如何提升话务预测准确度

如何提升话务预测准确度

呼叫中心是为了服务广大用户所设立的，许多国内外数据都显示，呼叫中心人事相关支出占日常营运成本高达60%-80% 的比例，这么高比例的经常性费用，来自于企业对客户销售后的服务承诺，以及服务质量的保证。

在对客户承诺服务质量的同时，基于成本考虑，大部分的呼叫中心都会先将客户分为几个等级、并区分服务属性，再决定各种服务级别的服务指针，如，VIP等级的客户需要以高标准的态度来服务、一般等级的客户则可以采取稍微宽松的服务标准，因为不同的服务标准，紧密影响着人力资源的准备。

影响人力准备的要素主要分为以下两个：

1. 话务量与平均处理时长(AHT：Average Handling Time)平均处理时长包含过程中的通话时间与过程后的文件处理时间，话务量与平均处理时长愈大，人力的需求也就愈大。

平均处理时长 = 平均通话时长 + 平均话后处理时长

2. 服务指标

如果呼叫中心期望VIP客户95% 的来电在10秒应答，而期望一般客户85% 的来电在20秒应答，在同样的话务量与平均处理时长前提下，VIP 客户群将需准备比一般客户群更多的服务人力，才能达成要求的服务指标。

在这两个因素中，服务指标通常在企业订定策略后便很少变动；话务量与平均处理时长则是随时都在变动，因此话务量与平均处理时长的预测就显得格外重要，若能准确预测其变化，即可预先排定适当的人力，在人力成本控制与服务指标的达成中间取得最佳平衡点。

影响话务量与平均处理时长(AHT)的因素： ?

?

营销因素：推出促销活动、客群扩大等

? 顾客行为：对产品使用的熟悉度成熟、竞争产品的消长

? 技术变革：新世代产品、服务、流程推出等

? 外部环境：品牌并购、法令变更等

影响话务量与平均处理时长的因素这么多，要准确预测简直不可能，但如果误差值能控制在10%~20% 之间，再配合现场的人员调度管理，创造一个服务指标稳定的呼叫中心便不再是难事。

预测资料来源：

1. ACD、PBX、客户信息等系统

2. 其它部门讯息(如市场、营销、法务等)

3. 媒体、经济情势报导

预测人员依据其专业对资料进行收集、分析与整理，其重要性等同资料本身。

数据纯度的确认 – 需确保数据本身的正确性，未被系统异常所干扰，如IVR系统故障导致来电量暴增、数据收集接口的功能障碍导致话务量统计有误等。

建立预测流程与方法的一般原则（中）

历史话务量统计筛选原则

统计历史话务量时，需注意以下统计误差的修正：

1.「用户立即挂断」与「用户陆续挂断」比率中(1%+2%)，有些为重复来电，因此在统

计有效客户来电时，可酌量删减。在本案例中，「有效客户话务量」指的就是「CSR 立即处理 + CSR 延迟后处理完成 + 用户立即挂断 + 用户不耐等待CSR处理因而陆续挂断 - 酌量删减重复来电比率的数据，计算结果为79%+17%+1%+2%-1%(酌量删减「重复来电比率」)= 98%

2. 在连外中继线全忙时，客户拨号将仅听到忙线音，而无法进线至IVR自动语音或ACD分派来电，如此即造成「语音系统壅塞拒绝」。但此系统壅塞拒绝比率不易取得，仅有某些公共交换网络公司可提供；但如果呼叫中心语言联外中继忙线比率(全忙)过高，则可推断此系统壅塞拒绝比率也提高，用户来电无法进入系统；这类被阻挡在系统外的来电用户将尝试重拨，造成壅塞拒绝比率进一步提高，因此“适度的”增设中继线，即可有效降低此重复来电行为。

话务量预测的范围

典型的电话呼叫中心，一般规划的服务对应关系图如下：

1. 属于多技能的客服人员能够服务的话务量队列也就越广，如，主要服务「一般英文」的客服人员能够服务「一般服务英文」与「一般服务中文」的来电。

2. 一般共有四种服务话务量，VIP、中文、英文、日文，通常需独立作预测，但如果英文与日文的话务量过低(例如低到仅需一位客服人员处理)，也可将一般中、英、日三种话务量合并预估，对预测流程的简化有相当大的帮助。

3. 要提醒的是，当多种服务话务量合并作预测时，平均处理时长的预测也将愈趋复杂。

话务量预测时的比例原则

在撷取历史话务量时，大部分以「比例原则」来推估未来的话务量，亦即「分时话务量比率」经验数据的建立，这样能够方便预测人员以「总推估量」来预测分时话务量。如这个月的9:00-9:30实际话务量为50通，占整日话务量1000通的5%，下个月的同一天因为业务促销的因素，预估日总话务量将会成长为2000通，那么下个月同一天的9:00-9:30话务量即可预测为2000 x 5% = 100通。

曲线图表的建立

建立历史话务量与AHT数据时，除了要看到数值，还应该以曲线图表的方式呈现其变化趋势，这样才能快速的与相邻资料作比对 并确实筛选出异常资料。

呼叫中心建立话务预测流程与方法（下）

建立历史话务量模型

?月?话务量的模型建立：

可看出?月?话务量的变化(成长与衰退)趋势与季节因素的影响，能准确预估未来?月话务总量?。历史月话务量数据应尽可能保存3-5年，并将成长与衰退趋势作原因注记，将可纯化其变动影响，提高未来预估的准确度。

?周?话务量的模型建立：

可看出周一至周日话务量的变化(成长与衰退)趋势与工作日、假日等因素的影响，能准确预估未来的?日话务总量?。历史日话务量数据应尽可能保存5-6周，并将变化趋势作原因注记(如国订假日、账单日等)，将可纯化其变动影响，提高未来预估的准确度。

?分时(每30分钟)?话务量的模型建立：

可看出分时话务量的变化(成长与衰退)趋势与忙时因素的影响，能准确预估未来的分时话务量。历史分时话务量应尽可能保存1-2周有代表性的数据，并将异常变化模型剃除(如暴量来电、系统故障等)，将可纯化其变动影响，提高未来预估的准确度。

基础预测流程范例

1. 取得去年全年的话务量×1.1(推估成长10%)=今年全年的话务量

2. 今年全年的话务量×0.12(比例原则预估七月份历史话务量占比)=预估七月份话务量

3. 预估七月份话务量/31天=预估平均七月份日话务量