POST TIME:2021-10-07 14:26
話務(wù)預(yù)測是客服中心現(xiàn)場運營中的第一個環(huán)節(jié),也是最重要的一個環(huán)節(jié)。只有精準(zhǔn)的話務(wù)預(yù)測才可以進(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)測可以提前對運營做出預(yù)警,為達(dá)到運營指標(biāo)打好堅實的基礎(chǔ)。
話務(wù)預(yù)測不僅對時段、日這種較小時間維度的人力排布起決定性的作用,而且可以對年度的運營起到較大的指導(dǎo)作用,例如客服中心新的年度人員需求、何時進(jìn)行人員招聘,都需要精準(zhǔn)的預(yù)測提供幫助。
話務(wù)預(yù)測屬于時間序列預(yù)測,預(yù)測方法從簡至難,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)測方法,但不適合自己的預(yù)測環(huán)境,那只能給你帶來較多的麻煩,而結(jié)果相差無幾。
Ø 平均值預(yù)測法
平均值預(yù)測法廣泛應(yīng)用在業(yè)務(wù)單一、穩(wěn)定的時間序列中。具體公式如下:
公式:預(yù)測值=所有歷史數(shù)據(jù)的平均值
Ø 移動平均預(yù)測方法
移動平均預(yù)測方法僅對最近一段時間的數(shù)據(jù)求平均值。選擇一段與目前時間段數(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)測方法
指數(shù)平滑預(yù)測方法是對移動平均法的改進(jìn),將不同分量權(quán)重賦予不同與目前時間段相關(guān)時間序列。
公式:預(yù)測值=α(上期值)+(1-α)(上上期值)
Ø 趨勢性指數(shù)平滑
趨勢性指數(shù)平滑使用時間序列最近的數(shù)據(jù)來估計當(dāng)前的趨勢。
Ø ARIMA模型
ARIMA是自動回歸積分滑動平均模型,它主要使用與有長期趨勢與季節(jié)性波動的時間序列的分析預(yù)測中。
ARIMA的思路很簡單,首先用差分去掉季節(jié)性波動,然后去掉長期趨勢,然后平滑序列,然后用一個線性函數(shù)+白噪聲的形式來擬合序列。
呼叫中心客服話務(wù) 預(yù)測發(fā)展經(jīng)歷
客服中心成立之初,由于業(yè)務(wù)類型單一,且來電較為穩(wěn)定,預(yù)測基本采用的是平均值預(yù)測法及移動平均預(yù)測法行預(yù)測。
隨著客服中心的發(fā)展,業(yè)務(wù)種類繁多,客戶來電會隨之增長,影響預(yù)測的因素也隨著增加,為預(yù)測帶來不小的挑戰(zhàn)。例如每月就有10個左右的信用卡客戶群按照不同還款周期給客服中心帶來相似的不同周期的來話量,如果再簡單的用平均值的預(yù)測方法,很難做到預(yù)測的精準(zhǔn)。我們建立的ARIMA的預(yù)測模型,使用SAS系統(tǒng)進(jìn)行預(yù)測。下圖是信用卡不同的兩個還款周期的來話量的圖示。
客服中心話務(wù)預(yù)測現(xiàn)狀
目前的話務(wù)預(yù)測利用ARIMA預(yù)測模型,按照信用卡、綜合兩個不同業(yè)務(wù)類型進(jìn)行分別預(yù)測。兩種業(yè)務(wù)有不同的客戶群、不同的來電規(guī)律。需要構(gòu)建不同的預(yù)測模型。
構(gòu)建預(yù)測模型可以分以下幾步來進(jìn)行。
歷史數(shù)據(jù)的處理是我們預(yù)測前最重要的一步,如果數(shù)據(jù)不進(jìn)行處理,將直接影響預(yù)測的精準(zhǔn)度。
對于客服中心呼入量而言,對原始呼入量產(chǎn)生影響的情況主要有以下幾點:
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)致客戶集中來電的情況,需要剔除當(dāng)日集中來電的時段呼入量,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,會導(dǎo)致當(dāng)日重復(fù)來電較多,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)來電的水平,將呼入量回復(fù)原始呼入量。
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)實際情況調(diào)整、完善我們的預(yù)測模型。
例如:客戶類型對呼入量的影響大小是不一樣的,一個新客戶群帶來的呼入量比同量客戶帶來的呼入量將近增加1.5倍。所以我們在做預(yù)測時需要將新客戶群帶來的影響因素放大,否則將在很多程度是影響我們的預(yù)測。
任何預(yù)測模型都不是完美的,都需要我們在后期根據(jù)模型值根據(jù)經(jīng)驗進(jìn)行手工調(diào)整。根據(jù)經(jīng)驗值對預(yù)測進(jìn)行調(diào)整是我們做預(yù)測中很重要的一環(huán)。因為有很多小的細(xì)節(jié)的東西是模型無法完成的。
節(jié)假日期間的預(yù)測是預(yù)測師在預(yù)測中遇到的最難啃的一塊骨頭,相對于正常工作日來說,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)測時給我們帶來不小的麻煩。怎么做好節(jié)假日期間的預(yù)測呢,我們需要將節(jié)假日進(jìn)行簡單的分類,并建立簡單的預(yù)測模型。
國內(nèi)目前的節(jié)假日可分為小長假、國慶長假、春節(jié)假期三類不同的假期預(yù)測。
1、春節(jié)假期
春節(jié)假期預(yù)測是這三類節(jié)假日預(yù)測最難的一個,主要是因為春節(jié)假期放假開始日期不同,且?guī)缀醪皇芎羧肓空S绊懸蛩赜绊懀邕€款日、賬單短信發(fā)送日等。所以我們在預(yù)測時需要利用歷史數(shù)據(jù)及假期當(dāng)年的來話量水平進(jìn)行預(yù)測。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)測量。
春節(jié)假期還有一個比較異常的點,14年春節(jié)和13年春節(jié)不同的是放假開始時間是大年初一,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。這一點需要我們在做預(yù)測時特別注意。
2、國慶長假及小長假預(yù)測
國慶長假及小長假不同于春節(jié)假期有那么濃郁的中國特色,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)確定模型中各個影響因素對呼入量影響的系數(shù),然后利用模型進(jìn)行預(yù)測,最后進(jìn)行手工調(diào)整。
經(jīng)驗值對預(yù)測的影響
2013年年度人工呼入量預(yù)測偏差為1.08%,月度平均預(yù)測偏差保持在正負(fù)5%以內(nèi)。日預(yù)測偏差基本在正負(fù)3%以內(nèi),一直保持了較精準(zhǔn)的預(yù)測,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)測的經(jīng)驗中,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直接使用,需要根據(jù)多媒體客服的特點及重點業(yè)務(wù)進(jìn)行預(yù)測。
上一篇:呼叫中心重要一項,什么是微呼?