呼叫中心目前已经成为现代企业运营的重要组成部分,是各企业与用户之间联系的重要渠道。随着IP语音解决方案的不断发展,基于IP的呼叫中心系统已经逐渐成为目前各运营商及企业呼叫中心主流。IP呼叫中心系统可以采用全分布式的网络结构,实现远程、多点、虚拟的呼叫中心,只要在系统网络可达位置均可实现坐席人员办公,不必局限于固定的物理位置,从而实现了真正的移动办公功能。
呼叫中心一般包括自动业务和人工业务两部分,为用户提供业务咨询、受理、业务查询、投诉建议等服务。为了充分利用呼叫中心人员及设备使用率,节约投资成本,需要对呼叫中心的话务结构进行精确预测。
呼叫中心的话务量随时间变化非常大,同时受多种因素的影响,变化不规则,用简单的方法难以进行预测。但是它也是具有一定的变化规律,需要根据目前企业的市场容量和发展速度来预测规划期内用户数,然后对目前用户使用呼叫中心可能需求次数,需要用科学的方法进行分析,找出影响因素,建立预测模型和方法。
话务预测方法
分析预测法
分析预测法的概念是制作一个与事情过程有关的数学模型,它包括所有因素。国外有几个运营商已经成功的使用分析法进行预测,包括法国电信和沃达丰等。分析模型对高层管理作出经营战略是很重要的,也由于涉及公司经营上的密码,各个运营商应用时的具体组成因素相当保密。
技术预测法
技术预测法是排除了确定参数影响问题的方法,把这一问题留给自我学习系统(人工智能领域使用的)。
模拟预测法也是一种技术预测法,其配置相关的简单数学模型,模型是量身定做的,它可以得到预测和推断未来的数据。这种数学模型可以用简单函数构建或者通过随机过程来模拟,其中比较典型的如ARMA模型,ARMA模型能够较好地描述时间序列,但是其缺点是预测速度慢。
基于ARMA模型的预测模型
ARMA方法是一种精度比较高的短期线性预测方法,,它适用于各种类型的时间序列,使用这一模型的关键是找到最优的预测模型。在建模的过程中,针对不同维数的输入向量建立相应的预测模型,通过误差分析选取最优的预测模型。从以上的结果表明,最优ARMA模型(输入向量为25维)在短期内的预测值跟真实值基本一致。此外,ARMA模型的训练过程较快,但是其预测过程比较慢。
基于BP模型的预测模型
随着输入层节点和隐含层节点的数目增加,BP神经网络的训练时间明显增长,但其预测性能并不一定增强,这可能由于太复杂的网络容易引起过度拟合,从而推广能力变差。通过以上实验选取了5个输入层节点和15层隐含层节点的三层网络结构,该网络输入层和隐含层的节点并不多,而预测性能则是最优的。
呼叫中心一般包括自动业务和人工业务两部分,为用户提供业务咨询、受理、业务查询、投诉建议等服务。为了充分利用呼叫中心人员及设备使用率,节约投资成本,需要对呼叫中心的话务结构进行精确预测。
呼叫中心的话务量随时间变化非常大,同时受多种因素的影响,变化不规则,用简单的方法难以进行预测。但是它也是具有一定的变化规律,需要根据目前企业的市场容量和发展速度来预测规划期内用户数,然后对目前用户使用呼叫中心可能需求次数,需要用科学的方法进行分析,找出影响因素,建立预测模型和方法。
话务预测方法
分析预测法
分析预测法的概念是制作一个与事情过程有关的数学模型,它包括所有因素。国外有几个运营商已经成功的使用分析法进行预测,包括法国电信和沃达丰等。分析模型对高层管理作出经营战略是很重要的,也由于涉及公司经营上的密码,各个运营商应用时的具体组成因素相当保密。
技术预测法
技术预测法是排除了确定参数影响问题的方法,把这一问题留给自我学习系统(人工智能领域使用的)。
模拟预测法也是一种技术预测法,其配置相关的简单数学模型,模型是量身定做的,它可以得到预测和推断未来的数据。这种数学模型可以用简单函数构建或者通过随机过程来模拟,其中比较典型的如ARMA模型,ARMA模型能够较好地描述时间序列,但是其缺点是预测速度慢。
基于ARMA模型的预测模型
ARMA方法是一种精度比较高的短期线性预测方法,,它适用于各种类型的时间序列,使用这一模型的关键是找到最优的预测模型。在建模的过程中,针对不同维数的输入向量建立相应的预测模型,通过误差分析选取最优的预测模型。从以上的结果表明,最优ARMA模型(输入向量为25维)在短期内的预测值跟真实值基本一致。此外,ARMA模型的训练过程较快,但是其预测过程比较慢。
基于BP模型的预测模型
随着输入层节点和隐含层节点的数目增加,BP神经网络的训练时间明显增长,但其预测性能并不一定增强,这可能由于太复杂的网络容易引起过度拟合,从而推广能力变差。通过以上实验选取了5个输入层节点和15层隐含层节点的三层网络结构,该网络输入层和隐含层的节点并不多,而预测性能则是最优的。