CCAI Platform WFM 예측은 인력 관리의 중요한 구성요소입니다. 여기에는 예측 대기열 그룹 구성, 개방형 구간 예측 생성, 주간 및 월간 패턴 구성이 포함됩니다.
예측의 첫 번째 단계는 동일한 커뮤니케이션 채널이 있는 대기열 목록인 예측 대기열 그룹을 설정하는 것입니다. 대기열 그룹 구성을 참고하세요.
CCAI Platform WFM에서 예측 대기열 그룹을 구성한 후 다음 단계는 CCAI Platform WFM의 가장 기본적인 예측 유형인 개방형 구간 예측을 만드는 것입니다. 이러한 값은 특정 기간(일반적으로 1시간 또는 30분)의 통화 수와 평균 처리 시간을 가중 평균하여 계산됩니다. 오픈 인터벌 예측은 일반적으로 단기 예측에 사용됩니다. 통화량과 처리 시간을 실시간으로 보여주기 때문입니다. 이러한 유형의 예측은 하루 또는 한 주 동안 통화량의 변동이 큰 콜센터에 특히 유용합니다. 개방형 구간 예측 을 참고하세요.
개점 시간 간격 예측을 구성한 후에는 주간 패턴을 만든 다음 월간 패턴으로 결합해야 합니다. 월별 패턴은 다음 달을 위한 일관되고 효과적인 전략을 제공합니다. 주간 패턴 및 월간 패턴 예측을 확인합니다.
예측 유형
CCAI Platform WFM을 사용하면 예측 담당자가 예측 실행에서 표준 예측, 컴파일된 예측, 프로덕션 예측 등 여러 유형의 예측을 실행할 수 있습니다.
다음에서는 첫 번째 유형의 예측인 표준 예측을 간략하게 설명합니다.
컴파일된 예측은 여러 표준 예측을 결합한 것으로, 컴파일된 예측 탭에서 구성할 수 있습니다.
프로덕션 예측을 사용하면 여러 예측 데이터를 하나의 예측으로 병합할 수 있습니다. 예를 들어 여러 팀에 대해 개별 컴파일된 예측을 구성한 후 이제 전체 회사에 대한 예측을 가져오려는 경우에 유용할 수 있습니다.
대기열 그룹 구성
CCAI Platform WFM에서 예측은 예측 대기열 그룹 구성으로 시작됩니다. 예측 그룹은 동일한 커뮤니케이션 채널(예: 음성, 이메일 또는 SMS)이 있는 대기열 목록입니다. 그룹에서 여러 대기열을 통합하면 편리하게 예측을 계산하고 해당 대기열의 주간 및 월간 패턴을 만들 수 있습니다.
대기열 그룹 만들기
대기열 그룹 관리는 예측 탭과 대기열 그룹에서 할 수 있습니다.
새 대기열 그룹을 만들려면 추가를 클릭합니다.
표시된 창에서 예측 대기열 그룹의 매개변수를 지정합니다.
이름: (필수) 새 예측 대기열 그룹의 이름입니다.
설명: 새 예측 대기열 그룹에 대한 설명입니다.
커뮤니케이션 채널: (필수) 이 예측 대기열 그룹의 커뮤니케이션 채널입니다. 나중에 대기열을 선택할 때 이 커뮤니케이션 채널이 있는 대기열만 표시됩니다.
대기열: (필수) 이 예측 대기열 그룹과 연결된 대기열 목록입니다.
저장을 클릭합니다.
대기열 그룹 수정
예측 대기열 그룹을 수정하려면 다음 단계를 따르세요.
수정할 대기열 그룹을 찾습니다.
'작업' 열에서 수정을 클릭합니다.
예측 대기열 그룹의 수정 가능한 매개변수를 업데이트합니다.
저장을 클릭합니다.
대기열 그룹 삭제
예측 대기열 그룹을 삭제하려면 다음 단계를 따르세요.
삭제할 대기열 그룹을 찾습니다.
작업 열에서 삭제를 클릭합니다.
구간 예측 열기
WFM에서 예측 대기열 그룹을 구성한 후 다음 단계는 가장 기본적인 유형의 예측인 개방형 구간 예측을 만드는 것입니다. 오픈 인터벌 예측은 특정 기간(일반적으로 1시간 또는 30분)의 통화 수와 평균 처리 시간을 가중 평균하여 계산됩니다.
개방형 구간 예측 계산
열린 구간 관리는 별도의 탭(예측)에서 이루어집니다. 새 개방형 구간 예측을 만들려면 다음 단계를 따르세요.
추가를 클릭합니다.
예측 구성을 시작할 수 있는 4단계 마법사가 표시됩니다.
예측에 대한 일반 정보를 제공합니다.
이름: (필수) 예측의 고유한 이름입니다.
채널: (필수) 다음 매개변수의 모든 대기열과 예측 대기열 그룹이 필터링되는 통신 채널입니다.
대기열: (필수) 선택한 커뮤니케이션 채널이 있는 대기열 및 예측 대기열 그룹의 목록입니다.
요일: (필수) 선택한 요일만 표시됩니다.
날짜: (필수) 예측이 계산된 통화 데이터의 기간입니다.
예측에 관한 생성 정보를 지정한 후 다음을 클릭합니다.
열린 간격 예측의 타겟 날짜를 선택합니다. 각 열에는 지정된 기간의 모든 요일 인스턴스가 포함됩니다.
예를 들어 일반 정보에서 월요일과 화요일을 선택하고 1월 1일~3월 1일 기간을 선택한 경우 여기에는 1월 1일과 3월 1일 사이의 모든 월요일과 화요일이 표시됩니다.
계산 과정에서 특정 이상치 날짜를 삭제할 수 있습니다. 날짜를 선택 해제하면 다음 단계에서 해당 날짜가 표시되지 않습니다.
다음을 클릭합니다.
구간 예측은 다음 섹션에 설명된 두 가지 소스 데이터 모드를 기반으로 계산됩니다.
소스 데이터는 통화 수입니다.
소스 데이터는 평균 처리 시간 (AHT)입니다.
예측이 계산되면 예측을 저장할 수 있습니다.
저장을 클릭합니다.
각 예측에는 고유한 이름이 있어야 합니다.
또한 이 특정 예측을 주간 패턴의 기본 패턴으로 설정할 수 있는 체크박스도 있습니다. 이 체크박스를 선택하면 다음 두 가지 작업이 실행됩니다.
새 예측이 저장됩니다.
기본 예측이 새 예측의 값으로 덮어쓰여집니다.
호출 수 모드
이 모드에서는 지정된 기간 내 오전 12시부터 오후 12시까지의 15/30/60분 간격별 호출 수가 표에 표시됩니다. 매일이 별도의 열입니다. 간격 (15분, 30분 또는 60분)의 기간은 API에서 반환됩니다.
모든 대기열의 기간이 동일하면 해당 기간이 사용됩니다.
모든 대기열의 기간이 동일하지 않으면 클라이언트의 그룹 설정에 있는 기본 기간이 사용됩니다.
예측에서는 첫 번째 단계에서 선택한 대기열의 통화 데이터만 사용합니다.
표에는 해당 15/30/60분 동안 이루어진 통화 수가 표시됩니다. 이 데이터는 CRM에서 자동으로 가져옵니다.
이상치 날짜를 발견했는데 이 날짜가 전체 예측에 부정적인 영향을 미치지 않도록 하려면 값을 변경하세요 . 변경된 값은 실제 호출 수에 비해 배경색이 더 어둡습니다.
다음으로 다음 단계를 따라 개방 간격 예측을 계산하는 알고리즘을 검토합니다.
30분 간격으로 각 날짜의 가중 합계를 계산합니다. 이렇게 하려면 각 날짜의 통화 수를 가져와 가중치를 곱한 다음 이러한 숫자를 더합니다.
예를 들면
15\*1 + 51\*1 + 44\*1 + 53\*1 = 163입니다.
무게는 각 날짜 아래의 밝은 녹색 텍스트 필드에 지정된 값입니다. 1.0~4.99 범위에 있을 수 있습니다. 기본값은 1.0입니다.
합계를 가중치 합계로 나눕니다. 이렇게 하려면 이전 단계의 합계 (163)를 각 날짜의 가중치 합계로 나눕니다.
예를 들면
(1 + 1 + 1 + 1 = 4). 163 / 4 = 40.75입니다.'조정' 열의 숫자를 더합니다. 이렇게 하려면 이전 단계의 값 (40.75)에 조정 열의 값을 더합니다.
예를 들면
40.75 + 0 = 40.75 (J21)입니다.포털에서 조정 번호는 노란색 텍스트 필드가 있는 조정 열에 지정됩니다.
조정 행 아래에는 모든 행을 0으로 재설정하는 재설정 버튼이 있습니다.
이전 단계의 값에 조정 비율을 곱합니다. 이렇게 하려면 이전 단계의 값 (40.75)에 조정 열의 비율을 더합니다.
예를 들어 (12%)입니다. 40.75 * 1.12 = 45.64
포털에서 조정 비율은 조정 열의 헤더에 지정됩니다.
결과 값은 지정된 30분 간격의 예측입니다. 예측 열 하단에는 열의 모든 예측의 합계인 집계 예측이라는 또 다른 값이 표시됩니다.
평균 처리 시간 모드
이 모드에서 표에는 지정된 기간 내 오전 12시부터 오후 12시까지의 모든 간격에 대한 통화의 총 시간이 초 단위로 표시됩니다. 매일이 별도의 열입니다. 또한 소스 데이터가 평균 응대 시간인 경우 다음 섹션에 설명된 세 가지 예측 옵션이 있습니다.
옵션 1: 예측
예측 옵션 행의 값은 통화 수 모드에서 계산되는 방식과 동일한 방식으로 계산됩니다.
하단의 값(합계)은 다음 수식에 따라 계산됩니다.
수식
모든 기간에 대해 통화 데이터 표(셀 G3:G50)의 예측을 가져와 통화 데이터 예측 행(셀 V3:V50)의 해당 값과 곱합니다. 이 제품들을 함께 추가합니다. 그런 다음 결과를 통화 수 모드의 총 예측(셀 G51)으로 나눕니다.
예를 들면 =SUMPRODUCT(G3:G50,V3:V50)/G51입니다.
옵션 2. 예측 (%)
예측 (%) 모드에서 예측은 다음 계산 단계에 따라 계산됩니다.
각 날짜의 모든 기간에 대한 통화 수 합계를 계산합니다.
예를 들면 다음과 같습니다.
- B열 (11월 1일): 488회 통화
- C열 (11월 8일): 642건의 통화
- D열 (11월 15일): 529건의 통화
- E열 (11월 22일): 526건의 통화
매일, 매 기간 통화 수 (B3:B50)에 평균 처리 시간 (Q3: Q50)을 곱하고 이 숫자를 합산합니다 (Q51:T51).
2단계 (Q51:T51)의 모든 값을 1단계의 해당 값으로 나눕니다.
예를 들면
Q51 / B53 = 249504 / 488 = 511.2 (Q53)입니다.3단계 (Q53:T53)의 모든 값에 해당 가중치(Q1:T1)를 곱한 다음 해당 숫자를 더합니다 (Q55).
4단계의 합계를 모든 가중치의 합계로 나눕니다.
예를 들면
Q55 / Z1 = 2206 / 4 = 551입니다.이 값은 '예측 (%)' 열의 헤더에 있는 기본 백분율 값입니다.
매일, 매 간격마다 예측 AHT 열 (Q3:Q50)의 예측 값을 가져와 3단계의 값과 예측 값 간의 백분율 차이를 계산합니다. 예를 들어 AHT가 612분 (Q21)인 하나의 간격이 있다고 가정해 보겠습니다. 3단계의 값은 511 (Q53)입니다. 612는 511보다 19.7% 더 큽니다.
일별 평균 비율을 계산합니다. 이 값은 다음 공식에 따라 계산됩니다. 각 날짜의 6단계에서 계산된 비율을 가져와 날짜의 가중치를 곱한 다음 이러한 결과를 합산합니다. 그런 다음 이 합계를 총 중량 (Z1)으로 나누고 AH 열(AH3:AH50)에 입력합니다.
7단계의 백분율을 '예측 (%)' 열 머리글 (W1)의 값에서 더하거나 빼서 W3:W50 열에 입력합니다. 예측 (%) 행의 값은 다음과 같습니다.
하단의 값인 합계는 다음 수식에 따라 계산됩니다.
모든 기간에 대해 통화 데이터 표 (셀 G3:G50)의 예측을 가져와 예측 비율 행 (셀 W3:W50)의 해당 값과 곱합니다. 이 제품들을 함께 추가합니다. 그런 다음 결과를 통화 수 모드 (G51)의 예측으로 나눕니다.
옵션 3. 수동 모드
이 모드에서는 값을 입력하면 모든 행에 값이 복제됩니다. 기본적으로 기본값이 있습니다. 이 예측에 사용된 모든 대기열의 평균 처리 시간이 동일한 경우 해당 값이 기본값으로 사용됩니다. 일부 대기열에서 값이 다른 경우 회사의 기본 평균 처리 시간이 사용됩니다.
수동 열 하단에 합계라는 값이 있습니다. 계산식은 다음과 같습니다.
모든 기간에 대해 통화 데이터 표 (셀 G3:G50)의 예측을 가져와 해당 AHT (셀 X3:X50)를 곱합니다. 이 제품들을 함께 추가합니다. 그런 다음 결과를 호출 수 모드 (G51)에서 나눕니다.
통화 수 및 평균 통화 처리 시간 데이터 재설정
통화 수 및 평균 처리 시간 데이터를 재설정해야 하는 경우 초기 데이터 버튼을 클릭합니다.
표의 모든 값이 원래 값으로 되돌아갑니다.
기본 개방 간격 예측
CCAI Platform WFM이 사용 설정되면 기본 개방 간격 예측이 데이터베이스에 자동으로 삽입됩니다.
기본 예측에는 다음 데이터가 포함됩니다.
| 매개변수 | 값 | 설명 |
|---|---|---|
| 이름 | 기본 | 기본 예측의 이름입니다. |
| 커뮤니케이션 채널 | 음성 | 기본 예측의 커뮤니케이션 채널 |
| 기간 | 60분 | 예측된 각 시간 간격의 기간입니다. 하루는 60분씩 24개로 구성됩니다. |
| 통화 수 | 1이 24개 | 60분 기간별 호출 수입니다. |
| 호출 AHT | 100초 단위 24개 | 60분 기간별 평균 처리 시간입니다. |
| 선택한 AHT | 예측 | 표 모드에서 AHT 모드를 선택했습니다. |
개점 시간 예측을 구성한 후 주간 패턴을 구성할 수 있습니다.
주간 패턴
개방형 구간 예측이 생성된 후 다음 단계는 주간(이후 월간) 패턴을 만드는 것입니다. 주간 패턴은 음성 및 비음성 커뮤니케이션 채널 모두에 대해 각 요일의 개방형 구간 예측을 결합합니다.
주간 패턴 만들기
주간 패턴을 만들려면 다음 단계를 따르세요.
포털의 오른쪽 상단에서 추가를 클릭합니다.
표시되는 메뉴에서 다음 값을 지정합니다.
이름: 주간 패턴의 고유한 이름입니다.
WFM 대기열: 이 주간 패턴이 연결될 CCAI Platform WFM의 대기열 목록입니다.
활성: 이 주간 패턴을 예측 구성 중에 사용할 수 있는지 나타냅니다.
통화량 예측: 요일별로 통화량 데이터가 사용될 영업 시간 예측을 선택해야 합니다.
AHT 예측: 각 요일에 평균 처리 시간 데이터가 사용될 영업 시간 간격 예측을 선택해야 합니다.
특수: 패턴이 특수한지 나타냅니다. 예를 들어 시즌별 공휴일 주 패턴이 있습니다.
주간 패턴 보기
주간 패턴은 주간 패턴 탭에 표시됩니다. 다음 표에는 이전에 생성된 모든 주간 패턴과 그에 해당하는 값이 나와 있습니다.
이름: 주간 패턴의 이름입니다.
활성: 패턴이 활성 상태인지 여부를 나타냅니다.
생성자: 패턴을 만든 사용자입니다.
특수: 패턴이 특수한지(예: 크리스마스 주간 패턴) 나타냅니다.
기본 패턴
CCAI Platform WFM이 사용 설정되면 시스템의 안정성을 보장하고 기술적 문제를 방지하기 위해 다음 값을 사용하여 기본 주간 패턴이 데이터베이스에 자동으로 삽입됩니다.
| 매개변수 | 값 |
|---|---|
| 이름 | 기본 |
| 스페셜 | 거짓 |
| 활성 | 참 |
| 큐 | 기존의 모든 대기열 |
| Monday Volume(월요일 볼륨) | 기본 개방 간격 예측에서 가져옵니다. |
| Monday AHT(월요일 AHT) | 기본 개방 간격 예측에서 가져옵니다. |
| 화요일 볼륨 | 기본 개방 간격 예측에서 가져옵니다. |
| 화요일 AHT | 기본 개방 간격 예측에서 가져옵니다. |
| 수요일 거래량 | 기본 개방 간격 예측에서 가져옵니다. |
| 수요일 AHT | 기본 개방 간격 예측에서 가져옵니다. |
| 목요일 볼륨 | 기본 개방 간격 예측에서 가져옵니다. |
| 목요일 AHT | 기본 개방 간격 예측에서 가져옵니다. |
| Friday Volume(금요일 볼륨) | 기본 개방 간격 예측에서 가져옵니다. |
| 금요일 AHT | 기본 개방 간격 예측에서 가져옵니다. |
| 토요일 볼륨 | 기본 개방 간격 예측에서 가져옵니다. |
| 토요일 AHT | 기본 개방 간격 예측에서 가져옵니다. |
| 일요일 볼륨 | 기본 개방 간격 예측에서 가져옵니다. |
| 일요일 AHT | 기본 개방 간격 예측에서 가져옵니다. |
주간 패턴 구성을 완료하면 월간 패턴을 만들 수 있습니다.
월별 패턴
주간 패턴이 생성되면 다음 단계는 이러한 주간 패턴을 월간 패턴 탭에 표시되는 월간 패턴으로 결합하는 것입니다.
월별 패턴 설정
이 단계를 따르면 커뮤니케이션 채널과 대기열 그룹의 월별 패턴을 설정하여 다음 달에 일관되고 효과적인 전략을 수립할 수 있습니다.
월별 패턴을 설정하려면 다음 단계를 따르세요.
상단의 툴바에서 타겟 월을 선택합니다.
드롭다운 목록에서 타겟 커뮤니케이션 채널을 선택합니다.
드롭다운 목록에서 타겟 대기열 그룹을 선택합니다. 이 목록에는 선택한 커뮤니케이션 채널이 있는 예측 대기열 그룹만 표시됩니다.
매주 주간 패턴을 할당합니다. 한 주의 첫날에는 이번 주의 주간 패턴을 선택할 수 있는 드롭다운 메뉴가 표시됩니다. 주간 패턴 목록에는 이전에 선택한 예측 대기열 그룹에서 대기열을 할당한 패턴만 포함됩니다.
저장을 클릭합니다.
표준 예측
예측 설정을 완료한 후 다음 단계는 최종 일정 계산의 기준으로 사용될 실제 예측을 계산하는 것입니다.
다음 정보에서는 첫 번째 유형의 예측인 표준 예측과 기본 알고리즘을 설명합니다. 표준 예측을 생성하려면 다음 단계를 따르세요.
WFM 포털에서 예측 탭으로 이동합니다.
예측 실행을 선택합니다.
표준 예측 탭으로 이동합니다.
표시되는 메뉴에서 추가를 클릭합니다.
예측의 세부정보를 입력합니다.
예측 유형: 2단계의 차트에서 두 데이터 포인트 간의 시간 범위를 결정합니다. 예를 들어 주간을 선택하면 예측된 기간의 매주 데이터가 차트에 표시됩니다.
알고리즘: 예측을 계산하는 데 사용된 알고리즘입니다. 가능한 값은 다음과 같습니다.
이중 지수 평활
삼중 지수 평활법입니다.
가중치 적용 예측입니다.
커뮤니케이션 채널: 선택한 커뮤니케이션 채널을 사용하면 이 채널이 있는 예측 대기열 그룹만 다음 드롭다운에 표시됩니다.
타겟 대기열: 이 예측의 타겟 대기열입니다. 이 대기열 및 예측 대기열 그룹 목록은 다른 필터에서 선택한 커뮤니케이션 채널로 필터링해야 합니다. 선택한 대기열의 서비스 수준이 서로 다른 경우 경고 메시지가 표시됩니다.
요일: 예측을 계산하는 데 사용되는 요일을 나타냅니다.
*예측 이름: 표에 표시되는 예측의 이름입니다.
이전 데이터 기간: 예측 계산의 기준으로 사용될 이전 통화 데이터의 기간입니다.
예측 기간: 예측이 계산되는 기간입니다.
예측 유형 및 알고리즘에 따라 특정 추가 설정이 적용될 수 있습니다.
제외된 기간: (이중 및 삼중 지수 평활 알고리즘에만 해당) 이전 기간에 이상치 기간이 있는 경우 계산에서 제외할 수 있습니다.
주기(주): (가중치 적용 예측 알고리즘에만 해당) 지정된 주 수를 결합하여 두 번째 단계부터 차트에서 볼 수 있는 패턴을 만듭니다.
계절성: (삼중 지수 평활 알고리즘에만 해당) 0~1.0 범위에 있어야 합니다. 기본값은 0.2입니다.
수준: (이중 및 삼중 지수 평활 알고리즘에만 해당) 0~1.0 범위에 있어야 합니다. 기본값은 0.2입니다.
추세 (이중 및 삼중 지수 평활 알고리즘에만 해당) 0~1.0 범위에 있어야 합니다. 기본값은 0.2입니다.
예측 알고리즘이 가중치 적용 예측인 경우 패턴을 선택하는 추가 단계가 있습니다.
이전 단계에서 사이클의 주 수를 지정하여 이러한 주를 패턴으로 결합했습니다.
예를 들어 이 매개변수를 2로 설정하면 패턴 선택 단계에서 매주 기본적으로 두 패턴 중 하나가 번갈아 표시됩니다. 각 주의 패턴을 수동으로 변경하거나 계산에서 완전히 삭제할 수도 있습니다.
개방형 구간 예측을 구성하는 동안 일부 예측이 특수로 표시되었습니다. 이러한 특수 패턴은 자동 생성된 패턴 대신 선택할 수도 있습니다.
이전 기간의 일부 날짜에는 통화가 없거나, 평균 처리 시간이 0인 통화가 있거나, 둘 다 있을 수 있습니다. 따라서 이러한 날짜는 결과 예측에 부정적인 영향을 미칠 수 있습니다. 이 문제를 해결하기 위해 0일 평활화를 사용합니다. 패턴 선택 단계에서 이러한 각 날짜의 통화 수와 평균 처리 시간을 수동으로 변경할 수 있습니다.
예측을 설정한 후에는 예측을 계산해야 합니다. 계산이 실행되고 결과가 선 차트에 표시됩니다.
차트는 두 개의 선으로 구성됩니다.
주황색: 예측 통화 수를 표시합니다.
파란색: 지정된 이전 기간 동안의 실제 호출 수를 표시합니다.
표준 예측을 계산하는 마지막 단계는 다음 세 가지 보고서를 생성하는 것입니다.
주별 멀티 Q 보고서
상담사 인구 보고서
총 재무 보고서
컴파일된 예측
CCAI Platform WFM의 컴파일된 예측은 여러 표준 예측을 결합합니다. 새 컴파일된 예측을 만들려면 다음 단계를 따르세요.
WFM 포털에서 컴파일된 예측 탭으로 이동합니다.
예측 실행을 선택합니다.
표의 오른쪽 상단에 있는 + 추가를 클릭합니다.
표시되는 창에서 새 예측의 세부정보를 구성할 수 있습니다.
후속 표준 예측 선택을 위한 필터를 지정합니다.
예측 유형: 이 유형의 표준 예측만 선택합니다.
커뮤니케이션 채널: 이 커뮤니케이션 채널의 표준 예측만 선택합니다.
예측 기간: 이 기간과 겹치는 표준 예측을 선택합니다.
첫 번째 단계에서 정의된 기준에 따라 이미 필터링된 타겟 표준 예측을 선택합니다.
- 서비스 수준 설정이 동일한 표준 예측만 선택할 수 있습니다.
지정된 기간의 예측 결과를 볼 수 있습니다. 즉, 지정된 기간의 일별 예측 통화 수와 평균 처리 시간입니다. 예측된 문의 수를 계산하기 위해 시스템은 모든 표준 예측의 문의 수를 합산합니다.
예를 들면
414 + 387 = 801입니다.예측된 문의 수와 평균 처리 시간을 계산하기 위해 시스템은 다음 알고리즘을 사용합니다.
각 예측의 문의 수를 가져와 해당 평균 처리 시간을 곱한 다음 이러한 결과를 더합니다.
예를 들면
414\*723 + 387 \* 219 = 384075입니다.첫 번째 단계의 숫자를 예측된 문의 수로 나눕니다.
384075 / 801 = 479
다음과 같은 세 가지 보고서가 생성됩니다.
일별 다중 질문 보고서
일별 다중 Q 보고서는 관리자와 계획 담당자가 리소스를 효율적으로 관리하고 예측된 문의량에 맞게 인력과 일정을 계획하는 데 도움이 되므로 필수적인 보고서입니다.
각 날짜의 문의 수, 평균 처리 시간, 상담사 수, 시간, 인건비에 관한 유용한 통계를 제공합니다. 보고서는 다음 열로 분류됩니다.
날짜: 예측 값이 제공되는 날짜입니다.
연락처 수: 지정된 날짜의 예상 연락처 수입니다.
AHT: (예측) 상담사가 문의에 소요할 평균 시간입니다.
상담사 수: 예측된 문의량을 처리하는 데 필요한 상담사 수입니다.
시간: 모든 상담사의 근무 시간이 8시간이라고 가정할 때 예상 문의량을 처리하는 데 필요한 상담사의 예상 총 근무 시간입니다.
비용: 예상 시간과 지정된 임금률을 기준으로 한 예상 인건비입니다.
주별 다중 Q 보고서
주별 다중 Q 보고서에는 일별 다중 Q 보고서와 동일한 열이 포함되지만 행은 일별이 아닌 주별로 그룹화됩니다. 즉, 주별로 각 날짜의 예측 데이터를 표시하는 대신 지정된 기간의 예측을 표시합니다. 예를 들어 6월 26일, 7월 3일, 7월 10일, 7월 17일, 7월 24일부터 시작되는 주의 예측 데이터가 보고서에 표시될 수 있습니다.
이 형식은 일일 변동보다는 시간 경과에 따른 전반적인 추세에 관심이 있는 관리자에게 유용합니다. 예측된 문의량, 평균 처리 시간, 상담사 수, 시간, 인건비를 기반으로 매주 인력 및 리소스 할당에 관한 정보에 입각한 결정을 내릴 수 있습니다.
월별 다중 Q 보고서
이 보고서에는 다음 열이 포함됩니다.
날짜: 해당 월의 첫 번째 날짜입니다.
문의 수: 해당 월의 예상 문의 수입니다.
AHT: 해당 월의 예상 평균 처리 시간입니다.
필요한 평균 FTE: 해당 기간에 필요한 정규직 상담사의 평균 수입니다.
필요한 최대 FTE: 한 달 동안 필요한 최대 정규직 상담사 수입니다.
월간 시간: 모든 상담사가 8시간 교대 근무를 한다고 가정할 때 상담사가 한 달 동안 근무할 것으로 예상되는 총 시간입니다.
월간 비용: 예상 시간과 지정된 임금률을 기준으로 한 해당 월의 예상 인건비입니다.
예측 구성을 완료한 후 저장을 클릭합니다.
이제 예측 이름을 입력하라는 메시지가 표시됩니다. 예측 이름을 입력하고 저장을 클릭합니다.
예측을 만든 후에는 다음을 만들 수 있습니다.
컴파일된 여러 예측을 사용하는 프로덕션 예측입니다.
컴파일된 예측을 기반으로 일일 계획을 세우고 일정 예약 프로세스를 시작합니다.
생산 예측
CCAI Platform WFM을 사용하면 예측자가 컴파일된 여러 예측을 하나의 프로덕션 예측으로 결합할 수 있습니다. 여러 예측 데이터를 하나의 프로덕션 예측으로 병합할 수 있습니다.
예를 들어 여러 팀에 대해 개별 컴파일된 예측을 구성한 후 이제 전체 회사에 대한 예측을 가져오려는 경우에 유용할 수 있습니다.
생산 예측을 만들려면 다음 단계를 따르세요.
WFM 포털에서 예측 실행 탭을 선택합니다.
생산 예측 탭을 선택합니다.
새 예측을 추가하려면 추가를 클릭합니다.
프로덕션 예측 설정의 첫 번째 단계에서 다음 값을 지정합니다.
예측 유형: 이 유형의 컴파일된 예측만 선택합니다.
커뮤니케이션 채널: 이 커뮤니케이션 채널이 있는 컴파일된 예측만 선택합니다.
예측 기간: 이 기간과 겹치는 컴파일된 예측을 선택합니다.
이전 단계에서 구성된 필터를 기반으로 적격한 컴파일된 예측을 선택합니다.
새로 계산된 프로덕션 예측 결과를 확인합니다.
타겟 기간의 예상 문의 수와 예상 평균 처리 시간을 확인할 수 있습니다.
두 데이터 세트를 모두 차트 모드로 표시할 수도 있습니다.
저장을 클릭합니다. 이 시점에서 새로 만든 생산 예측을 사용하여 일일 계획을 만들 수 있습니다.
다중 기술 예측
다중 기술 예측을 사용하면 다양한 커뮤니케이션 채널의 예측을 하나의 전체 예측으로 통합할 수 있습니다. 이는 음성, 이메일, 채팅과 같은 다양한 커뮤니케이션 모드를 사용하는 팀의 포괄적인 회사 예측을 만드는 데 유용합니다.
다중 기술 예측을 만들려면 다음 단계를 따르세요.
WFM 포털에서 예측 실행 탭을 클릭합니다.
multi-skill 하위 탭을 클릭합니다.
새 예측을 만들려면 추가를 클릭합니다.
표시되는 창에 예측 세부정보를 입력합니다.
먼저 필수 유형 및 커뮤니케이션 채널의 자격 요건을 충족하는 일일 예측을 선택합니다.
채널: 이 커뮤니케이션 채널별로 예측을 필터링합니다.
예측 유형: 이 유형별로 예측을 필터링합니다. 목록에는 일일 예보만 포함됩니다.
서비스 설정: 서비스 수준 및 서비스 수준 시간입니다.
예측 시작: 선택한 예측의 시작일을 나타냅니다.
예측 종료: 선택한 예측의 종료일을 나타냅니다.
가중치: 가중치는 다른 예측에 비해 예측의 중요도에 영향을 미칩니다. 0.1~10 범위에 있어야 합니다.
예측 기간: 선택한 모든 예측 기간의 교집합입니다. 타겟 예측을 선택한 후 다음을 클릭합니다.
그런 다음 예측 결과를 검토합니다.
이 단계에는 다중 기술 예측과 중간 데이터라는 두 개의 탭이 있습니다.
실제 예측이 표시됩니다.
다음은 각 열에 대한 설명입니다.
볼륨: 선택한 예측을 기반으로 한 예상 집계 볼륨입니다.
평균 처리 시간: 해당 기간의 예측 평균 처리 시간입니다.
점유율: 각 상담사가 하나의 커뮤니케이션 채널에서만 근무한다고 가정할 때의 예측 점유율입니다.
독립형: 각 상담사가 하나의 커뮤니케이션 채널에서만 근무한다고 가정할 때의 예상 인원수입니다.
결합: 각 상담사가 하나의 커뮤니케이션 채널에서만 근무한다고 가정할 때 예측되는 필수 상담사 수입니다.
델타: 각 상담사가 여러 커뮤니케이션 채널에서 근무하는 경우의 예상 인력 감소입니다 (단독 - 결합).
Multi-Skill Occupancy(다중 기술 점유율): 각 상담사가 여러 커뮤니케이션 채널에서 근무한다고 가정할 때의 예측 점유율입니다.
필요한 FTE: 요소를 고려하여 조정된 다중 기술 상담사의 예측 인원수입니다.
중간 데이터
보충 정보를 제공하고 다중 기술 예측을 만드는 데 사용되는 중간 계산을 표시하려면 다음 단계를 따르세요.
WFM 포털에서 중간 데이터 탭으로 이동합니다.
다음은 각 열에 대한 설명입니다.
볼륨: 해당 기간의 예상 볼륨입니다.
평균 처리 시간: 해당 기간의 예측 평균 처리 시간입니다.
필수: 해당 기간의 예상 상담사 수입니다.
점유율: 기간의 예측 상담사 점유율입니다.
정말 필요한 수: 점유율이 100% 라고 가정했을 때의 예상 상담사 수입니다.
혼자 남음: 타겟 점유율과 100% 점유율을 가진 상담사 수의 차이 (반올림)입니다.
예측 이름을 입력합니다.
저장을 클릭합니다. 이제 이 다중 기술 예측을 사용하여 일일 계획을 만들 수 있습니다.