Wat is een goede benchmark voor de nauwkeurigheid van voorspellingen in contact centers?
Deze vraag krijgen we vaak van onze klanten. Volgens Calabrio is een foutmarge van 5% doorgaans de industrienorm. Dit komt overeen met de COPC high performance benchmark van 95% nauwkeurigheid op de voorspelling die wordt gebruikt voor de planning. Echter, volgens het 2019 benchmarkrapport van Injixo geeft 43% van de respondenten aan dat ze een lagere nauwkeurigheid hebben of de nauwkeurigheid helemaal niet meten, en dit is een zelfgerapporteerd aantal. Ook wordt aangegeven dat minstens 10% van de respondenten liegt, wat betekent dat de werkelijke foutmarge gemiddeld 2% lager ligt.
Wat is dus de werkelijke ‘Industrienorm’? En zijn dit soort benchmarks überhaupt nuttig? Nou… ja en nee. Industriebenchmarks zijn nuttig voor bijvoorbeeld softwareontwikkelaars, om in te schatten hoeveel potentieel er is voor verbetering binnen een sector. Maar als het gaat om het meten van het succes van het voorspellingsproces binnen je eigen team, dan is het een ander verhaal!
Volume is belangrijk!
Ten eerste: volume is belangrijk! Klanten nemen op willekeurige momenten contact met je op, wat zich vertaalt naar een Poisson-verdeling. Dit betekent dat naarmate het aantal klanten dat belt groter is, de verdeling stabieler wordt en het dus makkelijker wordt om te voorspellen. Dit betekent ook dat je een handicap hebt als je te maken hebt met lagere volumes.
Verschillend gedrag
Ten tweede: verschillende typen klanten gedragen zich anders. Klanten van energiebedrijven hebben de neiging om meer contact op te nemen op koude dagen, vooral de eerste koude dagen van het winterseizoen. Aangezien het weer moeilijk te voorspellen is, kan een lagere benchmark gerechtvaardigd zijn.
Daarnaast: hoe ver vooruit moet je voorspellen? Sommige contactcenters maken roosters 2 weken vooruit, terwijl andere tot wel 6 weken vooruit plannen. Voor laatstgenoemde is het veel moeilijker om een nauwkeurige (plannings)voorspelling te maken.
Dus als je op zoek bent naar een benchmark om je voorspellingsprestaties te evalueren, zorg er dan voor dat je deze variabelen meeneemt. Het goede nieuws is dat er een maximale nauwkeurigheid van de voorspelling kan worden berekend voor elke unieke set van historische gegevens.
