梦想成真罗
好吃好喝好玩i
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。
优质职业资格证问答知识库