コールセンターの呼量予測が当たらない ー 日合計では見えない時間帯の予実差

先週の予測は1,200件、実績は1,214件だった。誤差1.2%。数字だけ見れば優秀な予測である。それでも午前10時台の応答率は78%まで落ち、夕方には手が空いたオペレーターさんが待機していた。

この状況で「予測精度を上げよう」と言っても、改善の打ち手は出てこない。日合計の誤差が小さいことと、時間帯ごとに人が足りていることは、まったく別の話だからである。 日合計というのは、午前の過少予測と夕方の過大予測が打ち消し合った後の数字にすぎない。

本稿は、通常日における時間帯別の予実評価をどう設計するかに絞る。台風や大規模障害のような異常日の扱いは、予測の入力データ側を補正する別の論点であり、ここでは扱わない。扱うのは、特別なことが何も起きていない平日に、なぜ繁忙時間帯だけ崩れるのかである。なお本稿で示す手順・粒度・頻度の例はすべて編集部の実務設計案であり、業界標準や特定製品の推奨ではない。

1. 粒度を下げるほど誤差は増える、という前提

最初に受け入れておくべき事実がある。時間帯別の予測は、日次の予測より必ず当たらない。 これは予測モデルの出来の問題ではなく、統計上の必然である。長い期間で集計するほどランダムな揺れが打ち消し合うため、日次より週次、週次より月次のほうが誤差率は小さくなる。逆に30分や15分の粒度まで下げれば、同じモデル・同じ入力でも誤差率は跳ね上がる。

ベンダー側の解説でも同じ前提が置かれている。Decagonの用語解説は、よく運営されているコンタクトセンターが日次で90〜95%、週次・月次で95%以上の精度を目標に置くのが一般的だとしたうえで、時間帯別の目標はこれより低く設定されると説明している（ベンダー発表の解説であり、出典となる調査は明示されていない）。数字そのものより、粒度ごとに目標値を変えるという考え方のほうを持ち帰りたい。

このことは主要なWFM基盤の設計にも表れている。Amazon Connectの予測・キャパシティプランニング・スケジューリングの管理者ガイドによれば、短期予測は毎日自動更新され最大18週先までのスケジューリングに、長期予測は毎週更新され最大64週先までのキャパシティプランニングに使われる。日中の変動を追うイントラデイ予測は15分ごとに更新されるが、これは「過去4週間において、キューとチャネルの組み合わせごとに週5,000件以上のユニークコンタクト」があるキューに限って生成される（いずれも同ドキュメントの記載。2026年9月時点）。つまり呼量が一定以上ないキューでは、そもそも細かい粒度の予測が成立しないと製品側が前提を置いている。

同ガイドはもう一点、平均処理時間（AHT）の扱いについても短期と長期で設計を変えている。短期のワークロード予測では、AHTを固定値として扱うほうが結果が良い。長期予測では、AHTを変動させるほうが良い。粒度が違えば、良い前提そのものが違うという設計思想がここに現れている。

当て馬として小売の需要予測を置くと、構造の違いがわかりやすい。小売では在庫という緩衝材があるため、日次で当たっていれば時間帯の誤差はある程度吸収できる。コールセンターの在庫にあたるのは待ち呼と放棄呼、つまり顧客の我慢である。緩衝材が顧客側にあるという点で、同じ「予測が外れた」でも損失の出方が根本的に違う。ただしこの対比を単純化しすぎるのも危険で、小売でも欠品の機会損失は発生するし、コールセンターでも用件によっては折り返しで吸収できる。違いは緩衝材の有無ではなく、緩衝材のコストを誰が払うかにある。