呼叫中心话务预测研究

《呼叫中心话务预测研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、呼叫中心话务预测研究话务预测是客服中心现场运营管理中的第一个环节，也是最重要的一个环节。精准的话务预测能够提高人工座席利用率，降低人力成本，提前对未来运营做出预警，为提高服务水平奠定基础。冃前，笔者所在客服中心的话务预测仍停留在基本的趋势分析层面，存在主观预测成分大、缺乏统一预测规则、预测周期短、不能与排班进行完全吻合等问题，无法达到人员利用最大化的目的。本文以建立稳定统一的预测模型为目的，在提高话务量预测准确度的同时延长预测周期，为合理排班打好基础。呼叫中心的话务预测一般分为中长期预测、短期预测、时

2、刻预测三个方面，文章根据不同周期的话务量特点，分别选取X12-ARIMA、ARIMA、BP神经网络模型，实现话务量的屮长期、短期、时刻预测。一、中长期预测中长期预测主要进行月度、年度预测，为整体人员安排、培训计划、活动制定等提供参考，对月度、年度工作计划有重要价值。（―）X12-ARIMA模型介绍（二）月度话务量的描述分析从近几年的月度话务数据可以看出每年3、7、8月为话务高峰月份，2、6、11、12月为低谷月份，话务量显示出明显的月度循环效应，同时呈现逐年下降趋势，月度及趋势规律性较明显，比较符合X

3、12-ARIMA的模型特点（如图1）。（三）X12-ARIMA模型建立及预测PBC版的X-12-ARIMA季节调整软件能够对数据系列的季节因素、中国式节假FI因素、趋势因素以及除此之外的其他因素进行同步分析。利用该软件，以我中心2011年1月至2015年5月的月度话务量为实验样本，经多次测试最终确定选择X12加法模型、ARIMA（1,1.1）最符合我中心月度话务量特点，预测效果最佳。图2是利用X-12-ARIMA季节调整软件通过相关参数设置后对2015年6月至2016年5月的话务量预测情况，我中心20

4、15年6月实际话务量为5422409,预测准确率为99.8%。由于X-12-ARIMA预测精准度会随着时间拖延而降低，所以需要及时更新数据（如表l）o二、短期预测短期预测主要进行单天话务预测，该预测提前预警总体人员需求情况，可以满足服务水平的需求，同时为员工的休假时间提供参考。（一）ARIMA模型及实现软件介绍ARIMA模型被广泛应用于时间序列的分析和预测，是一种精度比较高的短期线性预测方法，它适用于各种类型的时间序列。ARIMA又称ARIMA（p,d,q）,其中d是指对时间序列进行d阶差分，p是自回

5、归项，q为滑动平均项，它是自回归模型（AR模型）和滑动平均模型（MA模型）的一般形式，模型表达式见上文（公式1）。Eviews全称EconometricsViews,是美国QMS公司推出的基T*Windows平台的专门从事数据分析、回归分析和预测的计算机软件。Eviews是当今世界上最优秀的计量经济工具软件之一，具有操作简便、界面友好、功能强大等特点，在科学数据分析与评价、金融分析、经济预测、销售预测和成本分析等领域具有广泛影响。本文利用Eviews7.2(最新版本)进行模型建立及预测，英结果更具信服

6、力。(二)ARIMA模型建立及预测本文利用某分中心2014年1月1日至2015年6月15日的单天数据为训练样本，以6月16-22日一周数据为测试样本，对训练样本时间序列进行一阶差分后得到平稳序列，通过对一阶差分后的平稳序列进行自相关检验，结果显示自相关函数和偏自相关函数都是2阶“截尾”(如表2),由此分别建立ARIMA(2,1,2)、ARIMA(1,1,2)、ARIMA(2,1,1)、ARIMA(1,1,1)模型，通过比较SIC、SC及调整L2(如表3),最终确定ARIMA(1,1,1)模型拟合效果最

7、优。模型结果为：Khwl2Ht二-27.23+0.7792Khwl23(t-1)+et+e(t-1)(公式2)其屮Khwl2Ut指话务量的一阶差分序列；et为残差。利用以上模型对2015年6月16-22日进行话务预测，结果见表4,未来7期话务量预测准确率最低为91.20%,最高为99.17%。三、时刻预测目前，我中心正常班次时间集中在8：30-21：30,热线班长根据期间26个半个小时的话务量提前进行排班，从而时刻预测成为班次排布的前提，对热线30S接通率有直接影响。(-)神经网络模型及相关软件介绍由

8、于时间序列模型对长期预测精准度不高但预测非常慢，在时刻预测方面难以应用，木文人胆尝试神经网络模型，力图提升时刻预测的精度和速度。在众多的神经网络模型中应用最广泛的是BP(BackPropagation)模型，即利用误差反向传播算法求解的多层前向神经网络模型。BP网络在故障诊断、模式识别、图像识别、管理系统等方面都得到了广泛应用，本文讨论通过BP模型来实现时刻话务量预测。