呼叫中心系統是一個隨機系統,呼叫量雖然有些規律性的分布,但建立在精確科學基礎上的數學模型難以適應現場情況的千變萬化。一方面,模型需要不斷的調優,甚至針對不同時段,需要多個預測模型;另外,在模型預測的基礎上,還需要排班師進行干預,利用排班師經驗對預測結果進行調整。在傳統手工排班的情況下,排班師忙于應付繁瑣的數據操作,很少能夠對模型進行分析、修正。 可喜的是,隨著排班系統的逐步采用,排班師可以從繁瑣的重復性工作中解脫出來,更專注于模型的優化,充分發揮預測過程中藝術性的一面。 呼叫中心針對不同時段制定不同的預測模型 遇到五一、十一、春節假期等特殊時段,呼叫中心話務量會與平時呈現出極大的差異。業務類別不同,影響也不同。以春節為例,如果是電信類業務,通常呼叫量比平時低大約10%;而如果是信用卡業務,由于刷卡消費增多,相應的呼叫量則比平時要高。針對這種情況,排班員就需要建立正常日、不同假日的預測模型。 呼叫中心歷史數據靈活選擇,相對時間模型、絕對時間模型并用 平日模型:以移動公司為例,話務呈現鮮明的以月為周期的特點,選取歷史數據則以相對時間模型為宜,如可以選取前三月相應時段、去年本月相應時段的數據作為參考;而對于銀行信用卡類業務,則基本呈現以周為周期的特點,這時,可以選取最具有代表意義的幾周的數據作為參考,建立絕對時間模型。 假日模型:假日模型歷史數據一般選類似假日時間段的數據作為預測的基礎。如,預測春節話務量一般選去年、前年春節話務量作為基礎;而十一則以去年、前年十一話務量作為基礎;對于更為特殊的一些時段,則需要另案考慮,比如今年的五一,由于取消了七天長假,以前五一的數據已經不具有相關性,這種情況下,可以考慮采用正常日數據作為基礎。
絕對時間模型:模型建立在固定時間段的歷史數據基礎上,舉例來說,以固定周的歷史數據做為基礎進行預測;
相對時間模型:模型建立在與預測時間段設定間隔的歷史數據基礎之上,舉例來說,以話務預測目標周的前三周歷史數據為基礎進行預測。
呼叫中心歷史數據不夠怎么辦 現實往往不能那么隨人所愿,很多情況下,我們沒有足夠的相關數據可用,就像今年五一的假期縮短了,還有呼叫中心剛建立等情況。這種情況下,相關數據很少,就需要排班師分析預測時段的特點,從歷史數據中選擇最接近的數據進行預測。反過來說,這對排班軟件也提出了要求,即預測模型可以由排班員指定歷史數據時段,能夠同時支持相對時間模型、絕對時間模型。
呼叫中心預測結果出來了,預測工作還遠未結束 在前面我們也談到過,預測絕不僅僅是數學模型。公共假期的變化、突發事件、促銷活動等等因素都會對話務量帶來模型無法理解的異動。要反映這些異動,必須由排班師對預測結果進行調整,這些都是排班工作的藝術性體現,也是預測過程比不可少的一個步驟。
呼叫中心排班師的另類藝術
作者:admin
閱讀:
發布:2012/02/16 15:28:26