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