浅谈大数据分析与呼叫中心重要指标的关系
接触呼叫中心大概有五个月时间了，从一开始的账单结算催账开始，到处理中译英规章文件，再到制定KPI指标，制作月度运营报告，这一路摸索着从无到有的过程，也是一路学习一路前进的过程。也正是自己从零基础开始，在学习摸索的过程里发现了一些有趣的事情，且总结总结，经验足者莫怪俺的粗陋寡闻。
先来交代一下我们呼叫中心相关背景。
国内大型企业，主攻海内外家电营销，2009年在马尼拉设立了呼叫中心（MCC：Manila Call center），设置MCC最初是为本企业内部各个分公司营销售后服务的，后来又引进了为其他外部企业的呼叫服务，客户遍布欧洲亚洲澳洲印尼美国墨西哥德国波兰意大利巴西日本新西兰新加坡泰国越南巴基斯坦菲律宾印度......我们可以提供英语、西班牙语、意大利语、波兰、印度尼西亚语等等。
马尼拉是跨国公司设置呼叫服务的首选都市，一，因为它讲英文；二，因为它够open，满世界各地的面孔在这里，你都可以看得到；三，因为它够贱，当然这里的“贱”指的是人力成本。
好的 ，回到最初，讲讲在与呼叫中心数据接触中发现的一些关于MCC重要指标的好玩有趣的事情。
MCC的指标有很多，刚刚接触的时候我还不知道AHT是什么，更不用提Abandoned Rate了，看到漫天乱飞的指标们，头都大了：
电话接通率、客户满意度、一次性电话问题解决率、客户来电等待时长、平均通话时长、出勤率、平均单呼成本、服务率...
后来慢慢的也开始知道这些指标的计算方式，也明白了这些个指标之间是相互影响的，比如：如果你的通话时间过长，势必会影响你接下个电话，如果出勤率不高，客户来电等待时间过长，客户满意度不高，单呼成本过高...
首次出差的时候，我给自己设置了三个目标，降低Abandoned rate弃话率（<5%），缩短AHT平均通话时长(<12mins)，提高每小时内每位坐席电话量Average Call volume per agent(>35calls)...
都说大数据中你可以发现掩盖其中的事实本身，果不其然，在盯着看似杂乱无章的Abandoned Rate弃话率的时候，我在不停问自己问题，回答自己问题的过程中发现了一些好玩的事情。
一、弃话率的规律性
要想降低弃话率，先来观察弃话率，有何发现？数据有点乱？起伏比较大？...
看似杂乱无章的数据其实是有规律可循的，这个数据体现不明显，我们去除特殊因素—周末数据，再来看看，下一页。
之前杂乱无章的数据已经体现出来它的规律性：五天一个周期，自上而下的走势。
Abandoned Rate弃话率存在规律性起伏：
1.Abandoned rate偏高一般集中在周五周一；
2.Abandoned rate较好的一般集中在周二周三；
我最初觉得，周一周五弃话率偏高会不会跟座席上班状态有关，周五大家可能想着去玩去计划周末活动，周一上班有周末综合症，上班精力被分散，当然这只是毫无根据的猜测。
不管怎样先记住弃话率存在的这个规律性。
再来看看影响Abandoned Rate弃话率的几个重要因素。
二、弃话率与座席数
一般的认知中，座席数与弃话率的关系很明显：座席数多了，弃话率低；座席数少了，弃话率高；
但相同座席数的时候，另一个强烈相关指标体现出来的，它就是是：来电量。
三、弃话率与来电量
来电量与弃话率的关系，也是比较明显，来电数多了，弃话率高，这是容易理解的；
四、来电量的规律性
来进一步观察下来电数，是不是也有存在规律性？
记得之前提到的五天一周期吗？这里也有：周一来电高峰。已经用箭头标出来了。
我给它起了个名字：周一高峰效应，
我估计大家都有个习惯，喜欢在周一计划安排一周内的工作生活心理，不知道是不是符合社会心理学或者人类行为学规律。
哈哈，我猜的。
好了，知道有这么一个周一高峰效应，
知道一周之内周一会存在来电量高峰，那么座席安排上进行调整来Cover这个Peak。
那么一天之内，座席又该如何进行有效合理排班呢？那么，我们来看看来电量与小时段之间的关系。
五、弃话率、来电量与小时段
好，到现在我们知道了两个参数与弃话率密切相关；
1.坐席数2.来电量。
那么，再来看看具体一天内小时段与弃话率的关系；
来电量，两头少中间高的规律性；那么我们安排人力的时候根据来电量，两头坐席数少，中间人数集中。
可结果出现这样的状况：
我们按照之前的规律进行安排了；
可对应弃话率就存在，两头高中间低。中间低比较好理解，人数多。
两头高不稳定，也可以理解，人数少嘛。
但为何弃话率不稳定时段时长不一样。这涉及到来电人年龄段了；大数据告诉我们，老人在晚上打电话的多，早上年轻人电话量多。
老人与年轻人来电通话过程是不一样的，同样安装启动家电这件事，老人你要手把手去教他怎么操作，他搞不定的，你要耐心细心语气缓和，总之态度要好。年轻人对家电安装操作接受度较高，一般一点就通，省时省事。
六、现场调度的重要性
给你看看我们的监控板：
8位客户在线等待，10位座席在接电话，5位座席在中休。其中一个座席电话讲了一个超出1小时.
另一个指标：AHT，AHT长影响坐席接听下一个电话；
这里也引出了现场调度的重要性；
上图最能体现现场调度的重要性，我们工作的现场，是配备了SME， Teamleader，随时监控数据，进行人员的调动。
七、MCC重要指标与关键因素小结
当我拿报告给有几年MCC管理经验人看的时候，她说，是啊，周一来电比较多，老年人通话时间比较长.......，这是经验之谈。
想当年她是一天24小时工作连轴转，连睡都在会议室搭了个临时床的Working woman女强人。俺这才五个月的大白没法比。
当然，经验之谈跟分析大数据结果是一样的。唯一不一样的，便是大数据分析可以节省大量时间。
合理利用这些分析结果，达到我们的工作目标便是好的。
先来交代一下我们呼叫中心相关背景。
国内大型企业，主攻海内外家电营销，2009年在马尼拉设立了呼叫中心（MCC：Manila Call center），设置MCC最初是为本企业内部各个分公司营销售后服务的，后来又引进了为其他外部企业的呼叫服务，客户遍布欧洲亚洲澳洲印尼美国墨西哥德国波兰意大利巴西日本新西兰新加坡泰国越南巴基斯坦菲律宾印度......我们可以提供英语、西班牙语、意大利语、波兰、印度尼西亚语等等。
马尼拉是跨国公司设置呼叫服务的首选都市，一，因为它讲英文；二，因为它够open，满世界各地的面孔在这里，你都可以看得到；三，因为它够贱，当然这里的“贱”指的是人力成本。
好的 ，回到最初，讲讲在与呼叫中心数据接触中发现的一些关于MCC重要指标的好玩有趣的事情。
MCC的指标有很多，刚刚接触的时候我还不知道AHT是什么，更不用提Abandoned Rate了，看到漫天乱飞的指标们，头都大了：
电话接通率、客户满意度、一次性电话问题解决率、客户来电等待时长、平均通话时长、出勤率、平均单呼成本、服务率...
后来慢慢的也开始知道这些指标的计算方式，也明白了这些个指标之间是相互影响的，比如：如果你的通话时间过长，势必会影响你接下个电话，如果出勤率不高，客户来电等待时间过长，客户满意度不高，单呼成本过高...
首次出差的时候，我给自己设置了三个目标，降低Abandoned rate弃话率（<5%），缩短AHT平均通话时长(<12mins)，提高每小时内每位坐席电话量Average Call volume per agent(>35calls)...
都说大数据中你可以发现掩盖其中的事实本身，果不其然，在盯着看似杂乱无章的Abandoned Rate弃话率的时候，我在不停问自己问题，回答自己问题的过程中发现了一些好玩的事情。
一、弃话率的规律性
 |
要想降低弃话率，先来观察弃话率，有何发现？数据有点乱？起伏比较大？...
看似杂乱无章的数据其实是有规律可循的，这个数据体现不明显，我们去除特殊因素—周末数据，再来看看，下一页。
 |
之前杂乱无章的数据已经体现出来它的规律性：五天一个周期，自上而下的走势。
Abandoned Rate弃话率存在规律性起伏：
1.Abandoned rate偏高一般集中在周五周一；
2.Abandoned rate较好的一般集中在周二周三；
我最初觉得，周一周五弃话率偏高会不会跟座席上班状态有关，周五大家可能想着去玩去计划周末活动，周一上班有周末综合症，上班精力被分散，当然这只是毫无根据的猜测。
不管怎样先记住弃话率存在的这个规律性。
再来看看影响Abandoned Rate弃话率的几个重要因素。
二、弃话率与座席数
 |
一般的认知中，座席数与弃话率的关系很明显：座席数多了，弃话率低；座席数少了，弃话率高；
但相同座席数的时候，另一个强烈相关指标体现出来的，它就是是：来电量。
三、弃话率与来电量
 |
来电量与弃话率的关系，也是比较明显，来电数多了，弃话率高，这是容易理解的；
四、来电量的规律性
 |
来进一步观察下来电数，是不是也有存在规律性？
记得之前提到的五天一周期吗？这里也有：周一来电高峰。已经用箭头标出来了。
我给它起了个名字：周一高峰效应，
我估计大家都有个习惯，喜欢在周一计划安排一周内的工作生活心理，不知道是不是符合社会心理学或者人类行为学规律。
哈哈，我猜的。
好了，知道有这么一个周一高峰效应，
知道一周之内周一会存在来电量高峰，那么座席安排上进行调整来Cover这个Peak。
那么一天之内，座席又该如何进行有效合理排班呢？那么，我们来看看来电量与小时段之间的关系。
五、弃话率、来电量与小时段
 |
好，到现在我们知道了两个参数与弃话率密切相关；
1.坐席数2.来电量。
那么，再来看看具体一天内小时段与弃话率的关系；
来电量，两头少中间高的规律性；那么我们安排人力的时候根据来电量，两头坐席数少，中间人数集中。
可结果出现这样的状况：
 |
我们按照之前的规律进行安排了；
可对应弃话率就存在，两头高中间低。中间低比较好理解，人数多。
两头高不稳定，也可以理解，人数少嘛。
但为何弃话率不稳定时段时长不一样。这涉及到来电人年龄段了；大数据告诉我们，老人在晚上打电话的多，早上年轻人电话量多。
老人与年轻人来电通话过程是不一样的，同样安装启动家电这件事，老人你要手把手去教他怎么操作，他搞不定的，你要耐心细心语气缓和，总之态度要好。年轻人对家电安装操作接受度较高，一般一点就通，省时省事。
六、现场调度的重要性
给你看看我们的监控板：
 |
8位客户在线等待，10位座席在接电话，5位座席在中休。其中一个座席电话讲了一个超出1小时.
另一个指标：AHT，AHT长影响坐席接听下一个电话；
这里也引出了现场调度的重要性；
 |
上图最能体现现场调度的重要性，我们工作的现场，是配备了SME， Teamleader，随时监控数据，进行人员的调动。
七、MCC重要指标与关键因素小结
 |
当我拿报告给有几年MCC管理经验人看的时候，她说，是啊，周一来电比较多，老年人通话时间比较长.......，这是经验之谈。
想当年她是一天24小时工作连轴转，连睡都在会议室搭了个临时床的Working woman女强人。俺这才五个月的大白没法比。
当然，经验之谈跟分析大数据结果是一样的。唯一不一样的，便是大数据分析可以节省大量时间。
合理利用这些分析结果，达到我们的工作目标便是好的。
 |
