Perspectivas clave: Creó un modelo de pronóstico específico para cada país para la demanda de los centros de llamadas, que mejoró el rendimiento hasta 50% y lograr un RMSE en 0,72 para previsiones de tasas de sesión.

Acerca del cliente

Pedidos Ya, parte de Delivery Hero, es la plataforma de entrega de alimentos líder en América Latina. Con operaciones en varios países y expandiéndose mediante adquisiciones como Glovo, la empresa emplea a más de 5000 personas y tiene una valoración de mercado que supera los 3000 millones de dólares.

El desafío

PedidosYa necesitaba dotar de personal a sus centros de llamadas de manera eficiente para gestionar los volúmenes fluctuantes de llamadas entrantes, evitando tanto el exceso de personal como la falta de personal.

Las tarifas de llamadas dependían de numerosas variables operativas que debían analizarse para identificar qué factores tenían el mayor impacto y cómo se correlacionaban. La previsión precisa de la demanda era esencial para predecir las necesidades de los clientes basándose en los datos históricos de interacciones, lo que permitía ofrecer un servicio eficiente y oportuno y, al mismo tiempo, optimizar los cronogramas de mano de obra.

El enfoque de Marvik

Para identificar el mejor modelo de pronóstico, comparamos una variedad de enfoques:

• Modelos ML tradicionales incluidos ARIMA, árboles de decisión y aumento de gradientes.
  
  
• Redes neuronales profundas basado en arquitecturas de redes neuronales recurrentes.
  
  

Nuestro proceso de ingeniería de funciones creó nuevas variables para capturar los comportamientos específicos de los usuarios. La solución final fue modelo ensamblado ajustado para cada país, capaz de pronosticar la demanda de turnos de seis horas con gran precisión.

Construido con Pitón, Google Dataproc, Google BigQuery, y MongoDB, el modelo alcanzó un RMSE de menos 0,72 para previsiones de tasas de sesión.

Los resultados y el impacto

• La precisión de las previsiones ha mejorado gracias a hasta un 50% en comparación con los enfoques manuales.
  
  
• Los cronogramas de personal confiables redujeron las ineficiencias operativas.
  
  
• El ajuste específico de cada país garantizó el rendimiento en varios mercados.
  

La previsión precisa permite a las empresas establecer objetivos realistas, asignar los recursos de manera eficiente y reducir los errores de previsión, ventajas fundamentales en las operaciones de servicio al cliente de gran volumen.

Por qué es importante

Al combinar técnicas avanzadas de aprendizaje automático con una ingeniería de funciones personalizada, este proyecto le dio a PedidosYa una ventaja predictiva, garantizando que la cantidad correcta de agentes estén listos en el momento adecuado, en todos los mercados en los que operan.