客服中心话务量的多种预测方法.pdfVIP

客服印J匹Ii舌务星的多和预测方法 张辉。白波 (中国移动通信集团设计院有限公司河北分公司，石家庄050021) 摘 要：话务量是客服中心运营管理的一个重要指标．有多种方法预测话务圣。分析比较表明．多项式拟 合、指数平滑法和ARIIvIA模型的预测精度较高。这里提出一种日话务量预测的方法，以供参考。 关键词：客服中心；话务量；预测方法；时间序列；ARIMA模型 中图分类号：0212；TN9295 文献标识码：B 文章编号：1672-6200(2012)05—0027—02 信息．需要根据含噪声的输出时间序列来建立数学模型。利用河 作为通信运营商面向客户的重要窗L1之一。客BE(呼uq)中心 提供业务办理、缴赞／退费、信息咨询、投诉和故障申告等多种 北移动客服中心2010年5月IH至2011年4儿30日的日呼叫 服务，不仅提高了通信运营商与客户接触的广泛性和及时性．同 次数数据．绘制时间序列图，可见：(1)话务量数据一定程度上 时逐渐成为通信运营商宣传和改善企业形象、提升企业核心竞争 呈现以1个月为周期的变化规律；(2)日呼叫次数存在若干峰值 力的重要途径。话务量作为客服中心运营管理的一个重要指标． 和异常值．可能会给建模处理带来影响。 有了科学、合理的预测分析，不仅能及时帮助通信运营商了解业 因此．以月均话务量为分析单元预洲．在月均话务量预测值 务发展趋势．而且可以为诸如排班管理、系统资源扩容配置、预 的基础上．研究日、周活务量在每月的变化规律．进而预测每日 防间断性的话务峰值以减少高话务造成的网络拥塞等多方面提供 话务量。另外，利用线性回归和剔除残差的方式识别异常值．并 量化依据。 采用柑邻两个周期内平均值的方法替换异常值。 然而．由于话务自身的复杂性和异常事件的存在．客服中心 1．2话务序列的模型 的话务量受到很多因素影响．如客户变化、新业务推广、自然灾 早期的话务量预测常采用间接预测法．即预测用户数．再利 害及客户使用习惯等，往往给预铡带来较大难度。鉴于此，本文 用单个用户的话务模型预测总话务量。随着单个用户话务模型的 尝试利用客服中心呼叫话务量的历史数据．采用多种模型预测话 差异扫趋增大，预测误差也相应增大．目前倾向采用直接研究话 务量．并利用实际数据对比校验预测的精度，以便为客服l丰J心预 务量的时间序列．分析发展趋势．直接预测。当给定了话务量的 测话务量提供参考。 的数学模型。 1话务序列特征分析与模型构建 (1)回归分析法．即假定输出序列H七)满足方程：“七)：坷k)+v (柚．其中歧n是一个给定的函数．而H的是一个零均值的白噪声 1．1话务■序列的特征分析 序列；希望在“t)的方差尽可能小的条件下．来选择丘的的全部 作为一种典型的“社会经济学难题”．通信企业客服(呼叫) 参数，通常把最螂际为H蚓拘回归函数。针对呼叫中心活务量的 中心的话务量时问序列可以视为一系列独立的、不可观测的输入 时间序列分布特征，可选用多项式函数和指数函数两种曲线拟 万方数据 合。多项式回归的基本思想是．当阿个变数问的曲线关系很难确 合．发现整体上预测误差较大．其中三次函数拟合效果较好，但 定时，可以使用多项式去逼近，一般会取得更好的效果；多项式 方程的一般形式为：且=a+6．_+b2x2+…+缸一；在一般问 题中，n值很少大干5 型拟合，经与2011年1月实际月均话务量对比．预测偏差仅为 当输出序列H柚呈现一种指数增长(或衰减)的情况．可以采 334％。 用指数回归模型拟合，一般形式为：且=“e竹；由于直接采Hj