呼叫中心接通率问题研究.docVIP

运营一线 呼叫中心接通率问题研究 □张 静 叶大金 （四川公用信息产业有限责任公司，成都610072） 摘要：本文讲述了接通率在呼叫中心运营管理中的重要地位，并以某电信企业S呼叫中心为例，研究了提高接通率的办法：一是改进现有话务量预测方法，提高预测准确率，通过合理排班提高接通率；二是研究不同地区客户对接通率的敏感度，通过应用“价格歧视”的经济学原理，进行人力资源分配，达到提高总体接通率的目的。 关键字：呼叫中心 接通率 线性回归 话务预测 价格歧视 一、概述 当前，呼叫中心的发展已进入成熟期，这种新型的客户接触方式已逐步成为现代企业服务和营销的创新领域和发展趋势，极大地促进了企业的销售能力、服务水平及企业核心竞争力的提升。 接通率是呼叫中心行业惯用的KPI((Key Performance Indication,即关键业绩指标)之一，是影响客户满意的重要指标。在评价呼叫中心运营水平的时候，业界都会将目光聚焦在接通率和服务水平这2个KPI指标上，因为这2个KPI指标就像指针一样反映着呼叫中心的运营基本情况。保证一个高水平的接通率是服务的前提，更是客户满意的基础。若接通率总是很低，就意味着坐席经常无人接听或者电话占线，这种情况下，客户满意的可能性几乎为零。以S呼叫中心为例，在KPI指标中接通率的权重占20%，其权重值在所有KPI指标中是最高的。呼叫中心接通率的公式如下： 接通率 根据上述公式，接通率越高，客户越容易拨通电话，客户重复拨打的可能性降低，人均拨打次数降低，总体呼入量下降，接通率会进一步提高，从而形成一种良性循环；接通率越低，客户越难拨通电话，重复拨打机率增加，人均拨打次数上升，总体呼入量增加，接通率进一步降低，从而形成恶性循环，即形成呼入量的雪球效应。呼叫中心雪球效应如图1所示。 图1 呼叫中心雪球效应图 提高接通率是呼叫中心运营管理的一个重要目标。当然，提高接通率最直接的办法就是增加座席人员。但是，人力成本是呼叫中心运营开销中的最大支出，从经济的角度出发不可能无限制地增加座席人员，因此，话务预测和合理排班，成为有限人力资源下提高接通率的有效途径。 二、话务预测策略 （一）现有话务预测的方法和局限 目前S呼叫中心采用的话务预测方式是基于Erlang法则，其核心是：根据历史话务量进行预测。这种话务预测模型考虑了话务量增长、异常事件影响因素，考虑了日、星期、特殊日对话务的影响，但在实际预测过程中，实际呼入量受到实际接电量的制约，预测值受到历史接电量的影响。如果历史数据的接电量很低，接通率很低，无效呼入量越多，那么，话务预测值会较高，而实际接电情况很好，接通率很高，那么无效呼入量越少，实际呼入量越低，实际值与预测值差异越大。 同时，利用历史呼入量来建立数据模型，可以得到预测数据，但是这些数据并不是很准确。虽然从长期来看呼叫中心的月话务量呈规律性增长，但是每天的话务量波动幅度较大，数据本身的不稳定性是造成了数学模型难以对实际情况下的话务量的变化进行精确预估，还需要HYPERLINK 排班师根据经验对资料结果进行干预及调整。 （二）改进后话务预测方法 由于通过历史话务量预测未来话务量的方法存在的固有缺陷，无法通过改进模型本身来获得更准确的预测话务量。因此，笔者尝试选取其他变量来替代话务量做预测。选取的变量应该比话务量更稳定，基于这样的考虑，尝试使用拨打用户数作为预测的新变量。拨打用户数表示一段时间内拨打呼叫中心电话的人数。但是光有拨打用户数还不能预测话务量，我们还需要知道用户平均拨打次数，将这两个变量相乘，就能得到所需要预测的话务量。因此，新话务预测方法是基于拨打用户数和人均拨打次数的话务预测方法。 通过2008年1-8月的历史数据分析，笔者发现人均拨打次数和接通率存在着很强的线性关系，如图2。从图中可以很明显地看到，当接通率大于等于73%时，人均拨打次数表现出明显的线性减少。当接通率低于73%时，人均拨打次数快速上升。 图2人均拨打次数与接通率的散点图 通过SPSS建立接通率大于等于73%时人均拨打次数与接通率的线性回归模型。表1给出线性回归方程中的参数（Coeffients）和常数项（Constant）的估计值，其中常数项系数为2.186，线性回归参数的标准误差（Std Error）为0.03，标准化回归系数（Beta）为-0.884，回归系数T检验的t统计量观察值为-25.331，T检验的概率p值0.000，小于0.01，所以可以认为回归系数有显著意义。 由此，得到接通率大于等于73%时人均拨打次数与接通率的线性回归方程为： 人均拨打次数 a Dependent Variable: 人均拨打次数 表1 线形回归分析的系数 Model Unstandardized Coefficients