ارائه مدلي براي تحليل رفتار عامل‌هاي پاسخگو به تماس‌هاي مشتريان در مراكز تماس: مورد كاوي داده‌هاي عامل‌هاي مركز تماس يكي از شركت‌هاي خودروسازي

Presenting a Model for Analyzing Behaviors of Answering Agents to Customersʹ Calls in Call Centers: Case Study on Call Center Agentsʹ Data of One of the Companies Affiliated To Automobile Industry

هدف این مقاله ارائه مدلی برای تحلیل رفتار و تعیین فاكتور كارآمدی1[1] عامل‌های پاسخگو به تماس‌های مشتریان در مراكز تماس2 می‌باشد. هدف از ارائه این مدل شناسایی نقاط ضعف و قوت عامل‌ها در ارائه خدمت به مشتریان است. سه شاخص به نام‌های F، U و Q شامل تعداد دفعات پاسخگویی، مدت زمان یك تماس واحد و كیفیت پاسخگویی به تماس‌ها برای تحلیل رفتار عامل‌ها تعریف شد. سپس با مشاوره به كمك افراد خبره شاخص‌ها وزن‌دهی شدند. سپس با توجه به تعداد خوشه‌های بهینه براساس شاخص دیویس به خوشه‌بندی عامل‌ها با استفاده از روش كا- میانگین پرداخته شد. سپس معیاری برای سنجش كارآمدی عامل‌ها تعریف‌ كرده و به تحلیل نتایج به دست آمده پرداختیم. موردكاوی صورت ‌گرفته روی 3401535 ركورد از داده‌های تماس 158 عامل‌ در مركز تماس یكی از شركت‌های وابسته به صنایع خوردروسازی بوده ‌است. نتایج به دست آمده نشان می‌دهند كه كارآمدی عامل‌ها ارتباطی با جنسیت آن‌ها ندارد. شركت از بهترین و با تجربه‌ترین عامل‌های خود كمترین استفاده را در پاسخگویی به تماس‌های مشتریان می‌برد و در صورتی كه یكی از نكات مهم در مدیریت منابع انسانی استفاده بهینه از متخصص‌ها می‌باشد. از طرف دیگر نتایج نشان می‌دهند كه سازمان‌ برای استخدام عامل‌های جدید باید به سطح تحصیلات و مهارت آن‌ها در پاسخگویی به تماس‌های مشتریان بسیار توجه كنند.       1 .Agent Efficiency Factor [1] .Call Center      

  Present a model for analyzing agents’ behaviors and determining their efficiency factor, while responding to calls in call centers is the main goal of this study. The aim of this model is to identify the strengths and weaknesses of the agents providing these services to customers. The proposed process defines three criteria namely F, U and Q which represent the number of responding, duration of responding to a unit call and the quality of responding to calls. After obtaining experts’ opinions, parameters were weighted. Then, based on the number of optimum clusters provided by Davis we tried to cluster the factors using K-Means. In the next stage criterion to measure the efficiency of agents were defined, and results were analyzed.  The use case carried out on 3401535 records of 158 answering agents in the call center for one of the companies affiliated to automobile industry. The results show that efficiency of agents is not relation to gender. The company does not use enough “best agents” for answering customer calls; whereas one of the highlights of Human Resource Management is the efficient use of an expert. On the other hand the results show that company should pay attention to the education and skills of hired agents who answer customer calls.