如何理解呼入式呼叫中心客服話務(wù)預(yù)測(cè)？

話務(wù)預(yù)測(cè)是客服中心現(xiàn)場(chǎng)運(yùn)營(yíng)中的第一個(gè)環(huán)節(jié)，也是最重要的一個(gè)環(huán)節(jié)。只有精準(zhǔn)的話務(wù)預(yù)測(cè)才可以進(jìn)行準(zhǔn)確的人力排布，提高人工座席的利用率，進(jìn)而提高服務(wù)水平并降低人力成本。精準(zhǔn)的話務(wù)預(yù)測(cè)可以提前對(duì)運(yùn)營(yíng)做出預(yù)警，為達(dá)到運(yùn)營(yíng)指標(biāo)打好堅(jiān)實(shí)的基礎(chǔ)。

話務(wù)預(yù)測(cè)不僅對(duì)時(shí)段、日這種較小時(shí)間維度的人力排布起決定性的作用，而且可以對(duì)年度的運(yùn)營(yíng)起到較大的指導(dǎo)作用，例如客服中心新的年度人員需求、何時(shí)進(jìn)行人員招聘，都需要精準(zhǔn)的預(yù)測(cè)提供幫助。

預(yù)測(cè)方法簡(jiǎn)介

話務(wù)預(yù)測(cè)屬于時(shí)間序列預(yù)測(cè)，預(yù)測(cè)方法從簡(jiǎn)至難，多種多樣，但是需要根據(jù)客服中心的規(guī)模、業(yè)務(wù)、來(lái)電規(guī)律進(jìn)行合理選擇。否則，你即使選擇最復(fù)雜的預(yù)測(cè)方法，但不適合自己的預(yù)測(cè)環(huán)境，那只能給你帶來(lái)較多的麻煩，而結(jié)果相差無(wú)幾。

Ø 平均值預(yù)測(cè)法

平均值預(yù)測(cè)法廣泛應(yīng)用在業(yè)務(wù)單一、穩(wěn)定的時(shí)間序列中。具體公式如下：

公式：預(yù)測(cè)值＝所有歷史數(shù)據(jù)的平均值

Ø 移動(dòng)平均預(yù)測(cè)方法

移動(dòng)平均預(yù)測(cè)方法僅對(duì)最近一段時(shí)間的數(shù)據(jù)求平均值。選擇一段與目前時(shí)間段數(shù)據(jù)相關(guān)性最大的一段歷史數(shù)據(jù)。

公式：預(yù)測(cè)值＝最后幾段相關(guān)的歷史數(shù)據(jù)的平均值。

Ø 指數(shù)平滑預(yù)測(cè)方法

指數(shù)平滑預(yù)測(cè)方法是對(duì)移動(dòng)平均法的改進(jìn)，將不同分量權(quán)重賦予不同與目前時(shí)間段相關(guān)時(shí)間序列。

公式：預(yù)測(cè)值＝α(上期值）＋(1－α)(上上期值)

Ø 趨勢(shì)性指數(shù)平滑

趨勢(shì)性指數(shù)平滑使用時(shí)間序列最近的數(shù)據(jù)來(lái)估計(jì)當(dāng)前的趨勢(shì)。

Ø ARIMA模型

ARIMA是自動(dòng)回歸積分滑動(dòng)平均模型，它主要使用與有長(zhǎng)期趨勢(shì)與季節(jié)性波動(dòng)的時(shí)間序列的分析預(yù)測(cè)中。

ARIMA的思路很簡(jiǎn)單，首先用差分去掉季節(jié)性波動(dòng)，然后去掉長(zhǎng)期趨勢(shì)，然后平滑序列，然后用一個(gè)線性函數(shù)+白噪聲的形式來(lái)擬合序列。

呼叫中心客服話務(wù) 預(yù)測(cè)發(fā)展經(jīng)歷

客服中心成立之初，由于業(yè)務(wù)類型單一，且來(lái)電較為穩(wěn)定，預(yù)測(cè)基本采用的是平均值預(yù)測(cè)法及移動(dòng)平均預(yù)測(cè)法行預(yù)測(cè)。

隨著客服中心的發(fā)展，業(yè)務(wù)種類繁多，客戶來(lái)電會(huì)隨之增長(zhǎng)，影響預(yù)測(cè)的因素也隨著增加，為預(yù)測(cè)帶來(lái)不小的挑戰(zhàn)。例如每月就有10個(gè)左右的信用卡客戶群按照不同還款周期給客服中心帶來(lái)相似的不同周期的來(lái)話量，如果再簡(jiǎn)單的用平均值的預(yù)測(cè)方法，很難做到預(yù)測(cè)的精準(zhǔn)。我們建立的ARIMA的預(yù)測(cè)模型，使用SAS系統(tǒng)進(jìn)行預(yù)測(cè)。下圖是信用卡不同的兩個(gè)還款周期的來(lái)話量的圖示。

客服中心話務(wù)預(yù)測(cè)現(xiàn)狀

目前的話務(wù)預(yù)測(cè)利用ARIMA預(yù)測(cè)模型，按照信用卡、綜合兩個(gè)不同業(yè)務(wù)類型進(jìn)行分別預(yù)測(cè)。兩種業(yè)務(wù)有不同的客戶群、不同的來(lái)電規(guī)律。需要構(gòu)建不同的預(yù)測(cè)模型。

構(gòu)建預(yù)測(cè)模型可以分以下幾步來(lái)進(jìn)行。

• 歷史數(shù)據(jù)的收集及整理

歷史數(shù)據(jù)的處理是我們預(yù)測(cè)前最重要的一步，如果數(shù)據(jù)不進(jìn)行處理，將直接影響預(yù)測(cè)的精準(zhǔn)度。

對(duì)于客服中心呼入量而言，對(duì)原始呼入量產(chǎn)生影響的情況主要有以下幾點(diǎn)：

1：發(fā)生系統(tǒng)故障

如果某一天發(fā)生系統(tǒng)故障，需要剔除當(dāng)日發(fā)生系統(tǒng)故障的時(shí)段呼入量，還原原始呼入量。

2：由于某種敏感短信或輿情造成客戶集中來(lái)電

如果某一天發(fā)送了某種敏感短信或者發(fā)生輿情，導(dǎo)致客戶集中來(lái)電的情況，需要剔除當(dāng)日集中來(lái)電的時(shí)段呼入量，還原原始呼入量。

3：人力不足，接通率較低的日期

如果不是由于故障，而是由于人力不足，接通率較低，會(huì)導(dǎo)致當(dāng)日重復(fù)來(lái)電較多，當(dāng)日呼入量不是原始客戶需求的呼入量。所以我們需要按照當(dāng)日重復(fù)來(lái)電的水平，將呼入量回復(fù)原始呼入量。

• 不同業(yè)務(wù)的影響因素及影響比例

不同的業(yè)務(wù)有不同的影響因素，需要我們?nèi)ネ诰驓v史數(shù)據(jù)，發(fā)現(xiàn)較大的影響因素。例如：信用卡業(yè)務(wù)主要涉及還款日、賬單短信提醒日、延期還款期等。綜合類業(yè)務(wù)主要涉及貸款還款日、貸款還款短信提醒等影響因素。找到影響呼入量的影響因素后，我們需要根據(jù)不同的客戶群去標(biāo)注不同比重的影響因素。例如圖一中兩個(gè)不同還款周期的客戶群，需要在20日和22日分別標(biāo)注還款日，明顯22號(hào)還款日的客戶群的影響比重更大。

至此模型已構(gòu)建完成，但是隨著業(yè)務(wù)、呼入量水平等不斷的變化，我們需要根據(jù)實(shí)際情況調(diào)整、完善我們的預(yù)測(cè)模型。

例如：客戶類型對(duì)呼入量的影響大小是不一樣的，一個(gè)新客戶群帶來(lái)的呼入量比同量客戶帶來(lái)的呼入量將近增加1.5倍。所以我們?cè)谧鲱A(yù)測(cè)時(shí)需要將新客戶群帶來(lái)的影響因素放大，否則將在很多程度是影響我們的預(yù)測(cè)。

任何預(yù)測(cè)模型都不是完美的，都需要我們?cè)诤笃诟鶕?jù)模型值根據(jù)經(jīng)驗(yàn)進(jìn)行手工調(diào)整。根據(jù)經(jīng)驗(yàn)值對(duì)預(yù)測(cè)進(jìn)行調(diào)整是我們做預(yù)測(cè)中很重要的一環(huán)。因?yàn)橛泻芏嘈〉募?xì)節(jié)的東西是模型無(wú)法完成的。

• 節(jié)假日預(yù)測(cè)

節(jié)假日期間的預(yù)測(cè)是預(yù)測(cè)師在預(yù)測(cè)中遇到的最難啃的一塊骨頭，相對(duì)于正常工作日來(lái)說(shuō)，節(jié)假日期間的歷史數(shù)據(jù)較少，放假安排總在變化，每年總體呼入量水平在變等這些因素都在我們預(yù)測(cè)時(shí)給我們帶來(lái)不小的麻煩。怎么做好節(jié)假日期間的預(yù)測(cè)呢，我們需要將節(jié)假日進(jìn)行簡(jiǎn)單的分類，并建立簡(jiǎn)單的預(yù)測(cè)模型。

國(guó)內(nèi)目前的節(jié)假日可分為小長(zhǎng)假、國(guó)慶長(zhǎng)假、春節(jié)假期三類不同的假期預(yù)測(cè)。

1、春節(jié)假期

春節(jié)假期預(yù)測(cè)是這三類節(jié)假日預(yù)測(cè)最難的一個(gè)，主要是因?yàn)榇汗?jié)假期放假開始日期不同，且?guī)缀醪皇芎羧肓空Ｓ绊懸蛩赜绊?，例如還款日、賬單短信發(fā)送日等。所以我們?cè)陬A(yù)測(cè)時(shí)需要利用歷史數(shù)據(jù)及假期當(dāng)年的來(lái)話量水平進(jìn)行預(yù)測(cè)。根據(jù)歷史數(shù)據(jù)我們發(fā)現(xiàn)，從大年三十開始至假期最后一天的呼入量和元旦當(dāng)天的呼入量比例一直保持在一個(gè)平穩(wěn)的水平，如下圖：這樣我們就可以結(jié)合近幾年的歷史數(shù)據(jù)，得到春節(jié)假期的預(yù)測(cè)量。

春節(jié)假期還有一個(gè)比較異常的點(diǎn)，14年春節(jié)和13年春節(jié)不同的是放假開始時(shí)間是大年初一，而不是大年三十。從上圖我們可以看到，大年三十這一天放假與不放假呼入量水平都是一致的。這一點(diǎn)需要我們?cè)谧鲱A(yù)測(cè)時(shí)特別注意。

2、國(guó)慶長(zhǎng)假及小長(zhǎng)假預(yù)測(cè)

國(guó)慶長(zhǎng)假及小長(zhǎng)假不同于春節(jié)假期有那么濃郁的中國(guó)特色，而是和呼入量的影響因素相關(guān)，性較大，需要根據(jù)歷史數(shù)據(jù)確定模型中各個(gè)影響因素對(duì)呼入量影響的系數(shù)，然后利用模型進(jìn)行預(yù)測(cè)，最后進(jìn)行手工調(diào)整。

經(jīng)驗(yàn)值對(duì)預(yù)測(cè)的影響

2013年年度人工呼入量預(yù)測(cè)偏差為1.08%，月度平均預(yù)測(cè)偏差保持在正負(fù)5%以內(nèi)。日預(yù)測(cè)偏差基本在正負(fù)3%以內(nèi)，一直保持了較精準(zhǔn)的預(yù)測(cè)，為下一步排班打下良好的基礎(chǔ)。目前客服中心出現(xiàn)了如文字客服、視頻客服等一系列多媒體類客服，如何做好這一類的預(yù)測(cè)是我們正在不斷摸索的方向。在原有人工客服呼入量預(yù)測(cè)的經(jīng)驗(yàn)中，我們也可以得到很多啟發(fā)，但是不能照貓畫虎的一味的拿來(lái)直接使用，需要根據(jù)多媒體客服的特點(diǎn)及重點(diǎn)業(yè)務(wù)進(jìn)行預(yù)測(cè)。

標(biāo)簽：烏海 滁州 運(yùn)城 綿陽(yáng) 鄂爾多斯