隨著客服中心規(guī)模不斷擴(kuò)大，管理工作也變得日益復(fù)雜，越來越多的客服中心企業(yè)都在關(guān)注“人員效能、運(yùn)營成本、合理排班”等問題，然而優(yōu)化整合人員的前提是要有精準(zhǔn)的話務(wù)預(yù)測作為指導(dǎo)。因此，如何準(zhǔn)確地預(yù)測客服中心的話務(wù)量是一個(gè)重要且亟待解決的問題。

1、引言

在寫這篇文章之前，也看過各位前輩、資深專家分享過的經(jīng)驗(yàn)及文章，對于一些剛?cè)腴T的小白或有些剛起步的客服中心，因人員技術(shù)限制及歷史數(shù)據(jù)的積累有限等問題，有些方法暫時(shí)還不能很好地運(yùn)用，而預(yù)測工作指數(shù)平滑、線性回歸等方式方法是萬變不離其宗，對剛起步的客服中心我們都忽略了預(yù)測之前的準(zhǔn)備工作，而這部分工作在筆者看來是有意義的，在可控的資源條件下它會(huì)更加精確化修正話務(wù)預(yù)測結(jié)果。

在基礎(chǔ)數(shù)據(jù)不完善和存在缺失的情況下，如何對話務(wù)變量的重要因子進(jìn)行有效提取和確認(rèn)是本文中探討的重點(diǎn)問題。筆者將淺談話務(wù)預(yù)測準(zhǔn)備工作中的人工服務(wù)請求量異常數(shù)據(jù)清理工作，將話務(wù)預(yù)測公式中：某日話量=日平均話量*年度增長*因素*權(quán)重，因素提取做簡單分步的提取及測算其系數(shù)，工具將采用的是Excel測算。在此需要備注說明，本文工作預(yù)測僅為人工服務(wù)請求量，暫未包含IVR語音自助及其他線上性預(yù)測工作。

2 、相關(guān)原理

2.1因子數(shù)據(jù)確定

在客服中心，話務(wù)預(yù)測首先要確認(rèn)哪些對話務(wù)會(huì)產(chǎn)生的因子，不同行業(yè)的客服中心會(huì)產(chǎn)生不同的因子。舉例來說，天氣因素、營銷推廣、節(jié)假日、人文特點(diǎn)等都會(huì)對話務(wù)量產(chǎn)生較大的影響，因此不同類型的客服中心的話務(wù)預(yù)測不可按照固定模式對因子進(jìn)行固化選擇，需要根據(jù)自己的實(shí)際情況進(jìn)行有效的數(shù)據(jù)篩選工作，確定有效影響因子后才可進(jìn)行收集、整理、清洗工作。

2.2歷史數(shù)據(jù)收集

任何分析及預(yù)測工作都離不開歷史數(shù)據(jù)，根據(jù)歷史數(shù)據(jù)我們才能直觀了解話務(wù)走向發(fā)展趨勢，從中發(fā)現(xiàn)并總結(jié)規(guī)律。目前客服中心分別以年、月、周、日及48點(diǎn)作為收集數(shù)據(jù)的維度，或以上述時(shí)間維度作為各類考核基準(zhǔn)點(diǎn)，但從話務(wù)預(yù)測與排班工作及實(shí)際運(yùn)用角度來看，應(yīng)優(yōu)先采用48點(diǎn)維度來收集數(shù)據(jù)信息，其次選擇每月、日話務(wù)量。而數(shù)據(jù)周期優(yōu)先選擇使用近兩年或相對穩(wěn)定的話務(wù)數(shù)據(jù)周期，原因與之前專家、前輩所提倡不謀而合，早期歷史數(shù)據(jù)沒有太大意義，或會(huì)影響后期結(jié)果效果。話務(wù)數(shù)據(jù)周期可根據(jù)各自客服中心的特點(diǎn)進(jìn)行不同周期的因子數(shù)據(jù)優(yōu)化調(diào)整工作。對于此次方法介紹，我們先采用近兩年話務(wù)數(shù)據(jù)，下文對話務(wù)數(shù)據(jù)、數(shù)據(jù)名詞統(tǒng)稱為話務(wù)量。

2.3數(shù)據(jù)時(shí)間維度

數(shù)據(jù)時(shí)間維度選取的數(shù)據(jù)，可以通過分析每月話務(wù)量的總數(shù)、占比、季節(jié)、營銷事件等條件，將話務(wù)量進(jìn)行分類劃分，方便、精確分析各類數(shù)據(jù)。下面就以2018年某地話務(wù)量為例（圖1），綜合每月話務(wù)量的總數(shù)、占比數(shù)據(jù)分析。我們將一年的話務(wù)量大致分為第一季度（2月份），第二季度（3月~5月），第三季度（6月~8月），第四季度（9月~10月），第五季度（11月~次年1月）。在這每個(gè)季度中，我們又將每日48點(diǎn)話務(wù)量細(xì)化分為工作日、非工作日及法定節(jié)假日。

圖1：話務(wù)數(shù)據(jù)季度分布圖

3、 話務(wù)波動(dòng)分析

3.1 理論模型

在概率論和統(tǒng)計(jì)學(xué)中，變異系數(shù)又稱“離散系數(shù)”（Coefficient of Variation），是概率分布離散程度的一個(gè)歸一化量度，其定義為標(biāo)準(zhǔn)差與平均值之比。公式為：

變異系數(shù) C?V =（ 標(biāo)準(zhǔn)偏差 SD / 平均值Mean ）× 100%

一般來說，變量值平均水平高，其離散程度的測度值越大，反之越小。如果單位和（或）平均數(shù)不同時(shí)，比較其變異程度就不能采用標(biāo)準(zhǔn)差，而需采用標(biāo)準(zhǔn)差與平均數(shù)的比值（相對值）來比較。由此可見，離散系數(shù)越大，說明波動(dòng)越大，由此我們可直觀地看到48點(diǎn)話務(wù)量波動(dòng)情況。

3.2 話務(wù)波動(dòng)實(shí)例分析

上文中提到，就實(shí)際工作應(yīng)用的角度，48點(diǎn)時(shí)間維度的話務(wù)量是有價(jià)值的，它直接間接影響或指導(dǎo)排班，有效地提升人員能效及人員分布的作用，所以在此介紹一下48點(diǎn)波動(dòng)點(diǎn)分析及方法。

行業(yè)常規(guī)中經(jīng)常把異常數(shù)據(jù)利用各種清洗數(shù)據(jù)手段給其清洗掉，而不對異常數(shù)據(jù)進(jìn)行分析，但通過我們對異常數(shù)據(jù)的實(shí)際研究，從中得出的話務(wù)因子及其系數(shù)，從而優(yōu)化話務(wù)預(yù)測準(zhǔn)確性。

以某地1月份話務(wù)量為例，準(zhǔn)備2018年1月份每日48點(diǎn)數(shù)據(jù)（圖2），根據(jù)歷史話務(wù)量趨勢及話務(wù)特點(diǎn)，暫將某地?cái)?shù)據(jù)分為工作日及非工作日兩大維度，而后將當(dāng)月每日同時(shí)間點(diǎn)數(shù)據(jù)做變異系數(shù)計(jì)算得出離散系數(shù)。當(dāng)然此類方法，亦可做本周、本月離散系數(shù)，以此看出波動(dòng)幅度情況。

圖2：某地1月份話務(wù)量每日48點(diǎn)數(shù)據(jù)

4 、因子系數(shù)的測算

4.1 理論模型

4.1.1人員AHT測算

人員的AHT測算按照廣義來說分為兩種，高能效的AHT和低能效的AHT。簡單來說，高能效的AHT主要存在于對接聽率要求相對較低，對人力資源成本核算要求較高的客服中心多以外包類客服中心為主，成本效益相對較高；低能效AHT存在于社會(huì)服務(wù)類客服中心，社會(huì)服務(wù)感知要求較高，利潤考慮度較低。以AHT核算話務(wù)接聽情況就關(guān)聯(lián)客戶的重復(fù)撥打情況，對于話務(wù)預(yù)測的準(zhǔn)確度有較大的影響因素。

1)、高能效AHT，此類客服中心對于人員能效管理要求較高，在崗時(shí)間內(nèi)多以滿負(fù)荷工作狀態(tài)為主，人員AHT基本處于一個(gè)較高水平，當(dāng)日接聽話務(wù)能力波動(dòng)比較低，能相對準(zhǔn)確地測算出人員的接聽能力。話務(wù)因素影響較低，可對客戶的呼入習(xí)慣、呼入需求進(jìn)行較為準(zhǔn)確的測算，同時(shí)根據(jù)客戶的放棄率，可測算出話務(wù)量的增幅比例。

2)、低能效AHT，此類客服中心在排班過程中按照較高的接聽率進(jìn)行人員擬合排班，相同人員在不同時(shí)間段的AHT能效波動(dòng)較大，無法有效體現(xiàn)人員的基礎(chǔ)能效值，話務(wù)低谷情況下人員能效值偏低，話務(wù)高峰時(shí)段人員能效會(huì)出現(xiàn)提升，但話務(wù)放棄量出現(xiàn)大幅度上升。此類客服中心無法有效按日AHT進(jìn)行核算，僅可采用AHT進(jìn)行能效情況的估算。

4.1.2工單類型

工單類型及分類可間接體現(xiàn)每通電話客戶來話的原因、需求、訴求。這其中，可通工單類型數(shù)量占比分析出電話客戶來話習(xí)慣規(guī)律，及工作中問題專項(xiàng)提升方向等其他角度分析挖掘。對于話務(wù)預(yù)測工作而言，可根據(jù)工單類型數(shù)據(jù)占比反推出當(dāng)日哪類因子影響當(dāng)日話務(wù)量造成峰涌，以及證明、校驗(yàn)各類因素對話務(wù)量影響的維度關(guān)聯(lián)。以2018年某地全年話務(wù)量為例，由下圖可見（圖3、圖4），受高溫天氣因素影響，氣溫越高，工單量也呈上漲趨勢，其中故障類工單數(shù)量較多，約占總工單量的40-50%，而其他類工單也受此因素影響呈上升的趨勢。由此看出，工單量可以反推出當(dāng)日話務(wù)量。

圖3：非故障業(yè)務(wù)與溫度關(guān)系

圖4：故障報(bào)修受理量與高溫關(guān)系

4.1.3測算重復(fù)撥打情況占比

客戶重復(fù)來電撥打情況也會(huì)對話務(wù)預(yù)測的準(zhǔn)確率造成較大的影響。重復(fù)撥打分為多類情況，人員匹配度低（高AHT客服中心）故意放棄部分話務(wù)，業(yè)務(wù)事件的影響因素、突發(fā)因素影響等內(nèi)容。重復(fù)撥打需要根據(jù)不同的情況進(jìn)行分類的測算，不可同一而論。

4.1.4現(xiàn)場人員收集

現(xiàn)場人員收集法，主要的涉及對象即為現(xiàn)場調(diào)控人員，現(xiàn)場的人員情況、能效情況、及話務(wù)突發(fā)情況等其他突發(fā)情況，此崗位人員從管理層角度來說是第一接觸人，由此崗位人員根據(jù)現(xiàn)場實(shí)際情況上報(bào)、下達(dá)相關(guān)調(diào)令指揮及其他應(yīng)急預(yù)案啟動(dòng)。考慮到現(xiàn)場人員在突發(fā)事件下的緊急情況，可由現(xiàn)場人員簡單記錄5分鐘峰涌情況、排隊(duì)情況、峰涌時(shí)段、峰涌原因情況等情況即可，而后可交由話務(wù)預(yù)測分析專員做詳細(xì)分析參考。

圖5為現(xiàn)場記錄因子的簡單模板，而此模板僅作為在遇到異常話務(wù)情況下填寫，只需填寫異常突發(fā)時(shí)段數(shù)據(jù)，如無異常突發(fā)情況無需填寫。當(dāng)然各客服中心情況不同，也由此可以作為借鑒進(jìn)一步改良創(chuàng)新，或長期記錄填寫。

圖5：現(xiàn)場記錄因子模板

4.2 因子系數(shù)的測算及分析

通過大量準(zhǔn)備工作，在話務(wù)數(shù)據(jù)中發(fā)現(xiàn)異常波動(dòng)點(diǎn)，并通過四種維度發(fā)現(xiàn)異常波動(dòng)點(diǎn)的真實(shí)原因，在話務(wù)預(yù)測工作中來說，可將此波動(dòng)點(diǎn)的原因記錄為因子，而參與預(yù)測測算工作的即為因子系數(shù)。

因子系數(shù)的獲取，對于呼叫行業(yè)內(nèi)，也許會(huì)有很多種的方法，大多數(shù)的呼叫中心使用的是SPSS等其他數(shù)據(jù)分析類軟件分析出因子系數(shù)。在這里目前使用均值類算法去測算基準(zhǔn)值及其系數(shù)。結(jié)合48點(diǎn)話務(wù)數(shù)據(jù)及波動(dòng)點(diǎn)分析，將工作日及非工作日每48點(diǎn)話務(wù)量測算出一個(gè)48點(diǎn)均值，當(dāng)期話務(wù)量以此均值為基準(zhǔn)點(diǎn)，測算出差值，利用此差值得出此類系數(shù)