預測式外撥系統
外撥系統（Outbound Dialer）是客服中心主動打電話給客戶的工具，依自動化程度分成預覽式、漸進式、預測式三種。選哪一種，直接影響座席的生產力和法規合規。
三種外撥模式
Preview（預覽式）
座席先檢視客戶資料，自行決定是否撥出以及何時撥出。
運作流程：
系統推送名單記錄 → 座席螢幕顯示客戶資料
↓
座席閱讀並準備（可設定預覽時限 30-120 秒）
↓
座席按下「撥號」→ 系統撥出
↓
座席等待接聽 → 通話 / 未接（座席手動標記結果）| 特性 | 說明 |
|---|---|
| 自動化程度 | 最低 |
| 座席控制權 | 最高（可跳過/延後） |
| 通話品質 | 最高（座席充分準備） |
| 效率 | 最低（大量閒置時間） |
| 適用場景 | 高價值客戶經營、複雜金融產品銷售、催收協商 |
Progressive（漸進式）
系統偵測到座席可用時自動撥出下一筆名單，每位空閒座席配撥一通。
運作流程：
座席進入就緒狀態 → 系統自動撥出 1 通
↓
等待接聽結果 → 接通 → 連接至座席（同時彈出客戶資料）
→ 未接 → 標記結果，撥下一筆| 特性 | 說明 |
|---|---|
| 自動化程度 | 中 |
| 座席控制權 | 低（無法預覽） |
| 撥號比 | 1:1（一席一撥） |
| 棄話率 | 近乎 0%（無超撥） |
| 適用場景 | B2B 電銷、服務回訪、不允許棄話的產業 |
Progressive 和 Predictive 的根本差別在撥號比。Progressive 死守 1:1，保證每通接通的電話都有座席能接，所以不會有棄話（Abandoned Call）。
Predictive（預測式）
系統同時撥出多通電話（超撥），透過演算法預測座席空閒時間與接通率，追求最大效率。
運作流程：
演算法持續計算最佳撥號比（例如 3:1）
↓
同時撥出多通 → 過濾忙線/無人接/答錄機/傳真
↓
接通的電話 → 連接至下一個可用座席
↓
若無可用座席 → 產生棄話（播放提示訊息或靜音後掛斷）| 特性 | 說明 |
|---|---|
| 自動化程度 | 最高 |
| 座席控制權 | 無 |
| 撥號比 | 動態調整（1.5:1 ~ 5:1） |
| 棄話率 | 3-5%（需嚴格控制） |
| 適用場景 | 大量消費性外撥、電話行銷、簡單通知 |
Predictive Dialer 演算法原理
核心挑戰
預測式外撥的核心是一個即時最佳化問題：在最大化座席利用率的同時，將棄話率控制在法規允許範圍內。
輸入參數
| 參數 | 說明 | 動態性 |
|---|---|---|
| 在線座席數 | 目前登入且可用的座席 | 即時變動 |
| 平均通話時長（ATT） | 歷史平均通話時間 | 以移動平均更新 |
| 平均話後處理時間（ACW） | 通話結束後的處理時間 | 以移動平均更新 |
| Hit Rate（接通率） | 撥出後成功接通的比例 | 依名單品質/時段變動 |
| Ring Duration | 從撥出到判定未接的等候時間 | 通常 25-45 秒 |
| 目標棄話率 | 法規或政策允許的上限 | 固定值 |
演算法邏輯
預測空閒時間 = 目前通話中座席的預估結束時間分布
預測接通率 = 最近 N 分鐘的接通率移動平均
預測接通延遲 = Ring Duration x 接通率分布
最佳撥號數 = 預計 T 秒後空閒座席數 / 預測接通率
× 安全係數（確保不超過棄話率上限）Hit Rate 與 Abandon Rate 的平衡
這是 Predictive Dialer 最關鍵的權衡：
| 撥號比提高 | 效果 |
|---|---|
| 座席閒置時間減少 | 正面：效率提升 |
| 棄話率上升 | 負面：客戶體驗下降、法規風險 |
| 接通後無座席機率上升 | 負面：浪費有效接觸機會 |
動態調節機制：
- 即時棄話率接近上限時，自動降低撥號比
- 座席閒置率過高時，逐步提升撥號比
- 時段變化（如午休後接通率驟升）時快速調整
- 名單切換時重新校準接通率參數
演算法的好壞很關鍵。差的預測演算法會走向兩種極端：太保守（座席大量閒著）或太激進（棄話率飆高）。成熟的 Predictive Dialer 會用機器學習模型持續把預測準確度磨上去。
答錄機偵測（AMD）
Predictive Dialer 的重要輔助功能是答錄機偵測（Answering Machine Detection），避免將答錄機接通的電話分配給座席浪費時間。
| 偵測方式 | 原理 | 準確度 |
|---|---|---|
| 語音能量分析 | 人類「喂」短促 vs 答錄機長段語音 | 85-90% |
| 語音活動持續時間 | 前 1.5 秒的語音特徵 | 90-95% |
| 靜音偵測 | 答錄機嗶聲前的特定模式 | 80-85% |
| 機器學習 | 綜合多維特徵 | 95%+ |
AMD 有個副作用要留意：它的偵測延遲通常 2-4 秒，於是真人接起來時會先聽到一段沉默，才被轉給座席，這對體驗是扣分的。有些法規管轄區還要求在偵測期間播放提示音。
效率對比表
| 指標 | Preview | Progressive | Predictive |
|---|---|---|---|
| 每小時撥號數/席 | 15-25 | 30-50 | 50-80 |
| 每小時有效通話數/席 | 8-12 | 15-25 | 30-50 |
| 座席利用率 | 30-40% | 50-65% | 75-90% |
| 座席閒置時間 | 高 | 中 | 低 |
| 棄話率 | 0% | ~0% | 3-5% |
| 客戶體驗 | 最佳 | 良好 | 較差 |
| 座席壓力 | 低 | 中 | 高 |
| 適合名單規模 | 小（百筆） | 中（千筆） | 大（萬筆以上） |
| 最少座席需求 | 1 人 | 3-5 人 | 10 人以上 |
沒有「最好」的外撥模式，只有「最適合」的。大致的取捨是：名單價值高就 Preview、法規嚴就 Progressive、名單量大又有足夠座席就 Predictive。很多客服中心其實是依活動類型混著用這三種。
進階外撥策略
最佳聯繫時間（Best Time to Call）
| 策略 | 說明 |
|---|---|
| 時段分析 | 分析歷史接通率，找出每個名單群的最佳撥打時段 |
| 個人化排程 | 記錄每位客戶的接聽模式，個人化安排撥打時間 |
| 時區管理 | 跨時區名單依當地時間排程 |
| 重撥策略 | 未接通名單依不同間隔（2h/4h/次日）自動重撥 |
名單管理
| 要素 | 說明 |
|---|---|
| 名單清洗 | 撥號前去除無效號碼、重複、DNC |
| 優先級排序 | 依客戶價值、急迫性、過期時間排序 |
| 嘗試次數上限 | 設定每筆名單最大撥打次數（通常 3-7 次） |
| 混撥策略 | 多個活動名單依權重混合撥出 |
外撥系統的選擇和調校，半是科學半是經驗。摸清三種模式的本質差異後，再依業務場景、法規環境、座席規模綜合判斷，並靠持續的數據分析去調撥號策略，最終目標就是在效率和合規之間站穩那個平衡點。