Utilisation de l'apprentissage automatique pour prédire la qualité de service d'un centre d'appels-relais pour sourds et malentendants selon sa dotation en agents
Résumé
Para evaluar si el número de agentes asignados a un centro de llamadas puede alcanzar la calidad de servicio deseada, la investigación ha propuesto hasta ahora modelos analíticos o modelos de simulación.
Gracias a la abundancia de datos registrados en los centros de llamadas, ahora es posible entrenar modelos de aprendizaje automático capaces de predecir el rendimiento de los centros de llamadas. En este artículo,
utilizamos los datos de un centro de llamadas que atiende a la comunidad de personas sordas y con dificultades auditivas para entrenar modelos de aprendizaje automático que permitan predecir la calidad del servicio en
función del número de agentes asignados. A continuación, los comparamos con el modelo clásico de colas Erlang C, ampliamente utilizado en este sector de actividad. Los primeros resultados demuestran la superioridad de los
modelos de aprendizaje automático.
Pour évaluer si le nombre d'agents affectés à un centre d'appels permet d'atteindre la qualité de service visée, les travaux de recherche proposaient jusqu'à présent soit des modèles analytiques, soit des modèles de simulation. Grâce à l'abondance des données enregistrées dans les centres d'appels, il est aujourd'hui possible d'entrainer des modèles d'apprentissage automatique capables de prédire les performances du centre d'appel.
Dans cet article, nous utilisons les données issues d'un centre d'appels-relais au service de la communauté des sourds et malentendants afin d'entrainer des modèles d'apprentissage automatique pour prédire la qualité de
service selon le nombre d'agents alloués. Nous les comparons ensuite au modèle de file d'attente classique Erlang C, largement utilisé dans ce secteur d'activité. Les premiers résultats mettent en évidence la supériorité
des modèles d'apprentissage automatique.
Origine | Fichiers produits par l'(les) auteur(s) |
---|