寒暑假班容量预测：热门班型提前扩容

这个案例来自 教育培训 场景，讲的是寒暑假招生期里一件看起来只是“预估开几个班”、实际上非常考验经营判断的工作：
哪些年级和科目会爆、哪些班型只是看起来热、老生续报会不会挤占新生名额、试听线索能转化多少、老师和教室能不能跟上，如果没有提前预测和扩容，热门班满员、冷门班空置、临时加班救火就会同时发生。

寒暑假班和常规班不一样。
常规班可以慢慢续、慢慢补、慢慢调；寒暑假班窗口短、报名集中、家长决策快，机构一旦判断慢半拍，就很容易出现两种尴尬：

热门班型 3 天内报满，后面来的高意向家长只能排队或流失
冷门班型提前占了老师和教室，开班前一周还凑不齐人数

很多机构不是没有招生数据，而是没有把历史报名、当前线索、老生续报、老师档期和教室容量放在一起算。

这个现场到底发生在什么地方

常见于：

K12 学科辅导的暑期衔接班、寒假冲刺班
语言培训的暑期集训营、考级冲刺班
编程、艺术、科学实验等素质教育短训营
多校区连锁机构的寒暑假统一招生和分校区开班
老生续报、新生试听、转介绍线索集中涌入的招生高峰

现场真实状态通常是这样的：

去年暑假三升四数学班报得很快，今年顾问也感觉会热
五升六英语冲刺班试听预约很多，但试听后真正报名率不稳定
初一新生衔接班老生续报意愿强，可能很快占掉黄金时段名额
某个校区有 60 人大教室，但热门老师只能带 24 人精品班
另一个校区教室很多，却缺能上高阶班的老师
销售团队希望先多开班抢招生，教务担心开太多后老师和教室兜不住
教学主管希望保证班型质量，不愿为了扩容把水平差异太大的学生塞进同一班
校长每天看报名表，却很难判断哪些班该提前扩、哪些班该合并或停开

寒暑假班容量预测真正难的地方，不是算一个总报名人数，而是同时回答几组问题：

哪些年级、科目、班型会在什么时间点集中报名
老生续报会提前占用多少容量
试听线索里有多少是真正高意向
热门老师能不能承接新增班
教室容量、设备和时段是否够用
如果热门班满员，是否有合适的加开班、平行班或候补方案
如果冷门班报名不足，是否应该提前合班、转班或释放资源

这不是单纯的招生问题，也不是单纯的排课问题，而是招生、教务、教学和校区资源一起联动的容量治理问题。

这个现场真正难在哪里

寒暑假班的容量判断通常同时受到这些因素影响：

历史同期报名走势
年级升段和考试节点
科目热门度和家长关注变化
老生续报率和续报时间
试听线索量、到访率和转化率
转介绍、渠道投放和公开课引流效果
教室容量、设备要求和可用时段
老师档期、授课等级和连续授课负荷
校区地理位置、通勤时间和家长可接受上课时段
临时扩班、候补补位和冷门班合并策略

教培机构最熟悉的痛点往往不是“完全不知道该开几个班”，而是：

只知道去年这个班热，但不知道今年能热到什么程度
只看报名人数，不看试听线索和老生续报的提前占用
顾问在前端不断承诺名额，教务后端才发现老师档期不够
热门班满员后才想加班，结果黄金时间段和热门老师已经排满
冷门班迟迟不开不退，既占教室又占老师，还影响家长等待体验
总部要求提高满班率，校区又担心少开班导致招生机会丢失

寒暑假班最怕的不是预估有偏差，而是偏差被发现得太晚。

原来的处理链条为什么会卡

改造前，很多教育培训机构的寒暑假开班计划仍然靠 Excel、顾问经验、校长拍板和临近开班前的人工调整。

典型链条通常是这样的：

招生负责人参考去年报名表和今年目标，先估一版班型；
各校区按经验报开班需求；
顾问持续收试听和报名；
教务再根据报名人数安排老师和教室；
热门班满员后临时申请扩班；
冷门班不满员时再临时合班或转班。

旧流程最常见的卡点有这些。

1. 历史数据只被当作参考，没有被拆到班型颗粒度

机构通常会看去年暑假总报名人数、总收入和大致热门科目。
但真正影响开班的是更细的颗粒度：

年级：新一、新三、新七、初三、高一等升段节点
科目：数学、英语、物理、编程、口才、艺术等项目差异
班型：精品小班、大班集训、一对一、冲刺班、衔接班
时段：上午、下午、晚间、周末、连续 5 天、隔天上课
校区：商圈校区、社区校区、学校周边校区

如果只是看“去年暑假数学报得不错”，就很难知道今年应该扩的是三升四数学上午精品班，还是小升初数学晚间冲刺班。

2. 老生续报和新生招生抢同一批容量

寒暑假班不是只服务新生。
很多老生会在期末前后续报寒暑假课程，而且老生往往更早锁定热门老师和好时段。

问题在于，老生续报经常分散在班主任、顾问和教务不同表里：

班主任知道哪些家长表达过续报意向
顾问知道哪些老生已经交订金
教务知道原班老师暑假档期
校长只看到已付款人数

如果老生续报没有提前占位，前端销售可能把同一个热门班容量继续卖给新生。
等到正式排班时，才发现原本 24 人的班已经被 18 个老生续报占掉，只剩 6 个名额，却还有 20 个新生线索在排队。

3. 试听线索的热度容易被误判

试听预约多，不等于最终报名多。
但试听线索如果完全不纳入容量预测，又会低估热门班的爆发速度。

常见误判有两类：

把所有试听预约都当成会报名，导致过度扩班
只看已缴费报名，不看试听积压，导致热门班扩容太晚

真实现场更需要判断的是：

哪些试听线索来自高转化渠道
哪些家长已经明确指定班型或老师
哪些学生水平适合当前热门班
哪些试听未到场但仍有挽回价值
哪些试听集中在同一校区和同一时段

如果线索质量没有分层，开班计划就会在“保守”和“冒进”之间来回摆。

4. 教室容量和老师档期常常在最后才被一起核对

招生端最关心能不能收人，教务端最关心能不能上课。
两边如果没有提前同步，热门班一旦报满，扩班就会卡在资源上。

典型情况包括：

教室还有空，但合适老师没有档期
老师有档期，但只能上小班，不能接 40 人大班
大教室可用，但没有投影、实验设备或琴房条件
某个时段家长最方便，但所有教室都被常规班占用
老师看似有空，但连续授课过多，不适合再加短训班

容量预测如果只预测报名，不预测承接能力，就很容易把问题留到开班前。

5. 临时扩班总是发生在资源最紧的时候

热门班通常是在招生高峰早早满员。
但很多机构要等班满以后，才开始讨论加开平行班。

这个时候再扩班，会遇到一串连锁问题：

黄金上课时段已经被其他班占掉
热门老师暑假档期已经排满
可用教室剩下的是晚间或中午尴尬时段
候补老师需要教学主管重新确认
家长要重新接受上课时间或老师变化
顾问要重新解释为什么原班满了

扩班越晚，能选择的方案越少。

6. 冷门班空置不只是浪费教室，也会拖慢决策

冷门班最大的问题不是没人报，而是不知道该什么时候停。

如果一个班型报名不足，但还占着老师和教室，机构会陷入犹豫：

再等两天会不会有人报名
要不要把学生转到其他校区
要不要降价促销
老师档期是否可以释放给热门班
已报名家长是否接受合班或换时段

冷门班如果不及时处理，就会消耗本来可以给热门班扩容的资源。

改造前的旧流程简图

flowchart TB
    A[参考去年报名和今年招生目标] --> B[各校区人工上报寒暑假开班计划]
    B --> C[顾问持续收报名、试听和老生续报]
    C --> D[教务按已报名人数安排老师和教室]
    D --> E{是否出现热门班满员或冷门班不足}
    E -->|热门班满员| F[临时申请扩班]
    F --> G[重新找老师、教室和可用时段]
    E -->|冷门班不足| H[临近开课再合班、转班或停班]
    G --> I[顾问和班主任重新通知家长]
    H --> I
    E -->|暂未发现问题| J[继续按原计划招生]

这条旧流程为什么总让暑期旺季变成临时救火

从项目复盘角度看，旧流程真正的问题不是校长没有经验，也不是顾问不努力，而是“需求预测、容量占用、资源约束、扩班决策、冷门释放”这条链没有提前连起来。

1. 历史报名没有变成可执行预测

去年同期数据里藏着很多信号：

报名高峰通常出现在期末考试前后
小升初、初升高等升段年级更容易集中报名
某些科目受政策、考试和竞赛节奏影响明显
某些校区晚间班转化高，某些校区上午班更好卖
某些老师只要出现在课表里，班型就更容易满

但如果这些信号没有被拆成趋势和容量建议，历史数据就只是复盘材料，不是提前行动依据。

2. “已报名”只是结果，“即将报名”才决定是否要扩容

寒暑假班容量预测不能只盯已缴费人数。
真正要看的是容量占用速度：

已缴费人数
已交订金人数
老生强续报意向人数
试听预约人数
试听后待跟进人数
转介绍高意向人数
公开课后进入咨询的人数

如果一个 24 人热门班已经缴费 14 人，看起来还有 10 个名额；
但同时有 8 个老生待缴费、12 个试听预约、6 个转介绍高意向，那这个班其实已经处在接近爆满状态。

3. 热门班扩容要提前于满员发生

满员后再扩班，本质上是补救。
更好的动作应该是在“接近满员且后续需求充足”时提前准备：

预留同等级老师档期
锁定相邻教室或备选校区
设计平行班开课时间
准备候补名单和转班话术
判断是否拆分为基础班和提高班

提前扩容不是盲目多开，而是把扩容所需资源先放进可确认状态。

4. 冷门班释放要早于资源被耗尽

冷门班不是不能等，但必须有观察窗口。
比如开课前 14 天、10 天、7 天分别看一次：

报名是否达到最低开班线
试听线索是否仍有转化机会
是否能与相邻校区同类班合并
是否能改成一对一、小组课或线上班
老师和教室是否应该释放给热门班

没有释放机制时，冷门班会一直占着资源，直到所有人都被迫临时处理。

5. 老师和教室不是静态库存，容量会随排班变化波动

教室座位看起来像固定容量，但寒暑假班现场并不是这样。
同一间教室上午可以上 30 人英语大班，下午可能只能上 16 人编程课，因为需要电脑和助教；
同一位老师周一到周五能带连续集训，但如果周末还要上常规班，就不能简单再塞课。

容量不是一串座位数，而是“班型要求、老师档期、教室条件、时段偏好”共同形成的可承接能力。

6. 多校区之间缺少统一视图时，资源会被局部最优占用

单个校区看到的是本校区招生压力。
总部看到的是整体收入目标和教学交付风险。

如果没有统一视图，就容易出现：

A 校区提前锁住热门老师，但实际报名没达标
B 校区热门班满员，却拿不到老师扩容
C 校区大教室空着，但线索集中在另一个校区
总部只能靠会议协调，难以及时做资源再分配

寒暑假旺季越紧张，越需要让校区资源从“各自保留”变成“按需求和风险动态调配”。

派宝怎么把多智能体放进去

派宝做的不是替校长拍脑袋决定开几个班，也不是让系统为了提高满班率盲目压缩供给，而是把“先同步数据、再预测需求、再监测容量、再生成扩班和释放建议、再推动确认和复盘”这条链跑顺。

1. 多系统数据同步先把招生和交付数据拉到同一张表

系统会持续汇总这些信息：

历史寒暑假报名数据
当前 CRM 线索和试听预约
老生续报意向、订金和已缴费记录
各校区现有班型和开班计划
老师档期、能力标签和最大承接负荷
教室容量、设备条件和可用时段
已通知家长的班级承诺
候补名单、转班意向和退费风险

这样校长看到的不是一堆分散表格，而是一份能同时说明“需求在哪里、容量在哪里、风险在哪里”的招生开班视图。

2. 趋势分析先判断哪些班型会提前变热

系统会把历史报名、今年线索、年级节点和科目热度放在一起看。

比如：

过去 3 年三升四数学暑期班报名都在期末后 5 天快速增长
今年同年级试听预约比去年同期高 32%
老生续报意向已经覆盖首个班 70% 容量
同校区同老师过往满班速度明显高于平均值
竞争校区附近近期公开课咨询量上升

输出不是简单一句“这个班会热”，而是更接近运营动作的判断：

预计 4 天内接近满员
建议提前准备 1 个平行班
建议优先锁定周二、周四上午时段
建议保留 4 个名额给高意向试听转化
建议关注同年级英语班是否会被联动带热

趋势分析让机构在满员前看见满员。

3. 商机优先级排序把试听和线索变成容量判断依据

试听线索不能一股脑算进报名预测，也不能完全忽略。
系统会按线索质量分层：

老生续报且已明确班型
已试听并表达报名意向
转介绍且指定老师
公开课后主动咨询价格和时间
只留资未预约试听
多次改约、意向不明或预算不匹配

不同层级会进入不同预测权重。
例如一个 24 人班，已缴费 15 人，高优先级商机 8 个，中优先级商机 10 个，系统会提示“表面余量 9 人，但高概率占用已接近上限”。

这让顾问、教务和校长讨论的不是线索总量，而是“哪些线索足以触发提前扩班”。

4. 库存波动监测类比容量占用，持续盯住名额、老师和教室

寒暑假班的容量可以被看作一种动态库存：

班级名额是库存
老师可授课时段是库存
教室座位和设备是库存
黄金时段是库存
热门老师精力也是库存

系统会持续监测这些库存的变化：

某热门班名额在 48 小时内消耗过快
某老师黄金时段被多个校区同时占用
某校区大教室利用率不足，但小教室接近饱和
某冷门班连续 5 天报名无增长
某个科目试听堆积，但可用老师不足

这样容量不再等到开班前才核对，而是在招生过程中持续被监控。

5. 排班建议把扩班从“临时想办法”变成“有备选方案”

当系统判断热门班接近容量上限时，会提前生成扩班建议。

建议通常包括：

是否建议扩班
建议扩几个班
推荐校区和时段
可承接老师和候补老师
教室容量与设备匹配
是否需要拆分基础班和提高班
是否建议把部分线索导入相邻校区
是否保留原班热门老师、平行班安排同等级老师

例如：

方案 A：原热门老师继续带首班，新增周三、周五上午平行班，由同等级老师承接
方案 B：把高阶学生拆为 16 人提高班，基础学生进入 24 人衔接班
方案 C：东区校区满员后引导 6 个高意向家庭到西区同老师周末班

教务不再从零开始找老师和教室，而是基于方案做确认。

6. 路径与时效建议处理跨校区扩班和转班可达性

多校区机构在寒暑假高峰期经常需要跨校区调配容量。
但家长是否愿意去另一个校区，老师是否来得及跨校区上课，都不能只靠感觉。

系统会把这些因素纳入建议：

家庭住址或常到访校区与备选校区距离
上课时段是否避开通勤高峰
老师从上一校区到下一校区的通勤时间
课前准备和课后反馈缓冲
家长是否曾接受跨校区试听或转班
同校区满员后备选班的等待时间

输出会更具体：

建议将 8 个候补家庭导入西区周六 10:00 班，平均通勤增加约 18 分钟
不建议让某老师当天从南区赶到北区加课，缓冲不足
建议将平行班开在同校区下午，虽然老师不是原热门老师，但家长等待时间更短

扩班不只是“哪里有空就放哪里”，而是要让家长、老师和校区都能实际承接。

7. 风险预警提前标出满员、空置和资源冲突

系统会在招生过程中持续预警：

热门班预计在 3 天内满员
老生续报可能挤占新生名额
高意向试听线索超过剩余容量
冷门班低于最低开班线
某老师连续授课负荷接近上限
某教室被多个班型同时暂占
已承诺家长的上课时间缺少最终老师确认
扩班方案可能影响原有常规班课表

预警的目的不是制造紧张，而是让负责人更早做选择：扩班、转班、候补、合班、停班，还是继续观察。

8. 经营报表生成把校区和总部都拉到同一套口径

寒暑假旺季，校区负责人、区域经理和总部通常每天都要看开班情况。
系统会生成更适合经营会使用的容量报表：

热门班型满员风险榜
冷门班型空置风险榜
老生续报占用容量
试听线索转化预测
老师档期利用和超负荷提醒
教室容量利用率
已扩班、待扩班、建议合班清单
各校区招生目标与可承接容量差距

这样周会或日会讨论的重点不再是“谁再去整理一版表”，而是“哪些班今天必须做决策”。

改造后的新流程详细图

flowchart TB
    A[历史报名、老生续报、试听线索、班型计划、老师和教室数据进入系统] --> B[多系统数据同步能力<br/>汇总招生和交付容量]
    B --> C[趋势分析能力<br/>预测年级、科目和班型热度]
    C --> D[商机优先级排序能力<br/>评估试听和线索的高概率占用]
    D --> E[库存波动监测能力<br/>持续监测名额、老师、教室和黄金时段]
    E --> F{是否出现热门满员、冷门空置或资源冲突风险}
    F -->|热门班接近满员| G[排班建议能力<br/>生成扩班、平行班和候补方案]
    F -->|冷门班持续不足| H[经营报表生成能力<br/>提示合班、转班或释放资源]
    F -->|跨校区承接| I[路径与时效建议能力<br/>判断家长和老师可达性]
    G --> J[校长、教务和教学主管确认开班调整]
    H --> J
    I --> J
    J --> K[更新招生口径、老师档期和教室占用]
    K --> L[容量变化回写系统并继续监测]
    L --> B

上线前后到底差在哪

以 5 个校区、暑期 7 个年级段、4 个核心科目、120 多个计划班型 的连锁培训机构为例，连续运行 1 个暑期招生周期后，最明显的变化不是开班数量简单变多了，而是热门班、冷门班和资源约束终于能提前放到同一张视图里讨论。

上线前，校区经常出现这样的对话：

“这个班怎么又满了，能不能再开一个？”
“老师没有档期了，教室也只剩晚上。”
“这个冷门班还差 8 个人，再等等吧。”
“再等就来不及通知家长换班了。”
“试听线索很多，但不知道到底能转多少。”

上线后，讨论会更早发生：

哪些班型已经进入预扩容观察
哪些老生续报要提前占位
哪些试听线索足以触发扩班
哪些冷门班到某个时间点必须合并或释放
哪些老师档期要优先留给高概率满班的班型
哪些校区有空间承接相邻校区溢出的需求

教务的工作也从“满了再找资源”，变成“按照预测提前准备资源”；
校长的决策从“凭经验拍开几个班”，变成“看趋势、看线索质量、看容量约束后再调整”。

上线前后对比表

对比项	改造前	改造后
热门班型发现时点	多在报名接近满员后才明显	在老生续报、试听线索和历史趋势叠加时提前识别
扩班准备方式	满员后临时找老师和教室	提前生成平行班、候补老师和备选时段
老生续报容量占用	分散在班主任和顾问记录里	进入统一容量视图，提前占位和预警
试听线索处理	看预约总量或等缴费结果	按商机优先级估算高概率占用
教室容量管理	开班前集中核对	招生过程中持续监测容量波动
老师档期安排	热门班满员后再协调	预留热门老师和同等级候补老师窗口
冷门班处理	临近开课才合班、转班或停班	按观察窗口提前判断是否释放资源
多校区资源调配	各校区各自抢老师和教室	基于需求热度、可达性和容量缺口统一调配
家长侧体验	满员、换老师、改时段解释较多	开班承诺更稳，候补和转班方案更早清楚
校长经营判断	依赖经验和人工汇总	有趋势、容量、风险和建议方案支撑

为什么这些变化站得住

第一，热门班更早被看见，不是因为顾问感觉更敏锐了，而是历史报名、年级科目热度、老生续报和试听线索被放在一起判断。

第二，扩班更可落地，不是因为机构凭空多了老师和教室，而是系统在满员前就把老师档期、教室容量、候补方案和可用时段准备出来。

第三，冷门班空置更少，不是靠粗暴砍班，而是给每个低热度班型设置观察窗口，早于开课前完成合班、转班或资源释放。

第四，招生和教务更少互相抱怨，因为顾问看到的不只是剩余名额，教务看到的也不只是已报名人数，双方都能回到同一份容量视图里讨论。

第五，老师负荷更可控，因为热门老师不是所有空档都能继续塞课，系统会同时看连续授课、跨校区移动、备课和课后反馈压力。

第六，总部和校区更容易达成一致，因为扩班或停班不再只是某个校区的主观要求，而是有趋势、线索、容量和风险依据。

这个案例的价值

寒暑假班容量预测的价值，不只是多招几个学生，而是让机构在招生高峰里更早知道“哪里该加、哪里该收、哪里该转、哪里该等”。

1. 它让热门班从“爆了才处理”变成“爆前先准备”

热门班型最重要的是窗口。
当系统提前识别高概率满班，机构就可以先准备平行班、候补老师和备选教室，而不是在家长已经排队后再仓促解释。

这会直接影响招生转化。
高意向家长在咨询当下能拿到明确选择，比被告知“先等等，有班再通知”更容易完成报名。

2. 它让冷门班从“拖到最后”变成“有节奏地释放”

冷门班如果一直保留，会占用老师、教室和招生注意力。
但太早取消，又可能损失少量真实需求。

容量预测不是简单判死刑，而是给冷门班设置观察规则：

什么时候继续观察
什么时候加推
什么时候合班
什么时候转校区
什么时候释放老师和教室

这样冷门班不再把资源拖到最后一刻。

3. 它让招生承诺更稳

寒暑假报名高峰里，顾问最怕承诺过满，教务最怕前端先卖后补。
当剩余名额、老生占位、试听高意向、老师档期和教室容量都能实时看见，前端承诺就会更谨慎，也更有底气。

比如系统提示某班“表面剩余 8 个名额，但高概率占用已超过 10 人”，顾问就不会继续按 8 个名额外放，而会引导家长选择候补、平行班或相邻校区。

4. 它让老师资源用得更长久

暑期高峰最容易把热门老师排到极限。
如果只追求短期满班，老师会连续授课、跨校区奔波、课后反馈被压缩，最终影响教学质量。

容量预测把老师负荷纳入扩班判断后，机构可以更早使用同等级老师、助教配置或分层班型，避免所有需求都压到少数热门老师身上。

5. 它让校区经营会更像决策会

过去的寒暑假日会，很多时间花在收数和解释差异上。
改造后，经营报表会直接给出：

哪些班今天必须扩
哪些班继续观察
哪些班建议合并
哪些老师档期需要锁定
哪些教室资源可以释放
哪些线索要优先跟进

校长和区域负责人讨论的是动作，不是重新整理事实。

6. 它让机构同时提升满班率和体验稳定性

满班率提高不应该以家长体验和老师负荷为代价。
这套流程的关键是把需求预测和承接能力一起看，让扩班更早、停班更稳、转班更顺、老师更少被临时硬塞。

最终改善的是三个结果：

热门班不浪费需求
冷门班不长期占资源
家长、老师和教务都少经历临时变更