Тонкая настройка: как вычислить рассеивание значений AHT в контакт-центре

Как показатель среднеквадратичного отклонения времени обработки вызовов (AHT) поможет усовершенствовать рабочие процессы в контакт-центре, и как выполнить расчет отклонения в несколько щелчков мыши.

Недавно мы рассказали о том, как рассчитать среднее время обработки вызовов (Average Handling Time, AHT) и рассмотрели 30 способов его снижения. Воспользовавшись предложенной нами формулой, вы сможете вычислить AHT и использовать этот показатель для планирования загрузки операторов и поиска узких мест в бизнес-процессах. Но достаточно ли усредненных цифр для «тонкой настройки» повседневной деятельности контакт-центра?

Допустим, вы рассчитали среднее время обработки вызовов для всех операторов. Возникает вопрос: какая часть сотрудников демонстрирует самый высокий или самый низкий AHT? А главное — каково среднее время обработки вызова у основной массы операторов? Сосредоточены их показатели вокруг среднего значения или относительно равномерно распределены от минимального значения к максимальному? Иными словами, вы не можете понять, какой вклад в показатель AHT внесли “чемпионы” и “отстающие”, и как сильно от их аномальных показателей отличаются результаты “середнячков”.

Именно здесь на сцену выходит среднеквадратическое отклонение (часто его называют еще средним квадратическим, среднеквадратичным или просто квадратичным отклонением). Это единственный параметр, который покажет понять вам четкую картину распределения показателя AHT.

Что такое среднеквадратичное отклонение

По определению, среднеквадратическое отклонение используется, чтобы количественно оценить рассеивание значений в определенной выборке относительно какой-то средней величины (часто это среднее значение называют математическим ожиданием). Иными словами, среднеквадратическое отклонение — это то, что поможет понять, как распределены индивидуальные показатели от минимального значения к максимальному, и насколько плотно они расположились вокруг математического ожидания. На графике такое распределение выглядит как колокол.

Чтобы было проще понять, что такое среднеквадратическое отклонение, приведем такой пример. Представьте, что школьный учитель провел контрольную работу в обыкновенном ничем не примечательном классе. Оценки выставлялись по пятибалльной системе. Большинство учеников получили тройки, намного меньше заработали четверки или двойки, а считанные единицы — оценки 5 и 1.

В нашем случае распределение оценок на графике будет выглядеть, как на рисунке 1 (о том, как быстро рассчитать такое распределение с помощью Microsoft Excel, мы расскажем чуть ниже). Для нашего воображаемого школьного класса мы получим такую картину:

• Около 68,2 % (34,1+34,1) всех значений из нашей выборки будут находиться в пределах одного среднеквадратического отклонения в большую или меньшую сторону от среднего значения (математического ожидания). В нашем примере это все те ученики, кто получил оценку 3, включая тройки с плюсом и минусом.
• Около 95,4 % всех показателей попадут в пределы двух среднеквадратических отклонений от среднего значения. Т.е. к троечникам добавляются две группы учеников примерно по 13,6 % каждая, одна из которых получила четверки, а вторая — двойки.
• Почти все оставшиеся значения будут находиться в пределах трех среднеквадратических отклонений от среднего значения. В нашем примере это будут по 2,1% учеников на обоих концах графика, которые заработали пятерки или единицы.

Рисунок 1. Стандартное нормальное распределение значений

Среднеквадратичное отклонение для показателя Average Handling Time

Но вернемся к контакт-центрам. Давайте на конкретном примере рассмотрим, какие возможности дает среднеквадратичное отклонение для показателя AHT. Предположим, среднее время обработки одного вызова для всех операторов контакт-центра равно 359 секунд. У самого быстрого специалиста этот показатель — 213 секунд, а у самого медленного — 590 секунд. Понятно, что разброс результатов внушительный. Но мы еще не знаем, насколько много таких отклонений в команде операторов. Крайние значения — это единичные случаи? Или в нашей команде собрались только крайне «медленные» и крайне «быстрые» операторы?

Допустим, вычисление стандартного отклонения для команды дало вам цифру 38 секунд (опять же, о том, как легко посчитать стандартное отклонение в MS Excel, мы расскажем чуть позже). Это значение означает, что около 68 % специалистов из анализируемой выборки имеют показатель AHT, который на 38 секунд выше или ниже от среднего значения для всей группы. То есть, их показатели AHT находятся в границах от 321 до 397 секунд. Если мы расширим эту область еще на 38 секунд в сторону минимального и максимального значений (нижнюю границу опустим до 283 секунд, а верхнюю — поднимем до 435 секунд), то получим временные рамки, в которые вошли результаты более 95 % ваших специалистов.

Но эти рамки все еще далеки от наших граничных значений. Таким образом, наименьший результат в 213 секунд и наивысший в 590 секунд — это не правило, а исключение для команды операторов. Иными словами, операторов, которые имеют крайние результаты, очень мало (см. рисунок 2).

Рисунок 2. Нормальное распределение для математического ожидания в 359 секунд
и среднеквадратического отклонения в 38 секунд

О чем говорят полученные результаты? О том, что разбираться в причинах аномальных показателей следует только для 5 % операторов, чьи результаты расположились на противоположных концах графика. Не исключено, что специалисты с аномально низкими показателями AHT сталкиваются с техническими проблемами. Причина может оказаться банальной — плохая слышимость из-за того, что вы не снабдили часть операторов профессиональными гарнитурами. Или, что более вероятно, несколько специалистов нуждаются в индивидуальном обучении на тему правильной обработки вызовов. Кстати, нестандартно малое время обработки вызова — тоже повод для анализа: оно далеко не всегда свидетельствует о высочайшем профессионализме специалиста.

Давайте рассмотрим другой набор значений AHT для контакт-центра с теми же показателями среднего и граничных значений, что и в предыдущем примере (показатель AHT из расчета на всех операторов равен 359 секунд; минимальный показатель — 213 секунд, максимальный— 590 секунд). Но в этот раз после вычисления стандартного отклонения мы получили результат 70. Добавляем 70 к среднему значению и вычитаем из него 70. Два полученных числа — это временной диапазон, в котором расположились результаты большей половины операторов. В нашем случае результат — от 289 до 429 секунд (а не от 321 до 397 секунд, как в предыдущем примере).

Расширив диапазон еще на 70 секунд в обе стороны, чтобы добавить в него результаты еще 27 % наших операторов, мы получим промежуток времени от 219 секунд до 499 секунд. Он уже близок к нашим граничным значениям (см. рисунок 3). Столь широкое распределение значений AHT у операторов говорит о более масштабной проблеме в команде, чем в предыдущем примере. Здесь тренингом для нескольких операторов уже не обойтись.

Рисунок 3. Нормальное распределение для математического ожидания в 359 секунд
и среднеквадратического отклонения в 70 секунд.

Похоже, основная масса ваших специалистов не придерживаются правильной методики обработки вызовов данного типа. А стало быть, подавляющая часть команды нуждается в программе обучения, которая поможет внедрить единые передовые практики. Да, на такое обучение уйдет больше ресурсов, чем на индивидуальный тренинг для нескольких операторов. Но в большинстве случаев ваши усилия приведут к снижению показателя AHT для всего контакт-центра.

Конечно, есть масса причин, которые приводят к широкому разбросу показателей AHT. Но углубленный анализ поможет сузить круг “подозреваемых”. Например, внимательнее изучите показатели AHT за определенное время суток. Возможно, вы заметите, что более высокие значения показателя AHT чаще всего встречаются вечером. Причины тут могут абсолютно разные. К примеру, в «неудобные» вечерние смены часто работают новые и, соответственно, менее опытные сотрудники. Как вариант — вечером в офисе работает меньше руководителей, и персонал расслабляется. Кроме того, в эти часы у оператора меньше возможностей привлечь кадровые ресурсы для обслуживания сложных вызовов: в офисе остается меньше узких специалистов.

Возможно, причина кроется в том, что на это время часть клиентов откладывают нестандартные обращения, не желая тратить на них рабочее время. А может быть, к вечеру ваши операторы просто чрезмерно устают. Тогда нужно будет искать способы снизить их утомляемость. Рассмотрите возможность использовать гарнитуры с системой шумоподавления и поддержкой технологий защиты слуха и снижения ежедневной шумовой нагрузки. Не исключено, что в операторном зале потребуется также установить систему маскировки звука, которая сведет к минимуму один из главных факторов усталости — шум из-за разговоров коллег.

Как рассчитать среднеквадратическое отклонение для AHT с помощью Microsoft Excel

Теперь, когда мы убедились, что вычислять стандартное отклонение AHT очень полезно, посмотрим, как это делается. Самый простой способ — использовать встроенные инструменты MS Excel. Для этого просто выполните такие действия:

• Занесите индивидуальные показатели AHT операторов в один столбец электронной таблицы.
• Используя функцию вычисления среднего арифметического AVERAGE (для русскоязычного MS Excel — СРЗНАЧ), рассчитайте среднее значение всех введенных данных. Excel не требует вычислять этот показатель отдельно, но он будет полезен для понимания итоговых результатов.
• Щелкните на любой свободной ячейке и выберите функцию оценки стандартного отклонения по выборке (STDEV или СТАНДОТКЛОН). Приложение попросит вас выделить группу цифр, которые вы будете использовать в расчете. Выделите все цифры, которые хотите использовать в анализе, и нажмите ENTER. Значение стандартного отклонения появится в открытой ячейке.

Выводы

Среднеквадратическое отклонение — очень важный инструмент не только применительно к среднему времени обработки вызовов в целом по контакт-центру. Вы можете вычислить его для звонков только строго определенных типов, для вызовов по направлениям бизнеса, который обслуживает контакт-центр, или, например, только для новых сотрудников. Этот метод можно также использовать для обработки других статистических данных, которые в избытке накапливаются в любом контакт-центре. Ведь обычные средние значения не смогут описать все, что происходит.

Просто попробуйте, и вы наверняка убедитесь, что в расчете среднеквадратичного отклонения нет ничего сложного. Зато эти данные окажут вам огромную помощь в тонкой настройке бизнес-процессов в контакт-центре.

См. также:

• Доступны для заказа новые беспроводные гарнитуры Plantronics для платформ Unified Communications
• Plantronics анонсировала усовершенствованные звуковые процессоры серии MDA400 QD
• Контакт-центр будущего: как искусственный интеллект измени работу операторов