筆者在此之前有談過關于大型呼叫中心普遍面臨的六大困難：現場人員管理難、排班難、招聘難、服務一致性難、完成投訴積壓難、提升員工工作自豪感難。本篇，筆者將針對呼叫中心該如何進行手工排班這一問題，來和大家分享。

眾所周知，呼叫中心管理金三角為“數據——排班——現場管理”。整個金三角以數據為中心，只有基于準確的數據基礎，排班師才能做到相對準確的話務預測與人員排班，而現場管理的職責是對排班師的班表做出最圓滿的執行。所以，無論是系統排班還是手工排班，準確的數據基礎是保證服務水平的關鍵。

我們一起看看系統排班與手工排班的共同點與不同點：

共同點：

①以真實的歷史數據為基礎，數據點需12個月以上（才能看出變化趨勢）才能被參考；

②同一周期內的增長率，如去年X月與今年X月的比較增率（可為負數）；

③同一周期內的季節因素；

④同一周期內的節假日因素；

⑤營銷活動影響；

⑥重復撥打情況；

⑦放棄率（客戶主動放棄電話比率）；

⑧人員損耗（日損耗及時段損耗），如員工請病事假等不可預知的缺勤；

⑨排班師經驗。

不同點：

①自動化VS手工。

系統排班可直接得出話務日/月/年模型，并可隨時適當調整話務影響因子，以符合要求。手工排班需手工建立EXCEL表格及公式，數據錄入稍有不慎則結果大相徑庭。

②模版化VS靈活。

系統排班往往有固定的班別模式，對于人性化較高或排班限制較多的呼叫中心（如員工班車限制、休假限制等）較不合適，因系統排班往往是為耦合話務量排班，而缺乏人性管理的考慮。而手工排班則可考慮這些人性化因素。

系統排班是科學的排班工具，準確率較高。目前大部分排班軟件都是應用愛爾蘭C公式進行的話務預測，但愛爾蘭C公式是假設客戶永遠在等待，不會放棄電話的前提下進行運算的，與呼叫中心的實質有較大出入。很少手工排班的呼叫中心排班師會用愛爾蘭C公式進行話務預測與話務員人數預測。接下來，筆者將和大家共同探討手工如何更好地擬合話務量進行排班。

首先，談談如何進行話務預測。

一、真實的歷史呼入號碼數據

真實的、準確的數據是話務預測的基礎。我們每天都得到很多數據，呼入量2.1萬，服務水平75％/20s等等。如果排班師利用的是這些時/日/月的呼入量數據進行話務量預測，那預測的結果絕對偏離事實。因為這些呼入量是假定在100％接通率，所有電話都在一次內被接起的前提，而事實并非如此，我們的服務水平仍然不高。我們往往很容易忽略了重復撥打率。即2.1萬的呼入量里，也許有3000個，甚至5000個都是客戶的重復撥打。造成重復撥打的原因有很多，如一次性問題解決率、服務水平等等，其中排班的好壞是主要因素。那這些我們每天看到的數據難道就沒有意義了嗎？其實不是，它們可以幫助管理者深入分析員工的一次性問題解決率情況及排班師的水平。

排班師在進行話務量預測時，需要用真實的呼入號碼數據作為預測基礎。真實呼入號碼數的定義為客戶撥打呼叫中心的號碼的個數，反映的是客戶的真實需求。即當日呼入量2.1萬，但也許有3000個是客戶的重復撥打，則真實的客戶需求只有1.8萬個（假設所有客戶當天只有同一個需求）。我們需要取到時段/日的真實呼入號碼數，才能得出客戶的需求模型。

從日模型、周模型及月模型的數據結果，我們發現該話務具有強烈的日規律與周規律，月規律不明顯，但注意到每月月初、6日-10日、月底話務均較高。故在進行手工排班的時候，人員安排要遵守日規律、周規律、月固定忙日來進行調整。

二、同一周期內的增長率

根據手頭上已有的真實號碼數據，我們可以對比去年與今年的年增長率、月增長率等統一周期內的增長率，從而估算本次排班話務預測的增長話務。也可以從市場部門拿到全年的客戶增長計劃，估算每月的客戶增長率。

三、同一周期內的季節因素

對比去年每個月之間真實號碼數受季節因素變化的情況，因季節因素是較為抽象的概念，故多評排班師經驗判斷。但在呼叫中心工作多年的運營主管會發現，冬天全月的呼入量較夏天要少，冬天早上與晚上的呼入量也較夏天少，客戶撥打電話時間集中在白天；而夏天客戶的電話可能從一大早一直忙碌到夜晚。這就是存在了明顯的季節影響。在做手工排班的時候，排班師需參考歷年的數據去判斷季節因素的影響，同時在設置班次時也需要考慮到季節因素對客戶撥打行為的影響。

四、同一周期內的節假日因素

排班師在進行次月話務預測時，需要考慮到節假日的影響。同樣參考歷年的節假日真實號碼數的變化情況。像元旦、春節、五一、中秋、十一、圣誕、寒暑假等大的節假日，排班師需慎重考慮。在每次重大節假日過后，排班師都需要回顧并且分析節假日話務模型，作為日后排班的有力參考數據。

五、營銷活動影響

每月進行排班工作前，排班師需要向業務管理員或市場部了解次月的營銷活動情況，是屬于常規的營銷活動，還是新上線的大型營銷活動。每次營銷活動后，排班師都需要記錄該次活動對話務的影響作為日后參考。同樣，在每次排班前，排班師需參考曾經做過的營銷活動記錄，如遇新上線的影響活動，則需提前做話務影響預判。話務預判工作需和業務管理員共同討論進行。

六、重復撥打情況

客戶的重復撥打行為由很多原因造成，如中繼不足、排班安排人數不足、問題沒有解決，等等。故每日報表呈現給我們的呼入量數據對排班沒有很大的意義。但是，我們不難發現，在大部分常規的日子里（除重大故障影響或重大營銷活動影響外），同一周期內的真實號碼數與呼入量之間的重復撥打率是基本相近的。排班師根據歷史數據，可以分別計算出月/日/時的重復撥打率情況。

做到第六步的時候，排班師基本可以估算出次月的話務情況。我們連貫性地回顧一遍：①根據歷史真實呼入號碼數的得出話務的日/周/月模型。②參考歷年的真實號碼數情況，分別計算出同一周期內的增長率、季節影響因素、節假日影響因素。③參考歷年的營銷活動影響，計算出因營銷活動而帶來的話務量。④綜合以上的數據，得出次月真實號碼數預測量。⑤根據歷史真實號碼數情況，計算出日/時的話務量占比情況。⑥根據預測的次月真實號碼總量，按日話務占比及時段話務占比，分配到每天及每時段。⑦根據歷史呼入量及真實呼入號碼數，計算出月/日/時的重復撥打率情況。⑧將次月的月/日/時預測的真實號碼數，乘上月/日/時的重復撥打率，則可得出次月的月/日/時的預測呼入量。

排班師在做好了話務預測后，第二項主要工作就是要進行人員排班了。

一、放棄率（客戶主動放棄電話比率）

放棄率映射了客戶等待的耐心度，一般呼叫中心的放棄率為2％-5％之間，甚至有更高的。雖然我們理解這部分放棄來話的客戶也是屬于有需求的（在真實呼入號碼數里就有體現），但由于客戶在未得到話務員服務之前主動放棄了電話，則相當于在等待服務的過程中呼損了。呼叫中心的客戶放棄率一般都較為穩定，我們可以剔除掉這部分的話務需求。即假如預測了5000通的呼入量，放棄率為2％，則我們實際需要去應付的是5000*（1-2％）＝4900通。我們在進行人員排班的時候則按4900通的需求進行安排。

二、計算需求話務員人數

排班師根據預測出來的月/日/時D的呼入量，乘以服務水平，再除以當前話務員的平均處理時長（通話均長+整理時長），則可相應得出月/日/時的話務員需求數。但是，我們都知道，話務員不可能滿負荷工作的，必然存在一些人員損耗。如出勤損耗（病事假等）、時段損耗（如申請小休等），這些損耗排班師必須額外計算。如日出勤損耗為8％，則需求話務員數要再增加8%。時段損耗也需考慮在內，特別是吃飯前后、交接班前后的時段的人員損耗。這樣才能保證時段接通率的平滑過渡。很多時候我們會發現某些時段的服務水平很低，但排班沒有問題，人員也都在崗位上，是什么原因導致該時段的服務水平低呢？通過數據報表，我們不難發現是員工的通話利用率很低，大都在申請小休或整理工單。這些員工雖然在崗位上，卻沒有從事有效生產的活動。這就需要排班師需關注到這些特殊時段的人員損耗，同時需提醒現場主管關注這些時段的人員效率，勿讓某些時段成為客戶的倒霉時段。

排班師在計算了人員需求后，需告訴領導目前的人力資源狀況是盈還是虧，并告知領導根據目前的人力資源現狀，服務水平是否可以達標。

三、班次設計

排班師根據計算出來的每日各時段需求人數及日需求人數，綜合考慮公司的人性化排班要求，設計出相應的班次。應注意的是，最后根據排班師設計出來的班次得出的每時段在線人數與日在線人數，應該是和每時段呼入量及日呼入量的模型是一致的。

以上是筆者對大型呼叫中心如何進行手工排班手工排班了解到的一些方法，科學性不如系統排班強。但是，對目前仍在使用手工排班的呼叫中心，希望能有一些幫助。筆者也很希望大家可以對大型呼叫中心如何進行手工排班手工排班這個問題進行討論與分享，以便得出一套更為科學的方法。

作者盧巧環單位為廣東移動客戶服務（深圳）中心。