Как прогнозировать нагрузку на контактный центр

Прогноз нагрузки — основа управляемого контактного центра: от него зависят SLA/ASA, стоимость обработки, качество сервиса и выгорание сотрудников. Если ошибиться в прогнозе, контактный центр либо «переплатит» за простаивающие смены, либо уйдёт в очередь, потеряет клиентов и получит всплеск повторных обращений. Ниже — практический подход, как выстроить прогнозирование нагрузки по каналам, учесть сезонность и события бизнеса, а затем перевести прогноз в понятный план по людям и сменам.

Ellectra — голосовой ИИ-администратор для бизнеса, который принимает звонки, выявляет потребности клиентов и записывает на услуги, помогая не терять обращения и снижать нагрузку на сотрудников.

Что считать «нагрузкой» и какие метрики нужны

В контактном центре нагрузка — это не только количество обращений. Для точного планирования важно разделять спрос (demand) и нагрузку на операторов (workload).

Ключевые показатели для прогноза

1. Количество обращений по интервалам (обычно 15/30 минут):

• входящие звонки,
• чаты,
• email,
• обращения из мессенджеров,
• тикеты из соцсетей/форм.

2. AHT (Average Handling Time) — среднее время обработки:

• разговор/переписка,
• удержание,
• постобработка (ACW).

3. Service Level (SLA) и ASA:

• например, 80/20 (80% звонков за 20 секунд) или иные целевые значения,
• средняя скорость ответа.

4. Abandonment Rate (брошенные) и retries (повторные попытки дозвона) — особенно важны при перегрузе.

5. Shrinkage (усушка) — доля времени, когда оператор не доступен линии:

• перерывы,
• обучение,
• планёрки,
• больничные/отпуска,
• внутренние задачи.

6. Коэффициент занятости (occupancy) — для баланса качества и устойчивости.

Практически: прогнозировать нужно объём контактов и AHT по интервалам, а затем переводить это в потребность по FTE/операторам через WFM.

Откуда брать данные и как подготовить исторические ряды

Без качественной истории даже лучшие модели будут «галлюцинировать». В большинстве компаний данные лежат в нескольких системах:

• ACD/телефония (например, Naumen, Genesys, Avaya, Infinity, Mango, Ростелеком и др.),
• CRM,
• омниканальная платформа/Service Desk,
• BI/хранилище.

Минимальный набор данных

Для каждого канала на интервале 15/30 минут:

• входящий объём,
• принятый объём,
• брошенные,
• AHT и ACW,
• уровень сервиса.

Дополнительно (желательно):

• причины обращений/теги,
• источники (реклама, рассылка, приложение, сайт),
• события бизнеса (акции, релизы, аварии),
• расписание и фактическая укомплектованность.

Очистка и нормализация

1. Выделите «нормальные дни»: исключите аварии, массовые рассылки, сбои IVR, внезапные пики. Их не удаляют навсегда — их нужно пометить как «события».

2. Приведите интервалы к единому формату: если звонки в 15 минут, а чат в 30 — агрегируйте или дробите аккуратно.

3. Стабилизируйте AHT: разделяйте AHT по темам/очередям, иначе рост одного типа обращений «сломает» общий средний.

4. Учитывайте календарь: праздники, переносы выходных, «длинные» майские, дни зарплаты, сезон отпусков.

Выбор горизонта прогноза: день, неделя, месяц

Разные задачи требуют разной точности:

• Интрадей (внутридневной) прогноз — для управления очередью и корректировок на сегодня.
• Краткосрочный (1–2 недели) — для расписаний смен.
• Среднесрочный (1–3 месяца) — для планов найма, обучения, аутсорса.
• Долгосрочный (3–12 месяцев) — бюджетирование и стратегия.

Правило: чем длиннее горизонт, тем больше роль сценариев (рост базы, маркетинг, запуск продукта), а не чистой статистики.

Базовые методы прогнозирования нагрузки

Ниже — набор методов, которые реально работают в операционке. Часто их комбинируют.

Метод «как в прошлый раз» (наивный baseline)

Самый простой: берём прошлую неделю/аналогичный день и масштабируем.

• Плюсы: быстро, понятно.
• Минусы: плохо переживает сезонность, акции и структурные изменения.

Используйте как контрольную линию: если «умная модель» хуже baseline — значит, проблема в данных или настройке.

Скользящие средние и экспоненциальное сглаживание

Подход для относительно стабильных потоков:

• хорошо работает на каналах с плавной динамикой (например, email),
• позволяет сглаживать шум.

Важно: на звонках с ярким «профилем дня» сглаживание нужно делать по аналогичным интервалам (например, понедельник 10:00–10:30 сравнивать с понедельниками).

Декомпозиция: тренд + сезонность + события

Практически полезная схема:

1. тренд (растёт/падает общий объём),
2. недельная сезонность (пн–вс),
3. внутридневной профиль (почасовая кривая),
4. календарные эффекты (праздники, переносы),
5. события (маркетинг, релизы, аварии).

Такой подход удобно реализовывать в BI или WFM, даже без «тяжёлого ML».

Регрессионные и ML-модели (там, где есть факторы)

Если вы знаете драйверы спроса, можно строить модели, которые учитывают:

• рекламные кампании и бюджет,
• рассылки,
• изменения тарифов,
• рост активной базы,
• трафик на сайт/в приложение,
• количество доставок/заказов.

Главная ценность — прогноз становится управляемым: бизнес видит, как акция «прибавит» обращений.

Отдельно про омниканал: почему звонки и чаты прогнозируются по-разному

Одна из частых ошибок — пытаться оценивать все каналы одинаково.

Звонки

• Требуют расчёта очереди и вероятности ожидания.
• Сильная зависимость от SLA и терпения клиента (брошенные).
• Классический инструментарий: Erlang C (и производные).

Чаты и мессенджеры

• Возможна параллельная обработка (concurrency): один оператор ведёт 2–4 чата.
• SLA чаще выражается временем первого ответа.
• Нагрузка считается как: объём × средняя длительность с учётом параллельности.

Email/тикеты

• Обычно асинхронны, можно выравнивать в течение дня.
• Важно прогнозировать не только входящий поток, но и целевой backlog (остаток) и пропускную способность команды.

Поэтому корректный прогноз делается по каждому каналу и очереди, а уже потом сводится в общий план.

Как перевести прогноз контактов в количество операторов

Прогноз объёма — это только половина дела. Планирование штата требует расчёта потребности по интервалам.

Шаг 1. Рассчитать offered workload

Для интервала:

• Workload (в секундах) = Forecast contacts × AHT.

Пример: 120 звонков за 30 минут при AHT 240 секунд → 120 × 240 = 28 800 сек = 480 минут работы.

Шаг 2. Учесть целевой SLA/ASA и очередность

Для телефонии обычно применяют Erlang C (или встроенный калькулятор WFM), чтобы определить необходимое число операторов, обеспечивающее нужный SLA при заданных:

• интенсивности потока,
• AHT,
• целевом уровне сервиса,
• допущениях по ожиданию.

Важно: Erlang корректно работает при более-менее случайном поступлении обращений и дисциплине очереди. Если у вас значительная доля перезвонов, «прыгающий» IVR или массовые короткие звонки после рассылок, модель нужно дополнять факторами.

Шаг 3. Добавить shrinkage

Потребность «на линии» переводится в потребность «в штате»:

• FTE required = Agents on phone / (1 − Shrinkage).

Если shrinkage 30%, то чтобы получить 70 операторо-часов на линии, нужно 100 операторо-часов в графике.

Шаг 4. Проверить ограничения

• целевая занятость (occupancy) — иначе люди «сгорят»,
• требования ТК и локальных регламентов по перерывам,
• доля новичков и наставников,
• мультискилл (кто какие очереди закрывает).

Факторы, которые чаще всего «ломают» прогноз

Маркетинговые активности и рассылки

Банальный, но самый дорогой источник ошибок. Нужен календарь активностей:

• дата и время старта,
• охват,
• канал (push/SMS/email/реклама),
• ожидаемый конверсионный хвост (1–3 дня).

Изменения в продукте и тарифах

Релизы, изменения интерфейса, новые комиссии, правила возвратов — всё это создаёт всплеск обращений. Полезная практика — совместный релиз-календарь с продуктом и ИТ.

Аварии и деградации сервисов

Даже кратковременные сбои вызывают лавину повторных обращений. Такие дни помечайте как «инцидентные» и используйте для сценарного планирования.

Изменение структуры обращений

Общий объём может быть стабильным, но растёт доля сложных тем — AHT увеличивается, и фактическая нагрузка взлетает. Поэтому прогнозируйте не только volume, но и микс причин.

Контроль точности прогноза: какие метрики использовать

Чтобы улучшать прогноз системно, нужна единая «витрина» качества.

Основные метрики

• MAPE/WAPE по объёму обращений (лучше WAPE, если есть нули и малые значения).
• Ошибка AHT.
• Ошибка по workload (объём × AHT) — часто самая показательная.

Как оценивать правильно

• Считайте точность по интервалам и отдельно по дням.
• Анализируйте по сегментам: пиковые часы, непиковые, выходные, праздники.
• Введите допустимые коридоры: например, WAPE по звонкам ≤ 8–12% для стабильных очередей (цифры зависят от бизнеса).

Процесс WFM: как организовать прогнозирование в реальной работе

Прогноз — это не разовая таблица, а процесс с ролями и регламентом.

Роли

• WFM/планирование: владелец методологии, подготовка прогноза и плана.
• Операционное управление: корректировки по факту, контроль SLA.
• Маркетинг/продукт/ИТ: календарь изменений и событий.
• HR/обучение: найм, адаптация, обучение под будущую нагрузку.

Регламент (рабочий минимум)

1. Еженедельно: обновление прогноза на 2–4 недели, учёт событий.
2. Ежедневно: интрадей-корректировки по фактическому входящему потоку.
3. Ежемесячно: пересмотр сезонности, shrinkage, AHT по темам.

Интрадей-управление

Даже хороший прогноз требует управления:

• перенос активностей (обучение, quality sessions) с пиков,
• перераспределение по очередям,
• подключение бэкофиса,
• приоритизация каналов.

Практические советы, которые быстро повышают качество прогноза

Сегментируйте очереди

Не пытайтесь прогнозировать «весь контактный центр» одним числом. Разделите хотя бы:

• продажи / сервис,
• VIP/премиум,
• ключевые продукты,
• регионы/часовые пояса (если актуально),
• линия 1/линия 2.

Прогнозируйте профиль дня отдельно от общего объёма

Часто проще и точнее:

• спрогнозировать дневной объём,
• затем распределить его по интервалам по историческому профилю (с поправками).

Держите библиотеку событий

Создайте справочник: «тип события → средний uplift по объёму и AHT → длительность хвоста». Это превращает опыт команды в управляемый инструмент.

Обновляйте shrinkage по факту

Shrinkage — не константа. В период массового обучения новичков он растёт, в стабильные месяцы — падает. План по людям без актуальной усушки всегда будет ошибочным.

Типовой шаблон внедрения: с чего начать, если сейчас всё в Excel

1. Соберите историю минимум за 8–12 недель (лучше 6–12 месяцев) по интервалам.
2. Утвердите единый словарь метрик: что такое «входящий», «принятый», как считается AHT.
3. Сделайте baseline-прогноз (наивный) и начните мерить WAPE.
4. Добавьте календарь факторов (праздники + маркетинг + релизы) и правила корректировок.
5. Внедрите расчёт потребности в операторах (Erlang/калькулятор) и shrinkage.
6. Переведите это в цикл WFM: прогноз → потребность → графики → интрадей → анализ.

Чек-лист: готов ли контактный центр к точному прогнозированию

Проверьте себя по пунктам — если «нет» хотя бы в трёх местах, начните с данных и процесса.

• История по объёму и AHT доступна по 15/30-минутным интервалам.
• Каналы и очереди сегментированы, есть понятные правила маршрутизации.
• Есть календарь маркетинга, релизов и крупных изменений.
• Shrinkage считается по факту и регулярно обновляется.
• Точность прогноза измеряется (WAPE по объёму и workload), есть отчётность.
• Прогноз конвертируется в потребность (Erlang/очереди/конкурентность в чатах).
• Есть интрадей-управление: кто и как корректирует план в течение дня.

Как сделать прогноз частью управляемого сервиса

Сильное прогнозирование — это сочетание статистики и дисциплины: качественные данные, регулярный цикл WFM, единый календарь событий и прозрачные метрики точности. Когда прогноз строится по каналам и очередям, учитывает AHT, сезонность и бизнес-факторы, контактный центр начинает управлять не «количеством людей», а уровнем сервиса и стоимостью обработки — предсказуемо и без авралов.