Principais insights: Construiu um modelo de previsão específico para cada país para a demanda de call center, melhorando o desempenho em até 50% e alcançar um RMSE sob 0,72 para previsões de taxa de sessão.

Sobre o cliente

Pedidos YA, parte da Delivery Hero, é a plataforma líder de entrega de alimentos na América Latina. Operando em vários países e expandindo-se por meio de aquisições como a Glovo, a empresa emprega mais de 5.000 pessoas e tem uma avaliação de mercado superior a $3 bilhões.

O desafio

A PedidosYa precisava equipar seus call centers de forma eficiente para lidar com os volumes flutuantes de chamadas recebidas, evitando o excesso de pessoal e a falta de pessoal.

As taxas de chamadas dependiam de várias variáveis operacionais que precisavam ser analisadas para identificar quais fatores tiveram o maior impacto e como eles se correlacionaram. A previsão precisa da demanda foi essencial para prever as necessidades do cliente com base em dados históricos de interação, permitindo um serviço eficiente e oportuno e otimizando os cronogramas de mão de obra.

A abordagem de Marvik

Para identificar o melhor modelo de previsão, comparamos uma variedade de abordagens:

• Modelos tradicionais de ML incluindo ARIMA, árvores de decisão e aumento de gradiente.
  
  
• Redes neurais profundas com base em arquiteturas de redes neurais recorrentes.
  
  

Nosso processo de engenharia de recursos criou novas variáveis para capturar comportamentos específicos do usuário. A solução final foi uma modelo montado e ajustado para cada país, capaz de prever a demanda por turnos de seis horas com alta precisão.

Construído com Python, Google Dataproc, Google BigQuery, e MongoDB, o modelo alcançou um RMSE de menos de 0,72 para previsões de taxa de sessão.

Os resultados e o impacto

• A precisão da previsão foi aprimorada por até 50% em comparação com abordagens manuais.
  
  
• Cronogramas confiáveis de pessoal reduziram as ineficiências operacionais.
  
  
• O ajuste específico do país garantiu o desempenho em vários mercados.
  

A previsão precisa permite que as empresas estabeleçam metas realistas, aloquem recursos com eficiência e reduzam os erros de previsão — vantagens críticas em operações de alto volume de atendimento ao cliente.

Por que isso importa

Ao combinar técnicas avançadas de ML com engenharia de recursos personalizada, esse projeto deu à PedidosYa uma vantagem preditiva, garantindo que o número certo de agentes esteja pronto na hora certa, em todos os mercados em que atua.