Afiniti是將人工智能（AI）和機器學習（ML）技術應用于聯絡中心的公司之一。該公司開發了一種基于人工智能的技術，該技術可以對聯絡中心的座席和客戶進行匹配，以幫助聯絡中心顯著改善其業務性能。Afiniti是Avaya的A.I.Connect倡議合作伙伴之一，但該公司的解決方案可以與任何聯絡中心或電話交換機一起工作。

Afiniti是一個充滿激情的信徒，認為聯絡中心應該是客戶獲得企業服務的保障。將客戶與座席匹配的這一核心功能應該滿足這一前提，即將客戶路由到最有可能達到預期結果的座席那里，無論是新的銷售、重復銷售、客戶保留還是問題的解決。該公司的人工智能算法使智能路由能夠優化這些期望，并找到最適合的一個。

盡可能地將座席與客戶期望的結果達成一致的想法并不是一個新概念；跟蹤和監控座席績效是標準的聯絡中心流程。Afiniti方法的獨特之處在于它改進了整個聯絡中心的整體表現，而不僅僅是表現出色的個人。另外，它的有效性可以被精確地測量。Afiniti對它的技術非常有信心，它愿意客戶安裝它的解決方案，不向客戶索取任何費用，只根據實際的性能改進結果來支付。

Afiniti解決方案是如何運作的？

Afiniti的技術使用了幾個受監測的機器學習技術，包括回歸分析和分類分析，以及貝葉斯（Bayesian）分析和啟發式分析。利用回歸分析，Afiniti的系統將客戶特征和行為與座席特征和績效進行互補性匹配，以估計特定座席在處理特定客戶時實現期望業務結果的可能性。

雖然這聽起來簡單而直接，但實際上卻相當復雜。下圖顯示了將座席與客戶進行匹配時的邏輯流程。

Afiniti的"客戶座席"匹配算法使用人工智能機器學習來優化聯絡中心的性能

它首先從客戶的自動編號標識或IVR系統的來電顯示開始。通過利用客戶的電話號碼作為初始數據查詢的依據，Afiniti系統應用數據鏈接機制從100多個公共和私有數據源訪問與客戶相關的信息。例如，利用電話號碼，Afiniti可以找到一個人的姓名，街道地址，城市和州。再利用這個位置信息，該公司可以訪問人口普查數據，以確定這個人的社區、城市或城鎮的特征。然后，它可以從信用報告機構、那些追蹤在線用戶行為的公司、社交網站、甚至追蹤購買信息的企業中提取這個人的數據。

所有這些帶有客戶屬性的數據都輸入到一個神經網絡來計算客戶類型或客戶特征，這是一個在微秒內完成的過程。使用Afiniti系統的公司通常會有設定少量的客戶類型，每個類型都可以進一步細分為子類型。在一個隊列中擁有超過100個不同的客戶子類型對于一個公司來說并不罕見。

我們應該注意到許多最終用戶企業已經有了自己的客戶細分方案。Afiniti使用一個企業自己的細分類型作為神經網絡的輸入，以及所有其他Afiniti收集到的關于一個特定客戶的個人數據，來產生一個獨特的Afiniti客戶細分。

客戶匹配座席的過程是由一種稱為回歸分析的機器學習技術完成的。Afiniti系統利用來自客戶和當值座席的數據作為回歸算法的原始數據。客戶數據包括客戶類型以及來自CRM數據庫中的任何其他現有數據。IVR數據和隊列數據也參與了分析，因為它們提供了關于客戶意圖的信息--他們來電的原因。例如，他們是想買東西還是想與技術支持對話，或者他們是否有中斷服務的請求？座席屬性，包括表現，也會反饋到回歸模型中。模型使用的其他屬性是基于對新的聯絡中心座席進行的可選的20分鐘調查，或者是基于Afiniti解決方案的初始設置。這些其他的屬性包括各種各樣的因素，比如喜歡/不喜歡，已婚/單身，男性/女性，孩子/沒有孩子，愛好/興趣，運動或不運動，愛好的音樂，體育方面的興趣，以及他們居住的地點。

基于客戶和座席數據，Afiniti軟件使用AI回歸模型參數來計算一個特定的座席如何成功地滿足業務目標（銷售、訂閱、交叉銷售、挽留等）。這些計算得出的座席概率根據差別在座席之間相互比較。

最后，基于聯絡中心服務水平的承諾和運行規則，Afiniti軟件做出了一個最優的座席配對。它遵循了所有的聯絡中心規則：隊列長度，座席之間的呼叫分配等。

重要的是，Afiniti解決方案是在聯絡中心操作規則的約束下工作的，而且它沒必要一定要對某一個座席有利。在Afiniti涉及的大型聯絡中心中，每個座席的目標都被設定為能夠最大程度地滿足企業的業務目標。而且，由于要公平地衡量其自身的表現，Afiniti將會使每個座席都受到公平的對待。

培訓和持續學習

Afiniti軟件在部署后需要花兩個星期到四個月的培訓和學習時間（主要是隱私和安全方面的原因），然后才能開始工作。

考慮到一個單一的聯絡中心座席可能需要大約每月接700個電話，或每四個月大約接2800個電話，自我訓練可能看起來時間很長。如果一個企業已經設定了100種不同的客戶類型，那么這就相當于每個客戶類型每座席每四個月有28個呼叫，這實際上對于訓練機器學習系統來說并不是很大量的數據。

因此，一旦系統投入運行，每日座席的表現就會不斷地反饋到回歸引擎中，從而在第二天的呼叫調用中更新系統。這種持續的學習機制是有用的，因為座席表現和客戶偏好可能會隨著時間的推移而發生變化，而臨時改變某些類型座席需求的事件可能會突然出現。

不斷的反饋循環也有助于培訓新座席的系統。新座席的屬性在招聘時立即被輸入進入系統，Afiniti軟件在考慮最佳匹配時立即開始計算該座席的可能性。當然，隨著時間和經驗，座席的匹配性能應該會提高。

證明Afiniti自身的性能：Afiniti是如何賺錢的

如前所述，Afiniti是一項非常有信心的技術，它可以免費安裝它的基于AI的座席-客戶匹配系統到聯絡中心當中?？蛻艉虯finiti在系統的性能指標上達成一致后，Afiniti基于其實際有效性收費。例如，如果一個Afiniti客戶想要更高的銷售轉換率，那么Afiniti就會根據其能夠證明其效果的較高銷售額按一定比例獲得報酬。

Afiniti使用統計抽樣的方式證明了自己的性能：每小時，Afiniti系統會在一定的時間內關閉客戶座席的匹配功能。然后與當Afiniti系統啟動時的座席績效進行比較。這樣，Afiniti和客戶都可以看到Afiniti解決方案對預期結果的影響，以及按實際系統性能的基礎支付。

它的有效性證明

在Afiniti網站上的一個案例研究證明是，T-Mobile描述了它在面對付費用戶尋求更高轉化率時如何轉向Afiniti解決方案的。根據T-Mobile公司的數據，Afiniti系統每年增加了7000萬美元的額外銷售。在其他的案例研究中，其他價值數十億美元的公司顯示，銷售增長的百分比與美元價值成反比。然而，在一家大公司里，銷售額的小幅比例增長就相當于一大筆錢。

Afiniti將其軟件定位于大型的聯絡中心。該公司聲稱，所有主要的美國電信公司都使用了它的技術，目前它有150個部署。

科技市場智能平臺提供商CB Insights最近將Afiniti在全球100家最有前途的私營人工智能企業中排名第一。基于其上一輪的融資，Afiniti的價值約為16億美元。

AI顯然正在進入通信和協作領域，為聯絡中心路由增加智能；提供智能聊天機器人和虛擬數字助手；或者根據面部識別開始視頻會議。Afiniti的故事產生了共鳴，因為它在生產中使用人工智能（AI）/機器學習（ML），并且它的收入模式是如此的透明和直接。