我们的读者分享了他们如何在联络中心应对最新预测挑战的想法。

您使用了多少年的数据来进行预测？大多数预测规划者使用至少两年的数据，但由于业务性质，一些规划者被迫使用少得多的数据。

我们使用1年的数据来创建预测——通常是5年。对于季节性，我想使用更多，因为5年的季节性实际上只相当于5个1月，5个2月，等等。每个月的时间越多越好——理论上我们应该使用两年。然而，这并不总是可能的，尤其是在这个领域仍然需要预测的新产品——至少2年，更好是在数据可用的情况下更多——Peter我们以2年的价值作为标准来看待季节性模式——Corinne作为外包商，我们使用更短的历史记录（4-8周），并根据季节性进行调整——Kelly我们查看了2年的数据，但通常使用去年的数据来获得月度趋势，因为它们是最新的——标记每12-18个月有一次重大变化，不可能使用6个月以上的数据，不幸的是——Ralph你的预测准确度如何？整个行业的准确度水平差异很大，通常在5%到20%之间。

没有我们希望看到的那么准确。对于一些客户，我们可以获得高达75%-80%的回报，对于其他一些客户，可能只有50%——Kelly的回报率在20%-21%之间，具体取决于产品线和月份——Jessie我们对不同的市场有不同的预测。准确度在很大程度上取决于体积计数。大型市场表现更好，小型市场非常困难，但目标是在日交易量水平上将误差控制在15%以内——Conor我们的目标是每周MAPE（平均百分比误差）为5%。实际上，我们实现了接近10%的目标。我们的服务队列比销售队伍更准确——今年迈克·蒙特朗+/-6%——拉尔夫在整个中心大约+/-5%；然而，我们的一些队列的差异可能高达+/-20%——Julia我们的预测与实际通话的差异在10%以内——Mark在我们的文章中了解如何衡量预测的准确性：如何计算预测准确性

您尝试过什么来提高预测准确性？一些预测规划者试图整理数据，并与其他部门进行更多沟通，以帮助提高预测准确性。

从营销活动中获得更好的信息，并与财务部门密切合作，尽可能更好地分发账单、提醒、，等等——拉尔夫整理历史数据，排除不典型通话量的天数——拉涅罗我们确保未来预测中排除“异常”天数——标志着我们将数据稀疏的数据集（更多数据=更好的拟合模型）组合在一起，并调整了各种假设。但是，只要我们能够“预测过去”，我们就对未来的模型有相当的信心——约翰，我们通常看3个“典型”周，并采取平均分布——迈克，我们总是单独处理银行假期——瓦萨纳，我们现在使用一种工具，能够将标记为“特殊的”。在接下来的预测中，这将被自动排除在外——拉尔夫：在计划正常工作日时，我们排除了异常情况（通常是节假日）。然后，我们分别预测和安排我们的异常日——如果数据中存在任何异常，我们会与团队和部门沟通，了解发生了什么。然后，我们从中吸取教训，并根据一次性事件、新趋势或重复事件进行相应调整——彼得，我们使用回归分析，在我们的模型中划分出我们想要或不想要的任何东西——马特，我有一个基线预测，应该考虑标准日，然后对即将到来的活动和活动进行升级——Raniero在我们的文章中找到了更多类似的技巧：25种改进联系中心预测

的方法你预测的时间间隔是多少？

Most预测规划师联系中心提供了25种改进联系中心预测的方法，以及如何用最少的数据进行预测