Как решения на базе технологий искусственного интеллекта решают проблему управления очередями и автоматизируют планирование работы кассиров

Сегодня поговорим о том, почему очереди возникают и о том, как наше AI решение EffiQueue помогает прогнозировать и управлять потоками покупателей и оптимизировать расписание смен кассиров.

Если сильно упростить, то кассовую линейку любого супермаркета можно представить как систему массового обслуживания с ожиданием. У нас имеется поток покупателей интенсивной которого меняется и зависит от многих факторов. Также есть среднее время обслуживания одного покупателя, которое также изменчиво. В дополнение к этому мы имеем ограниченное количество кассиров. В этих условиях наша задача формулируется довольно просто – для каждого n-минутного промежутка времени (обычно промежуток в 15 или 30 минут) необходимо открыть максимально возможное количество касс для обслуживания покупателей. Дальше рассмотрим, как эту задачу можно решить.

Очередь возле касс означает, что наша система не справляется с обработкой потока покупателей, потому что мы допустили одну или несколько ошибок:

1. Мы неправильно спрогнозировали поток в этот промежуток времени
2. Мы неправильно рассчитали количество кассиров
3. Мы неправильно распланировали смены кассиров

И хотя поток покупателей имеет отличную повторяемость по времени суток и дням недели, но даже опытному администратору легко ошибиться с прогнозом трафика, потому что на него влияет множество внешних факторов.

В нашем решении EffiQueue при прогнозировании количества покупателей мы используем следующие параметры:

• дни недели
• время суток
• календарь праздничных и предпраздничных дней
• изменения погодных условий
• календарь школьных каникул
• календарь сезона отпусков
• данные о проведении мероприятий в окрестностях каждого супермаркета
• данные о проведении промо-активностей в окрестностях каждого супермаркета и т.п.

Практически все эти данные доступны, но использование их при ручном прогнозе с использованием электронных таблиц очень трудоемко. Автоматизированное прогнозирование с использованием методов машинного обучения позволяет получить точность от 80%, как для горизонта от одного до двенадцати месяцев, так и уточнять прогноз на неделю или на следующий час. При этом прогноз на 5 недель строится меньше одной минуты. Такая скорость, точность и гибкость прогнозирования дает возможность менеджерам супермаркета намного качественнее подготовиться к приему покупателей и легко получать ответы на вопросы:

• В какое время в супермаркете бывает меньше всего покупателей?
• Как будет меняться трафик в течение дня?
• В чем отличие трафика во вторник от трафика пятницы?
• Как осенняя ярмарка по соседству изменит количество покупателей в супермаркете?
• Как изменится характер потока покупателей во время объявления школьных каникул?
• Как вырастет среднее количество покупателей в день через 6 или 12 месяцев?
• и т.д.

Во многих супермаркетах установлены системы видеонаблюдения и подсчета трафика, с помощью которых можно получать и анализировать точную информацию о количестве покупателей и длине очереди. Эту же информацию можно использовать для корректировки данных о количестве обслуженных на кассе покупателей, когда мы знаем не только количество закрытых чеков, но и фактическую длину очереди при этом.

Автоматизация расчета потребности в кассирах

Эти же данные можно использовать для расчета потребности в кассирах. Это можно сделать с использованием формулы Эрланга, которая на входе требует указать:

1.    интенсивность потока (сколько покупателей потребуется обслужить в данный конкретный промежуток времени)

2.    среднее время обслуживания (за сколько, в среднем, будет обслужен один покупатель)

3.    целевой SLA (какое время ожидания мы считаем нормальным. Но проще указать какую очередь мы считаем нормальной, например, один обслуживается и два ожидают, а время ожидания уже посчитать через среднее время обслуживания)

Легко заметить, что все данные у нас уже имеются. Интенсивность потока мы вычислим из прогноза трафика, целевой SLA укажут менеджеры, отвечающие за клиентский опыт, а среднее время обслуживания можно получить или постояв с секундомером или взяв время обработки каждого чека и добавив время на расчет покупателя, усреднить полученный показатель. Но, как часто бывает, простое решение не является самым точным. Если мы посмотрим на диаграмму ниже, то легко заметим как меняется среднее время обработки чека в зависимости от конкретного супермаркета, дня недели и времени суток. И эти изменения довольно существенны и достигают иногда 20%.

Поэтому EffiQueue использует для расчета потребности в кассирах и предоставляет анализ времени обслуживания одного клиента в следующих разрезах:

• супермаркеты
• типы касс
• конкретные кассы
• конкретные кассиры
• месяцы
• дни недели
• время суток
• календарь праздничных и предпраздничных дней
• и т.п.

Что позволит менеджерам проводить детальный анализ факторов влияния на среднее время обслуживания клиента и получить ответы на вопросы:

• Кто из кассиров работает быстрее всех, а кто является «слабым звеном»?
• Как быстро новые кассиры достигают целевой продуктивности?
• На каких кассах происходит самое медленное обслуживание?
• Чем один супермаркет отличается от других в отношении времени обслуживания?
• Как супермаркеты объединяются в группы по характеру обслуживания?

Использование детального и точного прогноза трафика, а также среднего времени обслуживания позволяет EffiQueue очень точно рассчитывать потребность в работающих кассах как на завтра, так и на любые 15 минут рабочего времени супермаркета в ближайшие семь недель.

Дополнительно, при интеграции с системой контроля трафика и видеонаблюдения, EffiQueue уточняет прогноз на следующие 30-45 минут, а также информирует менеджеров о прогнозируемых отклонениях в плане на ближайшие 2-3 пятнадцатиминутки.

Составления графика работы кассиров

Теперь у нас есть точные данные о потребности в открытых кассах и нам необходимо превратить эту информацию в план выхода на работу реальных кассиров. Если затраты на персонал не имеют значения, то это очень легкая задача. Но в реальности на ее решение необходимо потратить много времени потому, что кроме пожеланий каждого кассира по началу работы и выходным необходимо также учесть множество других правил, например:

• Минимальная смена — 4 часа, максимальная — 12 часов
• При смене менее 6,5 часов продолжительность обеда составляет 0,5 часа, при смене больше 6,5 часов — 1 час
• Должно быть не больше 5 смен подряд
• Выходные могут быть не подряд, но 1 раз в месяц – подряд
• 1 раз в 2 месяца выходные должны попадать на субботу и воскресенье
• Норма часов не более 180 часов в календарный месяц

Учесть все эти факторы при ручном планировании даже для десяти кассиров непростая задача. Но EffiQueue позволяет за 5 минут составить план смен на неделю для 15 кассиров.

EffiQueue также позволяет провести анализ того, как различные варианты планирования смен покрывают потребности в открытых кассах и выбрать наиболее подходящий к конкретным условиям. Варианты смен могут быть составлены вручную или получены автоматически на основании прогнозного траффика на месяц и существующих правил формирования смен.

Такой подход дает возможность увеличить доступность касс, а значит и уменьшение очередей, примерно в 3 раза, при этом оплачиваемые трудозатраты кассиров будут сопоставимы с заложенными в планах, которые ранее составлялись вручную.

Конечно же, EffiQueue не контролирует фактическое соблюдение плана работы кассирами. Это задача других систем, которые могут получать от EffiQueue данные о сменах для соотнесения их с конкретными кассирами и дальнейшего контроля исполнительской дисциплины. Но наше решение позволяет повысить эффективность работы всей кассовой линейки, а значит и улучшить удовлетворенность клиентов, что равно увеличению выручки.

Конечно, это решение не будет эффективным для магазинов с одной-двумя кассами, но уже от четырех касс можно заниматься оптимизацией количества и расписаний смен кассиров.

Хотите сократить на треть трудозатраты кассиров и не потерять в качестве обслуживания?

Свяжитесь, чтобы назначить время встречи для демонстрации решения.

Назначить встречу

Решение EffiQueue применимо не только для супермаркетов, но может быть использовано в контакт-центрах, банках, магазинах электроники и одежды, где необходимо прогнозировать не столько кассиров, сколько консультантов.
Наша команда экспертов проведет вас через решение EffiQueue и ответит на любые ваши вопросы. Не упустите возможность улучшить управление очередью в вашем супермаркете и повысить лояльность покупателей!