論文の概要: Silent Abandonment in Contact Centers: Estimating Customer Patience from
Uncertain Data
- arxiv url: http://arxiv.org/abs/2304.11754v1
- Date: Sun, 23 Apr 2023 21:43:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 16:26:14.481890
- Title: Silent Abandonment in Contact Centers: Estimating Customer Patience from
Uncertain Data
- Title（参考訳）: コンタクトセンターにおける無言放棄:不確かなデータから顧客忍耐度を推定する
- Authors: Antonio Castellanos, Galit B. Yom-Tov, Yair Goldberg
- Abstract要約: 我々は,顧客による静かな放棄がコンタクトセンターに与える影響に焦点をあてる。
顧客は質問に対する回答を待っている間、システムを離れるが、そうする兆候はない。
我々は,チャットとメッセージシステムという2つのタイプのコンタクトセンターにおいて,サイレント・アベンションの顧客を特定する手法を開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the quest to improve services, companies offer customers the opportunity
to interact with agents through contact centers, where the communication is
mainly text-based. This has become one of the favorite channels of
communication with companies in recent years. However, contact centers face
operational challenges, since the measurement of common proxies for customer
experience, such as knowledge of whether customers have abandoned the queue and
their willingness to wait for service (patience), are subject to information
uncertainty. We focus this research on the impact of a main source of such
uncertainty: silent abandonment by customers. These customers leave the system
while waiting for a reply to their inquiry, but give no indication of doing so,
such as closing the mobile app of the interaction. As a result, the system is
unaware that they have left and waste agent time and capacity until this fact
is realized. In this paper, we show that 30%-67% of the abandoning customers
abandon the system silently, and that such customer behavior reduces system
efficiency by 5%-15%. To do so, we develop methodologies to identify
silent-abandonment customers in two types of contact centers: chat and
messaging systems. We first use text analysis and an SVM model to estimate the
actual abandonment level. We then use a parametric estimator and develop an
expectation-maximization algorithm to estimate customer patience accurately, as
customer patience is an important parameter for fitting queueing models to the
data. We show how accounting for silent abandonment in a queueing model
improves dramatically the estimation accuracy of key measures of performance.
Finally, we suggest strategies to operationally cope with the phenomenon of
silent abandonment.
- Abstract（参考訳）: サービスの改善を目指す中で、企業は顧客に対して、コミュニケーションが主にテキストベースであるコンタクトセンターを通じてエージェントと対話する機会を提供する。
これは近年、企業とのコミュニケーションのお気に入りのチャンネルの1つになっている。
しかし, 接点センターは, 客が待ち行列を放棄したか, サービスを待つ意思があるかなど, 顧客体験の共通プロキシの測定が情報の不確実性にさらされているため, 運用上の課題に直面している。
この研究は、顧客による静かな放棄という不確実性の主な原因の影響に焦点を当てています。
これらの顧客は、問い合わせへの返信を待っている間、システムを離れるが、インタラクションのモバイルアプリを閉じるなど、それを行う兆候は示さない。
その結果, システムが残されていること, 廃棄物処理の時間とキャパシティを, この事実が実現するまで意識していないことがわかった。
本稿では,放棄した顧客の30%～67%が無言でシステムを放棄し,顧客行動がシステムの効率を5%～15%低下させることを示す。
そこで我々は,チャットとメッセージングの2種類のコンタクトセンターにおいて,サイレントアバンドメントの顧客を特定する手法を開発した。
まずテキスト解析とSVMモデルを用いて実際の放棄レベルを推定する。
次に、パラメトリック推定器を使用し、待ち行列モデルをデータに適合させる重要なパラメータとして顧客忍耐度を正確に推定するための期待最大化アルゴリズムを開発する。
本稿では,待ち行列モデルにおける無言放棄の会計が,パフォーマンスの重要な指標の推定精度を劇的に向上させることを示す。
最後に,無言棄却現象に対処するための作戦戦略を提案する。
関連論文リスト
- Which Client is Reliable?: A Reliable and Personalized Prompt-based Federated Learning for Medical Image Question Answering [51.26412822853409]
本稿では,医学的視覚的質問応答(VQA)モデルのための,パーソナライズド・フェデレーションド・ラーニング(pFL)手法を提案する。
提案手法では,学習可能なプロンプトをTransformerアーキテクチャに導入し,膨大な計算コストを伴わずに,多様な医療データセット上で効率的にトレーニングする。
論文 参考訳（メタデータ） (2024-10-23T00:31:17Z) - Communication-Efficient Federated Knowledge Graph Embedding with Entity-Wise Top-K Sparsification [49.66272783945571]
Federated Knowledge Graphs Embedding Learning (FKGE)は、パラメータのかなりのサイズと広範なコミュニケーションラウンドから生じるコミュニケーション効率の課題に直面する。
本稿では,Entity-Wise Top-K Sparsification 戦略に基づく双方向通信効率のFedSを提案する。
論文 参考訳（メタデータ） (2024-06-19T05:26:02Z) - CAUSE: Counterfactual Assessment of User Satisfaction Estimation in Task-Oriented Dialogue Systems [60.27663010453209]
我々は,大規模言語モデル(LLM)を利用して,満足度を考慮した対実対話を生成する。
生成されたサンプルの信頼性を確保するために、人間のアノテーションを収集します。
この結果から,TODシステムにおけるユーザ満足度推定のためのデータ拡張手法の必要性が明らかになった。
論文 参考訳（メタデータ） (2024-03-27T23:45:31Z) - Online Decision Mediation [72.80902932543474]
意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。
臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
論文 参考訳（メタデータ） (2023-10-28T05:59:43Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Improved Churn Causal Analysis Through Restrained High-Dimensional
Feature Space Effects in Financial Institutions [9.84528076130809]
顧客チャーン(Customer Churn)は、ビジネスとの関係を終了するか、特定の期間における顧客エンゲージメントを減少させる。
顧客の獲得コストは、顧客の保持の5倍から6倍になり得るので、リスクの厳しい顧客への投資は賢明です。
本研究では、独立変数と相関し、チャーンに影響を及ぼす従属変数と因果関係にある相反する特徴を発見するための概念的枠組みを提案する。
論文 参考訳（メタデータ） (2023-04-23T00:45:35Z) - Customer Churn Prediction Model using Explainable Machine Learning [0.0]
この論文の主な目的は、チャーンする可能性が最も高い潜在的な顧客を予測するのに役立つ、ユニークな顧客チャーン予測モデルを開発することである。
各種木に基づく機械学習手法とアルゴリズムの性能評価と解析を行った。
モデル説明可能性と透明性を改善するため,提案手法では,特徴の組合せについてシェープ値を計算する手法を提案する。
論文 参考訳（メタデータ） (2023-03-02T04:45:57Z) - Communication-Efficient Federated Learning with Accelerated Client Gradient [46.81082897703729]
フェデレーション学習は、クライアントデータセットの不均一な特徴のために、遅くて不安定な収束に悩まされることが多い。
本稿では,クライアント間の一貫性を改善し,サーバモデルの収束を容易にする,シンプルだが効果的なフェデレーション学習フレームワークを提案する。
我々は,アルゴリズムの理論的収束率を示し,精度と通信効率の点で顕著な性能向上を示す。
論文 参考訳（メタデータ） (2022-01-10T05:31:07Z) - Decentralized Federated Averaging [17.63112147669365]
Federated Averaging (FedAvg) は、膨大な数のクライアントを持つ分散トレーニングのための通信効率のよいアルゴリズムである。
我々は,非方向性グラフで接続されたクライアントに実装された運動量付き分散FedAvg(DFedAvgM)について検討する。
論文 参考訳（メタデータ） (2021-04-23T02:01:30Z) - Graph Neural Networks to Predict Customer Satisfaction Following
Interactions with a Corporate Call Center [6.4047628200011815]
本研究は、着信後の顧客満足度を予測するための完全運用システムについて述べる。
このシステムは、電話の音声からテキストへの書き起こしを入力とし、電話後の調査で顧客から報告された着信満足度を予測する。
論文 参考訳（メタデータ） (2021-01-31T10:13:57Z) - Turn-level Dialog Evaluation with Dialog-level Weak Signals for
Bot-Human Hybrid Customer Service Systems [0.0]
インタラクションの間いつでも、顧客サービスコンタクトにおける成功や価値の複数の側面を定量化する機械学習アプローチを開発しました。
いくつかのアプリケーションにおいて、Amazonのカスタマーサービス品質がどのように改善されているかを示します。
論文 参考訳（メタデータ） (2020-10-25T19:36:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。