基于智能算法的师徒关系匹配在运营商的实际应用

［梁伟明 陈震原 刘英 肖军 李媛］

1 引言

师徒传承是中国古老传统文化的重要组成部分，其目的在于传承技艺和知识、培养学生的品德和思想。在运营商呼叫中心领域，人员流失一直是制约团队产能的瓶颈问题，培养一个新员工的周期长、成本高[1]。因此，为新员工匹配合适的师傅，对于新员工后期的能力成长、对企业忠诚度的提升至关重要。然而，不同个体具有各种各样的人格特质，对于师徒之间的互动和学习能力会产生一定的影响。传统运营商领域的师徒关系匹配通常采用随机分配、自由选择匹配、基于技能匹配[2]。通常会结合“盖尔-沙普利”算法提供相应参考，但单独使用该方法存在：不适合性、滥用性等弊端，可能导致一些师傅被持续匹配到不擅长或不感兴趣的学徒，从而影响他们的积极性和教学效果；如果没有适当的约束或监管，也可能存在人为操作或利用算法漏洞的风险，从而导致师徒关系的不公平和不稳定[3]。因此，本研究旨在探讨基于“16PF 人格测评”和智能算法“盖尔-沙普利”的师徒匹配关系，以期推进师徒关系的优化，进一步提高徒弟的效益。

2 研究方法

师徒匹配关系是指在师徒传承过程中，师傅和徒弟之间的人格特质是否相似或互补。许多研究表明，师徒之间的人格特质匹配关系对于传承过程中的互动和学习效果都会产生一定的影响。比如，Mayer 等人（2008）的研究发现，在企业师徒制度中，具有外向个性的师傅更容易与内向的徒弟建立良好的沟通和关系，从而更容易实现技能的传承和学习[4]。因此，师徒间的人格性格也是影响之间相处的重要因素。

2.1 16PF 人格测评工具

16PF（Sixteen Personality Factors）人格测评工具基于在个体行为和思维模式方面的16 个基本特征或因素，来描述和评估个体的人格特点。其涵盖了广泛的人格维度，包括情感稳定性、开放性、外向性、利他性、直觉性、焦虑性、性格刚性等[5]。通过评估这些因素，16PF 可以提供对个体不同方面的人格特点进行全面和深入的分析。

16PF 测评工具可以用于多种领域，包括人力资源管理、职业发展、团队建设、临床心理学等。它可以帮助个人更好地了解自己的人格特点和行为倾向，可以有效解决传统分配方式存在的不适合的问题，并为组织提供重要的人才管理和发展决策依据。

2.2 “盖尔-沙普利”智能算法

“盖尔-沙普利”（Gale-Shapley）算法是一种经典的稳定婚姻匹配算法，也被称为男优先或女优先算法。它是由David Gale 和Lloyd Shapley 在1962 年提出的。该算法解决了一个稳定婚姻匹配问题，其中有一组男性和一组女性，每个人都有自己的偏好列表。目标是找到一种稳定的分配方式，即没有两个人彼此喜欢对方而不喜欢当前的配偶。这个算法的关键之处在于，它保证了找到一个稳定的匹配，其中不存在两个人彼此喜欢对方而不喜欢当前的配偶。它是一种非常有用的算法，可以有效地解决这类问题并获得稳定的结果[6]。因此，盖尔-沙普利算法的思想可以为运营商客服中心领域的师徒关系匹配提供一种优化方法。

2.3 “16PF 人格测评”与“盖尔-沙普利”算法的结合

本研究的创新点在于，在利用智能算法“盖尔-沙普利”排列呼叫中心师徒制关系的同时，考虑到个体人格差异，将两种方法进行有效结合，可有效解决传统方式的不适合性、滥用性等问题。技术路线如图1 所示。

（1）16PF 人格测评

首先，参与者按照16PF 问卷的要求进行测试和评分，并将其结果作为基础数据之一。根据16PF 的分类体系，我们将参与者的人格特质分为以下五种类别：稳定性、外向性、开放性、宜人性和尽责性。

（2）“盖尔-沙普利”算法

其次，我们借鉴了“盖尔-沙普利”算法的思想，将师傅和徒弟之间的人格特质作为匹配因素，并使用该算法进行分析。在匹配过程中，我们考虑了师傅和徒弟在同一类别下的得分差异、不同类别之间的得分匹配度等多个因素，并通过计算出各种因素的权重来确定最终的匹配结果。

（3）问卷调查和个案分析

最后，我们进行了一系列问卷调查和个案分析，以验证师徒之间人格特质匹配关系对于师徒传承效果的影响。通过问卷调查，我们了解到参与者对于师徒之间人格特质相似性的看法以及对于师徒关系的评价。因师徒之间的人格特质匹配关系对于传承过程中的互动和学习效果都会产生一定的影响，所以我们通过个案分析，深入了解了一些师徒之间存在人格特质差异但传承效果良好的情况，并探讨了其原因和机制。

3 实验过程

该实验旨在评估师徒匹配对于新员工培养和团队效能的影响。为了进行有效的对比，我们选取了在某城市运营商呼叫中心领域的一支团队作为实验对象。该团队包括200 名座席人员，他们均参与本次实验的问卷调查。

同时，为了深入研究师徒匹配的效果，以该工具上线后的三个季度雇佣的新员工作为实验群体。根据随机分组方法，我们将这60 名新员工分为A 组（30 名）和B 组（30名）。A 组将按照传统的方式进行师徒匹配，即随机分配或自由选择；而B 组将按照基于"16PF 人格测评"和智能算法"盖尔-沙普利"的匹配方法进行师徒分配。

在实验开始之前，我们向所有参与者提供详细的实验目的和流程说明，并确保他们理解并同意参与。然后，我们分发问卷给所有座席人员，包括实验组和对照组，以收集有关他们的背景信息、工作满意度、学习成效等方面的数据。

在实验期间，我们定期与实验组的师傅和徒弟进行面谈，并记录他们之间的互动情况以及学习进展。此外，我们还收集实验组和对照组在工作绩效方面的数据，包括重投率、满意度等指标，以评估师徒匹配对团队效能的影响。

在实验结束后，我们对收集到的数据进行统计分析，并比较A 组和B 组的结果。通过对比两组的差异，我们评估基于"16PF 人格测评"和智能算法"盖尔-沙普利"的师徒匹配方法对于新员工培养和团队效能的优劣。

4 实验结果

4.1 16PF 人格测评结果

根据16PF 的分类体系，我们对参与者的人格特质进行了评分和分析。结果显示，参与者在不同的人格特质类别下得分存在一定的差异，其中宜人性和尽责性得分较高，外向性和开放性得分较低。这与我们研究对象——师徒之间的人格特质类别有所不同，因此需要进一步结合稳定婚姻算法匹配分析。

4.2 师徒之间人格匹配结果

通过运用稳定婚姻匹配算法，我们计算出了师徒之间人格特质匹配的权重值，最终得出了师徒之间的人格匹配关系。结果显示，在稳定性、开放性和尽责性等方面，师傅和徒弟的得分比较相近，说明在这些方面两者具有比较高的适应性和相似性。而在外向性和宜人性方面，师傅和徒弟的得分差异稍大，这也是我们所期望的，因为在这些方面师傅和徒弟的差异可以互补，从而更好地提高师徒传承效果。

4.3 问卷调查和个案分析结果

通过问卷调查和个案分析，我们发现参与者对于师徒之间人格特质相似性的看法不尽相同，但大多数人认为相似性对于师徒互动和学习效果的提升具有一定的作用。同时，我们也发现了一些师徒之间人格差异较大但传承效果良好的情况，如严肃师傅与活泼徒弟、内向师傅与外向徒弟、理论型师傅与实践性型徒弟、冷静师傅与冲动徒弟等，他们之间人格差异较大但是传承效果良好，这些性格差异通过了解后能够互补并共同推进服务质量的提升。这说明，在师徒关系中，人格特质匹配并不是唯一的因素，师傅的教学方法和经验、徒弟的自身素质、师徒间的磨合程度等也会对传承效果产生影响。

我们在实验过程中设计了两套问卷，师傅和徒弟各有一套试卷，两套试卷都包含“16PF 人格测试”187 个问题，具体问卷设计如图2、图3 所示。

图2 师傅问卷举例

图3 徒弟问卷举例

4.4 实际应用效果

某城市运营商呼叫中心自2022 年9 月上线“AI 预测师徒制平台”，10 月启用该平台，对10 月份以来新入职的60 位同事与2 位专家师傅先各自完成调查问卷，再使用本师徒关系智能匹配算法对62 份问卷进行预测60 位新同事与2 位专家师傅之间的匹配关系，最终得出预测结果，如图4 所示，并以此结果指导实际生产工作中的搭配关系。

图4 AI 预测师傅调查结果

根据历史人员流失趋势，2022 年10 月至2023 年6月共招聘60 人，实验分可两组进行，A 组人员使用随机分配；B 组使用智能平台推荐建议。新人的培训上岗期为两个月，根据三个季度AB 两组新人的服务指标情况，对比如表1 所示。

表1 实验对比组结果

综上实验数据可得，使用了AI 智能预测师徒关系的新同事平均重投率（指标含义：客户在初次提交问题或请求后，由于问题未得到解决或解决不满意，而需要重新提交或重新联系客服的比率。指标意义：主要用来衡量客户服务的效率和质量，此项指标值越小越优）为10.47、满意率（此项指标值越大越优）为85.77、处理工单时效（此项指标值越大越优）为2.27、处理工单量（此项指标值越大越优）为800，各项数据均优于使用人为传统匹配方式的新同事，基于智能算法的师徒关系匹配能对提升新员的工作效率产生了明显的积极作用。

5 小结

本研究通过使用16PF 人格测评工具和男女结婚匹配算法，探讨了师徒之间人格特质匹配关系的影响，并得出了一些有意义的结论。首先，我们发现在师徒匹配过程中，人格特质匹配是一个重要的因素，尤其是在稳定性、开放性和尽责性等方面，相似性对于师徒传承效果的提升具有显著作用。其次，对于外向性和宜人性等方面的差异，师傅和徒弟的互补性也能够提高传承效果。最后，我们还发现，在师徒关系中，除了人格特质匹配外，其他因素如师傅的教学方法和经验、徒弟的自身素质等也同样重要，需要综合考虑员工的技能和经验、新员工的需求等因素进行灵活匹配，以确保师徒关系更加有效和有针对性。本研究的结论对于师徒传承关系的培养和发展具有重要意义，在帮助人们更好地理解和应用这种传统文化方式的同时，也为呼叫中心建立更有效的师徒传承模式提供了一些新的思路和方法。