免费工具 工单量预测：下周会来多少咨询
排班从「会来多少量」开始。粘贴几周每天或每小时的工单、来电或在线客服会话数，工具先拿最后一个周期回测五种常用方法，选误差小的那种往后预测，给出预测图、预测表和 CSV。
- 五种方法回测
- 给出 MAPE 和 MAE
- 本地计算
预测工单 / 会话量
示例是一家电商店铺 8 周的每日客服会话数（示例数字）：周一售后最多，周末咨询也多，整体缓慢增长。
一行一个：2026-07-06 321（日期 + 数量），按小时写 2026-10-12 09:00 35；也可以只粘一列数字。可以直接从 Excel 复制两列，第一行表头会自动跳过。
选「按天」但数据带小时时，会按日期加总。
自动：按天用 7；按小时用 24，满 3 周后用 168（一周的小时数）。
自动：选回测误差小的那种。
天数或小时数，最多 400。
数据检查
预测期合计
4,638
所有预测期加起来。
平均每期
331.3
峰值
392.9
回测 MAPE
2.2%
留出周期上的平均百分比误差。
回测 MAE
6.8
平均误差，单位是工单 / 会话数。
历史和预测
灰线是历史，蓝色虚线是预测，浅色带是按回测误差估的大致 80% 范围。
各方法在留出周期上的误差
每种方法都先不看最后一个周期来拟合，再拿它打分。绿色是实际采用的。
| 方法 | MAPE | MAE | |
|---|---|---|---|
| Holt-Winters（加法） | 2.4% | 7.6 | |
| Holt-Winters（乘法） | 2.2% | 6.8 | 误差小 · 采用 |
| 季节指数 × 近期水平 | 2.8% | 9.1 | |
| 移动平均 | 8.6% | 28.6 | |
| 上个周期同一时间 | 3.0% | 9.6 |
预测表
范围 = 预测 ± 1.28 × 回测 RMSE，不随预测步数变宽，越往后的行越要打折看。
| 时间 | 预测 | 下限（80%） | 上限（80%） |
|---|---|---|---|
| 2026-08-31 周一 | 385.8 | 374.8 | 396.9 |
| 2026-09-01 周二 | 312.7 | 301.7 | 323.8 |
| 2026-09-02 周三 | 305.6 | 294.5 | 316.6 |
| 2026-09-03 周四 | 296.9 | 285.8 | 307.9 |
| 2026-09-04 周五 | 290.9 | 279.9 | 302 |
| 2026-09-05 周六 | 339.9 | 328.8 | 351 |
| 2026-09-06 周日 | 367.6 | 356.6 | 378.7 |
| 2026-09-07 周一 | 392.9 | 381.8 | 403.9 |
| 2026-09-08 周二 | 318.3 | 307.2 | 329.4 |
| 2026-09-09 周三 | 310.9 | 299.9 | 322 |
| 2026-09-10 周四 | 301.9 | 290.9 | 313 |
| 2026-09-11 周五 | 295.8 | 284.7 | 306.8 |
| 2026-09-12 周六 | 345.4 | 334.4 | 356.5 |
| 2026-09-13 周日 | 373.5 | 362.4 | 384.6 |
时间,预测,下限80%,上限80%
2026-08-31 周一,385.8,374.8,396.9
2026-09-01 周二,312.7,301.7,323.8
2026-09-02 周三,305.6,294.5,316.6
2026-09-03 周四,296.9,285.8,307.9
2026-09-04 周五,290.9,279.9,302
2026-09-05 周六,339.9,328.8,351
2026-09-06 周日,367.6,356.6,378.7
2026-09-07 周一,392.9,381.8,403.9
2026-09-08 周二,318.3,307.2,329.4
2026-09-09 周三,310.9,299.9,322
2026-09-10 周四,301.9,290.9,313
2026-09-11 周五,295.8,284.7,306.8
2026-09-12 周六,345.4,334.4,356.5
2026-09-13 周日,373.5,362.4,384.6下载的文件带 BOM，Excel 直接打开不乱码。
接着排班
版本 v1.0更新于 更新记录
预测结果在告诉你什么
预测好不好，先看回测误差，再看数字。
回测 MAPE
每种方法都先不看最后一个周期来拟合，再让它预测这个已知的周期。MAPE 是这一周（或这一天）的平均百分比误差，是「近期预测大概差多少」的老实回答。
MAE
同样的误差，单位是工单数。量小的时候看它：深夜一个小时从 2 个变成 3 个，百分比误差 50%，其实只差 1 个。
80% 范围
预测 ± 1.28 × 回测 RMSE，假设误差大致服从正态分布。排班时留余量可以参考，不是保证；它也不像真实的不确定性那样越往后越宽。
哪种方法胜出
「上个周期同一时间」胜出，说明规律稳定、趋势不大；Holt-Winters 胜出，说明整体水平或趋势在变；移动平均胜出，说明数据里没什么规律可用。
任何统计方法都不知道你们哪天上新、做活动、系统故障，也不知道双 11、618 和法定假日。国内还有调休：周末上班那天的量会更像工作日。把这些日子标出来，先预测平时的基线，再把活动的影响加上去。
从报表导出到排班计划
四步，全部在浏览器里完成。
-
1
导出
从客服系统或话务报表取每天（或每小时）的工单、来电、会话数，至少两个完整周期：按星期规律要 14 天，6–8 周更好。
-
2
粘贴
一行一个日期和数量。缺的日期按 0 补、顺序乱了会排好，结果上方的数据检查会告诉你改了什么。
-
3
看回测
看方法对比表。如果每种方法误差都很大，可能是历史太短、波动太大，或者最后一个周期里有一次性的活动。
-
4
用起来
下载 CSV；按小时预测时，可以把接下来 24 小时直接带到排班计算器，再按缩减率排班。
五种常用方法，用同一把尺子打分
方法和记号按 Hyndman 和 Athanasopoulos 的《Forecasting: Principles and Practice》（第 3 版）。Holt-Winters 用阻尼趋势，初值按 statsmodels「simple」初始化的算法，α、β、γ、φ 通过让一步预测误差平方和最小来确定。
- 上个周期同一时间（季节性朴素）：预测 = 一个周期前同一位置的值
- 移动平均：最近一个完整周期的平均值，往后都一样
- 季节指数 × 近期水平：经典分解，用中心化 2×m 移动平均；按星期几（或几点）平均出季节指数，缩放到平均为 1
- Holt-Winters：每来一个新数据，更新水平、阻尼趋势和季节三部分；季节分加法和乘法
- 回测：留出最后一个周期（或 20% 的数据），用前面的拟合，用 MAPE 和 MAE 打分；「自动」选 MAPE 小的
MAPE
(1/n) × Σ |实际 − 预测| ÷ 实际
实际为 0 的期不计入
MAE
(1/n) × Σ |实际 − 预测|
单位和数据一样
Holt-Winters 水平
ℓₜ = α(yₜ − sₜ₋ₘ) + (1 − α)(ℓₜ₋₁ + φbₜ₋₁)
加法季节
Holt-Winters 预测
ŷₜ₊ₕ = ℓₜ + (φ + … + φʰ)bₜ + sₜ₊ₕ₋ₘ
用这个位置最新的季节项
80% 范围
ŷ ± 1.28 × RMSE（回测）
近似
手算一次预测误差
最简单的方法——这周和上周一样——拿来和实际发生的比。示例数字。
| 星期 | 预测（上周同一天） | 实际 | 误差 | |误差| ÷ 实际 |
|---|---|---|---|---|
| 周一 | 360 | 372 | +12 | 3.2% |
| 周二 | 300 | 291 | −9 | 3.1% |
| 周三 | 280 | 286 | +6 | 2.1% |
| 周四 | 265 | 270 | +5 | 1.9% |
| 周五 | 255 | 240 | −15 | 6.3% |
| 周六 | 250 | 262 | +12 | 4.6% |
| 周日 | 290 | 301 | +11 | 3.7% |
MAPE = 最后一列的平均 = 3.5%；MAE =（12 + 9 + 6 + 5 + 15 + 12 + 11）÷ 7 = 10.0 个会话。工具对每种方法都做同样的检查，留下 MAPE 小的那个。
话务量预测常错在哪
多半错在数据，不在算法。
让一次性的日子带偏预测
历史里的大促、上新、故障、假期会被原样复制到未来。预测前把这些天换成正常水平。
按天预测、按小时排班
排班是按小时排的。直接用按小时的数据预测，或者用平时的分时比例把每天的预测拆到小时。
太相信远期的数字
误差随预测步数变大。每周用最新数据重跑一次，不要一次预测管一个月。
忘了进线量的源头变了
新上了帮助文档、AI 自动回答或者改了价格，量可能一夜之间变化，旧的历史数据不会知道。
历史数据从哪来
TapCub 的客服报表里已经有这个工具要用的数：
工单量 / 话务量怎么预测？
收集至少几周每天（或每小时）的数量，选一种能抓住星期规律的方法——季节性朴素、季节指数或 Holt-Winters——再用一段已知的时间检验它。用误差小的方法，再把已知的活动、假期加上去。
需要多少历史数据？
至少两个完整周期：按星期规律要 14 天，按一天 24 小时的规律要 48 小时。6–8 周的数据能让季节指数和 Holt-Winters 估得更稳。按小时的数据要体现工作日和周末的差别，大约需要 3 周。
MAPE 多少算准？
没有固定标准，取决于你们的量本身波动多大、预测多远。拿各方法互相比，也和「照搬上周」这个基线比：连上周都比不过的方法，没有增加任何信息。
Holt-Winters 是什么？
指数平滑的一种，分水平、趋势、季节三部分，每来一个新数据就更新一次。比固定的平均值更能跟上增长和规律的变化。这里对趋势做了阻尼，预测远一点也不会一路冲上天。
加法季节和乘法季节有什么区别？
加法是「周一总比平均多 50 单」，乘法是「周一总比平均多 20%」。量增长很多时，乘法通常更贴合。选「自动」时两种都会试。
双 11、春节、调休怎么办？
统计方法只看得到历史里的规律。先把历史里的一次性日子换成正常值，预测出基线，再按你对活动的预期调整未来的那几天。调休上班的周末，可以参照工作日的预测值。
预测出来的量怎么变成排班？
按小时的数据，工具会把接下来 24 小时带到在线客服排班计算器。电话和邮件队列按时段用 Erlang C 话务量计算器，再加上缩减率。