Palvelupyyntömäärän ennustamisen määrittäminen

Tässä artikkelissa käsitellään palvelupyyntöennusteen määrittämistä Customer Servicessa.

Tärkeää

Tämä toiminto auttaa asiakaspalvelun esimiehiä ja valvojia tehostamaan ryhmän suorituskykyä ja parantamaan asiakastyytyväisyyttä. Tätä toimintoa ei ole tarkoitettu sellaisten päätösten tekemiseen, jotka vaikuttavat työntekijän tai työntekijäryhmän rekrytointiin, mukaan lukien palkka, palkkiot, virkaikään tai muihin oikeuksiin. Asiakkaat ovat yksin vastuussa Dynamics 365 Customer Servicen, tämän toiminnon ja mahdollisten liittyvien toimintojen tai palveluiden käyttämisestä kaikkien soveltuvien lakien, kuten yksittäisen työntekijän analyysitietoja sekä loppukäyttäjän viestinnän seuraamista ja tallentamista koskevien lakien, mukaan. Loppukäyttäjille on myös kerrottava, että heidän viestintäänsä asiakaspalvelijoiden kanssa saatetaan seurata tai tallentaa. Loppukäyttäjiltä on myös pyydettävä suostumus sovellettavien lakien edellyttämällä tavalla ennen tämän toiminnon käyttämistä. Asiakkaita kannustetaan olemaan valmiudessa ilmoittamaan asiakaspalvelijoille siitä, että heidän viestintäänsä loppukäyttäjien kanssa saatetaan valvoa ja tallentaa.

Yleiskuvaus

Organisaation asiakaspalvelun esihenkilöiden on voitava varmistaa, että heillä on käytettävissä riittävästi asiakaspalvelijoita asiakkaiden palvelimista varten. Ylikapasiteetti nostaa kustannuksia, kun taas alikapasiteetti pidentää asiakkaiden odotusaikoja, mikä voi puolestaan heikentää asiakastyytyväisyyttä.

Järjestelmänvalvoja voi määrittää palvelupyyntöjen ennusteraportin, joka auttaa esihenkilöitä suunnittelemaan liiketoiminnan kannalta sopivan henkilöstömäärän palvelupyyntöjen ennakoidun määrän perusteella.

Esihenkilöt voivat käyttää palvelupyyntöjen ennusteraporttia seuraavasti:

• Tulevien palvelupyyntömäärien ennustaminen historiallisten liikennetietojen perusteella.

• Palvelupyyntöjen ennustetut määrät voidaan visualisoida päiväkohtaisesti enintään kuuden kuukauden ajalta sen perusteella, kuinka monta päivää palvelupyyntöjä luotiin aiemmin. Tämän ennusteen avulla voidaan suunnitella asiakaspalvelijoiden resursointi ja rekrytointi tulevaa kysyntää varten.

• Palvelupyyntöjen ennustetut määrät voidaan visualisoida 15 minuutin välein enintään kuuden viikon ajalta sen perusteella, kuinka monta päivää palvelupyyntöjä luotiin aiemmin. Tämän ennusteen avulla voidaan aikatauluttaa asiakaspalvelijoita lähiaikojen kysyntää varten.

• Ennustemäärät voidaan jaotella kanavan ja jonon mukaan.

• Toteutuneiden ja ennustettujen määrien koosteen näyttäminen tunti-, päivä-, viikko-, kuukausi- ja vuosikohtaisesti.

• Kausiluonteisuus havaitaan automaattisesti historiallisissa liikennetiedoissa lomakalenteriin tuotavalla asetusvaihtoehdolla. Tämä havainto auttaa ennustemallia ennustamaan palvelupyyntömäärän tarkasti kausiluonteisten erikoistapahtumien osalta.

Muistiinpano

Palvelupyyntöjen ennusteraporttia käytettäessä seuraavat on otettava huomioon:

• Ennusteissa voi olla virheellinen määräarvio monista syistä, kuten ennakoimattomista suuntauksista tai liiketoiminnan kehityksestä.

• Ennusteraportti on tällä hetkellä saatavana tietyissä maantieteellisissä sijainneissa. Lisätietoja: Asiakaspalvelun aluekohtaiset käytettävyys- ja palvelurajat

Palvelupyyntöennusteiden toiminta

Ennusteraportissa käytetään tekoälyyn perustuvaa ennustemallia, joka ennustaa palvelupyyntöjen määrää historiallisiin palvelupyyntötietoihin perustuen. Malli käyttää yhdistelmäennustemenetelmää, jossa on kausituki (automaattinen havaitseminen ja mukautetut asetukset). Tämä parantaa ennusteen laatua.

Raportti voi ennustaa enintään kuuden kuukauden päivämääräalueen päivittäiset trendit ja enintään kuuden viikon päivämääräalueen päivän sisäiset trendit (15 minuutin välein) sen mukaan, kuinka monta historiallista päivämäärää on käytettävissä ja käytetty. Yleensä malli voi ennustaa jakson, joka on puolet syötteen päivämäärävälistä seuraavin ehdoin:

• Jos historiallisten tietojen aikaväli on alle 12 kuukautta palvelupyyntöjen päivittäisen määrän ennustamisessa, ennusteen aikaväli on puolet syötteen aikavälistä. Esimerkiksi kahdeksan kuukauden historiallisten tietojen aikavälin avulla voidaan ennustaa neljä seuraavaa kuukautta. Jos historiallinen aikaväli on vähintään 12 kuukautta (enintään 24 kuukautta), raportti ennustaa seuraavat kuusi kuukautta.
• Päivän (15 minuutin välisten) palvelupyyntöjen määräennusteissa malli analysoi vain kuuden viimeisen viikon historiatiedot. Ennusteen aikaväli on puolet syötteen aikavälistä. Esimerkiksi 12 viikon historiallinen aikaväli voi ennustaa seuraavat kuusi viikkoa (mikä on suurin vaihtoehto). Näistä 12:sta historiatietojen viikosta analysoidaan vain viimeiset kuusi viikkoa ennusteen tuottamiseksi.

Mallit voivat luoda ennusteita, kun seuraavat historialliset tietojen vähimmäisvaatimukset täyttyvät. Muussa tapauksessa järjestelmänvalvojan asetussivulle tulee virhesanoma.

• Käytettävissä on vähintään kahden viikon historialliset tiedot.

Tärkeitä seikkoja ennusteen tarkkuuden parantamiseksi

Suosittelemme seuraavia ehtoja käyttäjien tietojen hyödyntämiseen tarkkojen ennusteiden tuottamiseksi.

• Tiivis data: Tietojoukko sisältää tietoja joka päivästä. Näin varmistetaan, että tietoja ei puutu ja että ne eivät ole puutteellisia. Joka päivältä on tarpeeksi tietoja kattavaa havaintojoukkoa varten.
• Selkeä viikoittainen malli: Tiedot noudattavat viikoittaista kuvia, jossa tietojen määrä noudattaa johdonmukaisesti tiettyä trendiä. Esimerkiksi viikonlopuilta tietoja kertyy vähemmän kuin arkipäiviltä tai päinvastoin. Tämä kuvio auttaa luomaan luotettavan perustan ennustamiseen.
• Datan määrään perustuva tarkkuus: Jos ehdot täyttyvät, ennusteen laatu paranee, kun syötettyjä tietoja on enemmän. Suuremmat tietomäärät tuottavat tarkempia ja selkeämpiä ennusteita.
• Tasainen tietojen taso: Tietojen määrä ei muutu äkillisesti tai merkittävästi viime päivinä tai tulevilla kausilla. Tämä äkillisten muutosten puuttuminen varmistaa, että historialliset kuviot pysyvät relevantteina ja luotettavina ennustamistarkoituksiin.
• Historiallinen tietojoukko pitkältä ajalta: Jos kaikki edellä mainitut ehdot täyttyvät, pitkältä ajalta saadut historiatiedot parantavat ennusteen tarkkuutta. Suurempi historiallinen tietojoukko tarjoaa laajemman näkökulman ja kattavampia tietoja kuvioista ja trendeistä ajan kuluessa. Pitkän historian avulla ennustemalli voi taltioida ja liittää mukaan useampia variaatioita, mikä johtaa tarkempiin ennusteisiin.
• Viimeisimmän ennusteen tarkkuuden painotus: Tulevia jaksoja harkittaessa on tärkeää huomioida, että ennusteet ovat tavallisesti tarkempia viimeaikaisilta aikaväleiltä. Ennusteen luotettavuus ja tarkkuus voivat heikentyä ajan kuluessa. Siksi viimeisintä ennustetta tulisi painottaa ja sitä tulisi pitää tarkempana kuin kaukaisten tulevien ajanjaksojen ennusteiden.

edellytykset

Palvelupyyntöennuste (esiversio) -raportin määrittämiseen tarvitaan järjestelmänvalvojan rooli.

Organisaation käyttäjät voivat käyttää ennusteraportteja vain, jos he kuuluvat rooliin, jolla on msdyn_dataanalyticsreport_forecast-taulukon Luku-oikeudet. Järjestelmänvalvojan on määritettävä tämä oikeus roolille, joka tarvitsee ennusteraporttien käyttöoikeudet. Seuraavilla käyttövalmiilla rooleilla on jo Ennuste-taulukon lukuoikeudet:

• Asiakaspalvelupäällikkö
• Monikanavan järjestelmänvalvoja
• Monikanavan valvoja

Palvelupyyntöennusteraportin ottaminen käyttöön

1. Valitse Customer Service -hallintakeskus -sovelluksen Toiminnot-kohdassa Merkitykselliset tiedot. Merkitykselliset tiedot-sivu tulee näkyviin.

2. Valitse Raportin asetukset -osassa Palvelupyyntöennusteet -kohdan vieressä Hallinta. Palvelupyyntöennusteet-sivu avautuu.

3. Aseta valitsin Ota käyttöön palvelupyyntöjen ennusteKäytössä-asentoon.

4. Raportti vastaa sitä päivää, jolloin se otettiin käyttöön. Jos raportin päivittämiselle halutaan valita jokin muu päivä, valitse sopiva päivä päivittämiselle Päivittäinen ennusteaikataulu -kohdassa.

5. Kun raportti on luotu ensimmäisen kerran, sivun ylälaidassa on Mallin suorituksen yhteenveto -osa, jossa on ennusteen viimeisin luontipäivä ja -aika. Aika vastaa käyttäjän aikavyöhykettä. Jokin muu oletusaikavyöhyke voidaan määrittää seuraavasti:

   a. Valitse sovelluksen oikeassa yläkulmassa Asetukset (rataskuvake) ja valitse sitten Mukautusasetukset. Henkilökohtaisten asetusten määritys -sivu avautuu.

   b. Valitse Aseta aikavyöhykkeesi -kohdassa aikavyöhyke avattavassa luettelossa.

   c. Valitse OK.

6. Ennusteessa käytettävä aikavyöhyke voidaan muuttaa valitsemalla sopiva aikavyöhyke Päiväennusteen aikavyöhyke -kohdassa.

7. Jos halutaan valita tietty päivämäärä, josta tiedot alkavat, valitse Historiallisien tietojen aloituspäivä (valinnainen) -kohdassa sopiva Alkamispäivä. Tietojen viimeisin (lähin) alkamispäivä on vähintään kaksi viikkoa kuluvasta päivästä. Jos mitään ei valita, alkamispäivä päätetään kaikkien historiallisten tietojen varhaisimman luontipäivän mukaan. Tämä päivämäärä voi olla enintään kaksi vuotta aiemmin. Jos valitsemasi alkamispäivä on kahta vuotta vanhempi, vain viimeisen kahden vuoden tietoja käytetään.

8. Jos kausittaisuus halutaan määrittää, valitse Kausiluonteinen-kohdassa Käytä lomapäiväkalenterin aikatauluja -valintaruutu. Lomakalenteri-linkin valitseminen avaa Kaikki loma-aikataulut-sivun, jossa voidaan luoda uusi aikataulu tai valita aiemmin luotu aikataulu.

9. Tallenna tekemäsi muutokset. Jos ennusteominaisuus otetaan käyttöön ensimmäisen kerran, voi kestää 24 tuntia, ennen kuin ennustetiedot ovat tarkasteltavissa ennusteraportissa.

Katso myös

Palvelupyyntö- ja keskustelumäärien sekä asiakaspalvelijoiden ennustaminen keskusteluille
Asiakaspalvelijoiden keskusteluennusteiden määrittäminen
Customer Service Insightsin esittely
Alueellinen saatavuus ja palvelurajoitukset asiakaspalvelulle