呼入式客服中心话务预测
||2014-08-04
话务预测是客服中心现场运营管理中的第一个环节，也是最重要的一个环节。只有精准的话务预测才可以进行准确的人力排布，提高人工座席利用率，进而提高服务水平并降低人力成本。精准的话务预测也可以提前对未来运营做出预警，为提高服务水平奠定基础。话务预测不仅对时段、日、月这种较小时间维度内的人力排布起决定性作用，而且可以对年度运营起到较大的指导作用。例如客服中心年度人员需求、何时需要进行人员招聘等客服中心运营管理中的各个环节。
光大银行客户满意中心已走过十五个年头，最初业务类型单一、规模小、来电较为稳定，预测基本采用的是平均值预测法及移动平均预测法行预测。随着光大银行业务增加、客户群体扩张、客户黏度增加，来电逐年增长。影响话务的因素也随之增加，为预测带来不小的挑战。例如目前光大银行信用卡就有10个以上的客户群按照不同的还款周期带来相似规律的话务量，如果再使用平均值的预测方法进行预测，很难再做到预测的精准。我们现在SAS系统中使用ARIMA时间序列预测模型进行预测。附图为信用卡两个不同的还款周期的来话量图示（如图1）。
图1：
不同还款周期的来话量
一、不同话务预测方法适用不同阶段的呼叫中心
话务预测属时间序列预测范畴，预测方法从简至难，多种多样，但是需要根据客服中心的主要业务、规模、话务来电规律及需达到的服务水平目标进行合理选择。否则，你即使选择最复杂的预测方法，但如果不适合自己的预测环境，那只能给你带来较多的麻烦，而结果相差无几。下面是几种常见的预测方法：
1、平均值预测法
平均值预测法广泛应用在业务单一、话务较稳定的客服中心。
具体公式为：预测值＝所有历史数据的平均值。
2、移动平均预测法
移动平均预测法仅对与预测时间内数据相关性最大的N个历史数据求平均值。
具体公式为：预测值＝N个相关性较大的历史数据的平均值。
3、指数平滑预测法
指数平滑预测方法是对移动平均法的改进，是将不同大小权重赋予与目前时间段相关的N个历史数据。
具体公式为：预测值＝n1(历史数据1）＋n2(历史数据2）+…+(1－nn)( 历史数据n) 。
4、ARIMA模型
ARIMA是自动回归积分滑动平均模型，它主要使用在有长期趋势与季节性波动的时间序列的分析预测中。ARIMA的思路很简单，首先用差分去掉季节性波动，然后去掉长期趋势，然后平滑序列，最后用一个线性函数+白噪声的形式来拟合序列。
二、呼入电话预测方法及程序
光大银行目前的话务预测利用ARIMA预测模型进行预测。业务类型主要分为信用卡及综合业务两类。两种业务有不同的客户群、不同的话务来电规律，需要构建不同的预测模型。
下面主要对构建预测模型进行详细介绍。
（一）历史数据的收集及整理
历史数据的处理是预测前最重要的一步，如果数据不处理干净，将直接影响预测的精准度。对于客服中心的话务情况而言，对原始话务来电量产生影响的情况主要归纳总结了以下几点：
1、系统故障。如果某一天发生系统故障，需要按照发生故障的时间维度剔除当日发生系统故障的话务量，还原为原始呼入量。
2、由于某种敏感短信或舆情造成客户的集中致电。
3、如果某一天发送了某种敏感短信或者发生舆情，导致客户集中来电的情况，需要按照所影响时间维度剔除相应的话务量，还原为原始呼入量。
4、人力不足，接通率较低的情况。
如果不是由于以上情况，而是由于人力不足造成接通率较低，导致重复来电较多，当日呼入量数据不是原始客户需求的真实呼入量。我们需要按照当日重复来电的水平，将呼入量还原为原始呼入量。
（二）模型的初步建立
不同的业务有不同的影响因素，需要我们挖掘历史数据去发现较重要的影响因素。例如信用卡业务主要涉及还款日、账单短信提醒日、延期还款期等影响因素。综合类业务主要涉及贷款还款日、贷款还款短信提醒日等影响因素。找到影响呼入量的影响因素后，需要将不同的权重赋予不同的客户群。例如图1中两个不同还款周期的客户群，我们需要在20日和22日分别标注还款日，并将较大的权重赋予22日还款日的那部分客户。
至此模型已初步构建完成，但是随着业务、路由调整及客户量等的不断变化，需要不断调整、完善我们的预测模型。预测模型是人工构建的，必有我们考虑不到的因素，所以模型不是完美的，需要我们根据经验对模型值进行手工调整，经验则需要预测师在不断的学习中、工作中进行总结。
（三）模型之外的预测点
有很多时间段内的预测是无法利用模型进行预测的，需要我们根据历史数据、经验去手工进行预测。例如春节期间、黄金周及小长假等的预测。
（四）预测成果
2013年度光大客服中心人工呼入量预测偏差率为1.08%，月度平均预测偏差保持在正负2%以内，日预测偏差基本在正负3%以内。精准的预测为我们的节约了人力，降低了人员成本。
三、探索多媒体话务量预测
光大客服中心相继推出了文字客服、视频客服等一系列多媒体类客服服务。如何做好多媒体话务预测，是我们正在不断探索的另一方向。在原有人工电话客服呼入量预测的经验中我们也可以得到很多启发，但是不能照猫画虎拿来直接使用，需要根据多媒体客服的特点及重点业务来重新构建新的预测模型。
本文刊载于《客户世界》2014年7月刊；作者单位为中国光大银行电子银行部客户满意中心；
转载请注明来源：呼入式客服中心话务预测
客户世界
这家伙很懒，什么都没写！
噢！评论已关闭。