浅谈基于分时预测的人员调控转化模型应用

客户世界 | 2019年10月11日 | 客世原创 | 评论已关闭 | 1954

人工服务接听率和排班人数都是呼叫中心关注的重要内容，人工服务接听率是体现呼叫中心服务水平的一个重要指标，排班人数则是日常运营管理的核心问题。为解决以人工服务接听率为目标的人力测算问题，尽可能将排班人数与实时人工服务请求量分布相一致。针对分时段话务特点，通过搭建分时预测调控转化模型，探索人工服务请求量、AHT、排班人数及人工服务接听率的关系，达到提前预测、精准管控、事后准确定位问题的目的，为提高中心运营管理的效率、降低整体运营成本及保证服务质量和水平提供参考。

笔者作为国家电网公司客户服务中心的一名现场管理人员，以本单位具体开展的模型构建为例，浅谈基于分时预测的人员调控转化模型构建思路和应用过程。

一、模型构建思路

呼叫中心可以看成一个排队系统。模型公式组对应的排队模型为M/M/n +M，即：来电间隔时长服从指数分布（或单位时间内来电数服从泊松分布），座席处理时长服从指数分布，包含n个座席。在话务到达率、平均服务时间、n个并行服务座席均为给定条件时，理论上n个座席都被占用或者客户在接受服务之前耐心等待排队的概率。假定客户放弃时长服从指数分布（因为数据库中没有已经接受服务的客户愿意等待时长，因此，客户耐心只能通过排队等待时长估计出下限。一般情况下，客户放弃电话的行为之间没有联系，因此选用没有记忆特性的指数分布。）模型公式组是平均处理时间和客户等待时间，不同座席下，平均应答时间、座席占用率与座席数量关系达到稳态时的解。

二、模型体系构建

人工服务接听率客服中心侧的影响因素主要为三点：48点话务、排班人数以及AHT。通过模型计算，可提前预测人工服务接听率，根据结果调整排班人数，为现场调控干预提供预期目标，事后准确定位失准原因。根据现场运营需求的不同，本文将模型体系分为图1所示四个部分。

图1：模型体系划分

模型参数设置：

48点话务：通过48点话务占比，将预测值按比例分配进48个半点。

排班人数：各部门排班回顾表中48点接听人数。

AHT：国家电网公司客户服务中心南方分中心2019年4月完成值（163.5秒）。

人工服务接听率：国家电网公司客户服务中心南方分中心4月目标值96.5%

放弃率:1-人工服务接听率，4.5%

放弃时长：根据回归方程，考虑放弃概率在5%以内，通过平均等待时间和放弃率的关系，估计客户平均放弃时长（图2）。

图2：放弃率和排队等待时间的关系

以国家电网公司客户服务中心南方分中心客服五部2019年4月1日-4月30日数据为例，放弃率和等待时间之间的关系如图。根据回归方程，若希望放弃概率在5%以内，客户放弃时长应设定在8.07秒以内。因此，模型的放弃时长参数设定为8.07秒。

三、模型的现场应用

1.提前预测人工服务接听率

模型表述了话务强度（人工服务请求量和AHT）、接听人数、平均放弃时长与人工服务接听率之间的关系。通过模型，以48点话务、排班人数、AHT及上述参数得到计算的半点接听量，进而计算出48点接听率（图3）。

图3：半点接听量影响因素

以国家电网公司客户服务中心南方分中心客服五部2019年4月1日数据为例，人工服务接听率测算结果如图4所示。

图4：人工服务接听率测算结果1

通过模型，预测当天人工服务接听率为99.49%。除上图所示的两个半点（6:30-7:00、23:30-0:00）外，其余时间段均满足人工服务接听率（96.5%）目标值。由于此两个半点人工服务请求量分别占比全天话务仅0.40%和0.47%，而全天人工服务接听率预测值较高，故不需要对排班人数进行调整。（8:00前和22:30后人工服务请求量占比均在2%以下，人工服务请求量较低，对全天人工服务接听率影响较小）

2. 测算排班需求人数

模型利用运筹学排队论，预期48点人工服务接听率、人工请求量的统计规律，测算半点需求人数，解决人力资源配置问题。根据模型人数测算公式，编制48点话务，满足96.5%人工服务接听率的条件下，测算需求人数曲线。在排班人数不能满足人工服务接听率要求的情况下，通过动态调整人员，满足话务拟合需求。

图5：半点所需人数影响因素

在可能出现恶劣天气（如台风、暴雨）、节假日等特殊时期，人工服务请求量突增的情况下，通过提前预测，确定所需人数，安排人员备班。

图6：不同话务强度和人员配置下接听率情况

以国家电网公司客户服务中心南方分中心客服五部2019年4月1日为例，排班人数曲线测算结果如图7所示。

图7：人工服务接听率测算结果2（黑色框内为饭点时间，人员安排需充足）

红色的半点排班人数未能满足测算要求，主要集中在早班上班前、断班休息中、晚班下班后，而人数相差较小（1-2人），话务影响比重较低。

3.现场运营调控依据

现场管理是客服中心运营管理的中心环节，通过对各时段人工服务请求量和人力资源的有效匹配及现场人员工作状态的有效管控，在控制成本的同时，大大提高人工服务接听率指标。在实际工作中，运营主管和总值班是通过排队数和时段电话强度来制定调控策略的。根据模型通过48点话务及排班人数，预测人工服务接听率结果可精确到48个半点，为现场运营主管提供数据参考依据及调控目标。

以国家电网公司客户服务中心南方分中心客服五部2019年4月11日数据为例，实时测算人工服务接听率情况如表1所示。

表1：实时测算人工服务接听率情况

国家电网公司客户服务中心南方分中心为整合话务资源，提高人员利用率，将夜班统一管理，安排专人调控，由于混合接听，如遇大话务，易造成个别省份话务丢失，导致实际人工服务接听率较低。截止7:00，客服五部人工服务接听率距离分中心目标值差12.65%。通过安排早班提前签入、控制培训、小休等离席，压缩案头时长，安排班长接听话务等手段，至11:00，将差值减少至1%以内,为现场调控提供参照依据。

4.定位预测失准原因

在人工服务接听率未能达到预期目标时，用于事后准确定位失准原因。

（1）通过报表直接提取前一天48点话务情况，核对话务预测准确率。考虑夜间话务少原因，以33点话务预测准确率作为比对标准。国家电网公司客户服务中心南方分中心要求为80%，故83%及以上为优秀，80%-83%为合格，80%以下为不合格；

（2）在话务预测准确的情况下通过公式，测算33点人员需求量，比对排班人员是否能够满足话务需求（排班人数与需求人数差值0-2为优秀，3-5为合格，5人以上不合格）；

（3）在话务预测、排班人数均预测准确的前提下，实际人工服务接听率未能达到预测值，可进一步核实现场调控情况。(高于目标值1%为优秀，目标值±1%为合格，低于目标值1%为不合格)
以国家电网公司客户服务中心南方分中心客服五部2019年4月29日数据为例，当日预测人工服务接听率为98.32%，实际人工服务接听率为96.92%，差值为1.4%。

预测话务为15700个，实际话务为15858个，33点话务预测准确率为87.91%，话务预测准确。

根据实际话务及实际AHT（当日为172.25秒），再次测算，6:30-7:30差7人，19:00-20:00差16人,22:00-22:30差20人，存在人数差值，后期排班需加以考虑，如多次出现，需相应调整班次。

图8：人工服务接听率测算结果3（黑色框内为饭点时间，人员安排需充足）

根据实际数据，测算48点实时人工服务接听率，对比报表数据。越接近24:00,预测值与实际值越接近，截止22:30人工服务接听率差值仅为0.11%，调控合格（表2）。

表2：实时测算人工服务接听率对比报表

四、总结

从指标体系构建、指标数据提取计算、现场应用测试分析，阐述了电力客服中心基于分时预测的人员调控转化模型的应用情况。通过该模型在国家电网公司客户服务中心的运用，使得现场人员调控有据可依；在人工服务接听率未达预期目标时，及时溯源人工服务接听率失准原因，根据模型验证结果，查找不足，并及时介入进行调整，填补漏洞，提高运营管控能力；根据各部门话务特点、排班需求及AHT水平，结合人工服务接听率要求，精准定位下一阶段各部门所需人数，在人工服务接听率允许范围内，合理统筹配置人力资源，得到了管理层的普遍认可。该模型也可以为其它呼叫行业现场管理提供参考。

作者聂文超；单位为国家电网公司客户服务中心南方分中心；

本文刊载于《客户世界》2019年9月刊。