事例・ユースケース
コールセンターの呼量予測でオペレーターの人員配置最適化とコスト削減
コールセンターにおいて過去の呼量データや顧客情報、イベントやキャンペーンの情報などから呼量数を予測し、コールセンターのオペレーターの人員配置を最適化し、コスト削減や属人化を解消します。
解決したい課題
コールセンターの呼量予測は経験豊富なメンバーが行っていたが、属人化している上に予測作業に膨大な時間がかかっていた
ソリューション
呼量データ、イベント情報などをもとにAIが機械学習を行い、将来の呼量数に影響する特徴を推定しました
導入の効果
経験豊富なメンバーと同等の予測精度がAIでも出すことができました
お客様業種・課題
クレジットカード会社
コールセンターの呼量は経験値が豊富なメンバーが人手で予測していました。予測作業は経験が必要なので属人化している上、予測作業には膨大な手間がかかっていました。クレジットカード会社は、カードランクによってコールセンターが分かれており、複数のコールデスクごとに予測する必要があり、予測できる人員が不足していました。また、予測値と実績値の間に乖離も発生していました。
ソリューション内容
コールセンターの呼量数を予測するため、呼量データ、イベント情報、請求関連情報など別々に管理されていた過去の多様なデータをもとに機械学習を行い、将来の呼量数に影響する特徴を推定しました。
さらに、1つのコールセンターだけでなく、お得意様、ゴールド会員、一般会員などサービスデスクごとに予測できる業務フローを作成しました。
本取り組みではデスクごとの呼量数の予測を行うだけでなく、予測精度の向上、適切な人員配置など、属人化の解消やコスト削減の実現が可能となります。
導入後の成果
- 経験値の豊富なメンバーと同等以上の予測精度が出ました
- コールセンターのオペレーター配置が最適化され、コストが削減できます
- AI導入により予測業務の属人化が解消できます