3、周期性分析

　　周期性分析是觀察某個變量隨著時間變化而呈現出某種周期變化趨勢，周期性趨勢相對較長的有年度周期性趨勢、季節(jié)性周期趨勢，相對較短的一般有月度周期性趨勢、周度周期性趨勢，甚至更短的天、小時周期性趨勢。

　　一般情況下客服中心話務量數據受到眾多因素影響，例如客戶群體增長、新科技影響、營銷活動或事件影響等，當然還有很重要的一個影響因素——周期因素。在此除去其他因素影響，單純對話務量數據進行周期性分析會有怎樣的結果？觀察一個月中每天話務量的整體趨勢，這樣我們就可以發(fā)現每天的話務規(guī)律（如圖4），從零點開始到六點的這段時間里話務量是驟減的，在之后的時間一直到中午12點話務量持續(xù)增長，在12點至23點之間話務量保持在一定水平。這樣我們就知道了客戶一般都在什么時間撥打電話，從而掌握了客戶的撥打習慣。這對日常的話務預測起到不可忽視的參考價值（如圖5），我們可以通過客戶以往的撥打數據預測出下一期的撥打情況，同時對后續(xù)的排班也有很大的幫助，做到人員的充分利用和成本的有效降低。

　　注意：話務量變化是一個多因素影響的過程，這里的例子是在排除其他因素的理想化狀態(tài)下分析周期性的影響，準確的話務量預測需要在此基礎上加入客戶群體增長、營銷活動甚至氣候等因素進行綜合考慮。

　　周期性分析除了用于話務預測也可以用于日常運營數據的分析，能夠從指標的周期性變化中發(fā)現管理上或人員服務質量上的問題。例如通過大量數據的周期性分析能夠發(fā)現，一般情況下溫度過高或過低都會對質檢人員的打分尺度產生影響。

圖4

圖5

　　4、相關性分析

　　相關性是指兩個指標或變量之間的聯動關系，典型的表現是一個變量會隨著另一個變量變化。相關又分成正相關和負相關兩種情況，一般我們用相關系數作為衡量兩個因素之間關聯程度的指標，相關系數的絕對值越大說明兩個因素之間關聯程度越高；反之，關聯程度越低。

　　在做相關性分析的時候，我們一般會用到散點圖（如圖6），當所有的點都集中在某條趨勢線附近的時候我們就認為變量之間是相關的。集中程度越高則相關性就越高；如果是毫無規(guī)律，則認為其沒有相關性。相關性分析可以用于客服中心指標間的關聯分析，平衡質量指標與效率指標之間的變化關系，例如找出與客服人員服務質量關聯性較強的指標、研究客戶投訴與哪些服務質量指標有正相關的關系等。

圖6

　　其實在日常的工作中我們不僅僅會用到對比分析、帕累托分析、周期性分析、相關性分析，還會用到回歸分析、結構分析等方法，最重要的是我們應該選擇簡單有效的分析方法，能夠達到我們預期的分析目標、解決實際工作中遇到的問題，這就足夠了。再有還想重申一下，衡量一個優(yōu)秀的數據分析人員不在于他會多少這樣那樣的分析方法、能夠用到多么高深的數學理論，而在于他是否能夠有最簡單的方法揭示出最深層次的問題。最后希望這篇文章能夠帶給讀者或多或少的幫助，隨時歡迎就某些相關問題與筆者進行討論。

　　本文刊載于《客戶世界》2012年6月刊；作者單位為北京鵜鶘信息咨詢有限公司。