一、 建立历史话务量模型

1. 「月」话务量的模型建立： 可看出「月」话务量的变化(成长与衰退)趋势与季节因素的影响，能准确预估未来「月话务总量」。历史月话务量数据应尽可能保存3-5年，并将成长与衰退趋势作原因注记，将可纯化其变动影响，提高未来预估的准确度。

2. 「周」话务量的模型建立： 可看出周一至周日话务量的变化(成长与衰退)趋势与工作日、假日等因素的影响，能准确预估未来的「日话务总量」。历史日话务量数据应尽可能保存5-6周，并将变化趋势作原因注记(如国订假日、账单日等)，将可纯化其变动影响，提高未来预估的准确度。

3. 「分时(每30分钟)」话务量的模型建立：

可看出分时话务量的变化(成长与衰退)趋势与忙时因素的影响，能准确预估未来的分时话务量。历史分时话务量应尽可能保存1-2周有代表性的数据，并将异常变化模型剃除(如暴量来电、系统故障等)，将可纯化其变动影响，提高未来预估的准确度。

二、 基础预测流程范例
1. 取得去年全年的话务量 × 1.1(推估成长10%) = 今年全年的话务量
2. 将今年全年的话务量 × 0.12(比例原则预估七月份历史话务量占比) = 预估七月份话务量
3. 将预估七月份话务量 / 31 天 = 预估平均七月份日话务量
4. 将预估平均七月份日话务量 × 比例原则预估的周一至周日历史话务量相对比率 =>
预估7/1- 7/31个别日话务量
5. 将预估7/1 - 7/31个别日话务量 × 历史个别日分时话务比率 =>
预估7/1- 7/31个别日分时(每30分钟) 话务量
本基础预测流程实施上应多考虑其它影响因素来微调，如账单期因素、国定假日微调、营收推估微调、营销活动微调等，将可让预测话务量更加精准。
 
三、 以历史来电推估未来平均处理时长模型
历史周一至周日「平均处理时长」的数据与模型建立，可看出周一至周日的变化趋势与工作日、假日等因素的影响，此模型实为各类型来电混合的平均时长，例如周一报修的来电居多，周一的来电量将趋于报修的平均处理时长；如果晚上以查账单的来电居多，晚上的来电将趋于查账单的平均处理时长。

预测话务量时需要精确的平均处理时长来作计算，因此以下措施将有助于改善平均处理时长的准确预测：

1. 针对不同的服务项目，建立其平均处理时长模型，包含周一至周日平均处理时长「分时模型」、「季节因素模型」、「账单期模型」、「促销期模型」等。
2. 建立平均处理时长模型时，尽量拆解为「平均通话时长(Average Talk Time)」与「平均话后处理时长(Average After Call Work Time)」两模型，将更有助于深入解析。
3. 确实让每位客服人员了解各服务类别的标准「平均通话时长(Average Talk Time)」与「平均话后处理时长(Average After Call Work Time)」，并让客服人员了解自己的达成状况。
4. 不同类别的话务，其平均处理时长也就不同，应定义其标准的平均处理时长，并于来电统计中分类统计，定期检讨修正。
5. 新进客服人员的平均处理时长应适度放宽，亦可于计算人力时，设定资浅人员专业度<1，或于系统流程变动时修正。
6. 随着新服务上线趋于成熟稳定后，客服人员应该要熟悉此项新服务，也就是说，此项新服务的平均处理时长应逐步平稳趋近于一底值。

适度利用某些预测工具，并对前述预测流程作定期检讨与修正，将有机会对自己本业建立独特的预测方法。而各客服中心可以依据行业需求，简化、新增流程，并建立「经验参数」于系统流程中，将可持续改善准确度，并有效传承经验于系统流程。  

资料引用●Call Center Management On Fast Forward < by Brad Cleveland >

作者 徐树模 格兰徳思大学资深顾问