首先，就正常的運營秩序來講，現場運營需要關注聯絡量供給、員工供給、聯絡處理效率、客戶體驗以及員工反饋等幾個方面。聯絡量供給主要看聯絡量的數量、走勢以及跟預期的差距等。員工供給主要看上線數量、工作狀態、與預期差距等。聯絡處理效率主要看接通率、服務水平、隊列數量、聯絡處理量、平均處理時長等。客戶體驗則主要看平均等待時長、放棄率等指標。員工的實時反饋則主要集中于突發來電原因、特殊需求的請求與處理、突發系統或平臺問題等。

其次，由于現場運營的動態性特征，現場資源調度也是確保運營秩序不可或缺的手段。但是科學的現場運營調度需要現場管理人員深入了解和熟悉現場運營指標的之間的關聯關系，因為任何的調整影響的不是單單一個指標，而是整個現場運營狀態的改變。下面我們就用一個示例來解釋一下現場運營一些主要指標之間的相關關系。

在下面的圖表中，我們分別設定了四個模擬參數，平均通話時長150秒，話后處理時長30秒，半小時話量1000個，服務水平時限20秒。然后基于聯絡量的泊松分布特征用Erlang C計算出了如下所示的結果：

SL%（服務水平）vs.OCC%（員工占用率）

這兩個指標是反向運動的，即服務水平越高，員工占用率越低。就是說越是保持高接通率/服務水平，員工在線的繁忙程度就會相對越低。但只是相對而已，具體還要受來電量、通話時長、隊列規模、兩個指標的非線性運動軌跡等其它因素的影響，所以理想狀態下是有可能保持服務水平和員工占用率雙高的狀態的。員工占用率指標不易長期處于較高狀態。否則員工的疲勞感及服務水準會受到負面影響。

Agents（在線員工數量）vs.SL%（服務水平）

隨著在線員工數量的增加，服務水平指標會不斷改善。但兩者之間不是線性關系，當服務水平指標不高的時候，增加或減少一個人的影響是非常顯著的。但當服務水平指標保持在較高位置一下上時，一個人的影響就會越來越小，呈現邊際效應。這個規律在隊列員工分配調動過程中是重要的參考依據。

ASA（平均應答時長）vs.SL%（服務水平）

毫無疑問，服務水平越高，平均應答時長越短，客戶的隊列等待時間也就越短，來電放棄率也就越低。但僅憑服務水平指標是推不出放棄率指標的。需要注意，這兩者之間也不是線性關系，存在非常明顯的拐點。

Q2（隊列排隊數量） vs.SL%（服務水平）

有人排隊是正常的，不必驚慌！即便你的服務水平達到20秒的90%以上，仍然有10個人左右在排隊（僅指本文的模擬數據場景）。真要做到任何時候沒有人排隊，那么你的人員投入需要是海量的，也是沒必要的。但需要注意的是，現場運營中，如果隊列排隊數量在很短的時間內急劇增加，明顯超過跟服務水平相關的正常值范圍，則預示著突發話務高峰到來了，或者線上員工狀態出現了異常變動。隊列數量是實時指標，服務水平是滯后指標，這兩個指標的狀態是不同步的。