首先讨论影响话务量的主要因素：
（1）发卡数。银行的发卡数决定了信用卡的客户量，从而影响了客户咨询业务的呼叫次数。
（2）账单日数量。账单日是指信用卡每月的结算日期，账单日之后的交易会记录在下一个记账周期。某公司会在账单日通过电子账单等形式通知客户该月的交易明细，客户也可以主动查询结算情况。
（3）固定额度调整通知短信数量。固定额度指信用卡最高可使用的透支金额。为刺激消费，某公司的市场部和信贷风险部门会根据消费-风险模型定期提高部分客户的固定信用额度。客户收到固定额度调整通知短信后，会致电呼叫中心确认，这也会影响话务量。
（4）市场活动通知短信数量。某公司为了刺激客户刷卡消费，会对部分客户发送市场活动促销短信。部分客户收到促销短信后，会致电呼叫中心询问活动详情等内容，提高了总话务量。
（5）额度不足和超限提醒短信数量。当客户的当前可用额度小于10%时，业务系统发短信通知客户，告知其额度不足。为了保证客户的账户安全，短信中不会告知客户当前可用额度的具体数值，因此大部分客户都会致电呼叫中心询问当前的可用额度等问题，这对话务量有较大影响。
此外，账单或交易分期申请数量、每天的审批拒绝数量、账户注销数量、催收还款的短信数量等诸多因素也对呼叫中心的话务量有一定程度的影响。
为了分析这些因素对话务量影响的重要性，这里使用SPSS Statistics 20的分类回归树算法寻找最佳的分支属性。分类回归树（classification and regression tree，CRT）是一种常用的决策树分析方法，可以处理离散型和连续型的变量。寻找最佳影响因素的过程即创建回归树模型分支的过程。将上述影响因素作为自变量、将呼叫中心话务量作为因变量进行影响因素分析，如图4.15所示。
结果发现，影响话务量的最重要因素为发卡数和固定额度调整通知短信数量，其次是额度不足和超限提醒短信数量，其他影响因素的重要性相对较低。因此，呼叫中心应关注固定额度调整等重要性较高的业务，做好相关服务人员的调度工作。利用重要性高的影响因素生成的回归模型会比较简单，且生成的预测模型比较准确。可以将发卡数、固定额度调整通知短信数量、额度不足和超限提醒短信数量等影响因素作为自变量，将话务量作为预测模型的因变量，生成呼叫中心话务量预测模型。
图4.15 影响因素重要性分析
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
