IVR的评价与优化.doc

IVR的评价与优化李大川1,2，忻展红1（1. 北京邮电大学经济管理学院 北京 100876；.中国移动通信集团公司 北京 100032）摘要 本文从用户使用复杂性的角度出发，建立IVR（自助语音应答系统）性能评价指标，应用贪婪算法建立逐层构造的方法对IVR菜单设置进行优化。通过对某呼叫中心IVR菜单的评价和优化，验证了此优化方法的快速性和准确性。关键词呼叫中心；IVR优化；贪婪算法1引言随着我国通信业的发展，电话普及率不断提高，电信运营商主要服务部门呼叫中心的服务压力不断增大。目前主要存在着两个问题：通信业务量增长快，凸现客户服务资源投入的不足和客服中心服务压力的增大；业务量不均衡，凸现忙时服务水平不高、运营效率低下与闲时客服中心资源利用率不高的矛盾。IVR现在已成为呼叫中心的重要组成部分，可以解决用户的绝大部分问题。但由于IVR的使用不便性，用户经常需要跳过IVR转入人工服务，降低了IVR的利用率，增加了人力需求。因此，如何对IVR进行改进成为管理人员的一个重要课题。早期的研究主要集中在提示信息、交互界面上1，2，这些研究能够发现和解决一些问题，比如关键的信息放在提示信息的句尾要比放在句首好得多。随着数据库技术在呼叫中心的广泛应用，人们开始根据历史呼叫记录对IVR进行分析和改进。呼叫中心专家Suhm提出以IVR节省的人工时间为指标对IVR进行评价以及建立IVR用户路径图来分析和改进IVR3。他的方法在许多商业中心的呼叫中心获得了成功应用。本文从IVR使用复杂性出发，给出对IVR的评价指标，为管理人员了解IVR的使用性能提供了一种依据。基于这个指标，应用贪婪算法建立了优化IVR菜单的方法。2复杂性评价指标在IVR中的应用图1是一个简单的IVR系统，它包含两个一级菜单A和B，一级菜单下各有两个二级菜单A1、A2和B1、B2，菜单前面的数字表示按键选择的号码。假定用户在确定所需菜单之前必须已经听到相应的菜单播报，那么用户到达目标菜单之前的时间主要花费在听系统播报菜单以及按键选择上，而这些由目标菜单在整个IVR菜单结构中的层次所决定。目标菜单的层数越多，在同一层中次序越靠后，那么用户听的播报次数就越多，按键次数也越多；反之亦然。例如到达菜单B2，用户需要听播报“A请按1”、“B请按2”，然后按键2，再听播报“B1请按1”、“B2请按2”，再按键2，一共听播报4次，按键2次。用向量X=(x1,x2,，xm)表示一个菜单的层次。m表示此菜单的总层数，也即需要按键的次数。xi表示其经过的第i层菜单所在的次序，也即用户在第i层时确定相应菜单所需听的播报次数。如图1中A1的层次为（1，1），B2的层次为（2，2）。一般来说听播报和按键对使用复杂性的影响具有不同的权重，并且随着播报次数和按键次数的增加，相应的影响急剧增加。因此将播报和按键的影响权重设置为呈指数增长，设听播报的权重为W1，按键的权重为W2，则定义单个菜单的复杂性评价为： f(X)=W1i+W2j （1）其中X=(x1,x2,xm)，n为到达目标菜单之前的所有播报次数，n=xi，W1,W21。下面建立对整个IVR系统的复杂性评价。设IVR一共有n个目标菜单，它们的层次记为X=(X1,X2,Xn)T，其中Xi表示一个菜单的层次，以它们为目标菜单的概率为P=(p1,p2,，pn)T，单个菜单的评价指标为f()，则对整个IVR复杂性评价的函数为： F(X,P)= f(Xi)pi （2）它的含义为用户使用IVR的平均复杂性。3对IVR菜单的优化在确定各菜单访问概率的情况下，可以通过调整IVR菜单的层次来优化IVR菜单设置，降低IVR的使用复杂性，从而提高用户对IVR的使用满意度。IVR菜单结构一般是按照有序树的方式进行组织的，属于相同父节点的子节点具有并列关系，因此在调整IVR菜单结构时，仅对同一父节点下各子节点的次序进行调整。如果某一父节点下有h个子节点，那么它们次序的组合必须为1，2，h的全排列之一。将所有可能的菜单层次设置的集合记为Q，则IVR菜单优化的模型Z为： Z=minF(X,P)，XQ （3）以图1为例说明约束条件Q，设其各菜单作为目标菜单的概率以及层次如表1所示。则X=(x1)，(x2)，(x1，x3)，(x1，x4)，(x2，x5),(x2，x6)T,P=(p1，p2，p3，p4)T，其中X需要满足限制条件：(x1，x2)（，），（，），（x3，x4）（，），（，），（x5，x6）(1,2),(2,1)。因此Q中一共有8个元素，也即菜单设置有8种方案。3.1穷举法在寻找最优的IVR菜单配置方案时，穷举法是一种最容易提到的方法。其主要思路为：获得所有可能的配置方案，计算每一种方案的评价指标，通过比较找出其中的最优配置。这种方法对于规模较小的IVR菜单系统是可行的，例如上面的例子中备选方案一共有8种，计算量并不大。实际的IVR菜单系统非常庞大，穷举法在理论上是可行的，但是计算量非常大，优化速度很慢。3.2贪婪算法为了解决穷举法的缺陷，我们应用贪婪算法来寻找最优解。贪婪算法是一种直观的问题求解方法，采用逐步构造最优解的过程，在优化方法上有着广泛的应用4。在构造过程的每个阶段，都作出一个在一定标准下最优的决策，作出决策的依据称为贪婪准则。由于子节点的次序会影响父节点的排列次序，采用从最低级节点向前逐层构造菜单配置的方法。贪婪准则为在当前可选的所有配置方案中选择最优配置。在实际编程过程中采用递归的方式，其优化模块流程见图2。优化模块的输入为一个菜单节点。第一步判断这个菜单节点是否含有子菜单节点。如果有，则需要递归调用本模块，输入子节点名称，从而对其每一个子节点内部进行优化，然后再对当前子节点采用穷举法查找最优排序；如果无，那么模块结束。因此在求取整个菜单的最优解时，只需输入最顶端的菜单名称即可。4实例分析下面根据某呼叫中心品牌A在某一日的数据对IVR进行优化，各菜单作为目标菜单的概率用相应在那个菜单结束的频率与IVR菜单的总访问次数的比值来估计。图3为优化前后的IVR菜单结构。图3（a）上的数字为相应菜单作为目标菜单的概率的百分比，省略了符号“%”，例如71.51表示的是71.51%。由于篇幅所限，我们在两个地方作了精简：没有具体详细列出菜单名称，相应列了其在原系统中的层次；除了对第一级第一个子菜单的二级以上的子菜单作了详细说明外，对其余的二级以上的子菜单进行了省略。另一个需要特别说明的是转人工菜单，一般都是将其固定在同一级菜单的末尾，因此不作调整，在图3中用“0”表示。结合用户的评价和呼叫中心客服人员的经验，我们认为播报的权重W1=1.2，按键的权重W2=1.5比较符合实际。根据式（2），可得此IVR的使用复杂性评价值为4.97。采用贪婪算法进行优化。优化后的（第一个子菜单）如图3（b）所示，其中菜单“13”、“14”、“15”、“16”、“18”的位置发生了变化，同时由于“14”变了，所以“141”、“142”相应的层次也变了。其余部分此处省略叙述。根据优化后的菜单重新计算IVR使用复杂性为4.84，比原来约降低了2.6%。再对穷举法的计算量和贪婪算法的计算量作一下对比分析。此IVR菜单系统总共有42个目标菜单，可以调换节点的层次总共有10个，其各可变的节点数分别有5、8、3、3、8、2、2、2、2、2个，因此如果采用穷举法总共有5!8!3!3!8!22222=2.251014种备选方案，每种方案需要计算42个菜单指标，则一共需要计算9.441015次菜单指标。而采用贪婪算法时，我们从最低级开始构造，在构造低级别时并不需要将上层级的菜单计算在内，并且一旦确定某一层内的节点次序后，在构造其他层时不会对已确定的层内节点重新排序，因此计算量大大减少，经计算总共仅需计算8.92105次菜单指标，其计算量与穷举法相比约降低了10个数量级。5结束语本文根据菜单的层次和其作为目标菜单的概率建立IVR使用复杂性的评价指标，此指标能客观地反映IVR使用复杂性的情况，并且非常容易计算。其次根据贪婪算法建立的IVR菜单优化方法具有优化效果好、速度快的优点，为建立动态优化IVR菜单提供了途径。参考文献1 Edwards K, Quinn K, Dalziel P B, et al. Evaluating commercial speech recognition and DTMF technology for automated telephone banking services. Advances in Interactive Voice Technologies for Telecommunication Services, June 19972 Delogu C, Di Carlo A, Rotundi P, et al. A comparison between DTMF and ASR IVR services through objective and subjective evaluation. Interactive Voice Technology for Telecommunications Applications, 19983 Suhm B, Peterson P. A data-driven methodology for evaluating and optimizing call center IVRs. International Journal of Speech Technology, 2002, 5 (1)4 Paschos V T. A survey of a