مقاله انگلیسی رایگان در مورد پیش بینی حجم تماس دریافتی مراکز تماس شبکه عصبی مجدد

elsevier

 

مشخصات مقاله
عنوان مقاله Forecasting incoming call volumes in call centers with recurrent Neural Networks
ترجمه عنوان مقاله  پیش بینی حجم تماس های دریافتی در مراکز تماس با شبکه های عصبی مجدد
فرمت مقاله  PDF
نوع مقاله  ISI
نوع نگارش مقاله مقاله پژوهشی (Research article)
سال انتشار

مقاله سال ۲۰۱۶

تعداد صفحات مقاله  ۴ صفحه
رشته های مرتبط  مدیریت
مجله

 مجله تحقیقات بازاریابی – Journal of Business Research

دانشگاه  گروه فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیر طوسی، ایران
کلمات کلیدی  پیش بینی، پیش بینی مدل، مرکز تماس، شبکه های عصبی
کد محصول  E4292
نشریه  نشریه الزویر
لینک مقاله در سایت مرجع  لینک این مقاله در سایت الزویر (ساینس دایرکت) Sciencedirect – Elsevier
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

بخشی از متن مقاله:
۱٫ Introduction

Modern call centers are large and employ thousands of agents. Representing the front end of organizations, call centers are responsible for maintaining customer relationships and the overall public image of the organization. This study focuses on two important issues in call center operations: First, call centers are labor-intensive, with the cost of agents generally comprising 60–۸۰% of the overall operating budget (Aksin, Armony, & Mehrotra, 2007). Therefore, an effective management strategy must schedule a sufficient number of agents.

Second, call centers involve customer satisfaction factors such as perceived queuing time. Feinberg (Feinberg, Kim, Hokama, de Ruyter, & Keen, 2000) finds a statistically significant correlation between the length of queuing time and customer satisfaction, indicating that shorter queuing times have beneficial effects on customer satisfaction. Furthermore, according to Whiting and Donthu (2009), customer error in estimating queuing time affects their satisfaction. Consequently, shorter queuing times provide higher satisfaction than longer ones and avoid customer churn.

This study concludes that the first and most important step is to forecast future call volumes accurately. Much literature exists on forecasting; however, few studies attempt to develop effective models to forecast incoming call volumes in call centers. This study proposes a Neural Network model for forecasting call volumes to reduce waiting times and determining the optimal number of agents.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.