我們在關注什么？

通常我們最關心的呼叫中心指標之一是服務水平（SLA），SLA越高，代表呼叫中心越迅速地對客戶的來電進行反應，而SLA受來電量、人力供給和平均通話時長（AHT）共同影響。除此之外對于實時來電的波動，作為管理者是否及時調整人力資源、是否限制一定離席時間等安排最終都會對SLA產生正向或負向的影響，那么我們如何通過不同類型的數據來判斷在服務水平這一重要指標上的運營成效呢（以下所有的成效”均僅針對SLA達成所付諸的工作）？

我們先來觀察如下一組數據：

問題是：哪一天的運營成效更好？

答案是唯一的：相同。因為SLA都是90%。

問題不變，加入來電量如上表，答案可能會變為第二天更好，因為話量更高；或者，無法確定，因為不清楚兩天的人力供給情況如何。

MetricDay 1Day 2

如果再增加了如上表的人力，我們會發現第二天的SLA和第一天一樣似乎是合理的，因為話量和人力都增加了。

最后正如你所想，加上AHT的數據。AHT的增加對SLA的影響是反向的，所以它似乎在抵消話量和人力的同步增長。現在又該如何評價兩天的SLA？我們只能說結果是相同的，但無法明確回答哪一天運營成效更好。

一個綜合指示數據

我們有4個參數，所以很難整體比較。如果能化為1個參數，我們所希望的比較就會變得可行。

在經過一些嘗試之后，筆者產生了如下想法：

F=（總登錄時間/接起的滿足服務水平的話量-平均通話時長）/平均通話時長

以上的計算過程得到數值F，可以描述為接起每一個符合服務水平要求的電話所需要的登錄時間和平均通話時長的比值。

為了便于理解，我例舉一個理論上的情景：當所有的來電都按序進入隊列被座席一一接起，沒有任何一個電話有等待時長或均小于服務水平定義的長度且座席也沒有任何一秒處于空閑狀態，那么F的值為零。這是一個極端的理想化狀態，永遠無法達成（當然如果

考量極短時間內若干個電話進線可能會產生上述結果），所以F值越趨近于零說明人力在時段內越符合來電量。

我們對剛才的情景計算F值（注意各參數的單位，人力供給需要轉化為實際的登錄時長）。

從F的結果來看，第一天的運營成效較理想。

想象一下如果F值是負數，那意味著什么？

特別需要注意的是不理想的運營成效意味著人力過多或過少（即不同時段在線人力是否貼合來電量），在這兩種情況下都會導致F值的偏高，即同樣的F值可能代表不同的運營表現。

通過上述Day 2和Day 3的比較可以知道F值需要結合SLA共同觀察，這樣二維參

數組成的圖表可以清晰地表現一段時期內的運營成效。

下圖是某呼叫中心10天內的F值和SLA的比較，從圖形上看柱狀頂端離開相應曲線

點的距離越遠表明當天的整體服務水平運營情況越好，這意味著高SLA和低F值。圖中Day 1是最佳的表現，Day 10則明顯表現出人力不足。

對于F值使用的一些建議：

1、服務水平的管理成效受許多因素影響，應該分解所有相關因子并按權重及現實條件進行優化運營才能逐步減小F值（筆者所在的呼叫中心用近1年的時間使得F值從月度的1.4左右減低并穩定在0.7—0.8）。

2、不要追求過低的F值，它可能會消耗你太多的管理精力，如頻繁地調用資源來改善在線人力。在對你的呼叫中心數據進行歷史回顧并持續改善一段時間后你會找到一個合適的數值，它取決于時間段內的來電模式（平谷峰）、呼叫中心的運營成本以及對客戶服務體驗的期望。

3、如果你能更好地理解F值，它或許還可以成為你進行人力測算的一種方式，因為如果當F/SLA/AHT是已知的值，那么登錄時間也能求得。它和傳統的Erlang C人力預測以及使用產能預測相比可不可能具有某些優勢？期待未來有機會再與大家分享。