呼叫中心排班计算器

📊 呼叫中心参数

每小时到达的总呼叫数

通话时间 + 事后处理

%

在目标时间内接起的呼叫比例(%)

达到目标%允许的最大等待时间

%

坐席忙碌时间(建议 80–90%)

%

非生产时间

💡 快速场景:

📊 人员配置需求

👥 需要坐席数
15
用于呼叫(Erlang C)
🏢 总人员需求
22
包含 shrinkage
📈 坐席利用率
83%
占用率
🎯 服务水平
80%
目标时间内接起
⏱️ 平均等待时间
12 秒
📊 业务强度
5.0 E
📞 处理呼叫
100/小时
💼 FTE
15 FTE
🔢 计算步骤:

📈 性能分析

🔮 What-If 场景

呼叫量 +10%
计算影响...
处理时长 -20%
计算影响...
90% 服务水平
计算影响...

📊 关键指标(KPI)

放弃率 ~5%
坐席空闲时间 17%
排队概率 35%

⏰ 按小时排班建议

时间段 典型呼叫占比 呼叫/小时 需要坐席 总人员

📐 Erlang C 公式与原理

🔢 关键公式

业务强度 (E) = (呼叫/小时 × AHT) / 3600
基础坐席 = E / 占用率
总人员 = 坐席 / (1 - Shrinkage%)
服务水平:Erlang C 公式计算

💡 行业常见标准

  • • 服务水平:80/20(20 秒内接起 80%)
  • • 占用率:80–90% 最佳
  • • Shrinkage:25–35% 常见
  • • AHT:平均 3–6 分钟

呼叫中心排班计算器 - Erlang C 公式

📞 使用 Erlang C 公式计算所需呼叫中心坐席人数。根据呼叫量、平均处理时长、服务水平目标与 shrinkage 因素优化人员配置。

什么是 Erlang C?

Erlang C 是呼叫中心劳动力管理(WFM)中常用的数学公式,用于在给定呼叫量下计算为保持目标服务水平所需的坐席数量。 它基于排队论,并假设无法立即接起的呼叫会在队列中等待。

关键指标说明

  • 每小时呼叫量:高峰小时的总呼入
  • 平均处理时长(AHT):通话时间 + 事后处理(wrap-up)
  • 服务水平:在目标时间内接起的比例(例如 80/20)
  • 占用率:坐席实际在通话/处理中所占时间比例(非空闲)
  • Shrinkage:休息、培训、会议、缺勤等(非生产时间)

业务强度(Erlang)

公式: E = (每小时呼叫量 × AHT(秒)) / 3600

业务强度以 Erlang 衡量负载。1 Erlang = 1 名坐席连续忙碌 1 小时。

  • 示例: 100 呼/小时 × 180 秒 = 18,000 / 3600 = 5 Erlang
  • 意味着理论上 5 名坐席持续忙碌即可承载负载(理论最小值)

坐席需求计算

步骤 1 - 基础坐席(由业务强度决定):

最少坐席 = 业务强度 (E)

步骤 2 - 为达到服务水平增加冗余(Erlang C):

Erlang C 用于计算为达到目标服务水平所需的额外坐席数量。实际应用中通常需要迭代测试不同坐席数,直到满足 SLA。

步骤 3 - 按占用率调整:

需要坐席 = E / 目标占用率

步骤 4 - 加上 shrinkage:

总人员 = 坐席 / (1 - Shrinkage %)

计算示例

条件:

  • 100 呼/小时
  • AHT 180 秒(3 分钟)
  • 20 秒内接起 80%
  • 目标占用率 85%
  • Shrinkage 30%

计算:

  • 业务强度: (100 × 180) / 3600 = 5 Erlang
  • 基础坐席: 5 / 0.85 = 5.88 ≈ 6(最小)
  • 达到 80/20 需要额外缓冲 → 约 12–15
  • 加上 30% shrinkage:15 / 0.70 = 21.4 ≈ 22

服务水平常见标准

  • 80/20:20 秒内接起 80%(行业标准)
  • 90/20:20 秒内接起 90%(高端服务)
  • 70/30:30 秒内接起 70%(基础服务)
  • 80/30:技术支持常见

占用率建议

  • 80–85%:更利于员工状态
  • 85–90%:可接受且成本更优
  • 90%+:过高,易疲劳/倦怠
  • <70%:效率低,容量过剩

Shrinkage 组成

  • 休息:午餐、短休(10–15%)
  • 培训:持续发展(5–10%)
  • 会议:团队会议、1:1(3–5%)
  • 缺勤:病假、年假(5–8%)
  • 系统问题:技术故障(2–5%)
  • 典型合计:25–35%

呼叫分布规律

呼叫量会随一天内变化。典型模式:

  • 9–11:上午高峰(100%)
  • 11–13:午间回落(70–80%)
  • 14–16:下午高峰(90–100%)
  • 17 点后:较低(40–60%)

提升呼叫中心效率

  • 降低 AHT:更好培训、话术脚本、工具优化
  • 技能路由:把呼叫分给最合适的坐席
  • 自助服务:IVR、聊天机器人处理简单问题
  • 灵活排班:按呼叫规律匹配人力
  • 预测:预估季节/活动带来的峰值

常见错误

  • 忽略 shrinkage:必须计入非生产时间
  • 用平均量排班:应按峰值小时规划
  • AHT 忽略后处理:AHT 不只是通话时长
  • 占用率设太高:导致倦怠
  • 缺少波动缓冲:呼叫不会均匀到达

高级考虑

  • 多技能坐席:处理多条队列
  • 放弃率:等待中挂机的比例
  • 回呼:降低等待感知
  • 区间排班:15–30 分钟而非整小时
  • 实时遵从:坐席按排班执行情况

💡 小贴士:不要只按平均条件计算!请针对一周中最忙的一天、最忙的一小时进行场景测试。 大多数呼叫中心呼叫量存在 20–30% 波动。尤其遇到不可预测的峰值时,建议在 Erlang C 结果基础上额外增加 1–2 名坐席作为安全缓冲。 适度冗余通常比长等待导致的客户流失更划算!

评论 (0)

分享你的想法——请保持礼貌并围绕主题。

暂无评论。留下评论,分享你的观点!

要发表评论,请先登录。

登录后发表评论