建立歷史話務量模型
“月”話務量的模型建立:
可看出“月”話務量的變化(成長與衰退)趨勢與季節因素的影響,能準確預估未來“月話務總量”。歷史月話務量數據應盡可能保存3-5年,並將成長與衰退趨勢作原因註記,將可純化其變動影響,提高未來預估的準確度。
“週”話務量的模型建立:
可看出週一至週日話務量的變化(成長與衰退)趨勢與工作日、假日等因素的影響,能準確預估未來的“日話務總量”。歷史日話務量數據應盡可能保存5-6週,並將變化趨勢作原因註記(如國訂假日、賬單日等),將可純化其變動影響,提高未來預估的準確度。
“分時(每30分鐘)”話務量的模型建立:
可看出分時話務量的變化(成長與衰退)趨勢與忙時因素的影響,能準確預估未來的分時話務量。歷史分時話務量應盡可能保存1-2周有代表性的數據,並將異常變化模型剃除(如暴量來電、系統故障等),將可純化其變動影響,提高未來預估的準確度。
基礎預測流程範例
取得去年全年的話務量×1.1(推估成長10%)=今年全年的話務量
今年全年的話務量×0.12(比例原則預估七月份歷史話務量佔比)=預估七月份話務量
預估七月份話務量/31天=預估平均七月份日話務量
預估平均七月份日話務量×比例原則預估的周一至週日曆史話務量相對比率=預估7/1- 7/31個別日話務量
預估7/1-7/31個別日話務量×歷史個別日分時話務比率=預估7/1- 7/31個別日分時(每30分鐘)話務量
本基礎預測流程實施上應多考慮其它影響因素來微調,如賬單期因素、國定假日微調、營收推估微調、營銷活動微調等,將可讓預測話務量更加精準。
以歷史來電推估未來平均處理時長模型
歷史週一至週日“平均處理時長”的數據與模型建立,可看出週一至週日的變化趨勢與工作日、假日等因素的影響,此模型實為各類型來電混合的平均時長,例如周一報修的來電居多,週一的來電量將趨於報修的平均處理時長;如果晚上以查賬單的來電居多,晚上的來電將趨於查賬單的平均處理時長。
預測話務量時需要精確的平均處理時長來作計算,因此以下措施將有助於改善平均處理時長的準確預測:
針對不同的服務項目,建立其平均處理時長模型,包含週一至週日平均處理時長“分時模型”、“季節因素模型”、“賬單期模型”、“促銷期模型”等。
建立平均處理時長模型時,盡量拆解為“平均通話時長”與“平均話後處理時長”兩模型,將更有助於深入解析。
確實讓每位客服人員了解各服務類別的標準“平均通話時長”與“平均話後處理時長”,並讓客服人員了解自己的達成狀況。
不同類別的話務,其平均處理時長也就不同,應定義其標準的平均處理時長,並於來電統計中分類統計,定期檢討修正。
新進客服人員的平均處理時長應適度放寬,亦可於計算人力時,設定資淺人員專業度<1,或於系統流程變動時修正。
隨著新服務上線趨於成熟穩定後,客服人員應該要熟悉此項新服務,也就是說,此項新服務的平均處理時長應逐步平穩趨近於一底值。
適度利用某些預測工具,並對前述預測流程作定期檢討與修正,將有機會對自己本業建立獨特的預測方法。而各
呼叫中心可以依據行業需求,簡化、新增流程,並建立「經驗參數」於系統流程中,將可持續改善準確度,並有效傳承經驗於系統流程。