ليس هناك ما هو أكثر مزعج من مكالمة هاتفية مفاجئة من عدد غير معروف. في عصرنا من الرسل والتواصل ، يمكن أن تتسبب المراسلات التي تحمل رقم هاتف غير مألوف ومومض على شاشة الهاتف الذكي في إثارة القليل على الأقل. إنه أمر مزعج بشكل مضاعف عندما لا تصل مكالمة فجأة فقط (مثل هذه المكالمات) ، ولكن أيضًا في وقت غير مريح لك. على سبيل المثال ، عندما لا تتمكن من الاستيقاظ بعد ، أو العكس ، تكون على قدم وساق في مثل هذا السرير الجذاب بعد يوم طويل. بعض الأعمال تدعو في عطلات نهاية الأسبوع ، بعد التاسعة مساءً أو ليلاً - بشكل عام تتجاوز الخير والشر.
بالمناسبة ، عني. اسمي ناتاشا ، أعمل في Skyeng كعالم بيانات وأشارك في تطوير المنتجات المختلفة للشركة. لماذا أتحدث عن المكالمات المفاجئة؟ يعد الاتصال الصوتي مع العملاء الذين يرغبون فقط في البدء أو لسبب ما توقفهم بشكل مفاجئ عن التدريب جزءًا من نموذج عمل الشركة. تساعد المكالمات على إشراك الناس وإعادتهم إلى عملية تعلم اللغة ، أو مباشرة لمعرفة الخطأ الذي حدث. إحدى مهامي الأخيرة هي تحليل عمل مركز الاتصال الخاص بنا. لقد ساعدتهم على اختيار أفضل وقت للاتصال بالطلاب في جميع أنحاء روسيا ورابطة الدول المستقلة: لأن لا أحد يحب المكالمات في أوقات عشوائية من اليوم ، وغضب مستخدمي بلدي هو آخر شيء.
إن مزاج الأشخاص أثناء هذه المكالمات مهم للغاية بالنسبة لنا ، لأنه يؤثر بشكل مباشر على التحويل. لذلك اسمحوا لي أن أخبركم أكثر عن كيفية اتصال Skyeng بالطلاب ونموذج التنبؤ الذي قمت بإنشائه حتى يصبح عملاؤنا مرتاحين ومريحين ، ونصل إلى معدل تحويل يتراوح بين 60 و 70٪.
من المستحيل جسديًا تخمين الوقت المناسب لشخص معين ، إلا إذا كنت نفسياً. مدح التقدم ، لتحديد هذه الأنماط التي توصلت إليها إحصاءات ، يكون نموذجها زائد أو ناقص يلائم الغالبية العظمى من المستخدمين.
في تحليل سجلات CRM لدينا ، والذي يسجل نشاط مركز الاتصال ، تم تأكيد فرضية المكالمات التجارية خارج ساعات العمل والحاجة إلى اتباع المنطق السليم فقط. لذلك اتضح أنه من الأفضل الاتصال بالأشخاص من الاثنين إلى الخميس ، من 10 إلى 18 ساعة (فجأة!). خلال هذه الفترة الزمنية ، يُرجح أن يتصل الأشخاص على الأرجح وتستمر المكالمة لأكثر من 15 ثانية ، أي أننا نعتبرها ناجحة.
بادئ ذي بدء ، قررنا تحديد تأثير العامل البشري على التحويل ، أي أن ننظر إلى نجاح مشغلي مركز الاتصال:
ليس عليك أن تكون محققًا لتتمكن من رؤية "المذيعين" على هذا المخطط. هذان الشذوذان هما عاملان مع نوع من الكفاءة المنخفضة للغاية. ماذا نفعل بالبيانات الشاذة ، التي تكمن طبيعتها ، على الأرجح ، في العامل البشري؟ أعتقد أننا نستبعد هذه البيانات تمامًا من النموذج لتحقيق نقاء ودقة النتيجة. ماذا فعلت فعلا. حسنًا ، في الواقع ، فإن هاتين المشغلتين ، أو بالأحرى نتائجهما ، خرجتا عن الصورة في مركز الاتصال لدرجة أنني متأكد تمامًا من أن الأمر ليس عملية العمل ، بل الموظفين أنفسهم. ربما هم قادمون جدد ، وهذا يعطينا أيضًا سببًا لاستبعادهم.
لكن بيانات ستة مشغلين آخرين مع تحويل أقل من 0.5 لا تزال في النموذج. أعتقد أنه لا يمكن أن يكون هناك مواقف مثالية ، مثل الأشخاص ، لذا فإن هؤلاء الستة سيوازنون حساباتنا الإضافية مع بقية عينة الموظفين البالغ عددها 50 موظفًا.
المناطق الزمنية ، المناطق ، وأيام الأسبوع
لدينا موقف صعب مع المناطق الزمنية. نحن نجمع الآن معلومات كافية لتحديد من أين هو الطالب ومتى يكون من الأفضل له الاتصال به. ولكن هذا كان بعيدا عن دائما. كانت هذه الطبقات من المعلومات القديمة ، لكنها لا تزال تعمل ، هي التي أوجدت عددًا من الإزعاج لمستخدمينا ومشغلي مركز الاتصال. لمعالجة هذه البيانات القديمة ، كتبت حسابًا منفصلاً لمنطقة المستخدم استنادًا إلى بيانات غير مباشرة أخرى (حسب رقم الهاتف والمنطقة ومعلومات حول استخدام تطبيقنا).
إذا بدأت الحفر بشكل أعمق في إحصاءات CRM ، فلا يزال بإمكانك الحصول على طبقة كاملة من المعلومات المفيدة لإنشاء نموذج فعال. للبدء ، صممت جدول تحويل لأيام الأسبوع لتأكيد افتراضي الأولي بأنه من الأفضل الاتصال في أيام الأسبوع ، ما عدا يوم الجمعة. في الواقع ، كانت افتراضاتي صحيحة:
تم إجراء مثل هذا التقسيم إلى موسكو وسانت بطرسبرغ ومدن أخرى على وجه التحديد بسبب الشكوك من حيث تحديد المنطقة الزمنية. لليوم صفر أخذنا الاثنين ، على التوالي ، السادس - الأحد. يوضح الرسم البياني أعلاه بوضوح مدى تراجع التحويل حسب المنطقة في عطلات نهاية الأسبوع ، مما يؤكد فرضية وجود مشكلة في المناطق الزمنية التي يركز عليها مشغلو المراكز.
موسكو وبيتر أفضل قليلاً. ربما لأن سكان هذه المدن اعتادوا على وتيرة أعلى للحياة. ولكن حتى مع كل الرعب في سكان موسكو وسكان المدينة على نهر نيفا ، فإن الأرقام تقول "لا يوجد شيء ندعوه من الجمعة إلى الأحد".
يتم الوصول إلى الحد الأدنى لهدفنا وهو 0.6 مرة واحدة فقط - يوم الاثنين ، وهو أمر مثير للدهشة ، حيث من المقبول عمومًا أن هذا اليوم هو الأصعب وأن الناس يترددون في حل أي مشكلات جانبية يوم الاثنين ، حيث يركزون على العودة إلى إيقاع العمل بعد الانتاج. لا ، لا ، ومرة أخرى لا - الأرقام لا تكذب. علاوة على ذلك ، نمر بسلاسة على مدار الأسبوع ، ويبدأ الركود يوم الخميس فقط.
الأكثر إثارة للاهتمام هو الصورة عند تحليل المكالمات على مدار الساعة:
لاحظ الذيل القوي على اليسار للمناطق. على الأرجح ، تم إجراء هذه الاستدعاءات في وقت غير مقبول بسبب وجود منطقة زمنية محددة بشكل غير صحيحالآن دعونا نلقي نظرة على تحويل بعض أيام الأسبوع:
فيما يلي البيانات الخاصة بيوم بطل الاثنين. في بداية المخطط ، يتم دفع "المناطق" إلى الأمام. حوالي الظهر ، تم تسوية الوضع. بالمناسبة ، انتبه إلى الحركة المتماثلة لمخططنا في حوالي 15 و 16 ساعة ؛ أن العاصمة ، أن المناطق تظهر بالضبط نفس الحركة في هذا الوقت.
لكن في يوم الثلاثاء ، بدأ الوضع يتغير:
ويوم الخميس ، تظهر المناطق عدم رغبتها في الرد على المكالمات:
تذكر قلت مكالمات عطلة نهاية الأسبوع هي الشر؟ بشكل عام ، تؤكد الصورة الإحصائية كلماتي ، لكن هناك كلمة "لكن". باختصار ، انظر لنفسك:
في الساعة 9-10 صباحًا ، يتحول التحويل في المناطق! وبالفعل في الساعة 11 صباحًا - بالكاد تنفصل عن علامة 0.4 ، أي أنها تتخبط مرتين. ليس لدي أي فكرة عن كيفية عمل ذلك ولماذا يحدث ، لذلك يمكنني مشاركة نظرياتي في التعليقات ، وأنا أحب قراءتها.
إذا قمنا بتلخيص جميع البيانات ، فيمكننا اشتقاق القواعد التالية لإجراء مكالمة "ناجحة":
- الاثنين: من 13 إلى 17 ؛
- الثلاثاء: من 12 إلى 18 ؛
- الأربعاء: من 11 إلى 12 ومن 15 إلى 17 ؛
- الخميس: من 10 إلى 17 ؛
- الجمعة: من 10 إلى 12 ؛
- السبت: من 16 إلى 18
- الأحد: من 13 إلى 14 ومن 18 إلى 19.
في الواقع ، كل شيء يناسب في إطار المنطق السليم. في أيام الأسبوع من الاثنين إلى الخميس - يكون الاتصال مستحيلًا حتى الساعة 5 إلى 6 مساءً ، وبعد ظهر يوم الجمعة لحل أي مشكلة. الإحصاءات في عطلات نهاية الأسبوع "تطفو" قليلاً ، مع التركيز على فترة ما بعد الظهر ، بالإضافة إلى الذروة الشاذة التي سبق ذكرها في الساعة 10 صباحًا يوم الأحد ، تخرج عن الصورة. وهكذا كل شيء مستقر.
ماذا فعلت مع كل هذا وما النموذج الذي بنيته
قبل الشروع في بناء نموذج لمركز الاتصال ، كان من الضروري استخلاص عدة استنتاجات. أولاً ، كل هذا يتوقف على وقت المكالمة. ولكن هنا لدينا مشاكل.
الشيء الوحيد الذي يمكننا تتبعه هو منطقة تسجيل رقم الهاتف ، ونبدأ بالفعل من هذه المعلومات من بناء مركز الاتصال. ولكن في كثير من الأحيان تنشأ حالات لا يمكننا فيها تحديد الرقم المشار إليه بالضبط من أي منطقة.
هذا ، وليس بعض الكسل الخيالي للمناطق ، هو الذي يؤدي إلى حقيقة أن المؤشرات العامة لتحويل المستخدم خارج طريق موسكو الدائري والطريق الدائري تهدأ بالنسبة للعواصم. ماذا يمكننا أن نفعل في هذه الحالة؟
- الالتزام بالمناطق الساخنة المحددة للمكالمات إلى المناطق إذا لم يكن لدينا بيانات كافية.
- نحتاج إلى البحث عن أدوات لتحديد موقع المستخدم بشكل أكثر دقة ، حتى لا يزعجه بمكالمات فارغة.
النقطة الثانية مهمة بشكل خاص. هذه التناقضات هي التي تقلل من معدل التحويل الكلي ، ولا تزال تغضب العملاء.
ولكن دعنا ننتقل إلى بناء النموذج. فيما يلي قائمة عامة بالأعراض التي حددتها على أنها ذات صلة:
- ساعة - ساعة المكالمة (علامة قاطعة من 0 إلى 23).
- أيام الأسبوع - يوم الأسبوع (علامة قاطعة من 0 إلى 6).
- العمر - عمر الطالب.
- العمر - وقت حياة الطالب (في الدروس) في وقت المكالمة.
- app_hour_ {k} - الموسمية اليومية لاستخدام التطبيق. لكل ساعة ، يتم تحديد k على أنه جزء من الإجراءات في التطبيق في تلك الساعة (k = 0 ، ... ، 23) من إجمالي عدد الإجراءات في التطبيق.
- app_weekday_ {k} - الموسمية الأسبوعية لاستخدام التطبيق. لكل يوم من أيام الأسبوع ، يتم تحديد k كنسبة الإجراءات في التطبيق في ذلك اليوم من الأسبوع (ك = 0 ، ... ، 6) من إجمالي عدد الإجراءات في التطبيق.
- class_hour_ {k} - موسمية الدروس اليومية. لكل ساعة ، يتم تحديد k على أنها جزء من الدروس في تلك الساعة (ك = 0 ، ... ، 23) من إجمالي عدد الدروس.
- class_weekday_ {k} - الموسمية الأسبوعية لاستخدام التطبيق. لكل يوم من أيام الأسبوع ، يتم تحديد k كنسبة مئوية من الدروس في ذلك اليوم من الأسبوع (ك = 0 ، ... ، 6) من إجمالي عدد الدروس.
- is_ru - 1 إذا كانت دولة الطالب هي روسيا و 0 إذا لم يكن.
- last_payment_amount - مبلغ الدفعة الأخيرة.
- days_last_lesson - عدد الأيام من آخر درس (في غياب آخر درس ، استبدل بالرقم -100).
- days_last_payment - عدد الأيام من آخر دفعة (في حالة عدم وجود آخر دفعة ، نستبدل بالرقم -100).
في البداية ، كانت هناك حوالي مائة علامة ، لكن الحسابات والاختبارات أظهرت أنها لم تؤثر على النتيجة النهائية ، لذلك تم استبعادها باعتبارها غير معلوماتية (على سبيل المثال ، شدة الدروس وجنس الطالب ومستواه وما إلى ذلك). كنموذج للتصنيف الثنائي ، تم استخدام مكتبة تدرج متدرج على أشجار قرار CatBoost.
وهنا نوعية نموذجي (في عينة التحكم):
تم الحصول على هذه النتائج لحد الفصل الفاصل بين 0.5 وهو القيمة الافتراضية. نحدد الحد الفاصل الأمثل للفصل بناءً على منحنيات ROC (خاصية تشغيل المستقبل).
للقيام بذلك ، نقوم ببناء اعتماد خصائص مثل اكتمال وخصوصية اعتمادا على القيم المختلفة للحد الفاصل بين الطبقات:
ستكون القيمة المثلى للحد هو المكان الذي نحصل فيه في نفس الوقت على أعلى قيم ممكنة من الاكتمال والنوعية (أي ، في هذه الحالة ، حيث تتقاطع الرسوم البيانية). بالنسبة للنموذج الناتج ، كان الحد الأمثل هو 0.56717.
جودة النموذج مع الحد الأمثل هو كما يلي:
في وضعنا ، كانت دقة النموذج أكثر أهمية لنا من اكتمالها. إنها الدقة المتزايدة التي تسمح لنا بتقليل عدد التوقعات الإيجابية الخاطئة ، أي أنها تسمح لنا بتقليل عدد المواقف عندما كنا ننتظر مكالمة ناجحة ، ولكن تبين أنها غير ناجحة.
إذا لخصت آلية النموذج:
- لكل ساعة من اليوم واليوم من الأسبوع لكل طالب ، يتم احتساب احتمال الاتصال مع مراعاة خصائصه وتوقيته المحلي ؛
- لمزيد من التخزين ، يتم تحديد وقت من 9 إلى 20 ساعة لكل يوم من أيام الأسبوع (يتم تحديد الوقت وفقًا للمنطقة الزمنية للطالب) ؛
- قبل التوفير ، يتم تحويل الوقت إلى توقيت موسكو ، حيث سيتم تنفيذ الاتصال في المنطقة الزمنية في موسكو ؛
- يتم حفظ النتائج في قاعدة البيانات.
لذلك ، تنبأ مشغلو مركز الاتصال الآن ببيانات حول احتمال الاتصال لكل مستخدم ، ولكل ساعة وكل يوم من أيام الأسبوع. إذا لم تكن المكالمة عاجلة ، فيمكن للمشغل اختيار أفضل مكان في الأسبوع ، وفي الحالات القصوى - إذا لم يعد من الممكن تأجيل المكالمة - أنجح لحظة في يوم العمل الحالي.
بالطبع ، بعد إدخال النموذج الخاص بي ، سيكون من الضروري التوقف مؤقتًا ، ثم القيام بكل هذا العمل مرة أخرى ، ولكن باستخدام بيانات جديدة. يمكنني إجراء بعض العمليات الحسابية المجردة إلى ما لا نهاية ، وحساب الاحتمالات وإضافة متغيرات جديدة إلى النموذج ، ولكن إلى أن تؤكد إحصائيات المعيشة وجهة نظري ، فمن السابق لأوانه إغلاق هذا السؤال.
إذا أعجبك ذلك ، فسأعود بعد فترة من الوقت بالبيانات الجديدة التي تم الحصول عليها بعد إدخال نموذج التنبؤ الخاص بي.