影響呼叫中心話(huà)務(wù)預測準確率的關(guān)鍵因素
Teleopti高級咨詢(xún)顧問(wèn)-楊彥陽(yáng) 2010/12/16
索取Teleopti
CCC 勞動(dòng)力和績(jì)效管理方案
Teleopti
CCC 勞動(dòng)力和績(jì)效管理方案
“用了你們的排班軟件，預測準確性可以達到多少？”
在交流勞動(dòng)力資源管理（WFM）的過(guò)程中，用戶(hù)常常會(huì )問(wèn)到類(lèi)似的問(wèn)題。其實(shí)，這里有一個(gè)誤區，預測準確性并不能完全由軟件工具決定，WFM工具能夠輔助使用者更好的對歷史數據進(jìn)行管理、分析，減輕使用者手工處理的繁瑣勞動(dòng)，而要做到精準的預測，使用者的業(yè)務(wù)經(jīng)驗同樣有著(zhù)非常關(guān)鍵的影響。
筆者認為，無(wú)論是手工預測，還是采用WFM工具，要想做好預測，一定要從以下幾方面綜合入手；
- 選取合適的歷史數據
- 在預測基礎上參考業(yè)務(wù)經(jīng)驗進(jìn)行必要的修正
- 在運營(yíng)過(guò)程中對話(huà)務(wù)異動(dòng)的分析及處理
歷史數據的選取
歷史數據是話(huà)務(wù)預測的基石，但歷史數據并非越多越好。在進(jìn)行預測時(shí)，一定要選取具有較大相關(guān)性的歷史數據，數據的相關(guān)性越強，對預測準確性的幫助就越大。所謂相關(guān)性，是指歷史數據所依存的業(yè)務(wù)環(huán)境與現有環(huán)境具有較大的相似性。如果由于客服中心業(yè)務(wù)變化，例：技能路由策略調整，各技能間話(huà)務(wù)占比變化，增加了新的技能隊列等，都會(huì )造成之前的歷史數據相關(guān)性變差，以之作為預測基礎，則會(huì )帶來(lái)較大的不確定性。因此，在預測之前，一定要明確歷史數據的相關(guān)性，盡量選取相關(guān)性強的數據作為預測基準。
但是，在選取預測基準數據時(shí)，往往沒(méi)有足夠的相關(guān)性數據。這其中很重要的一個(gè)原因是：直接從ACD獲得的數據往往存在著(zhù)各種異常因素。如：系統故障等原因引起的數據缺失，促銷(xiāo)活動(dòng)、公共假日、異常天氣等引起的話(huà)務(wù)量異動(dòng)等。這些數據與實(shí)際業(yè)務(wù)環(huán)境差異很大，也就是相關(guān)性差。為了解決相關(guān)性數據缺乏的問(wèn)題，通常，需要對歷史數據進(jìn)行清洗，如剔除缺失數據，修正異常數據等，這個(gè)過(guò)程其實(shí)就是要提高數據的相關(guān)性，使之更能反映業(yè)務(wù)現狀的特點(diǎn)。
數據相關(guān)性修正中，最小顆粒度（可修正的最小單元）非常關(guān)鍵。如果是手工預測，通常會(huì )預測到每天的話(huà)務(wù)量，因此，對歷史數據的修正最小單元也要以天為單位，粒度過(guò)大則不能完全消除異常話(huà)務(wù)的影響；如采用WFM軟件，預測可以精確到天、甚至時(shí)段（每15分鐘、每30分鐘），則在修正時(shí)，不僅要考慮基于天的修正，同時(shí)，還要考慮時(shí)段話(huà)務(wù)量分布的修正。
相關(guān)性修正能夠保證歷史數據符合當前業(yè)務(wù)特性，能夠反映話(huà)務(wù)變化的特點(diǎn)。但在實(shí)際預測時(shí)，針對不同的排班應用場(chǎng)景，還需要有針對性的進(jìn)行選擇：
手工周預測：前幾周、上月對應周、歷年對應周等都可以作為基準數據的選擇對象，但需要考慮話(huà)務(wù)月分布特性的影響；
手工月預測：前幾個(gè)月、歷年對應月都可以考慮作為基準數據，同時(shí)，也需要考慮周分布特性的影響；
系統預測：不同的WFM工具，其預測算法及模型不同，基準數據的選取方式也不同。但無(wú)論如何，數據相關(guān)性、月分布特性、周分布特性都是取得準確預測比不可少的考慮因素。
精細化修正
呼叫中心的話(huà)務(wù)量受到多方面的影響，因此，在選取相關(guān)性數據，完成基礎預測后，還必須綜合各方面可預見(jiàn)的影響因素進(jìn)行精細化修正。
首先，要考慮業(yè)務(wù)整體趨勢的影響。如公司產(chǎn)品部門(mén)發(fā)布新的產(chǎn)品，銷(xiāo)售部門(mén)銷(xiāo)售業(yè)績(jì)的增加等都會(huì )帶來(lái)客戶(hù)量的增長(cháng)，同時(shí)帶來(lái)呼叫量的增加。而這種客戶(hù)增長(cháng)有可能是平滑的穩定增長(cháng)，也可能是跳躍式的突增，因此，必須根據業(yè)務(wù)量增長(cháng)的趨勢及特點(diǎn)有針對性的對話(huà)務(wù)量進(jìn)行修正。
其次，還要考慮外部環(huán)境的影響。客服中心話(huà)務(wù)量同時(shí)還會(huì )受到外部環(huán)境的影響，如公共假日、大型活動(dòng)、異常天氣等。對于不同業(yè)務(wù)類(lèi)型的客服中心，其影響的方式、幅度、作用時(shí)間范圍都不相同。在預測時(shí)，要盡可能的考慮其影響并適當的修正預測結果。
此外，還需要考慮臨時(shí)擾動(dòng)因素的影響。臨時(shí)擾動(dòng)因素指的是可以預見(jiàn)但不存在特定規律的事件，比較典型的是市場(chǎng)部門(mén)不定期的促銷(xiāo)活動(dòng)。如果能夠預見(jiàn)到類(lèi)似事件，則一定要預估其作用時(shí)間及幅度，并相應的修正話(huà)務(wù)量。
從話(huà)務(wù)修正環(huán)節，我們可以看到，客服中心話(huà)務(wù)量受到企業(yè)其他各部門(mén)的影響，因此，建立良好的內部流程，提前獲知影響話(huà)務(wù)量的事件不容忽視。
異動(dòng)的處理
客服中心的目標是服務(wù)客戶(hù)，因此，話(huà)務(wù)預測是實(shí)現客戶(hù)服務(wù)目標的手段，而非目的。而影響話(huà)務(wù)的因素很多是無(wú)法提前預知的，在現場(chǎng)運行中，如何對話(huà)務(wù)異常波動(dòng)進(jìn)行分析、處理是達成這一目標的關(guān)鍵，也是后續預測更加準確的保證。
發(fā)現話(huà)務(wù)異動(dòng)，首先要做的是分析話(huà)務(wù)異動(dòng)的原因，找到異動(dòng)原因后，要進(jìn)一步分析其影響幅度及時(shí)間范圍，進(jìn)而采取必要的排班調整措施。異動(dòng)產(chǎn)生的原因不同，其處理方式也會(huì )有所不同。通常，話(huà)務(wù)異動(dòng)可能由以下因素導致：
預測中關(guān)鍵因素的缺失：發(fā)現話(huà)務(wù)異動(dòng)，首先需要考慮是否在預測過(guò)程中考慮了所有可能的影響因素。如：選取的歷史數據是否相關(guān)？是否考慮了業(yè)務(wù)的增長(cháng)趨勢？是否針對業(yè)務(wù)的月分布、周分布等特性進(jìn)行了相關(guān)的校驗？是否考慮了可預知的外部環(huán)境變化、臨時(shí)擾動(dòng)事件的影響？
一旦確定是上述原因，則需要進(jìn)行以下幾方面的調整：
當天人力安排的調整：如果話(huà)務(wù)量突然變大，則要根據實(shí)際情況安排必要的后臺人員上線(xiàn)，員工臨時(shí)加班，調整員工吃飯、休息時(shí)間，通知候補班組上班等操作；如話(huà)務(wù)量變小，則可以適當的安排部分臨時(shí)培訓，員工提早下班等；
后續班表的調整：按照分析結果對預測值進(jìn)行修正，并重新調整后續班表；
預測方法的改進(jìn)：總結預測關(guān)鍵因素缺失的原因，注意在今后的預測中充分考慮所有可預知因素。
天氣、系統故障等突發(fā)事件的影響： 這類(lèi)事件對話(huà)務(wù)的影響是突發(fā)的，事先很難去預估，但這類(lèi)事件影響往往是短期的，因此，調整措施主要包括：
當天人力安排調整；
后續班表調整：如果影響事件較長(cháng)，則同時(shí)要進(jìn)行后續班表的調整。
事先未得到其他部門(mén)的通知： 其他部門(mén)的臨時(shí)活動(dòng)有時(shí)不能及時(shí)通知到客服中心。發(fā)現異動(dòng)后，如果排除了上述預測、突發(fā)事件的影響，則要考慮是否是臨時(shí)活動(dòng)引起的異動(dòng)。遇到這方面的異動(dòng)，一方面要進(jìn)行當天、后續班表的調整，同時(shí)更重要的是與其他相關(guān)部門(mén)進(jìn)行溝通，建立起信息傳遞的流程，在以后預測中盡可能預先考慮類(lèi)似事件的影響。
事件的影響程度考慮不足：還有一種比較特殊的情形，所有影響話(huà)務(wù)量的因素都考慮到了，但預測話(huà)務(wù)量與實(shí)際值仍有一定的偏差。遇到這種情況，則需要考慮該事件的影響幅度、客戶(hù)對該事件的反應模型（撥打機率、呼叫量衰減）等因素并參考歷史數據中該事件的影響，逐步形成較為完善的事件影響模型。
在實(shí)際生產(chǎn)環(huán)境中，情況要復雜的多，有時(shí)，多種因素會(huì )疊加作用，很難清晰的判斷是哪種事件造成的影響。在此，僅僅是結合筆者的經(jīng)驗給出了處理話(huà)務(wù)異動(dòng)問(wèn)題的思路，具體處理還需要數據預測人員結合呼叫中心的實(shí)際情況綜合分析，這也就是我們常說(shuō)的‘預測、排班的藝術(shù)性’所在。但一定要建立起對異動(dòng)進(jìn)行分析、響應、總結的工作習慣，從而實(shí)現預測流程的逐步優(yōu)化及預測準確率的持續穩定。
關(guān)于Teleopti(北京瑞捷訊科技有限公司)
Teleopti是全球主要的勞動(dòng)力資源與績(jì)效管理方案供應商(排班管理軟件方案)之一，它為客服中心提供戰略勞動(dòng)力管理以及控制成本解決方案，以及質(zhì)量監控和通信費用與設備管理方案和服務(wù)。目前，在全球擁有500多家客戶(hù)，覆蓋了60多個(gè)國家和地區，產(chǎn)品支持二十多種語(yǔ)言。
Teleopti 于1992年創(chuàng )建于瑞典的斯德哥爾摩，在奧斯陸、赫爾辛基、倫敦、法蘭克福、莫斯科、馬德里、伊斯坦布爾、迪拜、德里等有分支機構，并在北京設立了辦公室。
Teleopti CCC 起源于歐洲聯(lián)盟市場(chǎng)，那里有最嚴格的員工合同和工作條件。靈活性是Teleopti CCC 的重要優(yōu)點(diǎn)之一。我們的解決方案完全可以支持世界各地的工作時(shí)間與合同條件，我們支持完全自動(dòng)化的和優(yōu)化的排班方案，支持任何時(shí)間范圍的預測與排班
-- 從幾天到數個(gè)月。Teleopti CCC是一種人性化的勞動(dòng)力管理方案，為各級機構提供實(shí)時(shí)監管，假日規劃和適用于你的機構各級管理工具。
CTI論壇報道
相關(guān)閱讀:
亚洲精品网站在线观看不卡无广告,国产a不卡片精品免费观看,欧美亚洲一区二区三区在线,国产一区二区三区日韩
鞍山市|
高密市|
寿光市|
肥东县|
仁布县|
桂平市|
且末县|
东丰县|
双流县|
房山区|
承德县|
武乡县|
沙田区|
华宁县|
贵定县|
阳江市|
霞浦县|
鲜城|
阜新|
安宁市|
鄄城县|
卢龙县|
耒阳市|
澎湖县|
宝坻区|
江门市|
阿城市|
会宁县|
会同县|
达拉特旗|
乌鲁木齐县|
保山市|
霸州市|
凤庆县|
光泽县|
富蕴县|
清苑县|
洪洞县|
井冈山市|
平昌县|
灌阳县|
http://444
http://444
http://444
http://444
http://444
http://444