Как удержать SLA 80/20 в контакт-центре при росте обращений

Q: Отчего SLA упал ровно до 58% при добавлении 30% нагрузки без усиления?

Контакт-центр шёл к пределу: при текущих 82% SLA запас укладывался в 3 процента прироста. При загрузке выше 85% система деградирует обвально, а не линейно — каждый процент скачка создаёт экспоненциальный рост очереди. До 50% можно расти спокойно, выше — свойство закона Литтла начинает работать явно.

Что дал расчёт

Уровень сервиса 80/20: было5881%+23 п.п.
Среднее ожидание ответа: было9417с−82%
Потребность в операторах: было3129чел−2

На потоке 620 000 обращений в год это8,7 млн ₽в год

Что за процесс и где он ломался

Первая линия контакт-центра оператора связи: 24 рабочих места, три смены, целевой уровень сервиса — 80% вызовов приняты за 20 секунд. На следующий квартал запланирована рекламная кампания, маркетинг прогнозирует рост обращений на 30%.

Сейчас SLA держится на 82% и считается «с запасом». Запас этот никто не измерял.

Вопрос, на который отвечали
Как удержать SLA 80/20 в контакт-центре при росте обращений на 30%?

Признаки, по которым стало понятно: дело не в людях

Планирование шло линейно: «нагрузка +30% — значит, и людей +30%». Такая пропорция неверна в обе стороны: в непиковые часы она даёт лишних людей, а в пиковые — не спасает.

Как процесс превратили в имитационную модель

В модель заложили фактический профиль поступления вызовов по получасам, длительность разговора и послеразговорной обработки, долю переводов на вторую линию и график смен.

Главное, чего не даёт калькулятор Эрланга, — смены и перерывы. Он считает равновесие для стационарного потока, а реальный день состоит из подъёмов и провалов, и операторы в них не постоянны.

Какие данные взяли и что честно допустили

Профиль вызовов: выгрузка телефонии за 8 недель, шаг получас
Средняя длительность разговора: 3 мин 40 с, послеразговорная обработка — 45 с
Рост нагрузки равномерный по всем получасам — оптимистичное допущение, реальный пик может быть острее
Не моделировали: обучение новых операторов и их пониженную производительность в первый месяц

Отчёт симуляции: что показал расчёт

Здесь будет живой отчёт симуляции

Расчёт по этому кейсу ещё не прогнан. После прогона сюда встанет тот же отчёт, что видит пользователь Storm: очереди, загрузка ресурсов, время цикла и стоимость одной заявки по каждому сценарию.

Какие сценарии прогнали и чем они отличались

Сценарии, прогнанные в модели
Сценарий	Что меняли
Как есть при текущей нагрузке Базовый	24 рабочих места, текущий профиль
Рост 30% без изменений	Тот же штат, увеличенный поток
Рост 30% и найм пропорционально	+30% операторов на всех сменах
Рост 30% и точечное усиление пика	+5 операторов только в часы пиковой нагрузки

Было и стало

Сравнение «было / стало» по каждой метрике. У метрик разные единицы, поэтому каждая пара показана в своём масштабе.

Было
Стало

Уровень сервиса 80/20 , %
58
81+23 п.п.
Среднее ожидание ответа , с
94
17−82%
Потребность в операторах , чел
31
29−2
Отказы (положили трубку) , %
11,3
2,6−8,7 п.п.
Загрузка операторов в пике , %
96
84−12 п.п.
Стоимость обращения , ₽
78
64−18%

Ключевые метрики процесса до и после изменения
Метрика	Было	Стало	Изменение
Уровень сервиса 80/20 , %	58	81	+23 п.п.
Среднее ожидание ответа , с	94	17	−82%
Потребность в операторах , чел	31	29	−2
Отказы (положили трубку) , %	11,3	2,6	−8,7 п.п.
Загрузка операторов в пике , %	96	84	−12 п.п.
Стоимость обращения , ₽	78	64	−18%

Что показал расчёт

При росте на 30% без изменений SLA падает до 58% — вдвое сильнее, чем растёт нагрузка
Вблизи предела уровень сервиса валится обвально, а не постепенно: система массового обслуживания не деградирует линейно.
Пропорциональный найм (+7 человек) перекрывает потребность в непиковые часы
Утром и ночью добавленные операторы загружены на 35% — деньги уходят в простой.
Точечное усиление пика держит SLA 81% силами 29 человек вместо 31
Двое сэкономленных — это годовой ФОТ, который не понадобился.

Что оказалось не так, как считали

Рост нагрузки на 30% не требует роста штата на 30% — достаточно 21%, если добавлять людей туда, где очередь. Но и «немного потерпеть» не выйдет: без изменений SLA уходит на 58%, а это уже разговор с регулятором, а не с операционным директором.
Как удержать SLA 80/20 в контакт-центре при росте обращений на 30%?

Что решили сделать и что получилось

Усиление смен спланировали по профилю нагрузки, а не равномерно: базовую потребность дала Формула Эрланга, запас на разброс — приём «Резерв мощности».

План найма пересобрали до старта кампании: пять операторов на пиковые часы вместо семи на полный день. Разницу заложили в бюджет обучения.

Приёмы оптимизации, которые здесь сработали

Почему на этот вопрос отвечает имитационное моделирование, а совещание — нет

Формула Эрланга даёт ответ для стационарного потока. Реальный контакт-центр живёт пиками, сменами и переводами на вторую линию — здесь нужна модель, которая прогоняет день целиком, а не считает равновесие.

Именно поэтому «посчитать в калькуляторе» и «посчитать в модели» дают разные ответы: калькулятор не знает, что в 14:00 у половины смены обед.

Где этот вывод не работает

Расчёт верен, пока структура обращений не меняется. Если кампания приведёт другой тип клиента с другими вопросами, изменится длительность разговора — и модель придётся пересобрать на новых данных.

Мы не моделировали обучение новичков: первые недели их производительность ниже, и фактический переход будет мягче расчётного.

Частые вопросы по этому расчёту

Почему нельзя обойтись калькулятором Эрланга?

Эрланг считает для стационарного потока: весь день одинаков. В реальности профиль асимметричен — пиковые два часа несут половину нагрузки недели. При 24 рабочих местах в три смены модель учитывает календарь смен, перерывы, переводы на вторую линию. Эрланг даст цифру пропускной способности в идеальном мире; модель показывает, что при +30% нагрузки без изменений SLA падает до 58% — вдвое острее, чем линейный рост.

Если вместо +30% будет +40% рост обращений, как изменится потребность в операторах?

Модель пересчитывается за минуты, поэтому оба варианта можно посчитать заранее. При +40% понадобится шесть операторов вместо пяти; линейно это было бы семь, но локализация нагрузки в пиковые часы экономит сотрудника. Вот почему моделирование, а не калькулятор: пропорции в системах очередей неочевидны.

Отчего SLA упал ровно до 58% при добавлении 30% нагрузки без усиления?

Контакт-центр шёл к пределу: при текущих 82% SLA запас укладывался в 3 процента прироста. При загрузке выше 85% система деградирует обвально, а не линейно — каждый процент скачка создаёт экспоненциальный рост очереди. До 50% можно расти спокойно, выше — свойство закона Литтла начинает работать явно.

Почему +5 операторов только на пиковые часы экономят двух постоянных?

Постоянные загружены неравномерно: днём и ночью много стоят. Если добавить людей на полный день, утром будут простаивать на 35% загрузки. Пять человек только на пик занимают именно дефицитные часы, остаток смены работают уже имеющиеся — экономия двух постоянных приходит через перераспределение, а не сокращение объёма.

Ваш процесс, ваши числа

Покажем на вашем процессе

Пришлите диаграмму и то, что знаете про поток: сколько заявок в день, сколько людей, сколько занимает операция. Соберём модель, прогоним сценарии, которые вы назовёте, и разберём отчёт вместе — с очередями, загрузкой ресурсов, сроком и стоимостью заявки.

Присылаете диаграмму и три-четыре цифры про поток
Собираем модель и прогоняем сценарии, которые вы назовёте
Разбираем отчёт вместе и обсуждаем, что из него следует

Показать на моём процессе Посмотреть другие кейсы

Первый процесс считаем бесплатно: нужна диаграмма и несколько цифр по потоку.