Nachfrageprognose im Callcenter

Durch Nachfrageprognose in die Zukunft blicken! Bei einem Callcenter kommt es täglich zu einer Menge an Anfragen, auf die schnell reagiert wird. Durch unser Machine Learning basiertes Nachfrageprognose-Tool können wir eingehende Anfragen vorhersagen und so bei der Planung helfen.

In diesem Anwendungsbeispiel erklären wir Ihnen, was die täglichen Herausforderungen eines Callcenters in Bezug auf die genaue Planung sind, und wie wir deren Alltag mit unserer Vorhersage, erleichtern konnten. 

Wie plant man die Nachfrage in einem Callcenter? 

Täglich 8.000 Service-Calls verteilt über 13 Kanäle: So sieht der Alltag eines Callcenters aus. 

Aufgrund der variierenden Anzahl von Nachfragen, kommt es immer wieder zu Über- oder Unterbesetzung im Callcenter. Was entweder zu sehr hohen Kosten führt oder lange Wartezeiten für die Kunden bedeutet. Wie sollen die Abteilungsleiter entsprechend reagieren? 

  • Wie viel Personal sollte geplant werden? 
  • An welchen Tagen ist das Aufkommen der Nachfragen besonders hoch/niedrig? 
  • Zu welchen Uhrzeiten wird am meisten Personal benötigt? 

All diese Fragen können nur durch Daten und Erfahrungswerte der Vergangenheit beantwortet werden. Diese Daten befinden sich meistens in komplexen Excel-Tabellen und müssen durch hohen manuellen Aufwand ausgewertet werden. 

Das Outcome: eine menschliche Schätzung.  

Hier liegen folgende Probleme vor: 

  • Falsche Schätzung= zu wenig Personal= unzufriedene Kunden 
  • Falsche Schätzung= zu viel Personal= zu hohe Personalkosten 
  • Zu viel Zeitaufwand für zu ungenaue Planung 

Die KI zur intelligenten Nachfrageprognose im Callcenter 

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

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

 

Zeitreihenmodell
Zeitreihenmodell

Die Entwicklung eines Machine Learning basierten Modells: 

  1. Zunächst werden die Daten aus vorherigen Erfahrungswerten gesammelt und ausgewertet. 
  1. Anschließend werden diese Daten in ein Modell, basierend auf Deep Learning Prozessen, implementiert.  
  1. 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 und Tage 
  • Ferien- und Feiertage 

Das Modell, welches sich am Ende am zuverlässigsten zeigt, wird dann in der Praxis angewendet. 

 

KI im Callcenter
KI im Callcenter

Folgendes erhoffen wir uns von dem Nachfrageprognose-Tool: 

  • Vorschau, wie viel Aufkommen erwartet wird 
  • Eine genauere Personalplanung 
  • Kostensenkung und Effizienzsteigerung 

Das Ergebnis nach Implementierung der KI 

Mithilfe der Nachfrageprognose ließ sich die Personaleinsatzplanung im Callcenter deutlich effizienter gestalten. Dadurch konnten langfristig Personalkosten gespart werden. Zudem führte die verbesserte Einsatzplanung dazu, dass Kunden weniger auf freie Mitarbeiter des Callcenters warten mussten.

Mit Stolz können wir behaupten, dass unser KI-System die Genauigkeit der Planung um mehr als die Hälfte steigern konnte. 

Die Resultate im Überblick: 

  • Eine Zielgenaue Planung 
  • Bis zu 66% genauer als die menschliche Schätzung 
  • Reduzierter Aufwand im Planungsprozess 

Durch die Berechnung des Modells konnten Schwankungen in der Zukunft für die nächsten 30 Tage vorhergesagt werden. Dadurch konnte der Personalverantwortliche die Einsatzkräfte so planen, dass sowohl auf Anfragenstarke- als auch schwache Phasen reagiert werden konnte. 

Vermieden werden konnte darüber hinaus: 

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

Wenn wir Ihr Interesse für unser Nachfrageprognose-Tool wecken konnten, freuen wir uns über eine Kontaktaufnahme. Sie können sich hier gerne über weitere spannende Fakten rund um das Thema KI informieren. 

Ihr Kontakt: Laurenz Wuttke

Unternehmen sitzen auf einem ungenutzten Berg von Kundendaten. Wir von datasolut entwickeln KI, die Ihr Marketing optimiert. Damit Sie dem richtigen Kunden zur richtigen Zeit das richtige Angebot machen können.

Laurenz Wuttke

Weitere KI Use Cases

Interessante Blogbeiträge

Praxisbeispiele

Künstliche Intelligenz optimiert Marketing und Vertrieb

Tragen Sie sich hier in unseren Newsletter ein und erhalten Sie gratis die KI-Anwendungsfälle:

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.

Praxisbeispiele

Künstliche Intelligenz optimiert Marketing und Vertrieb

Tragen Sie sich hier in unseren Newsletter ein und erhalten Sie gratis die KI-Anwendungsfälle:

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.