化繁为简，合四为一 ——呼叫中心服务水平运营成效的数据化测量

我们在关注什么？

 通常我们最关心的呼叫中心指标之一是服务水平（SLA），SLA 越高，代表呼叫中心越迅速地对客户的来电进行反应，而 SLA 受来电量、人力供给和平均通话时长（AHT）共同影响。除此之外对于实时来电的波动，作为管理者是否及时调整人力资源、是否限制一定离席时间等安排最终都会对 SLA 产生正向或负向的影响，那么我们如何通过不同类型的数据来判断在服务水平这一重要指标上的运营成效呢（以下所有的“成效”均仅针对SLA 达成所付诸的工作）？

我们先来观察如下一组数据：

问题是：哪一天的运营成效更好？

答案是唯一的：相同。因为 SLA 都是 90%。

问题不变，加入来电量如上表，答案可能会变为第二天更好，因为话量更高；或者，无法确定，因为不清楚两天的人力供给情况如何。

MetricDay 1Day 2

如果再增加了如上表的人力，我们会发现第二天的 SLA 和第一天一样似乎是合理的，因为话量和人力都增加了。

最后正如你所想，加上 AHT 的数据。AHT 的增加对 SLA 的影响是反向的，所以它似乎在抵消话量和人力的同步增长。现在又该如何评价两天的 SLA？我们只能说结果是相同的，但无法明确回答哪一天运营成效更好。

一个综合指示数据

我们有 4 个参数，所以很难整体比较。如果能化为 1 个参数，我们所希望的比较就会变得可行。

在经过一些尝试之后，笔者产生了如下想法：

F=（总登录时间/接起的满足服务水平的话量-平均通话时长）/平均通话时长

以上的计算过程得到数值 F，可以描述为接起每一个符合服务水平要求的电话所需要的登录时间和平均通话时长的比值。

为了便于理解，我例举一个理论上的情景：当所有的来电都按序进入队列被座席一一接起，没有任何一个电话有等待时长或均小于服务水平定义的长度且座席也没有任何一秒处于空闲状态，那么 F 的值为零。这是一个极端的理想化状态，永远无法达成（当然如果

考量极短时间内若干个电话进线可能会产生上述结果），所以F 值越趋近于零说明人力在时段内越符合来电量。

我们对刚才的情景计算 F 值（注意各参数的单位，人力供给需要转化为实际的登录时长）。

从 F 的结果来看，第一天的运营成效较理想。

想象一下如果 F 值是负数，那意味着什么？

特别需要注意的是不理想的运营成效意味着人力过多或过少（即不同时段在线人力是否贴合来电量），在这 两种情况下都会导致 F 值的偏高，即同样的 F 值可能代表不同的运营表现。

通过上述 Day 2 和 Day 3 的比较可以知道 F 值需要结合 SLA 共同观察，这样二维参

数组成的图表可以清晰地表现一段时期内的运营成效。

下图是某呼叫中心 10 天内的 F 值和 SLA 的比较，从图形上看柱状顶端离开相应曲线

点的距离越远表明当天的整体服务水平运营情况越好，这意味着高 SLA 和低 F 值。图中Day 1 是最佳的表现，Day 10 则明显表现出人力不足。

对于F值使用的一些建议：

1、服务水平的管理成效受许多因素影响，应该分解所有相关因子并按权重及现实条件进行优化运营才能逐步减小 F 值（笔者所在的呼叫中心用近 1 年的时间使得 F 值从月度的 1.4 左右减低并稳定在0.7—0.8）。

2、不要追求过低的 F 值，它可能会消耗你太多的管理精力，如频繁地调用资源来改善在线人力。在对你的呼叫中心数据进行历史回顾并持续改善一段时间后你会找到一个合适的数值，它取决于时间段内的来电模式（平谷峰）、呼叫中心的运营成本以及对客户服务体验的期望。

3、如果你能更好地理解 F 值，它或许还可以成为你进行人力测算的一种方式，因为如果当 F/SLA/AHT 是已知的值，那么登录时间也能求得。它和传统的 Erlang C 人力预测以及使用产能预测相比可不可能具有某些优势？期待未来有机会再与大家分享。

本文刊载于《客户世界》2017年11月刊；作者为宋璐，单位为某美资企业呼叫中心管理人员。

转载请注明来源：化繁为简，合四为一 ——呼叫中心服务水平运营成效的数据化测量

本文链接地址：http://www.ccmw.net/article/114825.html