呼叫中心数据管理方法

摘要：呼叫中心是在一个相对集中的场所，由一批服务人员组成的服务机构，通常利用计算机通讯技术，处理来自企业、顾客的垂询与咨询需求。为了要满足致电者的话务需求，呼叫中心的分析人员需要根据各种历史数据分析得出话务的来电规律和客户的致电习惯，从而解决客户的需求。

由于呼叫中心的话务数据会受到多种可控、非可控、人为、非人为因素影响，例如故障、营销、天气等。因此需要对数据进行分类处理才能分析出准确的结果。本文详细讲解了如何在呼叫中心建立分类储存话务数据，保证原始分析数据的质量。

对于很多呼叫中心分析人员而言，都碰到过发现分析出来的数据没有任何规律，客户都是随性拨打，难以捉摸，很难分析出有形的规律运用到运营管理中。本文中以业务规则、触发对象、修正来访目的为关键点挖掘出客户的致电习惯。从而根据根分析结果可以应用在呼叫中心培训，话务分流，优化服务流程上。

关键词：分类储存 异常话务 话务规律 来访目的 修正

1.分类存储话务数据

对于一个呼叫中心而言，话务存在有规律，没有规律，可预测，不可预测的部分。为了更好管理一个呼叫中心需要把所有话务数据尽可能规律化，可预测化。建立分类储存话务数据可以方便把无规律的数据进行分析，进而找到规律的线索，并建立相关联的预测模型。对于话务数据可以分别存储到三个数据库中：常态话务数据库、异常话务数据库、特殊话务数据库。

1.1异常话务数据库

建立异常话务数据库的目的是得出各种异常事件背后的规律和模式，以后运用到现场应急调度中，化被动为主动，减少损耗。异常话务数据库主要存储的是不可预测的异常话务。常见的异常情况主要包括故障，故障可以有系统的故障、网络的故障、移动客户端故障等，如某银行的手机银行app出现了故障无法登陆，此时就会产生大量的客户致电到呼叫中心进行投诉。另外一种异常就是由于一些舆论引起的大量客户投诉，例如网上散布假消息说某运营商恶性扣费问题，也会突发引起大量客户投诉。为了建立异常数据库方便日后分析，需要一个重要工具就是《异常数据登记表》。

通过这张表登记异常事件，把数据纳入到之后“异常话务数据库”中。通过这张表的数据结合分析可以得出各种故障或异常发生的次数，日期，概率，产生的来话量，分析出各种故障高发日期，各种细分故障对话务量涨幅的影响。根据这些数据可以指定有针对性的现场应急流程，应对各种异常导致的话务激增。

1.2特殊话务数据库

特殊话务和异常话务不同的是，特殊话务是可预测的，有明显规律的话务，主要指具有周期性的假期、重大节日、营销日等。如十一和春节为重大节日和假期。对话务具有一定影响。双十一的光棍节虽然没有放假，但是为全城促销日，各大营销案的刺激下，对话务有猛烈的冲击作用。

重大节假日。假期包括如农历新年，清明，中秋，国庆，五一等公共假期。公共假期影响了客户的拨打情况，假日话务和平日话务在量和分布上有着很大的区别。对于航空业而言每逢假日由于客户出行多，造成成倍客户致电客服下单买机票，话务量成倍上涨。而对于运营商而言假期话务则会显得冷淡。

由于业务特性原因，在该呼叫中心，假日话务量和分布都和非假日同期有非常大的区别。由于长假期，客户的作息模式和行为模式和以往截然不同，来电的习惯也会有很大的变化。因此纳入到特殊话务数据库中方便以后预测假日话务、排班、现场保障时作数据参考。

阶段性促销案。由于市场竞争激烈，各行各业都有各自的店庆或者促销日，如双11，周年日，回馈日等等。广泛的营销案对话务影响巨大。需要对这样的话务进行保存和研究，需要记录下每次营销案方式、内容和对象，从而分析出不同营销案下对话务带来的影响。

1.3常态话务数据库

常态话务数据库则是存储剔除了以上异常和特殊的数据。这种数据代表了呼叫中心日常正常情况下的话务规律。利用常态话务数据库进行话务分析才是最具普遍性和代表性的。

以下关于话务规律研究，均基于常态话务数据库进行。

2.深入了解话务量的来访规律

由于行业特性决定了客户群体和话务内容，因此不同行业的话务量来访规律都有截然的不同。决定话务规律主要有三种，第一是客户习惯，第二是业务规则，第三是话务内容。

2.1客户习惯

客户习惯是话务来访规律的最根本因素，由于生活习惯和规律是根据天气变化、工作类型、政治因素而定，是无法由企业制定的规则或者策略可以改变的。而客户致电的时间也是根据平时作息而定。

2.2业务规则

业务规则对于话务有非常重要的影响。例如出账日、月结日对于运营商；保修截止日对电器商家；扣费日对水电煤公司等等。由于这些业务规则一旦触发，客户的反应将会和往常非常不一样，不单是当天的来话量会激增，当天的来话规律话务走势都会截然不同。不同的业务规则产生不同的影响，相同的业务规则不同的触发时间或对象会产生不同的话务规律。下面用某运营商为例根据业务规则分类、触发时间、触发对象，详细分析业务规则对话务的影响。

A地区热线忙日为月末最后一天、月初第一和第二天，持续三至四日，日均话务约为2.6万，与闲日话务高出150%话务，加上难点话务集中，通话均长高出闲日15%以上，对资源安排要求考虑更完善。

触发时间。触发业务规则时间可以分成两个维度――“日”和“时”。日维度会影响当天的话务总量，从而影响月和周的话务走势，“时”则会影响当天每刻钟的来话量，影响日话务规律。

对于大多企业以月为财务周期，某公司常在月初出账单，月最后一天为月结日。有些地区为了分流话务采用灵活扣费日，即6月12日激活业务开始使用，到7月12日为月结扣费日，以避免客人集中来电。

A地区为第一种情况，业务规则触发时间相对集中。集中意思为，多个业务规则集中在同一天，同一个时刻触发。在1日和2日都有三个刺激性十分强的业务规则在同一天触发，同时触发的时间均为凌晨。1日和2日的话务量会带来严重的影响。早上客户会就触发了的三个业务规则致电到客户，话务量将会成倍增加。

触发对象。触发对象是指在同一时间触发业务规则的客户数量。例如某一个营销活动仅针对全体客户和仅针对VIP，来电数量会有截然不同。例如广东某公司，针对客户分为了A、B、C、VIP四类客户标记。当触发业务规则时采取分群体分时间进行，如A用户在1日月结，3日出账。B和C则采用激活日期进行扣费和出账。有效地分流了话务。而某公司则采用集中性的全体客户均在最后一天月结，1日出账模式。触发的客户群体十分集中，广东则是分散触发。话务波动上会有明显的不同。

2.3话务结构

每个呼叫中心系统都有一套可以研究来访目的的系统，当话务进来后，话务员根据电话内容收集客户的来访目的，以备以后研究之用。根据来访目的可以清晰了解到客户致电的偏好和行为模式。客户集中在什么时候咨询什么类型的问题。从而达到话务分流和制定细化服务策略目的。

在深入呼叫中心话务结构时，需要对以往的研究方法进行优改。第一，从以月为单位细化到以日为单位研究来访目的数；第二，修正报表中来访目的数。

修正来访目的数。大多呼叫中心都采取手动收集来访目的，即话务员根据实际客户致电内容，手动勾选来访目的，进而收集。手动收集环节可能会对来访目的数据库做成一定的数据污染，其原因是大多呼叫中心在爆线情况下（即话务请求量远大于人力资源安排，无法满足话务），现场人员会要求一线员工停止点击来访目的，从而缩短每通电话工作时长，提升全员效率。

此时就会出现严重的数据缺口――没有点击的来访目的。例如，A地区2日为全月最忙日，由于话务量非常集中，80%时间的话务远超人力资源承受范围。现场主管要求其爆线期间全面停止点击来访目的。当天话务接起量共16628，可由于话务繁忙点击来访目的总量仅有2854，点击来访目的A仅有933。此时问题产生了，2日当天仅有933个客人就A致电到呼叫中心吗？另外一个情况，在4日，由于人力充沛，一共接起了9002个电话，共点击了5381个来访目的，点击A则是1085。

3.结论

呼叫中心的数据管理方法有多种，本文针对话务数据库、影响话务规律因素两个大点去展开讨论。虽然现在所有呼叫中心都实行系统报表化，只需从系统下载数据便可分析。但是有时由于人为的操作，或一些不可抗的因素例如突发故障，突发营销等，会对报表中的数据产生一定干扰。为了反映客户真实情况，需要对数据进行分门别类，选择正确的数据进行分析才能得到正确的结果。

首先要对数据进行“分类”，建立分类数据库――常态话务数据库、异常话务数据库、特殊话务数据库。再利用常态话务数据库中数据分析话务规律其核心是分析客户行为：什么客户在什么时间由于什么原因致电到客服，因此需要分别的去解答这三个什么，可以从“客户习惯”、“业务规则”、“话务结构”为切入点，解答三个什么。“客户习惯”决定了客户来电日常来话高峰低谷时间；“业务规则”中触发的规则种类、触发群体、触发时间分别解答了三个什么；最后的“话务结构”利用修正后的数据深入的解释了客户为什么致电到客服，并且其致电某原因的规律和走势，为以后分流话务，减少人工压力作数据依据。

本文主要总结了一些呼叫中心分析数据的方法把无形数据化为有形规律便可以在后台中运用在预测话务，进而提高排班吻合度，优化服务流程，设置IVR分流话务上，提升服务质量。

参考文献：

[1]《信号与噪音》[M].[美]纳特・西尔弗中信出版社