我们提供了一种简单的逐步方法来预测呼叫中心的需求。

步——了解你的预测构建块要预测未来，我们首先需要了解过去发生了什么。

当我们查看过去的联系数量时，我们需要确定三个关键事项，这将让我们了解未来的需求。这是我们的三个关键“积木”：

季节性——这是需求如何随时间、星期、星期和月份变化的。趋势——这表示从一个短期周期到下一个短期周期，数据移动的总体变化——无论是需求增加还是减少。水平——这是一个短期周期内的平均需求。这些构件是几乎所有预测模型的基础。然而，也有一些“噪音因素”，我们需要加以考虑。

噪声因素是可能会损害预测准确性的特殊事件或原因。噪音因素的例子包括：

新增长——如果你的品牌推出了新的产品或服务，你的预测将面临波动，需求将难以估计。未来的产品/服务变化——贵公司是否计划对其主张进行改变？你需要知道计划，这样你才能相应地调整你的预测。营销推广——当营销部门向客户发送一份特别的促销优惠时，你需要提前了解它，这样你就可以考虑额外的需求。客户敏感度——如果你的组织倾向于在短时间内提出需求——比如学生住宿提供商——波动性将比大多数其他行业大得多。自助服务系统成熟度——客户现在是否已经习惯自助服务，不再联系您了？考虑一下这对你的预测有什么影响。节日期间——某些波动是由特殊节日引起的，包括圣诞节、情人节、复活节和感恩节。考虑这些和其他特殊事件，比如奥运会或世界杯。现在你了解了趋势、季节性、水平和噪音因素，在你开始建立预测之前，你需要做的就是：

定义你的时间框架——这是你打算预测的时间长度——无论是日内预测、周预测还是月预测。定义你的粒度——你是否计划每隔15分钟、30分钟或每小时预测一次需求？第2步-收集数据并清理。用于预测的数据的来源和可访问性将取决于许多不同的因素。这些包括：

您的技术设置和它们生成的历史报告您的历史报告可以追溯到多久以前（理想情况下至少三年）您希望创建预测的渠道类型，例如电话、电子邮件、实时聊天。我们必须确定我们需要什么数据，考虑到上面的构建块，以及我们有哪些可用数据。

了解这一点，我们必须确定我们需要什么样的数据，考虑上面的构建块，以及我们有什么可用的数据。

如果没有可用的数据，您可以使用财务报告和您所在行业规划专家的专业反馈。关于这一点的更多见解可以在我们的文章中找到：如何用最少的数据预测

。然而，如果我们幸运地拥有过去三年或更长时间的每日联系量，我们可以进入

清理异常值的下一个阶段——问题：是什么导致了之前通话量的高峰和低谷？它们产生了什么影响？它们是按常规发生的吗？在排除异常值之前，确保没有遗漏关键趋势或信息。识别数据中的模式——查看噪音因素对历史音量的影响，并寻找新的模式。这些模式可能会提醒您注意新的噪音因素，这些因素更具体地针对您自己的业务。第3步——收集历史数据后，选择预测模型联系数量，清理数据，确定噪音因素，现在是时候选择你将使用哪种预测模型了。有很多预测需求的模型。呼叫中心中一些最常见的方法包括：

三指数平滑（Holt Winters）——该模型按月使用趋势、水平和季节性。这个水平是上个月的联系数量。这一趋势是上个月销量的预期变化。季节性是季节对产量的影响。然后你用这些数据来预测下个月的需求，你可以把需求分成小块，并找出潜在的噪音因素。

ARIMA–该模型可能非常技术化，但在基本层面上，它涉及将近期需求与过去模式进行比较，并确定关键的相似性和差异。理解了这些，你可以预测未来的模式，并应用“移动平均值”，这是一个定义联系数量增加或减少的速度的值。“呼叫中心助手”的编辑Jonty Peace在下面的视频中更详细地讨论了这两种预测模型是如何工作的：

 

自主开发的算法——如果你在联系中心工作了足够长的时间，你可能能够根据自己的一套规则、参数和步骤进行预测。这些都可以被公式化为一个算法，它可以为您完成大部分的硬移植。你只需要记住自己查看结果，运用你的计划和预测智慧，确保它不会产生任何可能扭曲结果的错误。

然而，许多联系中心仍然使用更多的手动预测方法，这很可能遵循以下五个步骤的精练版本：

通过分析通话数据，根据一年到下一年的趋势和水平，创建年度预测估计。将年流量分为几个月，仔细观察季节性，即每个月的年流量百分比。评估你每周和每天的趋势，并据此划分每月的需求。你可能会发现周一是你最忙的。评估你的需求在中通常是如何变化的，并将你的日常联系量划分为15-30分钟。通过识别潜在的噪音因素并将其考虑在内，完善你的预测。要做到这一点，需要掌握营销计划、新产品发布和网站/自助服务更新等信息。只需记住，为了找出最适合您的联系中心，您需要尝试尽可能多的不同预测模型。不要等到出现问题才开始试验。

要了解最新最复杂的预测方法，请阅读我们的文章：呼叫中心预测的最新技术

步骤4–测试预测模型在您开始在联络中心使用预测模型之前，您需要测试预测模型以查看其是否提供准确的结果。

用于测试预测模型的准确性，对过去某个时间进行预测，并测量预测准确性。这将让你了解它在你的联络中心环境中的工作情况。

如果结果不准确，规划者将调整他们的预测模型，直到他们使用新模型始终比联系中心的旧模型达到更好的预测精度。

在这个测试阶段，以及将预测模型带入“现实世界”时，使用同一个模型创建三个预测（甚至更多）也是更佳实践。

这很重要，因为所有预测都有一定的不确定性。因此，如果我们能够创建高、中、低级别的预测，我们就可以为每一种可能的情况做好准备。

测试预测模型的其他快速建议包括：

预测“假设”场景，用于测试模型的性能随着需求的增加而增长。一次跟踪一个变更的影响，以便您能够正确地监控其影响。一旦你的模型开始显示出有希望的结果，就以15分钟的间隔进行预测。这使您能够更好地将工作负载与工作人员相匹配。第5步——考虑特殊事件虽然你的预测模型可能已经在一定程度上考虑了这些，但有许多特殊事件——其中一些可能是在很短的时间内发生的——可能会影响你的预测。

这就是为什么在收集数据时，质疑异常值并评估噪声因素的原因和影响是如此重要。

在收集数据时，质疑异常值并评估噪声因素的原因和影响是非常重要的。

你会发现一些你以前没有考虑过的噪音因素，比如天气状况、学生学期安排或时钟的变化。

但是当你把你的预测放在一起时——可能提前一个月——许多噪音因素还没有被发现。

因此，重要的是不仅要了解所有的噪声因素，还要确定它们的任何突然原因，并了解它们的潜在影响，这样您就可以相应地处理您的预测。

要密切关注这些噪音因素，重要的是要了解其他部门行动的最新情况，监控客户行为的变化，并观看新闻。

第6步——回顾预测的成功之处一旦你开始使用预测模型预测需求，更好退一步问：未来我们能做些什么？

当事情出了问题或你有点幸运时，你必须吸取教训……”

没有预测模型始终是准确的，但当事情出了问题或你有点幸运时，你必须吸取教训，否则你的预测准确率不会提高。

所以，学习这些经验教训，然后开始构建您的模型，尝试一些想法来提高预测准确性，再次回到安全的环境中开始。

一些建议可能会帮助您改进预测过程，包括：

跟踪通话原因，以找到客户需求的根本原因，这样您就可以更好地了解通话趋势和模式。与行动可能影响联系数量的同事合作。考虑到你可以改进收集、提炼和分析数据的方式，找到提高数据质量的方法。如需有关如何改进需求预测和其他规划指导的更多建议，请收听联系中心播客的下一集，其特色是劳动力管理（WFM）专家道格·卡斯顿

第7步-有用的预测工具和资源来结束本文，让我们快速浏览一下一些资源和工具，它们将帮助您进一步创建更佳的联系中心预测。当然，最有用的预测工具是来自专业WFM供应商的软件。要了解有关此软件的更多信息，请点击链接查找我们推荐的WFM提供商列表。

对于那些缺乏此选项预算的人，您还可以试用免费的在线预测工具。你可以通过以下链接使用我们的工具：实验在线预测计算器

就有用的资源而言，我们还有许多其他文章，为预测领域提供了更有价值的见解。其中包括：

联系中心劳动力预测指南劳动力优化：17种改进联系中心预测的方法联系中心使用的三种预测时间表