什么因素影响了呼叫中心话务预测

什么因素影响了呼叫中心话务预测

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
（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。
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。

你说呢...