话务预测与排班分享

呼叫中心手工排班中的话务预测都说呼叫中心的管理难：人多难管，数杂难理，班表难排，流程难定，质量难一致……而这当中受个人影响最大，与每个座席代表相关性相大，影响数据最多的，最受争议的，当数班表。

班表一边关系着话务量的拟合、人力的成本，另一方面影响着管理的方向和管理指标的落实。

班表影响着大部分的KPI指标，如：接通率、服务水平、平均等候时长、平均占线率、考勤率、人员流动率、单次呼叫成本……呼叫中心的大部分工作都跟班表密不可分，影响着呼叫中心的日常管理、考勤、培训、绩效等，因此班表排得好与差直接影响着呼叫中心的整体运作。

曾有一个说法是：一个好的排班师能顶上半个呼叫中心。

现时帮助我们排班的工具通常有EXCL手工排班，以及软件系统排班。

在这里我们就呼入队列使用手工排班的过程做一个简要的讲述。

手工排班的过程总的来说可分前期分析、话务预测、排班与合理性检验四个部分，现就这四个部分进行简要的阐述。

一、前期分析每个呼叫中心排班前，我们都需要对其基本情况进行分析，了解你所排线路的线路走势、话务规律、影响话务的具体因素、管理层面的要求、员工层面的实情等等。

在这些因素当中最重要，同时也最难克服的是话务自有规则，一般而言，针对服务于公众客户和服务于商业客户的话务会有两个完全不一样的规律。

大部分商业客户主要是呈周规律特征，周一到五呼入量相对较高，节假日呼入量低，即所谓的上班模型。

下图为某呼叫中心08年9月日呼入图：时走势是典型的早上10：00，下午15：00两个双驼峰的趋势。

班次主要是以行政班次为主，对座席代表的身体影响相对而言不大，排班时还需注意一下座席代表的公平性及总工时的落差不能过大。

时趋势如下图所示：而对于服务对象为公众客户的话务服务而言，主要受服务提供者的商业活动影响较大。

移动的动感地带就是比较明显的个案。

他们受每月的帐期影响，月初呼入量较大，公众休息日对其影响不大，下图为某地动感地带的业务日走势图：时走势方面与商业客户的走法也有很大的区别，呼入的重点时段是每天两个就餐时段和晚上，而这些时段正是对座席代表身体规律影响较大的时段。

南方电网95598客户服务中心业务量预测与人员排班管理办法预测来话量，首先要收集历史数据进行分析，总结和建立来话情况的模型：一、通过对历史来话数据分析，列出全年来话趋势，我们遵循下列原则进行来话预测：1）按营销和业务推广习惯进行来话预测；2）按季节不同进行预测3）按月初、月末及节假日来话情况进行预测二、次月来话预测的计算方法为：1）根据本年上一月来话数据与当前月来话进行比较，求出当月的上升或下降幅度比值，简称为：近期来话变动值；2）根据往年次月与当前月来话进行比较，求出次月的上升或下降幅度比值，简称为：历史来话变动值；3）对近期三个月的来话进行统计，求出近期月均来话值和日均来话常数值；4）根据近期三个月来话数据求出每日来话与当月总来话的比值，简称为：每日来话比值；（排除月初、月末和已经知道的营销活动宣传日外，其余往突发故障日所对应的次月同一日则取日均来话常数值进行预测。

）5）根据近期实际的系统运行影响来话的情况计算出系统故障影响值；6）次月日均来话= [近期月均来话值*（1+近期来话变动值）*（1+历史来话变动值）]*近期系统故障影响值*每日来话比值；7）根据近期正常周（非月初、月末）来话的模型，将周分为两段：第一段：周一至周五第二段：周六、周日根据周六、周日在近期周来话情况中较周一到五的下降比例计算出周来话：周一：次月预测日均来话值周二：次月预测日均来话值周三：次月预测日均来话值周四：次月预测日均来话值周五：次月预测日均来话值周六：次月预测日均来话值*周末下降比例周日：次月预测日均来话值*周末下降比例8）在计算出次月周均来话值后，就可以用次月的实际周数计算次月预测量，再将全月分为月初、月中、月末三段；根据近期三个月的月初、月末每日来话占全月来话的比例算出月初、月末的相应日来话；三、流程简图：8月预测日来话与实际日来话对应情况：（案例）排班一、排班规则：排班规则是指在排班时应遵守的规定，如国家的法律、法规、行业规定、公司制度、工作时间限制等。

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。

目前，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，实现话务量的中长期、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X12-ARIMA的模型特点。

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、中国式节假日因素、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2015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。

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。

呼叫中心的话量预测及人员排班 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；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，合理的人员排班是实现高效率的呼叫中心运营管理，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。

呼叫中心保持良好服务水准的重要前提是建立科学合理的排班方案，呼叫中心管理人员根据不同周期话务量变化的规律及发展趋势安排相应时段的座席数量，保证呼叫中心重要运营指标接通率、客户的满意度目标的实现。

为了实现上述目标，管理人员必须对呼叫中心来话量的趋势进行系统地分析，同时根据呼叫中心的历史数据及相关影响因素（如促销）进行科学地预测。

话务量预测的意义：根据来话规律提早进行班次调整与人员配备，保障呼叫中心的接通率指标的实现；通过对历史来话规律的分析，对可预知的话量影响因素提前做出反应，以使呼叫中心提前制定出相应的解决方案；在呼叫中心话务量承接能力将要趋于饱和时，需要进一步完善、调整、优化当前运行系统，提前做好人员与设备扩容的准备，确保呼叫中心保持正常运转；依据来话规律及时了解市场与客户的需求，便于调整市场运作方向，提升客户满意度。

以下以电信企业为例来了解影响话务量波动的主要因素：企业的发展战略与规划的变动；客户量变化（如对电信公司包括新增固话以及小灵通用户、新增宽带用户、市场占有率变化等）；公司的宣传、促销、新产品推广等市场行为；报纸、广播、电视等媒体的宣传报道；国家相关政策法规的变动（如：费用结算月日期的调整等）；突发事件（如：自然灾害、意外事故、系统瘫痪等）。

特殊时段来话量（如每月出帐日；3.15国际消费者权益日；5.17国际电信日；高考、中考出分以及发榜时间；春节、国庆等公众假期等） 对于呼叫中心管理人员来讲，需要综合考虑以上这些影响来话量变化的因素及规律，不断提高话务量预测的准确性；同时呼叫中心的管理者必须根据话务量的波动来进行合理的人员配备及座席安排，通过对排班效率的评估来检测现有排班的合理性，使呼叫中心一线客户服务代表以合理的负荷率有效地降低放弃率，提高服务品质和客户满意度。

呼叫中心话务预测的黄金法则运用服务水平是任何一个呼叫中心都非常关注的KPI指标，而在呼叫中心的运营管理中，话务预测、人员排班和遵时率的控制是确保接通服务水平的三个关键控制点。

在这三个控制点中，话务预测是后者的根本基础，也就是说当话务预测发生偏离时，人员排班和遵时率的控制做的再完美，也是无济于事的。

在国内的绝大部分呼叫中心仍在延用手工方式进行话务预测，即便某些已经采用了大型排班软件的呼叫中心，由于种种因素，系统的话务预测结果仍然需要去手工修正才能真正用于排班。

在长期的咨询项目中，笔者发现很多呼叫中心都没有专门的话务预测人员。

即便有专人专岗，话务预测也停留在一个非常粗放的阶段，而且对于话务预测存在以下普遍的认识误区：一、预测话务量而不是呼叫负荷呼叫中心管理中常见的错误是将话务量作为唯一预测。

如果单看话务量，6000个电话一定要比5000个电话需要安排更多的人员。

其实，平均处理时长为120秒的5000个电话比平均处理时才为90秒的6000个电话需要安排更多的人员，因为前者对呼叫中心的话务负荷更大。

因此，如果仅仅是预测话务量，我们很可能就会犯以上的这类错误，所以，在呼叫中心的话务预测中并不是简单预测话务量，而是整个呼叫中心的话务呼叫负荷预测：呼叫负荷=话务量x平均处理时间（呼叫期间+后续工作时间）二、预测对象为呼叫中心整体而不是细分为呼叫类型不同的呼叫类型会有不同的平均处理时间值。

例如业务咨询类的电话和梦网投诉类的电话处理时长肯定不一样，引起不同的因素有很多，可能是呼叫者类型，事情的复杂度，或客户代表在回答问题时的技能等。

如果我们只是针对呼叫中心平均的通话时长作为预测依据，当话务结构发生变化时，这个预测依据很可能会带来预测的偏差。

因此，在话务预测时应该对每一类型呼叫进行预测。

三、预测间隔偏长笔者发现很多公司的呼叫中心在做话务预测时通常是做一周或一个月的预测。

这样的话，有些特殊情况会没有好好考虑，如公共假日。

节日话务分析及预测前言大型节假日话务量受用户行为模式影响较大，不同节日用户行为模式不同，造成话务量分布差异，通过话务分析可以发现其中规律，做到提前预防，有针对性的做好节前调整工作，确保证网络畅通。

本文主要以中秋节、春节、元宵节三个大型传统节日为例，探讨用户行为模式对话务量造成的影响，分析其中规律，找到应对方法。

节日话务分析举例2007年中秋节话务预测及验证一、总体话务量2007年中秋节在9月25日（周二），无线日话务量28.4万爱尔兰，与9月平均日话务量(24.4万爱尔兰)相比，增长率为16%。

与2006年中秋(14.7万爱尔兰)相比，增长率为93%。

二、话务预测为保证中秋节话务畅通，在节前要做充足准备工作，首先要进行准确的话务预测，包括话务高峰期预测和话务量高峰值及利用率预测。

话务高峰期预测:如下图所示，2005年和2006年中秋节话务高峰都在19点到20点，据此预测2007年中秋节话务高峰在19点到20点，但实际情况比预测推后一个小时，为20点到21点。

分析原因为，今年中秋节天气较好，用户行为模式也随之发生变化，比往年推后。

根据今年预测经验，考虑把中秋节话务高峰期定为19点-21点。

话务高峰值预测:如下表所示,中秋高峰话务量和同期中秋节所在月平均最忙时话务量相比得到增长率，2005年中秋增长28%，2006年中秋增长23%,预计2007年增长率为30%,得到高峰话务量为25067爱尔兰。

由于2005年和2006年中秋节都在假日，而2007年中秋在工作日，工作日比假日增长率为4%,修正得到2007年中秋高峰话务量为26070爱尔兰。

预计增长率为35%。

实际高峰话务量为26226爱尔兰，增长率为36%。

根据今年预测经验，考虑在常规预测后加入其他因素进行修正（比如天气因素、假日高峰利用率，今年中秋节预测峰值利用率为81%，实际为83%。

其中超忙小区（利用率100%以上）数量为506个，占全网小区数量的32%。

随着呼叫中心规模的日益扩大和服务水平、运营管理的要求不断提高，如何在现有人力条件下达到服务水平目标、合理安排人力、优化现场管理成为排班师面临的巨大挑战。

呼叫中心劳动力管理（WFM），也就是常说的排班包含了话务预测、人力安排、现场管理三个基本步骤。

在本文中，针对这三个步骤，把笔者近年来参与排班项目的一些体会与大家分享。

为什么要做话务预测作为受理用户电话呼叫的窗口部门，衡量呼叫中心最直观的指标就是服务水平。

按照Erlang 法则，服务水平受到话务量、平均处理时长和座席数目的影响。

准确的预测话务量是进行人力安排的依据，也是达到期望服务水平的根本。

历史数据，话务预测的基石选取具有相关性的历史数据历史数据并非越多越好，最长不宜超过两年进行话务预测，首先要收集大量的历史数据，但历史数据并非越多越好。

首先，历史数据太多会加大工作量，无论是手工计算还是采用排班系统都会增加处理负担；其次，过多的数据量有可能对预测准确度产生负面影响。

举例来说，某银行去年曾搞过一次信用卡销售促销活动，活动效果不错，信用卡客户激增15％，由于客户激增，活动之前的话务量数据就没什么参考价值了，仅仅选择活动之后的历史数据进行预测更贴近实际。

历史数据统计间隔一般选择15分钟历史数据统计间隔以多长时间为宜呢，是15分钟？还是30分钟？统计间隔越小，越能反映实际话务量变动，如果统计间隔较大，由于平均值计算的削峰平谷特性，导致不能反映出统计间隔内的实际话务变动。

但统计间隔也不能无限度的小，统计间隔至少要大于1个平均通话时长，根据经验，通常选3－4个通话时长，因此，一般我们推荐15分钟，只有在平均通话时长很长（如超过10分钟）的情况下考虑加大统计间隔到30分钟。

AHT是历史数据必不可少的组成部分收集历史数据，不仅要收集话务量，平均通话时长（AHT）也是一个必须收集的参数。

众所周知，影响服务水平的因素有话务量、座席数，还包括平均通话时长。

平均通话时长与服务水平成反比，在座席数相同的情况下，平均通话时长越长，服务水平越低；反之，要维持恒定的服务水平，AHT越长，则需要安排的座席人员越多。

排班管理制度范本1.1话务预测话务预测功能是客服运营管理系统的重要部分。

话务预测不仅可以为排班的准确性提供科学依据，也为管理人员进行信息分析提供依据，系统可以预测____每个专业未来每个月、每天、每半小时甚至每____分钟的话务量。

当然也可以手工按照经验进行调整。

系统还提供原话务量预测与实际话务走势分析，如图：数据提取。

通过从客服系统平台自动获取话务预测所需要的历史话务关键统计数据，如人工呼叫次数、人工接话次数、接通率、服务水平、平均接话时长、平均排队时长等。

支持的最小统计间隔时间至少为____分钟，提取频率可灵活设置。

l历史话务数据及关键指标的设置系统通过建立与后台数据库的接口，通过灵活的界面选项，自动进行取数操作。

系统支持不同频率、各历史时期的代表性历史数据和关键指标选择，为____最终获得高效率的最具代表性的输出表格。

l话务事件的管理系统将引起话务量异常变化(如宣传活动、故障等)的原因定义为事件，支持对事件的采集、分析、管理、登记、更新等操作，将事件作为管理经验固化在系统中，供管理者参考。

Ø事前设置。

系统支持将影响话务事件进行预登记，通过事件属性设置影响话务的系数，系统也会根据运营状态每月对系数进行修正，也可以通过人工方式对权重进行系数调整。

Ø事后分析。

系统开放接口支持对话务事件的单独采集，对各事件的话务情况用丰富的分析图表展示出来，包含曲线图、柱状图及饼状图等，也支持历史的对比和事件之间影响的横向比较。

l周期性话务变动的管理系统对周期性的话务影响定义有相应的话务变化年线、月线、周线等。

周期性话务变动的管理是对话务事件管理的补充，它的发生是周期性、相对固定的，容易计算出一般的发展规律。

在对周期性话务变动的管理上，系统支持个性化定义，系数设置做到了自动预测与人工调整相结合。

l人员(坐席)预测人员预测是在基于预测的话务量的情况下，根据使用方输入的不同参数预测各种情况下各时间点需要的人员数。

呼叫中心话务量预测与排班【课程目标】本课程针对呼叫中心部门，为解决呼叫中心的话务预测以及排班问题。

排班操作在热线运营中的重要性不言而喻，排班的好坏，直接影响到热线人员管理、人员效率，以及员工满意度/客户满意度。

通过本课程的学习，达到如下目的：1、熟悉排班的基本流程与基本原理。

2、掌握话务量预测的基本过程。

3、掌握话务量预测的常见方法。

4、熟悉使用排班工具。

5、了解排班质量的评估与跟踪。

【授课时间】1天时间【授课对象】呼叫中心、热线团队、营业厅、业务支撑等对排班有要求的管理人员。

【学员要求】1、每个学员自备一台便携机(必须)。

2、便携机中事先安装好Excel 2010版本及以上。

注：讲师可以提供试用版本软件及分析数据源。

实战型能落地大数据营销专家-黄俭老师简介：滨江双创联盟荣誉理事长；上海蓝草企业管理咨询有限公司首席讲师；多家知名企业特聘高级管理顾问。

黄老师多年在企业管理、公司战略规划、市场营销、品牌建设、员工管理、绩效考核、上市公司等等方面有着丰富的实践经验；深刻理解了东西方管理精髓。

进入培训教育行业，作为资深培训讲师，在企业内训课、公开课、CEO总裁班等百余家企业和大学课堂讲授战略管理、营销管理、品牌管理等领域专业课程，结合自身的企业实践和理论研究，开发的具有知识产权的一系列新营销课程收到企业和广大学员的欢迎和热烈反馈。

听黄老师上课，可以聆听他的职场经历，分享他的成绩，干货多多！课程突出实用性、故事性、新鲜性和幽默性。

宽广的知识体系、丰富的管理实践、积极向上、幽默风趣构成了独特的教学培训风格，深受听众欢迎。

通过一系列销售案例剖析点评，使销售管理人员掌握一些管理先进理念，分析技巧、提高解决问题的能力。

黄老师近期培训的东风汽车-商用车公司，华东医药公司的销售团队在培训后，销售业绩有了20%提升。

擅长领域：战略管理/领导力系列/ 经典营销/新营销/大数据营销授课风格：采用情景式教学法，运用相关的角色模拟和案例分析诠释授课内容，理论与实战并举，侧重实战，结合视听教材，帮助学员在理论基础与实践应用方面全面提升。