电视购物类呼叫中心话务预测分析

 

一、呼入型呼叫中心话务预测基础

 

在呼入型呼叫中心中,话务预测是整个排班的基础。而话务预测准确与否,与所提供的历史话务是否足够有效有很紧密的联系。目前对于大部分呼入型呼叫中心而言,其服务内容和服务对象基本稳定,导致话务变动的因素基本可见,甚至一些引起话务波动的因素可以提前预知并可以准确衡量影响因子(只要有足够多的历史记录并且这些历史记录的话务变动规律是可重现的)。

 

因此对于呼入型的呼叫中心而言,准确话务预测的基础是相对稳定,长期的历史话务积累,并且随着历史话务的积累,各种导致话务变动的因素被发现,并逐渐精确的量化。

这意味着,不仅仅客观数据要完整齐备,同时也需要排班管理人员和数据分析人员对于话务波动相关事件的量化分析,作为未来话务预测的重要参考,循序渐进持续优化,提高话务预测的准确度。

 

话务预测的精确化前提:长期的历史话务,规律性明显,影响的变动因子可获知并量化到因子或绝对值。

 

目前常用的呼叫中心话务预测方法有:基本方法为加权移动平均法;较高级方法为多元向量预测法、时间序列法,和基于神经网络的蚂蚁寻踪算法等;

 

 

二、电视购物的呼入话务预测分析

 

电视购物的话务情况与一般服务类型的呼叫中心来比,情况要复杂的多,原因是因为电视购物的话务量的影响因子要复杂的多,而且这些影响因素互相的占比权重在不同时间,不同业务中相应的体现也不同。而且随着产品的更新与变动,以及社会大环境,目标客户对电视购物接受程度等等的影响,使得电视购物的话务预测很难进行。

 

下表为粗略的购物节目播放到成交的销售漏斗及影响因素分析:

 

影响因素\销售漏斗 电视观众 频道观众(收视率) 目标客户占比 呼入转化率 客户成交率
收视率  √  √  √
播出时段
产品类型
主持人能力及水平
播出时长
目标客户-时段-产品拟合度
产品性能及可靠程度(客户感知)
产品定价区间
产品类型成熟度
销售技巧
支付便利性

 

以上指标中:收视率为该频道占所有收看电视人数的比例

目标客户占比,为收看该节目中,产品预设目标人群的占比

呼入转化率是客户拨入呼叫中心的人数占频道观众的比例

成交率为达成成交的人数与拨入呼叫中心人数的比例。

 

由于不同时段,会把相应的电视购物节目投放到不同的频道中,不同的频道会有不同的收视率,因此受众在同一个时间点上,因为收视率的不同,也会有产生不同的基数。

 

目标客户群的定位,由于目标客户的活动时段相对比较容易掌握,但目标客户群的收视频道选择需要有相应的数据支撑,使得目标群体在所播出的频道中的占比分析也较难掌握。

 

由于不同产品的认知(比如非接触渠道的书籍的产品质量认知要比女性服装要高),以及不同产品的价格定位(价格较低的产品的沉没成本较低,容易调动客户尝试的欲望)。使得不同产品的呼入转换率不同。

 

在呼入转化率方面,还包括主持人信用(水平),节目设置合理性等等,需要做更细致的分解和分析才能得到可以接受范围内的呼入转化率波动区间。这一块的分析最为关键,涉及的因素和内容也最多,但这一块的内容基本与一般呼叫中心意义上的话务预测无关了。

 

事实上,如果在呼入转化率这一方面进行精确细致的数据挖掘(Data Mining),其核心的价值并不在于话务量预测准确给呼叫中心带来的人力利用的提升,而是如果可以利用这个转化率的预测,合理安排产品和时间,调整产品的节目内容,投放在合适的频道和时段上。这是真正的数据挖掘的价值。

 

因此从目前提供历史话务数据和业务类型及影响因子来看,不足以支撑建立话务预测模型,并通过传统话务预测功能来实现对优购物话务的预测。若创建以话务预测为基础倒推到业务量预测的模型的建立,则对于电视购物这一类呼叫中心而言,其价值远远大于合理正确安排人力所获得的成本的节省,而是精准营销的实现。

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注