O CalPlen transforma o seu histórico de atendimentos em previsão de volume, dimensionamento por mês e por intervalo (Erlang C*) e relatórios — para que você tenha a quantidade certa de agentes na hora certa.
(*) Erlang C é o modelo matemático amplamente utilizado pela indústria de centrais de atendimento para calcular o número de agentes necessários para atender à demanda, considerando o volume de contatos, o tempo de atendimento e o nível de serviço desejado.
Em uma central de atendimento, a folha de pagamento representa de 60% a 70% do custo operacional. Cada agente a mais — ou a menos — em cada intervalo se transforma em dinheiro desperdiçado.
Você paga por horas ociosas: agentes sem contatos para atender, ocupação baixa e margem corroída. É o custo silencioso da lógica de "colocar mais gente só para garantir".
Filas e abandono estouram o SLA, a receita escapa e quem ficou de plantão se esgota — o que eleva o absenteísmo e a rotatividade. Segundo a SWPP, faltar 2 agentes em um intervalo custa mais de US$ 22 por hora apenas em tempo de fila. Tudo isso sem mencionar o custo na satisfação do cliente.
Fontes: participação da folha no custo — Calabrio e goodcall; custo de sub e superdimensionamento — SWPP (Society of Workforce Planning Professionals).
Cinco passos integrados que levam os seus dados até o número de agentes por intervalo.
Importe os seus dados por CSV (exportado do seu DAC, Zendesk e outros), com detecção automática de formato, canais e fuso horário. Sem planilha manual.
Rode a previsão de volume por canal com tendência, sazonalidade e ajuste por calendário — e a acurácia medida por backtest (WAPE), para você saber o quanto pode confiar.
Dimensione os agentes necessários por mês, com ocupação calibrada pelo histórico e nível de serviço configurável.
Dimensione o número necessário de agentes por dia da semana e por intervalo, via Erlang C, com concorrência de chat e nivelamento de e-mail.
Gere relatórios com premissas, gráficos e tabelas — pronto para apresentar e exportar em PDF.
Os métodos que separam um plano que se sustenta de um palpite caro.
A ocupação possível é menor em operações pequenas (é o inverso da economia de escala). Em vez de fixar 85% e subdimensionar, o CalPlen calibra pela sua realidade — e entrega um requerido factível para o SLA.
Cada previsão traz o erro de validação (WAPE) e a faixa de incerteza por canal. Métodos manuais costumam errar cerca de ±20%; as boas práticas de WFM chegam a ±5%.
Telefone, chat (com concorrência via EAHT — o AHT efetivo quando o agente atende vários chats) e e-mail (nivelado na janela de resposta) — o modelo padrão da indústria, aplicado por dia da semana e por faixa de horário.
Combina tendência com base de clientes × contact rate e permite deslocar a previsão dentro da faixa de erro — para planejar de forma conservadora ou agressiva, sempre com total transparência.
Os relatórios deixam explícitos o SLA, o shrinkage, a ocupação e o método — nada de caixa-preta. É fácil de auditar e de aprovar internamente.
Calcule a faixa de economia potencial ao reduzir o desperdício de super e subdimensionamento.
Como calculamos: a folha de pagamento representa de 60% a 70% do custo de uma central e o desperdício de dimensionamento (agentes ociosos ou horas extras e abandono) é a parte que estimamos poder ser otimizada. Aplicamos uma faixa conservadora, de 5% a 12%, sobre o custo anual da folha — abaixo dos 12% a 30% de redução de custo de pessoal relatados em estudos do setor (Insite, McKinsey). Cálculo: agentes × custo mensal × 12 × (de 5% a 12%).
Estimativa ilustrativa, baseada em faixas públicas do setor. Os ganhos variam conforme a sua operação.
Números do setor, de fontes reconhecidas — o CalPlen entrega os métodos que os produzem.
60–70%
é a participação da folha no custo operacional de uma central: dimensionar melhor age sobre a maior fatia do custo.
Calabrio / goodcall ↗> US$ 22/h
é o custo de faltar 2 agentes em um intervalo, apenas em tempo de fila — e agentes em excesso impactam o custo da folha (ociosidade).
SWPP ↗±5% vs. ±20%
é a acurácia das boas práticas de WFM ante os métodos manuais — e o CalPlen mede o seu próprio erro por backtest.
Verint ↗75–85%
é a faixa de ocupação saudável, que cai em grupos pequenos: por isso o CalPlen calibra em vez de fixar.
Call Centre Helper / peopleware ↗−12%
de custo de pessoal após elevar a acurácia da previsão em 36%, em um caso relatado pela Insite.
Insite (case) ↗As estatísticas acima são de terceiros e se referem ao setor, não a resultados medidos do CalPlen. Casos marcados com "(case)" são relatos dos próprios fornecedores.
Sim — a previsão aprende com os seus dados. Basta importar um CSV com data e hora, canal e volume (ou tickets). A partir de cerca de 2 meses já é possível prever; quanto mais histórico, melhor a leitura da sazonalidade.
Sim. O CalPlen trabalha com telefone, chat e e-mail, respeita o fuso horário da sua central e não depende de feriados fixos — funciona para operações em qualquer país.
Usamos os modelos padrão da indústria: Erlang C por intervalo, ocupação calibrada e backtest de acurácia (WAPE). Toda premissa (SLA, shrinkage, ocupação) fica visível no relatório — sem caixa-preta.
Cada conta enxerga apenas os próprios dados, isolados por regras de acesso. Você controla quem entra: até 5 usuários por conta, com permissão de escrever ou apenas de visualizar.
Crie a sua conta, cadastre a empresa e importe um histórico. Em poucos minutos você tem a previsão e o dimensionamento — sem instalar nada.
Crie a sua conta, importe o seu histórico e veja o número certo de agentes por intervalo.
Os cadastros abrem em breve.