需要予測
Forecasting (Contact Center)
過去のデータから顧客問い合わせを予測し、人員配置やリソース計画に活用します。
需要予測とは？
需要予測（Forecasting）は、過去の顧客問い合わせデータと外部要因（季節、キャンペーン、経済指標）を組み合わせ、将来の問い合わせ件数を統計的に予測する技術です。 コンタクトセンターでは、「来週の月曜午前には何件の問い合わせが来るか」「クリスマス前後にはいつがピークか」といった予測が、人員配置やシステム容量の計画に直結します。Forecasting は、この予測を自動計算し、Workforce Scheduling や Adherence Monitoring を支える基盤技術です。
ひとことで言うと： 「来週の雨の確率は 80%」という天気予報のように、「明日の問い合わせは 150 件」という予測を科学的に計算するものです。
ポイントまとめ：
- 何をするものか： 過去データから将来の顧客問い合わせ件数を予測する
- なぜ必要か： 人員や設備を効率的に配置し、顧客待機時間を短縮するため
- 誰が使うか： コンタクトセンター、運用管理、財務計画、経営層
なぜ重要か
多くのコンタクトセンターでは、スタッフ不足や過剰配置が日常的に発生しています。その原因は、将来の需要を正確に把握できていないためです。Forecasting を導入することで、「今週は需要が 15% 増加する」という予測に基づき、事前にスタッフを追加配置できます。逆に「金曜午後は需要が低下する」という予測から、派遣人員をキャンセルし、コスト削減も実現できます。
さらに、Forecasting の精度が高いほど、Workforce Scheduling も高い効果を発揮します。逆に、予測が外れれば、いくら Workforce Scheduling を使っても、実際の顧客体験は悪化します。つまり、Forecasting は、コンタクトセンター全体の運用効率を左右する最も重要な基盤技術なのです。
また、Customer Satisfaction Score (CSAT) との相関性も高く、待機時間短縮は直接的に顧客満足度向上につながります。
仕組みをわかりやすく解説
Forecasting は、複数の統計手法を組み合わせた高度な技術です。
段階1：トレンドの抽出 システムは過去 1～2 年の問い合わせ件数データから、長期的なトレンド（例：「毎月 2% 増加している」）を抽出します。これにより、市場の成長や縮小の方向性が見えます。
段階2：季節性の分析 問い合わせ件数は、曜日や時間帯によってパターンがあります。例えば、月曜は週末に溜まった問い合わせが増え、金曜午後は減る、といったパターンです。Forecasting は、この季節性（曜日・週・月・年単位）を自動抽出し、予測に反映させます。
段階3：外部要因の統合 キャンペーン実施時は問い合わせが増えますし、祝日前後は変動があります。高度な Forecasting ツールは、こうした外部要因をマニュアルで入力でき、予測精度を高めます。例えば、「来月の新製品ローンチで問い合わせが 30% 増加する」という仮説をシステムに入力すれば、その影響を予測に反映させます。
段階4：精度検証と継続改善 予測と実績を比較し、どのくらい精度が高かったかを検証します。精度が低い場合は、モデル（計算方式）を改善します。このサイクルを繰り返すことで、予測精度が数ヶ月で大幅に向上します。
実際の活用シーン
大規模なコンタクトセンターの運用最適化
5000 人以上のエージェントを抱える金融機関のコンタクトセンターが Forecasting を導入。従来は、マネージャーの経験と勘に頼ったシフト編成を行っていたため、人員不足時期と過剰配置時期が交互に発生していました。Forecasting により、精度の高い需要予測が可能になり、Workforce Scheduling と連動させることで、顧客待機時間が平均 45 秒から 18 秒に短縮。同時に給与コストが年間 5000 万円削減されました。
新製品ローンチによる需要変動への対応
EC 企業が新製品をローンチする際、問い合わせが通常の 2 倍に増加します。従来は「見当で多めに人を配置する」対応で、実際には不足や過剰が発生していました。Forecasting で、新製品ローンチ期の需要予測を精度高く実施。その結果、適切な時期に適切な人数を配置でき、顧客対応品質を維持しながら、人員コストも最適化されました。
季節変動への戦略的対応
小売店の退店キャンペーン時期には問い合わせが 3 倍に増加します。Forecasting により、ピーク期間を正確に予測し、その期間に集中的に派遣人員を追加配置。一方、オフシーズンは人員を削減。これにより、固定費は変わらず、変動費を最適化することで、全体的なコスト効率が 20% 向上しました。
メリットと注意点
メリット：
Forecasting は、顧客需要を科学的に予測することで、人員配置をデータドリブンに最適化します。これにより、顧客待機時間の短縮と運用コストの削減が同時に実現され、企業の収益性が向上します。また、予測データはダッシュボードで可視化でき、経営層の戦略判断を支援します。さらに、Workforce Scheduling や Adherence Monitoring との連携により、コンタクトセンター全体の統合最適化が可能になります。
注意点：
ただし、Forecasting も万能ではありません。予期しない外部ショック（パンデミック、大規模システム障害、社会的事件）に対しては、予測が大きく外れる可能性があります。また、新規ビジネスや急速に変動する市場では、過去データが不足しており、予測精度が低くなります。さらに、予測精度は常に 100% ではなく、実際には±10～15% の誤差が発生することが一般的です。そのため、予測値を過信せず、実績と比較し、継続的に改善していく運用が必要です。
関連用語
Workforce Scheduling — Forecasting の予測値に基づいて、最適なシフトを自動生成します。Forecasting 精度が低いと、Workforce Scheduling の効果も減ります。
Adherence Monitoring — 実績データを収集し、Forecasting の精度検証と改善に活用されます。
Customer Satisfaction Score (CSAT) — Forecasting による待機時間短縮が、直接的に CSAT 向上につながります。
Interactive Voice Response (IVR) — IVR での自動対応が可能な問い合わせ比率を Forecasting で予測することで、エージェント必要数をさらに最適化できます。
Call Scoring — コールの複雑度を分析し、Forecasting でスキル別の需要予測を行う際に活用されます。
よくある質問
Q: Forecasting の精度を高めるには、どのくらいの過去データが必要ですか？
A: 一般的には、1 年以上の過去データがあると、基本的な季節性やトレンドを抽出できます。ただし、2 年以上あると、年間変動や複数年トレンドも捉えられ、精度が大幅に向上します。新規ビジネスや市場急変期では、過去データが限定的でも、外部要因を手動入力することで、精度を補完できます。
Q: キャンペーン実施時の需要増加は、どう予測するのですか？
A: 多くのシステムは、キャンペーン実施予定日をカレンダーに入力でき、その影響度（「今回のキャンペーンは過去の新製品ローンチと同程度の影響」など）を指定できます。機械学習を用いた高度なシステムなら、過去のキャンペーン実績から自動的に影響度を推定します。
Q: Forecasting と Workforce Scheduling は、どう組み合わせるのですか？
A: Forecasting は「来週の月曜 9～10 時に 150 件の問い合わせがある」と予測し、その結果に基づいて Workforce Scheduling が「8 人のエージェントが必要」と計算し、最適なシフトを生成します。つまり、Forecasting は「需要予測」、Workforce Scheduling は「それに対する供給最適化」という役割分担です。
