武琦:服务水平那些事
本次关于服务水平话题的探讨将围绕服务水平的局限性及服务水平的保障开展,目的是为了让大家对服务水平能有所了解。我们不能只知道服务水平如何计算,也要知道服务水平的计算缺陷及今后的排班、运营过程中每个员工对于服务水平指标的影响。
Erlang-C公式在呼叫中心绩效计算上起了很大作用,但也需要了解Erlang公式的局限性。
Erlang-C是一个估算呼叫中心服务水平指标的算法,但它与所有的数学模型一样存在简单化的局限,它对指标估算的准确与否依赖于Erlang-C的前提假设的环境是否与真实情况相近。
平均:话量的时段起伏被平均来电率λ抚平。
放弃的呼叫:Erlang-C不涉及放弃的呼叫情况。
人员过剩:Erlang-C通常会建议使用比实际需求更多的人员(由于放弃的呼叫没有考虑的原因)。
呼叫流:Erlang-C不处理呼叫溢出或多个呼叫队列的情况。
优先权:Erlang-C假设实施的是一个简单的先到先服务的排队原则。
1、平均
Erlang-C假设来电率是一个固定值,电话以一个基本稳定的比率随机呼入。一般的概念是清楚的,即来电率是稳定的,不会忽高忽低。
呼叫中心的度量和排班是建立在半小时时间段基础上的,因而采用半小时为时段单位,基于半小时时段对来电率平均会有什么结果。我们以半小时308个电话的稳定来电率、平均通话时长180秒、15秒内应答的服务水平目标值80%为例开始,Erlang-C告诉我们达成目标值需要36名座席,实际服务水平是82%。
现在让我们来看如果来电率不是一个稳定的半小时308个来电而是在半小时的定义时间段内从250个来电增加到350个来电则可能发生什么情况。时间段的平均来电率仍然是半小时308个来电。如果我们用Erlang-C公式一分钟一分钟去分析在定义时间段内会发生什么,我们会得到图1的结果,最终的服务水平是65%而不是预期中的82%。
图1 半小时内从250个来电到350个来电的服务水平对比
由于一天中的来电率差别很大,这里揭示的平均误差就变得很重要。当来电率变化时使用在一个定义时间段内的平均来电率其所产生的误差就会增大。这不限于Erlang-C公式,无论我们选用或拟合任何队列公式都是如此。一种减少平均误差的方法是用15分钟做为数据统计报告的时间段,虽然这种方法不能根除问题。
2、放弃的呼叫
与没有超负荷的假设一样,Erlang-C假设呼叫不会被放弃。这也就意味着Erlang-C不会告诉你任何放弃率的情况。
用Erlang-C公式去推导放弃率是完全误导的且没有必要,因此这里需要特别强调。
3、人员过剩
实际上来电会被放弃或限制队列长度,建议用户挂断。Erlang-C会低估达到的服务水平或高估达到服务水平目标值所需的座席数量,在呼叫中心内出现导致人员过剩的情况,一些呼叫中心因而不再使用Erlang-C作为排班依据。
4、呼叫流
Erlang-C假设一个座席团队处理一个呼叫队列,很多呼叫中心会安排多个团队混接多个技能的情况,即同一团队接多个不同技能或同一技能由多个不同团队承接,这种情况下Erlang-C不适用。
5、优先权
Erlang-C假设来电遵循先来先服务的原则,使用其他一些优先权方案实际上可以显著提高服务水平,但优先权方案很难对客户做到公平。
以上是Erlang-C公式的局限性,只有准确了解公式的缺陷才能想到解决缺陷、完善公式的方法。下面介绍一下从人员维度考虑来看每个员工对于服务水平指标的影响。
遵时,是一种对座席代表执行排班方案吻合度的测量。
在排班中预测量了来电量、测算了服务时长,并根据服务水平的要求安排了所需的所有人力,但实际真的会如我们所料么?我们可以用算法模拟全天当遵时出错时会发生什么?
首先选择以中午10:00-11:00这一个小时的线路进行模拟,以15分钟为间隔制定排班方案,预测整个1小时的总流入量是360通电话,假设实际情况每15分钟话量均匀流入,那每个时段的流入话量是90通,测算在岗座席代表的平均服务时长300秒,如果要达成20秒90%的服务水平,测算需要37名座席代表上线。现在以15分钟为间隔,看一下遵时对服务水平的影响。
1、10:00-10:15
2、10:16-10:30当前时段座席全勤,37人全部上线,来电的90通电话在合理的时间内被应答,客户感到愉悦,座席代表也因为没有高强度的工作压力而开心,管理人员也因为服务水平的达成而高兴,我们在20秒内处理了90.26%的电话,一切正常。
3、10:31-10:45此时一个座席代表因一些原因缺席(此原因不包括小休),此时对服务水平产生重大影响,客服来电不得不等待更长的时间才能被接起,其他员工也因此承受更大压力,他们必须高负荷工作来弥补同事缺席,在此期间20秒内处理了85.80%的来电,截止到目前总体的服务水平达成88.03%。
此时又出现5名员工缺席,这对现场产生了毁灭性影响,客服的来电必须要等待近4分钟才能被接起,客服一直在试图拨打、放弃、再拨打,导致客服来电数增加,座席代表需要一个接一个地不停处理来电,极大地增加了服务压力,20秒内处理了25.26%的电话,截止到目前总体服务水平达成67.10%。
4、10:46-11:00
缺席座席代表陆续回归并且运营现场让额外的6个员工上线支撑试图弥补前几个时段损失,但富裕的6名座席代表只能提升9.29%的服务水平,而损失的6名座席代表服务水平将会下降65.00%。人力的富裕并不会让客户感到来电会更快地接起,并且由于座席代表感觉并不忙,会产生处理效率的下降和通话时长的增加。当我们用37人就可以达成的服务水平增加到43人后富裕的6人也造成了一定的资源浪费,虽然本时段的服务水平达成99.29%,但总体的服务水平只有75.15%。
总结:
1、模拟结果实际服务水平达成75.15%,预测达成的服务水平是90%。我们尽力将座席需求数量与每15分钟时间间隔的排班表座席数量相匹配。
2、遵时方面总体来看所有人都是出勤并且只有一个人少上了15分钟(每个15分钟需求37人,1小时总需求人次37*4=148人次,实际遵时147人次),仅仅少了一名座席都可能对服务水平产生影响。
3、虽然最后15分钟靠人员的回归及支撑人力的上线而提升了整体服务水平,但由于之前人力的缺席导致总体服务水平无法拉回,仅靠座席代表归位或人员富余不可能去“修复”服务水平,损失可能已经形成了。
上面文字模拟可能不好理解,接下来用图表的方式换一种方模拟,让大家能感受到每个人的影响力,我们用2个业务来进行比较:
第一个业务:是一个较大的业务,全天36000流入量,营运时间18个小时。平均每半个小时流入量1000通电话(36000话量/36个半小时),员工平均处理时长300秒,20秒服务水平要求80%,服务水平测算结果显示需求176人上线,我们按照需求排定176人。现在来演示不同的出勤人数会对这个时段的服务水平造成的影响。
可以看到在只改变排班人数的情况下服务水平的影响。
1、当1个人未出勤时服务水平只能达成76.26%,与人员全勤相比服务水平下降了4.02%,虽然出勤率很高,达成了99.43%;
2、当2个人未出勤时服务水平只能达成71.50%,与人员全勤相比服务水平下降了8.78%,此时的出勤率也有98.86%;
3、当出勤率只能达成94.89%时服务水平已经被严重放弃,并且由上一个案例可以看到后面及时出勤率得到了严格管控,甚至是职能岗上线支撑也无法挽回全天服务水平。
第二个业务:是一个较小的业务,全天只有9000的流入量,营运时间也是18个小时,平均每半个小时的流入量250通电话(9000/36个半小时),员工平均处理时长也是300秒,20秒服务水平要求80%,测算结果告诉我们需求48个人,我们按照需求排定48人。现在来演示不同的出勤人数会对这个时段的服务水平造成的影响。
对于以上的测试我们暂不以出勤率来看待服务水平的影响,因为出勤率有小数。我们以缺勤人数来看,因为缺勤的人数只能是整数。
当小业务缺勤7人时服务水平已经无限趋向与0,而大业务在缺勤10人时也已经无限趋向于0,可见大业务虽然话量是小业务的4倍、人数是小业务的3.5倍以上,但对于缺勤的包容性却远远没有这么多;同样也说明无论业务的大与小,在服务水平时代中每个人的重要性已经远远高于接通率时代。
本文刊载于《客户世界》2017年10月刊;本文作者为武琦,作者单位为山东澳迪赛企业管理咨询有限公司;
转载请注明来源:武琦:服务水平那些事
噢!评论已关闭。