尽管目前各种自助及AI渠道已经开始把大量的简单服务交互从人工渠道解放了出来，人工渠道交互量占比逐步下降，但人工仍然是服务的终极保障和最后一道屏障，且从联络的数量上来讲仍然是海量的，很多大型客服中心的人工服务日请求量仍然维持在几万、十几万甚至几十万。所以，人工接通率仍然是核心考核指标之一，也是让大家很头疼的指标之一。

如何提升接通率、持续达成接通率一直是客服运营关注的重点，什么在影响接通率、如何改善接通率也就自然成了运营分析的重点。

那么我们应该如何对接通率的变化进行根源分析呢？本质上是从宏观和微观两个层面上分析供需平衡的问题。限于篇幅，在具体运营场景中同时存在很多微妙的其它联动效应，本文将不做展开，仅限于对接通率总体分析思路的梳理。

1. 宏观层面

接通率指标实际上是内外供需平衡的一个自然结果。客户的服务联络需求量以及处理每一通联络的时长构成了客服中心的服务工作量，这是需求端；客服中心内部的当班人数以及每个人的有效工作时长共同构成了供应端。

我们以一个工作日的场景为例，假设全天达成接通率指标需要处理的总人工联络量是50000通（已含放弃重播及未解决重播），综合平均处理时长为150秒，则总工作量（负荷）为50000*150/3600=208.33小时。假设你的日人均有效工时为6.5个小时，全天共排了35个人来上班，则总有效工作时长为6.5*35=227.5个小时。总供应量大于总需求量，理论上，注意只是理论上，你的接通率应该是可以保障的，且略有盈余。反之，如果你的总有效工作时长低于208个小时，则接通率指标理论上是无法保障的。这是宏观层面的分析思路，就是要分析工作量与处理能力的供需平衡。

那么再深入一层，改进分析思路应该从哪里着手呢？其实在这个层面上所涉及到四个关键点既是改进分析的重点。

首先是人工联络请求量，如何降低人工联络请求量是第一个分析点；
其次是平均处理时长，如何合理优化平均处理时长且不影响通话质量是第二个改进分析点；
第三个改进分析点是当班人数。如何确保当班人数的合理准确配备是分析重点；
最后一个关键点是有效工时利用率。如何提升人均有效工时利用率且又不至于使员工压力过大是第四个分析重点。背后的细节就留给你去思考与实践啦！

2. 微观层面

在以上宏观层面的分析思路中，为什么当内部员工的有效工时能够匹配甚至超越外部客户给予的总工作负荷的情况下，只能说理论上可以达成接通率指标呢？因为在微观层面还有很多具体的细节会影响到接通率结果。

具体来说，微观层面要观察分析具体每个时段的供需状况。有些时段人员有盈余，单纯对于处理客户联络来讲，这些盈余时段的人力其实是被“浪费”掉了，会直接造成全天总有效工时的“减少”。而人员欠缺的时段则会出现接通率下降，放弃率上升，进而导致因放弃重播量上升而影响话务总量波动的情况。所以最好的状态就是每个时段的供需都是平衡的！但即便每个时段都是供需平衡的，由于来电的随机性以及泊松分布原理，也并不能确保你的接通率一定达标，仍然只能是理论上可以保证。

那么确保每个时段人员供需平衡的关键点是什么呢？一个是预测排班准确性，一个是员工的遵时率。

段层次上的预测排班准确率越高，越能在最大程度上确保每个时段的供需平衡，当然在预测排班的时候要充分考虑员工的出勤率情况。而仅有高水平的预测排班准确率仍然是不够的，还要看员工是否遵守已经排好的班次作息时刻，因为在需要TA的时段TA却不在线会造成人员短缺；不需要TA的时候TA却在线实质上是在“浪费”工时。这些都会造成时段供需平衡的变化。

总之，还是我在上课的时候反复强调的那句话。应用层面的数据分析（业务分析）离不开分析人员对业务的理解。对业务及运营理解的越通透，越有助于抓住问题的关键点，把分析深入到根源层次。接通率的分析如此，一解率、满意率、平均处理时长等等其它指标的分析也是如此。先理清关键影响因素及其影响作用机制，然后用数据去验证、探索并形成对结论的支撑，才能更有效地推进业务的持续改善与提升。