Verme разработала алгоритм прогнозирования трафика на основе нейросетевой модели
Verme разработала алгоритм прогнозирования трафика на основе нейросетевой модели
Компания Verme, разработчик решений для повышения производительности линейного персонала, обновила алгоритм прогнозирования трафика в своей WFM-системе. В его основу легла нейросетевая модель трансформерной архитектуры. Благодаря новому алгоритму точность прогноза достигает 90%, что помогает компаниям эффективнее планировать смены и сокращать расходы на фонд оплаты труда.
Verme IT информационные технологии ПО софт Navicon Accenture HRlink Нетрика CorpSoft24 облачные технологии БФТ КЭДО
25.05.2026 20:52
Правообладатель: Агентство iTrend
Оценка от партнеров: плюс / минус
Прогнозирование является одним из ключевых этапов автоматического составления графиков. Система анализирует исторические данные о посещаемости и нагрузке на торговую точку, строит прогноз и на его основе рассчитывает необходимое число сотрудников в каждую смену. Точность критична, поскольку занижение прогноза ведет к падению уровня сервиса, а завышение – к избыточным затратам на персонал.
До обновления Verme использовала регрессионные модели, работа которых строилась на наборе аналитических правил. Например, система учитывала, что субботний трафик похож на субботний трафик прошлого года, а поведение покупателей в праздник зависит от его положения в рабочей неделе. Такой подход хорошо справлялся с типовыми данными, но давал сбои в нестандартных ситуациях: при смещении праздников внутри недели, региональных различиях в производственных календарях, пропусках в исторических данных, короткой истории наблюдений у новых точек и аномальных изменениях трафика. Чем больше таких факторов накладывалось друг на друга, тем сложнее становилось описать их правилами вручную.
Новая модель построена на трансформерной архитектуре, похожей на ту, что лежит в основе больших языковых моделей. Если языковая модель предсказывает следующее слово в тексте на основе всего предшествующего контекста, то модель Verme предсказывает следующее значение во временном ряду. При этом она не опирается на заранее заданные правила, а учится распознавать закономерности в данных.
Обучение проходило более чем на 46 тысячах временных рядов клиентов из разных отраслей. Модель содержит 49,7 млн параметров против десятков в прежних регрессионных моделях. Благодаря этому новый алгоритм показал прирост точности на 1,6%, а время формирования прогноза сократилось в тысячи раз. Это дает аналитикам больше времени на ручную проверку и корректировку результатов при необходимости. Кроме того, модель стала менее требовательной к качеству и полноте входных данных.
«Раньше точность прогноза зависела от того, насколько подробно мы описывали в правилах различные отклонения. Но описать все возможные комбинации практически невозможно, а цена ошибки в планировании измеряется десятками тысяч рублей только за один рабочий день. Трансформерная модель учится самостоятельно и применяет накопленный опыт к нестандартным ситуациям. Построить такой алгоритм нам помогла накопленная клиентская база, ее разнообразие обеспечило нужный объем и широту данных для обучения», – отметил руководитель проектов прогнозирования Verme Никита Борисов.
Справка о компании:
ГК Verme — российская ИТ-компания, специализирующаяся на ИТ-продуктах для повышения производительности персонала. В ГК входят компании Verme и «Моя смена».
Verme — решения для повышения эффективности линейного персонала: планирование графиков под потребность с помощью WFM-системы, учет рабочего времени по технологии FaceID/QR.
«Моя смена» — один из первых и крупнейших на российском рынке сервисов подработок рядом с домом с аудиторией более 600 000 человек. Сервис позволяет быстро находить и выводить на работу массовый персонал, имеет пул крупных заказчиков. В октябре 2025 года компания HeadHunter приобрела 26% сервиса «Моя смена» и стала стратегическим партнером.
Оценка от партнеров: плюс 0 / минус 0