呼叫中心是国内目前高速发展的一个产业，由于工作环境的特殊性整个行业的人员流失率相对偏高，高流失率已经严重影响了呼叫中心的正常运营，本文试图通过研究与流失率相关联的一些因素，探讨是否能通过关联指标进行流失率警示的可能性。从而可以让企业提前采取干预措施及后续应对措施来消除高流失率对正常运营的消极影响。
流失率对呼叫中心的影响
根据呼叫中心2008年行业调研报告显示，呼叫中心行业的人员流失率已经达到21%，已经远远高于绝大多数行业的平均人员流失率。高流失率不仅给企业带来招聘和培训上的巨大成本（据该调研报告统计，在中国更换一名话务员的成本为2900元人民币），同时由于行业特殊性，离职员工中有近一半人员会采取不提前通知公司的方式即时离职，给企业在后续人力补充上带来了很大困扰。人员的不足及大量新员工的加入必然会影响服务质量，从而造成呼叫中心运营水平低绩效。另一方面，由于离职员工大多是熟练工作者，再次就业给竞争对手带来了成本的降低，从而给企业带来了很大的竞争压力。要让呼叫中心保持一个高绩效的服务水平，人员是管理者首要考虑的重点因素，因此研究对流失率的控制，保持一个相对稳定的服务团队是目前呼叫中心运营上一个亟待解决的问题。
与流失率相关的因素分析
我们希望本项研究能找出一些和流失率相关联的一些可追踪因素，并通过对这些关联因素的定期分析能提前判断出流失率增长的趋势，从而让企业提前采取干预措施进行各项挽留工作以及可以进行前瞻性的人力储备：
1、遵时率与流失率的关联分析
遵时率：本指标是指员工在统计周期内登入系统准备就绪的工作时长与计划安排时长的比例。从员工心理分析，一旦员工有了离职倾向，无论是对企业不满产生的离职意愿亦或是自身原因产生的离职意愿，其的工作积极性及主动性都会不同程度的下降，在呼叫中心里最直接的表现就是员工不再按照公司安排的计划时间工作。由于呼叫中心是全程系统监控，员工无论何种原因没有按计划开展工作，系统都会跟踪并记录下来，最终以遵时率的形式展现在报表中。在实际运营管理中，该指标通常可以用于判断员工工作态度的各项指标之一。
2、工时利用率与流失率的关联分析
工时利用率：本指标是指员工在统计周期内实际用于工作处理的时长与计划安排时长的比例。该指标是直接反映员工工作负荷的重要指标之一，根据朱梅等人的研究表明，呼叫中心话务员的离职倾向与工作压力的相关系数为0.578（P<0.01）,而工作压力由大到小依次为工作负荷、公司管理、与领导的冲突、与同事的冲突等。我们在本次研究中选取代表工作负荷的工时利用率是因为该指标也可以通过系统自动统计出来，每天能以报表的形式输出，方便管理者进行数据的跟踪和分析。
样本的确定
我们抽取了深圳某呼叫中心过去30个月的人员流失率数据及遵时率及工时利用率数据，其中人员流失率数据是由该呼叫中心人力资源部手工统计方式提供，其他二项数据直接从系统中提取。
统计学处理：将这30组数据整理后通过EXCEL数据分析中的回归函数进行处理，进行多元回归函数分析。
前提假设
由于对流失率的影响关联因素较多，所以在研究的过程中要对问题的研究边界给予一定的假设。根据行业特点，本文做了以下几个假设：
1、假设一：该呼叫中心的招聘流程是严谨科学的，即该呼叫中心招聘进来的坐席都是符合岗位要求及相关性格特点的，不会因为招聘的失误导致集中性的人员流失；
2、假设二：该呼叫中心的各项政策是延续性的并且比较平稳，不会因为政策的波动导致员工集中流失；
3、假设三：整个深圳呼叫中心劳动力市场的供需关系及主要竞争对手的薪酬水平没有剧烈变化。
研究结果
以流失率作为因变量，以遵时率及工时利用率作为自变量，进行多元逐步回归分析。结果显示回归方程为:
Y(流失率)=0.1489X1-0.0861X2+0.02613
其中X1为工时利用率，X2为遵时率，调整后的R2为0.7577研究结果的意义在于：
1、由于该方程式的调整后的R2达到0.7577，较为显著，在实际工作中有较强的实际运用价值；
2、由于呼叫中心的突发性人员流失情况较为严重，管理者可以利用该公式进行流失率的相关预测工作。因为工时利用率和遵时率是可以从系统中按天提取数据，管理者可以根据方程式对这些数据进行跟踪分析，提前预测；
3、预测的结果可以帮助呼叫中心的管理人员提前进行各项干预性措施减少流失率及提前进行人员储备工作，以解决目前由于突发性大量人员流失带来的对服务水平的负面影响。
假设检验
1、多元回归方程显著性检验
该模型调整后的R2为0.7577，显示在流失率变化过程中该方程式能解释75.77%比例，显示自变量的变化导致因变量的变化较为显著。为了进一步验证模型是否有效，我们对该模型做显著性假设检验：
H0: ß1=ß2=0
H1:至少一个ßi≠0
如果原假设成立，即所有的自变量与Y都无线性关系，因此模型无效；
如果原假设不成立，则最少有一个ßi不等于0，即最少有一个自变量与因变量存在线性关系，因此模型有效。
我们利用方差分析的结果来对模型进行验证，方差分析的结果如下：
F=MSR/MSE=46.3407
p-值=0.0000000018623非常小，小于0.05。因此拒绝H0,即至少有一个ßi不等于0，模型有效。
2、方程回归系数显著性检验
以5%的显著水平检测X1及X2与Y之间是否存在线性关系
要检验：H0: ßi=0
H1:ßi≠0 （i=1，2）
对于ß1，p-值=0.0000000251，小于0.05，因此拒绝H0.有足够证据证明Y与X1之间存在线性关系。
对于ß2，p-值=0.023207，小于0.05，因此拒绝H0.有足够证据证明Y与X2之间存在线性关系。
作者：余腾云为华安财产保险股份公司电话中心副总经理。
