在基于消息的客户沟通系统上，一般会需要对座席应答时间延迟进行预测，可以让客户知道座席的应答行为大概在什么时候发生。客户好做打算，是等啊、等啊还是等啊？
这个预测的功能看起来很微不足道，但是实现起来还是需要有点考量才可以。参考 PPMESSAGE 的实现，本文我将简单描述 PPMESSAGE 如何实现预测应答延迟时间的。
最初的时候是打算通过计算最近几次会话的座席平均延迟值来推测下一次应答时间延迟，这种方法貌似简单，但是局限非常明显，比如客户晚上来咨询，一般来说没有座席能够即时应答，这样应该提示客户可能需要数个小时后才能得到应答。均值算法当然没有办法覆盖这种情况。有同学自然会想，可以再加上逻辑判断白天晚上工作时间等等，可以讲这条路貌似要朝那个叫做死胡同的地方走了。因为对于 PPMESSAGE 这种 SaaS 服务，里面有N个公司同时在使用，他们昼伏夜出，淘米拉磨的方式各不相同。如何为每个公司判断呢？
到这里，我是不是该转场到机器学习了，有点突然，毕竟它是这么这么的热，那就搞一搞吧。顺便提一句，美国有个公司 Intercom 也有这个小功能，是不是用机器学习实现的就不清楚了。（这里为了混个关键词，可忽略，😄）
一般来说，座席应答客户的延迟时间和客户发送消息所携带的时间信息强烈关联，时间里面包含0-23小时，周一到周日，1-31日，1-12月，这个时间一定要转化成本地时间，这样就能携带工作时间的信息。这样的信息产生的结果就是座席应答时间的延迟，可以把延迟按照10秒，20秒，40秒区隔，10秒即左移0位，20秒即左移1位，40秒左移2位等等到数个小时，越往后越宽阔呀。这样就把一个时间延迟的问题转化成了数据映射。一组时间数据对应一个移位值。真实世界的问题已经虚幻了，走向了线性代数。OK，就到这里！
当然实现上还有很多注意的细节，对没有得到回复的信息进行跟踪，并且不断训练；每隔一段时间自动的根据当前时刻进行预测为客户提前做出预测值的准备等等。
细节内容还有很多，以后可以慢慢讲来。
周末愉快！写个软文，热热身。
PPMESSAGE 创始人
丁贵金
2017年4月14日
