پیشگویی عملکرد شغلی در مرکز تلفن با استفاده از دسته کننده Bayes ساده

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

پیشگویی عملکرد شغلی در مرکز تلفن با استفاده از دسته کننده Bayes ساده

عنوان لاتین

Job performance prediction in a call center using a naive Bayes classifier

این مطالعه شیوه ای را برای پیشگویی عملکرد نمایندگی های فروش مرکز تلفن اختصاصی منحصرا برای فروش و فعالیتهای بازاریابی از راه دور ارائه می کند. این شیوه برمبنای دسته کننده Baysian ساده می باشد. هدف دانستن اینکه چه سطوحی از ویژگی ها حاکی از افرادی اند که به خوبی آن را انجام می دهند. نمونه 1037 نماینده فروش طی ماه های مارس و سپتامبر سال 2009 روی ستادهای انتخاباتی مرتبط با بیمه فروش و سرویس پیش پرداخت سرویس های تلفنی برای ساخت شبکه Baysian ساده بود. نشان داده شده که ویژگی های اجتماعی آمار و نفوس برای عملکرد پیش بینی شده مناسب نیستند. متناوبا، یادداشت های قابل استفاده برای تولید نمایندگان فروش، رسیدن به نتیجه رضایت بخش را پیش بینی می کنند. در این مورد، دسته کننده آموزش و آزمایش صورت گرفته را از طریق وارسی اعتبار ده برابر طبقه طبقه شده، انجام می دهد. مثالهایی به درستی برابر دسته بندی می شوند به نسبت فروش مثبت برای طبقه خیر (به حداقل نمی رسد) و برای طبقه بله (به مورد مساوی یا حداقل قابل قبول می رسد). این نتایج پیشنهاد می کند که ویژگی های اجتماعی آمار نفوس قدرت پیشگویی روی عملکرد را ندارند در حالیکه اطلاعات قابل استفاده فعالیتهای نماینده فروش نمی تواند عملکرد آینده آن نماینده را پیشگویی کند.

This study presents an approach to predict the performance of sales agents of a call center dedicated exclusively to sales and telemarketing activities. This approach is based on a naive Bayesian classifier. The objective is to know what levels of the attributes are indicative of individuals who perform well. A sample of 1037 sales agents was taken during the period between March and September of 2009 on campaigns related to insurance sales and service pre-paid phone services, to build the naive Bayes network. It has been shown that, socio-demographic attributes are not suitable for predicting performance. Alternatively, operational records were used to predict production of sales agents, achieving satisfactory results. In this case, the classifier training and testing is done through a stratified tenfold cross-validation. It classified the instances correctly 80.60% of times, with the proportion of false positives of 18.1% for class no (does not achieve minimum) and 20.8% for the class yes (achieves equal or above minimum acceptable). These results suggest that socio-demographic attributes has no predictive power on performance, while the operational information of the activities of the sale agent can predict the future performance of the agent