問(wèn)題背景
目前呼叫中心（Call
Center）廣泛應(yīng)用于電信、金融、政府機(jī)構(gòu)、電力、郵政等各行各業(yè)，隨著CTI（計(jì)算機(jī)電話集成）技術(shù)的發(fā)展，尤其是IVR（自動(dòng)語(yǔ)音應(yīng)答系統(tǒng)）的引入，呼叫中心發(fā)展迅速，從業(yè)規(guī)模日益增長(zhǎng)，經(jīng)營(yíng)業(yè)務(wù)越來(lái)越復(fù)雜，隨之而來(lái)呼叫中心管理方面面臨更多的挑戰(zhàn)。
業(yè)務(wù)量增大，話務(wù)量不均衡，IVR分流作用不明顯，客戶(hù)滿(mǎn)意度低，……
如何在成本一定的情況下，準(zhǔn)確預(yù)測(cè)話務(wù)到達(dá)率，做好CSR和IVR評(píng)價(jià)和優(yōu)化，有效進(jìn)行人員多技能排班，提高客戶(hù)滿(mǎn)意度是當(dāng)前呼叫中心面臨的挑戰(zhàn)。

我們凌鼎呼叫中心建模團(tuán)隊(duì)通過(guò)多年研究和實(shí)踐，構(gòu)建了一套包括(1)話務(wù)預(yù)測(cè)、(2)客服需求計(jì)算、(3)班次優(yōu)化、(4)客服排班、(5)班次調(diào)整、(6)IVR菜單優(yōu)化等面向呼叫中心管理決策的模型體系，為高效運(yùn)營(yíng)呼叫中心，提高經(jīng)濟(jì)效率及客戶(hù)滿(mǎn)意度提供了一套強(qiáng)力工具。
解決方案
·如何更準(zhǔn)確地預(yù)測(cè)來(lái)話量?
·怎樣更快速地計(jì)算客服需求?
·如何更合理地設(shè)計(jì)班次?
·如何更科學(xué)地進(jìn)行客服排班?
·如果更方便地進(jìn)行班次調(diào)整?
·如何更有效地調(diào)整IVR菜單?
1、如何更準(zhǔn)確地預(yù)測(cè)來(lái)話量?

目前國(guó)內(nèi)外的話務(wù)預(yù)測(cè)模型大多考慮了話務(wù)的周期性和連續(xù)性，并兼顧節(jié)假日等事件因素的影響，可以滿(mǎn)足一定預(yù)測(cè)精度的要求，但一個(gè)好的話務(wù)預(yù)測(cè)模型必須考慮以下方面：
a、長(zhǎng)期預(yù)測(cè)必須做到更小的誤差擴(kuò)散。
目前話務(wù)預(yù)測(cè)模型普遍存在的現(xiàn)象是對(duì)于超過(guò)一個(gè)星期的預(yù)測(cè)，誤差擴(kuò)散非常大，這給人力需求計(jì)算和排班帶來(lái)很大不便。
我們通過(guò)多年的統(tǒng)計(jì)分析，根據(jù)話務(wù)數(shù)據(jù)的局部累積特性，提出了積分混合預(yù)測(cè)模型，從而使預(yù)測(cè)的準(zhǔn)確度大大提高，并且很好控制了長(zhǎng)時(shí)段預(yù)測(cè)的誤差擴(kuò)散。
b、話務(wù)預(yù)測(cè)必須滿(mǎn)足不同預(yù)測(cè)粒度的要求。
為了方便計(jì)算人力需求，排班人員需要知道每天不同時(shí)段的話務(wù)量，以便從時(shí)間維度計(jì)算人力需求，從時(shí)段維度考慮班次設(shè)計(jì)。
積分混合預(yù)測(cè)模型，可以準(zhǔn)確預(yù)測(cè)一天，一個(gè)小時(shí)，半個(gè)小時(shí)，甚至一刻鐘的話務(wù)量，完全滿(mǎn)足了排班人員的需求。
c、必須考慮多技能預(yù)測(cè)間的相互影響。

不同呼叫中心的技能數(shù)量各不相同，各個(gè)技能間并不是相互獨(dú)立的，有一定的相關(guān)性和遲滯相關(guān)性，為了做到更高的預(yù)測(cè)精度，必須對(duì)話務(wù)進(jìn)行分技能預(yù)測(cè)并考慮技能間的影響。
積分混合預(yù)測(cè)模型支持面板數(shù)據(jù)，可以同時(shí)對(duì)多個(gè)技能進(jìn)行話務(wù)預(yù)測(cè)，并支持內(nèi)聯(lián)優(yōu)化，對(duì)多技能的預(yù)測(cè)有極大優(yōu)勢(shì)，走在了同類(lèi)模型的前列。
d、支持更準(zhǔn)確的特殊事件定義。

一般預(yù)測(cè)模型只是考慮節(jié)假日事件的定義，稍微完善的模型考慮了促銷(xiāo)、新產(chǎn)品發(fā)布、政策變更等事件的定義，但對(duì)事件帶來(lái)的影響并沒(méi)有做到準(zhǔn)確的刻畫(huà)，一般就通過(guò)一個(gè)自由度進(jìn)行度量。

多年來(lái)，我們充分利用統(tǒng)計(jì)和數(shù)據(jù)挖掘的優(yōu)勢(shì)，對(duì)各類(lèi)數(shù)據(jù)中事件產(chǎn)生影響的最佳分布匹配得到了快速準(zhǔn)確的計(jì)算方法，為事件的定義提供了準(zhǔn)確客觀的信息，提高了預(yù)測(cè)的準(zhǔn)確性和靈活性。
2、怎樣更快速地計(jì)算客服需求?
過(guò)去一般通過(guò)人力負(fù)載來(lái)計(jì)算客服需求，隨著呼叫中心績(jī)效指標(biāo)完善，大部分公司以服務(wù)水平來(lái)計(jì)算客服需求。
服務(wù)水平是指在N秒內(nèi)的接通率，一般N取20秒到30秒，實(shí)際操作中，不同的呼叫中心各不相同，同一呼叫中心不同技能要求也不盡一樣。
常見(jiàn)的單技能計(jì)算方法是Erlang C/B/X, 但大部分呼叫中心都是多技能的，多技能一般通過(guò)仿真或者近似排隊(duì)系統(tǒng)來(lái)計(jì)算。
仿真方法對(duì)于有著極大的靈活性?xún)?yōu)勢(shì)，可以計(jì)算任意路由設(shè)置，任意技能劃分的服務(wù)水平，但其計(jì)算速度一般較慢，對(duì)多余5個(gè)技能的呼叫中心，求解壓力很大。
近似排隊(duì)系統(tǒng)通過(guò)阻塞概率的方法計(jì)算服務(wù)水平，速度很快，但由于誤差擴(kuò)散較難控制，精度很低。
如何更準(zhǔn)確更快速的計(jì)算客服需求？很多呼叫中心通過(guò)仿真對(duì)照表來(lái)插值計(jì)算，但計(jì)算繁瑣，且對(duì)照表需要經(jīng)常更新。
我們通過(guò)對(duì)數(shù)據(jù)和業(yè)務(wù)深入分析，提出了通過(guò)排隊(duì)網(wǎng)絡(luò)狀態(tài)轉(zhuǎn)移方程的方法來(lái)計(jì)算多技能客服需求，進(jìn)行狀態(tài)轉(zhuǎn)移分析后，就能夠以極快的速度得到高精確的結(jié)果。
3、如何更合理地設(shè)計(jì)班次?
班次優(yōu)化是呼叫中心的一個(gè)盲點(diǎn)，一般呼叫中心在班次設(shè)置確定后，就很少調(diào)整班次安排，沒(méi)有意識(shí)到班次調(diào)整的價(jià)值所在。
通過(guò)我們實(shí)際數(shù)據(jù)分析，發(fā)現(xiàn)大部分呼叫中心通過(guò)班次調(diào)整可以降低5-10%的人力需求。

呼叫中心需求幾個(gè)班次？班次什么時(shí)候開(kāi)始？班次什么時(shí)候結(jié)束？就餐時(shí)間如何安排？不同技能班次有何區(qū)別？不同時(shí)段是否班次不同？通過(guò)班次優(yōu)化模型計(jì)算，可以給出最優(yōu)的答案。
有了最佳的班次設(shè)置，人力安排起來(lái)就更加方便有效。
4、如何更科學(xué)地進(jìn)行客服排班?
目前客服排班的難點(diǎn)在于問(wèn)題的復(fù)雜性，問(wèn)題規(guī)模越大，越明顯。
基本的整數(shù)規(guī)劃模型求解效率太低，而常見(jiàn)的遺傳算法，禁忌搜索，貪婪算法得到的結(jié)果又不太讓人滿(mǎn)意。加上不同算法，求解方式不同，經(jīng)常出現(xiàn)無(wú)解決方案的情況。

通過(guò)我們多年的排班經(jīng)驗(yàn)，設(shè)計(jì)出基于啟發(fā)式的遺傳算法＋多級(jí)混合整數(shù)規(guī)劃模型，對(duì)不同規(guī)模的排班問(wèn)題都有非常好的效果，尤其對(duì)于多技能，多級(jí)能組，千人以上客服，效果更加明顯。
模型中考慮了硬約束，軟約束，順序約束，不相容約束，工作量約束等近百種規(guī)則，并對(duì)提供了多個(gè)目標(biāo)供優(yōu)化選擇。
5、如果更方便地進(jìn)行班次調(diào)整?
排班結(jié)果經(jīng)常需要根據(jù)客服的實(shí)際需求進(jìn)行調(diào)整，有時(shí)候又會(huì)針對(duì)突發(fā)事件進(jìn)行調(diào)整。

客服的需求是多樣的，請(qǐng)假，結(jié)婚，培訓(xùn)，班次偏好……，實(shí)現(xiàn)在排班中考慮不同客服個(gè)性化的要求，可以極大提高客服的工作效率，提高呼叫中心的服務(wù)水平和客戶(hù)的滿(mǎn)意度。
通過(guò)我們多年來(lái)的積累，設(shè)計(jì)了200多種調(diào)整規(guī)則，對(duì)具體的排班結(jié)果進(jìn)行更加個(gè)性化的調(diào)整，滿(mǎn)足客服的工作要求，進(jìn)而提高整體服務(wù)水平。
為了解決規(guī)則的沖突，我們?cè)谀Ｐ椭刑峁┝藘?yōu)先級(jí)別的設(shè)置，讓排班管理人員總能得到解決方案，并提供了人工干預(yù)的方法。
6、如何更有效地調(diào)整IVR菜單?
對(duì)于IVR，我們一直希望在下列方面做的更好：
·降低轉(zhuǎn)向人工熱線服務(wù)的可能性
·降低用戶(hù)的使用復(fù)雜性
·降低用戶(hù)的菜單訪問(wèn)放棄率
·降低用戶(hù)菜單系統(tǒng)的重復(fù)訪問(wèn)率
·提高客戶(hù)對(duì)IVR系統(tǒng)滿(mǎn)意度
·提高IVR系統(tǒng)運(yùn)營(yíng)效率及分流作用
為此我們需要對(duì)IVR系統(tǒng)進(jìn)行全面的評(píng)價(jià)，并找的優(yōu)化的工具。
通過(guò)多年研究和實(shí)踐，我們提出了包括復(fù)雜度，路徑長(zhǎng)度，直達(dá)率，沖浪率等50多個(gè)關(guān)鍵指標(biāo)，從各個(gè)角度對(duì)IVR進(jìn)行評(píng)價(jià)。
有了IVR評(píng)價(jià)指標(biāo)，我們?cè)O(shè)計(jì)了IVR菜單優(yōu)化模型，可以快速得到不同技能不同適合最優(yōu)的菜單結(jié)構(gòu)，為菜單調(diào)整和IVR優(yōu)化決策提供幫助。

常見(jiàn)的菜單優(yōu)化算法包括貪婪算法，模擬退火，整數(shù)規(guī)劃，遺傳算法等，根據(jù)實(shí)際業(yè)務(wù)情況，我們得到針對(duì)菜單優(yōu)化的更好方法－概率優(yōu)先混合算法，不僅可以提高菜單求解速度，而且滿(mǎn)意度也優(yōu)于其他模型。
用戶(hù)收益
正確選擇和使用凌鼎排班解決方案，將給呼叫中心帶來(lái)如下的好處：
·降低客服空閑等待時(shí)間
·改善服務(wù)水平
·提高客服工作效率
·提高用戶(hù)滿(mǎn)意度
·改善IVR效率

不同呼叫中心業(yè)務(wù)情況和復(fù)雜度各不相同，與凌鼎數(shù)據(jù)分析團(tuán)隊(duì)結(jié)合，可以給出最適合該呼叫中心的解決方案，從歷史數(shù)據(jù)中發(fā)掘價(jià)值，通過(guò)優(yōu)化模型優(yōu)化班次、菜單、排班……，為高效運(yùn)營(yíng)呼叫中心，提高經(jīng)濟(jì)效率及客戶(hù)滿(mǎn)意度提供強(qiáng)有力的支持。