话务预测与排班分享
(完整版)呼叫中心手工排班中的话务预测
呼叫中心手工排班中的话务预测都说呼叫中心的管理难：人多难管，数杂难理，班表难排，流程难定，质量难一致……而这当中受个人影响最大，与每个座席代表相关性相大，影响数据最多的，最受争议的，当数班表。
班表一边关系着话务量的拟合、人力的成本，另一方面影响着管理的方向和管理指标的落实。
班表影响着大部分的KPI指标，如：接通率、服务水平、平均等候时长、平均占线率、考勤率、人员流动率、单次呼叫成本……呼叫中心的大部分工作都跟班表密不可分，影响着呼叫中心的日常管理、考勤、培训、绩效等，因此班表排得好与差直接影响着呼叫中心的整体运作。
曾有一个说法是：一个好的排班师能顶上半个呼叫中心。
现时帮助我们排班的工具通常有EXCL手工排班，以及软件系统排班。
在这里我们就呼入队列使用手工排班的过程做一个简要的讲述。
手工排班的过程总的来说可分前期分析、话务预测、排班与合理性检验四个部分，现就这四个部分进行简要的阐述。
一、前期分析每个呼叫中心排班前，我们都需要对其基本情况进行分析，了解你所排线路的线路走势、话务规律、影响话务的具体因素、管理层面的要求、员工层面的实情等等。
在这些因素当中最重要，同时也最难克服的是话务自有规则，一般而言，针对服务于公众客户和服务于商业客户的话务会有两个完全不一样的规律。
大部分商业客户主要是呈周规律特征，周一到五呼入量相对较高，节假日呼入量低，即所谓的上班模型。
下图为某呼叫中心08年9月日呼入图：时走势是典型的早上10：00，下午15：00两个双驼峰的趋势。
班次主要是以行政班次为主，对座席代表的身体影响相对而言不大，排班时还需注意一下座席代表的公平性及总工时的落差不能过大。
时趋势如下图所示：而对于服务对象为公众客户的话务服务而言，主要受服务提供者的商业活动影响较大。
移动的动感地带就是比较明显的个案。
他们受每月的帐期影响，月初呼入量较大，公众休息日对其影响不大，下图为某地动感地带的业务日走势图：时走势方面与商业客户的走法也有很大的区别，呼入的重点时段是每天两个就餐时段和晚上，而这些时段正是对座席代表身体规律影响较大的时段。
业务量预测与人员排班管理办法
南方电网95598客户服务中心业务量预测与人员排班管理办法预测来话量，首先要收集历史数据进行分析，总结和建立来话情况的模型：一、通过对历史来话数据分析，列出全年来话趋势，我们遵循下列原则进行来话预测：1）按营销和业务推广习惯进行来话预测；2）按季节不同进行预测3）按月初、月末及节假日来话情况进行预测二、次月来话预测的计算方法为：1）根据本年上一月来话数据与当前月来话进行比较，求出当月的上升或下降幅度比值，简称为：近期来话变动值；2）根据往年次月与当前月来话进行比较，求出次月的上升或下降幅度比值，简称为：历史来话变动值；3）对近期三个月的来话进行统计，求出近期月均来话值和日均来话常数值；4）根据近期三个月来话数据求出每日来话与当月总来话的比值，简称为：每日来话比值；（排除月初、月末和已经知道的营销活动宣传日外，其余往突发故障日所对应的次月同一日则取日均来话常数值进行预测。
）5）根据近期实际的系统运行影响来话的情况计算出系统故障影响值；6）次月日均来话= [近期月均来话值*（1+近期来话变动值）*（1+历史来话变动值）]*近期系统故障影响值*每日来话比值；7）根据近期正常周（非月初、月末）来话的模型，将周分为两段：第一段：周一至周五第二段：周六、周日根据周六、周日在近期周来话情况中较周一到五的下降比例计算出周来话：周一：次月预测日均来话值周二：次月预测日均来话值周三：次月预测日均来话值周四：次月预测日均来话值周五：次月预测日均来话值周六：次月预测日均来话值*周末下降比例周日：次月预测日均来话值*周末下降比例8）在计算出次月周均来话值后，就可以用次月的实际周数计算次月预测量，再将全月分为月初、月中、月末三段；根据近期三个月的月初、月末每日来话占全月来话的比例算出月初、月末的相应日来话；三、流程简图：8月预测日来话与实际日来话对应情况：（案例）排班一、排班规则：排班规则是指在排班时应遵守的规定，如国家的法律、法规、行业规定、公司制度、工作时间限制等。
呼叫中心话务预测研究
呼叫中心话务预测研究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。
精准的话务预测能够提高人工座席利用率，降低人力成本，提前对未来运营做出预警，为提高服务水平奠定基础。
目前，笔者所在客服中心的话务预测仍停留在基本的趋势分析层面，存在主观预测成分大、缺乏统一预测规则、预测周期短、不能与排班进行完全吻合等问题，无法达到人员利用最大化的目的。
本文以建立稳定统一的预测模型为目的，在提高话务量预测准确度的同时延长预测周期，为合理排班打好基础。
呼叫中心的话务预测一般分为中长期预测、短期预测、时刻预测三个方面，文章根据不同周期的话务量特点，分别选取X12-ARIMA、ARIMA、BP神经网络模型，实现话务量的中长期、短期、时刻预测。
一、中长期预测中长期预测主要进行月度、年度预测，为整体人员安排、培训计划、活动制定等提供参考，对月度、年度工作计划有重要价值。
X12-ARIMA模型介绍月度话务量的描述分析从近几年的月度话务数据可以看出每年3、7、8月为话务高峰月份，2、6、11、12月为低谷月份，话务量显示出明显的月度循环效应，同时呈现逐年下降趋势，月度及趋势规律性较明显，比较符合X12-ARIMA的模型特点。
X12-ARIMA模型建立及预测PBC版的X-12-ARIMA季节调整软件能够对数据系列的季节因素、中国式节假日因素、趋势因素以及除此之外的其他因素进行同步分析。
利用该软件，以我中心2011年1月至2015年5月的月度话务量为实验样本，经多次测试最终确定选择X12加法模型、ARIMA最符合我中心月度话务量特点，预测效果最佳。
图2是利用X-12-ARIMA季节调整软件通过相关参数设置后对2015年6月至2016年5月的话务量预测情况，我中心2015年6月实际话务量为5422409，预测准确率为99.8%。
由于X-12-ARIMA预测精准度会随着时间拖延而降低，所以需要及时更新数据。
二、短期预测短期预测主要进行单天话务预测，该预测提前预警总体人员需求情况，可以满足服务水平的需求，同时为员工的休假时间提供参考。
呼叫中心的话量预测及人员排班
呼叫中心的话量预测及人员排班 任何呼叫中心的运营几乎都是在追求服务的速度及质量的提高，同时在降低运营成本的前提下逐步提升呼叫中心的利润及客户满意度；一个典型的呼叫中心运营费用，只有5%的成本是花在技术上，几乎全部运营费用的95%以上用于支付工资、网络成本和日常开支；人员成本则是呼叫中心运营成本的关键；因此，对于任何呼叫中心管理人员来讲，合理的人员排班是实现高效率的呼叫中心运营管理，降低整体运营成本，保证客户服务质量和服务水平，提高呼叫中心生产力的重要一环。
呼叫中心保持良好服务水准的重要前提是建立科学合理的排班方案，呼叫中心管理人员根据不同周期话务量变化的规律及发展趋势安排相应时段的座席数量，保证呼叫中心重要运营指标接通率、客户的满意度目标的实现。
为了实现上述目标，管理人员必须对呼叫中心来话量的趋势进行系统地分析，同时根据呼叫中心的历史数据及相关影响因素（如促销）进行科学地预测。
话务量预测的意义：根据来话规律提早进行班次调整与人员配备，保障呼叫中心的接通率指标的实现；通过对历史来话规律的分析，对可预知的话量影响因素提前做出反应，以使呼叫中心提前制定出相应的解决方案；在呼叫中心话务量承接能力将要趋于饱和时，需要进一步完善、调整、优化当前运行系统，提前做好人员与设备扩容的准备，确保呼叫中心保持正常运转；依据来话规律及时了解市场与客户的需求，便于调整市场运作方向，提升客户满意度。
以下以电信企业为例来了解影响话务量波动的主要因素：企业的发展战略与规划的变动；客户量变化（如对电信公司包括新增固话以及小灵通用户、新增宽带用户、市场占有率变化等）；公司的宣传、促销、新产品推广等市场行为；报纸、广播、电视等媒体的宣传报道；国家相关政策法规的变动（如：费用结算月日期的调整等）；突发事件（如：自然灾害、意外事故、系统瘫痪等）。
特殊时段来话量（如每月出帐日；3.15国际消费者权益日；5.17国际电信日；高考、中考出分以及发榜时间；春节、国庆等公众假期等） 对于呼叫中心管理人员来讲，需要综合考虑以上这些影响来话量变化的因素及规律，不断提高话务量预测的准确性；同时呼叫中心的管理者必须根据话务量的波动来进行合理的人员配备及座席安排，通过对排班效率的评估来检测现有排班的合理性，使呼叫中心一线客户服务代表以合理的负荷率有效地降低放弃率，提高服务品质和客户满意度。
呼叫中心话务预测的黄金法则运用
呼叫中心话务预测的黄金法则运用服务水平是任何一个呼叫中心都非常关注的KPI指标，而在呼叫中心的运营管理中，话务预测、人员排班和遵时率的控制是确保接通服务水平的三个关键控制点。
在这三个控制点中，话务预测是后者的根本基础，也就是说当话务预测发生偏离时，人员排班和遵时率的控制做的再完美，也是无济于事的。
在国内的绝大部分呼叫中心仍在延用手工方式进行话务预测，即便某些已经采用了大型排班软件的呼叫中心，由于种种因素，系统的话务预测结果仍然需要去手工修正才能真正用于排班。
在长期的咨询项目中，笔者发现很多呼叫中心都没有专门的话务预测人员。
即便有专人专岗，话务预测也停留在一个非常粗放的阶段，而且对于话务预测存在以下普遍的认识误区：一、预测话务量而不是呼叫负荷呼叫中心管理中常见的错误是将话务量作为唯一预测。
如果单看话务量，6000个电话一定要比5000个电话需要安排更多的人员。
其实，平均处理时长为120秒的5000个电话比平均处理时才为90秒的6000个电话需要安排更多的人员，因为前者对呼叫中心的话务负荷更大。
因此，如果仅仅是预测话务量，我们很可能就会犯以上的这类错误，所以，在呼叫中心的话务预测中并不是简单预测话务量，而是整个呼叫中心的话务呼叫负荷预测：呼叫负荷=话务量x平均处理时间（呼叫期间+后续工作时间）二、预测对象为呼叫中心整体而不是细分为呼叫类型不同的呼叫类型会有不同的平均处理时间值。
例如业务咨询类的电话和梦网投诉类的电话处理时长肯定不一样，引起不同的因素有很多，可能是呼叫者类型，事情的复杂度，或客户代表在回答问题时的技能等。
如果我们只是针对呼叫中心平均的通话时长作为预测依据，当话务结构发生变化时，这个预测依据很可能会带来预测的偏差。
因此，在话务预测时应该对每一类型呼叫进行预测。
三、预测间隔偏长笔者发现很多公司的呼叫中心在做话务预测时通常是做一周或一个月的预测。
这样的话，有些特殊情况会没有好好考虑，如公共假日。
节日话务预测及分析
节日话务分析及预测前言大型节假日话务量受用户行为模式影响较大，不同节日用户行为模式不同，造成话务量分布差异，通过话务分析可以发现其中规律，做到提前预防，有针对性的做好节前调整工作，确保证网络畅通。
本文主要以中秋节、春节、元宵节三个大型传统节日为例，探讨用户行为模式对话务量造成的影响，分析其中规律，找到应对方法。
节日话务分析举例2007年中秋节话务预测及验证一、总体话务量2007年中秋节在9月25日（周二），无线日话务量28.4万爱尔兰，与9月平均日话务量(24.4万爱尔兰)相比，增长率为16%。
与2006年中秋(14.7万爱尔兰)相比，增长率为93%。
二、话务预测为保证中秋节话务畅通，在节前要做充足准备工作，首先要进行准确的话务预测，包括话务高峰期预测和话务量高峰值及利用率预测。
话务高峰期预测:如下图所示，2005年和2006年中秋节话务高峰都在19点到20点，据此预测2007年中秋节话务高峰在19点到20点，但实际情况比预测推后一个小时，为20点到21点。
分析原因为，今年中秋节天气较好，用户行为模式也随之发生变化，比往年推后。
根据今年预测经验，考虑把中秋节话务高峰期定为19点-21点。
话务高峰值预测:如下表所示,中秋高峰话务量和同期中秋节所在月平均最忙时话务量相比得到增长率，2005年中秋增长28%，2006年中秋增长23%,预计2007年增长率为30%,得到高峰话务量为25067爱尔兰。
由于2005年和2006年中秋节都在假日，而2007年中秋在工作日，工作日比假日增长率为4%,修正得到2007年中秋高峰话务量为26070爱尔兰。
预计增长率为35%。
实际高峰话务量为26226爱尔兰，增长率为36%。
根据今年预测经验，考虑在常规预测后加入其他因素进行修正（比如天气因素、假日高峰利用率，今年中秋节预测峰值利用率为81%，实际为83%。
其中超忙小区（利用率100%以上）数量为506个，占全网小区数量的32%。
话务预测及话务管理
（3）月度话务趋势分析
根据话务量变化规律，在年度中，各月话务量变化呈现“趋势基本一致，话务量变化频繁”的特征。因此，在进行电话服务中心班务安排时，考虑话务量预测的相关内容，对月度话务量进行预测。
（4）根据周、日话务量规律和权重系数修正月度话务量
①计算各月权重：根据月度法定节假日与周中各天话务量比例及各天权重系数关系（各天权重系统详见周各天话务量规律测算），修正月度话务量。结合各年度周一至周日、法定节假日的天数计算每个月总权重。
我们都知道，电话服务中心的业务分为呼入和呼出两个部分，而呼入和呼出虽然在话务预测和管理上会有一定的差异，但因为呼出在业务规划、项目安排等方面具有更多的主动性，话务影响因素和预测方法相对也较为简单，而呼入话务在预测和管理方面的不确定性更复杂，也更重要，所以我们今天的课程主要是以呼入话务为例，对相关内容进行具体介绍。
（5）附加相关因素
生成了下一阶段的呼入预测基准量后，如果没有其它影响因素这个话务预测即已完成，但对于大部分的话务都会有很多的影响因素。这时，在话务预测中就需要加入相关的影响因素、影响系数和绝对量，这些因素包括有：营销策略、营销方法、系统升级、天气、节日活动、外在因素等等。
（6）生成下期话务预测量
完成以上步骤后，下期的话务预测量基本可以完成。
话务预测及话务管理
【课程系列】：
【课程名称】：话务预测及话务管理
【授课对象】：
【授课方式】：
【课程目标】：
【课程简介】：
介绍话务预测方法，和话务分流方法，以及各种话务应对策略。
【授课讲稿】：
在课程开始前先和大家聊聊《易经》，大家都知道《易经》是我国一部最古老而深邃的经典，是华夏五千年智慧与文化的结晶，被誉为“群经之首，大道之源”。在古代是帝王之学，政治家、军事家、商家的必修之术。从本质上来讲，《易经》是一本关于“占卜”之书，就是对未来事态的发展进行预测。很多人认为这是迷信，其实在日常生活中我们都会做一些预测的活动，如：天气不好时我们出门会带伞，降温前我们会加衣服，我们每天都会看的天气预报，包括一些股市走向、房价趋势等等，人们都是通过预测来决定自己的行为。大家觉得这些是迷信吗？当然不是，事情是客观存在的，迷信的是人而不是事。很多存在的东西都是可以预测和计算的，包括电话服务中心的话务。
呼叫中心排班三步走之业务量预测
随着呼叫中心规模的日益扩大和服务水平、运营管理的要求不断提高，如何在现有人力条件下达到服务水平目标、合理安排人力、优化现场管理成为排班师面临的巨大挑战。
呼叫中心劳动力管理（WFM），也就是常说的排班包含了话务预测、人力安排、现场管理三个基本步骤。
在本文中，针对这三个步骤，把笔者近年来参与排班项目的一些体会与大家分享。
为什么要做话务预测作为受理用户电话呼叫的窗口部门，衡量呼叫中心最直观的指标就是服务水平。
按照Erlang 法则，服务水平受到话务量、平均处理时长和座席数目的影响。
准确的预测话务量是进行人力安排的依据，也是达到期望服务水平的根本。
历史数据，话务预测的基石选取具有相关性的历史数据历史数据并非越多越好，最长不宜超过两年进行话务预测，首先要收集大量的历史数据，但历史数据并非越多越好。
首先，历史数据太多会加大工作量，无论是手工计算还是采用排班系统都会增加处理负担；其次，过多的数据量有可能对预测准确度产生负面影响。
举例来说，某银行去年曾搞过一次信用卡销售促销活动，活动效果不错，信用卡客户激增15％，由于客户激增，活动之前的话务量数据就没什么参考价值了，仅仅选择活动之后的历史数据进行预测更贴近实际。
历史数据统计间隔一般选择15分钟历史数据统计间隔以多长时间为宜呢，是15分钟？还是30分钟？统计间隔越小，越能反映实际话务量变动，如果统计间隔较大，由于平均值计算的削峰平谷特性，导致不能反映出统计间隔内的实际话务变动。
但统计间隔也不能无限度的小，统计间隔至少要大于1个平均通话时长，根据经验，通常选3－4个通话时长，因此，一般我们推荐15分钟，只有在平均通话时长很长（如超过10分钟）的情况下考虑加大统计间隔到30分钟。
AHT是历史数据必不可少的组成部分收集历史数据，不仅要收集话务量，平均通话时长（AHT）也是一个必须收集的参数。
众所周知，影响服务水平的因素有话务量、座席数，还包括平均通话时长。
平均通话时长与服务水平成反比，在座席数相同的情况下，平均通话时长越长，服务水平越低；反之，要维持恒定的服务水平，AHT越长，则需要安排的座席人员越多。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
市场容量预测
市场占有率确定
业务量预测数
运用统计软件，拟合时间 序列曲线，进行趋势外推
构建业务量时间序列
自 下 而 上 式 预 测
实际业务发展统计 数据
各地市业务发展计 划数调查结果
二、话务预测方法和建模
话务预测过程
1
历史话务分析
2
剔除异常数据
3
找到话务规律
4
生成下期基准 量
5
附加相关因素
6
生成下期话务 预测
量之和。 c)用同样的计算方式计算出其他工作日在一周内的业务比重。 d)将预测的各周总业务量分别乘以周一至周日的比重值，即可得到一个月内每日的预测业务 量。
二、话务预测方法和建模
建立话务模型
4) 时段话务规律分析
由于业务量的不均匀分布，因此需要掌握一天当中的高峰时段和低谷时段，以及均匀 时段进行业务预测。其步骤为： a) 选取近期1-2周有代表性的数据，并将异常化数据剔除（系统故障，暴量来电等），纯化 其变动影响. b)以15分钟为最小计量单位进行日业务量的统计，并与当日业务总量相比较，得出一天内 各单位时段的比例值。 c)重复以上步骤，得出其他样本日的各时间段比值。 d)计算各日相同时间段内比值的中位数，作为此时段的最终占比。 e)将预测的每日业务按各时段的占比进行分配，即得到每日每15分钟的预测业务量。
二、话务预测方法和建模
找到话务规律
a) 长期变化趋势
长期变化趋势又称倾向变动，它是指伴随着经济的发展，在相当长的持续时间内，单方向的上 升、 下降或水平变动的因素。
话
务
量
话 务 量
话 务 量
时间
时间
时间
水平变动趋势图
上升变动趋势图
下降变动趋势图
二、话务预测方法和建模
找到话务规律
b) 季节变动趋势
d) 个性化需求
个性化因素包括员工生日休假、特殊员工（孕产妇、新员工）班次等，主要是根据员工的特殊喜 好需求，适当给予满足，提升员工工作满意度。
三、排班策略与人员配备
日常排班策略
20秒服务水平 话务利用率 人员话务压力 排班整体策略 <55% >82% 超强 以保障客服代表的 稳定性为准 55%-69% 78%-82% 强 以保障客服代表 的稳定性为准 >90% <55% 低 以效率指标 以效率指标为主, 为主,提高每 以提高拟合度 以提高拟合度为 考虑每个时段的 个时段接通 为准 主 接通率落差,不高 水平的均衡 于30% 度 考虑客服代 安排大规模培训 表的技能整 流程优化 正常营运 或放松人员休假 合或其他业 请求 务拓展 安排大规模培训 可考虑安排 内部支持 正常营运 或放松人员休假 人员年假及 请求 部门活动 提升拟合度 提升拟合度及话 以接通率为主 以服务水平为主 及话务利用 务利用率 率 人性化绝对 效率相对优先 两者平衡 人性化相对优先 优先 正常 正常 1 1 是 以重点高峰时 段为主 是 否 保证更多时间的 接通落差最少 否 保证更多时 间的接通落 差最少 70%-79% 72%-78% 较强 80%-84% 62%-72% 适中 85%-89% 55%-65% 较低
话务预测与排班分享
录
目
Contents
02
01
话务预测意义及思路
话务预测方法和建模
03
排班策略与人员配备
一、话务预测意义及思路
话务预测作用
提供准确的人力排布支持
提高人工座席利用率 降低人力成本
话务预测
提前对未来运营做出预 警 话务预测两大目的：一是为呼入现场的排班做支持，二是为人力资源部门的招聘和培训做决 策参考。
二、话务预测方法和建模
附加相关因素
生成了下一阶段的呼入预测基准量后，如果没有其它影响因素这个话务预测即已完成，但对 于大部分的话务都会有很多的影响因素。这时，在话务预测中就需要加入相关的影响因素、影响 系数和绝对量，这些因素包括有：系统故障、新业务推广、天气、短信、节日活动、其他外在因 素等等。 同时这些附加因素都要统计下来，因为这将成为下期预测需要剔除的异常数据。
效率指标 舒适度指标 休息天数 是否安排临时加 班 黄金时段
正常
三、排班策略与人员配备
人员的配备
a) 人员能力计算
人员配备之前,首先要了解可排班人员的处理能力是否处于同一水平,如有新员工进入时,其处理能 力与整体平均值肯定会存在差异,不能记做一个单位人使用，就需要进行人员能力折算后再进行排 班。 以成熟员工的平均处理能力为一个单位基准值(1),计算公式如下:
三、排班策略与人员配备
排班的抽象模型
a) 员工班次舒适度
员工班次舒适度因素包括班段个数和长度、连续上班天数、就餐时间、连续休息天数、月休息天 数等，保障员工在工作上的舒适感。 影响因素 班次长度 班次时间 班段个数 班段长度 就餐时间 就餐时长 连续上班天数 连续休息天数 月休息天数 排班建议 4小时≤每天上班时间≤8小时 上班时间≥7:30 下班时间≤22:00 1段≤每天上班班段≤2段 6小时≤1段≤8小时 3小时≤2段≤5小时 10:30≤午餐≤12:00 16:30≤晚餐≤17:30 ≤0.5小时 连续上班天数≤7天 1天≤连续休息天数≤3天 ≥8天
三、排班策略与人员配备
呼叫中心排班管理困境
服务水平与员工舒适度存在的 矛盾
矛盾
管理便利性与资源利用率 之间的矛盾
03
人员利用率与公平之间的矛盾
三、排班策略与人员配备
呼叫中心排班管理困境
经过对排班困境的分析，呼叫中心排班管理时需要进行制衡、去找到矛盾之前的均衡点，在准确的时 间、将准确技能的人安排在准确的岗位上同时照顾到员工的舒适度，并便于现场管理。
业务预测说明
业 务拓展 多种市 能力、网 场占有 络支撑能 率方法 力 比较分 比选 析 自 上 而 下 式 预 测
业务预测基本上采取了两条 预测线路。第一条线路，采用自
普及率预测
下而上的方式，首先从实际业务
统计数据出发，根据各项业务发 展统计数据，进行趋势外推预测 。第二条线路采用自上而下的方 式，首先根据各项业务目前市场 容量及发展速度，预测规划期内 市场容量；再确定市场占有率； 最后根据市场容量预测值和市场 占有率预测业务量。业务预测基 本思路如左图所示。
推送或发生舆情
01
异常归 纳
02
如果某一天发送了某种敏感短信(如除相应的话务量，还原为原始呼 入量。
营销活动
公司临时的营销策略，如厂购活动， 造成了单日来电暴增。若确认为单 一事件，则需还原为原始呼入量。
03
04
人力不足
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。通常重复 拨打率与成功转接率呈明显的负相关， 找出其相关性关系，还原为原始呼入 量。
一、话务预测意义及思路
话务预测范围
预测的三个
中长期预 测
坐席资源预测，分析资源配 备是否与业务的发展相匹配。
层次
招聘周期 预测 预测的准确性决定是否有足够的 人力来保障业务目标的达成。
排班周期 预测
为人员排班计划提供重要依 据。
一、话务预测意义及思路
话务预测难点
客户生命周期变化 业务生命周期变动 季节变动引起的业务变化
预计话务 强度的连 续性
>2 申请增员或流程优 个月 化 <2 个月 流程优化 按正常工作可承接 话务为主 效率绝对优先 -2 是 以重点高峰时段及 对客服代表影响最 少的时段为主
申请增员或流程 优化 内部支持 按最高工时可到 达的接通水平为 准 效率优先 -1 是 以重点高峰时段 及对客服代表影 响最少的时段为 主
三、排班策略与人员配备
排班的抽象模型
b) 排班轮换规则
为确保轮换公平，且方便员工回家交通便利，设定排班轮换规则为：休→中/早3→早2/早4→早3/ 早1→休。保障员工在休息回家时能17点下班，回司上班时不安排最早的班次。
c) 公平原则
公平性因素包括休息天数均衡、晚班均衡、各组班段均衡，保证员工在上班期间有一个相对公 平的感受。
客户电话进入排队未接通 客户自己挂断或系统挂断 客户问题未解决再次回拨
系统故障引起的话务堆积 特殊日期引起的话务异常 营销与推广活动的影响
话务复杂性
虚忙和回拨的影 响
异常事件的影响
一、话务预测意义及思路
普及率法预测 市场容量 人口数预测 增速法预测市 场容量 市场容量现状 市场容量增长 速度预测
增量市 场预测 存量市 场预测
预测年度各月占比：根据年度话务量和近几年各月话务量比例关系进行测算。
a)上期值预测法：将上月相较往年的增长系数M做为本月的预测增长值，设本月预测值为 Yt, 前置一年同月业务量为Yt-1，则当月预测值为Yt= Yt-1×M。 b)加权平移预测法：设预测年度业务量为Yt，预测前置一年业务量为Yt-1，前置两年业务 量为Yt-2,则预测月业务量Yt= Yt-1×a+ Yt-2×(1-a)。
话 务 量
1999年
2002年
2005年
2008年
2011年
2014年
二、话务预测方法和建模
找到话务规律
d) 不规则变动
不规则变动也称随机变动，它是客观现象由于受某种随机或偶然因素的影响而产生的变动。不规则 变动通常由某些不可预测的原因所引起，其中有些原因比较突出，如自然灾害、金融危机。
二、话务预测方法和建模
季节变动的周期性比较稳定，一般以年为单位作周期变动。代表：旅游业、家电制造业
话 务 量
2013年
2014年
2015年
（年）
二、话务预测方法和建模
找到话务规律
c) 循环变动趋势
循环变动是围绕于长期趋势变动周围的周期性变动。循环变动的周期在一年以上，且周期长短不一， 没有固定的变动或规律。代表：房地产业