一、 建立歷史話務量模型

「月」話務量的模型建立：
可看出「月」話務量的變化(成長與衰退)趨勢與季節因素的影響，能準確預估未來「月話務總量」。歷史月話務量資料應儘可能保存3-5年，並將成長與衰退趨勢作原因註記，將可純化其變動影響，提高未來預估的準確度。

「週」話務量的模型建立：
可看出週一至週日話務量的變化(成長與衰退)趨勢與工作日、假日等因素的影響，能準確預估未來的「日話務總量」。歷史日話務量資料應儘可能保存5-6週，並將變化趨勢作原因註記(如國訂假日、帳單日等)，將可純化其變動影響，提高未來預估的準確度。 

「分時(每30分鐘)」話務量的模型建立：
可看出分時話務量的變化(成長與衰退)趨勢與忙時因素的影響，能準確預估未來的分時話務量。歷史分時話務量應儘可能保存1-2週有代表性的資料，並將異常變化模型剔除(如暴量來電、系統故障等)，將可純化其變動影響，提高未來預估的準確度。

二、 基礎預測流程範例

● 取得去年全年的話務量 × 1.1(推估成長10%) = 今年全年的話務量
● 將今年全年的話務量 × 0.12(比例原則預估七月份歷史話務量佔比) = 預估七月份話務量
● 將預估七月份話務量 / 31 天 = 預估平均七月份日話務量
● 將預估平均七月份日話務量 × 比例原則預估的週一至週日歷史話務量相對比率 =>預估7/1- 7/31個別日話務量
● 將預估7/1 - 7/31個別日話務量 × 歷史個別日分時話務比率 =>預估7/1- 7/31個別日分時(每30分鐘) 話務量

本基礎預測流程實施上應多考慮其他影響因素來微調，如帳單期因素、國定假日微調、營收推估微調、行銷活動微調等，將可讓預測話務量更加精準。

三、 以歷史來電推估未來平均處理時長模型

歷史週一至週日「平均處理時長」的資料與模型建立，可看出週一至週日的變化趨勢與工作日、假日等因素的影響，此模型實為各類型來電混合的平均時長，例如週一報修的來電居多，週一的來電量將趨於報修的平均處理時長；如果晚上以查帳單的來電居多，晚上的來電將趨於查帳單的平均處理時長。

預測話務量時需要精確的平均處理時長來作計算，因此以下措施將有助於改善平均處理時長的準確預測：
針對不同的服務項目，建立其平均處理時長模型，包含週一至週日平均處理時長「分時模型」、「季節因素模型」、「帳單期模型」、「促銷期模型」等。

建立平均處理時長模型時，儘量拆解為「平均通話時長(Average Talk Time)」與「平均話後處理時長(Average After Call Work Time)」兩模型，將更有助於深入解析。

確實讓每位客服人員了解各服務類別的標準「平均通話時長(Average Talk Time)」與「平均話後處理時長(Average After Call Work Time)」，並讓客服人員了解自己的達成狀況。

不同類別的話務，其平均處理時長也就不同，應定義其標準的平均處理時長，並於來電統計中分類統計，定期檢討修正。

新進客服人員的平均處理時長應適度放寬，亦可於計算人力時，設定資淺人員專業度<1，或於系統流程變動時修正。

隨著新服務上線趨於成熟穩定後，客服人員應該要熟悉此項新服務，也就是說，此項新服務的平均處理時長應逐步平穩趨近於一底值。

適度利用某些預測工具，並對前述預測流程作定期檢討與修正，將有機會對自己本業建立獨特的預測方法。而各客服中心可以依據行業需求，簡化、新增流程，並建立「經驗參數」於系統流程中，將可持續改善準確度，並有效傳承經驗於系統流程。

資料引用：Call Center Management On Fast Forward < by Brad Cleveland >