Современные техники прогнозирования в колл-центре (часть 1)

В контакт центрах содержатся огромные объемы информации, и соответственно возможности анализа на основе этих материалов достаточно высоки. Однако, в реальности многие центры информационной поддержки не могут воспользоваться имеющейся у них информацией.

В данной статье рассматривается несколько ведущих методов прогнозирования, используемых в мировой практике. Данные подходы будут полезными каждому колл-центру, стремящемуся к максимальному удовлетворению потребностей потребителей.

• Тройное экспоненциальное сглаживание
• ARIMA
• Нейронные сети
• Множественная временная агрегация

Прежде чем перейти к каждому из методов более подробно рассмотрим основные трудности, с которыми сталкиваются современные колл-центры при предсказании поведения потребителей.

Три сложности прогнозирования в колл-центре

Сезонность

Специфика информации накапливаемой в службе информационной поддержки характеризуется определенными сезонными колебаниями.

Информация может собираться:

• Каждый час
• Ежедневно
• Еженедельно
• Ежегодно

Высокая частота

Часто в колл-центре ежедневные данные, собранные по клиентам, теряются в еженедельной статистике.

Исключение части данных при прогнозировании в колл-центре

В собранных материалах часто присутствуют пиковые значения, которые выбиваются из общей массы.

Такая ситуация может быть обусловлена следующими факторами:

• Всплеск звонков – например, после маркетингового продвижения
• Изменения спроса на продукцию или услуги компании – например, в результате слияния с другой компанией либо выводом на рынок нового продукта
• Погодные условия – снег, наводнение или аномально жаркая погода могут оказывать существенное влияние на количество звонков в колл-центр
• Мировые события – например, Чемпионат Мира, могут привести к существенному падению количества звонков
• Сбой оборудования – разрыв телефонной линии, отключение электричества.

В результате при анализе очень важно исключить пиковые значения, чтобы не допустить искажения полученных статических зависимостей.

Четыре основных модели прогнозирования различных показателей в колл-центре

1. Тройное экспоненциальное сглаживание

Данная техника является самым простым методом анализа различных показателей на основании материалов собранных в колл-центре. Экспоненциальное сглаживание начали использовать в 1956 году, и на текущий момент оно является основой прогностических систем в сфере управления персоналом.

Термин «тройное» означает, что данные разделяются на три компонента:

• Уровень
• Тренд
• Сезонность

Если мы возьмем в качестве примера ежемесячный прогноз, то его тремя компонентами будут:

• Уровень – последний месяц, используемый для анализа
• Тренд – предполагаемый уровень роста или снижения звонков в сравнении с прошлым месяцем
• Сезонность – влияние сезонных факторов на данные (например, в марте количество звонков в колл-центр может быть на 20% выше среднего, а в августе на 15%, поскольку потребители находятся в отпусках и реже звонят в колл-центр)

Термин экспоненциальное сглаживание обозначает способ, с помощью которого данные усредняются между периодами. С помощью тройного экспоненциального сглаживания уровень, тренд и сезонность сглаживаются одновременно. В данном случае наиболее сложно выбрать коэффициенты – альфа (для уровня), бета (для тренда) и гамма (для сезонности).

Простота метода является одним из его ключевых преимуществ. Как только вы поняли принцип сглаживания, анализ можно легко осуществлять в Excel. Самое главное при анализе исключать пиковые значения, чтобы не получить искаженные данные. В целом такой метод лучше работает для долгосрочных прогнозов, чем для краткосрочных.

2. ARIMA

К более сложным методам прогнозирования звонков в колл-центре относится ARIMA - Авторегрессия Интегрированная Скользящая Средняя. Такой метод широко используется в мировой практике последние 10 лет.

ARIMA включает 3 основных компонента:

• Авторегрессию – способность сравнивать данные из прошлых периодов (например с лагом, 12 или 52 недели)
• Интегрированность – способность отличать текущее значение от предыдущего
• Скользящую среднюю – способность сглаживания информации за прошлые периоды

В следующей статье мы рассмотрим преимущества и недостатки использования каждого из методов прогнозирования в колл-центре, а также познакомимся с более современными методами, такими как нейронные сети и множественная временная агрегация.

Читать вторую часть >>>

Подготовлено на основании статьи Callcenter Helper The Latest Techniques for Call Centre Forecasting (Современные техники прогнозирования в колл-центре)