• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    呼叫中心业务量预测流程解析
    运营规划九步曲中非常重要的一步:业务量预测。客户的来电多少直接驱动着呼叫中心的整体运营。场地、设施、配套、系统、中继、人员配置等等都是由客户的来电多少所驱动的。因此做好业务量预测是整个呼叫中心运营规划的大前提。

    业务量预测的整体流程可分为数据收集、数据清理、预测模型建立、预测准确性衡量、实时应急与调整等几个步骤。每一步的详细内容请见下图:

    数据清理

    在所收集的原始数据中,总是会存在或多或少的异常数据或数据缺失时段,引起的原因可能是突发事件、周期性事件、系统或线路异常等。由于这些时段的数据都不是呼叫中心正常业务量数据的反映,因此我们在进行正式的业务量预测工作之前先要对这些数据进行清理,并对周期性事件数据单独总结归档,留待常规业务量预测完成后再根据事件的周期规律进行相关数据的叠加。

    在对异常数据的清理完成后,我们还需要对被清理的数据做数据修补。常用的数据修补方法包括预测数据填充法、取平均值法、以现有数据推算补缺法等。

    预测模型建立

    在对历史业务量数据进行清理和修补之后,我们就可以实施正式的业务量预测。常用的预测方法包括比例分解法、移动平均法、加权移动平均法、回归方程法、事件驱动法、关联驱动法、时间序列、影响判断以及更高级的多元回归、广义线性方程、决策树、神经网络等专业数据分析与挖掘算法等。本文仅以最常见的比例分解法为例做一个简单示范:


    在上图所示的比例分解过程中,我们假设去年的总来电量为720000个。在此基础上,根据市场、销售预测以及过去几年历史数据增长趋势等数据测算出未来一年的话务量预计增长12%。这样我们就得到了预计未来一年的总来电量为806400个。根据历史数据的测算分析,一月份的来电量通常占全年总来电量的7.1%,因此明年一月份的来电量预计为57254个。由于呼叫中心是7X24小时运营的,所以一月份平均每天的来电量为57254/31=1847个。

    由于大多数呼叫中心的来电量规律是以一周为周期循环波动的,因此我们接下来要测算四个(或五个)周一的话务指数,以覆盖四个或五个周一的来电量情况。我们用周一来电量占全周来电量的相对比例除以其七分之一的绝对比例,得出周一的来电量指数为1.469,也就是说,周一的来电量是相对较多的,相当于一周日平均来电量的约147%。由此我们得出周一话务量为2713个。然后我们再根据由历史数据测算出的周一一天中48个半小时时段占全天来电量的比例测算出周一上午10:00-10:30的来电量为149个。剩下的周二至周日都可以采用同样的方法来推算预测。

    预测准确性的衡量

    业务量预测的终极追求目标是要做到与实际业务量的完全吻合,尽管现实中我们只能是尽量靠近而已。业务量预测准确性的衡量可以帮助我们不断反思与回顾、优化与调整我们的预测模型和预测方法,使预测结果的准确度不断得到改进。

    常用的业务量预测准确性衡量方法包括偏差百分比、绝对误差均值、时段达标率、R-Square方程系数等。偏差百分比主要衡量预测量与实际量的偏差比例有多少;绝对误差均值主要衡量预测与实际的绝对偏差比例,防止平均值的误导;时段达标率则主要看24或48个时段中有多少比例的时段达到了偏差波动要求,是更具体更科学的一种衡量方法;R-Square方程系数则衡量预测值与实际值的关联程度,以判断预测模型对于实际来电量的规律的预测能力。

    实时应急与调控

    计划总不如变化快!无论你的提前预测是多么的精心,在预测与现实发生之间的这段时间里总会发生一些在预测假设之外的情况。这就要求我们根据所发生的实际情况对我们的业务量预测结果及相关资源配置进行实时的更新调整。

    这些调整包括对业务量数据的调整、员工可用状态的调整、排班配置的调整、甚至应急计划的启动准备等等。只有这样才能尽可能保证运营服务水平目标的持续、稳定达成。这种调整会包括每月、每周等定期的更新调整和具体到日和时段的临时应急调整。




    上一篇:智能服务上线前的准备 —— 需求挖掘篇(下)
    下一篇:呼叫中心运营规划——设定正确的服务水平目标
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    呼叫中心业务量预测流程解析 呼叫中心,业务量,预测,