吳子辰++陳鑫++王磊等

摘 要：根據(jù)呼叫中心的歷史數(shù)據(jù)，較為準確的、高效的預測話務業(yè)務量趨勢，合理調度和編排客服人員，提升客服系統(tǒng)服務保障質量，是當前各類客服系統(tǒng)面臨的關鍵問題。文章首先通過對已有話務數(shù)據(jù)進行建模、分析，構建出話務數(shù)據(jù)業(yè)務的變化趨勢；然后智能客服系統(tǒng)采用高峰增員、低峰減員、實時預警等規(guī)則對客服人員進行自動編排，在保持一定客服人員的數(shù)量下，既調動了客服的人員的積極性，又有效的保證了客服系統(tǒng)的響應速度。

關鍵詞：話務量；客服系統(tǒng)；數(shù)據(jù)建模；呼叫中心

中圖分類號：TP311.13 文獻標識碼：A 文章編號：1006-8937（2016）12-0084-04

1 概 述

客戶服務系統(tǒng)是圍繞服務展開的，它的核心理念是客戶滿意度和客戶忠誠度，是通過取得顧客滿意和忠誠來促進相互有利的交換，最終實現(xiàn)營銷績效的改進。通過優(yōu)質服務塑造和強化公司良好的公共形象，創(chuàng)造有利的輿論環(huán)境，爭取有利的政府政策，最終實現(xiàn)公司的長期發(fā)展?？蛻舴障到y(tǒng)是集計算機技術、通信技術、網(wǎng)絡技術、計算機電信集成（CTI）技術、自動呼叫分配（ACD）技術、交互式語音應答（IVR）技術以及數(shù)據(jù)庫技術等于一體的網(wǎng)絡化綜合業(yè)務服務系統(tǒng)。系統(tǒng)通過人工服務和自動服務的方式，利用電話、傳真、eMail、短信等多種手段，為客戶提供業(yè)務咨詢、信息查詢、故障報修、投訴舉報、訂閱服務、客戶回訪等7×24小時服務。

然而當前話務系統(tǒng)還存在的以下幾個問題，主要表現(xiàn)在以下幾個方面：

①在一些特殊情況下，由于局部短時間內(nèi)集中呼入電話量劇增，大大超過客服中心坐席的同時接聽數(shù)，使大量的客戶電話處在排隊等待狀態(tài)，造成客戶電話擁堵而無法接入。例如：在月底的時候，“咨詢量”或者“報QC量”都會比其他時間段高，如何通過話務量及工單量來分析話務高峰走向并根據(jù)話務高峰走向來調整客服專員的人員數(shù)量以及分配服務方向提高系統(tǒng)的響應速度；

②現(xiàn)有系統(tǒng)業(yè)務較為分散，不能有效的集中調度所有資源，造成業(yè)務受理不均衡，極大的影響了客服系統(tǒng)的效率。再加上沒有一套較好的風險預測模型，不能對各類業(yè)務的變化趨勢做出預判；

③對自身系統(tǒng)的質量的評估：即當期還沒有一套指導性的評價指標來評測一個客服系統(tǒng)自身的健壯性；

要解決上述三大問題，就必須要能夠建立一個有效的數(shù)據(jù)分析模型，從過往海量的歷史數(shù)據(jù)中，分析出客服系統(tǒng)所對應的業(yè)務變化趨勢，充分挖掘現(xiàn)有資源（客服專員）的能力，實現(xiàn)客服系統(tǒng)效率的最大化。

2 話務數(shù)據(jù)分析建模

為了能夠有效的解決當前話務系統(tǒng)所面臨的問題，本文提出了一個話務數(shù)據(jù)模型，它需要具備對兩種資源的處理能力：

第一是利用數(shù)據(jù)模型分析歷史數(shù)據(jù)，根據(jù)歷史數(shù)據(jù)合理預測特定時間段的工作量；分析歷史存量數(shù)據(jù)，進行客服話務高峰預測，為建立健全的客服應急服務機制提供客觀可靠的數(shù)據(jù)支撐；最重要利用數(shù)據(jù)模型分析歷史數(shù)據(jù)，獲取對應用系統(tǒng)的健壯程度。

第二是能夠對客戶專員（包括自動語音）能力進行自動評估，并根據(jù)業(yè)務的需求，及時做出恰當?shù)恼{度安排。

2.1 話務數(shù)據(jù)分析

2.1.1 系統(tǒng)容量規(guī)模分析

話務量（話務量強度的簡稱）是指單位時間內(nèi)發(fā)生的呼叫數(shù)與每次呼叫平均占用時長的乘積。目前國際通用的話務量單位是愛爾蘭Erlang，公式為：

A=C*t

A是話務量（單位為Erl）；C是呼叫次數(shù)（單位是個）；t是每次呼叫平均占用時長（單位是小時）。

話務量的大小與用戶數(shù)量、用戶通信的頻繁程度、每次通信占用的時間長度以及觀測的時間長度有關。單位時間內(nèi)通信的次數(shù)越多，每次通信占用的時間越長，觀測的時間越長，那么話務量就越大。由于通信次數(shù)、每次通信占用時間的長短等都是變化著的，所以話務量也是一個隨時間變化的量，即是一個“隨機變量”。話務客服系統(tǒng)的基本模型，見表1。

2.1.2 話務量基本計算

相關指標數(shù)值，見表2。

下面根據(jù)構建的呼叫模型計算話務量數(shù)值，涉及到的公式如下：

忙時呼叫次數(shù)=系統(tǒng)用戶數(shù)x（平均每用戶每月呼叫次數(shù)一每月天數(shù)）x忙日集中系數(shù)x忙時集中系數(shù)；

忙時呼叫人工座席次數(shù)=忙時呼叫次數(shù)x人工業(yè)務呼叫量占總呼叫量百分比；

忙時呼叫自動語音服務次數(shù)=忙時呼叫次數(shù)x（1一人工業(yè)務呼叫量占總呼叫量百分比）。

2.1.3 規(guī)模初步計算

每個座席每小時能夠處理的呼叫次數(shù)=3 600 s+人工座席平均處理時長x人工座席最大工作負荷；

每路自動語音業(yè)務每小時能夠處理的呼叫次數(shù)=3 600 s十自動語音業(yè)務平均處理時長；

人工座席數(shù)量=忙時呼叫人工座席次數(shù)令每個座席每小時能夠處理的呼叫次數(shù)；

自動臺（IVR）數(shù)量=忙時呼叫自動語音服務次數(shù)令每路自動語音業(yè)務每時能夠處理的呼叫次數(shù)。

2.2 客服專員能力建模

通過對客服專員能力模型較為精確的掌握客服系統(tǒng)的服務能力，為業(yè)務決策提供支撐。評價客服專員的力指標（Xi）構成，由如下幾個指標項完成：

①業(yè)務知識能力（Xi1）：

業(yè)務知識能力描述了該專員在面向特定領域，所具備的知識能力。業(yè)務能力高的客服專業(yè)為用戶提供服務的能力也會更好。

②客服專員完成任務效率（依據(jù)過往歷史數(shù)據(jù)）：

任務效率Xi3=■

各批次任務完成及時率為依據(jù)歷史數(shù)據(jù)，系統(tǒng)自動進行評價，分為四個等級：及時、較為及時、有延遲、延遲；

③客戶專業(yè)任務負載（當前狀態(tài)）：

Xi4=■

④客戶滿意度：

Xi5由客服系統(tǒng)的客戶滿意度調查系統(tǒng)統(tǒng)計給出；單一客服專業(yè)中具備的服務能力為：

Xi=a（Xi1+Xi2）+βXi3+？酌Xi4+λXi5，

其中：各項能力指標的權值會實際運行之后，再逐一確定給出一個較為合理的值，智能客服系統(tǒng)會根據(jù)客服專業(yè)的實際操作的歷史數(shù)據(jù)，自動調整參數(shù)?？蛻羧藛T總體能力：

X=■■X■

2.3 話務系統(tǒng)建模

數(shù)據(jù)智能分析中心主要采用上述研究成果，通過的歷史話務數(shù)據(jù)的分析，為上層的業(yè)務提供智能化管理。該模塊處理流程圖，如圖1所示。

針對第二個重點，建立話務高峰風險預測模型，利用模型分析數(shù)據(jù)并且建立健全的客服應急服務機制，該模型利用客服系統(tǒng)積累的歷史數(shù)據(jù)，分析特定的規(guī)律，找出各種系統(tǒng)在不同時間段內(nèi)的咨詢或者報QC規(guī)律，根據(jù)分析的規(guī)律，模型給每個系統(tǒng)做出一個相對客觀的風險評估，給出相關應用系統(tǒng)在某個時間段或者特定環(huán)境下的風險值，風險值越高，表示越需要在客服專員的分配上給與更多的考慮，通過這樣的風險預測模型評估數(shù)據(jù)，可以整合有限的客服專員力量來做出更多的服務，響應公司精細化管理，資源集約化的號召。

針對第三個重點，根據(jù)模型分析歷史話務數(shù)據(jù)，獲取應用系統(tǒng)健康狀況分析指標，利用該模型，可以分析出兩個系統(tǒng)健康狀況指標，分別是“系統(tǒng)設計合理程度”和“系統(tǒng)缺陷比例”，這兩個指標是分析系統(tǒng)健康狀況的重要指標。利用該模型分析一段時間段內(nèi)通過電話咨詢應用系統(tǒng)使用方法的數(shù)量，分析結果數(shù)量越大，說明系統(tǒng)的可用性越差，設計月不合理，分析的結果可以作為該應用系統(tǒng)人性化設計及易操作性設計升級的理論數(shù)據(jù)支撐；利用該模型分析一段時間段內(nèi)電話報QC的數(shù)量，分析結果數(shù)量越大，說明系統(tǒng)缺陷越多（一般情況下，系統(tǒng)存在缺陷的時候，需要報QC，或者存在流程和業(yè)務無法流轉是，也會報QC），通過分析結果，可以得出一個可靠的理論數(shù)據(jù)支撐。

3 系統(tǒng)實現(xiàn)

在第2節(jié)研究的基礎上，本文構建了一個智能客服系統(tǒng)，它總的架構，如圖2所示。

該系統(tǒng)主要分三層，分別是業(yè)務層、中間層和數(shù)據(jù)層。數(shù)據(jù)層主要是存儲采集到的各類業(yè)務數(shù)據(jù)，為數(shù)據(jù)智能分析中心提供基礎；業(yè)務層主要提供如下一些業(yè)務。

3.1 坐席跟蹤狀態(tài)

可以了解當天每個坐席在每個時間段的工作狀態(tài)。如圖3所示。

3.2 話務量分析

通過對歷史數(shù)據(jù)的統(tǒng)計分析，可以較好的預測話務量及工單量來分析話務高峰走向，根據(jù)預測結果及時調度客服專員，比如預警預告，曲線圖表等表現(xiàn)方式，提前向客服管理人員進行預告預知，幫助客服管理人員進行客服專員服務方向調整決策，避開潮汐式話務高峰時，客服人員分配不合理的尷尬。如圖4所示。

3.3 按業(yè)務分類統(tǒng)計分析

業(yè)務話務量統(tǒng)計模型可以統(tǒng)計某天全部話務量，同時也可以統(tǒng)計保修、咨詢、QC的話務量。如圖5所示。

3.4 話務高峰風險預測模型

通過該模型，分析歷史存量數(shù)據(jù)，可出特定話務隊列的風險預測值，并且通過圖表或者圖形給客服管理人員提供一個話務風險預測數(shù)據(jù)，利用該數(shù)據(jù)，可以做一些提前預測，避免一些規(guī)律性的風險發(fā)生。如圖6所示。

可以同時展現(xiàn)“今日”、“昨日”、“上周”、“上月”、“去年”。默認只顯示“今日”和“昨日”兩條曲線，“上周”、“上月”、“去年”三條曲線默認不顯示。如圖7所示。

藍色的實線表示當日實際的接聽量曲線走向，橙色虛線表示預測的接聽量走向，紅色虛線表示預測接聽量閥值。話務量接近或者超過閥值，會在下方顯示預警信息的表格。如圖8所示。

橙色曲線表示明日預測的接聽量走向，紅色曲線表示接聽量閥值。

4 總結與展望

本文在研究話務歷史數(shù)據(jù)的基礎之上，提出了一個數(shù)據(jù)分析模型，該模型既考慮了歷史數(shù)據(jù)因素，又兼顧了客服專員的業(yè)務能力，在設定客服質量標準的前提下，實時、動態(tài)的調整和分配客戶專員。通過實驗可以看出它能夠較好的預測特定業(yè)務量的增長趨勢，能夠基本解決現(xiàn)有客服系統(tǒng)存在的問題，因此為后續(xù)客服智能系統(tǒng)的研究具有一定的參考價值。

參考文獻：

[1] 李楠.話務量分析與預測的研究和系統(tǒng)實現(xiàn)[D].北京：北京郵電大學，2005.

[2] 張輝，白波.客服中心話務量預測方法對比分析[J].山東通信技術，2012，（3）.