客服中心话务量的多种预测方法

《客服中心话务量的多种预测方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据客服印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作为通信运营商面向客户的重要窗L1之

2、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．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量化依据。然而．由于话务自身的复杂性和异常事件的存在．客服中心的话务量受到很多因素影响

3、．如客户变化、新业务推广、自然灾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心预测话务量提供参考。1话务序列特征分析与模型构建1．1话务■序列的特征分析作为一种典型的“社会经济学难题”．通信企业客服(呼叫)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。利用河北移动客服中心2010年5月IH至2011年4儿30日的日呼

4、叫次数数据．绘制时间序列图，可见：(1)话务量数据一定程度上呈现以1个月为周期的变化规律；(2)日呼叫次数存在若干峰值和异常值．可能会给建模处理带来影响。因此．以月均话务量为分析单元预洲．在月均话务量预测值的基础上．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．并采用柑邻两个周期内平均值的方法替换异常值。1．2话务序列的模型早期的话务量预测常采用间接预测法．即预测用户数．再利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差异扫趋增大，

5、预测误差也相应增大．目前倾向采用直接研究话务量的时间序列．分析发展趋势．直接预测。当给定了话务量的随机时问序列“k)，／c=-I．2：--,N时．可以用三种思路建立时间序列的数学模型。(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cojn㈣f嘞删s蝌卸掣蹦

6、柙I圳陪^noj哟f蜀万方数据合。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当输出序列H柚呈现一种指数增长(或衰减)的情况．可以采用指数回归模型拟合，一般形式为：且=“e竹；由于直接采Hj一般指数函数拟合效果较差．这世采用了“修正指数心¨j模型”来拟台，方程的形武为：；。：L+ab5，另外．当时阳JJ事列由于受自然条件及消费j计数等凶素的作用而呈现季节

7、性周期变化的情况时．一般又采用季节趋势法来预测．基本思路是：先分离出不含季节周期变动的长期趋势．再汁算季节指数．最后建立预测模型，(2)平滑预测法．即利用修6J技术．削弱短期随机波动的影响．使序列平滑化．从而显示出变化的规律。其中指数平滑法(ExponentialSmoothing．ES)认为时间序列的态势具有稳定性或规则性．所以时luJ序列可合理划峨别隹延．最近的过去态势．在某种程度卜会持续F去，所以将较大的权数放在最近的资料。指数平滑法是生产预测巾常用的一种方法．又可以分为“季节性“和“非季节

8、性”两类．又乜括不同的平滑方法，可依据数据特征和预测效果选用最台适的方法。(3)非平稳时问序列模型．即将平稳随机输出序列当成一个零均值白噪声输入序列经过线性滤波器之后的输出．然后再导出这个滤波器的传递函数。，这里采用了时问序列的ARLMA模型来分析活务序列。ARIMA模型全称为差分自回归移动平均模型(AutoregressiveIntegratedMovingAverageModel)．基本思想是，将预测对象随时问推移而形成的数据序列视为一个髓机序列，用一数学模型来近似描述这个序列