Problemas de suministro relacionados con las muestras

Para manejar grandes volúmenes de datos sin sacrificar la calidad de los resultados y, al mismo tiempo, obtener los resultados en un periodo de tiempo aceptable, se han hecho determinados requisitos respecto a la composición de los contactos propuestos en una sesión.

Una de las estrategias que utiliza Contact Optimization es dividir loa datos del contacto propuesto en subconjuntos aleatorios de, aproximadamente, el mismo número de clientes; se optimizan los contactos propuestos de cada uno de estas muestras independientemente. Si hay varios subprocesos configurados y soportados por el hardware, estos muestreos de cliente se procesan de forma simultánea.

Existe una clase de problemas que puede generar errores o resultados no óptimos que representan un efecto secundario del enfoque de muestreos de cliente. El número de muestreos de cliente utilizados para la ejecución de una sesión se determina dividiendo el número de cliente del PCT por el valor del parámetro de configuración Optimize|AlgorithmTuning| CustomerSampleSize. Es importante que haya suficientes contactos propuestos que coincidan con cada regla de capacidad para que cada muestreo aleatorio de cliente sea estadísticamente similar respecto a cada característica utilizada por la regla de capacidad.

Por ejemplo, supongamos que tenemos 1 millón de clientes y que tenemos un tamaño de muestreo de cliente configurado de 1000. Esta configuración implica que tenemos 1000 muestreos de cliente. Imagínenos que tenemos una regla de capacidad configurada como: mínimo de 1 correo electrónico, máximo de 5000 correos electrónicos. Lo que hace Contact Optimization en este ejemplo es extraer las restricciones de la regla y modificarlas para propagar la regla entre los muestreos de cliente. En este ejemplo, la restricción de máximo de 5000 correos electrónicos se divide por el número de muestras, de forma que cada ejemplo se procesa con una restricción de máximo de 5 correos electrónicos. Pero, ¿qué se hace con la restricción de mínimo de 1 correo electrónico? Es imposible que cada muestra necesite un mínimo de 1/1000 de correo electrónico.

En lugar de esto, se seleccionará de forma aleatoria una muestra para procesar con una restricción de mínimo de 1 correo electrónico, mientras que las otras 999 muestras se procesan sin ninguna restricción de mínimo de correos electrónicos. Este proceso funciona muy bien, a menos que no haya suficientes contactos propuestos que usen el correo electrónico, para garantizar que todas las 1000 muestras obtengan, como mínimo, 1 correo electrónico. Si los contactos propuestos contienen sólo 500 contactos que utilizan correo electrónico, hay menos del 50% de probabilidades de que una muestra en particular contenga un correo electrónico. Esto significa que tiene un probabilidad mayor que el 50% de salir de la sesión sin errores, porque no se puede satisfacer el valor mínimo, aunque en los contactos propuestos hubiera 500 veces dicho valor mínimo. Para evitar esta situación, las características utilizadas en una regla de capacidad deberían estar bien representadas en relación con el número de muestreos.