در یک مرکز تماس، تعداد تماس‌های ورودی در طول روز ثابت نیست. ممکن است در یک ساعت تعداد تماس‌ها بسیار زیاد باشد و چند ساعت بعد، حجم تماس به شکل محسوسی کاهش پیدا کند. همین نوسان باعث می‌شود برنامه‌ریزی نیروی انسانی، زمان‌بندی شیفت‌ها و حفظ کیفیت خدمات بدون پیش‌بینی مناسب، بسیار دشوار باشد. پیش‌بینی حجم تماس (Call Forecasting) در مرکز تماس یکی از مهم‌ترین ابزارهای مدیریت عملیاتی آن است که به سازمان کمک می‌کند پیش از رسیدن تقاضا، برای آن آماده شود.
پیش‌بینی حجم تماس چیست؟
پیش‌بینی در مرکز تماس به فرآیندی گفته می‌شود که طی آن، با استفاده از داده‌های گذشته و عوامل مؤثر بر تقاضا، حجم احتمالی تماس‌های آینده برآورد می‌شود. این پیش‌بینی می‌تواند برای دوره‌های مختلف انجام شود؛ از پیش‌بینی روزانه و هفتگی گرفته تا پیش‌بینی ماهانه و حتی سالانه.
اما هدف صرفاً پاسخ به این سؤال نیست که «فردا چند تماس خواهیم داشت؟». در یک مرکز تماس حرفه‌ای، باید مشخص شود چه تعداد تماس در چه زمانی وارد می‌شود و چه میزان ظرفیت برای پاسخگویی به آن لازم است.
برای مثال، ممکن است یک مرکز تماس در یک روز ۳۰۰۰ تماس دریافت کند؛ اما اگر ۱۲۰۰ تماس از این تعداد در فاصله دو ساعت وارد شوند، نیاز نیروی انسانی در آن دو ساعت با میانگین کل روز یکسان نخواهد بود. بنابراین، پیش‌بینی باید تا حد امکان به بازه‌های زمانی کوچک‌تر نیز توجه کند.
چرا پیش‌بینی برای Call Center اهمیت دارد؟
پیش‌بینی صحیح، مستقیماً بر تصمیم‌های عملیاتی مرکز تماس تأثیر می‌گذارد. مهم‌ترین کاربرد آن، برنامه‌ریزی نیروی انسانی است. اگر سازمان بداند در هر بازه زمانی چه میزان تقاضایی وجود دارد، می‌تواند تعداد مناسب کارشناسان را برای آن زمان تعیین و شیفت‌ها را بر اساس تقاضای واقعی تنظیم کند.
در صورت کم‌برآوردی (Under-Forecasting)، تعداد کارکنان کمتر از میزان موردنیاز خواهد بود. نتیجه می‌تواند افزایش زمان انتظار، ایجاد صف، افزایش تماس‌های رهاشده و کاهش سطح خدمت باشد.
در مقابل، بیش‌برآوردی (Over-Forecasting) نیز مشکل ایجاد می‌کند. اگر سازمان انتظار تماس‌های بسیار بیشتری از میزان واقعی داشته باشد، ممکن است نیروی انسانی بیش از نیاز برنامه‌ریزی کند. در این حالت، بخشی از ظرفیت کارکنان بدون استفاده باقی می‌ماند و هزینه عملیاتی افزایش پیدا می‌کند.
در واقع، پیش‌بینی به دنبال ایجاد تعادل میان دو هدف است: ارائه خدمات مناسب به مشتری و استفاده بهینه از منابع سازمان. مطالعات علمی نیز نشان می‌دهند که پیش‌بینی ورود تماس، یکی از پایه‌های اصلی تصمیم‌گیری درباره staffing و scheduling در مراکز تماس است.
چه داده‌هایی برای پیش‌بینی موردنیاز است؟
یکی از مهم‌ترین عوامل موفقیت پیش‌بینی، کیفیت داده‌های ورودی است. اطلاعات مربوط به تماس‌های گذشته می‌تواند الگوهایی را نشان دهد که در برنامه‌ریزی آینده مورد استفاده قرار گیرند.
برخی از مهم‌ترین داده‌ها عبارت‌اند از:
- تعداد تماس‌های ورودی در دوره‌های گذشته
- زمان ورود تماس‌ها
- میانگین زمان رسیدگی به تماس یا AHT
- نوع و موضوع تماس‌ها
- روزهای هفته
- الگوهای ماهانه و فصلی
- تعطیلات و مناسبت‌ها
- کمپین‌های تبلیغاتی و بازاریابی
- تغییرات محصولات یا خدمات
- رویدادهای غیرعادی که می‌توانند باعث افزایش یا کاهش تماس شوند
پژوهش‌های حوزه پیش‌بینی Call Center نشان می‌دهند که فرآیند ورود تماس معمولاً کاملاً ثابت و تصادفی نیست و می‌تواند تحت تأثیر الگوهای روزانه، هفتگی، ماهانه و سالانه و همچنین رویدادهای بیرونی قرار گیرد.
روش‌های پیش‌بینی حجم تماس
روش پیش‌بینی باید متناسب با نوع مرکز تماس، حجم داده و پیچیدگی الگوهای تقاضا انتخاب شود. در ساده‌ترین حالت، سازمان می‌تواند از داده‌های تاریخی و الگوهای مشابه در گذشته استفاده کند.
برای مثال، اگر اطلاعات نشان دهد که تعداد تماس‌ها در روزهای دوشنبه معمولاً بیشتر از سایر روزهاست، این الگو می‌تواند در پیش‌بینی هفته آینده لحاظ شود.
در مراکز تماس بزرگ‌تر، روش‌های آماری و مدل‌های پیشرفته‌تر نیز مورد استفاده قرار می‌گیرند. روش‌هایی مانند Exponential Smoothing، ARIMA و مدل‌های مبتنی بر سری‌های زمانی از جمله رویکردهایی هستند که در ادبیات علمی پیش‌بینی ورود تماس مورد بررسی قرار گرفته‌اند.
امروزه همچنین ابزارهای مبتنی بر هوش مصنوعی و یادگیری ماشین می‌توانند برای تحلیل حجم زیادی از داده‌ها و شناسایی الگوهای پیچیده‌تر مورد استفاده قرار گیرند. با این حال، پیچیده‌تر بودن مدل لزوماً به معنای پیش‌بینی بهتر نیست؛ کیفیت داده، شناخت کسب‌وکار و انتخاب روش مناسب نیز اهمیت زیادی دارد.
از پیش‌بینی تا مدیریت نیروی کار
ارزش واقعی پیش‌بینی زمانی مشخص می‌شود که نتیجه آن وارد فرآیند Workforce Management شود.
فرآیند را می‌توان به شکل زیر در نظر گرفت:
1-داده های تاریخی 2- پیش بینی تقاضا 3- برآورد حجم تماس در هر بازه زمانی 4- تعیین ظرفیت موردنیاز 5- برنامه‌ریزی نیروی انسانی 6- زمان‌بندی شیفت‌ها 7- پایش عملکرد
بنابراین Forecasting یک فعالیت مستقل نیست؛ بلکه نقطه شروع زنجیره‌ای از تصمیم‌های عملیاتی است. پیش‌بینی حجم تماس و میانگین زمان رسیدگی، در نهایت به برآورد میزان workload و نیاز به نیروی انسانی کمک می‌کند.
آیا یک پیش‌بینی برای همیشه معتبر است؟
خیر. یکی از اشتباهات رایج این است که سازمان یک پیش‌بینی تهیه کند و برای مدت طولانی بدون بازبینی از آن استفاده کند. رفتار مشتریان، محصولات، شرایط بازار، کانال‌های ارتباطی و حتی فرآیندهای داخلی سازمان تغییر می‌کنند؛ بنابراین مدل پیش‌بینی نیز باید به‌صورت مستمر ارزیابی و به‌روزرسانی شود.
برای مثال، اجرای یک کمپین تبلیغاتی می‌تواند باعث افزایش ناگهانی تماس‌ها شود. همچنین یک اختلال در محصول یا خدمت ممکن است حجم تماس‌های ورودی را برای چند ساعت یا چند روز افزایش دهد. به همین دلیل، علاوه بر پیش‌بینی بلندمدت،Intraday Forecasting و بازبینی پیش‌بینی در طول روز نیز در مدیریت مدرن مراکز تماس اهمیت دارد.
پیش‌بینی دقیق؛ پیش‌نیاز یک مرکز تماس کارآمد
پیش‌بینی حجم تماس را می‌توان یکی از پایه‌های مدیریت حرفه‌ای مرکز تماس دانست. سازمانی که نداند چه میزان تقاضایی در چه زمانی با آن مواجه خواهد شد، نمی‌تواند به شکل دقیق درباره تعداد کارکنان، شیفت‌ها، ظرفیت پاسخگویی و سطح خدمات تصمیم بگیرد.
از سوی دیگر، هدف Forecasting صرفاً پیش‌بینی یک عدد نیست؛ بلکه تبدیل داده‌های گذشته به اطلاعات قابل استفاده برای تصمیم‌گیری آینده است. هرچه پیش‌بینی دقیق‌تر و فرآیند بازبینی آن منظم‌تر باشد، مرکز تماس می‌تواند منابع خود را بهتر تخصیص دهد، از کمبود یا مازاد نیروی انسانی جلوگیری کند و تجربه بهتری برای مشتری ایجاد کند.
در نهایت، می‌توان گفت:
پیش‌بینی درست → برنامه‌ریزی بهتر → نیروی انسانی مناسب → زمان انتظار کمتر → کیفیت خدمات بالاتر
به همین دلیل، Forecasting یکی از نخستین و مهم‌ترین حلقه‌های زنجیره مدیریت و بهینه‌سازی عملکرد مرکز تماس محسوب می‌شود.
منابع:
[1] G. Koole, Call Center Optimization. Amsterdam, The Netherlands: MG Books, 2013.
[2] R. Ibrahim, H. Ye, P. L’Ecuyer, and H. Shen, “Modeling and forecasting call center arrivals: A literature survey and a case study,” International Journal of Forecasting, vol. 32, no. 3, pp. 865–874, 2016, doi: 10.1016/j.ijforecast.2015.11.012.
[3] J. W. Taylor, “Density forecasting of intraday call center arrivals using models based on exponential smoothing,” Management Science, vol. 58, no. 3, pp. 534–549, 2012.
