解決中小型企業呼叫中心和銷售團隊麵臨的問題。我們通過提供領先的基於雲的聯絡中心解決方案來幫助企業，這些解決方案易於實現和使用，具有成本效益，功能豐富且可擴展。

contactSPACE
錢多斯街1號L9
聖倫納茲，新南威爾士州，2065
澳大利亞悉尼

此版本發布在openPR上。