Разработка AI-системы прогнозирования нагрузки контакт-центра (Workforce Management)
Workforce Management (WFM) в контакт-центре — это баланс между уровнем обслуживания (SLA) и затратами на персонал. Недоукомплектованность ведёт к очередям и оттоку клиентов. Переукомплектованность — к пустым тратам на ФОТ. AI-прогнозирование нагрузки — основа эффективного расписания.
Что нужно спрогнозировать
WFM требует прогнозов на нескольких уровнях:
- Стратегический (4-13 недель): для подбора и обучения новых операторов
- Тактический (1-4 недели): для составления расписания смен
- Операционный (сегодня/завтра): для внутридневных корректировок
- Real-time (15-30 мин горизонт): для интрадей-корректировок
Каждый уровень требует своей точности: стратегический ±15% — приемлемо, операционный — нужен MAPE < 8%.
Модель прогнозирования объёма обращений
Входные данные:
- Исторические данные ACD (Automatic Call Distributor): объём звонков, AHT, abandonment rate — по 15-минутным интервалам за 2-3 года
- Бизнес-драйверы: рекламные кампании, акции, биллинговые даты, сезонность
- Внешние факторы: праздники, погода (для утилит), новостные события
Декомпозиция временного ряда: STL (Seasonal-Trend decomposition using LOESS) разбивает поток на:
- Тренд (долгосрочный рост бизнеса)
- Недельная сезонность (понедельник vs. воскресенье)
- Суточная сезонность (09:00 пик vs. 14:00 затишье)
- Остаток (кампании, аномалии)
Архитектура ансамбля:
Volume Forecast = 0.4 × Prophet + 0.35 × LightGBM + 0.25 × LSTM
LightGBM особенно эффективен при наличии бизнес-фич (флаги акций, биллинговых дат). LSTM захватывает нелинейные паттерны внутридневной динамики.
Расчёт потребности в операторах
Из прогноза объёма звонков + AHT (Average Handle Time) рассчитывается требуемый staffing через формулу Erlang C:
Агентов_нужно = Erlang_C(λ, μ, target_SLA, target_answer_time)
AI-расширение: AHT тоже прогнозируется — новые операторы работают медленнее, сложные кампании увеличивают AHT. Это повышает точность staffing calculation на 10-15%.
Мультиканальность
Современный контакт-центр — не только телефон. Система прогнозирует нагрузку по каналам:
| Канал | Специфика прогноза |
|---|---|
| Голосовые звонки | Erlang C, 15-мин интервалы |
| Чат | Concurrent sessions, отличается от голоса |
| Асинхронный, SLA 4-24 часа | |
| Социальные сети | Event-driven пики |
| Back-office задачи | Бэклог + суточная норма |
Мультиканальная модель учитывает channel shift: часть клиентов переходит из звонков в чат при увеличении очереди — это нелинейная взаимозависимость, которую классические WFM-инструменты игнорируют.
Real-time корректировки
В течение дня прогноз устаревает: неожиданный пик из-за сбоя сервиса, отсутствие части операторов. Система real-time WFM:
- Каждые 15 минут: факт vs. прогноз, пересчёт remaining day forecast
- Генерация рекомендаций: вызов дополнительного персонала, перенос перерывов, overtime-запросы
- Автоматические триггеры при отклонении > 20%: уведомление супервизора через WFM API
Интеграция
- ACD-системы: Genesys Cloud, NICE CXone, Cisco UCCX, Amazon Connect — стандартные API для получения real-time и historical данных
- WFM-системы: NICE WFM, Verint, Calabrio — REST API для публикации прогнозов и расписаний
- HR-системы: SAP HR, Workday — для учёта отпусков, больничных, навыков операторов
Ключевые метрики системы:
- Forecast accuracy (MAPE): < 8% для операционного уровня
- Занятость операторов: цель 75-85% (occupancy)
- Service Level: > 80% звонков за 20 сек (стандарт телекома)
- Overstaffing/understaffing cost reduction: 10-20% ФОТ-экономии
Сроки: базовая прогнозная модель с историческими данными — 5-7 недель. Полноценная система с real-time корректировками и WFM-интеграцией — 4-5 месяцев.