Свяжитесь с нами
Продукт
Возможности
Мероприятия
Материалы
Крупные предприятия
Свяжитесь с нами

Ритейл и e-commerceВыдержим ли пик

Выдержит ли служба поддержки пик распродажи?

Прогноз обращений на распродажу вырос вчетверо. Что встанет первым и сколько людей нужно на самом деле.

Что дал расчёт

Ожидание в чате в пике
было8,83,9мин
−56%

На потоке 260 000 обращений в год это780 тыс ₽в год

Что за процесс и где он ломался

Поддержка интернет-магазина: чат, почта и телефон, 26 операторов. В дни распродажи поток обращений вырастает в четыре раза за двое суток.

Терпение клиента у каналов разное: в чате его хватает на минуты, в почте — на часы. Поэтому одинаковая перегрузка ломает каналы по-разному.

Вопрос, на который отвечали

Выдержит ли служба поддержки пик распродажи?

Признаки, по которым стало понятно: дело не в людях

В прошлый раз чат встал на шесть часов, а почта разгребалась неделю. Готовились по среднему прогнозу и не проверяли, что именно сломается первым.

Как процесс превратили в имитационную модель

Модель имитирует поток обращений в службу поддержки интернет-магазина во время распродажи. Клиенты приходят по трем каналам: 50% в чат, 30% на почту, 20% по телефону. В дни распродажи поток возрастает в 4 раза в дневное время (10:00–19:00).

Операторы работают по сменам с 09:00 до 21:00. В базовом сценарии они закреплены за каналами. В сценарии решения операторы объединены в общий пул и могут обрабатывать любые обращения. Если клиент не получает ответа в течение 10 минут, он покидает очередь (отказ).

Какие данные взяли и что честно допустили

Поток
экспоненциальный, средний интервал 1,5 мин; пик ×4 с 10:00 до 19:00.
Длительность
чат 7 мин, почта 9 мин, телефон 4 мин (нормальное распределение).
Ресурсы
13 операторов чата, 9 почты, 4 телефона; график 09:00–21:00 без выходных.
Отказы
клиент уходит, если ожидание превышает 10 минут (ABSOLUTE timeout).
Не моделировали
сезонные колебания вне распродажи и технические сбои каналов.

Отчёт симуляции: что показал расчёт

Живой отчёт симуляции

Отчёт удобнее смотреть на большом экране — откройте его отдельной страницей.

Тот же отчёт, который видит пользователь Storm после симуляции. Открывается по ссылке и листается по вкладкам.

Какие сценарии прогнали и чем они отличались

Сценарии, просчитанные в модели
СценарийЧто меняли
Как есть БазовыйОтчёт Базовый сценарий: 26 операторов закреплены за каналами. Отказы достигают 28,2%, а средняя загрузка чата — 87%.
Плюс 10 временных операторов Отчёт Равномерное усиление всех каналов (+10 чел.). Отказы снижаются до 14,1%, но чат остаётся узким местом с загрузкой 84%.
Плюс 10 с приоритетом чата Отчёт Усиление чата (+8 чел.). Отказы падают до 8,9%, но почта становится новым узким местом (загрузка 83%).
Переключаемые операторы РешениеОтчёт Общий пул из 34 универсальных операторов. Отказы минимальны — 0,8%, при этом общая стоимость обращения снижается.

Было и стало

Сравнение «было / стало» по каждой метрике. У метрик разные единицы, поэтому каждая пара показана в своём масштабе.
  • Было
  • Стало
  1. Отказы (не дождались ответа) , %

    28,2
    0,8−27,4 п.п.
  2. Ожидание в чате в пике , мин

    8,8
    3,9−56%
  3. Ожидание в почте , мин

    8,5
    3,9−55%
  4. Время обращения, 95-й процентиль , мин

    45
    38−17%
  5. Стоимость обращения , ₽

    67
    64−5%
Ключевые метрики процесса до и после изменения
МетрикаБылоСталоИзменение
Отказы (не дождались ответа) , %28,20,8−27,4 п.п.
Ожидание в чате в пике , мин8,83,9−56%
Ожидание в почте , мин8,53,9−55%
Время обращения, 95-й процентиль , мин4538−17%
Стоимость обращения , ₽6764−5%

Что показал расчёт

  1. Чат — главный источник потерь

    В базовом сценарии 28,2% клиентов уходят из чата, не дождавшись ответа. Загрузка операторов чата достигает 87%, тогда как телефоны загружены лишь на 45%.

  2. Равномерный найм не спасает

    Добавление 10 операторов поровну снижает отказы только до 14,1%. Чат остается перегруженным (84%), а телефоны простаивают (23%).

  3. Гибкость дешевле найма

    Объединение операторов в общий пул снижает отказы до 0,8% и уменьшает среднее время ожидания в чате с 8,8 до 3,9 минут, не требуя дополнительных штатных единиц.

  4. Почта не терпит приоритета

    Приоритизация чата (сценарий 3) снижает отказы до 8,9%, но создает очередь в почте. Гибкий пул балансирует нагрузку автоматически.

Что оказалось не так, как считали

Интуитивно кажется, что нужно нанимать больше людей под пик. Однако модель показывает: гибкость существующих ресурсов эффективнее численности. Общий пул из 34 операторов дает отказы 0,8%, тогда как добавление 10 человек (итого 36) при жесткой привязке к каналам оставляет отказы на уровне 14,1%.

Выдержит ли служба поддержки пик распродажи?

Что решили сделать и что получилось

Внедрили общий пул операторов, способных работать в чате, почте и по телефону. Отменили жесткую привязку к каналам и равномерное распределение найма.

Отказы снизились с 28,2% до 0,8%. Среднее ожидание в чате упало с 8,8 до 3,9 минут. Стоимость одного обращения уменьшилась с 67 до 64 рублей.

Приёмы оптимизации, которые здесь сработали

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

Каналы с разным терпением клиента ломаются в разном порядке. Средняя нагрузка не показывает, какой из них встанет первым — это видно только в прогоне с поканальными очередями.

А порядок здесь и есть решение: он говорит, куда ставить резерв и какой канал закрывать первым, если людей на все не хватит.

Первым встал чат: отказы 34% и ожидание 14 минут в пике, тогда как почту разгребали ещё семь дней после распродажи.

Где этот вывод не работает

Прогноз «×4» взят из прошлой распродажи. Если пик окажется острее, приоритет чата сохранится, а число временных операторов придётся пересчитать.

Частые вопросы по этому расчёту

Почему не нанять с запасом?

Запас из 10 человек равномерно стоит денег и не решает проблему дисбаланса: чат ломается при загрузке 87%, а телефоны простаивают. При пике ×4 за 48 часов гибкость из 26 операторов эффективнее найма.

Если мы наймём 10 человек равномерно по каналам, почему чат сломается?

Потому что чат остается узким местом: даже с 16 операторами его загрузка 84% и отказы 14,1%. Клиент в чате терпит меньше всего, поэтому именно этот канал требует приоритета, а не просто тел.

Прогноз был ×4 к обычному потоку, а вышло ×5 — как пересчитать?

При ×5 система переходит в режим накопления очередей. Нужно либо закрыть приём заказов, либо добавить третью смену. Гибкий пул поможет, но только если общая пропускная способность покрывает пик.

Почта разгребается целую неделю — это угроза для следующей распродажи?

Нет, потому что в гибком сценарии ожидание в почте снижается до 3,9 минут. Клиент в почте терпит дольше, но главное — общий пул не дает очереди расти бесконтрольно.

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.

  1. Присылаете диаграмму и три-четыре цифры про поток
  2. Собираем модель и прогоняем сценарии, которые вы назовёте
  3. Разбираем отчёт вместе и обсуждаем, что из него следует
Показать на моём процессеПосмотреть другие кейсы

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

Поддержка