盡管目前各種自助及AI渠道已經開始把大量的簡單服務交互從人工渠道解放了出來，人工渠道交互量占比逐步下降，但人工仍然是服務的終極保障和最后一道屏障，且從聯絡的數量上來講仍然是海量的，很多大型客服中心的人工服務日請求量仍然維持在幾萬、十幾萬甚至幾十萬。所以，人工接通率仍然是核心考核指標之一，也是讓大家很頭疼的指標之一。

如何提升接通率、持續達成接通率一直是客服運營關注的重點，什么在影響接通率、如何改善接通率也就自然成了運營分析的重點。那么我們應該如何對接通率的變化進行根源分析呢？本質上是從宏觀和微觀兩個層面上分析供需平衡的問題。限于篇幅，在具體運營場景中同時存在很多微妙的其它聯動效應，本文將不做展開，僅限于對接通率總體分析思路的梳理。

1、宏觀層面

接通率指標實際上是內外供需平衡的一個自然結果。

客戶的服務聯絡需求量以及處理每一通聯絡的時長構成了客服中心的服務工作量，這是需求端；客服中心內部的當班人數以及每個人的有效工作時長共同構成了供應端。

我們以一個工作日的場景為例，假設全天達成接通率指標需要處理的總人工聯絡量是50000通（已含放棄重播及未解決重播），綜合平均處理時長為150秒，則總工作量（負荷）為50000*150/3600=208.33小時。假設你的日人均有效工時為6.5個小時，全天共排了35個人來上班，則總有效工作時長為6.5*35=227.5個小時。總供應量大于總需求量，理論上，注意只是理論上，你的接通率應該是可以保障的，且略有盈余。反之，如果你的總有效工作時長低于208個小時，則接通率指標理論上是無法保障的。這是宏觀層面的分析思路，就是要分析工作量與處理能力的供需平衡。

如何提升人均有效工時利用率且又不至于使員工壓力過大是第四個分析重點。背后的細節就留給你去思考與實踐啦！

2、 微觀層面

在以上宏觀層面的分析思路中，為什么當內部員工的有效工時能夠匹配甚至超越外部客戶給予的總工作負荷的情況下，只能說理論上可以達成接通率指標呢？因為在微觀層面還有很多具體的細節會影響到接通率結果。

具體來說，微觀層面要觀察分析具體每個時段的供需狀況。有些時段人員有盈余，單純對于處理客戶聯絡來講，這些盈余時段的人力其實是被“浪費”掉了，會直接造成全天總有效工時的“減少”。而人員欠缺的時段則會出現接通率下降，放棄率上升，進而導致因放棄重播量上升而影響話務總量波動的情況。

所以最好的狀態就是每個時段的供需都是平衡的！但即便每個時段都是供需平衡的，由于來電的隨機性以及泊松分布原理，也并不能確保你的接通率一定達標，仍然只能是理論上可以保證。

一個是預測排班準確性，一個是員工的遵時率。

時段層次上的預測排班準確率越高，越能在最大程度上確保每個時段的供需平衡，當然在預測排班的時候要充分考慮員工的出勤率情況。而僅有高水平的預測排班準確率仍然是不夠的，還要看員工是否遵守已經排好的班次作息時刻，因為在需要TA的時段TA卻不在線會造成人員短缺；不需要TA的時候TA卻在線實質上是在“浪費”工時。這些都會造成時段供需平衡的變化。

總之，還是我在上課的時候反復強調的那句話。應用層面的數據分析（業務分析）離不開分析人員對業務的理解。對業務及運營理解的越通透，越有助于抓住問題的關鍵點，把分析深入到根源層次。接通率的分析如此，一解率、滿意率、平均處理時長等等其它指標的分析也是如此。

先理清關鍵影響因素及其影響作用機制，然后用數據去驗證、探索并形成對結論的支撐，才能更有效地推進業務的持續改善與提升。