联想呼叫中心排班管理心得

《联想呼叫中心排班管理心得》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、联想呼叫中心排班管理心得分享作者黄金红为联想客户联络中心总监。 　　在呼叫中心的运营管理中要取得绩效的不断提升与改善，需要多方面的努力，但有一点不容置疑的是，如果没有一个良好的排班管理机制和不断提升排班管理水平，要想达成绩效的不断进步基本上是不可能的。笔者前期曾发表过《呼叫中心排班管理的几个环节》的文章，在文章发出之后有幸收到同行们一些共鸣与探讨。希望就联想客户联络中心在排班管理上的一些具体做法与取得的成效与同行进行交流。　　其实联想在排班上进行过艰难的探索和逐步的改进，我们先来看看最初的状况： 　　可以明显看出，我们的

2、客户感受很不均匀，客户有时觉得电话很容易接通，而有时又觉得非常难通，30秒内接起率不到80%，再来看看同期的员工利用率： 　　员工利用率只有不足50%，在业务的高峰期这个比例会高一些，但仍旧达不到高绩效目标的要求，那时候看来，要达成服务水平80/30（80%的电话在30S内接起），还要保障客户拨打热线所感受到的ASA一致，员工利用率还可提升到75%，这是一个大的挑战。如何提升？确保服务水平和员工效率的双达标，在不断的业务摸索中，我们从以下几方面来进行逐步改善。　　一、预测：　　来电有规律吗？要解释这样的问题，我们还是先看

3、数据： 　　以某一业务为例，通过三年的数据积累并结合业务的特点我们看出来以下几点规律：　　每年春节的来电量是全年最低的；　　每年的七八九三个月的暑促高峰来电量较高；　　年底单位的集中购机带来12月份的咨询高峰等；　　从上图我们还可看出，每年业务量都有一定的增长，为究其原因，我们进一步分析：将历史咨询记录将咨询的内容进行分类，并将用户购机的时间与咨询时间进行了匹配性分析，结合客户的特点，热线的知晓度，我们找到影响业务时的关键因素：　　销量；　　季节；　　气候；　　热线知晓度；　　客户的应用习惯等；此内容只有作者和已经回复此

4、帖的浏览者能浏览：　　我们再来看另一个规律： 　　可以看出，一周各天的来电规律也是不一样的。工作日高，周末低。 　　每年春节、五一、十一长假期间前后的来电规律，七天长假期间来电量很小，但长假过后的第一天会出现来电高峰。　　对历史数据的使用与分析的方法有很多，关键是要找到最符合自己业务特点的方法。另外在使用历史数据时要确保你的数据是正确的，用错误的数据做分析只能得出错误的结论。　　得到相对全面的信息后，依此进行预测，预测分几个层次，中长期预测、招聘周期预测、排班周期预测。每个预测的数据有着不同的目的。　　中长期预测：　　中

5、长期预测一般与公司/部门年度业务规划结合起来做，重点在于分析资源配备是否与业务的发展相匹配，对全年的来电形势有一个全局的了解，根据来电高低峰制定各阶段的重点工作，合理分配员工的工作时，在联想座席代表每个月上班的天数并不是完全按照工作日要求，在业务高峰期，员工每周的上班可能会超过五个工作日，而在业务低峰时，再安排员工的补休或集中休假，全年保持总法定工作时的弹性排班制，这样能有效地保障业务高峰的服务水平，而且能满足部分家在外地员工希望探亲时间增长的要求，还能平稳地过一个春节，假期比国家规定的还长，员工是很满意的。　　招聘周期

6、预测：　　故名思意，招聘周期的预测与人力需求密切相关，如果从有招聘需求开始到人员招聘成功，完成岗前培训与在线指导，直到员工能够独立上线的周期为两个月，那么两个月前的预测是否准确就决定着该月是否有足够的人力来保障目标的达成。随着此预测值产生的是招聘计划，考核的是招聘及时性及培养合格率。 　　排班周期的预测：　　不同企业、不同业务排班周期可能不一样，一般以周、两周、月等为周期。排班周期的预测是用于进行人员配备的基础，其参考的数据是年度预测值、招聘周期对该周期的预测值、前几周的实际来电值，而且更倾向于实际来电情况，排班周期的预

7、测需要注意的是应按天和时段来进行，一周中的各天可能来电规律是不一样的，同样一天中的各时段来电规律也不一样。对于呼入的电话建议以每30分钟的间隔来研究用户来电的规律。排班周期预测的要点是：历史看趋势，近期看实际，结合最近周期的来电及可预见的影响业务的因素对“直接计算”出来的数值进行修正。如下例： 　　现在我们已经将预测层层分解到了最小单位，还有一点非常重要的，准确预测是基础，所以设定各预测周期的预测准确性，或预测离差率是很有必要的，预测离差率管理到每半小时，才能进行最准确的人员配备，长时间的准确数据及信息的积累与沉淀以不断

8、提升预测准确性。　　二、人员配备　　确定排班周期目标　　虽然呼叫中心各项KPI指标都设定有目标，但所设定的目标可能是最终要达成的目标，所以不能完全基于最终目标值来排，而是需要根据实际发生值及本次排班希望达成的值来排，如AHT，业务最终的目标是360秒，但目前的实际达成值可能是380秒，那么我们在进行人员配备时就不能以