Прогнозировать колличество обращений в call-центр сегодня уже возможно при помощи уже существующих аналитических средств. Мы уже писали про эффективный анализ данных в call-центре и основываясь на реальных кейсах приведем примеры того, как это возможно применять на практике.

Говоря, о call-центрах крупных компаний, то тут стоит обратить внимание на то, что в данных случаях обычно существует крупный аналитический отдел, который беспрерывно прогнозирует число обращений на входящую линию. Подразделение прогнозирования разрабатывает новые модели, измеряющие насколько точен этот прогноз для каждого временного промежутка. Но, применив на практике, некоторые руководители call-центров сделали, что данная модель прогнозирования соотношение поступивших звонков к прогнозируемым, работает, но далеко не в каждом временном отрезке. А причина кроется в том, что общий показатель точности прогнозирования достаточно часто бывает не в допустимых границах.

Одна из главных задач – это определить в каком именно из случаев модель не работает. И, конечно же, дать рекомендации по смещению внимания аналитиков. Ранее мы применяли подобный анализа данных или вручную строили частотные диаграммы. Сегодня эффективный анализ данных уже доступен всем: http://call-centers.com.ua/blogs/40-detalnaya-analitika/65-analytics-call-center , а ранее его осуществляли визуально, в случае, если нужно было внести какие-либо корективы в исходные данные, то необходимо было заново возвращаться к построению диаграммы. Говоря о рекомендациях по принятию решений, в MS Excel 2016 необходимо выбрать тип диаграммы Histogram Chart, который уже добавлен в стандартные. Далле выбираем необходимый типо диаграммы и по итогу получаем готовую динамичную картину, которая выйдет в один клик. Таким образом мы исключаем построение частотной диаграммы вручну.

Давайте вместе разберем данные для анализа, допустим в модели прогнозирования у нас используется 214 периодов: 71 (33%) – это случай, когда точность в интервале от -8% до +15%. Что можно считать, как «отлично», далее 70 (33%) случаев – это когда мы имеем больше звонков чем прогнозировали на 15% и более, 73 (34%) случая – когда мы имеем звонков меньше чем прогнозировали на 8% и менее процентов.

Почти ровное распределение как в «минус», так и в «плюс». Необходимо дополнительно проанализировать: 65 случаев, когда поступило меньше прогнозируемого в интервале от -8% до 54% и 58 случаев, когда поступило больше прогнозируемого в интервале от 15% до 61%.

Ранее уже писали о преимуществах использования аналитики к контакт-центре.

Мы будем иметь приемлемый прогноз для 91% процента интервалов, если выявим причину и поменяем модель.

Под дополнительным анализом подразумеваем:

– поиск зависимостей в разрезе дня

– распределение тематик обращений в течении дня

– количество перезвонов в разрезе дня

– правильный расчет KPI «точность прогнозирования» – количество периодов, где целевая точность была достигнута, за общее количество периодов – построение матрицы точности прогноза.

На сегодняшний день нам стало гораздо проще работать, благодаря современным технологическим новинкам и функциям уже существующих программ. Огромным преимуществом является то, что теперь анализ и прогнозирование возможен с помощью подручных средств.

Прогнозировать колличество обращений в call-центр сегодня уже возможно при помощи уже имеющихся аналитических средств. Ранее мы уже писали про эффективный анализ данных в контакт-центре и основываясь на реальных кейсах приведем примеры того, как это возможно применять на практике.

Говоря, о call-центрах больших компаний, то тут стоит обратить внимание на то, что в таких случаях обычно существует крупный аналитический отдел, который беспрерывно прогнозирует количество обращений на входящую линию. Подразделение прогнозирования разрабатывает новые модели, измеряющие насколько точен данный прогноз для каждого временного промежутка. Но, применив на практике, некоторые руководители call-центров определили, что данная модель прогнозирования соотношение поступивших звонков к прогнозируемым, работает, но далеко не в каждом временном отрезке. А причина этого заключается в том, что общий показатель точности прогнозирования достаточно часто бывает не в допустимых границах.

Важно определить в каком именно из случаев модель не работает. И, конечно же, дать рекомендации по смещению «фокуса» внимания аналитиков. Ранее мы применяли анализ данных, а также вручную строили частотные диаграммы. Анализ данных осуществляли визуально, в случае, если нужно было внести какие-либо правки в исходные данные, то необходимо было заново возвращаться к построению диаграммы. Говоря о рекомендациях по принятию решений, в MS Excel 2016 необходимо выбрать тип диаграммы Histogram Chart, который уже добавлен в стандартные. Далле выбираем необходимый типо диаграммы и по итогу получаем готовую динамическую картину, которая выйдет в один клик. Таким образом мы исключаем построение частотной диаграммы вручну.

Давайте вместе разберем данные для анализа в интервале от -8% до +15%. Что можно считать, как «отлично», далее 70 (33%) случаев – это когда мы имеем больше звонков чем прогнозировали на 15% и более, 73 (34%) случая – когда мы имеем звонков меньше чем прогнозировали на 8% и менее процентов.

Практически ровное распределение как в «минус», так и в «плюс». Необходимо дополнительно проанализировать: 65 случаев, когда поступило меньше прогнозируемого в интервале от -8% до 54% и 58 случаев, когда поступило больше прогнозируемого в интервале от 15% до 61%.

По итогу приемлемый прогноз для 91% процента интервалов, если выявим причину и поменяем модель.

Под дополнительным анализом подразумеваем:

– поиск зависимостей в разрезе дня

– распределение тематик обращений в течении дня

– количество перезвонов в разрезе дня

– правильный расчет KPI «точность прогнозирования» – количество периодов, где целевая точность была достигнута, за общее количество периодов – построение матрицы точности прогноза.

На сегодняшний день руководить call-центром стало немного проще, благодаря современным технологическим новинкам и подручных функциям уже существующих программ. Огромным преимуществом является то, что теперь анализ и прогнозирование возможен с помощью подручных средств.