影响呼叫中心话务预测准确率的关键因素

2019-02-26    来源:多智时代

容器云强势上线!快速搭建集群,上万Linux镜像随意使用

“用了你们的排班软件,预测准确性可以达到多少?”

在交流劳动力资源管理(WFM)的过程中,用户常常会问到类似的问题。其实,这里有一个误区,预测准确性并不能完全由软件工具决定,WFM工具能够辅助使用者更好的对历史数据进行管理、分析,减轻使用者手工处理的繁琐劳动,而要做到精准的预测,使用者的业务经验同样有着非常关键的影响。

笔者认为,无论是手工预测,还是采用WFM工具,要想做好预测,一定要从以下几方面综合入手;

选取合适的历史数据

在预测基础上参考业务经验进行必要的修正

在运营过程中对话务异动的分析及处理

历史数据的选取

历史数据是话务预测的基石,但历史数据并非越多越好。在进行预测时,一定要选取具有较大相关性的历史数据,数据的相关性越强,对预测准确性的帮助就越大。所谓相关性,是指历史数据所依存的业务环境与现有环境具有较大的相似性。如果由于客服中心业务变化,例:技能路由策略调整,各技能间话务占比变化,增加了新的技能队列等,都会造成之前的历史数据相关性变差,以之作为预测基础,则会带来较大的不确定性。因此,在预测之前,一定要明确历史数据的相关性,尽量选取相关性强的数据作为预测基准。

但是,在选取预测基准数据时,往往没有足够的相关性数据。这其中很重要的一个原因是:直接从ACD获得的数据往往存在着各种异常因素。如:系统故障等原因引起的数据缺失,促销活动、公共假日、异常天气等引起的话务量异动等。这些数据与实际业务环境差异很大,也就是相关性差。为了解决相关性数据缺乏的问题,通常,需要对历史数据进行清洗,如剔除缺失数据,修正异常数据等,这个过程其实就是要提高数据的相关性,使之更能反映业务现状的特点。

数据相关性修正中,最小颗粒度(可修正的最小单元)非常关键。如果是手工预测,通常会预测到每天的话务量,因此,对历史数据的修正最小单元也要以天为单位,粒度过大则不能完全消除异常话务的影响;如采用WFM软件,预测可以精确到天、甚至时段(每15分钟、每30分钟),则在修正时,不仅要考虑基于天的修正,同时,还要考虑时段话务量分布的修正。

相关性修正能够保证历史数据符合当前业务特性,能够反映话务变化的特点。但在实际预测时,针对不同的排班应用场景,还需要有针对性的进行选择:

手工周预测:前几周、上月对应周、历年对应周等都可以作为基准数据的选择对象,但需要考虑话务月分布特性的影响;

手工月预测:前几个月、历年对应月都可以考虑作为基准数据,同时,也需要考虑周分布特性的影响;

系统预测:不同的WFM工具,其预测算法及模型不同,基准数据的选取方式也不同。但无论如何,数据相关性、月分布特性、周分布特性都是取得准确预测比不可少的考虑因素。

精细化修正

呼叫中心的话务量受到多方面的影响,因此,在选取相关性数据,完成基础预测后,还必须综合各方面可预见的影响因素进行精细化修正。

首先,要考虑业务整体趋势的影响。如公司产品部门发布新的产品,销售部门销售业绩的增加等都会带来客户量的增长,同时带来呼叫量的增加。而这种客户增长有可能是平滑的稳定增长,也可能是跳跃式的突增,因此,必须根据业务量增长的趋势及特点有针对性的对话务量进行修正。

其次,还要考虑外部环境的影响。客服中心话务量同时还会受到外部环境的影响,如公共假日、大型活动、异常天气等。对于不同业务类型的客服中心,其影响的方式、幅度、作用时间范围都不相同。在预测时,要尽可能的考虑其影响并适当的修正预测结果。

此外,还需要考虑临时扰动因素的影响。临时扰动因素指的是可以预见但不存在特定规律的事件,比较典型的是市场部门不定期的促销活动。如果能够预见到类似事件,则一定要预估其作用时间及幅度,并相应的修正话务量。

从话务修正环节,我们可以看到,客服中心话务量受到企业其他各部门的影响,因此,建立良好的内部流程,提前获知影响话务量的事件不容忽视。

异动的处理

客服中心的目标是服务客户,因此,话务预测是实现客户服务目标的手段,而非目的。而影响话务的因素很多是无法提前预知的,在现场运行中,如何对话务异常波动进行分析、处理是达成这一目标的关键,也是后续预测更加准确的保证。

发现话务异动,首先要做的是分析话务异动的原因,找到异动原因后,要进一步分析其影响幅度及时间范围,进而采取必要的排班调整措施。异动产生的原因不同,其处理方式也会有所不同。通常,话务异动可能由以下因素导致:

预测中关键因素的缺失:发现话务异动,首先需要考虑是否在预测过程中考虑了所有可能的影响因素。如:选取的历史数据是否相关?是否考虑了业务的增长趋势?是否针对业务的月分布、周分布等特性进行了相关的校验?是否考虑了可预知的外部环境变化、临时扰动事件的影响?

一旦确定是上述原因,则需要进行以下几方面的调整:

当天人力安排的调整:如果话务量突然变大,则要根据实际情况安排必要的后台人员上线,员工临时加班,调整员工吃饭、休息时间,通知候补班组上班等操作;如话务量变小,则可以适当的安排部分临时培训,员工提早下班等;

后续班表的调整:按照分析结果对预测值进行修正,并重新调整后续班表;

预测方法的改进:总结预测关键因素缺失的原因,注意在今后的预测中充分考虑所有可预知因素。

天气、系统故障等突发事件的影响: 这类事件对话务的影响是突发的,事先很难去预估,但这类事件影响往往是短期的,因此,调整措施主要包括:

当天人力安排调整;

后续班表调整:如果影响事件较长,则同时要进行后续班表的调整。

事先未得到其他部门的通知: 其他部门的临时活动有时不能及时通知到客服中心。发现异动后,如果排除了上述预测、突发事件的影响,则要考虑是否是临时活动引起的异动。遇到这方面的异动,一方面要进行当天、后续班表的调整,同时更重要的是与其他相关部门进行沟通,建立起信息传递的流程,在以后预测中尽可能预先考虑类似事件的影响。

事件的影响程度考虑不足:还有一种比较特殊的情形,所有影响话务量的因素都考虑到了,但预测话务量与实际值仍有一定的偏差。遇到这种情况,则需要考虑该事件的影响幅度、客户对该事件的反应模型(拨打机率、呼叫量衰减)等因素并参考历史数据中该事件的影响,逐步形成较为完善的事件影响模型。

在实际生产环境中,情况要复杂的多,有时,多种因素会叠加作用,很难清晰的判断是哪种事件造成的影响。在此,仅仅是结合笔者的经验给出了处理话务异动问题的思路,具体处理还需要数据预测人员结合呼叫中心的实际情况综合分析,这也就是我们常说的‘预测、排班的艺术性’所在。但一定要建立起对异动进行分析、响应、总结的工作习惯,从而实现预测流程的逐步优化及预测准确率的持续稳定。

在不久的将来,云计算一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏云计算,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

标签: 大数据 数据预测 云计算

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点!
本站所提供的图片等素材,版权归原作者所有,如需使用,请与原作者联系。

上一篇:技术解析云服务常用形态

下一篇:青岛联通打造云计算数据中心 推出专业EDC服务