Contactcenterplanning voor de lange termijn
Via Erlang-C of simulatie?
Het strategisch bepalen van de benodigde capaciteit en budgetten én het just in time inhuren en opleiden van de grootste kostenpost in ieder contactcenter (de medewerkers) krijgen steeds meer aandacht. Daartoe gebruikt u bij voorkeur een model waarmee u de personeelsbehoeften voor de lange termijn nauwkeurig kunt bepalen. Zo’n model is traditioneel gebaseerd op Erlang-C-berekeningen. Maar simulatie is in opkomst.
De achterliggende formules van Erlang-C zijn in 1917 ontwikkeld door de Deense wiskundige Agner Erlang. Sinds jaar en dag worden deze formules gebruikt in contactcenters voor het berekenen van service levels, de benodigde agentcapaciteit en de gemiddelde wachttijd. De populariteit van Erlang-C is eenvoudig te verklaren. Tot voor kort was dit de enige optie om de te verwachten workload te voorspellen. Het is simpel in gebruik en gemakkelijk in software te implementeren, bijvoorbeeld als standaardfunctie beschikbaar in Excel-spreadsheets.
Maar Erlang-C heeft ook enkele tekortkomingen. Zo houdt het geen rekening met bellers of chatters die het contactcenter benaderen, maar afhaken voordat ze een medewerker aan de lijn krijgen (abandonment rate). Aanpassingen die aan het algoritme zijn gedaan om dit te corrigeren (bijvoorbeeld Erlang-X), lossen deze problemen maar ten dele op.
Historische AC D-informatie
Een alternatief voor Erlang-C is in opkomst. Dit is gebaseerd op computersimulatie. In de simulatiesoftware wordt een routeringmodel ingevoerd voor iedere specifieke groep binnen het contactcenter. Als input wordt de historische ACD-informatie gebruikt, zoals bijvoorbeeld verkeersaanbod, beschikbare klantadviseurs, afhandeltijden en de tijd dat klanten bereid zijn de wachten. De simulator gebruikt deze informatie en bootst als het ware het contactcenter na. Als output komen de gerealiseerde service levels, antwoordsnelheid en abandonment rate beschikbaar. Door de simulator verschillende scenario’s te laten berekenen, kan deze informatie worden gebruikt om op die manier de benodigde resources in de komende weken, maanden en jaren te voorspellen om bijvoorbeeld een bepaald service level te realiseren.
Meten is weten
Hoe nauwkeurig iselke methode? Wat is de impact op de lange-termijnplanning van het contactcenter? Via ene praktische test verkregen we antwoord op die vragen. Voor verschillende contactcenters van verschillende grootte in verschillende branches maakten we forecasts, op basis van Erlang-C, en op basis van simulatie. Voor een periode van enkele maanden zijn door de contactcenters historische ACD-data beschikbaar gesteld, die zijn gebruikt om de berekende forecasts te valideren ten opzichte van de werkelijkheid (backcasting). Daarbij zijn zowel zeer kleine ACD-groepen (gemiddelde 3FTE’s) tot grote ACD-groepen (gemiddeld 228 FTE’s) onderzocht.
Conclusie
Simulatie is duidelijke een betere methode om tot een nauwkeurige lange-termijnplanning te komen in vergelijking met Erlang-C. Maar, Erlang-C is veel simpeler te implementeren. Voor simulatie dient er voor elk contactcenter een specifiek model te worden gemaakt, waarin zaken als contactcenter-specifieke routering, historische patronen van binnenkomend verkeer, afhandeltijden, agent efficiency/shrinkage en ‘customer patience’ worden meegenomen. Dit kost aanzienlijk meer moeite dan het gebruik van Erlang-C. Voor de grotere contactcenters lijkt het meer dan de moeite waard om het simulatiemodel serieus te overwegen. De te behalen besparingen op medewerkerskosten en de verbeterde klantbeleving zijn evident.
Lees het volledige artikel in de PDF
De resultaten
Op basis van de praktijktest waarin we de nauwkeurigheid van Erlang-C en simulatie onderzochten, komen we tot de volgende conclusies:
- Erlang-C is in het algemeen te pessimistisch over het berekenen van service levels. Anders omschreven: de werkelijkheid is beter dan berekend.
- Simulatie is soms iets te optimistisch over de berekening van service levels, maar veel nauwkeuriger dan Erlang-C. Dit geldt zeker, indien men dit toepast op weekbasis, zoals bij een lange-termijnplanning.
- Erlang-C wordt betrouwbaarder, indien het aantal klantadviseurs toeneemt en hun bezetting laag is (met hoog service level en laag abandonment ratio).
- Simulatie is betrouwbaarder, ongeacht het aantal adviseurs en hun bezetting. Als de abandonment ratio hoog is, blijft simulatie betrouwbaar.
- Als het aantal benodigde FTE’s moet worden berekend, heeft Erlang-C veelal de neiging om te veel FTE’s te berekenen. Dit was op zich al langer bekend, maar deze test maakt duidelijk dat het om substantiële aantallen kan gaan.
- De simulatiemethode leidt niet alleen tot hogere nauwkeurigheid, ook is de standaardafwijking van de voorspellingen kleiner, vergeleken met Erlang-C. Dit heeft een gunstig effect op de operatie van het contactcenter: minder mismatches tussen het te verwerken aanbod en het aantal beschikbare adviseurs en dus een meer consistente klantbeleving.
