수학적 프로그래밍으로 Amazon 규모의 컨택트 센터를 설계하여 접촉당 비용 절감

2000년대 중반까지 Amazon.com의 성공은 고품질 고객 서비스에 달려 있었으며, 이는 하이브리드 네트워크를 통해 제공되었습니다. 즉, 회사가 직접 운영하는 컨택트 센터와 오버플로를 처리하는 외부 관리 센터로 구성되었습니다. 의사결정은 서로 얽혀 있었습니다. 즉, 내부에서 몇 명의 상담원을 고용하고 교육할지, 그리고 얼마나 많은 음성 및 이메일 볼륨을 벤더에게 보낼지가 서로 연결되어 있었지만, 이를 개별적으로 산정하면 한쪽에서는 비용이 낭비되고 다른 쪽에서는 서비스가 저하됩니다.

Keblis와 Chen은 Amazon.com이 이 용량을 계획하는 데 사용하는 수학적 프로그래밍 접근법을 개발했습니다. 이 모델은 내부 센터의 채용 및 교육을 일정화하고 음성 및 이메일 볼륨을 외부 제공업체에 할당하여, 전체 네트워크를 개별적으로 관리되는 콜센터의 집합이 아닌 단일 시스템으로 계획합니다.

보고된 결과는 순진한 설정이 거의 달성하지 못하는 조합입니다. 즉, 이 접근법은 고객 접촉 처리의 평균 비용을 절감하면서 동시에 고객에게 제공되는 서비스 수준을 높였습니다. 서비스 운영에서는 보통 비용이 품질을 사지만, 공동 할당을 계획하는 것이 둘 다 얻는 방법입니다.

이 사례는 자체 운영과 외주 운영이 혼합된 서비스 네트워크를 가진 모든 비즈니스, 즉 물류, IT 지원, 백오피스에 대한 템플릿입니다. 레버리지는 콜 볼륨에 대한 더 나은 예측이 아니라 채용, 교육 및 라우팅 결정을 채널별이 아닌 함께 내리는 데 있습니다.

채용, 교육 및 라우팅을 위한 하나의 최적화 계획

어리석은 대안은 각 센터를 개별적으로 산정하고 관성적으로 벤더 계약을 갱신하며, 내부 채용에는 몇 달의 리드 타임이 걸리는 반면 벤더 볼륨은 유연하게 조정된다는 점을 무시합니다.

교육 리드 타임은 상담원 용량을 고착시킵니다. 다음 시즌 볼륨에 대한 라우팅 계획 없이 채용을 결정하면 교육된 상담원이 유휴 상태가 되거나, 벤더가 오버플로를 떠안고 그 비용을 다시 청구하게 됩니다.

수학적 프로그래밍은 이러한 구조에 적합합니다. 즉, 서비스 수준 제약 아래에서 인력 비용과 벤더 수수료 간의 선형적 트레이드오프이며, 수요가 증가함에 따라 최적점이 이동합니다.

전자상거래 접촉 기반은 계절적으로 급증합니다. 공동 계획은 모든 센터가 최악의 주에 맞춰 산정되도록 비용을 지불하는 대신, 그 피크를 내부 및 외부 용량 사이에서 재할당합니다.

서비스 품질은 용량 계획 문제입니다. 센터를 개별적으로 산정하면 어딘가는 과잉 인력이, 다른 곳은 부족 인력이 남습니다. 채용, 교육 및 라우팅을 하나의 최적화로 계획하십시오.

이 연구는 2006년 INFORMS의 실무 문헌의 일부로 Interfaces에 게재되었으며, 논문은 Amazon.com이 용량 계획에 이 접근법을 사용했다고 명시합니다. 이는 하이브리드 컨택트 센터 네트워크를 최적화하는 참조 사례로 남아 있습니다.