Preguntas frecuentes (FAQ)

Cuando usted está revisando el paso Datos de Pronóstico, usted ve tanto el volumen y AHT pronosticados para todas las habilidades seleccionadas. Los datos pueden parecer inexactos, mientras que usted espera ver los valores normales:

• Usted ve en algunas áreas donde el AHT o el volumen es inusualmente bajo o en 0,00.

• Se ven picos de volumen los martes y miércoles, pero los datos históricos muestran picos los lunes y tendencias decrecientes hasta el viernes.

En estos casos, considere realizar cambios en los datos históricos.

En el paso Datos históricos, busque días que no sigan el estándar. Por ejemplo, los volúmenes pueden ser demasiado altos para un día determinado debido a una promoción de producto. Este no es un día normal. Debido a esto, los datos de pronóstico mostrarán un volumen o AHT inexacto para algunas habilidades.

Para mejorar la precisión de los volúmenes pronosticados y AHT, defina esos días como Días especiales. En la configuración de días especiales, elija Excluir este día de las previsiones futuras. Esos días no se tomarán en consideración dentro del paso de Datos de pronóstico.

Cuando el volumen de interacción previsto para un día entero sea 0, no podrás editar el volumen.

Puede verificar que el volumen para del día completo sea 0 observando los datos por día (1D). En la vista por día, puede ver los datos de cada intervalo durante el día.

Si el volumen para todos los intervalos es 0, ese es el motivo por el que no puede modificar los datos.

Para poder modificar el volumen, cambie al menos un intervalo.

Por ejemplo, el volumen de interacciones previsto es 0 el 25 de enero. Actualmente está en la vista por mes (1M). En este caso, no podrá aplicar modificaciones ni acciones en masa.

Para modificar el volumen del día 25:

• Vaya a la vista por día (1D).

• Modifique al menos un intervalo. Por ejemplo, 25 de enero a las 8:00 a. m.. En lugar de 0, escriba 1 o el valor que desee para ese intervalo.

• Para aplicar cambios al día completo, regrese a la vista por mes (1M) y modifíquela.

Cuando cree un trabajo de pronóstico, el sistema calcula los datos de pronóstico en dos etapas. Primero, los datos se generan en Datos de Pronóstico (paso 3 del pronóstico), en función de las habilidades requeridas. En segundo lugar, el sistema puede mejorar los datos de pronóstico distribuyendo la carga de trabajo entre varias unidades de programación. Después de definir los Parámetros de la Plantilla de Personal (paso 4), se regeneran los datos. Esta vez, el cálculo también considera las unidades de programación que pueden manejar las interacciones. Esto asegura que los datos de pronóstico sean lo más precisos posible. Los datos de previsión se actualizan en la Plantilla de personal (paso 5).

Cuando genere una programación basada en un trabajo de pronóstico, los datos de pronóstico se basan en los datos del paso 5. También se muestran en las columnas de Pronóstico en Gestor de Intradía los datos del pronóstico final.

Durante el proceso de pronóstico (paso 3), se genera un pronóstico sin procesar, centrándose únicamente en el volumen y el tiempo promedio de manejo (AHT) por habilidad, sin considerar a los agentes. Desde el (paso 3) al (paso 5), se produce un proceso de simulación que distribuye los requisitos de los agentes a cada unidad de programación que maneja las habilidades previstas. Estos requisitos luego se traducen nuevamente en volumen por habilidad por unidad de programación.

En el (paso 5), como se muestra en la captura de pantalla, podemos observar el volumen y el AHT para el intervalo de 8:00 AM a 8:15 AM, lo que indica la cantidad esperada de contactos a manejar por unidad de programación por habilidad como resultado de la simulación.

Ver ejemplo

Digamos que activó ACD en abril de 2021. Es entonces cuando se empiezan a recopilar los datos históricos. Luego activó WFM en noviembre de 2022. Como ha estado recopilando datos históricos durante más de un año, debería poder usarlos automáticamente cuando genera una previsión.

Sin embargo, el trabajo de previsión dice que no hay datos históricos (en el paso 2). Para solucionarlo, póngase en contacto con el soporte técnico. Ellos importarán los datos históricos que usted recopiló en WFM.

El sistema está funcionando tal como fue diseñado. La función de selección automática elige automáticamente el mejor modelo de pronóstico según datos anteriores. En este caso, el sistema eligió el modelo que parecía más preciso para los datos que recibió. Aunque produjo un pico los jueves, esto es parte de la función prevista del sistema: seleccionó lo que parecía ser la mejor opción basándose en resultados anteriores.

La diferencia en los resultados proviene de cómo ambos modelos manejan los datos:

• El modelo de selección automática escogió un método de pronóstico que funcionó mejor para los datos pasados, pero captó un patrón semanal (como el pico del jueves) y lo trasladó al futuro.

• El modelo de suavizado exponencial (ES) suaviza los datos, lo que lo hizo menos sensible a los picos del jueves y produjo un pronóstico más estable.

Ambos modelos dan resultados diferentes porque están diseñados para manejar los datos de diferentes maneras y cada modelo tiene sus fortalezas dependiendo del comportamiento de los datos.

El modelo de selección automática hace exactamente lo que fue diseñado para hacer: elige el modelo que determina que brindará el pronóstico más preciso basado en datos históricos. Sin embargo, en casos raros como éste, el modelo podría detectar patrones inusuales que no se apliquen en el futuro, como el pico del jueves. El cliente puede utilizar la función de selección automática, pero en algunas situaciones específicas, es posible que necesite elegir manualmente un modelo diferente (como el suavizado exponencial) para obtener un pronóstico más preciso.

Teniendo en cuenta que el cliente es titular de una licencia avanzada, tiene la opción de seleccionar manualmente el modelo de pronóstico siempre que considere que el modelo seleccionado automáticamente no proporciona los mejores resultados. Esta flexibilidad les permite elegir el modelo más adecuado a sus necesidades específicas.

En la pantalla de personal para el trabajo a continuación, consideremos un intervalo el 15 de enero para la habilidad "Centro de contacto", como se resalta en la imagen a continuación:

Ver ejemplo

En el ejemplo anterior, podemos ver que el volumen es 4,71 con un AHT de 100,43 para la habilidad Centro de contacto. Esto significa que dentro de un intervalo de 900 segundos (15 minutos), todas las llamadas serán atendidas por un solo agente con un AHT de 100,43. Si utilizamos las cifras exactas en nuestros cálculos, el requerimiento de personal de 0,53 es correcto, ya que hay 67 agentes en la unidad de programación.

Cambiar el nivel de servicio no afecta la dotación de personal porque tenemos suficientes agentes para manejar las llamadas. Cuando observamos la configuración del Centro de contacto en la unidad de programación durante la generación de personal, vemos que hay un total de 67 agentes disponibles para manejar llamadas para la habilidad seleccionada. Por lo tanto, cuando se generan los requisitos de personal, si hay suficientes agentes disponibles para manejar las interacciones previstas en cada intervalo, no se considera el SLA ASA.

Sin embargo, si no hay suficientes agentes disponibles para gestionar las llamadas previstas durante un intervalo determinado, se utiliza la métrica SLA ASA para determinar la cantidad de agentes necesarios para cumplir con los objetivos de nivel de servicio. Este principio se aplica a todos los intervalos, habilidades y unidades de programación para este rol. Considerando el bajo volumen y AHT, y la cantidad adecuada de agentes disponibles, las cifras de personal permanecen sin cambios, ya que hay suficientes agentes para cumplir consistentemente el contrato de nivel de servicio del 100 %, el ASA se calcula efectivamente como cero.

Con base en la solicitud de datos históricos, verificamos si la habilidad ACD es entrante o saliente y si la dirección de la habilidad WEM es entrante o saliente. Si no coinciden, un mensaje en la página histórica indica una falta de coincidencia en la dirección.

Mensaje de error:

• La dirección de Habilidades WEM no coincide con ACD. Alinee estas habilidades de WEM con ACD: Atención al cliente OB.

Posibles causas:

• Caso 1: La habilidad WEM es entrante, pero la habilidad ACD asignada a ella es saliente.

• Caso 2: Tanto las habilidades WEM como ACD son salientes, pero los datos históricos cargados están marcados como entrantes.

• Caso 3: Tanto las habilidades WEM como ACD son entrantes, pero los datos históricos cargados están marcados como salientes debido a que el indicador de salida se establece en Verdadero durante la carga.

• Caso 4: La habilidad ACD fue eliminada y recreada. En este caso, se pierde la asignación original entre la habilidad WEM y la habilidad ACD.

Solución alternativa:

• Asegúrese de que los datos históricos se carguen de acuerdo con la configuración de habilidades de ACD. Si la habilidad ACD está definida como saliente, configure isOutboundFlag en True durante la carga. De lo contrario, si la habilidad ACD se define como entrante, establezca isOutboundFlag en False.

• Si se eliminó y volvió a crear una habilidad ACD, reasigne la habilidad WEM a la habilidad ACD recién creada.

• En los casos en que una habilidad ACD está asignada como entrante, pero la habilidad WEM asociada tiene Asignar a canal configurado en Marcador, la habilidad WEM debe eliminarse. Cree una nueva habilidad WEM de tipo entrante y asóciela con la habilidad ACD entrante adecuada.

• Vuelva a cargar los datos históricos desde WFM > Pronóstico > Datos históricos de ACD y asegúrese de que al menos 13 semanas de datos históricos estén disponibles para realizar pronósticos precisos.

En CXone Mpower WFM, Target ASA (Velocidad promedio de respuesta) es un parámetro opcional utilizado en los cálculos de personal.

• Puede definir un ASA objetivo como parte de sus parámetros de personal, pero no es obligatorio.

• Si no define un ASA objetivo, el proceso de dotación de plantilla de personal se seguirá ejecutando utilizando otras entradas, como el Nivel de servicio objetivo, para generar recomendaciones de plantilla de personal.

Cuando se genera la dotación de personal, el sistema ejecuta una simulación que modela cómo llegan los contactos, cómo se ponen en cola y cómo se responden en un ACD del mundo real. A partir de esta simulación, el sistema determina:

• El número de agentes necesarios para cumplir los objetivos definidos (Nivel de servicio y/o ASA).

• El tiempo de espera real promedio que experimentarían los clientes con la dotación de personal calculada.

Este tiempo de espera real se convierte en el ASA previsto que se muestra en el día.

• Si se define un ASA objetivo, el ASA previsto refleja el resultado de la simulación en función de ese objetivo.

• Si no se define ningún ASA objetivo, el ASA previsto se calcula automáticamente como parte de la simulación basada en el nivel de servicio.

Independientemente de si se configura un ASA objetivo, Intraday siempre muestra un ASA pronosticado basado en la simulación de personal.

Cuando se definen múltiples objetivos de servicio como Nivel de servicio, ASA objetivo y Ocupación máxima para la misma Habilidad WEM, CXone Mpower WFM evalúa todos los objetivos simultáneamente durante la simulación de plantilla de personal.

• El sistema calcula el número de agentes necesarios para cumplir cada objetivo individual.

• Luego selecciona entre ellos el que requiere el mayor personal.

  Por ejemplo:

  • El objetivo de Nivel de servicio requiere 20 agentes

  • Target ASA requiere 22 agentes

  • La Ocupación máxima requiere 18 agentes

  • Requerimiento final de personal = 22 agentes (el máximo de los tres)

Este enfoque garantiza que las recomendaciones de personal cumplan con todos los objetivos de servicio definidos, no solo con uno.

Por lo general, no se recomienda definir múltiples objetivos de servicio para la misma Habilidad WEM. Cada objetivo regula la dotación de personal de manera diferente y puede introducir restricciones conflictivas. Por ejemplo,

• El Nivel de servicio y el objetivo de ASA tienen como objetivo reducir los tiempos de espera de los clientes.

• La Ocupación máxima limita la utilización del agente, lo que puede entrar en conflicto con los objetivos de SL y ASA.

A pesar de ello, CXone Mpower WFM proporciona la flexibilidad para soportar tales escenarios cuando sea necesario. La Calculadora de requisitos de plantilla de personal evalúa múltiples objetivos seleccionados, ya sea definidos en el Perfil de plantilla de personal o directamente en el Trabajo de pronóstico, y genera recomendaciones de plantilla de personal que los satisfacen simultáneamente.

El algoritmo de pronóstico utiliza diferentes métodos para calcular el AHT en función de la cantidad de datos históricos disponibles:

Si hay menos de 2 años de datos históricos disponibles:

• El algoritmo utiliza un promedio ponderado móvil para estimar AHT.

• Este cálculo se realiza a nivel de intervalo, aplicando pesos a los puntos de datos recientes dentro de cada intervalo de tiempo (por ejemplo, bloques de 15 minutos o 30 minutos).

Si hay más de 2 años de datos históricos disponibles:

• El algoritmo evalúa múltiples modelos candidatos y selecciona el que tiene el error absoluto medio (MAE) más bajo.

• Esta selección de modelo también se aplica a nivel de intervalo, lo que permite que cada intervalo utilice el modelo que mejor se ajuste en función de su comportamiento histórico de AHT.

Resumen:

• < 2 años de datos: Promedio ponderado móvil → aplicado a nivel de intervalo.

• ≥ 2 años de datos: Modelo de mejor ajuste seleccionado utilizando MAE → aplicado en el nivel de intervalo.