El forecast (pronóstico) del volumen de conversaciones es el punto de partida para dimensionar dotaciones, turnos y metas de SLA en operaciones de atención digital.
Sin forecast trabajas “a ciegas”: sobredimensionas (costos altos y ociosidad) o quedas corto (FRT y TMO disparados, CSAT en rojo y backlog creciente).
Con un pronóstico confiable por canal, franja horaria y skill, puedes alinear Marketing, Operaciones y WFM (Workforce Management), prevenir picos, diseñar micro-turnos y fijar expectativas realistas con dirección.
Este artículo baja a tierra un método completo: datos, estacionalidad, modelado, validación, paso a staffing, simulaciones y operación continua, con recomendaciones prácticas para WhatsApp, Instagram, Messenger, Email y Webchat.
Recolección y limpieza de datos
La calidad del forecast depende de la calidad del dato. Empieza por definir qué es una “llegada” y cómo la mides en cada canal.
Qué recolectar (mínimo viable)
- Llegadas por intervalo homogéneo (ideal: cada 15 minutos; aceptable: 30 min) y por canal.
- Conversaciones atendidas y abiertas (backlog), por cola/skill.
- AHT/TMO (tiempo medio de operación) y FRT por intervalo.
- Escalamientos y handoffs (bot→agente, L1→L2/L3).
- Agentes conectados y ocupación efectiva por skill.
- Eventos de negocio: campañas, lanzamientos, feriados, incidentes registrados.
- Señales del bot: distribución de intents, tasa de contención.
Normalización
- Ajusta zona horaria y horario de verano. Unifica todo a la TZ operativa.
- Elimina duplicados (mismo ID de conversación contado dos veces).
- Marca conversaciones internas o de QA para excluirlas.
- Define una ventana de “reapertura”: si el mismo cliente escribe dentro de X horas, ¿es la misma conversación o una nueva?
Outliers y datos faltantes
- Etiqueta picos por incidentes (caídas de ERP/PSP) y campañas puntuales. No los borres: clasifícalos (luego serán variables exógenas).
- Imputa faltantes de forma conservadora (interpolación lineal en tramos pequeños; si el hueco es grande, excluye ese día de entrenamiento y marca el evento).
Diccionario de datos
Documenta definiciones (qué es “llegada”, cómo se mide AHT, qué colas alimentan cada skill). Sin glosario, el modelo heredará ambigüedades.
Patrones y estacionalidades
Antes de modelar, mira tus datos. Gran parte del forecast es entender la forma del negocio.
Patrón intradía (por hora)
- ¿Cuándo entra más tráfico? ¿Picos a media mañana y tarde?
- WhatsApp y Webchat suelen concentrar demandas en horario hábil; Instagram/Messenger dependen más del ocio (tarde-noche).
Patrón semanal
- Lunes de postventa, viernes de preventa, fines de semana con menor dotación pero picos puntuales (promos).
- Email puede acumular hacia la mañana; mensajería, hacia la tarde.
Estacionalidad mensual/anual
- Cierres de mes, impuestos, matrícula, Cyber/Hot Sale, vacaciones, fechas retail (Día de la Madre, Navidad).
- Marca festivos nacionales y “puentes” por país.
Eventos especiales
- Lanzamientos, cambios de precios, PR/crisis, actualizaciones del sitio. Son picos o valles no repetitivos que deberás explicar con variables exógenas.
Mix por motivo/skill
- El volumen “total” engaña: lo que dimensiona dotación es el volumen por skill (facturación, logística, soporte técnico). Un cambio en el mix mueve AHT y ruteo, incluso con el mismo número de conversaciones.
Modelado del forecast
No necesitas un laboratorio de ciencia de datos para pronosticar bien. Sí necesitas disciplina.
Modelos base (baseline)
- Seasonal Naïve: “lo de este lunes se parecerá al lunes pasado”. Sorprendentemente competitivo como piso.
- Promedio móvil estacional (SMA): media de las últimas 4–8 semanas para el mismo día/hora.
- Descomposición STL + ETS: separa tendencia/estacionalidad y ajusta un modelo exponencial.
Modelos con memoria y estacionalidad
- SARIMA: captura autocorrelaciones + estacionalidad semanal/intradía.
- Regresiones multivariadas (GLM/GBM): con features de calendario (día de semana, hora, feriados), lags y variables exógenas.
Variables exógenas (X)
- Campañas (intensidad por hora, impresiones/clicks).
- Lanzamientos y drops programados (flags).
- Incidentes (latencia/errores en integraciones).
- Clima/partidos si afectan tu vertical.
Jerarquía y reconciliación
Pronostica en jerarquía: Total → Canal → País → Skill/Cola. Usa enfoque middle-out: modela en nivel donde hay señal robusta (p. ej., canal-país) y reparte hacia abajo por proporciones históricas; reconcilia para que los hijos sumen al padre.
Granularidad
Trabaja a 15 minutos para operación diaria; consolida a 30/60 min para turnos. Más fino que 15 min añade ruido; más grueso oculta picos.
Validación y error
Elige métricas de error que hagan sentido con tus volúmenes y que no “premien” al modelo por acertar solo cuando hay mucho tráfico.
Backtesting (rolling origin)
- Ventanas deslizantes: entrena hasta la semana N, pronostica N+1; avanza y repite.
- Evalúa por franja horaria y por canal/skill (el promedio global es engañoso).
Métricas
- MAE (error absoluto medio): robusto con volúmenes bajos.
- MAPE/sMAPE: útil cuando no hay ceros; sMAPE es más estable.
- WAPE (error ponderado por volumen): bueno para jerarquías.
- Cobertura de intervalos: % de veces que el real cae dentro del intervalo de confianza (p. ej., 80%).
Regla práctica
- Si MAPE semanal <15% en canal y <25% en skill, estás en zona operativa razonable.
- Revisa sesgo (error sistemático positivo o negativo). Un sesgo negativo sostenido quema SLA.
De forecast a staffing
Tu forecast no paga nóminas; tu plan de dotaciones sí. Convierte volumen en personas por franja.
1) Carga ofrecida (Erlangs)
Carga (horas de trabajo por hora)=λhora×AHT (horas)\text{Carga (horas de trabajo por hora)} = \lambda_{\text{hora}} \times \text{AHT (horas)}Carga (horas de trabajo por hora)=λhora×AHT (horas)
Ejemplo: 120 conversaciones/hora con AHT 8 min (0,133 h) → 16 horas de trabajo/hora.
2) Concurrencia (canales asincrónicos)
En WhatsApp/Webchat un agente puede llevar >1 conversación en paralelo. Define un factor de concurrencia efectivo por skill (p. ej., 1,2–1,6). Para Email suele ser 1.
3) Ocupación objetivo
No busques 100%: quema al equipo y sube el TMO. Objetivo sano: 0,70–0,80 (varía por complejidad).
4) Shrinkage (mermas)
Tiempo no productivo: pausas, capacitación, ausencias, reuniones (típico 20–35%).
5) SLA y seguridad
Si tu SLA exige FRT muy bajo, añade “colchón de seguridad” (10–20%) o usa un modelo de colas (Erlang C) para calcular la probabilidad de espera < objetivo. En digital, el enfoque de colchón + percentiles suele ser suficiente si monitoreas en tiempo real.
6) De franjas a turnos
Agrupa demanda en turnos 4/6/8 h, coloca micro-shifts (1–2 h) en picos y programa pausas fuera de máximos. Diseña overlaps entre turnos para cambios suaves.
8) Multi-skill
- Pooling efectivo: si un skill puede apoyar a otro, reduce variabilidad y necesidad de buffer.
- Define reglas de overflow y límites para no dejar al skill base descubierto.
Simulación de escenarios
Los “what-if” convierten un forecast en una herramienta de decisión.
Pico x2
- Duplica llegadas en las franjas pico y observa FRT/ocupación.
- Acciones: activar overflow, micro-turnos, priorizar motivos críticos, pausar plantillas no esenciales.
Caída de un canal
- Si Webchat cae, ¿cuánto migra a WhatsApp? Simula +X% en WhatsApp y pérdida de concurrencia temporal.
- Acciones: modo contingencia, mensaje proactivo, ruteo a colas con mayor resiliencia.
Campañas simultáneas
- Superpone incrementos por campaña A y B en distintos países/horarios.
- Ajusta cap de envíos si la ocupación proyectada supera 0,85 en p90.
Cambios de mix
- Aumenta peso de motivos complejos (L2/L3) con AHT mayor.
- Verifica si la dotación “sirve” en cantidad pero no en skill; planifica cross-training.
Operación continua
El forecast no se “implanta” y listo: se recalibra.
Rolling update
- Reentrena semanalmente con las últimas 4–8 semanas y conserva memoria de estacionalidad anual.
- Ajusta coeficientes de variables exógenas (campañas tienden a “fatigarse”).
Nowcasting
- Corrige el día en curso con datos parciales (primeras 2–4 horas) para recalcular dotaciones del resto del día.
- Si el desvío > umbral, activa alertas y micro-shifts.
Control de sesgo
- Monitorea error por canal/skill. Si hay sesgo 3 semanas seguidas, revisa definiciones (¿cambió ruteo? ¿el bot contuvo más?).
Dashboards y alertas
Haz visible el plan y sus desvíos para Dirección y Operación.
Vista ejecutiva
- Volumen proyectado vs real (semanal y mensual).
- MAPE por canal/país y tendencia.
- Dotación planificada vs utilizada, costo estimado vs real.
- Alertas de riesgo de SLA en próximos 7 días (si forecast > capacidad).
Vista operativa (día a día)
- Llegadas vs atenciones por franja de 15 min.
- FRT p50/p90, ocupación, backlog/aging.
- Agentes conectados vs plan (adherence).
- Salud de integraciones (latencia/errores).
- Bot: contención, handoff y principales intents.
Alertas por desvío
- Volumen real > forecast + X% durante Y min.
- Ocupación > 0,85 por Z min.
- Adherence < objetivo en cola crítica.
- Caída de contención o subida de AHT > umbral.
Cada alerta debe enlazar a playbook (overflow, refuerzo, pausa de campañas, mensajes de espera informada).
Buenas prácticas y errores comunes
- No mezcles definiciones: “llegadas” = primer mensaje; recontactos dentro de 24 h no cuentan como nueva llegada si así lo definiste.
- No uses solo promedios: planifica con percentiles (p90) en picos.
- Incluye Marketing: sin calendario de campañas, el forecast queda miope.
- Separa canales por comportamiento (asincrónicos vs síncronos) y skills por AHT.
- Evita el sobreajuste: un modelo demasiado exacto en el pasado puede fallar en el futuro. Prefiere modelos simples + buen gobierno.
- Entrena al equipo: que Supervisión entienda cómo leer el dashboard y cuándo accionar micro-turnos.
Ejemplo numérico integrado
- Forecast WhatsApp 10:00–11:00 = 120 conversaciones; AHT = 8 min (0,133 h); concurrencia = 1,2; ocupación objetivo = 0,75.
- Carga = 120 × 0,133 = 16 h/h.
- Agentes productivos = 16 / (0,75 × 1,2) ≈ 18.
- Con shrinkage 25% → 18 / 0,75 = 24 agentes en roster.
- Añade colchón 10% en picos → 26.
- Turnos: 8 agentes 09–13, 10 agentes 10–14, 8 agentes 11–15, con pausas fuera de 10:30–11:30.
- Overflow desde “Posventa” a “Atención General” habilitado si ocupación >0,85 por 10 min.
Conclusión
Un forecast operativo, simple y confiable transforma tu atención: convierte la incertidumbre en capacidad planificada. Con datos limpios por canal/skill, comprensión de patrones intradía y semanales, modelos con variables exógenas, validación honesta y un pipeline que traduce volumen→dotación→turnos, tus SLA dejan de depender de la suerte. Compleméntalo con simulaciones “what-if”, recalibración semanal y dashboards con alertas accionables, y tendrás una operación que anticipa, no solo reacciona.
Solicita a chattigo un forecast y plan de dotaciones por canal. En pocas semanas tendrás tu tablero de volumen, dotación por skill y alertas para proteger tus SLA.
