呼入式客服中心話務(wù)預(yù)測(cè)

　　話務(wù)預(yù)測(cè)是客服中心現(xiàn)場(chǎng)運(yùn)營(yíng)管理中的第一個(gè)環(huán)節(jié)，也是最重要的一個(gè)環(huán)節(jié)。只有精準(zhǔn)的話務(wù)預(yù)測(cè)才可以進(jìn)行準(zhǔn)確的人力排布，提高人工座席利用率，進(jìn)而提高服務(wù)水平并降低人力成本。精準(zhǔn)的話務(wù)預(yù)測(cè)也可以提前對(duì)未來運(yùn)營(yíng)做出預(yù)警，為提高服務(wù)水平奠定基礎(chǔ)。話務(wù)預(yù)測(cè)不僅對(duì)時(shí)段、日、月這種較小時(shí)間維度內(nèi)的人力排布起決定性作用，而且可以對(duì)年度運(yùn)營(yíng)起到較大的指導(dǎo)作用。例如客服中心年度人員需求、何時(shí)需要進(jìn)行人員招聘等客服中心運(yùn)營(yíng)管理中的各個(gè)環(huán)節(jié)。

光大銀行客戶滿意中心已走過十五個(gè)年頭，最初業(yè)務(wù)類型單一、規(guī)模小、來電較為穩(wěn)定，預(yù)測(cè)基本采用的是平均值預(yù)測(cè)法及移動(dòng)平均預(yù)測(cè)法行預(yù)測(cè)。隨著光大銀行業(yè)務(wù)增加、客戶群體擴(kuò)張、客戶黏度增加，來電逐年增長(zhǎng)。影響話務(wù)的因素也隨之增加，為預(yù)測(cè)帶來不小的挑戰(zhàn)。例如目前光大銀行信用卡就有10個(gè)以上的客戶群按照不同的還款周期帶來相似規(guī)律的話務(wù)量，如果再使用平均值的預(yù)測(cè)方法進(jìn)行預(yù)測(cè)，很難再做到預(yù)測(cè)的精準(zhǔn)。我們現(xiàn)在SAS系統(tǒng)中使用ARIMA時(shí)間序列預(yù)測(cè)模型進(jìn)行預(yù)測(cè)。附圖為信用卡兩個(gè)不同的還款周期的來話量圖示（如圖1）。

                        圖1：不同還款周期的來話量

      一、不同話務(wù)預(yù)測(cè)方法適用不同階段的呼叫中心

話務(wù)預(yù)測(cè)屬時(shí)間序列預(yù)測(cè)范疇，預(yù)測(cè)方法從簡(jiǎn)至難，多種多樣，但是需要根據(jù)客服中心的主要業(yè)務(wù)、規(guī)模、話務(wù)來電規(guī)律及需達(dá)到的服務(wù)水平目標(biāo)進(jìn)行合理選擇。否則，你即使選擇最復(fù)雜的預(yù)測(cè)方法，但如果不適合自己的預(yù)測(cè)環(huán)境，那只能給你帶來較多的麻煩，而結(jié)果相差無幾。下面是幾種常見的預(yù)測(cè)方法：

1、平均值預(yù)測(cè)法

平均值預(yù)測(cè)法廣泛應(yīng)用在業(yè)務(wù)單一、話務(wù)較穩(wěn)定的客服中心。

具體公式為：預(yù)測(cè)值＝所有歷史數(shù)據(jù)的平均值。

2、移動(dòng)平均預(yù)測(cè)法

移動(dòng)平均預(yù)測(cè)法僅對(duì)與預(yù)測(cè)時(shí)間內(nèi)數(shù)據(jù)相關(guān)性最大的N個(gè)歷史數(shù)據(jù)求平均值。

具體公式為：預(yù)測(cè)值＝N個(gè)相關(guān)性較大的歷史數(shù)據(jù)的平均值。

3、指數(shù)平滑預(yù)測(cè)法

指數(shù)平滑預(yù)測(cè)方法是對(duì)移動(dòng)平均法的改進(jìn)，是將不同大小權(quán)重賦予與目前時(shí)間段相關(guān)的N個(gè)歷史數(shù)據(jù)。

具體公式為：預(yù)測(cè)值＝n1（歷史數(shù)據(jù)1）＋n2（歷史數(shù)據(jù)2）+…+（1－nn）（ 歷史數(shù)據(jù)n） 。

4、ARIMA模型

ARIMA是自動(dòng)回歸積分滑動(dòng)平均模型，它主要使用在有長(zhǎng)期趨勢(shì)與季節(jié)性波動(dòng)的時(shí)間序列的分析預(yù)測(cè)中。ARIMA的思路很簡(jiǎn)單，首先用差分去掉季節(jié)性波動(dòng)，然后去掉長(zhǎng)期趨勢(shì)，然后平滑序列，最后用一個(gè)線性函數(shù)+白噪聲的形式來擬合序列。

二、呼入電話預(yù)測(cè)方法及程序

光大銀行目前的話務(wù)預(yù)測(cè)利用ARIMA預(yù)測(cè)模型進(jìn)行預(yù)測(cè)。業(yè)務(wù)類型主要分為信用卡及綜合業(yè)務(wù)兩類。兩種業(yè)務(wù)有不同的客戶群、不同的話務(wù)來電規(guī)律，需要構(gòu)建不同的預(yù)測(cè)模型。

下面主要對(duì)構(gòu)建預(yù)測(cè)模型進(jìn)行詳細(xì)介紹。

    （一）歷史數(shù)據(jù)的收集及整理

歷史數(shù)據(jù)的處理是預(yù)測(cè)前最重要的一步，如果數(shù)據(jù)不處理干凈，將直接影響預(yù)測(cè)的精準(zhǔn)度。對(duì)于客服中心的話務(wù)情況而言，對(duì)原始話務(wù)來電量產(chǎn)生影響的情況主要?dú)w納總結(jié)了以下幾點(diǎn)：

1、系統(tǒng)故障。如果某一天發(fā)生系統(tǒng)故障，需要按照發(fā)生故障的時(shí)間維度剔除當(dāng)日發(fā)生系統(tǒng)故障的話務(wù)量，還原為原始呼入量。

2、由于某種敏感短信或輿情造成客戶的集中致電。

3、如果某一天發(fā)送了某種敏感短信或者發(fā)生輿情，導(dǎo)致客戶集中來電的情況，需要按照所影響時(shí)間維度剔除相應(yīng)的話務(wù)量，還原為原始呼入量。

4、人力不足，接通率較低的情況。

如果不是由于以上情況，而是由于人力不足造成接通率較低，導(dǎo)致重復(fù)來電較多，當(dāng)日呼入量數(shù)據(jù)不是原始客戶需求的真實(shí)呼入量。我們需要按照當(dāng)日重復(fù)來電的水平，將呼入量還原為原始呼入量。

    （二）模型的初步建立

不同的業(yè)務(wù)有不同的影響因素，需要我們挖掘歷史數(shù)據(jù)去發(fā)現(xiàn)較重要的影響因素。例如信用卡業(yè)務(wù)主要涉及還款日、賬單短信提醒日、延期還款期等影響因素。綜合類業(yè)務(wù)主要涉及貸款還款日、貸款還款短信提醒日等影響因素。找到影響呼入量的影響因素后，需要將不同的權(quán)重賦予不同的客戶群。例如圖1中兩個(gè)不同還款周期的客戶群，我們需要在20日和22日分別標(biāo)注還款日，并將較大的權(quán)重賦予22日還款日的那部分客戶。

至此模型已初步構(gòu)建完成，但是隨著業(yè)務(wù)、路由調(diào)整及客戶量等的不斷變化，需要不斷調(diào)整、完善我們的預(yù)測(cè)模型。預(yù)測(cè)模型是人工構(gòu)建的，必有我們考慮不到的因素，所以模型不是完美的，需要我們根據(jù)經(jīng)驗(yàn)對(duì)模型值進(jìn)行手工調(diào)整，經(jīng)驗(yàn)則需要預(yù)測(cè)師在不斷的學(xué)習(xí)中、工作中進(jìn)行總結(jié)。

    （三）模型之外的預(yù)測(cè)點(diǎn)

有很多時(shí)間段內(nèi)的預(yù)測(cè)是無法利用模型進(jìn)行預(yù)測(cè)的，需要我們根據(jù)歷史數(shù)據(jù)、經(jīng)驗(yàn)去手工進(jìn)行預(yù)測(cè)。例如春節(jié)期間、黃金周及小長(zhǎng)假等的預(yù)測(cè)。

　 （四）預(yù)測(cè)成果

2013年度光大客服中心人工呼入量預(yù)測(cè)偏差率為1.08%，月度平均預(yù)測(cè)偏差保持在正負(fù)2%以內(nèi)，日預(yù)測(cè)偏差基本在正負(fù)3%以內(nèi)。精準(zhǔn)的預(yù)測(cè)為我們的節(jié)約了人力，降低了人員成本。

三、探索多媒體話務(wù)量預(yù)測(cè)

光大客服中心相繼推出了文字客服、視頻客服等一系列多媒體類客服服務(wù)。如何做好多媒體話務(wù)預(yù)測(cè)，是我們正在不斷探索的另一方向。在原有人工電話客服呼入量預(yù)測(cè)的經(jīng)驗(yàn)中我們也可以得到很多啟發(fā)，但是不能照貓畫虎拿來直接使用，需要根據(jù)多媒體客服的特點(diǎn)及重點(diǎn)業(yè)務(wù)來重新構(gòu)建新的預(yù)測(cè)模型。