CN101132447B - 一种大型呼叫中心的热线来话预测方法 - Google Patents

Abstract

本发明公开了一种大型呼叫中心的热线来话预测方法，主要包括以下步骤：(1)从呼叫中心业务系统中提取来话数据存入来话分析系统数据库中；(2)将“非正常来话”信息录入突发话务分析系统；(3)根据常规话务预测模型进行常规性话务预测；(4)根据突发话务预测模型进行突发性话务预测；(5)将预测所得的常规话务量和突发话务量进行叠加计算未来来话量；(6)排班系统从来话分析系统读取来话预测信息进行自动排班。通过科学预测不同时间、时段的热线电话的来话量，从而为呼叫中心的工作安排、人员招聘、班表排布提供基础数据，以降低运营成本，并满足客户的需求。

Description

一种大型呼叫中心的热线来话预测方法

技术领域

本发明涉及大型呼叫中心，具体地说涉及对大型呼叫中心的热线来话预测方法。

背景技术

中国移动通信集团为了拓展手机增殖业务，更好地为手机用户服务，在全国各地设有大量的呼叫中心，呼叫中心又称客户服务中心，是用于向用户提供电话、电子邮件、传真、网络咨询等多种接入手段的信息系统。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。随着呼叫业的发展，月呼叫量上百万次的呼叫中心纷纷出现，动辄上亿元的投入让公司不堪重负。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，合理的热线来话预测是实现高效率的运营管理，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。

发明内容

本发明提供一种大型呼叫中心的热线来话预测方法，通过科学预测不同时间、时段的热线电话的来话量，从而为呼叫中心的工作安排、人员招聘、班表排布提供基础数据，以降低运营成本，并满足客户的需求。

本发明所述来话预测方法包括以下步骤：

一种大型呼叫中心的热线来话预测方法，其特征在于包括以下步骤：

(1)、从呼叫中心业务系统中提取来话数据存入来话分析系统数据库中；

(2)、将“非正常来话”信息录入突发话务分析系统；

(3)、根据常规话务预测模型进行常规性话务预测；

(4)、根据突发话务预测模型进行突发性话务预测；

(5)、将预测所得的常规话务量和突发话务量进行叠加计算未来来话量；

(6)、排班系统从来话分析系统读取来话预测信息进行自动排班；

(7)、管理人员根据管理经验进行班表手工修正；

(8)、跟踪实际来话发生数据对预测模型进行修正；

步骤(1)所需提取的来话数据包括目标时段来话量Z和接通率信息，来话分析系统数据库扣除由于接通率较低带来的虚忙话务量，虚忙话务量指客户因为热线忙而重复拨打的话务量；

步骤(2)中所述“非正常来话”为相关单位因为广告宣传活动、节假日、突发性事故等引起的突发事件带来的客户来话冲击或周期性来话增减，“非正常来话”信息录入包括从呼叫中心业务系统中自动提取的突发来话情况数据和由管理人员根据管理经验录入的突发事件的相关信息。记录信息应包括：突发事件描述、事件影响的客户数CN、客户回拨率CV、客户回拨到达率CS、由于话务高峰带来的“虚忙率”FV、当天工作人员配置情况、业务讲解难度系数等相关数据，从全部话务量中分离出的突发话务量值T，依计算公式：

T＝(1-FV)×Z-Z₁

其中“虚忙率”FV指虚忙话务量占来话量的比率，Z₁为根据常规话务预测模型预测得出的目标时段话务量，将在步骤(3)中给出具体的计算公式；

步骤(3)所述话务预测模型对应的具体数据模型描述如下：

常规话务预测模型是一种基于时间序列的热线来话预测模型，模型根据呼叫中心运作特点以一定时间段为基本周期单位，利用步骤(1)中取得的历史话务数据序列进行预测，预测中使用基于趋势加权的预测思想，在时间序列预测模型中引入有效的权函数，充分利用权函数对数据中的趋势性特征进行提取并加以利用，使得预测值能更加趋近实测值；

考虑到近期数据和过去历史数据对当前预测点的影响的重要程度不同，采用不同的权值构造函数；

设当前最近获取的实测值点日期值k为当前日期到当年1月1日的天数，X_k为该实测值点的热线来话量，构造权函数π_k的一般步骤分为以下三步：

步骤(3.1)为利用距离当前预测点最近的一个周期内的实测值数据计算出该周期内的来话量均值X，

$\stackrel{\‾}{X}=\frac{\underset{i=K-N+1}{\overset{k}{\mathrm{\Σ}}}{X}_i}{N}$

其中N为一个周期内的实测点数(可以灵活的定义为指若干个月或若干天，或若干小时).

步骤(3.2)利用步骤(3.1)中得出的均值X给从X_k-R+1到X_k这一个周期里的每一个实测值点赋一个权函数π_k。

${\mathrm{\π}}_k=\frac{|X_i-\stackrel{\‾}{X}|}{\underset{i=K-N+1}{\overset{N}{\mathrm{\Σ}}}|X_i-\stackrel{\‾}{X}|}$

步骤(3.3)给出历史同期话务量对预测目标值的修正系数，因为未来某时段热线来话量的预测，不仅与最近一个周期的实际来话量有关系，还与历史同期来话量有关，历史同期指各周期(可以灵活的定义为指若干个月或若干天，或若干小时)的同一时段，如预测6月7日的话务量，5月7日、4月7日等的话务量也应作为影响因素考虑到预测模型中，而考虑到越早的同时段话务量对预测结果影响因素越小，因此可以这样定义权值θ_k。

${\mathrm{\θ}}_k=\frac{k}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}k}$

其中，n为所选择的实测点数

则最后为常规话务量Z₁的预测模型为：

$Z_1={\∂}_1\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\θ}}_i\×X_i+{\∂}_2\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\π}}_j\×Y_j$

X_i为最近一个周期的实测点话务量， ${\∂}_1+{\∂}_2=1,{\∂}_1{,\∂}_2$ 的具体取值需根据呼叫中心的实际运营数据进行设定，在步骤(8)中进行

值的修订；

步骤(4)中提到的突发话务预测模型，包括以下步骤：

步骤(4.1)针对所要预测的“突发时间”在来话分析系统数据库找到较为匹配的历史同类事件记录；

步骤(4.2)计算出客户回拨率CV、客户回拨到达率CS，这里假定事件影响的客户数CN是已知的，因为CN不清楚的情况下是无法进行预测的；

假设某类突发事件客户回拨到达率 $C{S}_i=\frac{1}{2^i},$ 其中I为距离突发事件发生点的小时数I＝1..n，n→∞，则突发话务量值T为：

$T=2000000\×4\%\×\frac{1}{2^i}$

实际工作中每类突发事件的客户回拨到达率数学模型都不相同，需要不断积累总结；

步骤(5)将步骤(3)计算出的常规话务量预测值Z₁和步骤(4)计算出的突发话务量预测值T相加，即为实际预测目标时段预测话务量；

步骤(6)分为以下几步：

步骤(6.1)，根据步骤(5)得出的实际预测目标时段预测话务量利用Erlang公式等人员测算公式计算所需安排的各时段人员数；

应当列出公式，应当标出话务量与各人时段人员数的关系；

步骤(7)时管理人员对步骤(6)中系统计算出的班表根据管理经验和实际管理需要再次进行调整和修正；

步骤(8)是将实际话务量发生量和预测发生量进行对比，并修订π_k、θ_k、

等参数设置。

如步骤(3.3)中所述n取选择半年的实测点数即n＝6，也就是选择过去半年历史同期数据进入预测模型；Y_j为半年内历史同期数据；N＝30。

所述的周期指可以灵活的定义成若干个月或若干天，或若干小时。

本发明通过科学预测不同时间、时段的热线电话的来话量，从而为呼叫中心的工作安排、人员招聘、班表排布提供基础数据，以降低运营成本，并满足客户的需求。

具体实施方式

一种大型呼叫中心的热线来话预测方法，其特征在于包括以下步骤：

(1)、从呼叫中心业务系统中提取来话数据存入来话分析系统数据库中；

(2)、将“非正常来话”信息录入突发话务分析系统；

(3)、根据常规话务预测模型进行常规性话务预测；

(4)、根据突发话务预测模型进行突发性话务预测；

(5)、将预测所得的常规话务量和突发话务量进行叠加计算未来来话量；

(6)、排班系统从来话分析系统读取来话预测信息进行自动排班；

(7)、管理人员根据管理经验进行班表手工修正；

(8)、跟踪实际来话发生数据对预测模型进行修正；

步骤(1)所需提取的来话数据包括目标时段来话量Z和接通率信息，来话分析系统数据库扣除由于接通率较低带来的虚忙话务量，虚忙话务量指客户因为热线忙而重复拨打的话务量；

步骤(2)中所述“非正常来话”为相关单位因为广告宣传活动、节假日、突发性事故等引起的突发事件带来的客户来话冲击或周期性来话增减，“非正常来话”信息录入包括从呼叫中心业务系统中自动提取的突发来话情况数据和由管理人员根据管理经验录入的突发事件的相关信息。记录信息应包括：突发事件描述、事件影响的客户数CN、客户回拨率CV、客户回拨到达率CS、由于话务高峰带来的“虚忙率”FV、当天工作人员配置情况、业务讲解难度系数等相关数据，从全部话务量中分离出的突发话务量值T，依计算公式：

T＝(1-FV)×Z-Z₁

其中“虚忙率”FV指虚忙话务量占来话量的比率，Z₁为根据常规话务预测模型预测得出的目标时段话务量，将在步骤(3)中给出具体的计算公式.

其中Z₁为根据常规话务预测模型预测得出的目标时段话务量，将在步骤(3)中给出具体的计算公式；

步骤(3)所述话务预测模型对应的具体数据模型描述如下：

常规话务预测模型是一种基于时间序列的热线来话预测模型，模型根据呼叫中心运作特点以一个月为基本周期单位，利用步骤(1)中取得的历史话务数据序列进行预测，预测中使用基于趋势加权的预测思想，在时间序列预测模型中引入有效的权函数，充分利用权函数对数据中的趋势性特征进行提取并加以利用，使得预测值能更加趋近实测值；

考虑到近期数据和过去历史数据对当前预测点的影响的重要程度不同，采用不同的权值构造函数；

设当前最近获取的实测值点日期值k为当前日期到当年1月1日的天数，例如2月19日的k值为40，X_k为该实测值点的热线来话量，构造权函数π_k的一般步骤分为以下三步：

步骤(3.1)为利用距离当前预测点最近的一个周期内的实测值数据计算出该周期内的来话量均值X，

$\stackrel{\‾}{X}=\frac{\underset{i=K-N+1}{\overset{k}{\mathrm{\Σ}}}{X}_i}{N}$

其中N为一个周期内的实测点数.

步骤(3.2)利用步骤(3.1)中得出的均值X给从X_k-R+1到X_k这一个周期里的每一个实测值点赋一个权函数π_k。

${\mathrm{\π}}_k=\frac{|X_i-\stackrel{\‾}{X}|}{\underset{i=K-N+1}{\overset{N}{\mathrm{\Σ}}}|X_i-\stackrel{\‾}{X}|}$

步骤(3.3)给出历史同期话务量对预测目标值的修正系数，因为未来某时段热线来话量的预测，不仅与最近一个周期的实际来话量有关系，还与历史同期来话量有关，如预测6月7日的话务量，5月7日、4月7日等的话务量也应作为影响因素考虑到预测模型中，而考虑到越早的同时段话务量对预测结果影响因素越小，因此可以这样定义权值θ_k。

${\mathrm{\θ}}_k=\frac{k}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}k}$

其中，n为所选择的实测点数6，

则最后为常规话务量Z₁的预测模型为：

$Z_1={\∂}_1\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\θ}}_i\×X_i+{\∂}_2\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\π}}_j\×Y_j$

X_i为最近一个周期的实测点的来话量，n取选择半年的时间数6，也就是选择过去半年历史同期数据进入预测模型；Y_j为半年内历史同期数据；N＝30。

${\∂}_1+{\∂}_2=1,{\∂}_1,{\∂}_2$ 的具体取值需根据呼叫中心的实际运营数据进行设定，在步骤(8)中进行

值的修订；

步骤(4)中提到的突发话务预测模型，包括以下步骤：

步骤(4.1)针对所要预测的“突发时间”在来话分析系统数据库找到较为匹配的历史同类事件记录；

步骤(4.2)计算出客户回拨率CV、客户回拨到达率CS，这里假定事件影响的客户数CN是已知的，因为CN不清楚的情况下是无法进行预测的；

在这里我们举例说明具体的计算方法，假设CN＝2000000；CV＝4％；

假设某类突发事件客户回拨到达率 ${\mathrm{CS}}_i=\frac{1}{2^i},$ 其中I为距离突发事件发生点的小时数I＝1..n，n→∞，则突发话务量值T为：

$T=2000000\×4\%\×\frac{1}{2^i}$

实际工作中每类突发事件的客户回拨到达率数学模型都不相同，需要不断积累总结；

步骤(5)将步骤(3)计算出的常规话务量预测值Z₁和步骤(4)计算出的突发话务量预测值T相加，即为实际预测目标时段预测话务量；

步骤(6)分为以下几步：

步骤(6.1)，根据步骤(5)得出的实际预测目标时段预测话务量利用Erlang公式等人员测算公式计算所需安排的各时段人员数。

$P(c,a)=\frac{\frac{a^c}{c!}}{\underset{k=0}{\overset{c}{\mathrm{\Σ}}}\frac{a^c}{k!}}$

其中

P(c，a)＝预测阻塞率，又称为服务等级单位％；

C为线路数量，单位为线；

a为流量负荷，单位为Erlang。

步骤(7)时管理人员对步骤(6)中系统计算出的班表根据管理经验和实际管理需要再次进行调整和修正；步骤(8)是将实际话务量发生量和预测发生量进行对比，并修订π_k、θ_k、

等参数设置。

Claims (1)

1.一种大型呼叫中心的热线来话预测方法，其特征在于包括以下步骤：

(1)、从呼叫中心业务系统中提取来话数据存入来话分析系统数据库中；

(2)、将“非正常来话”信息录入突发话务分析系统；

(3)、根据常规话务预测模型进行常规性话务预测；

(4)、根据突发话务预测模型进行突发性话务预测；

(5)、将预测所得的常规话务量和突发话务量进行叠加计算未来话量；

(6)、排班系统从来话分析系统读取来话预测信息进行自动排班；

(7)、管理人员根据管理经验进行班表手工修正；

(8)、跟踪实际来话发生数据对预测模型进行修正；

步骤(1)所需提取的来话数据包括目标时段来话量Z和接通率信息，来话分析系统数据库扣除由于接通率较低带来的虚忙话务量，虚忙话务量指客户因为热线忙而重复拨打的话务量；

步骤(2)中所述“非正常来话”为相关单位因为广告宣传活动、节假日、突发性事故引起的突发事件带来的客户来话冲击或周期性来话增减，“非正常来话”信息录入包括从呼叫中心业务系统中自动提取的突发来话情况数据和由管理人员根据管理经验录入的突法事件的相关信息；记录信息应包括：突发事件描述、事件影响的客户数CN、客户回拨率CV、客户回拨到达率CS、由于话务高峰带来的“虚忙率”FV、当来工作人员配置情况、业务讲解难度系数的相关数据，从全部话务量中分离出的突发话务量值T，依计算公式：

T＝(1-FV)×Z-Z₁

其中“虚忙率”FV指虚忙话务量占来话量的比率，Z₁为根据常规话务预测模型预测得出的目标时段话务量，将在步骤(3)中给出具体的计算公式；

步骤(3)所述常规话务预测模型对应的具体数据模型描述如下：

常规话务预测模型是一种基于时间序列的热线来话预测模型，模型根据呼叫中心运作特点以一定时间段为基本周期单位，利用步骤(1)中取得的历史话务数据序列进行预测，预测中使用基于趋势加权的预测思想，在时间序列预测模型中引入有效的权函数，充分利用函数对数据中的趋势性特征进行提取并加以利用，使得预测值能更加趋近实测值；

考虑到近期数据和过去历史数据对当前预测点的影响的重要程度不同，采用不同的权值构造函数；

设当前最近获取的实测值点日期值K为当前日期到当年1月1日的天数，X_K为该实测值点的热线来话量，构造权函数π_K的步骤分为以下三步：

步骤(3.1)为利用距离当前预测点最近的一个周期内的实测值数据计算出该周期内的来话量均值

$\stackrel{\‾}{X}=\frac{\underset{i=K-N+1}{\overset{K}{\mathrm{\Σ}}}{X}_i}{N}$

其中N为一个周期内的实测点数；X_i为最近一个周期的实测点话务量；

步骤(3.2)利用步骤(3.1)中得出的均值

给从X_K-N+1到X_K这一个周期里的每一个实测值点赋一个权函数π_K；

${\mathrm{\π}}_K=\frac{|X_i-\stackrel{\‾}{X}|}{\underset{i=K-N+1}{\overset{N}{\mathrm{\Σ}}}|X_i-\stackrel{\‾}{X}|}$

步骤(3.3)给出历史同期话务量X对预测目标值的修正系数，因为未来某时段热线来话量的预测，不仅与最近一个周期的实际来话量有关系，还与历史同期来话量有关，预测每日话务量也应作为影响因素考虑到预测模型中，而考虑到越早的同时段话务量对预测结果影响因素越小，因此定义赋权值θ_K；

${\mathrm{\θ}}_K=\frac{K}{\underset{K=1}{\overset{N}{\mathrm{\Σ}}}K}$

其中，n为所选择的实测点数；

则最后为预测常规话务量Z₁的预测模型为：

$Z_1={\∂}_1\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\θ}}_i\×X_i+{\∂}_2\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\π}}_j\×Y_j$

X_i为最近一个周期的实测点来话量，Y_j为半年内历史同期数据；

的具体取值需根据呼叫中心的实际运营数据进行设定，在步骤(8)中进行

值的修订：

步骤(4)中提到的突发话务预测模型，包括以下步骤：

步骤(4.1)针对所要预测的“突发时间”在来话分析系统数据库找到较为匹配的历史同类事件记录；

步骤(4.2)计算出客户加拨率CV、客户回拨到达率CS，这里假定事件影响的客户数CN是已知的，因为CN不清楚的情况下是无法预测的；

假设某类突发事件客户回拨到达率其中I为距离突发事件发生点的小时数i＝..n，n→∞，，则突发话务量值T为：

$T=2000000\×4\%\×\frac{1}{2^i}$

实际工作中每类突发事件的客户回拨到达率数学模型都不相同，需要不断积累总结；

步骤(5)将步骤(3)计算出的预测常规话务量Z₁和步骤(4)计算出的突发话务量预值相加即为实际预测目标时段预测话务量；

步骤(6)分为以下几步：

步骤(6.1)，根据步骤(5)得出和实际预测目标时段预测话务量利用Erlang人员测算公式计算所需安排的各时段人员数；

应当列出公式，应当标出话务量与各个时段人员数；

步骤(7)时管理人员对步骤(6)中系统计算出的班表根据管理经验和实际管理需要再次进行调整和修正；

步骤(8)是将实际话务量发生量和预测发生量进行对比，并修订π_K、θ_K、

参数设置。