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，并將成長與衰退趨勢作原因注記，將可純化其變動影響，提高未來預估的準確度。
“周”話務量的模型建立：
可看出周一至周日話務量的變化(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周，并將變化趨勢作原因注記(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，并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。
基礎預測流程范例
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占比)=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周日歷史話務量相對比率=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
歷史周一至周日“平均處理時長”的數據與模型建立，可看出周一至周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，周一的來電量將趨于報修的平均處理時長;如果晚上以查賬單的來電居多，晚上的來電將趨于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于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，包含周一至周日平均處理時長“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“平均話后處理時長”兩模型，將更有助于深入解析。
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“平均話后處理時長”，并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，并于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，亦可于計算人力時，設定資淺人員專業度<1，或于系統流程變動時修正。
隨著新服務上線趨于成熟穩定后，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于一底值。
適度利用某些預測工具，并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，并建立「經驗參數」于系統流程中，將可持續改善準確度，并有效傳承經驗于系統流程。
京公網安備 11010502049343號