Mengonfigurasi prakiraan volume kasus

Artikel
03/07/2024

Artikel ini menjelaskan cara menyiapkan prakiraan kasus di layanan pelanggan.

Penting

Fitur ini ditujukan untuk membantu Manajer Layanan pelanggan atau supervisor meningkatkan kinerja tim dan meningkatkan kepuasan pelanggan. Fitur ini tidak ditujukan untuk penggunaan dalam pembuatan, dan tidak boleh digunakan untuk membuat, keputusan yang mempengaruhi pekerjaan karyawan atau grup karyawan, termasuk kompensasi, imbalan, senioritas, atau hak lain atau penetapan. Pelanggan bertanggung jawab untuk menggunakan Dynamics 365 Customer Service, fitur ini, dan fitur atau layanan terkait sesuai dengan semua hukum yang berlaku, termasuk hukum yang terkait dengan mengakses analitik karyawan individual dan pemantauan, pencatatan, dan penyimpanan komunikasi dengan pengguna akhir. Ini juga mencakup pengguna akhir yang cukup memberi tahu bahwa komunikasi mereka dengan agen dapat dipantau, direkam, atau disimpan, sebagaimana diwajibkan oleh hukum yang berlaku, mendapatkan persetujuan dari pengguna akhir sebelum menggunakan fitur tersebut. Pelanggan juga didorong untuk telah memiliki mekanisme untuk menginformasikan kepada agen mereka bahwa komunikasi mereka dengan pengguna akhir dapat dipantau, direkam, atau disimpan.

Gambaran Umum

Supervisor layanan pelanggan di organisasi Anda harus memastikan bahwa mereka memiliki sejumlah agen yang memadai untuk menyediakan layanan kepada pelanggan. Overcapacity menghasilkan biaya yang lebih tinggi, sementara undercapacity menghasilkan waktu tunggu pelanggan yang lebih lama, yang pada gilirannya dapat berdampak negatif terhadap kepuasan pelanggan.

Sebagai administrator, Anda dapat mengonfigurasi laporan prakiraan kasus untuk membantu supervisor Anda merencanakan tingkat kepegawaian yang tepat untuk bisnis Anda berdasarkan volume kasus yang diprediksi.

Supervisor dapat menggunakan laporan prakiraan kasus dengan cara berikut:

Memprakirakan volume kasus mendatang berdasarkan lalu lintas historis.
Visualisasikan perkiraan volume kasus setiap hari untuk rentang waktu hingga enam bulan, tergantung pada berapa hari kasus dibuat di masa lalu. Perkiraan ini dapat digunakan untuk merencanakan sumber daya dan rekrutmen agen untuk memenuhi permintaan di masa depan.
Visualisasikan volume kasus yang diperkirakan berdasarkan interval 15 menit, untuk rentang waktu hingga enam minggu tergantung pada berapa hari kasus dibuat di masa lalu. Perkiraan ini dapat digunakan untuk menjadwalkan agen untuk memenuhi permintaan jangka pendek.
Mengiris prakiraan volume berdasarkan saluran dan antrean.
Lihat rollup volume aktual dan perkiraan berdasarkan jam, harian, mingguan, bulanan, dan tahunan.
Secara otomatis mendeteksi kemacetan dari lalu lintas historis dengan pilihan pengaturan untuk mengimpor kalender libur Anda. Deteksi ini membantu model prakiraan untuk memprediksi volume kasus secara akurat selama peristiwa musiman khusus.

Catatan

Perhatikan hal-hal berikut saat menggunakan laporan prakiraan kasus:

Prakiraan mungkin salah menyatakan estimasi volume karena berbagai alasan, termasuk tren yang tidak diantisipasi atau pengembangan bisnis.
Laporan prakiraan saat ini tersedia di lokasi geografis tertentu. Informasi selengkapnya: Batas ketersediaan dan Layanan regional untuk Customer Service.

Cara kerja prakiraan kasus

Laporan Prakiraan menggunakan model prakiraan yang didukung oleh AI yang memprediksi volume kasus berdasarkan data kasus historis. Model ini menggunakan metode peramalan ansambel dengan dukungan musiman (deteksi otomatis dan pengaturan khusus) untuk meningkatkan kualitas perkiraan.

Laporan ini dapat memperkirakan tren harian untuk rentang tanggal hingga enam bulan, dan tren intraday (interval 15 menit) untuk rentang tanggal hingga enam minggu, tergantung pada berapa hari data historis tersedia dan digunakan. Secara umum, model dapat memprakirakan periode yang setengah dari rentang tanggal input, dengan kondisi berikut:

Untuk perkiraan volume kasus harian, jika rentang waktu data historis kurang dari 12 bulan, rentang waktu perkiraan adalah setengah dari rentang waktu input. Misalnya, delapan bulan dari rentang tanggal historis dapat memprakirakan untuk empat bulan berikutnya. Jika rentang historis sama atau lebih dari 12 bulan (hingga 24 bulan), laporan memperkirakan untuk enam bulan ke depan.
Untuk perkiraan volume kasus intraday (interval 15 menit), model hanya menganalisis data historis enam minggu terakhir. Rentang waktu perkiraan adalah setengah dari total rentang waktu input. Misalnya, rentang tanggal historis 12 minggu dapat diperkirakan untuk enam minggu ke depan (yang merupakan maksimum). Dari 12 minggu data historis ini, hanya enam minggu terakhir yang dianalisis untuk menghasilkan perkiraan.

Data historis harus memenuhi persyaratan minimum berikut agar model dapat membuat prakiraan. Jika tidak, pesan kesalahan akan diposting di halaman pengaturan admin.

Setidaknya tersedia data historis selama dua minggu.

Pertimbangan utama untuk meningkatkan akurasi prakiraan

Kami merekomendasikan kriteria berikut untuk memanfaatkan data pengguna guna menghasilkan perkiraan yang akurat.

Data tidak jarang: Set data berisi informasi untuk setiap hari, memastikan bahwa tidak ada data yang hilang atau tidak lengkap. Setiap hari memiliki volume yang direkam, menyediakan serangkaian pengamatan yang komprehensif.
Hapus pola mingguan: Data menunjukkan pola mingguan, di mana volume secara konsisten mengikuti tren tertentu. Misalnya, akhir pekan secara konsisten memiliki volume rendah, sementara hari kerja menunjukkan volume yang lebih tinggi, dan sebaliknya. Pola ini membantu dalam membangun dasar yang dapat diandalkan untuk peramalan.
Akurasi berbasis volume: Jika kriteria terpenuhi, kualitas perkiraan meningkat dengan input volume yang lebih besar. Volume data yang lebih tinggi berkontribusi pada perkiraan yang lebih akurat dan kuat.
Tidak adanya pergeseran level: Hari-hari terakhir dan periode mendatang tidak mengalami perubahan level volume yang tiba-tiba atau signifikan. Tidak adanya perubahan mendadak ini memastikan bahwa pola historis tetap relevan dan dapat diandalkan untuk tujuan peramalan.
Himpunan data historis yang lebih panjang: Jika semua kriteria di atas terpenuhi, riwayat data yang lebih panjang semakin meningkatkan akurasi perkiraan. Himpunan data historis yang lebih besar memberikan perspektif yang lebih luas dan pemahaman yang lebih komprehensif tentang pola dan tren dari waktu ke waktu. Dengan sejarah yang diperpanjang, model perkiraan dapat menangkap dan menggabungkan lebih banyak variasi, yang mengarah ke prediksi yang lebih akurat.
Pembobotan akurasi prakiraan terbaru: Saat mempertimbangkan periode mendatang, penting untuk mengetahui bahwa keakuratan prakiraan cenderung lebih tinggi untuk jangka waktu yang lebih cepat. Seiring berjalannya waktu ke masa depan, kepastian dan ketepatan ramalan dapat menurun. Oleh karena itu, perkiraan terbaru harus diberi bobot lebih dan dianggap memiliki akurasi yang lebih baik dibandingkan dengan perkiraan untuk periode mendatang yang jauh.

Prasyarat

Untuk mengonfigurasi prakiraan kasus (pratinjau) laporan, Anda harus memiliki peran Administrator sistem.

Agar pengguna di organisasi Anda dapat mengakses laporan perkiraan, mereka harus menjadi bagian dari peran yang memiliki hak istimewa Baca di tabel msdyn_dataanalyticsreport_forecast . Administrator sistem Anda harus menetapkan hak istimewa ini ke peran apa pun yang memerlukan akses ke laporan prakiraan. Di luar kotak, peran berikut sudah memiliki hak istimewa baca pada tabel Prakiraan:

Manajer CSR
Administrator Multisaluran
Penyelia Multisaluran

Mengaktifkan laporan prakiraan kasus

Di aplikasi pusat admin Customer Service, dalam Operasi, pilih Insights. Halaman Wawasan akan ditampilkan.
Di bagian Setelan laporan, di samping prakiraan kasus, pilih Kelola. Halaman prakiraan kasus ditampilkan .
Alihkan Aktifkan prakiraan kasus menjadi Aktif.
Laporan ini mencerminkan hari ketika laporan ini diaktifkan. Jika Anda ingin memilih hari yang berbeda dalam satu bulan agar laporan diperbarui, di Jadwal prakiraan harian, pilih hari yang Anda inginkan untuk me-refresh laporan.
Setelah laporan dibuat pertama kali, Anda akan melihat bagian Ringkasan model yang dijalankan di atas halaman yang menampilkan tanggal dan waktu terakhir prakiraan dibuat. Waktu mencerminkan zona waktu Anda. Jika Anda ingin mengatur zona waktu default yang berbeda, lakukan langkah-langkah berikut:

a. Pilih tombol Pengaturan (roda gigi) di sudut kanan atas layar, kemudian pilih Pengaturan Personalisasi. Halaman Atur Opsi Pribadi akan ditampilkan.

b. Di Tetapkan zona waktu Anda, pilih zona waktu yang Anda inginkan dari menu dropdown.

c. Pilih OK.
Jika Anda ingin mengubah zona waktu yang akan digunakan untuk perkiraan, di bawah Zona waktu untuk perkiraan harian, pilih zona waktu yang Anda inginkan.
Jika Anda ingin memilih tanggal tertentu tempat data dimulai, di bawah Tanggal mulai data historis (opsional), pilih Tanggal mulai yang Anda inginkan. Tanggal paling lambat (terdekat) yang dapat digunakan untuk memulai adalah setidaknya dua minggu ke belakang dari tanggal saat ini. Jika tidak ada yang dipilih, tanggal mulai ditentukan berdasarkan tanggal pembuatan paling awal dari semua catatan sejarah Anda, hingga dua tahun. Jika tanggal mulai yang Anda pilih lebih awal dari dua tahun, hanya data dua tahun terakhir yang digunakan.
Jika Anda ingin menentukan musiman, di bawah Musiman, pilih kotak centang Gunakan jadwal dari Kalender Hari Libur . Memilih tautan Kalender Libur akan membuka halaman Semua Jadwal Libur, yang memungkinkan Anda membuat jadwal baru atau memilih jadwal yang ada.
Simpan perubahan. Jika Anda mengaktifkan fitur perkiraan untuk pertama kalinya, mungkin diperlukan waktu hingga 24 jam hingga data perkiraan siap ditampilkan dalam laporan perkiraan.

Bagikan melalui