Nachfrageprognose im Callcenter

Wie sieht eine Nachfrageprognose im Callcenter aus und warum sollten Sie die zukünftigen Nachfragen Ihrer Kunden immer im Blick behalten? Das beantworten wir in diesem KI-Use Case. Hier zeigen wir Ihnen, wie wir mit Hilfe einer KI-basierten Nachfrageprognose, die Planung zukünftiger Ereignisse für ein Callcenter unseres Kunden aus der Telekommunikationsbranche optimieren konnten.

Wie plant man die Nachfrage in einem Callcenter?

Täglich 8.000 Service-Calls verteilt auf über 13 Kanäle: So sah der Alltag des Callcenters unseres Kunden aus.

Vor diesen Herausforderungen stand unser Kunde

Hoher manueller Aufwand

Eine detaillierte Planung auf Basis von Excel und verschiedenen Quellsystemen kostete den Mitarbeiter 2 Wochen an Arbeitszeit je Monat.

Schwankende Nachfrage

Aufgrund der variierenden Anzahl von Nachfragen, kommt es immer wieder zu Über- oder Unterbesetzung des Personals. Das führt dann entweder zu sehr hohen Kosten oder zu langen Wartezeiten für die Kunden.

Hohe Kosten

Die Excel basierte Analyse kostet viel Zeit und verursacht somit unnötige Kosten durch ineffiziente manuelle Planungen der Kapazitäten.

Mit KI zur intelligenten Nachfrageprognose im Callcenter

Wie lassen sich die menschlichen Schätzungsfehler beheben? Die Antwort darauf lautet: Forecasting.

Um die Vorhersage passend zu berechnen, analysieren wir die historischen Daten für den Zeitraum von 30 Tagen. Sodass wir für jeden Tag eine valide Nachfrageprognose vorhersagen können.

Wie entwickeln wir ein solches – auf maschinellem Lernen basiertes – Modell?

1.

Datenaufbereitung

Zunächst sammeln wir die Daten aus den vorherigen Erfahrungswerten und werten diese aus.

2.

Modelltraining & Validierung

Anschließend implementieren wir diese Daten in ein Modell, basierend auf Deep Learning Prozessen.

3.

Modell Auswahl

Um das beste Modell präsentieren zu können, lernen wir über hundert Modelle mit Trainingsdaten an.

Unter anderem berücksichtigen wir dabei folgende Variablen: 

  • Historische Nachfrage der letzten Jahre
  • Produktneuheiten  
  • Anzahl Absätze der letzten Wochen
  • Tage, Ferien- und Feiertage

Das Modell, welches sich am Ende am zuverlässigsten zeigt, verwenden wir dann in der Praxis.

In der folgenden Grafik ist der Prozess der Entwicklung eines KI-basierten Prognosemodells abgebildet. Zunächst werden die relevanten Daten aus den Datenquellen für das Modell-Modeling extrahiert, bereinigt und schließlich in das Modell eingepflegt. Der Algorithmus liest die Daten und erkennt aus ihnen Muster und Zusammenhänge. Diese dienen als Grundlage für die Vorhersage zukünftiger Ereignisse.

Das Ergebnis nach Implementierung des KI-basierten Nachfrageprognose-Tools 

Mit Hilfe der Nachfrageprognose ließ sich die Personaleinsatzplanung im Callcenter deutlich effizienter gestalten. So konnte der Personalverantwortliche – durch das Erkennen von saisonalen Schwankungen – bereits Wochen im Voraus einen entsprechender Einsatzplan erstellen.

Zusätzliche Personalkosten mussten nicht aufgebracht werden und die Kundenanfragen wurden schneller entgegengenommen.

Durch die Unterstützung des KI-basierten Nachfrageprognose-Tools, konnten die Personalverantwortlichen den Einsatzplan um mehr als die Hälfte genauer planen und Nachfrageschwankungen in der Zukunft für die nächsten 30 Tage vorhersagen. So kann der Personalverantwortliche des Callcenters gezielt auf Nachfrageschwankungen reagieren.

Diese Ergebnisse konnten wir erzielen:

Zeitersparnis

Automatisierte tägliche Prognose, wie viel Anrufe pro Tag / Monat erwartet werden – ohne zusätzlichen manuellen Aufwand.

66% präzisere Planung

Eine genauere Personalplanung die weniger Fehleranfällig ist und nicht mehr auf Excel basiert.

Gesteigerte Effizienz

Eine manuelle Planung hat für einen Mitarbeiter mehrere Wochen je Monat an Arbeitszeit bedeutet, diese Zeit kann jetzt für andere Tätigkeiten genutzt werden.

Welche Probleme konnten durch eine KI-gestützte Prognose vermieden werden? 

  • Unzufriedene Kunden, die in Warteschleifen versauern
  • Zu hohe Personalkosten
  • Frustrierte Mitarbeiter

Wenn wir Ihr Interesse für unsere Dienstleistung zu Demand-Forecasting wecken konnten, freuen wir uns über eine Kontaktaufnahme. Sie können sich hier gerne über weitere spannende Fakten rund um das Thema KI informieren.

Auch Sie möchten Ihr Nachfrage besser prognostizieren? Das unterstützen wir! Kontaktieren Sie uns doch gerne.

Profilbild von Vinzent Wuttke Geschäftsführer Datasolut GmbH
Vinzent Wuttke
Geschäftsführer

Lassen Sie uns sprechen und Ihr Potenzial entdecken.

Ob und wie künstliche Intelligenz Ihnen weiterhelfen kann, können Sie in einem ersten, unverbindlichen Gespräch mit uns herausfinden.

In diesem Gespräch erfahren Sie:

  • Wie Ihr Use-Case technisch am besten umgesetzt werden kann
  • Wie wir maximal sicher mit Ihren Kundendaten umgehen
  • Wie lange wir für die Umsetzung benötigen und wie ein konkreter Projektplan aussehen könnte
Jetzt Erstgespräch vereinbaren
Newsletter und Updates

Sie sehen gerade einen Platzhalterinhalt von HubSpot. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.

Mehr Informationen
Erstgespräch vereinbaren